在物流場景的構建中很多方面都會和布局有關，比如物流網絡布局、城市物流布局、國家物流布局、倉儲物流布局等。從大方向來看，物流布局的核心在于對物流節點進行選址，選址的同時考慮網絡中的流量與流向，通過模擬找出整個場景中成本、效率、服務質量的最佳組合狀態。但在整個物流布局的方法中，倉儲物流布局較為特殊，相比其他物流場景更為微觀，其網絡結構是在一個設施內，不同于外部“大物流”的環境，和生產工廠布局更為相似，但是也有很大的區別。

　　在一些理論研究中，常用SLP作為布局的基礎方法，在此基礎上進行改進，我們在咨詢規劃的實踐中也曾利用SLP的基本原理進行布局，但面對未來供應鏈物流環境更加隨機、靈活以及離散的趨勢，倉儲規劃對于倉儲布局的靈活性與布局過程的效率也有更高的要求。

　　因此，我們將倉儲物流布局的方法進行了改進，用了顆粒度更精細的方式進行倉儲物流的最優化布局，同時這也是與數字化方式進行倉儲規劃方法體系的一部分。從數字化模擬的角度出發，結合數字化方式設計倉儲規劃的邏輯，來完成倉儲的功能區布局，本篇文章主要討論其方法。”

　　回顧以數字化方式進行倉儲規劃的步驟

　　本方法的位置

　　方法說明

　　這里說的倉儲物流布局，包含了倉儲的主要功能區布局，比如卸貨區、檢驗區、理貨區、存儲區、分揀區、打包區等，其中每個功能區還可以根據需求進行細分。我們從以下幾個角度對該方法進行闡述，其應用后續將發布在環球物流咨詢決策平臺中：

　　1. 對象化：每個需要布局的功能區都是一個對象

　　將需要布局的實體看成是一個對象，是系統規劃與設計的一個很重要的方法，將每個功能區看成是需要布局的對象，然后對對象構建其屬性，功能區中的流量、存量、批次等都是其屬性。屬性的取值是來源于對于物料和訂單的分析，比如我們前面文章中所提到的EIQ、ABC、PCB等數據分析方法，都是功能區屬性取值的輸入。

　　2. 精細化：對功能區進行“切割”

　　如果只是將10個左右的功能區當作對象進行布局，勢必會導致顆粒度不夠細而達不到期望的布局效果。因此，我們也構建了一個從“PCB-ABC-EIQ”交叉分析的方法，對于倉儲中的物流量進行了分類拆分，通常經過細分后可以達到數十個功能區，根據具體場景的需要進行擴展或者合并。同時在布局時將其賦值給“切割”好的功能區，這樣就將布局對象構建得足夠的精細。

　　3. 場景初始化：適用于非規則的倉庫環境

　　當我們是在一個沒有約束的場景下任意構建倉庫形態，是可以用最理想的形態來構建倉儲場景，如果是在一個既定的形態下構建場景，那么可以用其已經完成的CAD三維圖形來進行作為一個初始化場景。同時，需要對場景不同區域構建屬性，比如某些區域有高度限制、有些區域不能用于功能區布局等。另外，很多倉庫由于地形原因只能在一個不規則的環境下去布局，這種布局方法已經將功能區細化到了盡量小的單位，只需要在初始化的時候對數字化的設施環境進行便利性的參數設置體現出差異即可。

　　4. 遍歷搜索：從全局的角度進行布局

　　前面講功能區進行精細化的對象構建并且賦值后，就可以進行布局，當然這里的布局是通過計算機運算，而非人工操作。在遍歷前為了考慮布局結果的形態問題，我們將遍歷的對象進行最小單位的拆分，比如可以是以1方為一個遍歷對象，也可以是3方為一個遍歷對象，也可以是一個SKU的大小為遍歷對象。這里需要注意，遍歷的規則是將倉庫的場景構建為一個數字化的三維坐標系，其每個三維網格為一個遍歷對象，通過算法將和設施場景中網格同等大小的功能區在其這個數字化場景中進行遍歷搜索，直到找出最優化的布局結果。

　　5. 尋優：與目標函數進行比較

　　在使用遍歷搜索方法的過程中，每個功能區對象在進行遍歷時都需要經過與目標函數的比較判斷，找到它的“最佳”位置，同時，功能區相同屬性值的對象，也盡量的集中靠攏，即：讓相同的功能區可以聚合并且找到最優的布局方式。具體的目標函數構造可以根據現實環境去構建，比如成本、效率，不同資源配置下布局方式不同，舉例來說，單位物流量的搬運距離可以作為一個基本的判斷依據。在布局完成后，每個功能區中的流量、投入資源，時間批次，都是已知條件，基于此可以通過生產力評估指標來評估每個區域的生產力情況，同時形成可視化的效果。

　　倉儲布局尋優概念圖

　　初始化的場景概念圖

　　聚合后的場景概念圖

　　本方法中當前局限性的說明

　　1. 路徑問題：

　　本方法對路徑沒有進行精確的考慮，僅考慮將路徑進行模糊處理，減小其誤差。

　　2. 算法優化：

　　在本方法的基礎上，算法還可以進行優化改進。