- 相關(guān)推薦
零售業(yè)電子商務(wù)倉儲中心貨位指派研究
1、引言
當(dāng)今的競爭環(huán)境和供應(yīng)鏈整合的需要對倉庫同時增加吞吐速率和降低運營成本產(chǎn)生巨大的壓力。貨物在各個過程的運輸所產(chǎn)生的直接勞動力成本，在倉庫中收貨、存儲、揀貨、聚集、分揀和配送等環(huán)節(jié)的支出占預(yù)算總額的40—50%。其中，實際裝載、裝卸、存儲和揀取，只占所有直接勞工活動的40%，而行走時間卻占60%，而研究估計，揀貨成本會占倉庫運營總成本的65%。因此，揀貨距離的減少將成為降低倉庫費用的主要因素。其中，合理的庫位分配策略，通過考慮將揀貨頻率高的產(chǎn)品放置在容易獲取的貨位，以及將揀貨相關(guān)性高的產(chǎn)品放置在相鄰貨位等因素，對減少揀貨行走距離具有重要作用。
Harmatuck(1976)表明，基于每類體積指標(biāo)的產(chǎn)品分配，可以最大限度地減少了訂單揀取成本，并至少通過一個線性規(guī)劃的公式在單地址的庫存選址模型中證實。Malmborg和Bhaskaran(1990)基于歐氏距離提供了每類體積指標(biāo)規(guī)則與平局決勝規(guī)則的修正證明。Hausma等人(1976)假設(shè)旅行時間可用切比雪夫距離度量。Graves等人(1977)指出，為了使入庫物品存儲在它的分區(qū)，空間需求隨分類數(shù)增加而增加。Frazelle(1990)專門研究了分銷環(huán)境下的貨位分配問題。他將該貨位分配問題形式化為一個NP_hard線性規(guī)劃，并設(shè)計了一個兩階段的啟發(fā)式算法來構(gòu)造最優(yōu)解。Vandenberg(1999)用動態(tài)規(guī)劃程序系統(tǒng)地分類產(chǎn)品。然而，這個過程太耗時，從而限制了其在解決現(xiàn)實生活中的問題的使用。此外，因為產(chǎn)品品種有增加趨勢，所以在倉庫處理產(chǎn)品的平均數(shù)量增加。因此，分類存儲的高效程序十分必要。國內(nèi)的研究多集中在存儲商品的周轉(zhuǎn)率和相關(guān)性方面。例如，張啟徽(2011)研究了以庫存周轉(zhuǎn)率為原則的原紙存儲區(qū)貨位優(yōu)化算法，計算出了按庫存周轉(zhuǎn)率存放和隨機(jī)存放兩種情況下每種物料每月出庫搬運的路程。計算結(jié)果表明按庫存周轉(zhuǎn)率存放時所有物料的合計總路程遠(yuǎn)小于隨機(jī)存放時的總路程，大約可以節(jié)省10倍的路程，因此，按庫存周轉(zhuǎn)率存放明顯優(yōu)于隨機(jī)存放，他們的工作為倉庫按庫存周轉(zhuǎn)率存放貨物提供了理論依據(jù);吳璩和蘇強(qiáng)(2011)指出貨位的布局是否合理，是影響揀選作業(yè)的重要因素，他們引用了路徑、周轉(zhuǎn)率及揀貨成本系數(shù)等關(guān)鍵指標(biāo)數(shù)據(jù)建立起貨位優(yōu)化的線性規(guī)劃數(shù)學(xué)模型;肖建和鄭力(2008)考慮了需求相關(guān)性的多巷道倉庫貨位分配問題;李英德和魯建廈(2011)提出相關(guān)性強(qiáng)度的概念和計算方法，設(shè)計出基于相關(guān)性的貨位指派算法(Storage AllocationBased on Correlations，SABC)，并且證明需求相關(guān)性強(qiáng)度越高，揀貨效率提升潛力越大。
2、優(yōu)化準(zhǔn)則
2.1 優(yōu)化準(zhǔn)則選擇
主要有以下四大準(zhǔn)則，此外還考慮了體積與重量的約束。
(1)周轉(zhuǎn)率準(zhǔn)則。即將產(chǎn)品按周轉(zhuǎn)率由大到小排序，周轉(zhuǎn)率越高的產(chǎn)品應(yīng)離出人口越近。
(2)產(chǎn)品相關(guān)性準(zhǔn)則。這樣可以縮短出貨路程，減少工作人員疲勞，簡化清點工作。產(chǎn)品相關(guān)性的大小可以通過對歷史訂單數(shù)據(jù)的分析得到。
(3)產(chǎn)品同一性準(zhǔn)則。所謂同一性，是指把同一產(chǎn)品儲放于同一保管位置上。
(4)產(chǎn)品相容性準(zhǔn)則。相容性低的產(chǎn)品不可放置在一起，以免影響產(chǎn)品質(zhì)量。
具體到所調(diào)研的倉庫，首先考慮到的是大部分產(chǎn)品按大類分類存儲，可保證同一性。對于出庫頻次特別大的產(chǎn)品可集中存儲。分析得出，產(chǎn)品的周轉(zhuǎn)率和相關(guān)性對產(chǎn)品的貨位分配影響最大，所以選擇這兩個準(zhǔn)則作為推薦貨位的目標(biāo)準(zhǔn)則。同時，為了避免倉庫內(nèi)出現(xiàn)庫容不足、頻繁補(bǔ)貨現(xiàn)象，將產(chǎn)品的尺寸準(zhǔn)則作為推薦貨位的約束準(zhǔn)則;同時將產(chǎn)品的質(zhì)量也作為約束，將質(zhì)量大的產(chǎn)品放置在貨架下部分，確保貨架穩(wěn)定。
2.2 兩階段優(yōu)化方法
考慮問題的復(fù)雜性，本文提出采用兩階段優(yōu)化方法：(1)根據(jù)大類確定各類的合理位置與貨位數(shù)量;(2)為每一大類產(chǎn)品分配具體貨位。
階段1確定每一大類的貨位區(qū)域。
步驟1.1 根據(jù)產(chǎn)品特性劃分出大類數(shù)，計算每一大類的產(chǎn)品種類數(shù)，并統(tǒng)計每一大類的平均出庫頻次與大類間的相關(guān)性。
首先，根據(jù)倉庫貨物的具體特征與出庫頻次大小，將產(chǎn)品分為A，B兩類，A類產(chǎn)品為出庫頻次(用選定時間段內(nèi)含有該產(chǎn)品的訂單數(shù)表示)前10 的暢銷品，單獨存放在靠近分揀區(qū)的貨位。其余為B類品，適合采用按類存儲的方式，這樣可同時滿足同一性準(zhǔn)則和相容性準(zhǔn)則。然后，對于B類產(chǎn)品，由于其出庫頻次比較低且彼此差距不大，分開存放沒有明顯效果。我們將B類產(chǎn)品按大類進(jìn)行細(xì)分，將A類產(chǎn)品與B類產(chǎn)品中的每一類產(chǎn)品都看為整體，統(tǒng)計每個整體的日均出庫量所占比重，與每個整體間的訂單相關(guān)性。根據(jù)實際數(shù)據(jù)，除去某些特殊商品(如優(yōu)惠券等)大約有14個產(chǎn)品大類，加上A類產(chǎn)品，共有15個類別。最后，計算出15個類別的日均出庫量，訂單相關(guān)性數(shù)據(jù)與每一類別產(chǎn)品的日均出庫體積數(shù)據(jù)。
步驟1.2 根據(jù)大類數(shù)與倉庫物理特性，將倉庫揀獲區(qū)域分成與大類數(shù)相同的片區(qū)數(shù)，并計算每一片區(qū)到分揀區(qū)的平均距離。
通過對倉庫的實地測量，計算出每個貨位距離分揀區(qū)的距離，根據(jù)倉庫貨架大小數(shù)量在不同區(qū)域均不相同的具體情況，按照不同區(qū)域距離分揀區(qū)的距離不同，大體分為15個片區(qū)。并計算15個片區(qū)距離分揀區(qū)的折線距離。
步驟1.3 根據(jù)數(shù)學(xué)模型計算，將產(chǎn)品大類與倉庫片區(qū)一一對應(yīng)。并根據(jù)各大類產(chǎn)品種數(shù)調(diào)節(jié)各片區(qū)的面積與貨位數(shù)量。
將15個類別的日均出庫量，訂單相關(guān)性數(shù)據(jù)與每一類別產(chǎn)品的日均出庫體積數(shù)據(jù)以及15個片區(qū)距離分揀區(qū)的折線距離，相互之間的折線距離的數(shù)據(jù)與每個區(qū)域貨位的平均體積代人數(shù)學(xué)模型進(jìn)行計算，得出每一類別產(chǎn)品大體應(yīng)該放置的片區(qū)。再根據(jù)每一類別產(chǎn)品的種類上的不同，在臨近區(qū)域之間調(diào)節(jié)貨位數(shù)量，并根據(jù)每類產(chǎn)品的業(yè)務(wù)擴(kuò)大速度數(shù)據(jù)，再預(yù)留一定數(shù)量的貨位給新產(chǎn)品。
階段2為每一大類產(chǎn)品分配具體貨位。
步驟2.1 統(tǒng)計各大類貨位到分揀包裝線的折線距離，統(tǒng)計每種產(chǎn)品的日均出庫頻次與兩兩間的相關(guān)性。
步驟2.2 代人建立的數(shù)學(xué)模型進(jìn)行計算，得出產(chǎn)品與貨位對應(yīng)表。
按這種思路進(jìn)行貨位的推薦，可以保證出庫頻次越高的產(chǎn)品放在離分揀區(qū)越近的貨位，相關(guān)性強(qiáng)的兩個產(chǎn)品放在距離較近的貨位上，同時可以保證貨位的同一性、相容性(大類產(chǎn)品間相容性較好，按大類分配貨位后，相鄰產(chǎn)品不相容的現(xiàn)象會大大減少)。
3、算例分析
當(dāng)前所調(diào)研倉庫約共有43000個SKU，很難通過一般的數(shù)學(xué)算法獲得模型的最優(yōu)解，我們采用啟發(fā)式算法中的模擬退火算法求得次優(yōu)解。
模擬退火算法出發(fā)點是基于物理中固體物質(zhì)的退火過程與一般組合優(yōu)化問題之間的相似性。其思想是在某一初始溫度下，伴隨溫度參數(shù)的不斷下降，結(jié)合概率突跳特性在解空間中隨機(jī)尋找目標(biāo)函數(shù)的全局最優(yōu)解，即能從局部最優(yōu)解中概率性地跳出并最終趨于全局最優(yōu)。
在結(jié)合模型具體特點，同時考慮計算精度與運算時間，多次測試，發(fā)現(xiàn)如下的參數(shù)設(shè)置可使優(yōu)化效果明顯，且計算時間合理。
3.1 數(shù)據(jù)獲取
由于在調(diào)研期內(nèi)，公司的產(chǎn)品重量與體積數(shù)據(jù)正在測量中，所以沒有可靠的數(shù)據(jù)。下面的算例中，暫時不考慮這兩個約束，并且僅考慮單層貨架以簡化計算。
將所調(diào)研倉庫的產(chǎn)品分成兩類，暢銷品A類和非暢銷品B類，其中暢銷品定義為出庫頻次(用含有該產(chǎn)品的訂單數(shù)表示)排名前10%的產(chǎn)品。A類產(chǎn)品作為一個整體進(jìn)行單獨存放，放在靠近分揀區(qū)的貨位。
根據(jù)大類分析的結(jié)果，A類產(chǎn)品分配在靠近分揀區(qū)域的地區(qū)，所以選取的這196種產(chǎn)品分配的區(qū)域是最靠近分揀區(qū)域的貨位。
因為產(chǎn)品質(zhì)量信息不全的原因，這里只考慮了單層貨架的情況。196種產(chǎn)品放在196個SKU上，首先對這196種產(chǎn)品進(jìn)行編號，從1到196依次代表出庫頻次排名第1到第196位的產(chǎn)品。同時，對以上選取的貨位進(jìn)行編號，如圖3所示。
3.2 方案生成運用
模型中所介紹的方法，計算出每兩個貨位之間的距離及各貨位到出口的距離。優(yōu)化前采用隨機(jī)推薦，優(yōu)化后給出了只考慮出庫頻次與同時考慮出庫頻次與產(chǎn)品相關(guān)性兩種結(jié)果，便于比較分析。
3.3 結(jié)果分析
根據(jù)實際的波次情況，產(chǎn)生250個波次(每個波次為12至15個訂單)的訂單，在所選的196個貨位中會產(chǎn)生若干揀貨點，運用TSP算法求解每個波次在當(dāng)前區(qū)域揀貨需要行走的路程，然后對這250個波次中196種產(chǎn)品的出庫路程進(jìn)行求和，可以得到三種貨位分配準(zhǔn)則下的總路程，如表2所示。
根據(jù)這三個準(zhǔn)則下的出貨總路程，可以算出250個波次下，隨機(jī)推薦貨位的平均出貨總路程為16.424，與隨機(jī)推薦貨位相比，不同算法下的不同推薦準(zhǔn)則均可以減少出貨路程，在所設(shè)定的時間內(nèi)，以模擬退火算法效果最佳。其中考慮出庫頻次的模擬退火算法推薦方案可使出貨總路程減少2.66%，綜合考慮出庫頻次和產(chǎn)品之間的相關(guān)性的模擬退火算法推薦方案可使出貨總路程減少17.77%。
3.4 實施方案
此方案已經(jīng)成功嵌入公司倉庫管理系統(tǒng)，通過系統(tǒng)進(jìn)行實施。具體的貨位調(diào)整分為短期調(diào)整與長期調(diào)整，例如每月進(jìn)行一次小調(diào)整，每半年進(jìn)行一次大調(diào)整。
以A類產(chǎn)品為例，短期調(diào)整時，先將不屬于A類產(chǎn)品的產(chǎn)品取離當(dāng)前區(qū)域，新的產(chǎn)品在A類產(chǎn)品區(qū)域中，使依舊是A類產(chǎn)品的貨位不變動，將新的產(chǎn)品帶入模型就算，分配貨位。長期調(diào)整，則在當(dāng)前區(qū)域產(chǎn)品大幅變動后進(jìn)行，將所有產(chǎn)品帶人模型，全部重新分配貨位。
【零售業(yè)電子商務(wù)倉儲中心貨位指派研究】相關(guān)文章：
發(fā)揮電子商務(wù)在物資供給企業(yè)中的作用研究06-04
零售業(yè)如何有效擴(kuò)張06-04
物流倉儲管理論文07-21
倉儲管理論文開題報告11-07
電子商務(wù)論文12-05
20世紀(jì)中國圖書館學(xué)研究中的“西方中心論”傾向評析06-02
課題研究開題報告10-26
舞蹈藝術(shù)的特征研究10-26
單位自首的處罰研究06-13