基于ABC分类法和FP-Tree算法的仓储优化设计——以H钢铁物流园为例

□梁明，杨黍（西南科技大学经济管理学院，四川 绵阳621010）【摘 要】目前我国钢铁行业的物流仓储环节还存在机械化水平低、物流环节设计不恰当、仓储布局不合理等问题。

文中以H钢铁物流园的螺纹钢仓储为例，针对螺纹钢仓储环节中流转次数多、装卸效率低的问题，运用ABC分类法对产 品进行分类，进而使用FP-Tree算法的产品相关性分析，得出螺纹钢摆放的最优位置，对其仓储进行优化。【关键词】ABC分类法;FP - Tree ；钢材仓储;螺纹钢【中图分类号】F250

【文献标识码】B 【文章编号】1674 -4993(2019)07 -0060 -04Warehouse Optimization Design Based on ABC Classification and FP - Tree Algorithm------Taking H Steel Logistics Park as an Example□ LIANG Yue,YANG Shu(Southwest University of Science and Technology School of Economics & Management,Mianyang 621010,China)[Abstract ] At present, the logistics and warehousing links in China's steel industry still have problems such as low

mechanization level, inappropriate design of logistics links, and unreasonable storage layout. Taking the rebar storage of H Steel

Logistics Park as an example, this paper uses ABC classification method to classify products and analyze the product correlation using FP 一 Tree algorithm for the problem of high number of circulation and low loading and unloading efficiency in rebar storage. The optimal position of the rebar placement is obtained and its storage is optimized.【Key words] ABC classification；FP 一 Tree ； steel storage；rebar1引言FP - Tree算法是一种挖掘关联规则的频繁项集的算

自2015年起,我国钢铁消费与产量双双进入峰值弧顶区 并呈下降态势,钢铁主业从微利经营进入整体亏损,行业发展

法。⑶在Apriori算法基础之上进行改良，该算法使计算物品

关联性的效率更高。只需扫描原始数据两遍,通过不断地迭

进入“严冬”期⑴。钢铁企业为降低生产成本、制定精准化战 略、扩大市场份额,纷纷对钢铁行业内的传统物流模式进行改

革，挖掘物流领域的利润空间，仓储作为物流领域的重要组成

代FP-tree的构造和投影，即可得出物品之间的关联程度。3 H钢铁物流园案例3.1 H钢铁物流园的现有布局部分,是影响物流企业作业效率的一个重要因素，适当的仓储 和合理的仓储布局能够保证仓储工作的顺利进行，提高物流

企业的经济效益。2使用的方法简介2.1

ABC分类法ABC分类法是为了使有限的时间、资金、人力和物力等资

源得到更加有效的利用,依据库存物资的重要程度不同以及

事物在技术、经济方面的主要特征⑵，以某类库存货物品种数

占物资品种数的百分比和该类物资金额占库存物资总金额的

百分数大小为标准，将库存物资分为A、B、C三类进行分级管

理,从而实现区别对待区别管理的一种方法。2.2

FP - Tree 算法图1 H钢铁物流园的现有布局【收稿日期】2019-04-26【作者简介】梁11（1998-）,女，四川成都人，西南科技大学经济管理学院，研究方向:物流管理。

杨 黍（1996—）,女，四川成都人，西南科技大学经济管理学院，研究方向:物流管理。第7期梁 胡等:基于ABC分类法和FP- Tree算法的仓储优化设计61H钢铁物流园位于华东地区，是当地的核心钢铁物流园

区，主要负责钢材仓储、运输、装卸搬运、流通加工等业务。占 地面积约8000002,共有六个钢材堆场，螺纹钢全部位于1-5

号堆场，如图1所示。3.2物流园仓储存在的问题及分析H钢铁物流园的仓储环节信息化投入较低、对钢材的管

理方法较为落后。本文以螺纹钢为例,螺纹钢在堆场的摆放

基本采用“见缝插针”的存储方式,随意性较强,缺乏恰当的管

理，现有的物流园存储能力分布不均匀。这使得车辆在H钢

铁物流园的各货场的流转次数增加，甚至存在迂回运输、二次

倒运、与其他作业相冲突的情况,导致整体装卸效率低，也严

重影响了企业的经济效益。因此,对螺纹钢的摆放进行优化、

使得装卸搬运更加高效，对H钢铁物流园而言是非常必要的。4 H钢铁物流园的仓储管理优化方案4.1基于ABC分类法对产品进行分类4.1.1 ABC分类应用的原始数据根据H钢铁物流园的出库订单制订有针对性的ABC分

类标准。H钢铁物流园近一年(2017. 10.1 -2018.8.11)有效

历史螺纹钢出库数据共计77017条，如表1所示。表1螺纹钢出库数据出库配账单号品种钢种规格实发件数LK1709300261螺纹钢HRB4009*123LK1709300261螺纹钢HRB4009*165LK1709300261螺纹钢HRB4009*209LK1709300278螺纹钢HRB4009*1418LK1709300268螺纹钢HRB400E 抗震9*1414LK1709300268螺纹钢HRB400E 抗震9*166LK1709300139螺纹钢HRB4009*147LK1710010005螺纹钢HRB4001*28212LK1710010012螺纹钢HRB4009*1417LK1709300277螺纹钢HRB400E 抗震9*1215(此处省略77002个数据)LK1808100190螺纹钢HRB400E 抗震9*205LK1808100190螺纹钢HRB400E 抗震9*222LK1808100044螺纹钢HRB4001*2225LK1808100148螺纹钢HRB4009*3213紧接着，对原始数据进行整理、分析得出,H钢铁物流园

近一年的有效出库订单数35235个，如表2所示。表2螺纹钢出库订单数出库配账单号出库产品种类LK1709300261HRB400 12 * 9, HRB400 16 * 9, HRB400 16* 9,HRB400 209*LK1709300278HRB400 14 *9LK1709300268HRB400E 抗震 14 * 9,HRB400E 抗震 169*LK1709300139HRB400 14 *9LK1710010005HRB400 28 * 12LK1710010012HRB400 14 *9LK1709300277HRB400E 抗震 129*……(此处省略35224个订单)LK1808100195HRB400E 抗震 25 *9LK1808100190HRB400E 抗震 12 * 9, HRB400E 抗震 18* 9,HRB400E 抗震 20 * 9,HRB400E 抗震 229*LK1808100044HRB400 22 * 12LK1808100148HRB400 329*4.1.2对螺纹钢产品进行ABC分类基于以上两步，以15%、35%、50%的原则进行A、B、C分 类。将出库频率前10种归为A类，紧接着的24种归3为B

类,剩下的34种归为C类。表3螺纹钢ABC分类表钢种规格实发件数累计 累计 (件)数量百分比％分类HRB400 129*649386493814.80280929HRB400 16 * 94940711434526.06528117HRB400 14 *94668116102636.70635328HRB400E 抗震 129*2926819029443.3780805HRB400E 抗震 169*2607221636649.32127006HRB400E 抗震 149*2407824044454.80992142A类HRB400 20 * 92264226308659.97123234HRB400 18 *92094028402664.74456731HRB400 25 * 92008630411269.32323046HRB400E 抗震 25 *91576531987772.91690887……(此处省略35224个数据)B类HRB500 12 * 91438687100C类总计品种数68438687100表4 ABC分类表种类

数量 A = 1 -10(15%)

319877(86.59%)B = ll -34(35%)

111005(25.30%)C=35 -68(50%)

7805(1.78%)合计 100%

438687 (100% 4.2 基于FP-Tree算法的产品相关性分析对于钢铁物流企业来说，不同品类之间的需求相关性反

映在订单中，因此H钢铁物流园关联规则挖掘的对象是客户

的订单。通过关联规则求解过程可以看出，用关联规则挖掘

出订单商品品类之间的关联规则是可行的。根据计算结果将

需求相关性高的品类聚集在一起，存放在临近库区。因需要

求出关联规则反映品类之间的需求相关性大小的具体数值,

并根据它来聚类,以此来指导货位分配。H钢铁物流园的螺纹钢钢种及规格共有68种，将这68

个钢种及规格按1-68编号，顺序如表5所示。统计出在

2017年10月至2018年8月的订单共有35236条。表5钢种及规格编号钢种及规格编号钢种及规格编号钢种及规格编号HRB400 12 * 121HRB400E 抗震 141*223HRB500 25 * 1246HRB400 129*2HRB400E 抗震 149*24HRB500E 抗震 18 * 1247HRB400 14 * 123HRB400E 抗震 16 * 1225HRB500E 抗震 20 * 1248HRB400 149*4HRB400E 抗震 16 *726HRB500E 抗震 20 *949HRB400 16 * 125HRB400E 抗震 169*27HRB500E 抗震 22 * 1250HRB400 169*6HRB400E 抗震 18 * 1228HRB500E 抗震 229*51HRB400 18 * 127HRB400E 抗震 187*29HRB500E 抗震 25 * 1252HRB400 18 *98HRB400E 抗震 189*30HRB500E 抗震 259*53HRB400 201*29HRB400E^lM201*231HRB500E 抗震 28 * 1254HRB400 207*10HRB400E 抗震 209*32HRB500E 抗震 32 * 1255HRB400 209*11HRB400E 抗震 22 * 1233HRB500E 抗震 149*56HRB400 22 * 1212HRB400E 抗震 22 *934HTRB600 12 * 1257HRB400 22 *713HRB400E 抗震 251*235HTRB600 25 *958)62物流工程与管理第41卷HRB400 22 * 914HRB400E 抗震 25 * 1436HTRB600E 抗震 14 * 1259HRB400 25 * 1215HRB400E 抗震 25 * 737HTRB600E 抗震 16 * 1260HRB400 25 * 916HRB400E 抗震 25 *938HTRB600E 抗震 18 * 1261HRB400 28 * 1217HRB400E 抗震 28 * 1239HTRB600E 抗震 20 * 1262HRB400 28 * 918HRB400E 抗震 28 * 940HTRB600E 抗震 20 * 963HRB400 32 * 1219HRB400E 抗震 32 * 1241HTRB600E 抗震 22 * 1264HRB400 32 * 920HRB400E 抗震 32 * 942HTRB600E 抗震 229*65HRB400E12 * 1221HRB500 12 * 943HTRB600E 抗震 25 * 1266HRB400E12 * 922HRB500 16 * 1244HTRB600E 抗震 25 * 967HRB500 20 * 1245HTRB600E 抗震 28 * 1268在此设置两次不同的最小支持度和最小置信度,并将两

次的结果结合使用,保证结果的精准度。首先设置最小置信

度为0. 4,最小支持度为4,利用FP - Tree算法,通过计算支持

度找出所有订单中的频繁项集,最后生成关联规则并计算出

相应的置信度，得出初步的不同钢种及规格之间的关联度。

接着设置更大的支持度50和更高的置信度0. 65 ,得出更强的 钢种及规格之间的相关性,符合的关联规则如表6所示。表6 FP-Tree算法结果条件结果支持度置信度22、24、30、34二27520.6622、30、38、32二27580.7422、24、30、32=27990.7422、24、32、34二27520.722、38、32、34二27500.6824、30、32二271700.6622、30、32二271770.6522、30、32、34二27680.6724、30、32、34二27670.69由表6可知：① 顾客购买\"HRB400E抗震12 * 9,HRB400E抗震14 * 9,HRB400E 抗震 18 * 9,HRB400E 抗震 22 * 9”之后有 66% 的

概率会买“HRB400E抗震16 * 9” ;② 顾客购买\"HRB400E抗震12 * 9,HRB400E抗震18 * 9,HRB400E 抗震 25 * 9,HRB400E 抗震 20 * 9”之后有 74% 的

概率会购买“HRB400E抗震16 * 9” ;③ 顾客购买\"HRB400E抗震12 * 9,HRB400E抗震14 * 9,HRB400E 抗震 18 * 9,HRB400E 抗震 20 * 9”之后会有 74%

的概率购买“HRB400E抗震16 * 9” ;④ 顾客购买\"HRB400E抗震12 * 9,HRB400E抗震14 * 9, HRB400E 抗震 20 * 9, HRB400E 抗震 22 * 9”之后有 70% 的

概率购买“HRB400E抗震16 * 9” ；⑤ 顾客在购买“HRB400E抗震12 * 9,HRB400E抗震25* 9, HRB400E 抗震 20 * 9, HRB400E 抗震 22 * 9 ” 之后会有 68%的概率购买“HRB400E抗震16 * 9” ；⑥ 顾客在购买“HRB400E抗震14 * 9,HRB400E抗震18

*9,HRB400E抗震20 * 9”之后会有66%的概率购买

\"HRB400E 抗震 169*”；⑦ 顾客在购买“HRB400E抗震12 * 9,HRB400E抗震18* 9, HRB400E抗震20 * 9”之后有65%的概率购买 \"HRB400E 抗震 169*”；⑧ 顾客在购买“HRB400E抗震12 * 9,HRB400E抗震18* 9,HRB400E 抗震 209*,HRB400E 抗震 22 * 9”之后有67%

的概率购买\"HRB400E抗震16 * 9” ;⑨ 顾客在购买\"HRB400E抗震14 * 9,HRB400E抗震18* 9,HRB400E 抗震 209*,HRB400E 抗震 22 * 9”会有69% 的

概率购买\"HRB400E抗震16 * 9”。经过关联性分析之后可以粗略的确定螺纹钢的大致存放

位置，接下来将讨论结合关联规则分析和商品实际出库量来 综合讨论螺纹钢的具体储位。4.3 基于出库量与产品相关性的云仓优化设计策略根据出库量和相关性确定产品之间的关联性，并按照关

联度从大到小排列，关联度越大，产品仓储越近。由于采用数

据分析等技术，对传统的堆场进行优化升级，因此将重新规划

后的堆场定义为“云仓”。云仓分配主要步骤：将①整个云仓分为高频区、中频区、低频区；图2云仓分配示意图② 根据ABC分类法对产品的价值进行综合排序，将价值

大的产品放置于靠近出口的位置；③ 根据FP-Tree算法计算各相关产品的位置系数，按照

位置系数大小确定相关产品的堆放位置。4.4 螺纹钢在云仓中摆放设计将“H钢铁物流园2017年10月-2018年8月出库数据”

经过汇总整理得出各个钢种及规格的出库频次表，频次表如

表7所示。表7出库频次表HRB4009*129207HRB4001*122370HRB500E抗震 259*19HRB4009*167703HRB400E 抗震1*182360HTRB600 12 * 1219HRB4009*147186HRB4001*142349HRB500E 抗震 181*219HRB4009*205144HRB4001*202331HRB400E 抗震 187*18HRB4009*184864HRB400E 抗震161*2330HRB400 207*18HRB4009*254675HRB400E 抗震329*308HTRB600E抗震 229*15HRB400E 抗震9*124656HRB4001*282293HRB500E 抗震 321*215HRB4抗震9*164303HRB400E 抗震1*282285HRB400 227*12HRB400E 抗震9*143930HRB400E 抗震1*122251HRB500E抗震 209*12第7期梁 坍等:基于ABC分类法和FP- Tree算法的仓储优化设计63HRB40022 *9 3705 HRB400E抗震 141*2 240HRB5001*252 11HRB400E 抗震9*183698HRB400 9*32236HTRB6009*2510HRB400E 抗震259*3264HRB400E 抗震 321*2179HRB400E 抗震257*8HRB400E 抗震209*3141HRB400 32 * 12153HRB500E 抗震149*7HRB400E 抗震229*2855HTRB600E 抗震 1*20236HTRB600E 抗震 1*2825HRB4001*162636HRB500E 抗震 251*233HRB5001*2025HRB4001*252636HRB500E 抗震 221*232HTRB600E 抗震259*5HRB4009*28612HTRB600E 抗震 221*232HRB400E 抗震167*4HRB400E 抗震251*2549HTRB600E 抗震 1*25230HRB5001*1624HRB400E 抗震289*472HRB500E 抗震 201*228HRB400E 抗震251*43HRB4001*182436HTRB600E 抗震 1*18227HRB500E 抗震229*3HRB4001*222416HTRB600E 抗震 1*16222HTRB600E 抗震209*1HRB400E 抗震201*2377HTRB600E 抗震 141*221HRB5009*121HRB400E 抗震221*2373HRB500E 抗震 281*219由表7 可知,“HRB400 12 * 9、HRB400 16 * 9、HRB400 14

* 9、HRB400 20 * 9、HRB400 18 * 9、HRB400 25 * 9、HRB400E

抗震 12 * 9.HRB400E 抗震 16 * 9.HRB400E 抗震 14 * 9、

HRB400 22 * 9、HRB400E 抗震 18 * 9.HRB400E 抗震 25 * 9、 HRB400E抗震20 * 9、HRB400E抗震22 * 9 ”这14种的出库

量非常大,应根据之前的“ABC”分类依据，将不同的螺纹钢放

在中高频区且靠近云仓的两侧的地方，便于货物的装卸搬运， 节约运输时间;C类不同规格钢种按出库频次的高低放在低 频区的合适位置;根据不同规格钢种的出库量大小对不同规

格的钢种安排合适比例的仓位。接着,根据得出的不同规格的钢种之间的关联度及岀库

频次表分析得出不同规格的钢种的具体摆放位置和仓位分配

比例，例如：HRB400E 抗震 12 * 9、HRB400E 抗震 18 * 9、HRB400E 抗

震 20 * 9、HRB400E 抗震 16 * 9、HRB400E 抗震 22 * 9、

HRB400E抗震14 * 9、HRB400E抗震25 * 9这几种规格的钢

种不同的组合之间的关联性很大，大多数位于A类高频区，少

部分位于B类中频区，应将它们在“ABC”分类的基础上，划分

在临近的仓位，仓位比例按出库数量来划分。图3优化后的部分螺纹钢仓位安排HTRB600E 抗震 20 * 12、HTRB600E 抗震 25 * 12、

HTRB600E抗震14 * 12、HTRB600E抗震22 * 12这几类位于

低频区，关联度非常高,应放在低频区临近的位置。HRB400E 抗震 28 * 9、HRB400E 抗震 20 * 12.HRB400E

抗震22 * 12、HRB400E抗震20 * 12都是B类,它们之间的关 联度很高，放置时应该放在临近的仓位。综上，通过分析H钢铁物流园区螺纹钢产品的关联性，计 算岀具有强关联度的产品类别，为产品云仓规划奠定了基础。

通过分析产品的出库频次来确定产品与出入口之间的距离。

最后结合关联分析和产品出库频次等相关数据制定产品的堆 位安排策略。部分螺纹钢仓位安排如图2所示。其中零表示

过道,其他数字表示螺纹钢有效摆放区。5结语本文从H钢铁物流园区螺纹钢仓储管理问题切入，利用

FP-Tree算法计算各钢材之间的关联性,并将其整理排序,按

照ABC分类法对不同的钢材进行各有侧重的管理，有效减少

了螺纹钢的场内运输的转场次数、提高了其装卸搬运效率。[参考文献][1] 工业和信息化部.2015年钢铁行业运行分析和2016年展

望[EB/OL].2016.[2] 罗来根，余敏燕.ABC分类法在库存管理中的运用分析

[J] •现代营销:学苑版,2019(1 )：130 - 130.[3] 宋军，陈潇君.转换时间数据流的加权FP - Tree挖掘算法[J].江苏大学学报：自然科学版,2017,38(3):330 -335.[4] 马丽.数据挖掘技术在钢材仓储管理中的应用研究[J].电脑知识与技术：学术交流,2009,5(12):9638 -9639.[5] 方雅南.当前钢铁企业仓储物流管理存在的问题及对策

思考[J].商场现代化,2018(19) ：46 -47.[6] 孙精勤.当前钢铁企业仓储物流管理存在的问题及对策

思考[J].中国市场,2017(09) ： 140+ 142.[7] 高强，施灿涛，刘璐新.钢铁智能仓储系统的研究[J].冶

金设备,2018 (06) ：13 -16 +34.[8 ]苏衍垒，李书红.SLP在钢铁企业仓储布局优化设计中的应用[J].物流科技,2012,35(10) ：75 -80.