随机存储机制下基于引力模型的订单波次划分方法的研究

研究仓储中心随机存储机制下订单波次划分问题时,创新性地将引力模型应用到波次划分模型中,以波次内不同储位商品之间的引力大小衡量订单之间的相似度,从而进行订单的波次划分,然后运用遗传算法对该模型进行求解。并从实证的角度出发,将求解得出的方案与传统的基于订单聚类划分的方案进行对比,发现在都采用S型拣选策略的情形下,所提出的基于引力模型构建的波次划分方案的拣货路径更短,拣货效率更高。

“货到人”订单分批拣选作业优化研究

由于传统的“人到货”订单拣选方式存在效率低、成本高等问题,无法满足仓储物流高效快捷的订单拣选作业模式。因此,“货到人”订单拣选系统得到了迅速发展。订单分批作为优化订单拣选作业的方法之一,如何实现合理有效的订单分批,提高订单拣选系统整体运作效率是研究的重点。以最小化货架搬运总次数为目标建立订单分批数学模型,采用订单相似度和萤火虫算法的联合优化方法实现订单分批。通过在Matlab软件上进行多组实验,验证了所提出模型和优化方法的有效性,与按单拣选所需货架搬运次数相比,订单拣选作业优化效果显著。

AGV“货到人”拣选系统的移动货架选择方法

基于自动导引车(AGV)的“货到人”拣选系统,各品类商品可以拆零存放在不同货架上,同一货架也可以存储多种商品,货架的位置也是随机移动的。面对待拣选的订单,选择哪些货架移动到拣选台,以满足订单的品类和数量要求,并最小化选取移动货架个数,是此类型仓库需要解决的关键问题。针对该问题,文章提出基于订单相似度进行订单分批,再通过线性递减权重的粒子群算法来优化移动货架选择解。由于移动货架的优化问题是NP-hard问题,线性规划求解器难以求解,实验结果表明,与线性规划求解器Lingo相比,文本的两阶段移动货架选择方法是有效的,可以在短时间得出求解方案,大大提升了求解效率。敏感性分析进一步揭示了批次数量、品类数量、货架数量以及订单数量,对搬运货架次数的影响,为管理者提供了决策依据。