考虑车载容量的多区型仓库拣货路径优化研究

拣货作业是仓库核心作业之一,占据仓库运营大量的时间成本和资金成本.针对多区型仓库拣货路径优化问题,对多区型仓库布局、货位坐标、路径等问题进行了定义,构建了多区型仓库拣货路径优化建模,接着通过大量实验确定了人工鱼群算法在求解拣货路径问题时的最优算法参数组合,通过演示性实验验证了模型与算法的有效性,最后从波次订单对实验结果的影响、车载容量对实验结果的影响和算法对比分析3个方面验证了人工鱼群算法的实用性和优越性.结果表明,所建立的多区型仓库拣货路径优化的模型及其求解方法,能够有效提高仓储拣货作业效率.     

B2C电子商务仓库拣货路径优化策略应用研究

当前国内B2C电子商务仓库多为人至物的拣货模式,拣货作业成为其核心作业之一,占据仓库大量时间成本和资金成本,拣货路径优化成为企业亟需解决的问题。本文基于TSP对拣货路径进行建模,利用蚁群算法、模拟退火算法和禁忌搜索对该NP-hard问题进行求解,并同当前企业普遍采用的S型启发式策略进行对比,拣货时间节约13.35%。进一步得出当拣货品数量较少时应采用模拟退火算法求解,而当拣货品数量较大时采用蚁群算法仅进行一次迭代,则可以实现短时间得到相对较优的解。所得结果已应用于某大型电子商务企业,效果明显。     

快消品电子商务仓储订单批次问题研究

快消品仓库运营中,为了提高作业效率一般将多个顾客订单组合成批次后拣货,因此仓库的运营效率很大程度上取决于订单批次生成策略.基于重合优化准则,建立0-1整数规划模型对订单进行批次生成,并采用通道重合数为相似系数的"静态法"求解,模拟运行的结果比按订单先进先出原则进行批次生成拣货通道数减少26.5%.进一步选取最长订单作为标杆,并采用通道重合率作为相似系数,引入动态更新概念,权衡优化效果与计算时间,模拟运行的结果比按先进先出原则进行批次生成的批次数和通道数分别减少26.7%和34.3%.上述方法已实际应用于某大型网上超市,拣货效率提升显著.     

主通道位置不固定的设施布局问题多目标优化模型及算法

以物流中心设施布局问题为对象,提出了考虑出入口及主通道位置不固定情况下的设施布局问题的多目标优化模型并设计了其改进的遗传算法。首先,以物料搬运成本最小、活动关系密切度最大和面积利用率最大为目标,构建了考虑出入口位置不固定条件下的具有I型主通道的设施布局多目标优化数学模型。然后,设计了一种改进的遗传算法,包括:改进的编码、解码方法,追加了解码修正操作,基于惩罚函数策略的适应度函数等。实例测试表明,本算法的执行效率高而且结果稳定,优化效果好,布局结果紧凑适用。     

基于聚类和动态规划的组合路径策略

为提高电商仓库的拣货作业效率,本文提出了基于聚类和动态规划的组合路径策略,实现了生成路径消耗时间和路径长度之间的平衡,并将这一策略成功地应用到多区型仓库。该策略分四步:首先,根据待拣储位分布特征,运用聚类分析法对其进行分类;然后,以各类的首末储位作为节点,运用动态规划法对已得分类进行排序,得到相应的类序;其次,得到各类内部路径;最后,依次拣取待拣商品,并返回出发点完成拣货作业。在提出新的路径策略后,通过仿真方法将新策略与三种传统路径策略(穿越策略、最大间隙策略和混合策略)和一种优质算法(蚁群算法)进行了对比分析,结果表明:该策略具备良好的适用性和实用性。     

基于移动机器人的拣选系统货架动态储位分配研究

为了提高基于移动机器人的拣选系统拣货效率,更好地满足客户动态需求和订单时效要求,提出了考虑货架后续需求频次、需求紧迫程度以及拥堵因素的货架动态储位分配策略,构建了最小化货架搬运距离的动态储位分配模型,并设计了启发式算法进行模型求解.首先,基于货架需求紧迫程度,构造贪婪算法生成动态货架储位分配的初始解;然后,基于货架在后续批次订单的需求频次及通道间负载均衡,采用邻域搜索算法进行动态货架储位优化.最后,通过与其他静态和动态储位分配方法对比,验证文章提出的模型和算法的有效性.     

优化配送中心订单拣取路径的一种动态规划方法

订单拣取过程是配送中心最耗时耗力的作业环节，因此提高拣货作业效率成了大多数配送中心努力的方向。而优化拣货路径则是提高拣货作业效率的有效措施之一，所以本在传统拣货规则的基础上，提出了一种采用动态规划方法优化订单拣取路径的方法。该方法是优化配送中心订单掠取路径的一种新的思路和方法，且其确定的拣货路径是在既定规则下的最优拣货路径。针对不同的拣货单采用不同的拣货路径，能有效缩短拣货行走的距离，对提高配送中心的拣货效率具有现实意义。     

蔬菜B2C直销中基于批配送模式的拣货方案序贯求解方法

针对蔬果类商品B2C直销模式下拣货与配送环节拣货量大、订单个性化强、时间性强及批配送等特点,基于相似订单成组拣货这一现实需求,引入成组作业思想,建立最小化拣货成本和配送成本之和的成批成组拣货序列优化模型;针对该模型多阶段决策、多决策变量及NP-难等特点,以降低求解维度和减少求解时间为目标,基于逆序决策思想,提出序贯求解方法,并给出了客户成批聚类、批次内相似订单成组及成批成组拣货序列优化求解算法;通过应用实例验证本文模型和算法的可行性和有效性。研究结果表明,本文方法得到的方案比成组拣货与配送独立决策,以及批配送但非成组方法大大缩减了拣货时间,为蔬果类商品网上直销企业生成拣货作业计划提供理论指导。     

基于偏离度的仓储中心拣货路径优化方法研究

针对现代仓储作业中广泛使用的双区仓库,为提高拣选作业的质量和效率,首先应用RFID技术对仓储作业中货物的入库、定位、拣选、出库等进行自动化识别,实现管理数据库的实时更新,减少订单中货物搜索时间.在此基础上,提出了一种基于偏离度的路径优化方法,通过与传统穿越策略、S型启发式算法进行仿真对比.结果表明,在双区仓库的路径拣选中,基于偏离度方法对仓库作业优化效果显著.     

Flying-V型仓储布局货位分配优化方法研究

Flying-V是一种典型的非传统布局方式,根据其布局方式的特性,针对仓储货位分配优化问题,以货物出入库效率最高和货物存放的重心最低为优化目标,建立了货位分配多目标优化模型,并采用自适应策略的遗传算法(GA),以及粒子群算法(PSO)进行求解。根据货位分配的优化特点,在GA算法的选择、交叉和变异环节均采用自适应策略, 同时采用惯性权重线性递减的方法设计了PSO算法,有效地解决了两种算法收敛速度慢和易“早熟”的问题,提高了算法的寻优性能。为了更好地表现两种优化求解算法的有效性和优越性,结合具体的货位分配实例利用MATLAB软件编程实现。通过对比分析优化结果表明,PSO算法在收敛速度和优化效果方面相比于自适应GA算法更具有优势,更加合适于解决Flying-V型仓储布局货位分配优化问题。     

Routing order pickers in a warehouse with a middle aisle

This paper considers a parallel aisle warehouse, where order pickers can change aisles at the ends of every aisle and also at a cross aisle halfway along the aisles. An algorithm is presented that can find shortest order picking tours in this type of warehouses. The algorithm is applicable in warehouse situations with up to three aisle changing possibilities. Average tour length is compared for warehouses with and without a middle aisle. It appears that in many cases the average order picking time can be decreased significantly by adding a middle aisle to the layout.     

Mixed-width aisle configurations for order picking in distribution centers

Space required for the order picking area and labor required to perform the picking activity are two significant costs for a distribution center (DC). Traditionally, DCs employ either entirely wide or entirely narrow aisles in their picking systems. Wide aisles allow pickers to pass each other, which reduces blocking, and requires fewer pickers than their narrow-aisle counterpart for the same throughput. However, the amount of space required for wide-aisle configurations is high. Narrow aisles utilize less space than wide aisles, but are less efficient because of the increased likelihood of congestion experienced by pickers. We propose a variation to the traditional orthogonal aisle designs where both wide and narrow aisles are mixed within the configuration, with a view that mixed-width aisles may provide a compromise between space and labor. To analyze these new mixed-width aisle configurations, we develop analytical models for space and travel time considering randomized storage and traversal routing policies. Through a cost-based optimization model, we identify system parameters for which mixed-width aisle configurations are optimal. Experimental results indicate that annual cost savings of up to $48,000 can be realized over systems with pure wide or narrow aisle configurations.     

A constructive aisle design model for unit-load warehouses with multiple pickup and deposit points

We develop a network-based warehouse model of individual pallet locations and their interactions with appropriate cross aisles in order to evaluate the expected travel distance of a given design. The model is constructive in that it uses Particle Swarm Optimization to determine the best angles of cross aisles and picking aisles for multiple, pre-determined pickup and deposit (P&D) points in a unit-load warehouse. Our results suggest that alternative designs offer reduced expected travel distance, but at the expense of increased storage space. The opportunity for benefit also seems to decline as P&D points increase in number and dispersion.     

基于多候选储位的存取路径优化问题研究

针对单储位储存方式可能导致仓库存取通道拥挤和作业效率低的情形,提出了一种基于多候选储位的存取路径优化方法。首先分配了货物的存取储位,然后建立了多候选储位的车辆路径问题(MLVRP)模型,并基于储位优先解码原则设计了遗传算法,最后通过算例证明该方法的有效性和算法的高效性。多候选储位的方法可以为取货任务至少节约18.4%(两个候选储位)和21.8%(三个候选储位)的路程,算法迭代10000次只需要434s。     

基于弹性区带架构的多目标设施布局问题研究

为解决设施面积不等的连续型设施布局问题,建立了基于弹性区带架构布置形式,以物料搬运成本最小、邻近关系最大、距离要求满足度最大的多目标设施布局模型。模型中考虑了区域内的横向、纵向过道,对设施的长宽比进行了限制,使得结果更符合实际情况。为克服传统多目标单一化方法需要人为设置子目标函数权重、主观性过强的缺陷,采用基于带有精英保留策略的非支配排序遗传算法(NSGA Ⅱ)的多目标优化算法求解模型,设计了相应的编码方式、交叉算子、变异算子、罚函数。最后通过某物流园区的实例分析证明了模型与方法的有效性。     

Design and control of warehouse order picking: A literature review

Order picking has long been identified as the most labour-intensive and costly activity for almost every warehouse; the cost of order picking is estimated to be as much as 55% of the total warehouse operating expense. Any underperformance in order picking can lead to unsatisfactory service and high operational cost for the warehouse, and consequently for the whole supply chain. In order to operate efficiently, the order-picking process needs to be robustly designed and optimally controlled. This paper gives a literature overview on typical decision problems in design and control of manual order-picking processes. We focus on optimal (internal) layout design, storage assignment methods, routing methods, order batching and zoning. The research in this area has grown rapidly recently. Still, combinations of the above areas have hardly been explored. Order-picking system developments in practice lead to promising new research directions.     

基于遗传算法的多通道密集式移动货架订单拣选研究

密集式移动货架越来越多地应用到仓储实践中,提高了仓储空间利用率,但增加了订单拣选的时间成本。本文根据密集式移动货架的仓储布局特点,针对多条通道可同时打开的情况,将货架移动时间转换成通道移动距离进行计算,提出了多条通道依次移动的优化规则,以整批订单拣选所耗费的总时间最少为目标,建立了订单拣选顺序优化的数学模型。针对该模型的特点,设计了实数编码且全局寻优的遗传算法,并进行了不同规模的算例模拟。计算结果表明,该算法具有较强的适用性,针对不同规模的问题,均有显著的优化效果;货架数量、订单数量以及移动通道数量的小幅度增减,将会导致总拣选时间较大幅度的波动;多条移动通道初始位置居于中部或均匀分散,总拣选时间略优于其集中于仓储系统一端。