基于NSGA-Ⅱ算法的分区拣选优化

电商背景下的客户订单呈现出多品种、小批量、高频次等特点,给仓库拣选工作带来很大的挑战。为提高拣选效率,在订单完全拆分的分批策略和组合优化的行走策略下,设计了以总服务时间最小、分区工作量平衡度最优和二次分拣效率最高的多目标分区拣选模型。由于3个目标函数之间存在矛盾,设计了NSGA-II算法对多目标优化模型进行求解。通过数值实验,与传统的不拆分订单的分区拣选系统对比,发现在订单批量环境为[1,4]时,分别使总服务时间减少了43.88%,平衡度改善了84.61%,并分析了区域个数、订单总数和订单批量环境对系统效率的影响。     

考虑排产约束的汽车零部件出库订单排序优化北大核心CSSCI

针对TPL仓库面向汽车零部件企业的产前物料拣选和配送作业环节,研究了JIT生产模式下配送送达时间限定和生产线缓冲库容量有限条件下的出库作业拣选订单排序的优化模型及算法。在分析现有拣选订单排序模式的基础上,提出了融合现有模式优点的新作业模式,建立了该模式下拣选订单排序优化模型,并针对这一整数组合优化模型,设计了一套基于贪心理论的算法对其进行求解。通过实际案例分析表明,该模型及算法可以达到减少拣选作业空余时间、提高作业效率、降低作业成本的目的。     

考虑排产约束的汽车零部件出库订单排序优化

针对TPL仓库面向汽车零部件企业的产前物料拣选和配送作业环节,研究了JIT生产模式下配送送达时间限定和生产线缓冲库容量有限条件下的出库作业拣选订单排序的优化模型及算法。在分析现有拣选订单排序模式的基础上,提出了融合现有模式优点的新作业模式,建立了该模式下拣选订单排序优化模型,并针对这一整数组合优化模型,设计了一套基于贪心理论的算法对其进行求解。通过实际案例分析表明,该模型及算法可以达到减少拣选作业空余时间、提高作业效率、降低作业成本的目的。     

基于二进制粒群的拣选作业优化

目的提高电子标签拣选系统中拣选作业的效率与货位占有率。方法以某电子拣选库为研究对象,提出以订单完成度、货位占有率以及货位聚集度为目标的拣选优化模型。设计基于二进制粒子群算法(BPSO)和遗传算法(GA)的模型求解仿生算法。结果试验及优化结果表明,基于BPSO的电子拣选库订单的完成度、货位占有率以及货位聚集度较遗传算法更高。结论基于二进制粒子群算法求解的优化模型较符合实际的电子拣选库人工拣选作业,同时仓储作业货位的利用率及拣选效率得到了提高。     

快速分拣区域储位空间分配策略对比分析

研究了快速分拣区域储位空间的优化分配策略,同时分析了企业常用的等时间分配策略和等空间分配策略的原理及模型。以某配送中心快速分拣区域为例,比较了3种储位分配策略的差别,验证了优化空间分配策略在节约补货成本方面的优越性。     

基于改进遗传算法的自动拣选系统 拣选位分配建模与优化

针对某自动拣选系统建立了拣选位分配优化模型,以拣选时间模型作为适应度函数,并通过判断海明距离添加一个惩罚函数对遗传算法进行了改进,对算例进行仿真实验,可以得到货位排序优化后,总拣选时间明显降低了27.85%。结果表明,货物拣选位的分配对自动拣选系统的拣选效率有很大的影响。要想降低总拣选时间,提高自动拣选系统的拣选效率,不能只考虑个别种类货物的位置分配,要从全局的方向去考虑。该研究对配送中心如何提高自动拣选系统的效率提供了理论支持。     

考虑碳排放的冷链物流联合配送路径优化

基于绿色物流发展理念,将碳排放转化为成本融入冷链物流配送路径优化问题。结合冷链物流企业拥有多个配送中心且各配送中心在各决策阶段运力不均衡的实际情况,提出一种在企业拥有多个配送中心、有限车辆数且各车辆可回到任一配送中心继续配送的情况下,考虑时间窗、碳排放成本和货损成本的冷链物流联合配送路径优化模型。通过引入一个虚拟车场将多配送中心问题转化为单配送中心问题,采用改进遗传算法求解路径优化问题。通过算例将传统分区配送方式与联合配送方式的路径优化结果比较发现:联合配送不仅在冷链配送费用方面远远低于传统分区配送,而且产生的碳排放成本也低于分区配送。     

Auto Store仓储系统的运作与效率优化研究

目的 为缓解零售电商商品仓库占地面积广,拣选效率受限等问题。方法 文中就存储策略、指派策略以及路径策略方面对Auto Store仓储系统进行详尽的介绍,在此基础上流程化的分析Auto Store系统完成单次订单拣货作业的业务流程,并运用Anylogic软件对所提出的模型进行仿真和验证。结果 假定订单到达服从Erlang分布,在拣选车和工作站数量和拣选货物数量相同的情况下,对比了Auto Store仓储系统混存布局和传统布局的拣选效率,验证了混存布局的可行性。结论 同时对比基于2种任务指派策略,得出了以基于拣选时间最小化的指派策略下系统运作效率更优这一结论,对理论分析与仿真研究之间的结果进行分析比较,验证了模型的有效性。     

多级库存控制的连锁经营企业配送网络设计

研究了随机需求条件下连锁经营企业配送网络设计及其库存决策的联合优化问题.详细分析了基于POT(power of two)多级库存控制策略的连锁企业多级工作库存及订货成本,给出了门店及配送中心在满足给定服务水平条件下的安全库存成本.在综合考虑运输成本和配送中心选址成本的基础上,建立了以系统总成本最小为目标的配送系统总成本优化模型,并采用遗传算法求解该优化模型,在得到最优配送网络设计方案的同时,确定了配送中心订货周期及门店配送周期.通过算例验证了模型及算法的有效性,并分析了需求、运输距离和选址成本等因素的变化对系统总成本的影响,为连锁经营企业的物流配送网络设计及库存控制提供决策支持.     

基于COI与作业负荷平衡的多巷道仓库储位分配策略

储位分配策略直接影响仓储货品的拣选效率与仓库绩效。传统基于物料周转率（COI）的储位分配方法将出入库频率高的货物存储于距离出入口近的储位上,在多巷道分布的仓库当中,这可能导致部分巷道作业拥堵和事故发生率高等。为提升仓储货品拣选效率和减少巷道作业不平衡带来的负面影响,本研究将基于COI储位分配方法与巷道作业平衡改进策略相结合,通过定性解析与模型分析,提出绝对分巷道存储模型和相对平均与最大值控制模型两种储位分配改进方法。通过实例数据分析,两种新方案对行走距离增加值可控制于千分之一以内,而新最优可行解对完善仓储策略和进一步提升仓储企业效率有着重要作用。     

双区型仓库动态拣货策略的设计及路径优化研究

目的 针对双区型仓库,以拣货时间最短为目标函数构建数学模型,进一步提高拣货效率。方法 提出并设计动态货位调整与人工拣货协同作业的动态拣货策略,分别采用GA算法和GASA算法进行最优化求解。结果 GASA算法优于GA算法,拣货单为1张情况下的拣货时间可减少4%;与静态拣货策略相比,拣货单为10张情况下,采用GASA算法时,文中设计动态拣货策略下的拣货时间可减少6%,且随着拣货单数量的增加,拣货时间节约占比越大。结论 GASA算法较GA算法其求解动态拣货路径优化问题更高效、优化结果更好。文中所提动态拣货策略更方便实施,在静态拣货路径优化基础上,可进一步提高拣货效率,且拣货单越多,效果就越显著。     

新型无人仓AutoStore的货物合箱方法研究

目的 为减少AutoStore系统在共同存储策略下的订单处理时间,解决经营品类繁多,但仓储面积有限的企业货物存储问题。方法 提出货物合箱的存储方法,设计关联规则挖掘算法与混沌种子优化算法的混合优化算法进行求解。从机器人翻箱操作、料箱的分配规则、系统布局三方面进行分析,结合AutoStore运作规律,建立以机器人拣货行走距离最短为目标函数的数学模型,通过Apriori算法输出货物热度,输入混沌种子算法,得到储位分配结果,实现联动决策。在基本种子算法的迭代中加入混沌序列,帮助种子避开局部极小值。结果 实例分析表明,货物合箱方法能够显著减少共同存储下AutoStore系统的订单处理时间,缩小与指定存储策略订单处理时间的差距,与粒子群算法和基本种子优化算法相比,混沌种子优化算法的优化效率更高、稳定性更好。结论 文中的研究为经营品类繁多,但仓储面积有限的企业提供了一种更适合的货物存储策略,具有较强的操作性和实际意义。     

基于荷兰式拍卖机制的RMFS货位指派研究

目的对移动机器人拣货系统(RMFS)的货位指派问题进行研究,提出基于荷兰式拍卖机制的货位指派模型来提高RMFS的拣货效率。方法构建荷兰式拍卖模型并按周转率对指定区域的SKU进行逐步调整,以货位指派匹配度为期望指标,实现SKU的需求模式与仓库存储结构之间的合理匹配。结果通过与随机指派模型对比发现,在不同仓库规模、需求偏度、订单规模等情况下,基于荷兰式拍卖的货位指派方法可以使拣货路程下降21.15%、工作时间平均下降20.57%左右。结论与传统指派方法相比,提出的货位指派模型可以大幅度降低RMFS系统的拣货距离和时间,大幅度提升在线零售企业的RMFS的拣货效率。     

基于数据挖掘的动态货位指派系统

目的为提高需求快速变化、波动较大的在线零售企业的仓库货位优化效率。方法利用数据仓库和数据挖掘法,研究基于复合规则的动态货位指派策略。对该货位指派的数据集成分析、指标计算、规则生成和货位指派等4个模块进行分析,并设计库区标定算法和规则生成算法来生成货位指派规则集。结果基于复合规则动态货位指派不仅能够节约拣货距离,而且拣货效率受需求变化的影响非常小。结论数值实验表明,与传统的货位指派策略相比,基于复合规则动态货位的指派系统可以得到更好的结果,并且在平均订单规模较大和需求偏度大的情况下效果更加明显。     

可变路径人工拣货系统动态货位调整研究

考虑在线零售企业的时变需求,基于逐步求精、渐进式优化的思路,通过实时、动态调整商品在仓库中的存储位置来响应需求的快速变化,并允许拣货员改变其行走路线,在订单拣货的同时进行货位调整。构建了可变路径下动态货位调整框架模型;提出前进和返回交替进行的回转路径策略,并对路径调整策略及商品选择策略两个关键进行研究;通过实验验证模型的有效性。结果表明,在订单规模中等,需求偏度较大时,动态货位调整可节约25%左右的拣货距离,货位优化效果明显,可为在线零售企业科学实施动态货位调整提供理论指导。     

Modelling and performance evaluation of explosive storage policies in internet fulfilment warehouses

Internet Fulfilment Warehouses (IFWs) are designed to exclusively process online retail orders. An observational study reveals that IFW operating and design attributes are significantly different from traditional warehouses in their storage and fulfilment policies. Specifically, we identify six IFW differentiators: explosive storage, very large number of beehive storage locations, bins with commingled SKUs, immediate fulfilment, short picking routes with single unit picks and high transactions with total digital control. Explosive storage of incoming bulk allows for faster fulfilment of customer orders often within a few hours. A new IFW control model is developed. This describes the associated receiving and fulfilment flows. Two decision algorithms for generating (i) a stocking list and (ii) an order picking list are presented. A simulation model was built to evaluate the fulfilment performance of the explosive policy. Experimental runs on a problem with 400 SKUs, 3240 bins and 22,000 customer orders over nine days are reported. Results show that increasing levels of explosion reduce the linear fulfilment time by as much as 16%, confirming the IFW storage policy is advantageous. The results also show that fulfilment time behaviour is convex as a function of the maximum number of stops allowed by the picking algorithm parameter.