在物流场景的构建中很多方面都会和布局有关，比如物流网络布局、城市物流布局、国家物流布局、仓储物流布局等。从大方向来看，物流布局的核心在于对物流节点进行选址，选址的同时考虑网络中的流量与流向，通过模拟找出整个场景中成本、效率、服务质量的最佳组合状态。但在整个物流布局的方法中，仓储物流布局较为特殊，相比其他物流场景更为微观，其网络结构是在一个设施内，不同于外部“大物流”的环境，和生产工厂布局更为相似，但是也有很大的区别。

　　在一些理论研究中，常用SLP作为布局的基础方法，在此基础上进行改进，我们在咨询规划的实践中也曾利用SLP的基本原理进行布局，但面对未来供应链物流环境更加随机、灵活以及离散的趋势，仓储规划对于仓储布局的灵活性与布局过程的效率也有更高的要求。

　　因此，我们将仓储物流布局的方法进行了改进，用了颗粒度更精细的方式进行仓储物流的最优化布局，同时这也是与数字化方式进行仓储规划方法体系的一部分。从数字化模拟的角度出发，结合数字化方式设计仓储规划的逻辑，来完成仓储的功能区布局，本篇文章主要讨论其方法。”

　　回顾以数字化方式进行仓储规划的步骤

　　本方法的位置

　　方法说明

　　这里说的仓储物流布局，包含了仓储的主要功能区布局，比如卸货区、检验区、理货区、存储区、分拣区、打包区等，其中每个功能区还可以根据需求进行细分。我们从以下几个角度对该方法进行阐述，其应用后续将发布在环球物流咨询决策平台中：

　　1. 对象化：每个需要布局的功能区都是一个对象

　　将需要布局的实体看成是一个对象，是系统规划与设计的一个很重要的方法，将每个功能区看成是需要布局的对象，然后对对象构建其属性，功能区中的流量、存量、批次等都是其属性。属性的取值是来源于对于物料和订单的分析，比如我们前面文章中所提到的EIQ、ABC、PCB等数据分析方法，都是功能区属性取值的输入。

　　2. 精细化：对功能区进行“切割”

　　如果只是将10个左右的功能区当作对象进行布局，势必会导致颗粒度不够细而达不到期望的布局效果。因此，我们也构建了一个从“PCB-ABC-EIQ”交叉分析的方法，对于仓储中的物流量进行了分类拆分，通常经过细分后可以达到数十个功能区，根据具体场景的需要进行扩展或者合并。同时在布局时将其赋值给“切割”好的功能区，这样就将布局对象构建得足够的精细。

　　3. 场景初始化：适用于非规则的仓库环境

　　当我们是在一个没有约束的场景下任意构建仓库形态，是可以用最理想的形态来构建仓储场景，如果是在一个既定的形态下构建场景，那么可以用其已经完成的CAD三维图形来进行作为一个初始化场景。同时，需要对场景不同区域构建属性，比如某些区域有高度限制、有些区域不能用于功能区布局等。另外，很多仓库由于地形原因只能在一个不规则的环境下去布局，这种布局方法已经将功能区细化到了尽量小的单位，只需要在初始化的时候对数字化的设施环境进行便利性的参数设置体现出差异即可。

　　4. 遍历搜索：从全局的角度进行布局

　　前面讲功能区进行精细化的对象构建并且赋值后，就可以进行布局，当然这里的布局是通过计算机运算，而非人工操作。在遍历前为了考虑布局结果的形态问题，我们将遍历的对象进行最小单位的拆分，比如可以是以1方为一个遍历对象，也可以是3方为一个遍历对象，也可以是一个SKU的大小为遍历对象。这里需要注意，遍历的规则是将仓库的场景构建为一个数字化的三维坐标系，其每个三维网格为一个遍历对象，通过算法将和设施场景中网格同等大小的功能区在其这个数字化场景中进行遍历搜索，直到找出最优化的布局结果。

　　5. 寻优：与目标函数进行比较

　　在使用遍历搜索方法的过程中，每个功能区对象在进行遍历时都需要经过与目标函数的比较判断，找到它的“最佳”位置，同时，功能区相同属性值的对象，也尽量的集中靠拢，即：让相同的功能区可以聚合并且找到最优的布局方式。具体的目标函数构造可以根据现实环境去构建，比如成本、效率，不同资源配置下布局方式不同，举例来说，单位物流量的搬运距离可以作为一个基本的判断依据。在布局完成后，每个功能区中的流量、投入资源，时间批次，都是已知条件，基于此可以通过生产力评估指标来评估每个区域的生产力情况，同时形成可视化的效果。

　　仓储布局寻优概念图

　　初始化的场景概念图

　　聚合后的场景概念图

　　本方法中当前局限性的说明

　　1. 路径问题：

　　本方法对路径没有进行精确的考虑，仅考虑将路径进行模糊处理，减小其误差。

　　2. 算法优化：

　　在本方法的基础上，算法还可以进行优化改进。