电子商务环境下并行分区拣选系统的订单合并优化研究

摘要

传统仓储操作中，人工订单拣选系统成本占仓储总成本的55％以上，而电子商务环境下，日订单量可达十几万单，且订购的商品种类繁多。为提高订单拣选系统效率，从拣选环节加快订单配送速度，本文针对电子商务环境下的订单拣选系统展开研究。考虑到订单合并策略和分区拣选策略对提高拣选系统效率有效性更高，本文主要研究并行分区拣选系统的订单合并优化问题。当前订单合并策略可分为以下五种:优先规则算法、种子算法、节约算法、数据挖掘算法和启发式算法。由于传统种子订单没有从全局考虑订单间的相似性，本文首先分析了基于相似度聚类的订单合并问题，借用种子算法中合并订单规则其中的一个系数——最大相同通道数，构建基于相似度的订单合并模型，从全局最优的角度依据相似度系数进行订单合并规则构建，最终求得订单合并批次结果;针对并行分区的订单合并问题，研究主要针对分区拣选的数量、大小、存储商品数等因素对拣选系统效率的影响。虽有学者提出工作量均衡对分区拣选策略的重要性，但当前多采用商品合理分配的方法在规划期解决该问题。本文从实际操作角度，构建最小化整体的工作量和平衡各个分区的工作量的订单合并模型，并采用双目标遗传算法进行模型的求解。
　　本论文的主要研究内容如下:
　　(1)从电子商务物流出发，通过对运作流程的梳理，说明订单拣选作业在电子商务物流中的重要作用;同时总结了订单拣选中可能存在的优化问题，包括分拣系统的设计、仓库布局的优化、分拣作业方式和拣货路径策略;最后归纳了当前较常见的几种订单拣选路径策略。
　　(2)对传统单区型布局拣选系统的订单合并策略进行了定义，并介绍了以最小化总体行走距离的通用订单合并模型;将聚类的思想引入到订单合并问题中，借鉴种子算法的最大相同通道系数为聚类相似性系数，构建了基于相似度聚类的订单合并优化模型;采用改进种子算法构建基于相似度的订单聚类规则，从全局的角度搜索相似度较高的订单，每次进行订单合并时，都选取订单集合中相似度最高的两个订单;最后在五种不同的订单环境下，基于四种评价指标，将聚类规则与种子算法、先来先服务算法进行比较分析，说明了模型和算法的有效性。
　　(3)在对单区型布局拣选系统研究基础上，对并行分区拣选系统的特征及运作流程进行分析，说明工作量均衡在并行分区拣选系统运作中的重要性;分析了订单完成总时间和各分区工作时间的特点，构建并行分区拣选时间序列模型;考虑到分区工作量均衡对拣选系统的重要性，构建最小化订单完成总时间和各分区工作时间标准差的双目标订单合并模型;采用双目标遗传算法求解此模型，通过基于排序的表现矩阵计算染色体的适应度，并依据染色体的适应度大小和种群整体性能的比较确定其交叉和变异的概率，保持种群的多样性，并控制种群向优解的方向进化。最后在三种不同的订单环境下，将结果与不考虑分区工作量均衡的单目标遗传算法做了比较分析，说明模型在平衡分区工作量上的有效性。
　　本文针对电子商务环境下的并行分区拣选系统的订单合并问题，分别考虑将相似性聚类和分区工作量均衡等因素引入订单合并模型中，提高电子商务订单拣选效率，有利用提高员工的工作积极性和公平感。研究可以为仓储管理部门提高订单处理速度提供决策支持，为仓储配送中心更人性化的管理方式提供指导思路。