前言：中文期刊网精心挑选了物流调度方案范文供你参考和学习，希望我们的参考范文能激发你的文章创作灵感，欢迎阅读。
物流调度方案范文1
Abstract： In 2010～2013 years， the occupation college（higher vocational group）“North”cup“modern logistics storage and distribution operations， optimize the design and implementation of”tournament， has been successfully held three sessions， in spite of the facilities and equipment as well as“match point”and so on have changed year by year， but the line is always the“core business link storage”and“the logistics enterprises”. In 2014， the tournament will be the integration of logistics the third party logistics enterprise as background， from the perspective of the supply chain， require participants to complete optimization， integration and processing complete logistics business process. This new trend based on， to show some new“match point”and analyzes.
Key words： higher vocational logistics； skills competition； analysis of match
1 问题的提出
严格意义上的全国职业院校（高职组）物流技能大赛起始于2010年，即“中诺思”杯“现代物流储存与配送作业优化设计和实施”赛项，至今已成功举行了三届。该赛项以物流企业的核心环节――储存与配送作业为背景，在强化物流管理控制和物流成本控制的前提下，要求选手进行方案的设计与实施。不容置疑，几年来该赛项引领了高职物流教学和课程改革，规范并逐步建立了物流职业教学标准，每年也都吸引了全国超过60余所高职院校参加在天津交通职业学院举行的总决赛。
值得注意的是，2014年1月28日，在全国职业院校技能大赛官方网站上公布的“关于公布2014年全国职业院校技能大赛拟设赛项的通知”中看到，教育部拟采用由“中国物流与采购联合会”和“全国物流职业教育教学指导委员会”联合申报的“一体化物流方案设计与实施”（以下简称“申报书”）作为全国高职物流技能大赛赛项。
在认真研究了方方面面大量信息的基础上，不难发现，2014年全国高职物流技能大赛，无论是在组织形式上还是在基于的背景上，都会有较大变革，即该赛项将完全模拟真实的第三方物流企业的一体化物流运作，从供应链角度要求选手完成完整物流业务流程的优化、整合和处理。本文将基于这一新走向，力求提炼出若干新“赛点”并进行剖析。
2 典型比较
众所周知，以往历届全国职业院校物流（高职组）“中诺思”杯“现代物流储存与配送作业优化设计和实施”比赛，尽管每年都有一定变化，但依然具有明显的沿革性，即主线始终是“储”和“配”这一物流企业的核心业务环节。
作者曾在《中国市场》杂志第10期上发表的题为“全国现代物流大赛（高职组）有关焦点问题之辨析”一文中，进行了概括与比较，现引用如下，详见表1。
在从表1中，从多个维度，将历年大赛进行了较深入的比较和解读，可以明显看出以往大赛变化情况。
下面，作者将基于上述“申报书”中所给出的信息，对2014年拟定赛项“一体化物流方案设计与实施”和以往赛项进行分析，对其中的主要区别和变化进行预测，详见表2。
从以上分析，认为本年度的拟定赛项，从知识点、技能点以及选手构成等诸多方面，并没有革命性变化，但是更加贴近第三方物流企业真实完整业务过程，这表现在：一方面，弱化了传统比赛中微观层面上基本技能和操作，另一方面，却在宏观层面上强化了以物流系统为核心，从物流功能的一体化，到对生产企业、销售企业、物流企业直至消费者的整个供应链内部和外部进行整体化和系统化。总之，这些变化对各高职院校备赛以及教学都将是一个极大挑战。
3 赛点提炼与剖析
根据教育部职业教育与成人教育司有关通知精神，2014年高职物流技能大赛正式赛项规程将于2014年3月30日前在大赛官网（chinaskills.org）予以公布，现仅以“中国物流与采购联合会”和“全国物流职业教育教学指导委员会”联合申报的“一体化物流方案设计与实施”申报书中所给出的大量信息，进行前瞻性剖析。
3.1 赛点提炼
2014年大赛按上述“申报书”中要求，参赛队员可根据比赛提供的信息，结合给定的竞赛要素，制定一体化物流作业方案，方案内容包括人员分工方案、运输调度方案、场站作业方案、运输应急预案、仓储出入库及流通加工作业方案、贵重物品安全追踪方案、成本预算方案等部分，并进行实施。
通过以上分析，同时结合大多数高职物流管理专业教学现状，预测本年度大赛主要有如下三大“赛点”：即运输调度方案及场站作业方案、各业务流程相关联的单据流转和仓储主管和运输主管的协调等。其中，“运输调度方案”的设计，相对于高职选手来讲难度较大，所以以下主要对该“赛点”进行一定剖析。
3.2 赛点剖析
在往届高职物流技能大赛诸多“赛点”中，曾明确要求选手利用节约里程法进行配送线路优化。也许是考虑到大多数高职院校选手理论水平普遍不高，因此，不仅条件给的比较充分、比较特殊，而且也较低。
2014年大赛，同样也涉及到了运输（配送）优化问题。按照“申报书”运输调度方案及场站作业方案设计中要求，“根据客户需求、送货时间、客户优先权等级，制定运输任务安排表，并明确贵重货品及特殊商品运输管理制度与要求、说明操作流程与实施步骤、应急情况处理流程。查安排表是否合理、流程操作与应急处理方案是否正确”。根据这些要求以及“申报书”给出的“案例样题”来分析，选手在设计方案时，预计大赛给出的条件信息量会更大、要求考虑的因素会更多、数学模型会更复杂。
因此，在备赛过程中，一定要注意运输（配送）由于方法的不同，其运输过程也不尽相同。由于影响运输（配送）的因素很多，如车流量的变化、道路状况、客户的分布状况和配送中心的选址、道路交通网、车辆定额载重量以及车辆运行限制等。
那么在“运输调度方案”设计中，就要整合影响运输（配送）的各种因素，适时适当地利用现有的运输工具和道路状况，及时、安全、方便、经济地将客户所需的商品准确地送达客户手中，选择不同的线路设计方法，最终达到节省时间、运距和降低配送运输成本的目的。
建议在备赛中，可以进一步将这类运输优化问题分为：
（1）“一对一”配送的最短路线问题
即是在由一个供应点到一个客户的运输（配送）模式中，要求选择最短的配送路线，实现高效率的配送，达到快速、经济配送的经营目的，解决这种模式的优化设计问题预计采用“标号法”即可解决。
（2）“一对多”配送的路线优化问题
即由一个供应点往多个客户货物接收点的配送。这种运输（配送）模式要求，同一条线路上所有客户的需求量总和不大于一辆车的额定载重量。其基本思路是：在汽车载重能力允许的前提下，每辆汽车在配送路线上经过的客户个数越多，里程节约量越大，配送线路越合理。解决这种模式的优化设计问题可以采用节约里程法。
（3）“多对多”配送的路线优化问题
多对多配送是指由多个供应配送点往多个客户货物接收点的配送，当配送路线成两个或两个以上的圈时，可以用破圈法操作。
物流调度方案范文2
关键词：物流；蚁群优化算法；车辆调度；最佳路径；仿真验证
0 引言
蚁群优化（Ant Colony Optimization， ACO）算法是一种模拟进化算法[1]，由于具有强鲁棒性、并行性、易于与其他算法融合、全局优化等多个优点，已成为了解决复杂组合优化问题的强有力的工具[2]。本文对传统的优化调度方法以及现已应用在调度系统上的智能优化算法进行深入研究，针对它们在应用中的缺点对基本蚁群算法[3]进行改进，建立适当的物流车辆调度系统数学模型，用改进的蚁群算法对调度系统进行优化，最后进行系统仿真，证明蚁群算法应用到货车调度系统中是合理实用的。应用目标是提高车辆利用率，使资源利用达到最大化，并降低运输成本。
全球定位系统（Global Positioning System， GPS）技术能够对车辆进行实时跟踪，使车辆准确地找到装载点和卸载点的具置；GPS还可以对历史数据进行记录，指导实施调度，通过移动终端，把计算机决策运算所需要的数据通过无线电传到调度中心，从而进行实时动态的优化调度。但是传统的优化调度方法都是静态的调度方法，随着问题规模和搜索空间的增大，计算的时间复杂度过大，用智能优化算法实现优化调度便成为了研究的热点。
1 蚁群算法
以蚁群算法求解旅行商问题（Travelling Salesman Problem， TSP）为例，蚁群算法的应用实现过程描述如下：
2 蚁群算法改进
2.1 拥挤扰动策略
蚁群算法最主要有易于陷入局部最优解以及收敛速度慢这两个缺点。蚁群算法寻优过程可以分为两个阶段，即：第一阶段主要是为了增加解空间的多样性，避免算法过早收敛造成算法陷入局部最优而不能得到全局最优解；第二阶段主要是为了加快算法收敛速度。本文分别对这两个阶段进行改进。在第一次循环时，由于每条路径上具有相同的信息素浓度，蚂蚁随机选择下一步要路过的节点，这会导致蚂蚁选择的路径不一定是最优路径，并且这些路径上的信息素的量会由于正反馈作用而不断增加，导致算法很快会收敛到这些路径上，而使算法陷入局部最优。针对第一阶段提出拥挤扰动策略，该策略能扩大了算法的搜索空间，避免算法过早收敛。
引入拥挤因子CRi j表示路径（i， j）的拥挤程度，其计算公式为：
式中σ表示拥挤系数。加入拥挤扰动策略之后，算法得到了合理的改进，可以限制初始时某些路径的信息素浓度过大，使算法可以选择更多的路径，蚂蚁在面对不拥挤的路径时可以按照基本蚁群算法中的路径选择策略选择路径，而在面对拥挤路径时，只按照能见度进行路径选择。通过对蚁群算法进行如此改进，不仅有效扩大了算法的搜索范围，拓展了解空间，还可以避免得到误差解以及避免算法过早收敛。拥挤扰动策略只用于第一阶段的寻优过程，第一阶段设置为算法的前g次循环，其中gNCmax。
2.2 最优路径策略
最优路径策略相当于一个动态的、确定性的最短路径策略问题，即一个动态的路径规划算法。当设定了一个起点以及一个相应的终点时，最优路径策略将帮助我们计算出一条距离相对最短的而且最优的路径。这可以通过算法第一寻优阶段得到m（蚂蚁数目）条路径，然后在第二阶段运用最优路径策略来缩小解空间并提高解质量，提高算法的收敛速度。具体改进过程如下：
依据问题规模设置一个长度为len的列表L，把得到的m条路径中信息素含量最大的len条路径按信息素含量由多到少存到L中，第一个位置存放的是信息素含量最大的路径，其他路径依次进行排列。对信息素重新初始化，即只对L中的路径的信息素进行初始化，其他路径的信息素含量清零。采用全局更新策略，在给定的时间段T，计时结束就自动进行下一次循环，每过时间T，对信息素进行一次更新，改进的更新公式如下：
其中fk表示蚂蚁k在本次循环中的总的运输费用。然后增大转移概率中参数α的取值，让信息素的相对重要程度增加。在每一次算法迭代循环中，计算每条路径的信息素总含量并进行比较，依据信息素含量由大到小的顺序将最优的len条路径存放到L中。对L中的信息素浓度根据式（3）和（4）进行更新，在蚁群算法完成迭代循环之后，对列表L中的所有路径进行路径长度（目标函数）的计算，如果列表L中的第一个元素优于其他所有的元素（L中第一个位置的路径长度大于其他所有路径的路径长度），则说明该算法取得了全局最优解；但是如果在列表L中，第一个元素只是信息素含量最大的元素，而不是路径长度（目标函数）最大的元素，那么选出L中的路径最长（目标函数取得最适值）的路径作为最优解。
该改进策略不但可以提高蚁群算法的收敛速度，还可以提高蚁群算法的寻找最优解的成功率，只要在寻优第二阶段中，有蚂蚁在任意一次循环中找到全局最优解，那么该算法就可以在最优路径策略的帮助下找到全局最优解。
2.3 改进后的蚁群算法
通过对基本蚁群算法采用拥挤扰动策略、最优路径策略[5-6]进行算法改进，改进后的蚁群算法流程比基本蚁群算法复杂，以求解TSP为例对改进蚁群算法的流程描述如下：
1） 算法初始化。用n表示城市数目（问题规模），并将n个城市存于集合C，循环次数与最大循环次数分别用NC和NCmax表示，用m表示蚂蚁总数，设前g次循环为算法第一阶段，在算法初始执行时，时间t=0，NC=0，所有路径的信息素浓度τi j（t）=const，const为常数，Δτi j（0）=0，将m只蚂蚁随机置于n个城市上。
2） 增加循环次数，即NC=NC+1。
3） 增加蚂蚁数目，即k=k+1，初始化蚂蚁禁忌表tabuk。
4） 如果NC==g，计算所得到m条路径的信息素浓度，并取浓度最大的len条按浓度由大到小的顺序存入列表L，清空所有路径的信息素含量，只对L中的路径的信息素进行重新初始化，转到2）。
5）如果NC
6）如果NC>g，根据转移式（2）计算蚂蚁下一步选择的城市，并把j（ j∈{C-tabuk}）移入该蚂蚁的禁忌表中。
7）如果该蚂蚁的禁忌表中的元素个数小于n，则转到4）。
8）若k
9）若NC>g，计算每条路径的信息素总含量并进行比较，依据信息素含量由大到小的顺序将最优的len条路径存放到L中。
10）对所有路径上的信息素浓度进行更新。
11）如果NC
12） 对列表L中的所有路径进行路径长度进行计算，求得最优解。
2.4 与基本蚁群算法的比较
本文采用求解TSP的测试库TSPLIB中的Eil51、 Oliver30、Kroal100、Ts225[7]作为算法的算例，通过Matlab语言进行算法的编程测试，对基本蚁群算法与改进蚁群算法进行比较。为了得出科学合理的比较结果，改进蚁群算法与基本蚁群算法在计算算例时给出相同的参数设定，即α=1，β=2，ρ=0.5，Q=150，α、β为信息素和启发因子的重要性，ρ为路径上信息素的挥发系数，Q为蚂蚁在路径上释放信息素的增量，改进蚁群算法与基本蚁群算法对每一个算例都计算10次，并且每次迭代次数为1000。实验结果如表1所示。
通过表1可以看出，改进后的蚁群算法不论是在收敛速度上还是在寻优能力上都优于基本蚁群算法，并且随着问题规模的增大，这种优势越来越明显。在实验过程中还发现通过拥挤扰动策略扩大了解空间，解决了基本蚁群算法过早陷入局部最优解的问题，并且在每个算法执行的40次中，改进蚁群算法具有较好的稳定性，寻优失败次数只有2次，而基本蚁群算法则有6次寻优失败。综上所述，改进蚁群算法性能优于基本蚁群算法。
2.5 改进算法应用于车辆调度
2.5.1 车辆调度的数学模型
为降低物流车调度问题的复杂度，在给出物流车调度系统的数学模型之前，针对本文研究目标而对模型作出如下假设[8]：
1）所有的车辆在工作时间内都可以正常运行。
2）对车的运行状态只考虑在道路网上情况。
3）装载点与卸载点之间的距离在一个班次内保持不变。
4）同一时刻同一地点只能给一辆货车进行装载。
5）货车装卸时间为定值。
6）在同一卸载点处，同一时刻只能对一辆货车进行卸载。
7）忽略运输过程中的损耗。
8）采用同型号的货车，货车必须是满载运输。
仿真程序凭借低投入、无安全风险、可重用性等优点为车辆调度系统的优化提供了有效的研究办法，本文通过使用Java语言编写仿真程序来指导车辆的调度，仿真过程简单、直观、有效，该仿真成功验证了应用蚁群算法求解物流车辆调度系统问题[10]的实用性与正确性。仿真程序可以根据输入数据直接求出每个车辆具体的行车路线，从而得到最佳的运输方案。
2.5.2 模型求解
对于算法的寻优求解还是采用两个阶段来说明，第一阶段为增加解空间阶段，第二阶段为加速收敛阶段。算法过程具体描述如下所示：
1）参数初始化。在装载点处随机放置m只蚂蚁。
2）给出U表和S表。
3）递增循环次数，即NC=NC+1。
4）递增蚂蚁个数，即k=k+1。
5）若k
6）如果NC
7）判定该蚂蚁所在节点是装载点还是卸载点，如果是装载点，则转到8）；如果是卸载点，则转到9）。
8）计算出蚂蚁下一步要从集合U中选择的卸载点，转到10）。
9）计算出蚂蚁下一步要从集合S中选择的装载点。
10）给出蚂蚁到达j点的时间并且i=j。
11）判定该蚂蚁运行时间是否超过T，如果超过则转到4）；否则转到7）。
12）对所有路径上的信息素浓度进行更新，然后转到3）。
13）得到m条路径，结束求解。
2.5.3 优化计算
优化计算的进行主要有两种触发方式：第一种触发方式是计时自动触发，该种方式指根据给定时间段长度，每到达该时间段长度，系统就会自动进行优化计算，给出最佳的货车实时调度的运输方案；第二种触发方式是设备调整触发，该种方式是指当增加或减少运输设备，对装载点与卸载点间的距离表进行更新，修改货车参数，对装载点、卸载点的任务量进行修改等设备状态更改时，进行优化计算来给出指定时间段内最佳运输方案[11]。
本文只考虑第一种触发方式，而不对第二种触发方式进行深入研究。优化计算的主要过程如下所示：
1）对系统是否被初次使用做出判断：若是初次使用，输入初始数据；否则给出上次调度结果。
2）开启调度主页面，实时监控优化计算进行的时刻。
3）判断是否该进行下次优化，如果到了进行下次优化的时刻，则通过优化计算程序进行优化计算，给出最佳行车线路。
4）通过调整数据为下次计算提供初始数据。
5）判断是否要对设备进行调整，如果需要，则在调整完设备后就调整数据，调用优化计算程序，给出最佳运输方案。
6）循环上述过程直到满足结束条件。
优化计算过程的流程如图1所示。
3 实验与分析
3.1 车辆调度系统的仿真
本文的仿真系统是直接通过蚁群算法求出具体每辆车的运输路线，用其指导系统调度。对装载点、卸载点、车辆的实时状态进行记录，如果运输设备发生参数改变、增加或删除设备等变动，则系统在调整之后进行重新优化计算，进而得出新的调度方案。仿真系统得到的运输方案[12]是通过严格的时间计算而得出的，主要考虑的时间有车辆在道路网中的走行时间，该时间主要由各路线的长度与车速决定，为了对调度情况进行实时了解，仿真程序对调度运行过程进行了界面仿真输出，如图2所示。
3.2 仿真结果的分析
对调度系统评价指标的选取应该结合物流公司的具体情况，单一指标不能完成对调度系统的全面评价，本文仿真环境是在Windows 7下，13辆物流车，仿真时长8h，对物流车辆调度系统分别用改进蚁群算法和固定配车法进行模拟仿真。
实验对比结果显示出基于改进蚁群算法的物流车辆调度系统在评价指标上都明显优于基于固定配车法的调度系统，因此得出结论：应用改进蚁群算法求解物流车辆调度系统是可行的，并且可以取得预期的应用效果。
制定完整的配送计划，路径的选择很重要。应用合理的调度，使货车总里程数缩短，可以看出优化后里程数比原有里程数少10%左右，如图4所示可以提高配送效率，节约配送成本。
4 结语
本文对蚁群算法以及物流车辆调度系统进行了分析与研究，提出了改进的蚁群算法，不仅克服了蚁群算法易于陷入局部最优的缺点，还提高了其收敛速度。将改进后的蚁群算法应用于物流车辆的管理调度之中，对以运费最少为目标的优化模型进行求解，通过求解所得到的运输方案指导车辆实时调度。实验结果表明，新方案有效且可行。
参考文献：
[1] 陈迎欣.基于改进蚁群算法的车辆路径优化问题研究[J].计算机应用研究，2012， 29（6）：2031-2034.
[2] DORIGO M，GAMBARDELLA L M. Ant colony system： a cooperative learning approach to the traveling salesman problem [J]. IEEE Transactions on Evolutionary Computations，1997，1（1）： 53-66.
[3] 张翠军，张敬敏，王占锋.基于车辆路径问题的蚁群遗传融合优化算法[J].计算机工程与应用，2008，44（4）： 233-235.
[4] 徐少游.基于三维可视化模型的露天矿安全高效生产关键技术研究[D].长沙：中南大学，2011.
[5] 黎田.基于改进蚁群算法的移动机器人路径规划[D].西安：西安科技大学，2011.
[6] 陈子侠，叶庆泰.基于GIS景区公安快速反应系统最佳路径算法研究与应用[J].计算机应用，2006，26（5）： 1190-1192.
[7] EBERHART R C， SHI Y. Guest editorial special issue on particle swarm optimization[J]. IEEE Transactions on Evolutionary Computation， 2004， 8（3）：201-203.
[8] BIANCHI R A C， COSTA A H R. AntViBRA： A swarm intelligence approach to learn task coordination[C]// Proceedings of the 16th Brazilian Symposium on Artificial Intelligence： Advances in Artificial Intelligence. Berlin： SpringerVerlag， 2002： 195-205.
[9] 李娅，王东.基于混沌扰动和邻域交换的蚁群算法求解车辆路径问题[J].计算机应用，2012，32（2）： 444-447.
[10] BABAEE H， KHOSRAVI A. An improve PSO based hybrid algorithms[C]// Proceedings of the 2011 International Conference on Management and Service Science. Piscataway： IEEE， 2011：1-5.
物流调度方案范文3
随着物流技术的推广应用，在烟草行业，辅科自动化物流系统得到越来越广泛的应用。卷烟辅科自动化物流系统是卷烟生产的辅料准备中心，可为卷烟生产自动供应生产辅料。昆船公司成功实施了几十个卷烟辅料自动化物流系统．积累了丰富的设计开发和项目实施经验。
辅料自动化物流系统概述
1．概述
卷烟生产的辅料主要有丝束卷烟纸、水松纸、商标、条盒、铝箔纸、油封、小舌、拉线、纸箱等。在自动化物流系统中，辅料堆码在载体――托盘上进行输送、存储，在托盘上堆码多种辅科称为配盘。辅料托盘分为单一辅料托盘(一个托盘上码放一种辅料)和配盘辅料托盘(一个托盘上码放几种辅料)两种。为了柔性化生产和生产车间整洁等，一般消耗量小的辅料采用配盘辅科托盘，消耗量大的采用单一辅料托盘。
由于辅料的品种、规格多，包装形状、大小、重量、使用数量等差别较大，辅科入库系统很难采用自动化处理全部工作，人工工作量较大，因此，如何降低人工工作量，提高自动化程度，同时减少投资，是辅料入库系统最大的难题，也是卷烟生产辅料自动化物流系统设计规划最大的难题之一。
卷烟生产辅科自动化物流系统主要由入库系统、自动立体仓库、出库系统、自动控制系统、计算机调度管理系统等组成。辅料入库主要有三种辅料配盘作业模式，即叉车送托盘人工搭配、自动输送托盘人工搭配、自动输送托盘机器手自动搭配，从而形成三大类型的辅料入库系统方案。
2．工艺流程
辅料运输到仓库，检验合格后，把辅料按规定的垛形堆码到托盘上．将信息输入计算机系统，辅料托盘通过输送系统自动输送到立体仓库入库站台，再由堆垛机自动运输到立体仓库计算机系统指定的货位储存。卷包车间需要辅料时，将信息输入计算机系统，堆垛机自动把立体仓库中计算机系统指定货位的辅料托盘取出、运输到出库站台，辅料托盘通过输送系统送到卷包机组，供生产使用。工艺流程图如下：
入库系统方案
根据辅料配盘作业模式，入库系统可分为叉车送托盘人工搭配方案、自动输送托盘人工搭配方案、自动输送托盘机器手自动搭配方案。
1．叉车送托盘人工搭配方案
该方案主要是当辅料运输到仓库，空托盘从立体仓库输送到叉车取货站台，叉车将空托盘送来放在地上，人工进行堆码辅料。需要配盘的辅料如到达的品种齐全，则直接进行配盘，如品种不全，则一般先码成单一辅料托盘在地上存放，到全后再进行配盘。堆码完成的辅料托盘通过叉车送到叉车入库站台，采用条码识别或者电子标签对辅料托盘进行识别，然后经输送系统输送到立体仓库入库站台，由立体仓库储存，完成入库。工艺流程如下：
方案分析
(1)辅料配盘、辅料托盘输送调度等在自动化作业中复杂的问题采用人工处理，作业灵活，效率高，系统能力大。输送系统由普通输送机组成，输送设备少，系统简单，投资小。
(2)卷烟是吸食食品，人工作业时，托盘清洁卫生难于保证。空托盘一般按十个一组进行输送储存，叉车输送．人工拆码托盘，托盘容易损坏。人工、叉车交叉作业，废料、托盘、辅料混杂在一起，作业现场杂乱，安全隐患大，企业形象差。
(3)工人劳动强度大，人工参与的工作多，容易产生错误，影响整个系统数据正确性。
人工配盘作业见图1。
2．自动输送托盘人工搭配方案
该方案主要是当辅料运输到仓库，空托盘从立体仓库直接输送到辅料码货站台，人工在码货站台进行堆码辅料。需要配盘的辅料如到达的品种齐全，则直接进行配盘，如品种不全，则码成单一辅科托盘先输送到立体仓库存放，辅料到齐后再从立体仓库调出来进行配盘。堆码完成的辅料托盘采用条码或者电子标签进行识别后，辅科托盘通过输送系统输送到立体仓库入库站台，由立体仓库储存，完成入库。工艺流程如下：
方案分析：
(1)该方案空托盘自动输送，需配盘的辅料托盘可根据管理作业需要自动调度输送，增加了辅料托盘出入库循环，需要提高系统能力，工艺复杂；输送系统由普通输送机、环行穿梭车、直行穿梭车、旋转输送机等组成，输送设备多，系统复杂，投资大。
(2)人工堆码辅料时，空托盘在输送机上，工人不能踩踏托盘，堆码辅料完成后，只需按确认按钮，辅料托盘就自动输送、入库。托盘清洁卫生，托盘不易损坏；系统取消了叉车作业，自动化程度高，安全隐患小，作业现场整洁，企业形象好。
(3)取消了叉车作业和人工搬运空托盘等，工人劳动强度减小，人工作业单一，规范了作业管理，减少了人为产生的数据错误，提高了整个系统数据正确性。
人工配盘作业见图2、图3。
3．自动输送托盘机器手自动搭配方案
该方案主要是当辅料运输到仓库，空托盘从立体仓库直接输送到辅料码货站台，人工在码货站台进行堆码成单一辅科托盘。需要配盘的单一辅料托盘按计算机系统指令由人工码货站台和立体仓库输送到机器手码垛站台，机器手自动配盘。堆码完成的辅料托盘采用条码或者电子标签进行识别后，通过输送系统输送到立体仓库入库站台，由立体仓库储存，完成入库。工艺流程见图4。
方案分析：
(1)该方案空托盘自动输送，需配盘的辅料托盘可根据管理作业需要自动调度输送，机器手自动配盘，增加了辅料托盘出入库循环，需要提高系统能力，工艺很复杂；输送系统由普通输送机、环行穿梭车、直行穿梭车、旋转输送机等组成，自动配盘系统由机器手、输送机等组成，输送设备多，系统比较复杂，投资很大。
(2)托盘自动输送，托盘清洁卫生；取消了叉车作业，作业现场整洁，安全隐患小；机器手自动配盘，需配盘的辅科托盘系统自动调度输送．自动化程度很高，企业形象很好。
(3)机器手自动配盘，取消了叉车作业和人工搬空托盘等，实现了辅料配盘自动化，规范了作业管理，减少了人为产生的数据错误，提高了整个系统数据正确性。
机器手自动配盘作业见图5。
结论
物流调度方案范文4
[关键词] 现代邮政物流 RFID技术 应用方案
一、我国现代邮政物流存在的问题及RFID技术的优点
目前我国邮政物流基础设施已有一定的基础，现代物流意识也开始起步，但由于信息化水平不高，物流配送效率较低，邮政物流还不能提供高效、低成本的物流服务，不能够很好的吸引外部企业使用邮政物流业务。
2006年6月27日，中国邮政选中美国讯宝科技公司和其主要解决方案合作伙伴建方信息技术有限公司（Concord Unity International Limited）为上海邮政的大型邮包跟踪提供RFID技术。另外科技部将RFID技术在邮政行业应用作为863计划重大项目2006年度课题的一个方向。这标志着我国越来越重视的RFID技术对邮政信息化的作用。RFID技术以其无接触式、大容量、快速、高容错、抗干扰、耐腐蚀和安全可靠的特点在物流管理中得到了较好的应用，并在向纵深应用发展。
二、RFID技术在现代邮政物流管理中的作用
RFID技术在现代邮政物流管理中的应用，主要是承担物流管理的载体取代传统物流管理中广泛应用的条形码技术。由于条形码本身没有存储空间，只能靠一个简单的号码来表示，大量的数据信息都是在后台作存储，这对后台的信息处理容量要求很高，对数据库的大小要求也非常高。但如果把每个物品的基本信息，包括商品编号、路单号、寄出局、转口局、寄达局、寄出日期和时间、责任人等信息写在放物品的托盘或集装箱电子标签上，这样当这个托盘或集装箱经过读写器时就可以立刻了解物品的信息，不需要访问数据库，这样简化了这个工作流程。
三、RFID 技术在现代邮政物流中的应用方案设计
根据以上分析，主要考虑RFID技术在以下几方面的应用方案设计。
1.在托盘、包装箱、集装箱或货箱上使用RFID电子标签，以托盘电子标签的应用为例。邮政物流大客户或邮政物流合作伙伴的托盘是专用的，在邮政物流大客户或邮政物流合作伙伴将物品交给邮政物流部门前，物品的条码信息已被压缩写入到相应的托盘电子标签中。托盘物品到达仓储部门入口时，由入口处的RFID阅读器自动采集托盘中所有的物品信息，验证无误后入库储存或送到分拣区。定期对库存进行盘点时，由移动式的RFID阅读器自动进行盘点。当托盘中的物品有变动时，由系统及时更改托盘电子标签中的信息。在拣货过程中通过装有RFID阅读器的传送带实现对托盘物品的实时追踪。出库时，与入库相似，由出口处的RFID阅读器自动读取托盘电子标签中的信息并与业务部门的出库信息进行核对，验证无误后准许出库。
2.在员工管理方面的应用。在管理中心，通过发卡器将电子标签与人员的姓名、照片等信息一一对应起来，并将该对应关系实时写入系统数据库。此时，电子标签成为真正的人员卡片。公司员工只需佩戴工作卡片自由通过检测门型天线，系统即可迅速识别，无需保安人员通过自己的印象进行判断，杜绝了强制内部人员进门登记的尴尬现象。在邮政物流公司揽收物品开始到物品送达目的地客户签收的每个环节都需要将相关工作人员的工作卡号及操作时间写入到相应的托盘物品电子标签中，整理接受方签收后的路单、货物托运书等单证，审核无误后交相关人员存档保管，并将电子标签中的信息进行备份后将电子标签中的信息置于初始状态。这样做可以对返单、丢失、错投等情况涉及到的人员进行追溯，将责任落实到人，推动邮政企业体制改革，促进邮政企业建立现代企业制度。
3.在资产管理方面的应用。与在员工管理方面的应用相似，在管理中心，通过发卡终端将电子标签与所需管理的资产物品名称、图片、所属权等信息对应，并附着于资产物品进行统一管理，这样，电子标签成为真正的资产铭牌标签，代表物品的信息。系统自动对经过的持卡人员及所携带贵重资产物品同时进行识别检测，在实现对人员管理的同时实现资产物品跟踪管理的双重功能。
4.在邮政车辆调度管理上的应用。调度管理好邮政车辆是确保邮件快速、正点的主要手段之一。首先在每辆邮车上安装一个RFID电子标签，再在邮区中心局邮政车辆进出门口安装一套RFID自动阅读系统，该系统与本局局域网相连。由于每个托盘上都使用了RFID电子标签，在装车时，工作人员通过固定式或手持式RFID阅读器读取装上车的托盘信息，再把已装上车的所有托盘信息写入车上的RFID电子标签，同时把邮车的牌号、驾驶员工号、开往何处等信息一同写入RFID电子标签中。当邮车开出邮区中心局门口时，门口处RFID阅读器自动读取车上RFID电子标签内的信息（动态读取），并把相关信息通过本局局域网传给生产调度等相关部门。当邮车开进邮区中心局门口时，门口处的RFID阅读器自动读取车上RFID电子标签中的信息（动态读取），把相关信息通过本局局域网传给生产调度等相关部门。同时还可以通过邮政综合网（或INTERNET）了解由本局开出的邮车何时到达对方中心局，来本局的邮车何时从对方局开出，托盘、物品数量有多少，这样，生产调度部门可以通过计算机随时了解每辆邮车动态分布和使用情况，用计算机及网络方式合理地调度管理邮车，充分发挥邮车的作用，最大限度地满足邮政生产需求。
参考文献:
[1]中国邮政选择讯宝科技进行特快专递邮包跟踪和监控[J].现代邮政，2006.8:64
物流调度方案范文5
【关键词】自动化港口；梭车调度；物流仿真
0 引言
随着全球经济一体化的进程，各国进出口额不断攀升，世界物流飞速发展，港口作为海上运输和陆上运输的链接枢纽，作为运输网络的节点，扮演着越来越重要的角色。为提高港口装卸作业效率，降低其营运成本，自20 世纪80 年代中期开始，荷兰鹿特丹港、日本川崎港、英国泰晤士港、德国汉堡以及新加坡港等都陆续建设自动化运转集装箱码头[1]。其中世界上第一个自动化集装箱码头是鹿特丹港的Delta Sealand 集装箱码头，于1993 年投产[2]。国内的首个自动化集装箱堆场于2005 年在上海港外高桥集装箱码头建成并投入试运行[3]。2007年上海振华重工（集团）股份有限公司新推出的高效环保型全自动化集装箱码头装卸系统也在长兴岛基地建成全尺寸运行试验系统[4]。
1 自动化集装箱码头梭车的两种工艺方案
集装箱从船舶上由岸桥卸载，跨运车接受指令到达岸桥处装载集装箱，跨运车将集装箱运输至集装箱堆场，进行堆场作业。
堆场作业中，为减少场桥空载运输时间，提高作业效率，传统工艺下，一个堆场往往分配两台场桥。堆场作业中资源配置情况如图1所示，当集装箱计划放置到该堆场靠海位置时，靠海一侧的场桥（1号场桥）进行堆场作业；当集装箱计划放置到该堆场靠陆位置时，先由一号场桥将集装箱放置到堆场中的中转区，再由靠陆一侧的场桥（2号场桥）进行堆场作业。
新型自动化码头加入了梭车，用于堆场中的水平运输，与场桥配合，降低场桥水平运动距离，提高堆场作业效率。本文考虑堆场作业中梭车的两种调度方案：
调度方案一：梭车与堆场两台场桥均配合
当梭车空闲时，不论集装箱计划堆存到哪个位置，直接将集装箱卸载至梭车上，都由梭车将集装箱运送到指定的场桥贝位。同时当集装箱计划放置到该堆场靠海位置时，场桥1运行到同一贝位；当集装箱计划放置到该堆场靠海位置时，场桥1运行到同一贝位。接下来由场桥将梭车上集装箱装载至堆场。
集装箱到达堆场，若梭车忙时，采用不使用梭车的传统装卸工艺。
调度方案二：梭车仅与堆场靠陆侧的一台场桥均配合
集装箱到达堆场，若梭车空闲，当集装箱计划放置到该堆场靠海位置时，用靠海侧的场桥进1行堆场作业，不使用梭车。当集装箱计划放置到该堆场靠陆位置时，先由梭车将集装箱放置到靠陆一侧，再由靠陆侧场桥2进行堆场作业。
集装箱到达堆场，若梭车忙时，仍旧采用传统工艺。
2 工艺方案仿真
本次集装箱港口的主要建模元素有：集装箱、跨运车、缓冲区、岸桥、场桥、梭车、堆场等。模型采用3D虚拟现实仿真软件Flexsim建立。Flexsim允许根据用户需要，通过其提供的基本对象改变其参数、3D模型、运动模型等建立用户对象库。
为满足集装箱港口仿真的要求，用Flexsim基本对象创建港口设备对象库，如下：使用流动实体中的FlowItem设置相应尺寸来表示集装箱，TaskExecuterFlow-Item分别改变3D外观和运动属性来模拟跨运车和梭车；使用移动资源中的TaskExecute分被改变3D外观以及动画编辑模拟岸桥和场桥；使用固定资源Source模拟船舶，Rank（Flow Storage）模拟堆场，Queue模拟缓冲区。
整个仿真课分为三个部分：岸边作业部分、岸边到堆场的水平运输部分以及堆场作业部分。
3 仿真结果的分析与总结
经过多次的仿真实验，得出两种调度方案下的两个场桥平均行走的距离以及缓冲区和中转区的平均存量变化，如图2及图3所示：
以上图表数据中，从图2中两台场桥的行走距离来看，方案一能减少场桥1行走距离，效率更高，而对于场桥2来说没什么太大变化。从图3中中转区和缓冲区平均存量来看，方案一能降低缓冲区和中转区的使用，说明此方案能尽可能少的使用传统堆场工艺，提高梭车的使用率。综合考虑场桥行走距离以及梭车的使用率，调度方案一更适合自动化集装箱港口的堆场作业。
4 结束语
本文使用港口仿真技术对两种自动化集装箱港口的梭车调度方案进行模拟对比。仿真结果表明，采用梭车与堆场两台场桥均配合的调度方案能减少场桥行走距离，提高梭车利用率，降低码头运营成本，提高堆场作业效率。给新型自动化码头的梭车调度问题提供一定参考价值。
【参考文献】
[1]徐承军，陶德鑫.AGV在集装箱码头中的应用[J].重工水运，2006，4（12）：24-26.
[2]彭传圣.集装箱码头的自动化运转[J]. 港口装卸，2003（2）：1-6.
物流调度方案范文6
关键词：大客户管理；客户满意度；车辆调度模型
一、物流配送中的车辆调度
物流配送根据配送主体划分可以分为配送中心配送、仓库配送与商店配送，配送基本要根据走货运途径，企业需要对自身的运输能力做好充分的分配，以最大程度满足客户需求，最快最省地将货物送达客户手中。
1.车辆调度问题描述。车辆调度由配送中心、货物、需求方、运输车辆、配送路径、各类约束及设定的目标构成。配送中心是货物集散中心，起到中转、暂时存储、调拨作用，现实中的配送中心一般以车站、码头及城市中转站等形式存在。货物自供应商发起，经过多个配送中心到达需求方处。运输车辆一般具有载重、里程的约束，并且分为普通货物车辆及专业特殊物品运输车辆，在一般车辆调度问题中，一次配送任务中运输车辆必须返回出发点。
配送路径又称运输网络，是车辆调度的一个重要参考要素，配送路径的选择得当可以节省大量配送资源，增大配送范围。约束条件与目标函数是车辆调度问题构建优化求解模型的必备条件，企业需要根据设定的以成本最优、时间最优，或者客户满意最大化等目标构建目标函数，并且根据车辆负荷、客户时间要求、车辆空置、路线等多个要素编写约束条件，以划出解的范围。
根据车辆调度各要素的描述可以将调度问题描述如下：令表示配送网络，其中V表示节点，即客户与配送中心的点集。E、A表示有向边与无向边的集合，各边都将赋权，权值可以根据不同情况设定为距离或费用，表示V、E、A的子集，在特定的约束条件下，如车辆数目、限载、里程、客户时间要求、成本要求等，经过优化求解，求得时间最少、路程最短、费用最少等结果。车辆调度问题也可以绘制成网络图2.基于大客户满意度的车辆调度优化。一般车辆调度问题都会涉及一个或者多个约束条件，约束条件越多，调度任务就会更加复杂，同时满足多个约束后一辆运输车所能完成的任务就会变少，完成运输任务并非调度的最终目标，而是基本职能，好的调度方案是要使效益最大化。企业的客户具有多种类型，包含了服务、产品的直接消费者，中间商等，各类客户对企业服务的需求不同，对企业配送的要求不同使得客户的满意度达成难度不一。一般大客户对企业贡献度大，但是其满意度达成也更为困难，企业在制定配送计划与车辆调度方案时需要考虑大客户优先原则。
一般车辆调度优化目标设定为：运输成本最小、运输时间最短。对于目标的求解设定一些客户要求货物到达时间的约束，车辆本身限制因素等。此种调度方案将所有客户视为同一类客户，没有考虑不同类型的客户的需求特性及客户带来价值的不同，在客户需求方面一般都仅考虑客户的时间需求。对于大客户的定制化考虑已经为不少学者提供思路，少量的企业大客户贡献主要的利润收入，其需求表现为：量大、时间要求高；数量一般、品质要求高、对货物的运输要求高、时间要求次之。大客户分为大量采购的企业客户，少量高价购买的个人客户等，需求各不相同。对于不同的客户企业的配送调度要迎合大客户需求，开辟专线，这个运输调度提出了新的约束条件。在制定调度方案是需要先将客户进行认定，引入满意度测评，以整体满意度、成本最小化为目标，其中大客户满意度比普通客户提升更难，设定约束条件，构建调度模型。
二、大客户识别及满意度测评
为构建基于大客户分配约束的车辆调度模型，需要先识别大客户，并且对所有客户进行满意度测度，以设定满意度最大化的目标。
1.大客户识别。客户关系管理中对客户的识别基于客户的价值，即客户对于企业的创利的贡献度值，可以客户的购买量、价格、客户服务成本（包括售前、售中与售后）、客户推荐、客户带来的企业口碑与商誉提升等，有较容易可以获得的定量指标，也有较难衡量的定性指标，考虑的因素越多，构造的测评效果越好，越能够体现客户的真实贡献价值。另一方面，也有学者提出从客户的自身的发展情况衡量客户未来对企业的贡献价值，这类研究多基于客户企业，从客户企业内部经营指标，用平衡计分卡手段衡量客户企业的经营情况，判断未来客户将给企业带来多少订单，是否会带来坏账等。
2.客户满意度测度。对于客户满意度的测度有多种量化方法：模糊综合指标法、函数法。模糊综合指标法是运用模糊数学将定性评价转化为定量分析的工具。根据模糊评价法一般步骤：确定表示评价等级的判断集合各等级可以使用优良差等定性描述，也可以赋值定量描述。使用层次分析法或其他方法确定各个指标权重，记为其中再确定判断矩阵，最后求解客户综合满意度，本文选取函数表示法进行客户满意度测度，将客户满意度归一化为0至1之间的一个数值对函数形状起决定作用。对于满意度的指标确定，应考虑多个影响因素，准时、完好与准确得将货物运送到目的地。综合各个因素获得一个综合指标，根据综合指标的上下界，客户需要的目标值及实际值代入函数可以求解客户满意度的数值表示。
三、车辆调度模型
1.模型构建。车辆调度模型建模需要考虑成本效益问题，本文以客户满意度表示效益，设定效益与成本最优两个目标函数，约束条件除车辆、客户需求外加入大客户配送优先约束，体现定制化特点，模型构建首先需要做若干假设如下：
设定一个车辆属于一个配送中心，从单配送中心出发，配送完成后返回中心；一个配送周期内（即全部车辆派出到返回）所有车辆载重不少于所有客户需求量；一个客户由一个车辆配送，一个车辆可混装多个客户货物一并派送；车辆不能超负荷运作。
模型各参数符号表示如下：
为其子集，表示大客户，根据需求量来识别，B表示车辆集，η表示满意度函数的权值，C1表示运输成本单位值，C2表示车辆固定发车成本，客户需求数以g表示，d代表距离，o表示车辆载重负荷值，ti表示达到客户时刻，tji代表车辆从客户j行驶至i所花费的时间，sti表示车辆在客户点i处停留的时间，设定客户满意度最小值为表示客户最低满意度的时间要求，令Xijb表示车辆b是否从i行驶至j，是为1，否则为0，同理令yib表示车辆b是否负责客户i的任务配送，配送则值为1，不配送则为0。根据第二章客户满意度函数可以定量地表示客户满意度，本文客户满意基于需求时间，指标即到达客户的时间ti，第二章的指标目标值在此处分解为客户期望区间针对具体客户可以用其需求占总需求的比重表示，而式4则表示车辆调度成本最小化目标函数，约束条件①说明所有客户满意度都不能出现最低值，首先必须在客户时间容忍度内配送到达，否则会引发声誉危机，条件④含义类似；条件②表示单个客户需求量不能超过单车承载量；条件③是一个等式约束表示车辆到达客户i的时刻肯定等于在此之前停留的客户点时刻加上停留时间与路途中行驶时间；条件⑤则表示大客户优先满足其期望配送时间，即大客户优先配送原则；⑥表示一个客户仅由一辆运输车配送。
在一般约束中加入了大客户优先分配约束是本文的创新点，融合了大客户管理思想，往往为大客户开辟专线所花费的成本与收入比较普通客户配送成本与收入要经济的多，大客户所带来的经济效应是巨大的，对于客户企业，配送方需要给予足够高的重视。
2.求解算法。对于多目标优化问题的求解一般采用启发式算法，如模拟退火算法、蚁群算法与遗传算法等，其中又以遗传算法使用最为广泛，遗传算法全局搜索速度快，算法鲁棒性好，适合复杂问题的求解，本文对传统遗传算法进行处理同理可得到另一条染色体的后代。⑥进行变异操作，变异概率为Pm，操作步骤为：同前一步操作选取两个染色体，将该两数对应的各自染色体基因码对调形成两个新基因。⑦重复前述步骤，迭代直至收敛或达到最大迭代次数，输出结果。
本文的车辆调度问题是一个多目标、多约束的复杂问题，运用以上改进的遗传算法可以对该问题进行求解，在求解效率上有一定的优势，求解在全局搜索上速度快，减少陷入局部最优的风险，但是，求得的全局最优解精确度一般，可能会出现过早收敛的可能，总体而言，该算法是一个较为理想的多目标求解算法。
四、实例分析
1.实例运行。设定配送中心（编号记为0）有车辆10辆，载重均为50吨，分别服务于10名客户（编号分别为1至10），配送中心与各客户点坐标、需求量、时间窗以及服务时间2.结果分析。根据实例运行结果我们可以发现通过设定达到客户最低满意度的服务最低值，可以减少运输车辆等待时间，保持客户满意度不低于最低水平，避免客户流失，而另一方面从整体的客户满意度来看处于中上水平，其实从各客户的满意度水平来看（具体明细结果在此不做列示），高价值客户达到较高满意度水平，而中小客户满意度并不高，因为考虑到大客户满意度可以提高整体满意度，因而做出了中小客户牺牲，切合了本研究大客户优先的主题。
五、结语
车辆调度问题是一个比较传统的物流配送优化问题的一个研究点，但是随着物流业的发展及现代物流技术的涌现，车辆调度模型研究有了新的突破点，运用优化理论构造多目标复杂模型，构造的启发式算法可以对复杂模型进行求解，并且使用计算机技术手段可以快速对算法进行运算求解。本文引入了大客户管理的思想，增加大客户优先配送约束条件，以满意度与成本为目标函数，构造了一个车辆调度模型，提出了改进的遗传算法求解调度问题，并通过实例对算法进行验证，但是本文未对实现技术进行探讨，有待进一步研究，并且，算法的有效性也需下一步深入研究做进一步的验证。
参考文献：
[1]韩晓路.基于局部搜索遗传算法的仓库车辆调度优化研究[J].物流技术， 2011， （7）： 65-67.
