2. 多仓多产线配送网络建模

多仓多产线配送优化之所以难，首先难在“把现实世界翻译成可计算的模型”。如果直接把仓库、月台、叉车、料架、工位、AGV、电梯、门禁都画进一张图，模型会迅速膨胀到无法求解；如果抽象得太粗，又会丢失时间窗、容量、换装等关键约束，算出来的方案在现场根本执行不了。本节要解决的就是这个“翻译”问题：如何用一套统一的抽象方法，把配送网络表达成图模型，并在此基础上引入网络流的基本概念。

一、五类基本对象：从物理实体到图元素

多仓多产线配送网络中，最值得抽象的对象可以归为五类，它们分别对应图模型中的不同角色：

• 仓库（Warehouse）：物料的供应起点，具有库存、拣货能力、发运时间窗和出库容量。在图中通常抽象为“源点”或“供应节点”，附带供应量上限与可发运时段。
• 配送节点（Distribution Node）：包括中转仓、越库平台、厂内配送中心、电梯口、楼层交接点等。它不改变物料形态，只做暂存、分拣、换装或交接，是网络中的“中间节点”，核心属性是吞吐能力与停留时间。
• 线边库（Line-side Store）：产线旁的缓冲存储区，是配送与消耗的衔接点。它既有容量上限（工位面积、料架位数），又有补货触发逻辑（看板、双箱、定时补货），在图中是“需求节点”的前置缓冲。
• 产线/工位（Line / Station）：物料的最终消耗点，具有节拍、需求速率、消耗时间窗和齐套要求。它是网络中的“汇点”或“需求节点”，需求量由生产计划与BOM展开得到。
• 路径（Route / Arc）：连接上述节点的可行通道，可以是厂区道路、连廊、电梯、AGV通道或人工推车路径。每条路径带有距离或行驶时间、通行能力、可用时段，以及是否允许双向通行。

把对象映射为图元素后，一个多仓多产线配送问题就变成了：在带容量与时间窗的有向图上，把物料从多个源点经中间节点送到多个汇点，并满足路径能力、节点吞吐和时间约束。

二、时间窗的抽象：节点时间窗与弧时间窗

时间窗是配送网络建模中最容易被简化、也最容易出问题的地方。建议区分两类时间窗：

• 节点时间窗：某节点允许被服务或允许停留的时间区间。例如仓库发运时间窗 [08:00, 11:30]，线边库收货时间窗 [09:00, 16:00]，产线某工位只允许在换型间隙收货 [13:20, 13:50]。
• 弧时间窗：某条路径允许通行的时间区间。例如厂内主干道在 07:30–08:30 只允许人员通行，AGV 通道在夜班时段才开放，电梯在整点前后 10 分钟为高峰禁货时段。

建模时通常把时间离散化为时间片（如 5 分钟一格），或采用连续时间变量。离散化便于表达“某时段容量上限”，连续化便于精确计算到达时间。实际工程中，若配送频次高、时间窗密集，建议用离散时间片；若配送批量大、时间窗宽松，可用连续时间加惩罚函数。

三、图模型：从物理网络到有向图

完成对象与时间窗抽象后，就可以构建图模型。设图 G = (V, E)，其中 V 为节点集合，E 为弧集合。节点可进一步分为供应节点 S、中间节点 T、需求节点 D；弧可带有容量 c、行驶时间 t、时间窗 [a, b] 和单位成本 w。一个典型的抽象结果如下：

节点集合 V：
  S1 一号仓库  供应量 120 托/班  发运窗 [08:00, 11:30]
  S2 二号仓库  供应量  80 托/班  发运窗 [09:00, 14:00]
  T1 厂内配送中心  吞吐 200 托/班  停留 ≤ 30 min
  T2 电梯交接点    吞吐  60 托/班  高峰禁货 11:30–12:30
  D1 总装线边库    容量  40 托  收货窗 [09:00, 16:00]
  D2 焊装线边库    容量  25 托  收货窗 [08:30, 15:30]

弧集合 E（示例）：
  S1 → T1  容量 80 托/班  行驶 25 min  全天可用
  S2 → T1  容量 60 托/班  行驶 40 min  全天可用
  T1 → T2  容量 50 托/班  行驶 10 min  高峰禁货
  T2 → D1  容量 30 托/班  行驶  8 min  收货窗内可用
  T2 → D2  容量 20 托/班  行驶 12 min  收货窗内可用

这张图已经可以直接用于网络流计算。需要注意的是，弧容量与节点吞吐要分开建模：弧容量限制“同时在路上”的流量，节点吞吐限制“单位时间通过该节点”的流量。很多现场问题不是路不够宽，而是配送中心或电梯口的吞吐不够。

四、网络流基础：从可行流到最小费用流

图模型建立后，配送问题可以形式化为网络流问题。最基本的约束是流量守恒：对任意中间节点，流入量等于流出量；对供应节点，流出量不超过供应上限；对需求节点，流入量应满足需求量。在此基础上，弧容量约束要求每条弧上的流量不超过其容量，时间窗约束则要求流量在允许的时间区间内通过。

如果只关心“能不能送得到”，这是一个可行流问题；如果关心“怎么送最省”，则是最小费用流问题，目标函数通常是最小化总运输成本、总行驶时间或总延误惩罚。多仓多产线场景下，还常引入多商品流（不同物料不能混装）或带时间窗的车辆路径问题（VRPTW）。

实际建模时，建议按以下顺序推进：

1. 确定节点粒度：仓库是否细分到月台？线边库是否细分到料架？粒度过细会导致节点数爆炸，粒度过粗会丢失关键约束。一般建议以“有独立容量或独立时间窗”为最小节点划分依据。
2. 确定弧的粒度：同一段道路若不同时段容量不同，应拆成多条带时间窗的弧；若双向通行能力不同，应拆成两条有向弧。
3. 标定参数：供应量、需求量、容量、行驶时间、时间窗、单位成本。参数来源可以是WMS、MES、历史配送记录或现场实测，但必须标注数据口径与时间范围。
4. 选择求解方式：小规模可用线性规划或最小费用流算法；大规模带时间窗问题通常需要启发式或元启发式算法，并配合仿真验证。
5. 验证与回写：将求解结果映射回现场，检查是否存在“数学上可行、现场不可执行”的情况，如叉车不足、电梯排队、料架已满等，再反向修正模型。

五、一个可复用的抽象检查清单

在进入具体算法之前，可以用下面这份清单快速检查抽象是否完整。它不追求覆盖所有细节，而是确保关键约束没有被遗漏：

完成上述抽象后，多仓多产线配送网络就从一个模糊的现场问题，变成了一个有节点、有弧、有容量、有时间窗、有目标函数的图模型。后续的路径优化、流量分配、时间窗松弛与仿真验证，都建立在这一步的准确性之上。抽象的质量，直接决定了优化结果能否真正落地。