机械工程学报
機械工程學報
궤계공정학보
CHINESE JOURNAL OF MECHANICAL ENGINEERING
2011年
20期
75-80,88
,共7页
货位优化%库存量单位相关性%基于相关性的货位指派算法算法%位置变换策略%负荷均衡%拣货效率
貨位優化%庫存量單位相關性%基于相關性的貨位指派算法算法%位置變換策略%負荷均衡%揀貨效率
화위우화%고존량단위상관성%기우상관성적화위지파산법산법%위치변환책략%부하균형%간화효솔
传统的货位优化方法没有充分利用库存量单位(Stock keeping units,SKUs)之间的相关性关系.以一种存在相关性需求的“波次分区拣货、整体补货”的周期性环境为对象,以最小化最大的分区拣货时间为目标建立货位优化的数学模型,提出相关性强度的概念和计算方法,设计出基于相关性的货位指派算法(Storage allocation based on correlations,SABC)和不考虑相关性的随机货位指派算法(Storage allocation based on random,SABR)算法,SABC算法以体积—订单指数(Cube per order index,COI)法则的解为初始解,通过定量化的“相关性位置交换策略”将相关性强的“SKUs对”指派到相近的货位中来提高拣货效率.测试结果表明:SABC算法具有较好的收敛性,其收敛速度明显优于SABR算法,求解质量比COI法平均改进约7.6％～25.1％,比SABR算法平均改进约1.36％～14.50％;需求相关性强度越高,拣货效率提升潜力越大.
傳統的貨位優化方法沒有充分利用庫存量單位(Stock keeping units,SKUs)之間的相關性關繫.以一種存在相關性需求的“波次分區揀貨、整體補貨”的週期性環境為對象,以最小化最大的分區揀貨時間為目標建立貨位優化的數學模型,提齣相關性彊度的概唸和計算方法,設計齣基于相關性的貨位指派算法(Storage allocation based on correlations,SABC)和不攷慮相關性的隨機貨位指派算法(Storage allocation based on random,SABR)算法,SABC算法以體積—訂單指數(Cube per order index,COI)法則的解為初始解,通過定量化的“相關性位置交換策略”將相關性彊的“SKUs對”指派到相近的貨位中來提高揀貨效率.測試結果錶明:SABC算法具有較好的收斂性,其收斂速度明顯優于SABR算法,求解質量比COI法平均改進約7.6％～25.1％,比SABR算法平均改進約1.36％～14.50％;需求相關性彊度越高,揀貨效率提升潛力越大.
전통적화위우화방법몰유충분이용고존량단위(Stock keeping units,SKUs)지간적상관성관계.이일충존재상관성수구적“파차분구간화、정체보화”적주기성배경위대상,이최소화최대적분구간화시간위목표건립화위우화적수학모형,제출상관성강도적개념화계산방법,설계출기우상관성적화위지파산법(Storage allocation based on correlations,SABC)화불고필상관성적수궤화위지파산법(Storage allocation based on random,SABR)산법,SABC산법이체적—정단지수(Cube per order index,COI)법칙적해위초시해,통과정양화적“상관성위치교환책략”장상관성강적“SKUs대”지파도상근적화위중래제고간화효솔.측시결과표명:SABC산법구유교호적수렴성,기수렴속도명현우우SABR산법,구해질량비COI법평균개진약7.6％～25.1％,비SABR산법평균개진약1.36％～14.50％;수구상관성강도월고,간화효솔제승잠력월대.
