浅谈如何提高配送中心拣货效率——以TM仓为例

近年来随着电子商务的不断发展,TM超市等线下商超仓业务也应运而生,且在不断发展壮大中,但总体成本较高,收益提速较缓,其中人力成本占了较大部分。为促进其健康持续发展,人力成本控制迫在眉睫,而效率的提升至关重要。本文就如何提高拣货效率从人力、人效、展开了研究,以了解得出促进TM超市发展的方法。

电动移动式货架作业效率仿真分析

电动移动式货架具有节省空间的优点,可用于存货品种少、存储容量大的工业仓库中。为探讨仓库作业效率与存储能力之间的冲突是否限制移动式货架的使用问题,文章以某医药行业电动移动式货架为例进行了仿真分析。基于Witness的仿真模型对5类不同场景的分析表明:库内存在较为严重的拥堵和排队,其严重程度与拣选策略和货位分配有关;低SKU及低频作业品项可能决定整个仓储系统的作业效率。

基于Arena的邮政物流拣货策略仿真建模研究

邮政物流业发展迅速,但成本控制仍有所欠缺,仓储物流各作业环节需要提高运作效率来节约成本,拣货作为核心环节其效率与物流成本息息相关,而拣货策略的选择直接关系到拣货效率。本文重点对单一订单、订单分批两种拣货策略对作业效率的影响进行了研究,以邮乐网某物流仓库的拣货作业为例,使用Arena软件进行了仿真建模,通过对仿真数据的分析得出了不同场景下最优的拣货策略。

ABC分拣效率的数学模型

一、引言在研究及调查物流KPI 时,发现了一对差异非常大的数据,由此引发了深入探讨为什么ABC分拣是高效的兴趣。在早期研究物流KPI 时,曾经看到这样的数据:拣货员的一个拣货动作,用时 1．1秒,而这一拣货动作规定的考核指标是0．8秒。

穿越策略下考虑相关性的货位优化方法

为研究品项相关性对拣货效率的影响规律,通过分析穿越策略下分区分批拣货时品项间相关性关系的特点,以批次拣货时间最短为目标建立了货位指派优化的数学模型,提出基于品项相关性的货位指派优化算法(SASC_C),该算法以COI法解为初始解,通过货位逐次变换策略将相关性强的品项尽可能的指派到尽可能少的巷道中来提高拣货效率.算法测试结果表明:SASC_C算法的收敛速度明显快于不考虑相关性的随机型算法(SASR);求解质量平均改进约1.06%～10.6%,比COI法的解平均改进0.73%～14.6%;相关性强度越高,改进效果越明显;在穿越策略下,改进效果随访问巷道数的增多而减弱.充分利用品项间的相关性关系进行货位优化,有利于提高穿越策略下的拣货效率.

基于相关性的周期性货位优化的模型与算法

传统的货位优化方法没有充分利用库存量单位(Stock keeping units,SKUs)之间的相关性关系。以一种存在相关性需求的'波次分区拣货、整体补货'的周期性环境为对象,以最小化最大的分区拣货时间为目标建立货位优化的数学模型,提出相关性强度的概念和计算方法,设计出基于相关性的货位指派算法(Storage allocation based on correlations,SABC)和不考虑相关性的随机货位指派算法(Storage allocation based on random,SABR)算法,SABC算法以体积—订单指数(Cube per order index,COI)法则的解为初始解,通过定量化的'相关性位置交换策略'将相关性强的'SKUs对'指派到相近的货位中来提高拣货效率。测试结果表明:SABC算法具有较好的收敛性,其收敛速度明显优于SABR算法,求解质量比COI法平均改进约7.6%～25.1%,比SABR算法平均改进约1.36%～14.50%;需求相关性强度越高,拣货效率提升潜力越大。