蔬菜B2C直销的拣货作业优化方法研究
本文选题:蔬菜B2C直销 切入点:拣货模式 出处:《大连理工大学》2015年硕士论文
【摘要】:2010年以来,蔬菜网上直销模式相继在北京、上海等地出现,开启了我国蔬菜类商品B2C电子商务模式的新篇章。该模式给生活节奏快、无暇去超市买菜的年轻上班族带来了极大方便。然而,其“一日达”、“半日达”的时间性极强的配送要求,给蔬菜加工作业带来巨大挑战。一方面,蔬菜属于易腐品,不能或过多储存,只能现采现摘;另一方面,新兴的蔬菜配送中心作为整个物流运作环节的主要节点,其作业流程缺乏科学性和规范性,无法满足配送的紧迫性。在配送中心所有的作业环节中,最核心的环节是按单拣货作业,其劳动量和拣货作业成本在配送中心所有作业中占据主要部分。蔬菜B2C直销模式下的拣货迫切需要高准确率和高效率,以衔接后续的装车作业环节。当前粗放式的手工作坊拣货模式,其拣货效率低、出错率高、蔬菜腐烂程度高等特点,已无法满足蔬菜B2C直销模式的拣货需求。因此本文对蔬菜B2C直销模式下的拣货模式和拣货顺序优化展开研究。针对这一问题,本文的主要研究工作如下:(1) 通过对当前蔬菜B2C直销模式下的配送中心拣货现状分析,以满足准时拣货、准时打包和准时配送为目标,引入JIT的作业思想,提出了基于电子看板的蔬菜拣货作业模式,并对其作业流程和拣货策略进行分析;(2) 将每条拣货流水线抽象为机器,依据机器调度原理,以JIT的作业思想,建立满足装车时间窗和装车链优先顺序的拣货顺序优化模型,并对模型的复杂性进行分析,得出其为NP-难问题;(3) 为了有效求解该模型,基于定性定量相结合的思想,本文设计了基于优先规则的混合遗传算法,并对该混合遗传算法的相关步骤进行了定义;(4) 以北京昊宇公司为实际应用背景,与原始遗传算法比较,通过对各种不同规模算例的数值试验比较和灵敏度分析,验证该混合遗传算法的有效性。本文的相关研究是对蔬菜B2C直销模式下配送中心拣货模式和拣货顺序优化问题的探索,有利于企业规范拣货流程,满足拣货准时化需求,提高拣货效率;蔬菜拣货顺序的优化研究,为企业的拣货顺序制定提供了决策依据,同时丰富了机器调度理论,具有很高的实际意义和理论意义。
[Abstract]:Since 2010, vegetable online direct marketing model has appeared in Beijing, Shanghai and other places, which has opened a new chapter of B2C e-commerce model of vegetable commodities in China.This model brings great convenience to young office workers who have no time to go to the supermarket to buy food.However, its "one day", "half a day" of the extremely strong delivery requirements, to the vegetable processing operations bring great challenges.On the one hand, vegetables are perishable and cannot be stored or overstocked, so they can only be picked now. On the other hand, as the main node of the whole logistics operation, the emerging vegetable distribution center lacks scientific and normative operation flow.Unable to meet the urgency of distribution.Among all the operations in the distribution center, the most important link is to pick goods according to the single order, and the amount of labor and the cost of picking the goods occupy the main part in all the operations of the distribution center.High accuracy and high efficiency are urgently needed in vegetable B2C direct selling mode in order to link up the subsequent loading operation.At present, the extensive handmade workshop picking mode has the characteristics of low picking efficiency, high error rate and high degree of vegetable decay, which can no longer meet the demand of picking goods in the B2C direct selling mode of vegetables.Therefore, this paper studies the selection mode and picking order optimization of vegetable B2C direct selling mode.Aiming at this problem, the main research work of this paper is as follows: 1) through the analysis of the current situation of picking goods in the distribution center under the current B2C direct selling mode of vegetables, in order to meet the objectives of just-in-time picking, just-in-time packing and just-in-time distribution, the paper introduces the idea of JIT operation.This paper presents a vegetable picking operation model based on electronic Kanban, and analyzes its operation flow and picking strategy. Pipeline is abstracted as a machine. According to the principle of machine scheduling, JIT is adopted.A picking order optimization model satisfying loading time window and loading chain priority order is established, and the complexity of the model is analyzed. It is found that the model is NP-difficult problem.) in order to solve this model effectively, based on the idea of combining qualitative and quantitative analysis.In this paper, a hybrid genetic algorithm based on priority rules is designed, and the relevant steps of the hybrid genetic algorithm are defined.The effectiveness of the hybrid genetic algorithm is verified by comparison of numerical experiments and sensitivity analysis of various numerical examples of different scales.The related research in this paper is to explore the optimization of picking mode and picking sequence of distribution center under B2C direct selling mode of vegetables, which is helpful for enterprises to standardize the picking process, to meet the demand of picking on time and to improve the efficiency of picking.The research on the optimization of vegetable picking order provides a basis for decision making and enriches the theory of machine scheduling, which is of great practical and theoretical significance.
【学位授予单位】:大连理工大学
【学位级别】:硕士
【学位授予年份】:2015
【分类号】:F724.6;F326.6
【共引文献】
相关期刊论文 前10条
1 马友平;;生长模型McDill-Amateis的遗传算法拟合研究[J];安徽农业科学;2007年33期
2 吴金华;戴淼;尹剑;;基于遗传神经网络的陕西省土地利用结构模型研究[J];安徽农业科学;2008年36期
3 秦鹏;夏枫耿;明飞平;吴振强;;基于遗传算法优化BP神经网络的小球藻生长模型的建立与应用[J];安徽农业科学;2011年10期
4 曹素兵;朱婵;;RNA二级结构遗传预测算法中的选择操作研究[J];安徽农业科学;2011年14期
5 郭强;罗长寿;魏清凤;;基于遗传算法神经网络模型的蔬菜价格预报[J];安徽农业科学;2011年26期
6 赵佳;张威;方进;杨中平;郑琼林;刘友梅;;高温超导直线感应电机的电磁优化设计[J];北京交通大学学报;2011年02期
7 胡琰;李国岫;李少鹏;;发动机匹配优化算法的研究[J];北京交通大学学报;2011年04期
8 周丽娟;乐晓波;;物流配送路径优化的研究[J];办公自动化;2007年06期
9 邹明;姜礼平;苏思;;基于遗传算法的航空装备保障资源调度[J];兵工自动化;2009年11期
10 尹文彬;许腾;侯博;盖世昌;;基于遗传算法的舰艇编队火力分配问题研究[J];兵工自动化;2010年05期
相关会议论文 前10条
1 齐文文;赵斌;龙连春;;基于遗传算法的加筋圆柱壳屈曲承载力优化[A];北京力学会第18届学术年会论文集[C];2012年
2 刘涵;高俊涛;;并联式混合动力汽车控制策略及遗传算法优化研究[A];中国自动化学会控制理论专业委员会B卷[C];2011年
3 粟晓玲;史银军;;基于水资源转化模拟的内陆河流域水资源优化配置研究[A];全国水资源合理配置与优化调度及水环境污染防治技术专刊[C];2011年
4 张远安;张春荣;强勇;;基于相位编码信号的MIMO雷达正交波形设计的研究[A];2011年通信与信息技术新进展——第八届中国通信学会学术年会论文集[C];2011年
5 左言言;严才宝;;一种新的GA优化四自由度主动悬架控制[A];第十届全国振动理论及应用学术会议论文集(2011)上册[C];2011年
6 赵亮;李书;鲁大伟;;MLPG混合配点法在形状优化中的应用研究[A];结构及多学科优化工程应用与理论研讨会’2009(CSMO-2009)论文集[C];2009年
7 颜伏伍;王洪建;田韶鹏;袁智军;;基于NSGA-Ⅱ的变速器齿轮系多目标可靠性优化设计[A];湖北省内燃机学会2009年学术年会论文集[C];2009年
8 张朝晖;;工程建设场地布置的遗传算法模型实用研究[A];土木建筑学术文库(第13卷)[C];2010年
9 马敏阳;秦秀波;姜小盼;王宝义;吴伟明;;基于遗传算法的正电子湮没寿命谱拟合[A];第十届全国正电子湮没谱学会议论文集[C];2009年
10 王勇;白丹;党志良;李鹏;;基于动态规划和遗传算法灌区水资源优化配置[A];水力学与水利信息学进展 2009[C];2009年
相关博士学位论文 前10条
1 陆满君;通信辐射源个体识别与参数估计[D];哈尔滨工程大学;2010年
2 刘营;雷达图像编码器的并行处理研究与实现[D];哈尔滨工程大学;2009年
3 许爱德;开关磁阻电机在船舶电力推进中的应用研究[D];大连海事大学;2010年
4 查云飞;类菱形车转向系统研究与分析[D];湖南大学;2010年
5 刘思华;电网故障诊断方法的研究[D];山东大学;2010年
6 周巍;煤矿井下搜救探测机器人的路径规划及轨迹跟踪控制研究[D];太原理工大学;2011年
7 张凌云;高密度电阻率勘探反演的非线性方法研究[D];太原理工大学;2011年
8 孙晓梅;多源交通信息下的动态路径选择模型与方法研究[D];吉林大学;2011年
9 程方晓;基于自适应保持多样性遗传算法的汽车动力传动系多目标优化[D];吉林大学;2011年
10 胡丹丹;拥塞型设施的选址问题研究[D];华中科技大学;2011年
相关硕士学位论文 前10条
1 万成;动态环境下的元胞遗传算法研究[D];南昌航空大学;2010年
2 张可平;CO_2焊逆变电源的自适应模糊控制系统研究[D];南昌航空大学;2010年
3 李坤;参数参与进化的自适应遗传算法研究[D];南昌航空大学;2010年
4 纪二云;基于改进遗传算法的电力系统无功优化的研究[D];山东科技大学;2010年
5 李京京;城市给水管网改扩建优化设计模型研究[D];郑州大学;2010年
6 雷明杰;神经网络和遗传算法在中厚板轧机中的应用研究[D];郑州大学;2010年
7 张鹏;橡胶坝静动力特性有限元分析[D];山东农业大学;2010年
8 黄丽琴;匹配场处理性能仿真研究[D];哈尔滨工程大学;2010年
9 王彬;船舶多航态对减摇鳍电伺服系统影响研究[D];哈尔滨工程大学;2010年
10 李冰洁;基于WinCC组态软件的加热炉炉温优化与仿真研究[D];大连理工大学;2010年
,本文编号:1711942
本文链接:https://www.wllwen.com/jingjilunwen/guojimaoyilunwen/1711942.html