一種物流配送中心作業(yè)任務(wù)處理與調(diào)度的方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及物流工程領(lǐng)域，特別涉及一種物流配送中心作業(yè)任務(wù)處理與調(diào)度的方 法。
【背景技術(shù)】
[0002] 目前，隨著信息技術(shù)和網(wǎng)絡(luò)通信的飛速發(fā)展，電子商務(wù)作為一種新型的商業(yè)運作 模式正逐漸滲透到人們生活的各個方面，而客戶購買也向多品種、小批量的方向發(fā)展。作為 物流系統(tǒng)中重要節(jié)點的配送中心，由于缺乏優(yōu)化調(diào)度，隨著訂單量逐步增加而且訂單要求 不一，致使物流系統(tǒng)內(nèi)部頻頻出現(xiàn)爆倉、作業(yè)效率低下、作業(yè)人員工作勞動強度大、包件發(fā) 貨時間延長、包件破損等問題。與電子商務(wù)的迅速發(fā)展嚴(yán)重不匹配，阻礙了電商業(yè)的發(fā)展和 服務(wù)質(zhì)量的提升。
[0003] 在中小件物流中心里，作業(yè)人員要頻繁地進(jìn)行進(jìn)貨、上架、理貨、補貨、復(fù)核等復(fù)雜 作業(yè)，還需要根據(jù)實時變化的訂單在數(shù)以萬計的商品中進(jìn)行復(fù)雜的揀選作業(yè)，作業(yè)的勞動 量非常大，同時作業(yè)不規(guī)范、作業(yè)效率低下，亟需改進(jìn)。

【發(fā)明內(nèi)容】

[0004] 為解決現(xiàn)有技術(shù)物流系統(tǒng)配送中心任務(wù)調(diào)度作業(yè)效率低下的問題，提供一種物流 配送中心作業(yè)任務(wù)處理與調(diào)度的方法，這種系統(tǒng)與方法能優(yōu)化作業(yè)任務(wù)，提高作業(yè)效率和 準(zhǔn)確性。
[0005] 為實現(xiàn)上述目的，本發(fā)明采用以下技術(shù)方案： 一種物流配送中心作業(yè)任務(wù)處理與調(diào)度的方法，對某一時段內(nèi)的訂單池內(nèi)的訂單進(jìn)行 任務(wù)處理與調(diào)度，包括以下步驟： 步驟一，入庫時對品項進(jìn)行上架的貨位指派，貨位指派時根據(jù)歷史出庫訂單得出各品 項間的相關(guān)性，根據(jù)相關(guān)性對品項進(jìn)行貨位變換，以使揀選歷史出庫訂單時長最大的揀貨 員的揀選時間最小化作為品項儲位； 步驟二，對訂單池內(nèi)的出庫訂單進(jìn)行分批； 步驟三，將分批的出庫訂單對揀貨員進(jìn)行指派； 步驟四，設(shè)計揀貨員最佳行走路徑。
[0006] 上述的一種物流配送中心作業(yè)任務(wù)處理與調(diào)度的方法，揀貨時，同一個訂單的品 項都裝到一輛揀選車的一個箱子中，訂單池中的品項裝到同一個箱子的次數(shù)越多，所謂的 品項相關(guān)性就越強;并且設(shè)定每種品項只能被指派到一個貨位； 對于任意揀貨員m，在一個揀貨波次內(nèi)的總揀貨時間為：
參數(shù)與變量說明： J為一批訂單需要的箱子數(shù)量，箱子編號為j; Z為巷道總量，巷道編號為Z; N為每個巷道內(nèi)的貨位數(shù)，巷道的貨位編號為η; Κ為一批訂單需要揀取的SKUs總量，SKUs編號為k; Μ為一個班次的揀貨員人數(shù)，揀貨員編號為m; R。為貨架列數(shù)； Sj為對箱子j進(jìn)行檢查、掃描、確認(rèn)等初始化操作的時間； Pt為揀取單件SKU的平均時間； Cjk為放到第j個箱子里的SKU k的件數(shù)； GJZ，如果箱子j需要訪問巷道z，其值為1，否則為Ο; Djm，如果將箱子j指派給第m個揀貨員，其值為1，否則為0; 比為箱子j需要訪問的巷道總數(shù)，
Zj為箱子j需要揀取的最后一個SKU所在的巷道編號； NjR。為箱子j需要揀取的最后一個SKU所在的貨架列號； Pm為第m個揀貨員的總揀貨時間； T為耗時最長的揀貨員的揀貨時間； v為揀貨員平均行走速度； a為從一條巷道的出入口橫向走到相鄰巷道的出入口需要的時間； xkzn為決策變量，表示如果SKU k被指派到第z巷道的第η個貨位，其值為1，否則值為0; 對訂單池內(nèi)的品項采用如下方法進(jìn)行貨位的指派： 步驟1.1，根據(jù)歷史訂單信息，得出品項相關(guān)性列表，并設(shè)定初始參數(shù)： 參數(shù)ε:判斷系統(tǒng)是否達(dá)到平衡的閾值； 參數(shù)Ns:連續(xù)不再產(chǎn)生新解的步數(shù)； 參數(shù)α:退火速率； 參數(shù)Q:算法最大運行時間； 步驟1.2,利用COI方法生成初始貨位向量#，令當(dāng)前貨位向量Si#，計算初始貨位向量 的目標(biāo)函數(shù)值I^S*3)，令當(dāng)前最優(yōu)的貨位向量的目標(biāo)函數(shù)值τα+Μα*3);初始化初始溫度to =T (S*3) /Tc，其中初溫控制參數(shù)Tc>0，冷卻進(jìn)度表中其他溫度化加 ，初始時冷卻進(jìn)度表中的 溫度個數(shù)i=l，同時i也是總迭代次數(shù)，每個溫度U下的迭代次數(shù)e=0; 步驟1.3,隨機(jī)生成[1，KP]之間的整數(shù)w，利用位置變化策略對L(w)中的兩個SKUs進(jìn)行 位置變換，其中位置變換策略為根據(jù)品項間的相關(guān)性，將相關(guān)性強的品項就近存儲，其具體 步驟為當(dāng)品項i和品項j的相關(guān)性大于品項i和品項t的相關(guān)性時，品項j與品項t的位置互 換，直至完成所有SKU對的位置交換為止;從而產(chǎn)生候選貨位向量S%計算候選貨位向量的 目標(biāo)函數(shù)值T(s e)，令e=e+l; 步驟1.4，計算Δ Τ=Τ(3)-Τ^ ;如果Δ T>0，轉(zhuǎn)步驟1.6;如果Δ T=0，轉(zhuǎn)步驟1.5; 步驟1.5，生成（0，1)之間的隨機(jī)數(shù)r，如果r〈exp( Δ T/ti)，轉(zhuǎn)步驟1.6 ;否則，轉(zhuǎn)步驟 1.3； 步驟1.6,接受Se為當(dāng)前解S，令如果T(S)〈T(S$)，接受S為當(dāng)前最優(yōu)解 S%令S=S'T(S) =T(S$)，如果e〈E，轉(zhuǎn)步驟1.3，否則轉(zhuǎn)步驟1.7，其中內(nèi)循環(huán)參數(shù)E為每個溫度 U下的迭代總數(shù)，也就是溫度七下候選解的數(shù)目； 步驟1.7:如身
，系統(tǒng)在ti下未達(dá)到平衡，令e=0，轉(zhuǎn)步驟1.3，其中 為一個迭代周期內(nèi)目標(biāo)函數(shù)的均值
為前一次和當(dāng)前迭代周期內(nèi) 目標(biāo)函數(shù)值的均值;否則，令e=0, iii+UtFtoa1，如果i〈Ns，轉(zhuǎn)步驟1.8;否則，算法結(jié)束，輸 出各品項的存儲位置； 步驟1.8:如果運行時間小于算法最大運行時間Q，轉(zhuǎn)步驟1.3;如果運行時間不小于Q， 計算過程結(jié)束，得出各品項的存儲位置。
[0007] 上述的一種物流配送中心作業(yè)任務(wù)處理與調(diào)度的方法，對訂單池內(nèi)的訂單采用如 下方法進(jìn)行分批： 步驟2.1:首先依據(jù)訂單中品項所在的巷道建立訂單包絡(luò)Qk[Nmin，Nmax]，k= 1，2,. . .，n， [Nmin，Nmax]為品項存儲范圍的最小巷道和最大巷道； 步驟2.2:根據(jù)公式
計算出每個訂單包絡(luò)對應(yīng)的訂單包絡(luò)編號K，并且按從大到小的降序排列，相同編號的 訂單按其品項數(shù)從大到小降序排列； 步驟2.3:將排序第一個的訂單作為第一批訂單，按編號順序?qū)⑾乱粋€訂單加入，直至 滿足約束條件即不大于揀貨車的容量為止，從而完成所有訂單的分批。
[0008] 上述的一種物流配送中心作業(yè)任務(wù)處理與調(diào)度的方法，對分批的訂單進(jìn)行指派， 并且將每個批次中的訂單指派給一個揀貨員，以揀貨完成時間最小為目標(biāo)，為各揀貨員指 派揀選任務(wù)，優(yōu)化模型為： 參數(shù)與變量說明：
11為揀選任務(wù)數(shù)量，任務(wù)的集合為1\={1'1，1'2，1'3 - 1"}，任務(wù)序號1=1，2-.11; m為揀選員人數(shù)，揀選人員的集合為Ε={Ει·" 41〇"士111}，揀選人員序號1^=1，2^"，111; 〇i是任務(wù)Ti的完成時刻； Si表示任務(wù)1\的開始執(zhí)行時刻； P為分配給員工Εκ的任務(wù)數(shù)量； tik為揀選人員Ek執(zhí)行任務(wù)Ti所用時間； gik表示員工Ek能否勝任任務(wù)Ti的狀態(tài)，如果能勝任則gik=l，否則gik=0; aik表示任務(wù)Ti是否被指派給員工Ek的狀態(tài)，如果是則aik=l，否則aik=0; 指派步驟如下： 步驟3.1:根據(jù)當(dāng)前揀選人員任務(wù)指派及調(diào)度優(yōu)化問題的規(guī)模，構(gòu)造解的構(gòu)析圖G = (N，A)，其中N是節(jié)點集合，A是連接N中節(jié)點的邊的集合； 步驟3.2:初始化參數(shù)，主要包括信息啟發(fā)式參數(shù)α，期望啟發(fā)式參數(shù)#，信息素?fù)]發(fā)系 數(shù)Ρ，蟻群規(guī)模Nant，最大迭代次數(shù)tmax，最優(yōu)解保持不變的連續(xù)迭代次數(shù)Wmax，令迭代次數(shù)t= 0,算法迭代時，迭代次數(shù)t-t+l;令圖上每條邊(u，v)的初始化信息素 r^(〇) 0-，其中C 表示常數(shù)，且初始狀態(tài)時螞蟻r未在各邊釋放信息素，即Δ_γ1〇)二〇; 步驟3.3:構(gòu)造可行解:螞蟻1'(>=1，2，~，1'1￡1111；)從源點出發(fā)，按公式3.1計算每一相鄰 節(jié)點的能見因數(shù)，是邊(u，v)長度duv的倒數(shù)，代表了第t次迭代時螞蟻r在節(jié)點u選擇 節(jié)點v的期望程度;并按公式3.2確定下一游歷節(jié)點N uv，最終構(gòu)造出可行解;式中翁)表示 在第t次迭代時，處于節(jié)點u上的螞蟻r選擇節(jié)點v作為下一個點的概率，是節(jié)點u上螞蟻 r下一步允許選擇的節(jié)點的集合，各節(jié)點用1表示，其中任意一個節(jié)6 iV;/，
步驟3.4:信息素更新，每次迭代結(jié)束，螞蟻r根據(jù)下式
進(jìn)行全局信息素更新，其中％:(0是第t次迭代時邊(u，v)上的信息素濃度，h是第t次 迭代時走過邊(u，v)的螞蟻總數(shù)，蘆是信息素?fù)]發(fā)系數(shù)，e Λ.〇.)是第t次迭代 時螞蟻r經(jīng)過邊(u，v)后釋放的信息素濃度，路徑越短螞蟻所釋放的信息素就越多，:私的是 螞蟻r在第t次迭代時所走過的總路徑長度； 步驟3.5:精英解保留，每次迭代結(jié)束后，評價出精英解，將其保留； 步驟3.6:如果算法迭代達(dá)到穩(wěn)態(tài)，即螞蟻數(shù)量以線性規(guī)律減少，則轉(zhuǎn)到步驟3.7;如果 沒有達(dá)到穩(wěn)態(tài)，則轉(zhuǎn)至步驟3.3; 步驟3.7:終止條件檢查，若t>tmax或連續(xù)Wmax代最優(yōu)解保持不變，則記錄當(dāng)前最優(yōu)解，否 則轉(zhuǎn)至步驟3.3; 步驟3.8:輸出各揀貨員的揀選任務(wù)。
[0009] 上述的一種物流配送中心作業(yè)任務(wù)處理與調(diào)度的方法，計算揀貨員最佳行走路 徑，在揀選時間最小化的目標(biāo)下設(shè)計揀選人員的揀選路徑，
(Xi，Xj是揀選品的距離，v是揀選車的速度） 其中f為揀選時間； κ為貨位號； T是貨位間運行所需的時間矩陣，如τ1>2表示第一個點到第二個點的作業(yè)時間； X是所進(jìn)行揀選路徑形成的οι矩陣，|1卜〇表示矩陣滿秩，即所有貨