配送中心订单分批优化策略设计与实现开题报告

 2020-02-10 11:02
1.目的及意义(含国内外的研究现状分析)

1.1研究目的

配送中心的基本作业流程包括收货、验收入库、补货、储存保管、分拣、打包和配送等环节,在配送中心的所有作业中,拣货作业是其中十分重要的一环,其所扮演的角色相当于人体的心脏、空调系统的压缩机[1]。拣选作业是配送中心为了响应客户的订单需求(订单所规定的商品品名、数量和储位),将商品从存储区或缓冲区取出,搬运到在指定场所,并按照客户配货要求配送的活动,包括订单分批、拣选路径优化和物品的储位安排等。在配送中心的三项核心作业:仓储、拣选和配送中,和其它两项作业相比,拣选作业在以人工为主的拣选系统中往往是劳动力最密集的作业,在自动化拣选系统中,往往是资金最密集的作业,其劳动量约占配送中心内部总作业量的 60%。并且其作业成本占仓库总运作成本的50%-75%[2]。图1-2是配送中心物流成本结构的比例分析,由此可见,拣货作业和配送作业所占的成本比例几乎达到了80%,而配送作业发生在配送中心之外,不可控的影响因素比较多,所以,拣选作业是降低物流成本,挖掘“第三利润源泉”的重要环节。提高拣选作业的效率,将各项作业时间缩短,对配送中心综合效益的提升和成本的降低有很大的促进作用。

影响拣货效率的因素有很多:储位安排、仓库布局、货架设计、拣选设备、拣选策略和拣选路径等,配送中心每天面对成千上万的订单,因客户需求的多样性和不确定性导致订单信息灵活多变,因此在固定设施上所做的优化改变不仅容易受到空间或其它条件的限制,而且还需要大量的资金投入,灵活性也不高。研究表明,在配置相同的情况下,对拣选的方式及策略进行一定程度的改进,配送中心的作业效率可以达到几倍或者十几倍的提升效果[3]。而在拣选策略中这些年订单分批策略也一直备受许多专家学者的关注。国内学者李诗珍认为对缩短拣货作业的总时间影响最大的活动就是分批策略[4]

本文研究的拣选系统是以人工为主的“人到货”的拣选系统,在实际中,尽管近年来自动化仓储系统的技术有了很大的发展,但由于对意外变化的反应灵活性高,80%的订单拣选系统都是人工操作的。本文讨论的内容是配送中心在批量拣货时所采取的分批策略,根据订单的实际到达情况,选择合适的分批策略,建立合理的订单分批模型,在一定程度上能缩短拣选环节中行走的总距离或时间,提高配送中心的运作效率和服务水平。

在进行研究时,本文重点要解决如下几个问题:

(1)在订单同时到达和订单实时到达的情况下,开发相应的订单模拟生成管理系统。

(2)订单实时到达的情况下,针对配送中心无配送时间约束的特点下,如何制定相应的合理在线订单分批策略,建立合适的数学模型,设计相应的优化算法,将实时到达订单生成拣选批次并分配给员工进行拣选。

(3)订单同时到达的情况下,如何制定相应的合理静态的订单分批策略,建立合适的数学模型,设计相应的优化算法,将订单生成拣选批次分配给员工拣选。

1.2研究意义

在阅读大量的相关文献后,发现在大部分的研究中,一般将订单拣选作业假设在简单的、静态的、确定的仓库环境中进行,这类研究意味着忽视了订单拣选作业中普遍存在的不确定性、动态性以及复杂性。在电子商务的环境下,配送中心面对的客户订单具有批量小、订购频次高、品种丰富和实时到达的特点,并且客户对物流服务也提出了更高的要求,有更快的响应速度,准确无误及时地送达客户手中,所以在动态环境下,设计相应的符合配送中心特性的订单分批优化策略就显得十分重要了。

订单的生成问题在很多研究中都被忽略了,一般是提前设置好,这样做并没有真正模拟配送中心订单的到达情况,在以后的流程中也都是静态的批量处理,本文的研究内容中实现了订单的模拟到达,并设计了订单的生成及管理系统,更符合配送中心的实际情况,具有现实研究意义。

从配送中心实际的角度来看,对订单分批问题的研究有助于提高拣选作业的效率,缩减人工拣选的作业成本和作业时间,从而提高整个配送中心的运作效率,降低物流成本,满足顾客的配送要求,提高顾客满意度,増强市场竞争力,具有一定的借鉴意义。

1.3订单分批国内外研究现状

订单分批是为了提高拣选作业效率按照一定的规则将多张订单合并成一批,其目的是提升拣选设备利用率,缩短分拣时平均行走搬运的距离和时间。订单分批的概念最早是由AckermanK B.在1990年在文献[5]中提出的,Choe and Sharp(1991)[6]提出了订单分批有两个标准:拣选位置的相似度和时间窗。

1、 基于相似的订单分批的研究现状

基于相似的订单分批的原理是根据各个订单中物品存放位置之间的相似性大小来判断是否属于同一个批次,因此基于相似的订单分批的核心问题就是在按照某一规则的前提下,准确计算出订单之间的相似程度。Gademannet al(2001)[7]针对以人工为主的仓库中,建立了以任意一批订单的最大提前期最小化为目标函数的数学模型,采用分支定界法求解订单分批问题。GademannVan De Velde(2005)[8]同样在以人力为主的仓库系统中,研究订单分批的优化目标更具一般性——拣选行走时间最小化,并且已经证明,当一个批次中被拣选订单的个数不唯一时,订单分批问题被定义为一个典型的NP(Non-deterministicPolynomial)问题。Chenand Wu(2005)[9]提出了一种基于数据挖掘和整数规划的订单分批算法,根据订单之间的品项重复程度来测量订单的接近程度,以每批订单之间的关联性最大为优化目标,建立了0-1整数规划的订单聚类模型。

由于订单分批问题是NP难问题,并且在实际的拣货系统中不适合用精确算法,所以大多数的研究人员都利用启发式方法来解决这个问题,在人工拣选系统中,比较常用的有种子算法和节约算法。

种子算法的概念最早是由Elsayed[10]在1981年提出,种子算法分两个阶段形成批次:种子订单的选择和备选订单分配。

您需要先支付 5元 才能查看全部内容!立即支付

该课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找,微信号:bysjorg 、QQ号:3236353895;