英语原文共 15 页，剩余内容已隐藏，支付完成后下载完整资料
实现类存储提高人工拣货多级货架配送仓储拣货效率
摘要
在设计新仓储或翻新现有设施的过程中，仓储经理面临的一项主要任务是确定潜在数千种产品的适当储存位置。影响存储分配的因素有很多。例如，拣选方法、存储系统的大小和布局、物料处理系统、产品特性、需求趋势、周转率和空间要求。
针对上述因素选择适当的存储分配策略（即定位储存、随机储存、分类储存）和路径选择方法（即横向、返回或组合）是解决此问题的一个可能的解决方案。然而，这些政策的效率是相互依存的。
本文针对人工拣货多级货架仓储的仓储分配问题进行了实例仿真研究。根据行程距离和订单检索时间来衡量案例的性能。研究结果表明，有效实施仓储指派系统的关键是使仓储系统的类型与客户订单中的物品种类相匹配。此外，关键绩效指标的使用应明确反映仓储的需求。
第一章 引入订单拣选
订单拣选定义为根据客户订单从仓储中提取所需货物的过程，由于长期以来被认为是几乎每个仓储最为劳动密集和成本高昂的活动，因此受到越来越多的关注。
为了最大限度地减少拣选订单的生产时间，同时最大限度地利用空间、设备和劳动力以及所有物品的可接近性，必须对拣选系统进行仔细的设计和控制。仓储管理者面临四个典型的战术和作战决策问题。它们分别是（1）布局设计，（2）挑选策略，（3）存储分配策略和（4）路径选择策略。
布局设计既涉及包含订单领料系统的设施的布局，也涉及订单领料系统内的布局；领料策略确定如何将订单分组到领料流程中；存储分配策略确定项目在仓储中的存储位置；路径选择策略指示在任何巡更期间要拾取的项目的顺序。
确定潜在的数千种产品的适当存储位置是仓储管理员面临的一项主要任务。在设计新仓储或翻新现有设施期间，影响存储分配的因素有很多。例如，拣选方法、存储系统的大小和布局、物料处理系统、产品特性、需求趋势、周转率和空间要求。人们很难同时、一致地考虑所有的因素，选择最佳的地点。
针对上述因素选择适当的存储分配策略（即定位储存、随机储存、分类储存）和路径选择方法（即横向、返回或组合）是解决此问题的一个可能的解决方案。然而，这些政策的效率是相互依存的。在不同的存储系统（单层或多层货架）和不同的拣货密度下，不同的组合会导致拣货性能的不同。因此，仿真是分析不同截齿密度下各组合截齿性能的最合适工具。
本文旨在通过仿真研究，提高人工拣货、多级货架拣货仓储在运输距离和订单回收时间方面的存储分配问题的性能，数据是从实际案例中获得的。论文的其余部分安排如下：第二节回顾相关文献。第三节介绍了本案的背景和相关情况。第四节介绍了仿真研究。结果和主要发现见第五节。第六节是本文的结论。
第二章 仓储作业是影响拣选绩效的最重要因素
影响产品在仓储中位置的因素很多。例如，拣选方法、存储系统的大小和布局、物料处理系统、产品特性、需求趋势、周转率和空间要求。选择适当的存储分配策略有助于提高拣选的性能。将产品分配到存储位置的存储分配策略通常分为三大类：定位储存、随机储存、分类储存（Hausman、Schwarz和Graves，1976）。
随机和定位存储实际上是分类存储策略的极端情况。随机存储将所有产品放在一个类中，定位储将每个产品分配到一个单独的类中。分类存储的主要思想是将产品划分为类。然后将每个类分配到仓储的定位区域。一个区域内的存储是随机的。此策略的优点是，快速移动的产品可以存储在靠近仓储的地方，同时适用于随机存储的灵活性和高存储空间利用率。
一般来说，分类存储有两种：（1）定位存储（如Brynzeacute;ramp;Johansson，1996；Liu，1999）；和（2）ABC分类。（例如Ashayeri、Heuts、Valkenburg、Veraart和Wilhelm，2002年；Montulet、Langevin和Riopel，1998年）。另一方面，拣选机对零件系统的存储分配主要分为两个方面，一是产品，二是客户订单。对于产品，Brynzeacute;r和Johansson（1996）指出，根据产品特征进行分类存储可以提高拣选的准确性，减少订单检索时间。他们强调，人们应该将订单检索时间和行程距离作为两种不同的订单拣选性能指标。然而，他们的研究并没有进一步探讨订单检索时间和行程之间的关系。
另一方面，Vickson和Lu（1998）证明了基于产品周转率的分类存储可以提高拣选者对快速移动物品的可访问性。他们使用了Heskeet（1963）、Heskett（1964）提出的每阶立方指数（COI）分析。产品的COI是指产品所需的总空间与满足每个周期需求所需的行程次数之比。该算法包括将COI最低（即最高销售率或预测需求）的产品定位在离仓储最近的位置。结果，订单检索时间缩短。然而，这项研究并不完全适用于多层货架仓储，因为选择更高级别的产品会导致更长的时间。对于客户订单，Liu（1999）提到，研究项目之间的统计相关性有助于提高订单的效率。可能会出现这样的情况：订单将被分配到一个存储位置，从而减少存储和检索操作的数量。然而，这种方法也有一些缺点。它要求订单内容的稳定性、对特定存储分配策略的粘附性以及领料单上打印的物料的固定顺序。
除了上面讨论的COI，另一个指标，即条目数量（EIQ）分析（Li，2009）被证明在库存分类方面比其他数据挖掘技术更优越，这导致了行程的减少。事实上，大多数分类存储研究都是在自动化存储/检索系统（AS/RSA）环境下进行的。
项目按三个方面分为三类：（1）系统周期时间；（2）库存周转率；（3）物料清单（BOM）Ashayeri（2002）和Mansuri（1997）根据AS/RS中的系统周期时间研究了分类存储，并将系统吞吐量和处理时间用于性能度量。Mansuri（1997）比较了随机、定位和分类存储分配策略的有效性。仿真结果表明，定位存储有助于系统吞吐量的最大化，而随机存储有助于存储空间利用率的最大化。另一方面，Ashayeri（2002）提出了一个基于几何的分析模型，用于计算三种分类存储布局中的系统周期时间，如图1所示。结果表明，第三种存储布局的系统处理时间最短，而第二种布局的系统处理时间最长。
图1三类存储布局
对于基于库存周转率的类存储分配，Montulet（1998）研究了使用单命令周期和定位存储策略最小化峰值负载的问题。峰值负荷是固定规划范围内日负荷的最大值。每日负载是命令周期的预期总时间。建立了数学模型，提出了求解该问题的分枝定界算法。Hsieh和Tsai（2001）提出了一种面向物料清单（BOM）的AS/RS类存储分配方法，该方法不仅具有类存储方法的优点，而且具有将AS/RS集成到计算机集成制造（CIM）系统中的可行性。然而，这种类型的分配将只用于储存原材料的仓储，而不是成品。对于所有类型的拣货系统，一个合适的库存分类方法对于将产品分成不同的类别以提高拣货效率至关重要。
在这方面，Guvenir和Erel（1998）以及Partovi和Anandarajan（2002）提出了基于多属性的分类方法。Guvenir和Erel（1998）比较了传统的ABC分析法、层次分析法（AHP）和遗传算法（GA）对库存分类有效性。他批评传统的ABC分析只考虑年度使用价值，而AHP过于主观，容易造成误差。他发现，遗传算法可以对库存进行分类，显示出与决策者所期望的一致性。
另一方面，Partovi和Anandarajan（2002）提出用人工神经网络（ANN）对医药企业的库存进行分类。神经网络是一种基于生物神经网络的数学模型或计算模型。它们可用于建模输入和输出之间的复杂关系或在数据中查找模式。他证明了人工神经网络比层次分析法更有效，从整体上看，上述库存分类方法存在一定的缺陷。例如，输入变量数量有限，难以分析定性属性。这就是为什么专业判断并没有完全被库存分类方法所取代。
综上所述，使用地理存储分配政策取决于仓储运营商的需求以及一些环境限制，如上述存储系统和物料处理系统的大小和布局。表1总结了有关存储分配的文献综述。
发现大多数研究都考虑了单层机架仓储，或侧重于自动化立体仓储。很少考虑多层货架仓储。另外，大多数研究都集中在基于随机和分类存储上。如从仓储文献中总结的那样，随机存储由于易于使用而在仓储中被广泛使用。每个入库货盘都在仓储中分配了一个位置，该位置是从所有符合条件的空位置中随机选择的（Petersen，1997）。它导致了较高的空间利用率，却以增加的行进距离为代价（Choe and Sharp，1991）。它通常用于带有计算机库存系统的大容量存储区域，因为当前库存水平和位置需要实时更新。
Le-Duc和De Koster（2005）基于返回路线策略的封闭形式行程时间估计，优化了存储类的位置。他们声称跨通道存储方法接近最佳。另外，Jewkes等。 （2004年）调查了类以及订单选择器的位置，以最小化订单检索时间。但是，没有考虑花费在垂直运动上的订单检索时间。
Jane and Laih（2005）批评分类存储可能会导致工作负载不平衡。通过开发聚类模型，他们将项目分组为离散的专有聚类。集群中的项目通常具有相似的需求模式和处理方法。整个聚类过程基于总产品需求而不是单个项目需求。这样可以在所有集群中形成统一的需求模式，从而平衡工作量并最大程度地减少总的订单检索时间。
此外，Heragu（2005）提出了一个数学模型来研究产品的分配和班级规模如何影响拣选效率。定义了三个功能类别，即保留区域，前向区域和跨站台区域。在研究产品的物理流程的基础上，确定每种功能类别的最佳尺寸并降低拣选成本。在实际情况下，仓储的大小是固定的。减少过道的数量将增加每个类别或存储空间的大小。但是，应该评估对拣选效率的影响。例如，它可能导致通道内的拥塞。
总而言之，在仓储文献中，没有明确的规则来定义分拣系统的类划分（类数，每个类的项目百分比以及每个类的总拣货量百分比）。此外，最佳分配取决于路径选择策略，仓储的大小和每个拣配路线的SKU数量。这导致讨论下一个主题，即不同因素（存储分配策略，路径选择策略和拣货密度）的组合如何影响订单拣选的整体性能。基于以上所述，可以得出结论，大多数研究都集中在单层机架式仓储或AS / RS系统中的拣选效率上。
本文试图通过案例研究来解决多层货架仓储中的存储分配问题。不仅要花费在水平行进上的订单检索时间，还要花费在垂直行进上的时间。研究了订单检索时间与行进距离之间的关系，以找出最优的存储分配。这与以前的研究有很大的不同。此外，本文还比较了三种路径选择策略（即横向，返回和组合）下的拣货性能。
第三节 问题表述
3.1案例背景
在本研究中，以运动产品的分销仓储（称为ABC仓储）为例，以说明表1汇总中有关存储分配研究的方法。ABC仓储是手动拣选的多层机架仓储。在运动产品的零售业务中，接单对于公司的成功至关重要。订单交货时间越短，销售机会就越大。产品分为男子，妇女和儿童3条线，分为2大类，即服装和帽子和水瓶等配饰。它在正常季节的每个工作日处理大约500到1500个自动补货订单（即基于销售点的订单），并在紧迫的时间范围内交付给大约200家本地商店。
自动补货订单的拣选生产率相对较低是由于它们的三个特征：（1）订单量小，种类繁多； （2）由于季节性和促销原因，订单量范围很广；（3）基于销售点数据的交货地点数量不一致。过去的经验表明，如果使用批拣货，则行程时间的减少无法弥补将订单分拣到大约200个交货地点所花费的时间。因此，使用离散拣选。订单选择者通常每次旅程只能选择一个订单，这会导致较长的行进距离和订单检索时间。
通常，在ABC仓储中使用离散拣选（即按订单拣选）和批次拣选（即按物品拣选）。订单较大时使用离散拣配，而订单较小时使用批量拣选。订单拣选效率定义为每工时拣选的SKU件。设置了一个计算机化系统来记录各个拣选人员的订单检索时间。当前，ABC仓储根据其产品类别和字母或数字代码将库存单位（SKU）随机分配到存储地点。快速，中速和慢速移动的物品存储在相同的位置和相同级别的机架中。因此，拣选人员必须走很长一段距离，并花费更多的时间来拣选存储在高架上的热物品。如图2所示，行程占订单选择者总时间的一半。为了满足自动补货订单交货提前期的关键绩效指标（KPI），即在销售完成后1天，需要提高订单拣选效率。
图2：拣选人员完成订单所需的平均时间
3.2目的
在提高订单拣选效率的研究中，大多数研究都集中在单层货架仓储或AS / RS系统上。他们中很少有人考虑手动拣选和多层架子仓储。应该考虑手动拣选多层架子仓储中垂直和水平仓储之间的拣选速度/效率的差异。它表示最小移动距离不等于最小拾取时间。该研究的目的是通过以下方面提高自动补给订单的拣选性能：ABC仓储的行进距离和订单检索时间：
（1）使用COI和EIQ方法将物料分为3类（A，B，C）
（2）探索存储分配策略，路径选择策略不同组合下的拣选效率，并通过仿真比较其性能；
（3）根据不同的订货量和拣货密度进行灵敏度分析；
（4）在手动拣选多级仓储中研究行进距离与订单检索时间之间的关系。
总共构建了具有相同仓储布局的三个模型，分别针对不同的工艺路线策略（即横返回和组合工艺路线）。进行了27个实验，以测试在不同因素组合下的拣选性能。 （即3个存储分配策略times;3个路径选择策略times;3个选择密度）。采用计算机仿真来实现上述目标。 ARENA用于构建分析模型。使用COI指数和EIQ分析的目的是将产品分类。计算机仿真是获取每种组合的行进距离和订单检索时间的数据。并使用统计技术来分析和呈现与模拟研究目标相关的发现。
第四节 方法和实现
在本研究中，仅选择120种产品来执行ABC分类和模拟建模。产品的选择基于自动补货的历史拣配清单表3 ABC仓储的拣配过程时间跟踪摘要报告。
图3：12月08日和1月9日的自动补货订单数量
如图3所示，自动补货订单的数量在2008年1
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[234833]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
