基于訂單數據的電商物流中心揀貨模型構建研究*

■ 李艷（重慶師范大學涉外商貿學院）

重慶師范大學涉外商貿學院校級科研項目：大數據背景下電商配送中心智能揀貨策略優化模型研究（項目編號：KY2018002）

重慶市高等教育教學改革研究項目：分類發展下基于產教融合的獨立學院跨境物流人才培養模式研究（項目編號：183037）

各大電商網站數據信息的井噴式增長，客戶通過瀏覽、網購、資料查詢等能夠產生大量的包含客戶信息、商品信息、銷量信息、資金信息等訂單數據。那么，如何從眾多的數據里面去分析客戶的喜好、產品需求預測，從而為電商企業營銷策劃提供依據，就必須依賴大數據。在整個環節中，配送中心揀貨作業的優化情況將影響配送中心的成本和效率，從而影響時效。所以，有必要對電商配送中心揀貨作業進行優化設計。*

為了提高配送中心揀貨效率，可以引進自動化技術，但這通常需要投入大量的資金。為了解決這個問題，就有必要借助AI技術對揀貨作業進行優化，設計科學合理的揀選作業決策模型，運用計算機超強的運算能力和數據分析能力，尋找一種效用最優的揀貨策略，得到效率最優的揀選作業運作流程與決策，提升配送中心物流運作效率。

一、文獻研究綜述

揀選作業作為整個配送中心最重要的作業環節。提高揀選作業效率途徑主要有兩種：一種為采用先進的揀選設備提高了配送中心的作業效率，但會增加揀選的作業成本；另一種為優化揀選作業，從揀選訂單處理、揀選路徑優化、揀選方法決策等方面降低成本，提高作業效率。

通過對國內外對于揀選作業相關研究內容的整理，可以發現，當前研究的重心在訂單分批和揀選路徑優化方面，研究內容及方法模型較多。相對而言，揀選作業方法的選擇決策研究內容較少，并且選擇揀選方式還基本上是通過對以往大量訂單分析，結合EIQ等傳統方法進行揀選方式的決策。同時在分析揀選作業時，考慮的主要因素多為訂單特點、客戶需求、移動距離、作業成本、作業時間等。很少會從成本及時間兩個維度去設計最優的揀選作業。

圖1 訂單分類

二、電商配送中心揀貨優化模型構建過程

（一）揀貨方式的選擇

影響揀貨方式選擇的因素主要有訂單商品數量和訂單商品重復率（也稱為商品的關聯性），同時和客戶收貨時間有關。

1.訂單分類

主要根據訂單里面商品數量的多少來對訂單進行分類。一般的配送中心零售商都有大型和小型之分，考慮到大型零售商的訂單的訂貨數量都比較多，而小型零售商的訂單訂貨數量均比較少，如果一起揀選的話增加揀貨難度。所以先進行訂單分類，具體如圖1所示。

2.選擇揀貨方式

先進行商品關聯性分析，考慮根據產品重復率、訂單重復率和標準線K值選擇揀貨方式。關聯規則測度指標主要考慮支持度和置信度。訂單按照大小零售商進行分類之后，然后根據訂單里面的產品重復率來安排儲位和選擇揀貨方式。在關聯規則挖掘算法中，主要依據Apriori算法。

算法的過程由生成項集、生成規則兩步進行：第一步尋找滿足支持度要求的項集；第二步由所有符合要求的項集生成候選規則，最終從候選規則中篩選出滿足支持度和置信度要求的規則。

判斷商品相關性分為三步進行：第一步設定最小支持度與最小置信度；

圖2 訂單重復率線和標志性K的確定圖

第二步計算每一種組合的支持度，將每種組合的支持度與我們設定的最小支持度相比，不符合要求的組合不再考慮；第三步將符合支持度要求的組合進行雙向置信度的計算，計算所得結果與我們設定的最小置信度相比，如果都滿足，則這個組合內的商品具有相關性。

（1）設定最小值。通常置信度≧0.4，支持度＞0.03。

（2）計算并找出滿足支持度要求的商品組合。例如，有W1和W2兩種商品，其中W1，W2同時出現在總訂單中的頻次為P，含有兩種及以上商品種類的訂單總數為Z，則：W1和W2商品的支持度：P/Z。

3.計算時間和成本

帶入時間和成本模型計算相應揀貨方式下的時間和成本。具體方法見時間成本模型構建板塊。具體流程如圖2所示。

（二）緊急訂單處理

由于市場不確定因素的影響，零售商會向配送中心緊急訂貨，這類訂貨到發貨要求時間短，訂貨數量也難以確定。物流成本和時間往往存在效用背反，所以一般會考慮訂貨商的客戶等級和訂單特點，也或者向訂貨商多收取費用或增加訂貨數量等，減少自己的損失，針對這些緊急訂單處理方法如下圖3。

圖3 緊急訂單處理方式

（三）時間和成本約束條件下揀貨策略模型構建

在揀貨過程中，常運用以下組合策略，如圖4所示。

圖4 揀貨策略運用組合圖

本模型構建時可以結合配送中心實際情況采用工作分區、訂單分割和訂單智能分批策略，從而對揀貨路徑進行優化。

（四）效用函數

在規定時間限制下得到不同揀選方式的成本和時間，為了對比成本和時間的差異性，分別對成本和時間進行了歸一化處理，從而構建效用函數。效用函數為最小值時是最優的結果，從而推出相應的揀選方式及成本、時間。分析過程如圖5。

圖5 效用函數分析過程

三、結論

綜上所述，本文解決了三個關鍵問題：一是引入智能決策模型，通過反復大量的計算比較得出最優解；二是產品、訂單重復率的計算和標準線的循環確定問題；三是基于作業分區和訂單分割的效用函數模型構建。模型設計時，考慮時間及成本兩個重要指標，改善指標類型單一的問題。最終使模型既能有效對現有需要處理的訂單進行分析得到合理的揀選方法，在具體運用時可以結合企業實際要求達到時間和成本兩方面的最優效率。同時，模型考慮不同揀選區域，可以達到較優的揀選路線。因此，研究具有較高的理論研究價值和實踐意義。