基于智能仓储拣选系统的订单分批问题研究

文/刘凯 彭玲玲

关键字：智能仓储拣选系统；订单分批；相似度

前言

随着电子商务的快速发展以及人工成本的不断上升，传统的仓储物流技术已经越来越难以适应电子商务发展的需要，一种适合电商物流多品种、高频次、小批量特点的拣选模式——智能仓储拣选系统应运而生，这是一种半自动化的“货到人”模式，如亚马逊在2012年购入了Kiva系统[1]。订单分批问题是智能仓储拣选系统中一个重要的环节，合理的订单分批策略能够提高系统的拣选效率。

在智能仓储拣选系统中，订单分批问题被认为是NP难题，目前关于订单分批的研究方法有很多。徐宣国等[2]研究了如何实现订单的批量化处理，尽量减少商品种类的多样性。张彩霞等[3]提出了节约算法求解订单分批问题同时提出了物流机器人搬运货架的次数最少的目标函数；Boysen N[4]指出优化订单处理过程，对订单进行排序，能够有效减少货架移动次数，进而减少搬运时间；针对智能仓储拣选系统的作业模式，采用波次拣选的方式，进行订单拣选作业的研究。最后运用Matlab进行仿真，与订单随机分批情况下每批订单货架搬运次数和每批的平均相似度进行对比，本文提出的方法能够有效地提高系统的拣选效率。

问题描述

本文所研究的订单分批问题可以描述为：对于某一波次的个需要进行拣选的订单每一个订单上有多个货物在不同货架上，假设每一个货物只在一个货架上，将移动货架相同的订单，尽量分为一批放在一个拣选台上进行拣选，从而降低机器人的运行成本。本文是根据如何减少货架搬运次数，最大化各个拣选台上订单的平均相似度之和建立订单分批模型。

订单分批问题的数学模型的构建

在智能仓储拣选系统订单分批模型中，需要用到的参数和变量如下：

根据上述订单分批过程及假设，建立订单分批模型：

约束条件：

目标函数（2）表示极大化每个拣选台订单的平均相似度之和；约束条件（3）表示每个订单被分配到一个拣选台进行拣选；约束条件（4）表示每一个拣选台上的订单数不超过W个并且不少于2个；约束条件（5）表示一种货物只在一个货架上；约束条件（6）表示一个订单上至少有一种货物；约束条件（7）（8）（9）是变量取值约束。

算法设计

针对订单分批问题和模型的特点，订单分批问题为NP难题，很难求出精确解，本文根据完成最大化每个拣选台订单相似度之和，设计了启发式聚类算法。基本步骤包含：1）计算任意两个订单之间的相似度；2）确定初始聚类中心；3）确定聚类集合；4）聚类集合更新；5）动态调整。

实验结果及分析

实验描述

为了验证智能仓储拣选系统订单分批模型与算法的有效性，在200平米的仓库进行仿真验证，该仓库有120个货架，共有300种货物，每一个货架有4～8种货物，5个拣选工作站，8个物流机器人，现在假设某一波次的订单数100，每个拣选台的最大容量是30个订单。

图1 货架搬运次数对比图

图2 各个拣选台订单平均相似度之和对比图

实验结果分析

为验证本文提出的订单分批方法的有效性，选取不同订单数量50、100、150、200、250，通过仿真验证与随机分批方法进行对比。如图1、图2所示。

综上分析，本文所提出的模型与方法能够有效地解决订单分批问题，在波次订单拣选作业中，能够减货架搬运次数，最大化各个拣选台上订单的平均相似度之和，进而提高系统的拣选效率。

结束语

本文研究了智能仓储拣选系统的订单分批问题，可以有效减少货架搬运次数使得各个拣选台上订单的平均相似度之和更大，能够有效的提高订单拣选的效率。后续将在考虑订单分批过程中拣选台的均衡性问题，将物流机器人搬运货架的等待时间考虑到整个系统中，使得每个拣选台负载均衡，最后保证整个系统的拣选效率最高。