本文是一篇物流管理论文，本文提出基于关联规则对电商仓储人工拣选环境下的货位分配和订单分批进行联合优化，以商品关联规则为桥梁，提出三步骤的联合优化过程，建立相互考虑的货位分配和订单分批模型。首先，考虑客户需求和订单分批批次中的商品相关性，以关联商品货位间距离和最常购买商品到出口距离之和最小为目标，建立初始状态和产生拣选作业后的两阶段货位分配模型，并分别构建基于商品关联规则的初始状态货位分配算法和考虑订单分批的货位分配算法；其次，在商品关联规则基础上，构建订单关联规则，以时间期限相近的订单关联度最大为目标，建立订单分批模型，并分别构建不考虑时间期限和考虑时间期限的两种订单分批算法。
1引言
1.1研究背景
B2C电子商务的快速发展使得消费者对于网络购物交付时限的要求越来越高。电商企业的订单完成时间越短，对消费者需求的响应越及时，所取得的竞争优势也就越大。如京东的“211限时达”就向顾客承诺“上午下单，下午送达；下午下单，次日送达”，这样快速、准时的优质物流服务为京东吸引了大量消费者，也形成了其独特的竞争优势。
订单完成时间主要由两部分组成，仓储作业时间和在途配送时间，为缩短顾客订单完成时间，缩短仓储作业时间是重点任务之一。双十一的“爆仓”现象表明，忽视对仓储环节的优化管理，将直接导致订单的延误甚至损失，造成顾客流失。为避免这种现象的发生，不少电商企业开始重视仓库的建设和管理。如京东、苏宁、亚马逊等大型电商企业投入大量资金建设自动化立体库以提高仓储作业的效率。但为了节约成本，目前大多数电商仓库仍旧采用人工拣选方式。为满足消费者对于缩短订单完成时间的需求，如何优化人工订单拣选作业以减少时间就成为了多数电商企业仓储管理的重点和难点。
而在人工订单拣选作业中，拣选员行走的时间是拣选时间的主要组成部分，因此如何减少拣选员的拣选距离成为优化订单拣选作业、减少拣选时间的关键。在仓储作业各环节中，上架存储环节的货位分配决定了待拣选商品的存储位置，订单拣选环节的订单分批决定了待拣选订单和商品的组合，二者共同决定了拣选员一次拣选任务的拣选路径和拣选距离，是订单拣选作业优化的关键环节。然而，实际作业过程中，电商企业常依据独立割裂的准则分别进行各作业，忽视了货位分配和订单分批在影响拣选距离上的关联性，订单拣选效率无法从整体得到提高，订单完成时间也就无法在仓储环节缩短.
.............................
1.2文献综述
1.2.1订单拣选
为提高人工拣选效率，降低人工拣选成本，学者们分别从几个不同作业活动着手进行研究，包括货位分配、订单分批、订单分配、路径优化等.
在货位分配方面，学者们基于不同的优化目标和不同的拣选系统设计不同的货位分配优化方案。Pan等人为分区拣选系统设计了基于遗传算法的货位分配启发式算法，并用FlexSim仿真软件得到其设计的货位分配方法在减少拣选员的空闲时间上优于分区拣选系统的已有其他方法。Zhang为人到货拣选系统设计了关联的货位分配策略以减少平均拣选路径，和基于周转率的存储策略相比，此种货位分配策略最多可以减少2.8%的平均拣选路径。Manzini等人基于产品生命周期，分别为人到货拣选系统和信息化的拣选系统设计了分类存储方案。
目前大多数学者还是从单一活动切入，优化和改进某个活动的运营策略以提高订单拣选的效率，虽然有不少学者考虑了将多种活动放在一起以提高订单拣选的整体效率，但是尚未有学者对货位分配和订单分批进行联合优化，即在货位分配时考虑后续订单分批策略的影响，在订单分批时又考虑前端货位分配策略的影响进行优化。货位分配决定了拣选员所要拣选商品的具体位置，订单分批决定了拣选员所要拣选的订单和商品组合，二者都将直接影响拣选员的拣选路径，因此有必要增加对货位分配和订单分批联合优化的研究。
............................
2电商仓储人工订单拣选作业分析
2.1电商仓储人工订单拣选作业概述
2.2.1电商仓储人工订单拣选目标
与传统仓储作业相比，电商仓储作业更强调对客户需求的快速响应。消费者在网上下单后，希望可以尽快收到订购的商品。为满足消费者对时间的需求，不少电商平台在客户下单时会对客户承诺送达时间，如天猫超市对北京、上海、广州当日上午11：00点前成功提交的订单，承诺可当日达；京东对当日上午11：00前提交的现货订单，也承诺可当日送达。在这样的背景下，电商仓储作业必须尽快将客户需求的商品安排出库，保证可以在约定的时间内送到消费者手中。
而在仓储作业中，拣选作业根据客户订单内的商品品种和数量进行拣选，是最直接响应客户需求的环节，同样需要满足时间要求。目前，绝大部分电商仓储采用人工拣选方式。与自动化分拣相比，人工拣选还需受限于人工拣选的速度和使用的设备容量的限制。因此，在人力和设备容量限制下，以最少的时间（最高的效率）在客户要求（向客户承诺）的时间前拣选出客户订单中所需的商品是电商仓储中人工订单拣选作业的目标。
............................
2.2电商仓储人工订单拣选现状
为满足如此大的存储量和出库订单量，京东人工仓的作业流程和订单拣选流程如图2-1所示。
在入库环节，入库人员开箱扫描京东SKU码，进入仓储管理系统。在上架存储环节，上架人员根据货品销量分区摆放，最畅销的货品基本放在靠近出口的货架上。并且，在上架存储时，允许一位多货和一货多位，一位多货是为了提高仓容利用率，一货多位是为了进行批次或者保质期管理。货位分配好以后存储的货品和货品摆放位置并不是固定不变的，每天都有新品入库，也会每天对货品摆放的货位进行调整优化。新品入库时，仓储管理系统自动推荐空闲货位；货位调整时，则依据商品是否畅销改变货品的摆放。
.............................
3货位分配和订单分批联合优化模型建立与求解.....................20
3.1问题描述及模型建立.....................20
3.1.1问题描述.....................20
3.1.2货位分配模型建立.....................20
4基于J公司电商仓储的算例研宄及效果分析...................50
4.1J公司货位分配和订单分批数据准备...................50
4.1.1商品数据...................50
4.1.2货位数据...................50
5结论与展望................84
5.1主要研究成果及结论................84
5.2研究不足及展望................84
4基于J公司电商仓储的算例研究及效果分析
4.1J公司货位分配和订单分批数据准备
4.1.1商品数据
（1）商品种类
为保证客户需求的完整性以挖掘需求间相关关系，本文研究全品类仓库，即货位分配所需商品数据需涉及消费者在电商网站上购买的各类商品。本文从J公司电商平台获取了未经OMS（订单管理系统）拆单的一个月的历史订单数据，包含121228种不同sku的商品，涵盖个护化妆、图书、食品饮料、家用电器、数码、服饰内衣等各个品类。部分商品编码及对应的品类。
（2）商品体积和重量
由于商品涉及各个品类，商品体积和重量也各有差异。对各类商品的体积和重量数据进行收集，部分商品的体积及重量。
数据准备完成后，利用本文提出的算法对货位分配和订单分批模型进行求解。求解主要分为两个关键步骤：挖掘关联规则和利用算法求解具体模型。本文收集了来自J电商公司一个月的真实订单数据，为后续验证算法求解的效果，将订单数据分为三部分：一部分是前28天的订单数据，用于计算商品关联关系、商品需求频率和商品需求数量；一部分是第29天的订单数据，用于进行订单分批，计算批次中的商品关联关系，并以第29天订单数据中包含的商品为例，得到两种状态的货位分配结果；最后一部分是第30天的数据，用来模拟一天的订单拣选作业过程，计算订单拣选距离，验证算法效果。
...........................
5结论与展望
5.1主要研究成果及结论
随着消费者对于网络购物交付时限的要求越来越高，优化人工订单拣选作业以减少订单完成时间成为多数电商企业仓储管理的重点和难点。本文通过阅读订单拣选相关文献以及对电商仓储人工订单拣选作业进行分析，明确了货位分配和订单分批优化是人工订单拣选优化的重要方向，并且发现基于统一的规则对二者进行联合优化是有理论意义和实际应用价值的。
因此，本文提出基于关联规则对电商仓储人工拣选环境下的货位分配和订单分批进行联合优化，以商品关联规则为桥梁，提出三步骤的联合优化过程，建立相互考虑的货位分配和订单分批模型。首先，考虑客户需求和订单分批批次中的商品相关性，以关联商品货位间距离和最常购买商品到出口距离之和最小为目标，建立初始状态和产生拣选作业后的两阶段货位分配模型，并分别构建基于商品关联规则的初始状态货位分配算法和考虑订单分批的货位分配算法；其次，在商品关联规则基础上，构建订单关联规则，以时间期限相近的订单关联度最大为目标，建立订单分批模型，并分别构建不考虑时间期限和考虑时间期限的两种订单分批算法。
基于J电商公司的真实订单数据，和电商企业常用的货位分配和订单分批策略相比，验证本文提出的基于关联规则的货位分配和订单分批联合优化的效果，并通过改变不同的参数进行灵敏度分析，研究关联规则挖掘阈值、商品种类数、订单数量、拣选设备容量等因素对优化效果的影响。
参考文献（略）
