CN106709692A - 一种物流中心储位分配方法 - Google Patents

Abstract

本发明涉及物流技术领域，特别涉及一种物流中心储位分配方法。本发明的优化步骤包括：货物关联度计算；货物聚类分析；分配聚类货物到储存区域；分配货物到具体货位根据货特性质对特殊货物的存储进行微调整。本发明通过对物流中心储位分配管理***进行优化，以货架式仓储中心为研巧对象,针对合库的货位分配进行优化,从仓库的优化管理和调度入手,在不増加设备投资的情况下,减少仓库的作业时间,提高货架式仓库的作业效率。

Description

一种物流中心储位分配方法

技术领域

本发明涉及物流技术领域，特别涉及一种物流中心储位分配方法。

背景技术

近年来，随着电子商务的蓬勃发展，物流技术和仓储能力的需求也在不断增加。企业的物流管理水平直接影响着企业的市场竞争力，而仓储管理中的出入库效率又是物流管理中的关键环节之一。传统的仓储方式已不能满足生产和流通的需要，而立体仓库已得到越来越多的应用。当前许多仓储作业管理仍在沿袭多年的习惯及经验来放置货物，既浪费了存储空间，又使得仓库的工作效率低下。资料显示，在整个物流存储流程中，大部分时间用于物料存储，因此，现代企业为了提高经济效益，花费大量精力在优化仓储环节上。多年来，针对仓储优化的问题产生了大量相关研究成果，其中仓储静态设计、资源配置、优化调度逐渐成为近年来的研究热点。

但是,国内大型仓储***仍然普遍存在着自动化、智能化程度不高、运行效率偏低等问题,具体地说,目前在大型仓储***中普遍存在且急需解决的主要问题在于：

(l)缺乏对货位分配的优化控制：目前仍然主要按照货物的入库顺序和根据供货商分区的方式进行随机存储,从而增加了出库所需时间。

(2)采用自动或手动方式生成的入库、出库任务顺序基本是以时间先后排序,缺乏对任务顺序的优化控制。任务顺序的优化是自动化仓库优化的一个重要内容。由于缺乏任务顺序的调度,造成堆垛机(storage/RetrievalMae址nes,SRM)以单任务周期居多,输送设备的空载率、半载率偏高,因此延长了出库周期,降低了设备的利用率。

因此，有必要针对物流中心储位分配管理***的现状，设计出一种物流中心储位分配及存取路径优化方法，以满足快递发展的需要，适应市场的需求。

发明内容

为解决上述问题，本发明提出一种物流中心储位分配方法，通过对物流中心储位分配管理***进行优化，以货架式仓储中心为研巧对象,针对合库的货位分配进行优化,从仓库的优化管理和调度入手,在不増加设备投资的情况下,减少仓库的作业时间,提高货架式仓库的作业效率。

为了达到上述目的，本发明提出如下技术方案：

一种物流中心储位分配方法，主要包括以下步骤：

第一步:货物关联度计算

货物关联度计算的具体步骤为：

对货物i和货物j联程度进行计算，通过对同一订单中货物i和货物j一同出现的概率进行货物关联度计算，计算公式如下：

其中，p_ij为货物i和货物j共同出现的订单次数；p_i,p_j分别表示表示货物i和货物j在订单中出现的次数；ρ_ij为货物i和j的关联程度。

第二步：货物聚类分析

假设库存货物的种类总数为N，货物聚合的分类总数为G，G≤N，则聚类分析的模型如下所示：

X_ig∈{0，1}，X_jg∈{0，1} (6)

其中，式(2)为所有的货物聚合到相同类的关联度总和；式(3)、(4)表示每一种货物只能被分配到一类中,所有的货物按照它们之间的关联性被分配到G类中；式(6)表示决策变量的取值范围。

第三步：分配聚类货物到储存区域

第三步分配聚类货物到储存区域的具体步骤为：

确定聚类货物的分组顺序,对于每一类g,计算出第g类货物的平均订单频率、每一个储存区域l的中心到仓库出入口的距离d_l,通过建立以下模型确定聚类货物g被分配到哪一个储存区域：

其中，F_g为第g类货物的平均订货频率；d_l为第l库存区域中也距离仓库出入库的距离；f_i为货物i的订单频率；n_g为第g类货物的种类总数；d_e为储位区域l内货位e距离出入口的距离；m_l为储位区域l内货位数目；M为仓库区域总数；式(7)作为目标函数,要求订单中所有货物形成的类到出入口的距离最短；式(8)表示每一个储存区域最多只存储一类聚合类货物；式(9)表示同—聚合类货物存放在一个储存区域；式(10)表示每一聚合类货物的平均订单频率；式(11)表示第l库存区域中心距离仓库出入库的距离；式(12)表示决策变量。

第四步：分配货物到具体货位

第四步分配聚类货物到储存区域的具体步骤为：

在每一个存储区域内操作,将聚类货物按照每一种货物的订货频率从高到低进行排列,将订单频率高的货物存放在距离出入口近的货位,完成所有类货物的分配：

d_a订单完成订单a拣货的距离；O为订单总数；式(13)拣完所有订单的距离总和。

第五步：根据货特性质对特殊货物的存储进行微调整的具体调整为：

a.将高危类货物设置安全存储区；b.将高价值类货物设置专门储存区并远离出入口；c.将易碎类货物置于货架外侧；d.将移动性难类货物置于出入口附近。

本发明主与现有技术相比有如下益处：

1、本发明提出通过对物流中心储位分配管理***进行优化，以货架式仓储中心为研巧对象,针对合库的货位分配进行优化,从仓库的优化管理和调度入手,在不増加设备投资的情况下,减少仓库的作业时间,提高货架式仓库的作业效率。

2、本发明通过对货位分配问题的分析建立数学模型,在聚类分析方法的基础上，综合考虑仓库历史订单频率进行货位分配,最后结合实际需求进行微调，实现所有订单拣货路径最短、停车次数最少的目标。

附图说明

图1是本发明的流程图；

图2是本发明的巷道内炼货形式图；

图3是本发明的货位布局图。

具体实施方式

下面将结合本发明的实施例和附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，一种物流中心储位分配方法，主要包括以下步骤：

第一步:货物关联度计算

货物关联度计算的具体步骤为：

对货物i和货物j联程度进行计算，通过对同一订单中货物i和货物j一同出现的概率进行货物关联度计算，计算公式如下：

其中，p_ij为货物i和货物j共同出现的订单次数；p_i,p_j分别表示表示货物i和货物j在订单中出现的次数；ρ_ij为货物i和j的关联程度。

第二步：货物聚类分析

假设库存货物的种类总数为N，货物聚合的分类总数为G，G≤N，则聚类分析的模型如下所示：

X_ig∈{0，1}，X_jg∈{0，1} (6)

其中，式(2)为所有的货物聚合到相同类的关联度总和；式(3)、(4)表示每一种货物只能被分配到一类中,所有的货物按照它们之间的关联性被分配到G类中；式(6)表示决策变量的取值范围。

第三步：分配聚类货物到储存区域

第三步分配聚类货物到储存区域的具体步骤为：

确定聚类货物的分组顺序,对于每一类g,计算出第g类货物的平均订单频率、每一个储存区域l的中心到仓库出入口的距离d_l,通过建立以下模型确定聚类货物g被分配到哪一个储存区域：

其中，F_g为第g类货物的平均订货频率；d_l为第l库存区域中也距离仓库出入库的距离；f_i为货物i的订单频率；n_g为第g类货物的种类总数；d_e为储位区域l内货位e距离出入口的距离；m_l为储位区域l内货位数目；M为仓库区域总数；式(7)作为目标函数,要求订单中所有货物形成的类到出入口的距离最短；式(8)表示每一个储存区域最多只存储一类聚合类货物；式(9)表示同—聚合类货物存放在一个储存区域；式(10)表示每一聚合类货物的平均订单频率；式(11)表示第l库存区域中心距离仓库出入库的距离；式(12)表示决策变量。

第四步：分配货物到具体货位

第四步分配聚类货物到储存区域的具体步骤为：

在每一个存储区域内操作,将聚类货物按照每一种货物的订货频率从高到低进行排列,将订单频率高的货物存放在距离出入口近的货位,完成所有类货物的分配：

d_a订单完成订单a拣货的距离；O为订单总数；式(13)拣完所有订单的距离总和。

第五步：根据货特性质对特殊货物的存储进行微调整的具体调整为：

a.将高危类货物设置安全存储区；b.将高价值类货物设置专门储存区并远离出入口；c.将易碎类货物置于货架外侧；d.将移动性难类货物置于出入口附近。

同时，结合***聚类分析中最短距离法的聚类原理,将最短距离改成最大相关系数,根据提供的订单数据,首先计算出任意两个货物之间的关联系数,然后进行货物的聚类。聚类的步巧如下:

(1)根据货物的种类分成n类,各类之间的排序按照各类的订单频率大小依次排列；

(2)从计算出来的货物之间的相关系数矩阵中选择最大的系数,将其对应的货物聚成一类,然后计算各类之间的相关系数；

(3)继续聚类操作,直到所有的货物聚成一类。

实施例1

假设仓库拣货人员在巷道的拣货形式如图2所示,从出入口到第一个货位的距离为一个单位,不同货位之间的距离同样为一个单位,图中黑色点表示拣货停下的点,在这个点出可以拣取巷道两侧的货架,且不计距离。表1中给出10个订单,订单中需求的货物种类、数量是随机产生的。

表1 订单明细表

例如,订单A中,包含4种货物分别是货物(1,2,3,4),其对应的货物数量分别是5、4、3、2。表中总数指的是10个订单中包含的货物1的总数量；次数表示的是货物1出现在10次订单中的次数；订单货物数指的是每一个订单中包含的拣货数量；包含货物种类指的是一个订单中包含的货物种类；10个订单包括8种类型的124个单位的货物,货物出现总次数为35次。

通过表1订单的情况分别对其进行频率的分析,按照货物在所有订单中出现的频率进行排序,见表2。表2 货物频率分析

表2中货物的顺序是按照所有订单中出现总次数的大小进行排序,当出现次数相同的情况：如货物1和货物4,将按照货物数量的大小进行排序。

然后,进行货物之间的相关性计算,

样品i和样品j的距离定义为d_ij,用G₁、G₂,...,G_N表示类,最短法指的是在两类中距离最近的两个样品之间的距离D_pq,其表示两类G₁、G₂的距离,即：

D_pq＝min d_ij i∈G_P，j∈G_P (14)

其最小距离聚类法的步骤如下所示:

1)计算样品之间的距离,形成两两距离的矩阵D₍₀₎,开始时每个样品自成一类,所以D_pq＝d_pq；

2)在矩阵D₍₀₎中选择最小的元素并设为D_pq,将G_p、G_q合并在一起成为新的一类G_r；

G_r＝{G_p；G_q}；

3)计算新形成的类之间的距离

D_rk＝min d_ij＝{min d_ij i∈G_P，j∈G_k；min d_ij i∈G_q，j∈G_k} (15)

根据形成的距离关系得到新的矩阵D₍₁₎。

4)返回步骤2),直到所有的元素成为一类,如果在距离矩阵中最小的元素不仅仅是一个,则对这些最小元素的类进行合并。

通过公式计算得到的各货物之间相关性矩阵见表3

根据示例的逐步聚类法分析出G＝1到G＝8的聚类结果见表4，然后按照式子(3)到式子(7)按照每类货物的平均频率大小进行类别的排序,将订单中出现频次大的货物类放在前面,在同一类的货物分组内按照不同货物出现频率的大小放在距离出入口较近的地方；

从表4聚类结果可看出,当G＝2时,即8种货物被分成两类存储在货架上时,按照此拣货形式完成所有订单的出库任务行走的距离最短,且停车次数最少。

表5 路径距离对比

当G＝1和G＝8时的货位分配在原理上和按照出货频率的货位分配相同，从结果上比较这两种不同的方法发现,主要的不同点在第3种货物的分配上,出现这个的原因在于本文采用的聚类分析过程中,考虑货物3和货物1、2、4相关性比较大,因此和1、2、4一起被放置在货位的前端。由于货物3的频率比货物5的频率低,因此聚类方法比按照订单频率分配在货物3的出库时会増加一定的拣货距离。

实施例2

公司A—年的订单信息统计分析,对订单量的从大到小进行排序,选择排名前25的订单,如表6,每个订单中包含货物种类数量在5到11之间,所有的订单包含了20种货物。

表6 订单明细表

针对这个案例采用聚类的思想结合模型进行算法设计,最终在结果的基础上进行微调，最终的结果见表7.

Tab.2-8 Result ofClustering

根据分类的结果发现:

(1)20种货物分成1类和分成20类的结果是一致的.原因是货位分配都是按照订单频率大小进行的；

(2)从1类到4类总的拣货距离是逐渐増加的,这是因为货物4、6的订单频率较小,但是其和频率大的货物相关性程度较髙,货物订单频率较髙但是被分配到了较远的距离；

(3)当20种货物被分配到14类时,总的掠货距离是426最小,其停车次数为138次；

(4)所有的聚类结果中的停车次数均小于基于频率的停车次数,说明聚类结果的有效性。

综合以上分配结果,最优的分配结果为14类时,其货位分配布局如图3所示。

通过表7的分类结果,当G＝1和G＝20的情况下,其分配顺序完全是按照历史订单的频率大小进行排序的结果,本文通过在基于频率分配的基础上采用聚类的思想得到的最优结果是当G＝14的情况。两种情况的结果对比见。

表8 两种情况的结果对比

通过以上数据的对比分析,最优的聚类结果所形成的货位分配布局,拣完所有订单的货物在行走的距离上提髙了2.35％,并没有显著的提髙；但是拣货车的停车次数的多少同样会影响整体的炼货效率,在聚类的结果中停车次数比基于频率的货位分配提高了16.67％,从而证明了聚类结果的有效性。

本发明通过对货位分配问题的分析建立数学模型,在聚类分析方法的基础上，综合考虑仓库历史订单频率进行货位分配,最后结合实际需求进行微调，实现所有订单拣货路径最短、停车次数最少的目标。

最终，以上实施例和附图仅用以说明本发明的技术方案而非限制，尽管通过上述实施例已经对本发明进行了详细的描述，但本领域技术人员应当理解，可以在形式上和细节上对其作出各种各样的改变，而不偏离本发明权利要求书所限定的范围。

Claims (6)

1.一种物流中心储位分配方法，其特征在于，主要包括以下步骤：

第一步:货物关联度计算；第二步：货物聚类分析；第三步：分配聚类货物到储存区域；第四步：分配货物到具体货位；第五步：根据货特性质对特殊货物的存储进行微调整。

2.根据权利要求1所述的一种物流中心储位分配方法，其特征在于：货物关联度计算的具体步骤为：

对货物i和货物j联程度进行计算，通过对同一订单中货物i和货物j一同出现的概率进行货物关联度计算，计算公式如下：

${\mathrm{\ρ}}_{ij}=\frac{p_{ij}}{p_i+p_j-p_{ij}}---\left(1\right)$

其中，p_ij为货物i和货物j共同出现的订单次数；p_i,p_j分别表示表示货物i和货物j在订单中出现的次数；ρ_ij为货物i和j的关联程度。

3.根据权利要求1所述的一种物流中心储位分配方法，其特征在于：货物聚类分析的具体步骤为：

假设库存货物的种类总数为N，货物聚合的分类总数为G，G≤N，则聚类分析的模型如下所示：

$\max imize\underset{g=1}{\overset{G}{\Σ}}\underset{i=1}{\overset{N-1}{\Σ}}\underset{j>i}{\overset{N}{\Σ}}{\mathrm{\ρ}}_{ij}{X}_{ig}{X}_{jg}---\left(2\right)$

$s.t:\underset{g=1}{\overset{G}{\Σ}}{X}_{ig}=1,i=1,2,3,\mathrm{...},N---\left(3\right)$

$\underset{g=1}{\overset{G}{\Σ}}{X}_{jg}=1,j=1,2,3,\mathrm{...},N---\left(4\right)$

X_ig∈{0，1}，X_jg∈{0，1} (6)

其中，式(2)为所有的货物聚合到相同类的关联度总和；式(3)、(4)表示每一种货物只能被分配到一类中,所有的货物按照它们之间的关联性被分配到G类中；式(6)表示决策变量的取值范围。

4.根据权利要求1所述的一种物流中心储位分配方法，其特征在于：第三步分配聚类货物到储存区域的具体步骤为：

确定聚类货物的分组顺序,对于每一类g,计算出第g类货物的平均订单频率、每一个储存区域l的中心到仓库出入口的距离d_l,通过建立以下模型确定聚类货物g被分配到哪一个储存区域：

$\min imize\underset{g=1}{\overset{G}{\Σ}}\underset{l=1}{\overset{M}{\Σ}}{F}_g{d}_l{Y}_{gl}---\left(7\right)$

$s.t:\underset{g=1}{\overset{G}{\Σ}}{Y}_{gl}\≤1,l=1,2,3,\mathrm{...},M---\left(8\right)$

$\underset{l=1}{\overset{G}{\Σ}}{Y}_{gl}=1,g=1,2,3,\mathrm{...},G---\left(9\right)$

$F_g=\underset{i\∈N}{\Σ}{f}_i/n_g,g=1,2,3,\mathrm{...},G---\left(10\right)$

$d_l=\underset{e\∈M_l}{\overset{g}{\mathrm{\Σ}}}{d}_e/m_l,l=1,2,3,\mathrm{...},M---\left(11\right)$

其中，F_g为第g类货物的平均订货频率；d_l为第l库存区域中也距离仓库出入库的距离；f_i为货物i的订单频率；n_g为第g类货物的种类总数；d_e为储位区域l内货位e距离出入口的距离；m_l为储位区域l内货位数目；M为仓库区域总数；式(7)作为目标函数,要求订单中所有货物形成的类到出入口的距离最短；式(8)表示每一个储存区域最多只存储一类聚合类货物；式(9)表示同—聚合类货物存放在一个储存区域；式(10)表示每一聚合类货物的平均订单频率；式(11)表示第l库存区域中心距离仓库出入库的距离；式(12)表示决策变量。

5.根据权利要求1所述的一种物流中心储位分配方法，其特征在于：第四步分配聚类货物到储存区域的具体步骤为：

在每一个存储区域内操作,将聚类货物按照每一种货物的订货频率从高到低进行排列,将订单频率高的货物存放在距离出入口近的货位,完成所有类货物的分配：

$D=\underset{a\∈O}{\Σ}{d}_a---\left(13\right)$

d_a订单完成订单a拣货的距离；O为订单总数；式(13)拣完所有订单的距离总和。

6.根据权利要求1所述的一种物流中心储位分配方法，其特征在于：第五步根据货特性质对特殊货物的存储进行微调整的具体调整为：

a.将高危类货物设置安全存储区；b.将高价值类货物设置专门储存区并远离出入口；c.将易碎类货物置于货架外侧；d.将移动性难类货物置于出入口附近。