货到人作业模式下的货位优化研究

摘要

随着仓储设备自动化、智能化程度的提高，货到人作业模式正逐步发展为仓储配送的主流拣选模式。基于可移动式货架的货到人拣选模式通过AGV搬运、人工拣选的方式将货物快速拣选出库，节约了劳动力。在仓储配送作业中，订单拣选是最为重要的流程，其时间占总作业时间的40％以上，成本占总运营成本的65％以上，因此合理优化拣选作业能够提高仓储配送的效率。货位优化作为订单拣选的基础，通过将货物指派到合适的储位减少拣选时间，是改善仓储作业效率常用的方法。
　　因此，本文以货到人作业模式为背景，针对货位分配多以最大化同一货架内品项相关性为目标而忽略了货架相关性的问题，根据AGV小车的作业特点，对应用AGV小车进行拣选作业的配送中心进行货位优化研究，旨在通过设计合理的货位优化方法提高拣选效率。本文主要的研究内容和成果如下:
　　首先，分析货到人作业模式的特点，根据品项的订购频次和相关性进行聚类，以货架的存储位数为阈值划分品项簇，使订购频次高且相关性强的品项划为一簇;为将品项簇指派到合适的货架，在传统仓储布局（有/无交叉通道的仓储布局）、Fishbone仓储布局中建立以最小化拣选路程为目标的货位优化模型;
　　其次，根据AGV小车的作业特点，应用考虑品项订购频次的订单体积指数(COI)方法求解货位优化问题;设计不考虑货架相关性的禁忌搜索(TS)算法求解货位优化模型，算法采用随机交换货架的方式调整货位;在TS算法的基础上设计基于货架相关性的禁忌搜索(TS SC)算法，算法根据货架相关性强度，采用货位交换策略将相关性强的货架就近摆放，减少AGV小车去往下一个货架的行走路程;
　　最后，应用算例对所建模型和算法进行分析。模拟生成一批订单，根据订单信息进行聚类，应用TS算法和TS_SC算法求解货位优化模型测试算法性能，测试表明TS_SC算法比TS算法具有更优的收敛速度和寻优能力;实验设计不同订单数量和货架存储位数的测试组合，比较应用COI方法和TS_SC方法得到的货架搬运次数和拣选路程，实验表明TS_SC方法的改善效果更加显著;在三种仓储布局中，设计指派多组不同品项数量的货位优化实验，结果表明Fishbone布局比传统仓储布局的面积利用率和拣选效率更高。

目录

声明

摘要

1 绪论

1．1 研究背景及意义

1．1．1 论文研究的背景

1．1．2 论文研究的意义

1．2 国内外研究现状

1．2．1 国外研究现状

1．2．2 国内研究现状

1．3 研究内容及技术路线

1．3．1 研究内容

1．3．2 研究技术路线

1．4 本章小结

2 货位优化相关问题

2．1 仓储布局

2．1．1 传统仓储布局

2．1．2 新型仓储布局

2．2 存储策略

2．3 分配原则

2．3．1 基于周转率

2．3．2 基于相关性

2．4 作业方式

2．4．1 单指令循环

2．4．2 双指令循环

2．5 本章小结

3 货位优化模型

3．1 拣选环境描述

3．1．1 拣选设备

3．1．2 拣选模式

3．2 基于订购频次、品项相关性的品项聚类

3．2．1 关联规则挖掘

3．2．2 基于Apriori算法的品项聚类

3．2．3 算法编译

3．3 传统仓储布局的货位优化模型

3．4 新型仓储布局的货位优化模型

3．5 本章小结

4 货位优化算法

4．1 订单体积指数(COI)法

4．2 不考虑货架相关性的禁忌搜索(TS)算法

4．2．1 算法思想

4．2．2 算法设计

4．3 基于货架相关性的禁忌搜索(TS_SC)算法

4．3．1 算法设计

4．3．2 算法优点

4．3．3 算法编译

4．4 本章总结

5 算例分析

5．1 算法性能

5．1．1 订单生成

5．1．2 聚类结果

5．1．3 性能分析

5．2 相关性的影响

5．2．1 货架搬运次数

5．2．2 拣选路程

5．3 不同仓储布局的比较

5．4 本章总结

6 总结与展望

6．1 研究总结

6．2 研究展望

参考文献

致谢

攻读硕士学位期间发表的学术论文