基于智能倉儲揀選系統的訂單分批問題研究

文/劉凱 彭玲玲

關鍵字：智能倉儲揀選系統；訂單分批；相似度

前言

隨著電子商務的快速發展以及人工成本的不斷上升，傳統的倉儲物流技術已經越來越難以適應電子商務發展的需要，一種適合電商物流多品種、高頻次、小批量特點的揀選模式——智能倉儲揀選系統應運而生，這是一種半自動化的“貨到人”模式，如亞馬遜在2012年購入了Kiva系統[1]。訂單分批問題是智能倉儲揀選系統中一個重要的環節，合理的訂單分批策略能夠提高系統的揀選效率。

在智能倉儲揀選系統中，訂單分批問題被認為是NP難題，目前關于訂單分批的研究方法有很多。徐宣國等[2]研究了如何實現訂單的批量化處理，盡量減少商品種類的多樣性。張彩霞等[3]提出了節約算法求解訂單分批問題同時提出了物流機器人搬運貨架的次數最少的目標函數；Boysen N[4]指出優化訂單處理過程，對訂單進行排序，能夠有效減少貨架移動次數，進而減少搬運時間；針對智能倉儲揀選系統的作業模式，采用波次揀選的方式，進行訂單揀選作業的研究。最后運用Matlab進行仿真，與訂單隨機分批情況下每批訂單貨架搬運次數和每批的平均相似度進行對比，本文提出的方法能夠有效地提高系統的揀選效率。

問題描述

本文所研究的訂單分批問題可以描述為：對于某一波次的個需要進行揀選的訂單每一個訂單上有多個貨物在不同貨架上，假設每一個貨物只在一個貨架上，將移動貨架相同的訂單，盡量分為一批放在一個揀選臺上進行揀選，從而降低機器人的運行成本。本文是根據如何減少貨架搬運次數，最大化各個揀選臺上訂單的平均相似度之和建立訂單分批模型。

訂單分批問題的數學模型的構建

在智能倉儲揀選系統訂單分批模型中，需要用到的參數和變量如下：

根據上述訂單分批過程及假設，建立訂單分批模型：

約束條件：

目標函數（2）表示極大化每個揀選臺訂單的平均相似度之和；約束條件（3）表示每個訂單被分配到一個揀選臺進行揀選；約束條件（4）表示每一個揀選臺上的訂單數不超過W個并且不少于2個；約束條件（5）表示一種貨物只在一個貨架上；約束條件（6）表示一個訂單上至少有一種貨物；約束條件（7）（8）（9）是變量取值約束。

算法設計

針對訂單分批問題和模型的特點，訂單分批問題為NP難題，很難求出精確解，本文根據完成最大化每個揀選臺訂單相似度之和，設計了啟發式聚類算法。基本步驟包含：1）計算任意兩個訂單之間的相似度；2）確定初始聚類中心；3）確定聚類集合；4）聚類集合更新；5）動態調整。

實驗結果及分析

實驗描述

為了驗證智能倉儲揀選系統訂單分批模型與算法的有效性，在200平米的倉庫進行仿真驗證，該倉庫有120個貨架，共有300種貨物，每一個貨架有4～8種貨物，5個揀選工作站，8個物流機器人，現在假設某一波次的訂單數100，每個揀選臺的最大容量是30個訂單。

圖1 貨架搬運次數對比圖

圖2 各個揀選臺訂單平均相似度之和對比圖

實驗結果分析

為驗證本文提出的訂單分批方法的有效性，選取不同訂單數量50、100、150、200、250，通過仿真驗證與隨機分批方法進行對比。如圖1、圖2所示。

綜上分析，本文所提出的模型與方法能夠有效地解決訂單分批問題，在波次訂單揀選作業中，能夠減貨架搬運次數，最大化各個揀選臺上訂單的平均相似度之和，進而提高系統的揀選效率。

結束語

本文研究了智能倉儲揀選系統的訂單分批問題，可以有效減少貨架搬運次數使得各個揀選臺上訂單的平均相似度之和更大，能夠有效的提高訂單揀選的效率。后續將在考慮訂單分批過程中揀選臺的均衡性問題，將物流機器人搬運貨架的等待時間考慮到整個系統中，使得每個揀選臺負載均衡，最后保證整個系統的揀選效率最高。