人工拣选作业中订单分批处理研究综述
分拣系统及分拣机的设计和应用综述---精品管理资料
分拣系统及分拣机的设计和应用综述摘要：随着《2016—2020年全国电子商务物流规划》的颁布，到2020年基本形成布局完善、结构优化、功能强大、运作高效和服务优质的电商物流体系，信息化、标准化、集约化发展取得重大进展，先进物流装备、技术在行业内得到广泛应用.其中，提升物流设施设备智能化水平是重要任务，随着近年来人工成本的快速上升，对智能分拣系统等信息化产品需求增加，本论文对分拣系统和分拣机的研究进行简单的总结和归类，以便未来更好的研究分拣技术.1 分拣系统的设计随着人们对网络购物越来越青睐，电子商务已经进入了一个高速发展的时期，为了配合市场发展的趁势，国内很多企业都在积极建设自有的电商物流系统,比如知名的电商企业阿里巴巴和京东.对于物流系统而言，最具核心价值的环节就是它的配送中心。
配送中心承担着衔接上游供应商与下游客户，实现高效地物品流通服务的重要责任，配送中心布局如果直接应用于电商的配送中心,可能会不太适用。
配送中心的仓储和分拣都要占据大量的空间，包括商品存储的货架，分拣缓存区和补货区等，所以，合理设计和布局分拣系统是至关重要。
订单量巨大时,为保证客户满意度，还要尽快完成订单的分拣配送，所以对配送中心的效率要求也会很高.Gray等［1］综合了成本与拣选效率方面的需求，提出一种多级分层模型，求解拣选系统中涉及到的拣货区数量、品项分配及订单分批等配置优化问题.Le Du等［2]建立了一种混合整数规划模型，对分区拣选策略下的人工拣选系统涉及到的品项分配及拣选顺序问题进行求解.该模型以订单处理总时间最短为优化目标。
与此同时，文章还分析了拣货区数量对订单处理总时间的影响,若减少拣货区的数量，会增加系统中的拣货人员行走距离，但同时也能够减少子订单的合流时间，考虑到这种互相影响互相制约的情形，指出了寻求拣货区数量平衡点的方式。
Guenov等[3］在分区拣选的策略下,研究了AS/RS系统的拣货区形状.以AS /RS系统可以划分为三个拣货区为前提，按照拣选量将所有品项分为A，B,C三类。
B2C电商配送中心订单分批及拣选路径优化研究
B2C电商配送中心订单分批及拣选路径优化探究一、引言电子商务的快速进步带动了B2C电商配送中心的迅速崛起，使商品的配送成为物流领域中不行轻忽的问题。
在B2C电商配送中心中，订单的分批及拣选路径的优化直接干系到物流效率的提高。
因此，对于订单的分批及拣选路径的优化进行深度探究具有重要意义。
二、B2C电商配送中心订单分批方法订单分批是指依据一定的规则，将具有相同属性的订单进行分组。
常见的分批方法包括按照订单的货物属性、订单的地理位置、订单的时效要求等进行分批。
通过订单分批，可以缩减物流拣选的时间和成本。
三、B2C电商配送中心拣选路径优化方法拣选路径优化是指依据一定的规则，将订单在仓库内的拣选路径进行优化，以缩减拣选时间和提高拣选效率。
常见的拣选路径优化方法包括最短路径算法、遗传算法、模拟退火算法等。
本文将重点介绍基于遗传算法的拣选路径优化方法。
四、基于遗传算法的拣选路径优化方法遗传算法是一种模拟自然进化过程的优化算法。
通过模拟自然界的选择、交叉和变异等操作，寻找最优解。
在B2C电商配送中心订单拣选路径优化中，可以将拣选路径看作是遗传算法中的个体，通过变异和适应度函数的评估，不息寻找最优的拣选路径。
五、试验验证及结果分析本文通过对某B2C电商配送中心的订单数据进行试验，验证了基于遗传算法的拣选路径优化方法的可行性和有效性。
试验结果表明，相较于传统的拣选路径，基于遗传算法的拣选路径可以显著缩减拣选时间和提高拣选效率。
六、结论本文通过对B2C电商配送中心订单分批及拣选路径优化的探究，提出了一种基于遗传算法的优化方法。
通过试验验证，结果表明该方法可以显著提高物流效率。
在实际应用中，可以依据详尽状况对该方法进行进一步优化，以应对日益增长的电子商务配送需求基于遗传算法的拣选路径优化方法在B2C电商配送中心订单拣选中具有可行性和有效性。
通过对某电商配送中心的订单数据进行试验验证，我们发现该方法相较于传统的拣选路径可以显著缩减拣选时间和提高拣选效率。
配送中心拣货作业中的订单分批策略研究
采 用分批拣 货方式 时， 如何决定 订单分批 的原 则、 批量 大
小等 ， 就需要确定订单分批 的策 略。本文在对各种订单分批 方
式和策 略进行 简要舟绍的基础上， 点对 目前配送 中心用得 较 重
（． ｃａ ｉ ｌＥ ｇｎｅｉ ｃ Ｅｏ Ｉ Ｍｅｈｎｃ ｎｉｅｒ ｇ ｓ 。 ｆ如ｎ ａ ｎ 曲 Ｐ ｔ ｌ ｃ ｎ ｅｓｙ ｉ ｚｏ ３ １ ２ Ｃｉｏ ｅｒｅ ｎ Ｕ ｉ ｒｉ，Ｊ￣ ｈ ｕ４ ４ ０ ， ｈｎ； ｏｕ ｖ ｔ ｒ
ＺＭ ｅ ｈ ￣ ．ｌＥｎ ｉ ｅ ｒ ｇ Ｓ ｆ ￣ｆ ｃ ａ ａ ｇ ｎ ｅ ｉ ｅｕｏ ｎ Ｕｓ Ｂ Ｂ Ｔ ，ｅ １ ０ ８ ， ｈｎ ， ０ ０ ３ Ｃ ｉ ａ ．
［ 摘 要】 针对配送中心采取批量拣货时首先必须解决 的订单分批 问题 ， 升绍 了订单分批 的四种方式及分批策略。同时针 对固定时窗分批的不足 ， 出了时窗大小的动态设计方法 。 提 ［ 关键词】配送 中心： 货 订单分批 ｔ 拣 分批策略 ［ 中图分类号】 Ｆ １． ７５ ６ 【 文献标识码】Ａ 【 文章编号】 １０ － ５ Ｘ（０ ２ ０ － ０ １Ｏ ０ ５ １２ ２ ０ ） ４４ ３－ ３ ） －
１引言
的储 存单位 也可以单纯化 ， 但需要有功能强大 的分类系统来支
业 效 率而 把多张 订单 集台成一 批 ， 行批次拣 取作业 ， 目的 是缩 进 其 短拣取 时平均行走搬运的距离和时间 若再将每批次 订单中的
同一 商品品项加 总后 拣取， 然后再把货 品分类给每 一个顾客订
维普资讯
现代企业仓库管理--拣货作业法分析
现代企业仓库管理--拣货作业法分析现代企业仓库管理是一个复杂的系统工程，其中拣货作业法是仓库管理中非常重要的环节之一。
拣货作业法是指在仓库中根据订单要求，从库存中挑选出所需物品的一种操作方式。
通过合理的拣货作业法，可以提高仓库的效率和准确性，降低人力和物力的消耗成本。
在现代企业仓库管理中，主要有以下几种拣货作业法：1. 手工拣选法：这是一种传统的拣货作业法，主要依靠人工的方式进行。
拣货员根据订单要求，从库存区域中手动挑选出所需物品，然后放入到相应的容器或拣货车中。
这种方式简单直观，适用于小规模的仓库，但是效率较低且容易出错。
2. 手持终端拣选法：这种方式是基于现代技术的升级版，拣货员通过手持终端设备，实时获取订单信息和库存信息，然后按照系统提示进行拣货作业。
这种方式更加高效和准确，能够提高仓库的工作效率和准确性，但是需要一定的技术支持和投入。
3. 自动化拣选法：随着技术的不断进步，自动化拣选法逐渐应用于现代企业的仓库管理中。
自动化拣选法主要依靠自动化设备，如自动分拣机、自动导航小车等，通过系统指令和设备操作自动实现拣货作业。
这种方式效率极高且准确性更高，能够在短时间内完成大量订单，但是需要较高的投资和技术支持。
无论采用哪种拣货作业法，都需要建立完善的仓库管理系统，并与企业的库存管理和订单管理系统进行有效的对接。
同时，还需要制定合理的作业流程和标准化操作规范，对拣货员进行培训和考核，以确保拣货作业的高效和准确。
总之，拣货作业法在现代企业仓库管理中起着至关重要的作用。
通过合理选择和优化拣货作业法，可以提高仓库管理的效率和准确性，提升企业的竞争力和客户满意度。
随着技术的发展，自动化拣选法将成为未来仓库管理的趋势，但是在实际应用中还需要根据企业的实际情况和需求进行选择和调整。
现代企业仓库管理的拣货作业法是一个复杂而关键的环节，它直接影响着仓库运作的效率和准确性。
在拣货作业过程中，需要准确地根据订单要求，从仓库的库存中挑选出所需的物品，并按照规定的方式进行整理、包装和配送。
订单寻仓与分批拣选联合调度问题研究
订单寻仓与分批拣选联合调度问题研究Research on joint scheduling problem of urder allocation and batch picking冯辰吉，苌道方，宋 鑫，范雨涵FENG Chen-ji, CHANG Dao-fang, SONG Xin, FAN Yu-han（上海海事大学 物流科学与工程研究院，上海 201306）摘 要：传统订单履行方式在客户的集中购物场景下，订单拆分情况频发，仓库拣选作业繁重。
为了提高订单履行整体效率，将订单寻仓与分批拣选问题联合调度，建立以最小化订单履行成本和仓库拣选路径长度为目标的多目标数学模型，并设计了三阶段启发式算法。
与传统算法和遗传算法对比，提出的算法能能够有效提升拣选效率，并在一定情况下降低订单履行成本。
关键词：订单寻仓；分批拣选；联合调度；启发式算法 中图分类号：F502；O221.7 文献标识码：A 文章编号：1009-0134(2020)11-0075-07收稿日期：2019-07-13作者简介：冯辰吉（1995 -），男，江苏扬州人，硕士，研究方向为物流系统优化。
0 引言随着电商的发展，网购已经成为大众主要的购物消费方式之一。
企业为了吸引客户流量，提高商品销量，频繁开展促销活动，订单的数量和规模都急剧增加。
当库存水平降低，单个仓库越来越难以满足订单需求，导致订单拆分情况频繁发生。
大量的订单分配到仓库后，导致仓库拣选作业量繁重，订单履行时间变长。
订单的拆分和订单履行时间的延长不仅增加了物流成本也降低了客户满意度。
仓库作业是订单履行的主要落地场景，订单拣选又是最耗费人力和时间的环节，影响到整个仓库的作业效率以及作业成本。
目前，仓库订单拣选普遍采用的方法之一为分批拣选。
因此，将订单寻仓和订单分批问题联合优化能够提升仓库作业效率，降低订单履行成本，从而提升订单履行整体效果。
针对电商订单履行中的订单寻仓问题，国外学者对降低订单履行过程中的拆单率做了较多研究。
基于聚类分析的订单分批优化方法研究
摘要电子商务的快速发展使得传统零售的销售模式逐渐从B2C转化为C2M模式。
因此，带来的大量小件订单对仓储物流的运营能力提出了更高的要求。
在以“人到货”为作业方式的仓储企业中，分拣时间占整个仓储作业时间的45%。
所以，拣选作为仓储物流业务的关键环节，其工作效率对电子商务企业运营和服务水平具有重要影响，从提高拣选作业的效率出发进行货位分配与订单分批的研究显得尤为重要。
仓储集中化是目前电商物流提高仓储物流的常用库存管理模式。
在仓储集中化管理中，研究有效的分区策略，更能利用仓储集中化的优势。
论文分析选择了并行分区运营模式，建立了以误工率最小为目标的货位分配模型，结合关联规则计算出货品的关联度，进行货位分配的优化方案设计。
针对并行分区分拣系统缩短拣货时长的需求，研究了订单分拣策略，以分批策略为指导完成订单拣选作业流程。
针对不同分区拣货完成时长的巨大差异导致的订单处理时间过长的实际问题，构建基于定量订单集的、以处理时间为目标函数、以订单分割、设备资源等为约束条件的订单分批数学模型。
针对分批模型中对工作量的均衡要求，将DBSCAN算法和到K-Means算法结合对分批模型进行求解，得到最佳的订单分批结果，将结果代入建立的订单分批优化数学模型求解得出最短用时的订单集。
基于真实环境和实例数据对建立的订单分配分批模型进行了验证，对并行分区货位优化分配策略和随机策略的货位分配对订单分批的影响进行了比较分析，评价分析了基于密度的K-Means聚类和传统K-Means算法对订单分批的结果。
实验结果表明针对并行分区分拣系统，在大数据集的情况下，基于密度的K-Means聚类算法能够减少拣选设备、人员以及分批数目，同时使订单拣选完成时间更短，综合利用储位优化策略的基础上有效缩短拣货行走距离和时间，并平衡各拣货分区工作时长，提高仓储物流运作效率。
关键词：并行分区，聚类算法，货位优化，订单分批AbstractWith the rapid development of e-commerce, the sales model of traditional retail is gradually transformed from B2C to C2M. The size of the orders becomes small, but the number is huge. What puts forward higher requirements for the operational capacity of warehousing logistics. In the warehousing enterprises with manual work, the sorting time accounts for 45% of the whole operation time. The ratio indicates that as the key process of warehousing logistics, sorting efficiency has an important impact on the operation and service level of an e-commerce enterprise. Therefore, it is particularly important to study the storage assignment and the order batching to improve the efficiency of the picking operation.Warehousing centralization is a common inventory management mode to improve warehousing logistics. Under the condition, the research and analysis of effective zoning strategy make the warehousing centralization more effective. This paper chooses the parallel zoning operation mode, establishes the allocation model of goods location with the objective of minimizing the rate of tardy job, calculates the degree of association of goods by using association rules, and realizes the optimal design scheme of storage assignment.The order batching strategy is studied under parallel partition sorting. Aiming at the actual problem of long order processing time caused by the huge difference of picking completion time in different zones, a mathematical model of order allocation based on quantitative order was constructed. The model takes processing time as objective function, and taking order segmentation and equipment resources as constraints. Aiming at the problem of workload balance in batch model, DBSCAN algorithm and K-Means algorithm are combined to solve the batch model, and the optimal batch result is obtained. The result is substituted into the mathematical model of order allocation and the optimized order set with the shortest time.The model of order allocation and batching is validated based on real environment and case data. The effects of parallel partition optimal allocation strategy and random strategy on order batching are compared and analyzed. The results of density-based K-Means clustering and traditional K-Means algorithm on order batching are evaluatedand analyzed. The experimental results show that the parallel partition sorting system is effective. In the case of large data sets, K-Means clustering algorithm based on density can make full use of picking equipment and personnel to reduce the number of batches, shorten the order picking completion time, and effectively shorten the picking distance and time on the basis of comprehensive utilization of storage location optimization strategy, improve the operational efficiency of warehousing logistics.Key words:parallel partitioning, clustering algorithm, storage assignment, order batching目 录第1章绪论 (1)1.1 课题研究背景及意义 (1)1.2 国内外研究现状 (2)1.2.1 货位分配研究现状 (2)1.2.2 订单分批策略与智能算法应用现状 (3)1.3 论文研究主要内容及结构 (6)1.3.1 主要研究内容 (6)1.3.2 技术路线及组织架构 (6)第2章订单拣选及聚类分析相关理论 (9)2.1 拣选作业流程 (9)2.1.1 分区拣选策略 (9)2.1.2 订单分批策略 (11)2.1.3 拣选路径优化 (12)2.2 货位优化与关联规则算法 (14)2.2.1 货位优化 (14)2.2.2 关联规则算法 (15)2.3 聚类算法理论及分析 (16)2.3.1 DBSCAN算法 (17)2.3.2 K-Means算法 (19)2.4 本章小结 (20)第3章基于关联规则的并行分区货位优化研究 (21)3.1 货位分配背景 (21)3.2 货位优化数学模型 (23)3.3 基于关联规则的货位分配 (24)3.3.1 构造频繁模式树FP-Tree (25)3.3.2 品项储位分配 (26)3.4 货位优化评价指标 (27)3.5 本章小结 (28)第4章基于融合算法的订单分批优化建模与求解 (29)4.1 订单分批问题描述 (29)4.2 并行分区订单分批模型构建 (30)4.2.1 模型假设 (30)4.2.2 拣选时长及各分区工作量分析 (31)4.2.3 基于返回策略的拣选路径计算 (35)4.3 基于密度的K-Means聚类算法设计 (36)4.3.1 批次数目和初始聚类点选择 (38)4.3.2 改进的K-Means算法聚类 (40)4.4 本章小结 (41)第5章基于实例的订单分批优化仿真与分析 (42)5.1 数据来源 (42)5.2 基于关联规则的储位优化 (43)5.3 采用随机储位分配策略的分批拣选 (45)5.4 考虑工作量均衡的分批拣选 (49)5.5 本章小结 (51)第6章总结与展望 (52)6.1 总结 (52)6.2 展望 (52)致谢 (54)参考文献 (55)攻读硕士学位期间的科研工作情况 (58)第1章绪论1.1课题研究背景及意义全球物流行业的蓬勃发展有效促进了电子商务的服务水平的提升，为消费者带来更加便捷安全的多样性消费体验，在此背景下配送中心或仓库的订单逐渐趋于高频小批量。
B2C电商配送中心订单分批策略研究综述
B2C电商配送中心订单分批策略研究综述随着电子商务的飞速发展，B2C电商配送中心的订单管理和分批策略正变得愈加重要。
传统的B2C电商配送中心在面对高峰期的订单处理时，往往会出现订单堆积、配送效率低下等问题。
对B2C电商配送中心订单分批策略展开研究，提高订单处理效率，降低成本，已成为电商业务管理者们亟待解决的问题。
本文将对B2C电商配送中心订单分批策略的研究进行综述和总结，为相关研究和实践提供参考。
一、B2C电商配送中心订单分批问题分析在传统的B2C电商配送中心中，处理订单时往往采用集中式的分拣和配送方式。
订单数量多时，员工需要花费大量时间和精力进行分拣，如果没有合理的分批策略，将会导致订单处理效率低下，甚至出现订单堆积的情况。
传统的B2C电商配送中心在采用车辆配送时，往往将所有订单打包成一批进行配送，这样不仅增加了车辆的装载时间和成本，也增加了配送的时间和成本。
B2C电商配送中心订单分批策略的研究对于提高配送效率和降低成本具有重要意义。
1. 分批策略的分类目前，学者们针对B2C电商配送中心订单的分批策略进行了大量的研究。
根据研究的角度和分析方法，主要可以将分批策略分为两类：基于订单属性的分批和基于配送路径的分批。
前者主要是根据订单的属性特点进行合理的分批处理，如根据订单的大小、重量、目的地等条件进行订单分批，以便于减少分拣和配送的时间；后者主要是根据配送路径的特点进行合理的分批处理，如采用最优的配送路径对订单进行分批，减少配送时间和成本。
为了解决B2C电商配送中心订单分批问题，学者们还提出了多种优化模型和算法。
这些模型和算法主要包括基于遗传算法的订单分批模型、基于模糊逻辑的订单分批模型、基于动态规划的订单分批模型等。
这些模型和算法能够有效地解决订单分批问题，提高订单处理效率和降低成本。
1. 多因素综合考虑随着电商业务的发展，订单的属性和配送路径等因素将会越来越复杂，未来的B2C电商配送中心订单分批策略研究需要更加全面的考虑多种因素。
配送中心与拣选方式综述
配送中心与拣选方式综述配送中心是物流系统中重要的一环，它起到了集中管理和分配货物的作用。
配送中心的主要任务是接收、储存和分配货物，保证货物准时、准确地送达给客户。
配送中心的拣选方式有多种，根据不同的需求和情况选择合适的拣选方式能够提高效率、节约成本。
下面将对常见的拣选方式进行综述。
首先是人工拣选。
人工拣选是最传统、也是最常用的拣选方式。
它主要依靠人工劳动力完成拣选任务。
人工拣选需要大量的人力投入，但相对成本较低。
拣选员按照指定的方式和流程，手动从仓库中选取所需货物。
这种方式操作灵活，适应性强，但效率较低，容易出现拣选错误和疲劳等问题。
其次是半自动拣选。
半自动拣选是在人工拣选的基础上引入了一定程度的自动化设备。
常见的半自动拣选设备包括输送线、提升机、自动导航车等。
拣选员在设备的协助下进行拣选，可以提高效率和准确性。
半自动拣选对于规模较大的仓库来说，可以减少人力投入，提高仓库的运作效率。
再次是全自动拣选。
全自动拣选是目前物流行业发展的趋势，它完全依靠自动化设备来完成拣选任务。
全自动化设备主要包括自动化存货系统、自动货架、自动叉车等。
全自动拣选具有高度的机器智能和自动化程度，可以大大提高拣选效率和准确性。
全自动拣选适用于规模庞大、货物品种繁多的仓库，能够实现快速、准确地分拣货物。
还有一种新型的拣选方式是机器人拣选。
机器人拣选是近年来随着人工智能和机器人技术的发展而兴起的一种拣选方式。
机器人可以通过自主导航和视觉感知等技术，精准地分辨和捡取货物。
机器人拣选具有高度的自动化和智能化，可以大大提高仓库的拣选效率和准确性，减少人力投入。
配送中心的拣选方式有人工拣选、半自动拣选、全自动拣选和机器人拣选等多种方式。
选择合适的拣选方式可以提高效率、减少错误和成本，提升配送中心的运作水平。
随着科技的不断进步，拣选方式也在不断创新和发展，未来将会出现更多智能化、自动化的拣选方式。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
大 。订单分批处理可 以有效地减少拣选路程和人力物力 的消
１ 引言
随着 电子 商务市场 的快 速发展 ， 品种 、 多 小批 量的订单 ，
要求短时间 内处理 的订单 ， 以及个性化产 品订单等越来 越多 ， 拣选 （ ｒｅ ｉｋ ｇＯ ）作业逐 渐成 为仓储作业 中重要 的环 Ｏｄ ｒ ｃｉ ， Ｐ Ｐ ｎ 节， 并且人 工拣选 （ ａ ｕｌｐｃ ） Ｍ ｎ ａ ｉ 成为配送 中心主要 的工作方 － ｋ
ＣＡＯ ｅ Ｉ， Ｘｕ —ｉ ＧＵＯ ｉｎ， ＨＡＯ ｕ ￣ａ ． Ｊａ Ｓ Ｌｉ－ ｉ
பைடு நூலகம்
（ｅｉｇＷｕｉ ｎｖｒｔ， ｅ ｉｇ１ １４ ， ｈｎ） Ｂ ｉｎ ｚＵ ｉ ｓｙ Ｂ ｉｎ ０ ９ Ｃ ｉａ ｊ ｅｉ ｊ １
Ａｂｓｒ ｃ ：Ｉ ｉ ａ ｅ ． ｅ ｒ ｖｅ ｅ ｏ ｓｉ ｎ ｏ ｅｇ ｅ ｅ ｒ ｈ ｓｏ ａ ｃ ｉ ｇｐ ｏ ｅ ｓｎ ｎ ａ ｒ ｅ ｉ ｋ ｎ ， ｉｃ ｓ ｄ ｏ ｔ ａ ｔ ｎ ｔ ｓ ｐ ｒ ｗ ｉ ｗ ｄ ｔ ｄ ｍｅ ｔ ａ ｄ ｆｒ ｉ ｎ ｒ ｓ ａ ｃ ｅ ｎ ｈ ｔ ｈ ｎ ｒ ｃ ｓ ｉ ｇ ｉ ｍａ ｕ ｌ ｄ ｒ ｃ ｉ ｇ ｄ ｓ ｕｓ ｅ ｎ ｈ ｐ ｅ ｈｅ ｃ ｎ ｏ ｐ ｔ ｅ ｅ ｉｔｎ ｒ ｂ ｅ ｎ ｎ ｌｙｅ ｎ ｄｅ ａ ｉｗ ｆ ｅｒ ｎ ｏ ｅ ｓｏ ｅ ｏ ｄ ｒ ｐｅ ｉ ｌ ｅ ｃ ｄ ｍｉ ｔ ｎ ｏ ｓ ｔ ｌｎ ｅ ｅ ． ｈ ｘｓ ｉ ｇｐ ｏ ｌｍｓａ ｄ ｆ ａ ｌ ｏ ｄｕ ｄ ｔ ｔ ｎ ｖ ｅ ｏ ａ ｄ ｍｎ ｓ ｆ ｈ ｒ ｅ ｓ ｃａ ｉ ｄ ａ ａ ｅ ｃａｔ ｔ ｎ ｗａ ｉ ｅ ｄ ｄ ｉ ｈ ｉ ｈ ｔ ｔ ｓ ｚ ｅｉ ｓｌ Ｋ ｅ ｗｏ ｄ ： ｎ ａ ｉ ｋ ｎ ； ｒ ｅ ａｃ ｒ ｃ ｓ ｉ ｇ ｓｏ ｈ ｓｉ ｏｙ ｙ ｒ ｓ ｍａ ｕ ｐ ｃ ｉ ｇ ｏ ｄ ｒｂ ｔ ｈ ｐ ｏ ｅ ｓｎ ； ｔ ｃ ａ ｔ ｔ ｒ ｌ ｃ ｈｅ
两种 方式 。
作业 过程 可以有效 提高客户满 意度 ， 大量降低仓储成本 ， 从而
整体 提高供应链 服务水 平。研究 表明 ， 在相 同的系统配置下 ，
改进拣选 方式 和拣选策 略能几倍 或十几倍地提高 系统的作业
效率 ｌ 引 。 在 拣选作业过程的优化设计和控制的相关 研究 中，主要 集 中在 ３个方面 ： ①采取 的拣货方式 （ 单一拣选或分批拣选 ） ；
中心 系统 ， 是少 量 多 次 的配 送 ， 量 拣 取 就 越有 效［ 越 批 ６ １ 。
配送作业 的 ３ ％～４ ％， ０ ０ 成本约 占９ ％ｔ ０ ２ ￣ 。由此可见 ， 优化拣选
２ 国外 研 究 现 状 综 述
订单分批 的概念是 １９ ９０年 由 Ａ ｋ ｒ ｎ在文献【］ ｃｅ ｍａ ７中第一 次提 出的 。 ｈ ｅ Ｓ ａ ｔ 为 ， Ｃ ｏ 和 ｈｒ Ｓ ｐ￣ 订单分批处理可 以分为相 近订 单分批 （ ｍ ｉ ｉ ｐｃ ｃｔ ｎ） Ｐ ｘｍｔｏ ｉ ｌ ａ ｏｓ和时间窗 （ｉ ｅ ｉｄｗ） ｖ ｆ ｋｏ ｉ Ｔｍ ｎｏ 分批 ｗ
义。
［ 关键词】 人工拣选 ； 订单分ｔ ； Ｌ随机理论 Ｌ
【 ｔ￣ 中Ｉ １ ］２ ３４ Ｆ ５ ． 【 文献标识码ｌ Ａ 【 文章编 号】ｏ ５ １２ ２ １ ）９－ ２ — ４ １ｏ — ５ Ｘ（０ ２ ０ － ０ ４ ０ － ０
Ｓ ｍｍ ａ ｙ ｏ ｓ ａ ｃ ｅ ｎ Ｂａ ｃ ｒ ｃ ｓｉ ｇ ｉ ａ ｕ ｌ ｄ ｒ Ｐ ｃ ｉ ｇ ｕ ｒ ｆＲｅ ｅ ｒ ｈ ｓｏ ｔ ｈ Ｐ ｏ ｅ ｓｎ Ｍ ｎ ａ ｎ Ｏｒ ｅ ｉｋ ｎ
２１ 相近订 单分 批 ．
相近订单分批 是依 据订单物 品存储位置 的接 近程度 进行
②存储货物 的策略 ； ③拣选 的路径策略 。国内学者李诗珍通过
仿 真 比较 ， 出结论 ： 得 分批策略对减少拣货作业总时间影 响最
【 收稿 日￣１０ ２－ — ６ １ １－ ４ ２ ２ ． ０
分批 处理 的方式 。 关键是 如何计算分批订单的相近性 。 它涉及
式ｌ 作为劳动密集型工作 ， ｌ ｌ 。 人工 拣 选 作 业 时 间 约 占整 个 仓 储
耗ｌ ５ ｌ 。因此 ， 订单分批 的优化问题一直是个研究热点 。 订单分批策 略是把多张订单根据商品品项合并成一批进 行批 次拣选 ，进而达到缩短拣货作业人员 的平均行走路径 和
时间 ， 减少重复寻找储位时间的 目的。 ｈ — ｎ ｉ Ｃ ｅＨｕｇＬｎ经过研究 认为 ，订单分批 策略适 用品项数较少 而订单数量庞 大的配送
１ １４ ） ０ １９ （ 北京物资学院 ， 北京
【 摘
要】 对人工拣选作业 中订单分批处理 问题 的国内外研究 现状进行 了综述 ， 概述 了现有研究存在 的主要 问题 ， 并 最后得
出结论 ： 对订单 的随机性 尚需进行针对性 的专题研究 ， 同时 ， 结合订单 随机性研究订单分批处理 ， 具有一定 的理论意义和现 实意
研 究与 探 讨
ｄ ｉＯ３ ６ ． ｓ ．０ ５ １２ ２ １ ． ． ８ ｏ： ．９ ￣ ｉ ｎ１ ０ － ５ Ｘ． ２０ ０ ｌ ｓ ０ ９０
物流技术 ２ １ 年第 ３ 卷第 ９ 总第 ２４ ０２ １ 期（ ６ 期）
人 工 拣 选 作 业 中订单 分 批 处理 研 究综述
曹雪丽 ， 郭 键， 邵刘霞
滞 金项 目１ 自然科学基金项 目（０７０ １； 国家 ７９ １１）北京市属高等学校人才强教计划 资助项 目（Ｈ ２ １０ １５Ｐ Ｒ ０ １８１ ） Ｐ Ｒ ００７４ 、Ｈ ２ １０３１ ； 科研基 地 一 科
技创新平 台 ～ 现代物流信息控制技术研究 （ Ｘ ２ １ ０ ４ １０ ０ ６ ） Ｐ Ｍ ０ ２ １ ２４ ０ ０ ７ 【 作者简介】 曹雪丽（ ９７ ）女 ， １ ８ 一 ， 吉林人 ， 北京物资学 院学生 ， 研究方 向 ： 与模 型优化 ； （９ ５ ）女 ， 算法 郭键 １７ ～ ， 辽宁人 ， 副教授 ， 博士 ， 研究方 向： 算法与模 型优化 、 智能仪表开发 ； 邵刘霞（９ ７ ， ， １８ 一）女 河南周 口人 ， 北京物资学院研究生 ， 研究方 向： 信息管理与信息 系统 。