“货到人”拣选系统中电商订单分批优化研究

本文在电商行业迅速发展及人工智能日趋成熟的背景下,研究以自动导引车(AGV)为搬运工具的“货到人”拣选系统订单分批问题。首先以最小化AGV搬运货架次数为目标建立订单分批模型,然后提出了基于货架相似度的两阶段订单分批算法,在第一阶段分为新批次创建及订单加入批次两个步骤得到初始解;在第二阶段采用局部搜索改进初始解。在算法中构造订单选取货架规则,定义货架相似度函数并设计两种方法创建新批次,同时考虑周转箱数量限制求解订单分批方案。最后通过实验测试验证了模型和算法的有效性,分析了两种批次创建方法的适用性,并通过灵敏度分析给出了合理的周转箱数量配置建议。本研究可为采用“货到人”拣选系统的企业通过订单分批优化进一步提高AGV拣选效率提供理论依据和实践指导。     

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.     

考虑完全拆分的拣选分批与拣选路径集成优化模型

在电商海量订单背景下,在线订单拣选作业难度加大,因此设计了基于订单完全拆分的拣选分批与拣选路径综合优化模型解决此问题.模型共分两阶段.第一阶段,基于种子算法,设计考虑订单完成度、等待时间与拣选路径的拣选分批模型;第二阶段以拣选单流为单队列,设计多拣选员并行服务的拣选系统.行走策略为基于返回型和遍历型的综合策略,拣选路径优化模型采用模拟退火算法求解.算例分析表明,与传统的不拆分拣选分批模型相比,构建的综合优化模型能够显著提高拣选系统效率.拣选员为4人时,模型能够使总服务时间减少58.79%,订单完成率提高10.09%.     

并列选择单亲遗传算法在自动化立体仓库货位优化中的应用

针对传统遗传算法在求解自动化立体仓库货位优化多目标模型中容易陷于局部最优解以及交叉变异过程中产生大量不可行解等问题,提出了并列选择单亲遗传算法.算法采用了0,1矩阵编码、并列选择算子、单亲变异算子等,有效避免了交叉变异操作产生不可行解的问题.通过对控制参数进行较合理地选取,算法能够综合考虑各子目标的相对优秀个体,从中选取出全局近似最优解,有效降低了算法陷于局部最优解的概率.利用该算法对36种货物的自动化立体仓库货位进行优化,通过比较优化前后的货位对应的拣选时间及货架重心可以看出,优化后的货位对应的拣选效率及货架稳定性均有明显提高.     

分类存储返回型与S型拣选路径随机模型的比较研究

物流配送中心中,减小订单拣选行走距离进而优化人工拣选作业系统可有效提高客户满意度,降低成本.货位指派和拣选方式是影响拣选行走距离的两个重要因素.作者在分类存储的货位指派策略下、分别对返回型和S型拣选方式,建立了拣选距离随机模型.仿真结果表明,模型结果能在误差允许条件下较好地与仿真逼近.通过在4种物品订购频率和货位分配情况下对返回型和S型拣选方式的比较,得出两种拣选方式各自适用的情况.     

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。     

考虑商品数量和商品拣选成本的AGV智能仓库订单分批问题研究

AGV(Automated Guided Vehicle,自动导引车)智能仓库是一种基于“货到人”拣选模式的自动化仓库。本文考虑了订单中商品的需求量和货架上商品的存储量,以极小化货架搬运成本和商品拣选成本为目标,建立了AGV智能仓库订单分批问题的整数规划模型。本文针对订单分批问题的特点,提出了一种基于订单和货架交替选择的贪婪求解算法。对比CPLEX求解器的精确最优解,本文提出的贪婪算法的误差百分比不超过10%,平均误差百分比为5.38%;对比基于相似性的分批算法的求解结果,本文提出的贪婪算法不仅运算时间更短,解的质量也更好。进一步地,对比不考虑商品拣选成本的订单分批模型,本文提出的模型在不明显增加货架搬运成本的前提下,可以大幅度降低商品拣选成本。因此,在订单分批模型中考虑商品拣选成本是非常必要的。     

基于AGV的智能仓库系统订单分批问题研究

研究了基于自动引导小车(AGV)的“货到人”智能仓库订单分批拣选问题, 在同时考虑工作人员拣选商品成本和AGV搬运货架成本的前提下, 建立了以总成本极小化为目标函数的订单分批问题整数规划模型。根据订单中包含的商品信息和商品所在的货架信息构建了描述订单之间关系的加权相似度指标, 分析了加权相似度与总拣选成本之间的正相关关系。基于订单之间的加权相似度设计了求解模型的贪婪算法。利用具体算例进行模拟计算, 分析了加权系数的变化对订单分批结果的影响, 以及加权系数λ的取值与工作人员拣取一件商品的成本c₁和AGV搬运一次货架的成本c₂之间的关系, 得到了贪婪算法中加权系数λ的确定方法。进一步分析了贪婪算法的计算时间和计算效果, 结果显示, 通过适当选取加权系数, 利用贪婪算法可以在短时间内得到订单分批问题的近似最优解;对于小规模算例, 贪婪算法在最坏情况下近似比不超过1.35。利用本文的模型和算法进行订单分批, 兼顾了工作人员拣取商品的成本和AGV搬运货架的成本, 可以有效提高订单拣选效率, 降低订单拣选总成本。     

B2C配送中心分散存储优化问题研究

由于B2C配送中心客户订单呈现出"单笔订单小、品种多、配送范围广、交货期紧"的特点,以SKU为最小存储单元的传统连续存储方式失去了优势.在这种背景下,本文针对现代化B2C配送中心提出考虑货品间关联关系的分散存储优化问题,目标是最小化所有货品对儿的加权最短距离之和,使得不同的货品总能分散存储在拣货员的附近以提高拣货效率....     

考虑商品订购数量的“货到人”仓储系统订单分批问题研究

结合"货到人"仓储系统的订单拣选场景,在考虑订单中各种商品订购数量和货箱中商品存储量的情况下,研究了自动小车存储及取货系统的订单分批拣选问题.对于给定的待拣选订单,以货箱出库次数极小化为目标,建立了订单分批问题的整数规划模型,并利用聚类思想设计了两阶段启发式算法.利用不同规模的算例进行仿真实验,验证了模型和算法的有效性.通过对比按照本文模型和算法得到的分批结果与按照先到先服务策略得到的分批结果,可以发现,按照文章模型和算法进行订单分批,拣选效率大约提升了25%-45%.进一步分析了拣选台容量和相似度加权系数等参数变化对订单分批结果的影响.最后利用两个具体算例,对比分析了考虑商品订购数量和不考虑商品订购数量的订单分批模型之间的关系,验证了考虑商品订购数量的订单分批模型的优越性.     

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.     

基于物料周转率与需求相关性的储位分配优化策略与算法

优化储位分配策略是加快订单拣选速度和提高仓储效率的重要前提。在实际出入库操作中,物料可能具有一定的需求相关性,如螺钉与螺母。若这些需求相关度较高的物料被安排于距离较远的货位,将大大影响其拣选出库的效率。因此,本研究考虑不同储位分配方案的影响,提出将基于物料周转率的存储策略(COI)与物料需求相关度相结合的存储策略,使得周转频率高和相关度大的物料在仓库中的位置接近,且存储于更近仓库出入口的巷道货位。由于模型的计算规模随着参数增长呈指数式增长,本研究开发出一种近似算法,并通过实验证明,相较于商业软件,本算法可更为有效得获取问题的最优或近似解。最后通过实例分析,给出不同COI系数与物料需求度偏好下该仓库的可行储位分配方案     

基于商品关联度的智能仓库储位分配问题研究

储位分配方案是直接影响智能仓库工作效率和拣选成本的关键因素.根据历史订单信息定义了商品之间的关联度,以同一货架上的商品之间的关联度之和极大化为目标建立了智能仓库储位分配问题的数学模型,并设计了求解模型的算法.首先根据历史订单信息计算商品之间的关联度,然后结合商品的周转率、商品之间的关联度等信息,设计了启发式算法求解智能仓库储位分配问题,并且分析了启发式算法的时间复杂度.通过大量的模拟计算验证了本文建立的数学模型和设计的启发式算法的有效性,证明了以同一货架上商品之间关联度极大化为目标和以订单拣选过程中搬运货架总次数极小化为目标的一致性.通过对比分析本文算法得到的储位分配结果与随机储位分配结果可以看出,利用基于商品关联度的启发式算法得到的储位分配方案比随机储位分配方案对应的货架搬运次数平均减少了30.08%.     

“仓店一体化”模式下订单拣选与配送集成调度优化

针对“仓店一体化”模式下提供限时送达服务的新零售仓店,研究多拣货员、多客户、配送方式为带限时送达约束的路径优化分批配送情形下的订单拣选与配送集成调度问题。以最小化订单最大履行时间和配送成本为目标,构建了混合整数非线性规划模型,并设计两阶段启发式算法(H-2)进行求解,最后通过数值实验对算法进行验证与分析。数值实验结果表明,H-2具有较高的求解质量;相较于传统调度算法(TS)在效率提升、资源节约以及客户满意度提高方面具有更优的表现,进而为新零售仓店管理者提供决策支持。     

基于物流AGV的“货到人”订单拣选系统任务调度研究

基于物流AGV的“货到人”订单拣选模式由于其高效率和灵活性,逐渐成为电商物流配送中心订单拣选系统发展趋势。本文通过对基于物流AGV的电商物流配送中心订单拣选作业流程分析,提出多拣选台同步拣选和多拣选台异步拣选两种作业模式。然后对基于物流AGV的订单拣选任务调度问题进行描述,以物流AGV完成所有任务的时间最短为目标,分别建立同步和异步两种拣选模式下物流AGV任务调度模型;针对物流AGV任务调度问题特性,对共同进化遗传算法粗粒度模型进行改进用于模型求解。最后,通过改进前后算法的对比,验证了改进共同进化遗传算法在求解物流AGV任务调度问题中的有效性;通过在求解速度和优化结果上对多拣选台同步拣选和异步拣选两种作业模式进行比较,得出同步拣选优于异步拣选的结果。     

基于AGV的智能仓库系统储位分配问题研究

研究了基于自动引导机器人(AGV)的"货到人"拣选模式下的智能仓库系统补货阶段的储位分配问题.根据待拣选订单信息计算出商品之间的关联度,考虑了货架上存放的物品信息、空余储位数量、待补货物品信息,以同一货架上的各种商品之间的关联度之和最大化为目标函数,建立了补货阶段储位分配问题的整数规划模型;设计了求解模型的贪婪算法,并分析了算法复杂度.利用一个具体实例进行模拟计算,分析了贪婪算法的求解效果.进一步利用不同规模算例进行模拟计算,分析了贪婪算法的计算时间和近似比,结果显示贪婪算法可以在很短的时间内得到近似最优解,近似比不超过1.15.设计的贪婪算法可以作为智能仓库管理信息系统的核心算法.     

基于“货到人”拣选模式的储位分配问题研究

研究了“货到人”拣选模式下的储位分配问题,以订单拣选过程中搬运货架总时间最短为目标建立了整数非线性规划模型,并证明其为NP-hard问题,分别设计了求解模型的贪婪算法和单亲进化遗传算法。首先根据订单和物品的关联关系对物品进行聚类,基于聚类结果设计了求解模型的贪婪算法。然后设计了直接求解模型的单亲进化遗传算法,遗传算法中采用了0-1矩阵编码、多点基因倒位算子、单点基因突变算子和精英保留等策略,通过合理选取参数,能够很快求解出问题的近似最优解。最后利用模拟算例和一个具体实例进行计算,并对贪婪算法和遗传算法的求解时间和求解效果进行了比较分析。结果显示,对于小规模问题,两种算法均能在较短的时间内以很高的概率得到问题的全局最优解,对于中等规模的实际问题,利用两种算法得到的储位分配方案均优于企业目前采取的基于出库频率的储位分配方案,遗传算法得到的储位分配方案对应的货架搬运次数、货架搬运总时间等均优于贪婪算法。本文设计的遗传算法可以作为智能仓库管理信息系统的核心算法。     

移动机器人履行系统配置优化研究——基于闭排队网络理论

本文对移动机器人履行系统中货架调度任务的履行过程进行分析,根据机器人在货架装载、搬运、拣选、卸载四个过程的作业特点建立闭排队网络模型。采用近似平均值分析算法求解,实现系统绩效的迅速评估。通过与仿真计算实验的对比证明,模型对系统绩效的评估误差不超过5%。利用闭排队网络模型评估拣选台、机器人利用率和调度任务履行能力,实现对系统设施配置的讨论和优化。研究表明,拣选台均匀分布于仓库较长的两侧能提高系统履行绩效;系统存在最优机器人投放数量使系统整体利用率较高。     

两阶段DEA绩效评价及其分摊模型——以全运会为例

基于两阶段DEA (data envelopment analysis)模型提出了两阶段DEA固定资源分配方法.首先利用两阶段DEA模型计算各个决策单元之间的效率;然后考虑各决策单元的运营模式,提出比例分摊模型,引入一系列度量按有效分摊方案集与按比例分配方案分摊的成本之间的差异的偏差变量,通过最小化偏差,得到唯一的固定...     

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。