1 研究現(xiàn)狀

化工制造行業(yè)在我國的經(jīng)濟中占比較大，是一個國家進行發(fā)展的基礎產(chǎn)業(yè)，它的規(guī)模及發(fā)展速度對社會的經(jīng)濟部門產(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、制造過程復雜、生產(chǎn)所造成的污染大等特點。截至目前，化工制造業(yè)物流系統(tǒng)的信息化水平較低，并不能將化學產(chǎn)品的配送進行智能化，因此要對我國化工企業(yè)的生產(chǎn)狀況進行分析，最終制定出一個將化工產(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、原材料的儲藏區(qū)域、配套加工生產(chǎn)區(qū)域以及半成品的儲藏區(qū)域。我國化工制造行業(yè)中基礎化學原料制造行業(yè)包括無機酸、無機堿、無機鹽、有機化學原料制造和其他基礎化學原料制造五個細分子行業(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

對于化工制造業(yè)來講，企業(yè)所生產(chǎn)的化學產(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產(chǎn)品在一定時間內(nèi)進行有規(guī)律的配送，此方法可以將產(chǎn)品直接運送到固定地點，配送工具接到指定任務后，將產(chǎn)品放至指定地點，然后回到配送中心。它的優(yōu)點是每次只配送一種產(chǎn)品，速度比較快，而且配送的準確率較高，缺點也比較明顯，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)品體積應比較大。（2）循環(huán)配送是指多輛配送車進行不同的配送任務，出發(fā)時裝配多種產(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間，使配送車輛在充分的時間內(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)點是能夠同時滿足多種產(chǎn)品的配送，提高了配送效率，降低了成本投入；缺點是對信息化的調(diào)配有比較高的要求，不能直接進行配送設置。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

要想將化學產(chǎn)品的配送效率達到更高，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，行走時越近的路徑留下的信息素越多，促使螞蟻在尋徑時更傾向于選擇信息素越多的路徑。蟻群算法能夠計算出分配路徑優(yōu)化的最優(yōu)參數(shù)組合[2]。

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

為了控制運輸利潤，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用。及時性是化學產(chǎn)品配送中必須考慮的指標，因此貨物運輸過程中的損壞也需要納入考慮。文章建立的化學產(chǎn)品運輸路線優(yōu)化模型以運輸總成本為計算目標，考慮燃油消耗、車輛維修費用、人員和車輛日常維修費用為計算因素。建立燃料消耗成本的成本模型，為了驗證基于路徑優(yōu)化模型在化學產(chǎn)品運輸配送路徑優(yōu)化中的有效性，首先對該方法中的參數(shù)取值進行了實驗分析。選擇數(shù)據(jù)集，根據(jù)目標位置類型將其設置為隨機固定濃度。

3.2 模型過程

化學產(chǎn)品小零件價格定為單個18元。如果沒有將產(chǎn)品及時運輸造成損失達6元/h左右，配送車輛的平均速度為40 km/h。車輛維修費用為每次120元。交通運輸車輛滿、空狀態(tài)的平均油耗分別為0.3 L/km和0.15 L/km。采用信息波動系數(shù)、信息素和期望啟發(fā)式因子控制變量法對數(shù)據(jù)進行檢驗。首先，以平均最優(yōu)成本值作為參考值；設置信息素揮發(fā)系數(shù)為0.4，啟發(fā)式因子期望值為1，對信息素的啟發(fā)式因子進行了測試，試驗結(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因子的增加而不斷降低。平均最優(yōu)成本值在信息波動系數(shù)達到0.4時達到最低點，之后開始逆上升，說明最優(yōu)信息波動系數(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，當信息素啟發(fā)式因子達到1時，平均最優(yōu)成本值達到最低點。平均最優(yōu)成本值達到最低點，說明最佳費洛蒙啟發(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，當期望啟發(fā)式因子達到3時，平均最優(yōu)成本達到最低，說明最佳期望啟發(fā)式因子在3左右。

以平均迭代次數(shù)為參考值進行測試，測試結(jié)果如下。平均迭代次數(shù)隨著信息波動系數(shù)的增大而減小，但在過程的中間出現(xiàn)波動，當信息波動系數(shù)為0.4和0.8時，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，當期望啟發(fā)式因子為時達到最低，最佳信息波動系數(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。對目標定位點信息進行整理后，導入蟻群算法和蟻群算法模型中作為源數(shù)據(jù)進行運算。在運行過程中對兩種方法輸出路徑的總體價值進行排序[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次迭代達到最低值3 208。對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。為了驗證研究方法在實際應用中的有效性，選取交通流幾乎為0的時段，選取一個客流稀疏的區(qū)域進行測試。荔枝易腐爛，在運輸過程中需要在低溫環(huán)境中保存，因此選擇了荔枝進行運輸。運輸車輛使用燃油卡車，并設立了31個目標地點進行應用測試。

在此模型中，采用遺傳算法進行路徑優(yōu)化后生成的分布路徑不存在路徑重復，但相互相交的路徑和跨越多個位置點的路徑較多，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。選取實驗中未改變定位節(jié)點數(shù)量的兩輛車，對兩輛車的分配路徑長度優(yōu)化前后的分配定位點距離進行統(tǒng)計比較，可得車輛a使用遺傳算法進行路徑優(yōu)化生成的路徑僅在移動到第一個位置點的距離上具有優(yōu)勢。在隨后的移動中，有超過60 km的長距離移動，說明在進行路徑規(guī)劃時，沒有最優(yōu)選擇更集中的位置點附近的位置點簇，路徑總長度達到236.15 km。車輛b使用遺傳算法生成的路徑中間幾個位置點之間的距離較長，說明在進行路徑規(guī)劃時，沒有選擇最近的定位點，路徑總長度達到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作為路徑節(jié)點，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間進行比較，工作時間以單位時間h為單位進行測量，采用研究方法優(yōu)化的路徑進行運輸時，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)點分配用時49.36 h，完成卸載用時60.38%；而采用遺傳算法生成的路徑完成第4個位置節(jié)點分配用時49.93 h，完成卸載用時54.39%。結(jié)果表明，基于化學產(chǎn)品配送路線優(yōu)化模型在進行路線規(guī)劃和優(yōu)化時，可以有效縮短配送時間，降低運輸成本。

化學產(chǎn)品裝配式物流已經(jīng)成為化學產(chǎn)品配送中較為流行的方式，基于蟻群算法，建立了基于影響運輸成本因素的懲罰函數(shù)，并引入向?qū)б蜃訉θ中畔⑺剡M行動態(tài)更新。結(jié)合時間窗模型對配送策略進行優(yōu)化，設計了新的算法流程，通過控制變量確定最佳相關(guān)系數(shù)。最后，對研究方法的性能進行了驗證。結(jié)果表明，當IACO的信息揮發(fā)系數(shù)為0.4時，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)代價和平均迭代次數(shù)達到最佳綜合水平。遺傳算法生成的分布路徑有許多大跨度的拐點，而研究算法生成的分布路徑以小角度拐點為主，顯著減小了無效距離。遺傳算法生成的路徑在定位節(jié)點上有60 km以上的長距離移動，在節(jié)點密集區(qū)有10 km以上的移動。研究算法生成的路徑在節(jié)點密集區(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，研究方法可以在實際配送環(huán)境中正常運行，可以綜合考慮客戶的實際需求和配送成本，對化學產(chǎn)品配送路徑進行規(guī)劃和優(yōu)化。在化學產(chǎn)品配送任務相對簡單的情況下，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行測試，未考慮實際情況中可能出現(xiàn)的暫時性突發(fā)因素，應用分析樣本量較小，未進行敏感性分析。因此，需要引入動態(tài)環(huán)境，增加樣本量進行進一步研究，完善研究方法。在未來的研究中，更多地考慮動態(tài)天氣因素，對不同運輸能力的車輛進行綜合分析，可以提高該技術(shù)的適用性。

4 裝配式物流模型的特點

一方面，該種模型是以信息化為基礎，對生產(chǎn)狀況、裝配時間、分發(fā)要求進行全面的監(jiān)控，提高工作效率。通過對裝配路徑的優(yōu)化，能夠?qū)⒒瘜W產(chǎn)品的實時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，最終實現(xiàn)化學產(chǎn)品的生產(chǎn)速率和準確性被提高。將配送形式進行動態(tài)控制，這樣可以使有變化需求的產(chǎn)品得到滿足。但是對于庫存較少的產(chǎn)品進行裝配時，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致供應不及時。

另一方面，裝配與生產(chǎn)運營計劃和生產(chǎn)執(zhí)行過程相結(jié)合，提高化學產(chǎn)品配送計劃的準確性。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注意到生產(chǎn)計劃的臨時變化問題，并相應地調(diào)整產(chǎn)品配送計劃，以提高產(chǎn)品配送計劃的速度效率。以產(chǎn)品配送地點為中心，配送任務為驅(qū)動，將產(chǎn)品進行主動配送，增強配送的速度性和及時性。將生產(chǎn)計劃、生產(chǎn)過程、材料和地位為基礎的自動生產(chǎn)線進行及時反饋，這些都是以信息化為基礎而進行的，并不需要工作人員進行參與，但是產(chǎn)品的運送及時性被提高很多。它可以全面掌握產(chǎn)品生產(chǎn)過程及需求，按時按點提供產(chǎn)品材料，改變了產(chǎn)品配送對生產(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

化學產(chǎn)品的裝配是整個化工生產(chǎn)過程的關(guān)鍵部分，也是確保產(chǎn)品生產(chǎn)鏈能夠安全、順利進行的重要步驟，對多種多樣的生產(chǎn)鏈的需求及時響應，確?；瘜W產(chǎn)品的正常生產(chǎn)，這樣對于生產(chǎn)效率的提高有很大的幫助，同時提升企業(yè)的市場競爭力和發(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反饋，導致生產(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行結(jié)合，有效地促進管理水平的提升。利用該技術(shù)，保證配送在化工制造環(huán)境中的動態(tài)平衡與控制，滿足生產(chǎn)鏈的動態(tài)需求。