固定路径下多阶段货位调整研究

提出固定路径下多阶段货位调整方法,它将传统的货位指派分割为多阶段、小规模的动态货位调整过程,并在拣货过程中进行调整。首先,扩展现有的路径策略,设计了前进和返回交替进行的启发式路径策略。然后,基于动态出货量轮盘赌算法来计算候选商品被选择的概率,在此基础上考虑工作量均衡得到最终货位调整方案。最后,与传统方法进行实证研究,结果表明,在平均订单规模较小和需求偏度较大时,该方法能够有效地提高仓库的拣货效率,并且在大多数情况下,巷道内调整优化效果明显,跨巷道调整适合返回型拣货路径策略。     

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。     

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。     

可移动货架下的储位选择与拣货路径联合优化

随着电商直播等在线模式的兴起，订单异质化加重，商品需求变化比以往更快。面对频繁变化的订单，许多电商仓库选择使用更加柔性的存储模式，如可移动货架，对仓库的存储布局进行快速调整，进而更好地进行拣货作业。针对分散存储策略和可移动货架下的订单拣货路径进行研究，提出一个包含储位选择与拣货路径的联合优化模型和货架移动优化模型的双层优化模型，设计一种双层元启发式算法框架，最后利用不同规模的数值实验对模型和算法的有效性进行验证。     

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。     

基于拣货员协同合作的订单拣选策略研究

本文对单区块人工作业系统中多个拣货员在拣货作业过程中发生的拣选堵塞问题展开研究。构建基于协同合作的拣选路径模型,通过交换拣选订单,动态调整拣选路径,减少拣选堵塞的产生。案例分析结果表明,与S型策略相比,协同合作策略在减少拣选堵塞、缩短订单服务时间方面具有明显的优越性。最后,从影响拣选作业效率的可控因素角度进行敏感性分析,了解不同情况下协同合作策略对拣选作业效率优化的具体表现。     

基于英式拍卖的RMFS货位指派研究

目的 构建英式拍卖模型，以待指派商品品项(SKU)群的最低周转率为媒介，通过逐步提升最低周转率来实现待指派SKU与待指派区域货位数量的匹配。方法 针对移动机器人拣货系统(RMFS)中的货位指派，提出基于英式拍卖机制的货位指派方法，提升仓库拣货效率。结果 与随机指派相比，在不同仓库规模、订单规模、订单偏度的RMFS中采用英式拍卖货位指派机制，机器人行走路程下降比率在大型仓库中达30.17%，中型仓库的下降比率为27.31%，小型仓库的下降比率为24.13%。结论 采用英式拍卖机制在RFMS中进行货位指派可大幅度提高工作效率。     

基于蚁群算法的双分区仓库拣货路径的优化

为提高现代仓库作业中拣货这一核心环节的效率,研究了仓库拣货路径的优化,提出了根据双分区仓库中拣货路径的特点,采用蚁群算法优化求解的拣货路径算法,并通过仿真将该算法的性能与传统穿越策略、S形启发式算法进行了比较。比较结果表明,以蚁群算法优化路径问题可以明显减少路径的距离,具有良好的实用性。     

基于鱼骨型仓库布局的多车拣选路径问题优化

为了推动鱼骨型仓库在实际场景下的应用,针对鱼骨型仓库布局下的拣货路径优化问题,构建待拣货点距离计算模型和以有载重、容积限制的多车拣货距离最短为总目标的拣选路径优化模型。考虑遗传算法(GA)全局搜索能力强、粒子群算法(GAPSO)收敛速度快以及蚁群算法(ACO)较强的局部寻优能力,提出一种解决拣选路径优化模型的混合算法(GA-PSO-ACO)。通过不同订单规模的仿真实验,得出该混合算法在适应度值、迭代次数、收敛速度等方面均优于GA算法和GAPSO算法,且在订单规模较大时,平均适应度值约降低8%,有效缩短了总拣选距离,验证了混合算法在解决鱼骨型仓库布局下的拣货路径问题的先进性和有效性,为解决此类仓库内部的拣货路径问题提供新的解决方法和思路。     

拣货方式、存储策略与路径策略协同研究

对拣货方式、路径策略与存储策略进行协同研究,设计了具有代表性的策略组合。推出了不同路径策略下,实际拣货路径长度的计算公式。通过对各种策略组合仿真结果的比较分析,确定了3种策略的相对重要性:1）分批策略对减少拣货作业总时间影响最大;2）分类存储策略比随机存储策略所需的行走路径缩短很多;3）路径策略对拣货行走的时间的减少明显小于分批拣货方式和分类存储策略带来的拣货作业时间的减少。具体决策时,应优先考虑分类存储策略和分批拣货方式,在确定其已经有效的情况下再考虑路径策略,以使拣货效率达到整体最优。     

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。     

数字化车间物料动态配送规划研究

目的 针对数字化生产车间工位物料需求时间的不确定,导致物料配送不准确、不及时的问题,提出一种动态物料配送策略。方法 首先,根据工位关联度和变动时间窗确定实时的配送工位和协同配送工位,设计基于工位排序的动态物料配送路径优化策略。其次,建立以配送成本和时间窗偏离惩罚成本综合最小为目标函数的数学模型。最后,提出并采用系统动力学仿真与蚁群遗传融合算法联合的方法对模型进行求解。结果 模拟算例表明,与静态物料配送优化策略相比,该策略的平均时间成本减少率为30.1%,平均库存减少率为14.86%。结论 该策略能够根据动态时间窗确定配送工位和协同工位,并实时调整配送顺序,实现物料配送的动态自适应性调整,降低总配送成本。融合算法在迭代次数、收敛性、最优解质量方面有明显优越性。     

Enhancing performance in order picking processes by dynamic storage systems

Increasing productivity and reducing labour cost in order picking processes are two major concerns for most warehouse managers. Particularly picker-to-parts order picking methods lead to low productivity as order pickers spend much of their time travelling along the aisles. To enhance order picking process performance, an increasing number of warehouses adopt the concept of dynamic storage where only those products needed for the current order batch are dynamically stored in the pick area, thereby reducing travel time. Other products are stored in a reserve area. We analyse the stability condition for a dynamic storage system with online order arrivals and develop a mathematical model to derive the maximum throughput a DSS can achieve and the minimum number of worker hours needed to obtain this throughput, for order picking systems with a single pick station. We discuss two applications of dynamic storage in order picking systems with multiple pick stations in series. In combination with simulation modelling, we are able to demonstrate that dynamic storage can increase throughput and reduce labour cost significantly.     

Intelligent agent modeling of an industrial warehousing problem

In this paper, we consider an actual industrial warehouse order picking problem where goods are stored at multiple locations and the pick location of goods can be selected dynamically in near real time. We solve the problem using an intelligent agent-based model. The modeling framework is between the two extremes of hierarchical and heterarchical frameworks. It recognizes that horizontal as well as vertical decisions are made between various levels of controllers and that these have to be captured explicitly in the model. Entities (goods or parts) and resources (storage areas and order pickers) are modeled as intelligent agents that function in a co-operative manner so as to accomplish individual as well as system-wide goals. Scheduling and other decisions are taken by these agents in a dynamic real-time fashion based on conditions that exist at the time these decisions are made. To overcome the structural rigidity and lack of flexibility, a negotiation mechanism for real time task allocation is used     

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。     

Order picking system design: the storage assignment and travel distance estimation (SA&TDE) joint method

Of all the warehouse activities, order picking is one of the most time-consuming and expensive. In order to improve the task, several researches have pointed out the need to consider jointly the layout of the warehouse, the storage assignment strategy and the routing policy to reduce travelled distances and picking time. This paper presents the storage assignment and travel distance estimation (SA&TDE) joint method, a new approach useful to design and evaluate a manual picker-to-parts picking system, focusing on goods allocation and distances estimation. Starting from a set of picking orders received in a certain time range, this approach allows to evaluate the combinations of product codes assigned to storage locations, aisles, sections or warehouse areas and to assess the most relevant ones, for the best location and warehouse layout, with the aim of ensuring optimal picking routes, through the application of the multinomial probability distribution. A case study is developed as well, in order to clarify the concept that underlies the SA&TDE joint method, and to show the validity and the flexibility of the approach, through the calculation of the saving at different levels of detail.     

动态视角下城市通勤路径优化研究

针对城市上班族“通勤难”的问题,考虑到交通拥堵发生的不确定性,以动态视角研究基于实时交通信息的通勤车动态路径优化问题,同时将停靠点选址问题作为其影响因素优先进行分析。建立以行驶路径最短为目标的初始路径优化模型,并重新制定路线更新规则,将路口交叉点作为新的关键点引入更新策略。通过实证分析得到,动态优化后无拥堵状态下的通勤效率可以提高35.7%,存在拥堵的状态下通勤效率可以提高40%,证明了模型和算法的有效性。