多出/入口仓库的货位优化研究

在“人到货”多出/入口仓库货位优化问题中,为了减少库内整体作业时间,提高拣选效率,基于多维标度分析算法(dimensional scaling analysis algorithm,MDS)与峰值聚类算法(peak clustering algorithm,DPC),提出以货品相关性为基础的货位优化方法。首先通过历史订单数据进行分析获得货品相关度矩阵,并利用多维标度分析算法对相关度矩阵进行数据处理,在仓库实际情况下确定合适数量聚类簇后,采用峰值聚类算法将相关性高的货品聚类形成一个具有高相关性货品集合,再据货品集合优化存储区域。最后,通过实际案例进行分析,比较本文存储策略与原始存储策略在跨区域拣选条件下订单平均拣选距离,并通过本文优化策略与随机策略在相同规模订单情况下比较验证,结果显示,本文策略比随机策略优化平均优化24.56%,有效地提高了订单拣选效率。