1 研究現(xiàn)狀

化工制造行業(yè)在我國的經(jīng)濟(jì)中占比較大，是一個(gè)國家進(jìn)行發(fā)展的基礎(chǔ)產(chǎn)業(yè)，它的規(guī)模及發(fā)展速度對(duì)社會(huì)的經(jīng)濟(jì)部門產(chǎn)生非常大的影響?；ぶ圃煨袠I(yè)有產(chǎn)品豐富多樣、類別繁多、制造過程復(fù)雜、生產(chǎn)所造成的污染大等特點(diǎn)。截至目前，化工制造業(yè)物流系統(tǒng)的信息化水平較低，并不能將化學(xué)產(chǎn)品的配送進(jìn)行智能化，因此要對(duì)我國化工企業(yè)的生產(chǎn)狀況進(jìn)行分析，最終制定出一個(gè)將化工產(chǎn)品使用信息化物流配送方式的優(yōu)化模型。

化工行業(yè)的車間布局一般是包括生產(chǎn)區(qū)域、原材料的儲(chǔ)藏區(qū)域、配套加工生產(chǎn)區(qū)域以及半成品的儲(chǔ)藏區(qū)域。我國化工制造行業(yè)中基礎(chǔ)化學(xué)原料制造行業(yè)包括無機(jī)酸、無機(jī)堿、無機(jī)鹽、有機(jī)化學(xué)原料制造和其他基礎(chǔ)化學(xué)原料制造五個(gè)細(xì)分子行業(yè)，主要產(chǎn)品包括“三酸兩堿”（硫酸、硝酸、鹽酸、燒堿、純堿）、電石、三烯、三苯、乙炔、萘等產(chǎn)品。

2 配送模式

對(duì)于化工制造業(yè)來講，企業(yè)所生產(chǎn)的化學(xué)產(chǎn)品一般的配送方式有以下幾種：直接配送、循環(huán)配送和緊急配送。（1）直接配送是指將化學(xué)產(chǎn)品在一定時(shí)間內(nèi)進(jìn)行有規(guī)律的配送，此方法可以將產(chǎn)品直接運(yùn)送到固定地點(diǎn)，配送工具接到指定任務(wù)后，將產(chǎn)品放至指定地點(diǎn)，然后回到配送中心。它的優(yōu)點(diǎn)是每次只配送一種產(chǎn)品，速度比較快，而且配送的準(zhǔn)確率較高，缺點(diǎn)也比較明顯，配送成本增高。這種方式只適用于產(chǎn)品較少的化工產(chǎn)業(yè)，且產(chǎn)品體積應(yīng)比較大。（2）循環(huán)配送是指多輛配送車進(jìn)行不同的配送任務(wù)，出發(fā)時(shí)裝配多種產(chǎn)品，將產(chǎn)品分發(fā)后返回配送中心。這種方法是根據(jù)不同的配送方式及時(shí)間，使配送車輛在充分的時(shí)間內(nèi)，將路線最簡化，還可以確保配送的產(chǎn)品合理化。它的優(yōu)點(diǎn)是能夠同時(shí)滿足多種產(chǎn)品的配送，提高了配送效率，降低了成本投入；缺點(diǎn)是對(duì)信息化的調(diào)配有比較高的要求，不能直接進(jìn)行配送設(shè)置。這種方式適用于產(chǎn)品較多，體積較小的企業(yè)[1]。（3）緊急配送是一種備用配送方式，只有在其他兩種方式出現(xiàn)問題時(shí)才使用此方式，為了確保產(chǎn)品的正常配送，減少生產(chǎn)過程中材料短缺或配送不及時(shí)的問題，就可以使用此方式。

3 配送路徑優(yōu)化模型

3.1 模型原理

要想將化學(xué)產(chǎn)品的配送效率達(dá)到更高，就要優(yōu)化配送路徑。為了更加清晰明了，文章舉例說明，提出以蟻群算法的配送路徑優(yōu)化模型構(gòu)建蟻群算法，這源于螞蟻避障路徑規(guī)劃方法。螞蟻釋放的信息素與行走的距離成反比，行走時(shí)越近的路徑留下的信息素越多，促使螞蟻在尋徑時(shí)更傾向于選擇信息素越多的路徑。蟻群算法能夠計(jì)算出分配路徑優(yōu)化的最優(yōu)參數(shù)組合[2]。

螞蟻在早期通過障礙物時(shí)，障礙物周圍的兩條路徑上還沒有信息素分布，導(dǎo)致兩條路徑上螞蟻的行走數(shù)量相同，但是在更遠(yuǎn)的路徑上留下的信息素是稀疏的。隨著時(shí)間的推移，更多的螞蟻選擇更近的路徑，留下更密集的信息素進(jìn)行覓食，最終，所有螞蟻都會(huì)選擇最優(yōu)的覓食路徑。覓食時(shí)，影響信息素分布的只有路徑長度。在對(duì)易腐農(nóng)產(chǎn)品冷鏈物流配送路徑進(jìn)行優(yōu)化時(shí)，最終目標(biāo)是降低總運(yùn)輸成本，因此在進(jìn)行路線規(guī)劃時(shí)，其他運(yùn)輸成本也會(huì)影響信息素的分布。

為了控制運(yùn)輸利潤，在產(chǎn)品配送路徑規(guī)劃中還需要考慮燃油、車輛損壞等不可避免的費(fèi)用。及時(shí)性是化學(xué)產(chǎn)品配送中必須考慮的指標(biāo)，因此貨物運(yùn)輸過程中的損壞也需要納入考慮。文章建立的化學(xué)產(chǎn)品運(yùn)輸路線優(yōu)化模型以運(yùn)輸總成本為計(jì)算目標(biāo)，考慮燃油消耗、車輛維修費(fèi)用、人員和車輛日常維修費(fèi)用為計(jì)算因素。建立燃料消耗成本的成本模型，為了驗(yàn)證基于路徑優(yōu)化模型在化學(xué)產(chǎn)品運(yùn)輸配送路徑優(yōu)化中的有效性，首先對(duì)該方法中的參數(shù)取值進(jìn)行了實(shí)驗(yàn)分析。選擇數(shù)據(jù)集，根據(jù)目標(biāo)位置類型將其設(shè)置為隨機(jī)固定濃度。

3.2 模型過程

化學(xué)產(chǎn)品小零件價(jià)格定為單個(gè)18元。如果沒有將產(chǎn)品及時(shí)運(yùn)輸造成損失達(dá)6元/h左右，配送車輛的平均速度為40 km/h。車輛維修費(fèi)用為每次120元。交通運(yùn)輸車輛滿、空狀態(tài)的平均油耗分別為0.3 L/km和0.15 L/km。采用信息波動(dòng)系數(shù)、信息素和期望啟發(fā)式因子控制變量法對(duì)數(shù)據(jù)進(jìn)行檢驗(yàn)。首先，以平均最優(yōu)成本值作為參考值；設(shè)置信息素?fù)]發(fā)系數(shù)為0.4，啟發(fā)式因子期望值為1，對(duì)信息素的啟發(fā)式因子進(jìn)行了測(cè)試，試驗(yàn)結(jié)果如下。在其他條件不變的情況下，平均最優(yōu)成本值在前期隨著信息波動(dòng)因子的增加而不斷降低。平均最優(yōu)成本值在信息波動(dòng)系數(shù)達(dá)到0.4時(shí)達(dá)到最低點(diǎn)，之后開始逆上升，說明最優(yōu)信息波動(dòng)系數(shù)在0.4左右。前期平均最優(yōu)成本值隨著信息素啟發(fā)式因子的增大而不斷降低，當(dāng)信息素啟發(fā)式因子達(dá)到1時(shí)，平均最優(yōu)成本值達(dá)到最低點(diǎn)。平均最優(yōu)成本值達(dá)到最低點(diǎn)，說明最佳費(fèi)洛蒙啟發(fā)式因子在1左右。初期平均最優(yōu)成本隨著期望啟發(fā)式因子的增大而不斷降低，當(dāng)期望啟發(fā)式因子達(dá)到3時(shí)，平均最優(yōu)成本達(dá)到最低，說明最佳期望啟發(fā)式因子在3左右。

以平均迭代次數(shù)為參考值進(jìn)行測(cè)試，測(cè)試結(jié)果如下。平均迭代次數(shù)隨著信息波動(dòng)系數(shù)的增大而減小，但在過程的中間出現(xiàn)波動(dòng)，當(dāng)信息波動(dòng)系數(shù)為0.4和0.8時(shí)，平均迭代次數(shù)較低。平均迭代次數(shù)隨期望啟發(fā)式因子的增大而減小，當(dāng)期望啟發(fā)式因子為時(shí)達(dá)到最低，最佳信息波動(dòng)系數(shù)為0.4，最佳信息素啟發(fā)因子為1，最佳期望啟發(fā)因子為3。對(duì)目標(biāo)定位點(diǎn)信息進(jìn)行整理后，導(dǎo)入蟻群算法和蟻群算法模型中作為源數(shù)據(jù)進(jìn)行運(yùn)算。在運(yùn)行過程中對(duì)兩種方法輸出路徑的總體價(jià)值進(jìn)行排序[3]。

根據(jù)上方數(shù)據(jù)可以得知，蟻群算法的初始總成本函數(shù)值超過3 600，迭代132次后達(dá)到最低值339。此模型的初始總成本函數(shù)值低于3 245，經(jīng)過19次迭代達(dá)到最低值3 208。對(duì)比蟻群算法和蟻群算法的收斂函數(shù)圖像，該算法在初始總代價(jià)函數(shù)值和收斂速度上都明顯優(yōu)于傳統(tǒng)蟻群算法。為了驗(yàn)證研究方法在實(shí)際應(yīng)用中的有效性，選取交通流幾乎為0的時(shí)段，選取一個(gè)客流稀疏的區(qū)域進(jìn)行測(cè)試。荔枝易腐爛，在運(yùn)輸過程中需要在低溫環(huán)境中保存，因此選擇了荔枝進(jìn)行運(yùn)輸。運(yùn)輸車輛使用燃油卡車，并設(shè)立了31個(gè)目標(biāo)地點(diǎn)進(jìn)行應(yīng)用測(cè)試。

在此模型中，采用遺傳算法進(jìn)行路徑優(yōu)化后生成的分布路徑不存在路徑重復(fù)，但相互相交的路徑和跨越多個(gè)位置點(diǎn)的路徑較多，說明生成的分布路徑仍然存在較多的無效距離。研究方法生成的分布路徑交叉口較少，相鄰區(qū)域內(nèi)的位置點(diǎn)基本被一條路徑覆蓋。配送路徑跨度不大，表明研究方法可以有效優(yōu)化配送路徑方向。選取實(shí)驗(yàn)中未改變定位節(jié)點(diǎn)數(shù)量的兩輛車，對(duì)兩輛車的分配路徑長度優(yōu)化前后的分配定位點(diǎn)距離進(jìn)行統(tǒng)計(jì)比較，可得車輛a使用遺傳算法進(jìn)行路徑優(yōu)化生成的路徑僅在移動(dòng)到第一個(gè)位置點(diǎn)的距離上具有優(yōu)勢(shì)。在隨后的移動(dòng)中，有超過60 km的長距離移動(dòng)，說明在進(jìn)行路徑規(guī)劃時(shí)，沒有最優(yōu)選擇更集中的位置點(diǎn)附近的位置點(diǎn)簇，路徑總長度達(dá)到236.15 km。車輛b使用遺傳算法生成的路徑中間幾個(gè)位置點(diǎn)之間的距離較長，說明在進(jìn)行路徑規(guī)劃時(shí)，沒有選擇最近的定位點(diǎn)，路徑總長度達(dá)到267.92 km。采用優(yōu)化方法生成的路徑選取了較為密集的位置點(diǎn)作為路徑節(jié)點(diǎn)，路徑總長度為188.93 km。b車使用優(yōu)化方法生成了一條中間大多數(shù)定位點(diǎn)之間距離較短的路徑，但有較長的路徑，指總路徑長度表現(xiàn)為214.44 km。

路徑優(yōu)化的優(yōu)化方法犧牲了部分節(jié)點(diǎn)間距因子，保證了總體分布距離的縮短。取a車分配過程中的卸載情況和工作時(shí)間進(jìn)行比較，工作時(shí)間以單位時(shí)間h為單位進(jìn)行測(cè)量，采用研究方法優(yōu)化的路徑進(jìn)行運(yùn)輸時(shí)，a車可以更快地完成前期貨物減重的裝載。完成第4位置節(jié)點(diǎn)分配用時(shí)49.36 h，完成卸載用時(shí)60.38%；而采用遺傳算法生成的路徑完成第4個(gè)位置節(jié)點(diǎn)分配用時(shí)49.93 h，完成卸載用時(shí)54.39%。結(jié)果表明，基于化學(xué)產(chǎn)品配送路線優(yōu)化模型在進(jìn)行路線規(guī)劃和優(yōu)化時(shí)，可以有效縮短配送時(shí)間，降低運(yùn)輸成本。

化學(xué)產(chǎn)品裝配式物流已經(jīng)成為化學(xué)產(chǎn)品配送中較為流行的方式，基于蟻群算法，建立了基于影響運(yùn)輸成本因素的懲罰函數(shù)，并引入向?qū)б蜃訉?duì)全局信息素進(jìn)行動(dòng)態(tài)更新。結(jié)合時(shí)間窗模型對(duì)配送策略進(jìn)行優(yōu)化，設(shè)計(jì)了新的算法流程，通過控制變量確定最佳相關(guān)系數(shù)。最后，對(duì)研究方法的性能進(jìn)行了驗(yàn)證。結(jié)果表明，當(dāng)IACO的信息揮發(fā)系數(shù)為0.4時(shí)，信息素啟發(fā)式因子為1，參數(shù)變量參數(shù)期望值啟發(fā)式因子為3，模型的平均最優(yōu)代價(jià)和平均迭代次數(shù)達(dá)到最佳綜合水平。遺傳算法生成的分布路徑有許多大跨度的拐點(diǎn)，而研究算法生成的分布路徑以小角度拐點(diǎn)為主，顯著減小了無效距離。遺傳算法生成的路徑在定位節(jié)點(diǎn)上有60 km以上的長距離移動(dòng)，在節(jié)點(diǎn)密集區(qū)有10 km以上的移動(dòng)。研究算法生成的路徑在節(jié)點(diǎn)密集區(qū)域很少超過10 km，總體路徑長度較短。研究算法生成的路徑總投遞時(shí)間為82.72 h，顯著低于遺傳算法的85.90 h。

3.3 模型結(jié)果

結(jié)果表明，研究方法可以在實(shí)際配送環(huán)境中正常運(yùn)行，可以綜合考慮客戶的實(shí)際需求和配送成本，對(duì)化學(xué)產(chǎn)品配送路徑進(jìn)行規(guī)劃和優(yōu)化。在化學(xué)產(chǎn)品配送任務(wù)相對(duì)簡單的情況下，能有效提高配送路線布局和裝卸安排的合理性。但該研究是在理想條件下進(jìn)行測(cè)試，未考慮實(shí)際情況中可能出現(xiàn)的暫時(shí)性突發(fā)因素，應(yīng)用分析樣本量較小，未進(jìn)行敏感性分析。因此，需要引入動(dòng)態(tài)環(huán)境，增加樣本量進(jìn)行進(jìn)一步研究，完善研究方法。在未來的研究中，更多地考慮動(dòng)態(tài)天氣因素，對(duì)不同運(yùn)輸能力的車輛進(jìn)行綜合分析，可以提高該技術(shù)的適用性。

4 裝配式物流模型的特點(diǎn)

一方面，該種模型是以信息化為基礎(chǔ)，對(duì)生產(chǎn)狀況、裝配時(shí)間、分發(fā)要求進(jìn)行全面的監(jiān)控，提高工作效率。通過對(duì)裝配路徑的優(yōu)化，能夠?qū)⒒瘜W(xué)產(chǎn)品的實(shí)時(shí)位置傳送到交互智能端，這樣一來，產(chǎn)品在庫房的裝配情況就能夠得到統(tǒng)計(jì)，最終實(shí)現(xiàn)化學(xué)產(chǎn)品的生產(chǎn)速率和準(zhǔn)確性被提高。將配送形式進(jìn)行動(dòng)態(tài)控制，這樣可以使有變化需求的產(chǎn)品得到滿足。但是對(duì)于庫存較少的產(chǎn)品進(jìn)行裝配時(shí)，要考慮到產(chǎn)品的變化性需求，通過少量多次的裝配方式，滿足產(chǎn)品的適量適時(shí)需求。這樣不僅可以防止庫房產(chǎn)品被用光，還可以避免庫房存放東西過多而導(dǎo)致供應(yīng)不及時(shí)。

另一方面，裝配與生產(chǎn)運(yùn)營計(jì)劃和生產(chǎn)執(zhí)行過程相結(jié)合，提高化學(xué)產(chǎn)品配送計(jì)劃的準(zhǔn)確性。產(chǎn)品配送規(guī)劃的下一階段，將由產(chǎn)品配送與物流裝配的整合決定。此外，產(chǎn)品配送中心可以及時(shí)注意到生產(chǎn)計(jì)劃的臨時(shí)變化問題，并相應(yīng)地調(diào)整產(chǎn)品配送計(jì)劃，以提高產(chǎn)品配送計(jì)劃的速度效率。以產(chǎn)品配送地點(diǎn)為中心，配送任務(wù)為驅(qū)動(dòng)，將產(chǎn)品進(jìn)行主動(dòng)配送，增強(qiáng)配送的速度性和及時(shí)性。將生產(chǎn)計(jì)劃、生產(chǎn)過程、材料和地位為基礎(chǔ)的自動(dòng)生產(chǎn)線進(jìn)行及時(shí)反饋，這些都是以信息化為基礎(chǔ)而進(jìn)行的，并不需要工作人員進(jìn)行參與，但是產(chǎn)品的運(yùn)送及時(shí)性被提高很多。它可以全面掌握產(chǎn)品生產(chǎn)過程及需求，按時(shí)按點(diǎn)提供產(chǎn)品材料，改變了產(chǎn)品配送對(duì)生產(chǎn)狀況、作業(yè)情況所引起的產(chǎn)品需求的影響[4]。

5 結(jié)束語

化學(xué)產(chǎn)品的裝配是整個(gè)化工生產(chǎn)過程的關(guān)鍵部分，也是確保產(chǎn)品生產(chǎn)鏈能夠安全、順利進(jìn)行的重要步驟，對(duì)多種多樣的生產(chǎn)鏈的需求及時(shí)響應(yīng)，確?；瘜W(xué)產(chǎn)品的正常生產(chǎn)，這樣對(duì)于生產(chǎn)效率的提高有很大的幫助，同時(shí)提升企業(yè)的市場(chǎng)競爭力和發(fā)展力，它是降低資金投入的重要方式。但是，傳統(tǒng)的產(chǎn)品配送方式缺少信息的及時(shí)反饋，導(dǎo)致生產(chǎn)鏈的生產(chǎn)效率降低，因此，利用信息化裝配式物流就能夠解決此類問題。隨著裝配式物流不斷與信息化進(jìn)行結(jié)合，有效地促進(jìn)管理水平的提升。利用該技術(shù)，保證配送在化工制造環(huán)境中的動(dòng)態(tài)平衡與控制，滿足生產(chǎn)鏈的動(dòng)態(tài)需求。