卷烟物流配送中心“储分一体化”分拣优化研究
发布时间:2020-09-23 09:04
伴随着现代物流行业的快速发展,物流配送中心的作用愈加重要。订单分拣作为在物流配送中心的关键环节,其工作成本占据了配送中心整体的50%以上。针对分拣过程进行优化研究可以有效节约运行成本,提升配送效率。在烟草行业中,现存的卷烟物流配送中心通常采用备货缓存系统作为仓储系统与分拣系统的过渡环节。但是,随着近年来卷烟品项和销量的不断增长,社会需求朝向多品种、小批量、高频次方向发展,备货缓存区域限制了配送效率的提升,存在设备多,业务流程复杂等弊端。在此背景下,卷烟物流配送中心“储分一体化”模式运应而生。该模式从物流环节入手通过技术改造,消除了备货缓存区域,并将其承担的功能分解至仓储和分拣环节,形成“储分”,优化了业务流程,整体上提升了卷烟配送中心的分拣效率和仓储能力。本文对某企业实施“储分一体化”模式前后的卷烟配送中心仓储布局和分拣工艺流程进行了对比分析,总结了“储分一体化”模式的理论知识,为以后企业的实施提供理论支持和指导。文章对该模式下的订单分拣及补货策略进行了深入研究,针对该模式中存在分拣线分拣任务不均衡,堆垛机调度难度大等问题建立相应模型进行改善。首先,应用模糊c-均值聚类算法和自适应遗传-模糊均值聚类算法分别对基于任务均衡的分拣聚类模型进行优化,并通过MATLAB软件得出数据仿真结果验证算法均有效。经对比分析得出自适应遗传-模糊均值聚类算法在算法稳定性和迭代效率方面更具优势。然后,将自适应遗传-模糊均值聚类算法应用于订单分批分拣优化模型,通过算法优化得出的订单分拣批次可以使得堆垛机搬运B类卷烟次数平均减少5次,优化比例为18.5%。本文通过两次聚类过程有效实现了卷烟配送中心分拣线任务均分,优化了堆垛机出入库过程,提升了配送效率。
【学位单位】:昆明理工大学
【学位级别】:硕士
【学位年份】:2018
【中图分类】:F252;F426.8
【部分图文】:
昆明理工大学硕士学位论文量不大的场合。(2)分拣后再分类订单按照总合计量分批策略完成拣选后将按照根据实际情况不同进行处理。有两种处理模式:人工对分批后的货品对照订单进行分类拣选处理;利用自动化分类输送机系统对货品进行分类处理,该模式处理效率高,且订单品项越多是优势越明显。以上 4 种分拣策略的特点各有不同,其适用情况也存在着差异。他们既可以单独使用,也能不同分拣策略间进行组合使用。配送中心应根据所分拣的订单和品项的实际情况选择适合于本中心的分拣策略,最大化的提高分拣效率。图 2.1表示 4 种策略的组合运用情况,从左至右的任一条组合链都可构成一种有效的混合分拣策略。
染色体保持了父代的特征。这种操作方式是种群产生下一代新个体的主要方法,是种群朝多样化发展的关键步骤。交叉操作提升了遗传算法的全局搜索能力,是遗传算法的核心操作。交叉操作是通过一定的交叉概率(PC)在种群中的两个随机个体间来完成的。交叉概率可以选取一个定值,整个种群都按照此概率来进行交叉操作,也可以采用自适应交叉概率,即不同个体因适应度的不同而有着不同的交叉概率[56]。在交叉概率选取时,较高的交叉概率能够使种群产生更多的子代个体,扩大了算法的搜索空间;但是交叉概率过高,使得算法计算时间大幅度增长,降低了算法的运行效率。常用的交叉算子操作主要有以下几种:1)单点交叉:在进行交叉操作的两个父代染色体中设置一个基因位置为杂交点,然后交换杂交点处的部分基因,从而形成两个新的子代个体。如图 2.2 所示:把一对父代染色体从杂交点分为前后两部分,交换它们的后半部分,得到两个新的子代染色体。
昆明理工大学硕士学位论文区。当需要进行相应品牌、数量的件烟备货及补货时,系统通过输送设备向重力式缓存和提蓝式缓存各储存通道直接补货,实现件烟的连续周转以及所需要的迅速缓冲调节。这种规划布局存在缓存区需要设备较多、输送线路长且复杂、占地面积大、固定资产投资大等弊端。
【学位单位】:昆明理工大学
【学位级别】:硕士
【学位年份】:2018
【中图分类】:F252;F426.8
【部分图文】:
昆明理工大学硕士学位论文量不大的场合。(2)分拣后再分类订单按照总合计量分批策略完成拣选后将按照根据实际情况不同进行处理。有两种处理模式:人工对分批后的货品对照订单进行分类拣选处理;利用自动化分类输送机系统对货品进行分类处理,该模式处理效率高,且订单品项越多是优势越明显。以上 4 种分拣策略的特点各有不同,其适用情况也存在着差异。他们既可以单独使用,也能不同分拣策略间进行组合使用。配送中心应根据所分拣的订单和品项的实际情况选择适合于本中心的分拣策略,最大化的提高分拣效率。图 2.1表示 4 种策略的组合运用情况,从左至右的任一条组合链都可构成一种有效的混合分拣策略。
染色体保持了父代的特征。这种操作方式是种群产生下一代新个体的主要方法,是种群朝多样化发展的关键步骤。交叉操作提升了遗传算法的全局搜索能力,是遗传算法的核心操作。交叉操作是通过一定的交叉概率(PC)在种群中的两个随机个体间来完成的。交叉概率可以选取一个定值,整个种群都按照此概率来进行交叉操作,也可以采用自适应交叉概率,即不同个体因适应度的不同而有着不同的交叉概率[56]。在交叉概率选取时,较高的交叉概率能够使种群产生更多的子代个体,扩大了算法的搜索空间;但是交叉概率过高,使得算法计算时间大幅度增长,降低了算法的运行效率。常用的交叉算子操作主要有以下几种:1)单点交叉:在进行交叉操作的两个父代染色体中设置一个基因位置为杂交点,然后交换杂交点处的部分基因,从而形成两个新的子代个体。如图 2.2 所示:把一对父代染色体从杂交点分为前后两部分,交换它们的后半部分,得到两个新的子代染色体。
昆明理工大学硕士学位论文区。当需要进行相应品牌、数量的件烟备货及补货时,系统通过输送设备向重力式缓存和提蓝式缓存各储存通道直接补货,实现件烟的连续周转以及所需要的迅速缓冲调节。这种规划布局存在缓存区需要设备较多、输送线路长且复杂、占地面积大、固定资产投资大等弊端。
【参考文献】
相关期刊论文 前10条
1 刘晶t
本文编号:2825126
本文链接:https://www.wllwen.com/jingjilunwen/jingjiguanlilunwen/2825126.html