B2C電商配送中心訂單分批策略研究綜述

1、    b2c電商配送中心訂單分批策略研究綜述    劉曉利摘 要：本文總結(jié)了每種訂單分批策略的特點并對其優(yōu)化方式進行探討分析。深入研究涉及多揀選員工、訂單期限及聯(lián)合調(diào)度優(yōu)化模式下的訂單分批問題?；诟黝惙峙呗宰陨硖匦?，對比分析每種策略的適用條件，同時對訂單分批在電商配送中心的應(yīng)用前景、當(dāng)前研究所存在的問題以及未來的研究方向進行了展望。關(guān)鍵詞：訂單分批策略;b2c電商配送中心;在線訂單;聯(lián)合調(diào)度：f27     ：a      doi：10.19311/ki.16

2、72-3198.2020.20.0230 引言近年來，b2c電商物流發(fā)展尤為迅速。相較于傳統(tǒng)物流平臺，電商物流有著顯著的特征：產(chǎn)品品類多批量小、個性化產(chǎn)品多、客戶響應(yīng)時間要求高等。應(yīng)用傳統(tǒng)的按單揀選模式，帶來了訂單揀選次數(shù)多、揀貨速度慢等問題，最終導(dǎo)致訂單處理效率降低?？梢妭鹘y(tǒng)訂單揀選模式已不適用于b2c電商配送中心，而訂單分批策略提供了更好的方案。訂單分批包括在線和離線訂單分批，將其應(yīng)用到配送中心，根據(jù)訂單的特點設(shè)計合理的倉儲取貨系統(tǒng)，并進行有效的倉儲分配、訂單分類和排序，可以大幅提高訂單處理效率。電商物流平臺的最大指標(biāo)體現(xiàn)的是響應(yīng)速度要求高，即訂單處理時間快。影響訂單處理時間的因素包括四個

3、方面：（1）系統(tǒng)性能，如揀選設(shè)備自動化程度和處理效率等;（2）設(shè)施布局，如作業(yè)流程間的銜接程度等;（3）揀選策略，如訂單分批和排序策略等;（4）訂單履行的準(zhǔn)確率。在不更換系統(tǒng)設(shè)備的條件下，上述因素中的訂單分批策略為解決電商物流中心的問題提供了可能。本文總結(jié)了現(xiàn)有訂單分批策略的特點并探討分析了每種策略所做出的優(yōu)化方式?；诟鞣峙呗宰陨硖匦?，對比分析了每種策略的使用條件。1 訂單分批及分類訂單分批是指使用計算機技術(shù)，依據(jù)預(yù)先設(shè)定的規(guī)則將具有某種共同屬性的訂單歸為同一批次，然后再進行訂單揀選作業(yè)。目的是減少揀選次數(shù)，縮短平均揀選距離。ackerman于1990年在文獻中首次提出訂單批處理的概念，自

4、此，大量學(xué)者開始投身于訂單分批領(lǐng)域。眾多學(xué)者研究和實際應(yīng)用均表明合適的訂單分批策略的應(yīng)用確實會提高訂單處理效率。訂單分批可分為離線訂單和在線訂單分批。離線狀態(tài)研究假設(shè)訂單同時到達(dá)，即訂單所有信息均為已知，其研究的是將訂單分到哪一個批次。在線狀態(tài)則是訂單所有信息均實時更新，未到達(dá)的訂單信息未知，存在較大的不確定性。由此可知在線狀態(tài)更符合電商物流的特點，但離線狀態(tài)分批研究也可應(yīng)用于電商物流平臺時間段為0000-0600的訂單處理。1.1 基于在線訂單的分批研究在線訂單分批方法主要包括時窗分批和在線啟發(fā)式算法。其中時窗分批可分為可變時窗和固定時窗分批?？勺儠r窗是將一段時間內(nèi)到達(dá)的固定數(shù)量的訂單匯總為

5、同一批次，其研究決策是如何確定批量，其相關(guān)研究多數(shù)是基于排隊論理論展開。chew等將訂單到達(dá)系統(tǒng)設(shè)計為可合并的排隊系統(tǒng)，構(gòu)建訂單排隊總時間的概率分布函數(shù)，最終確定最優(yōu)批量。le-due等基于排隊論理論，確定以最短訂單揀選時間為目標(biāo)的揀選模型。固定時窗是將固定時間內(nèi)到達(dá)的不同數(shù)量的訂單匯總為同一批次，其研究決策是如何確定時間窗。van等基于固定和可變時窗理論，采用排隊論模型，構(gòu)建訂單平均揀選時間的概率分布函數(shù)，并且證明平均揀選時間為可變時窗和固定時窗最優(yōu)決策的凸函數(shù)?？勺儠r窗和固定時窗是解決在線訂單分批問題的兩種主要方法，以上研究均基于排隊論的理論分析最優(yōu)時窗或批量模型，只需計算出固定時窗或批量

6、即可。但并不適用于訂單波動大的電商物流平臺。因為當(dāng)使用固定時窗時，若是高峰期，則會在固定時窗內(nèi)產(chǎn)生大批訂單，造成揀選壓力大;當(dāng)使用可變時窗時，若是低谷期，則需等待很長時間以積累到固定批量，揀選人員會出現(xiàn)大量閑置。馬士華等基于上述存在的問題，提出新型延時動態(tài)時間窗分批策略。陳方宇采用不同于其他學(xué)者利用等待機制的求解思路，其將實時到達(dá)的訂單輸入進行中的揀選系統(tǒng)，并重復(fù)性地采用算法優(yōu)化訂單分批和路徑設(shè)計策略。該策略更適用于電商物流，時效性更高。鄒霞借鑒前人基礎(chǔ)，綜合考慮訂單密度等相關(guān)因素，引入訂單行概念，改進傳統(tǒng)分批時窗模型，基于訂單行約束的限制，最終求解結(jié)果使得批次間效率差異降低，穩(wěn)定性增強。1.

7、2 基于離線訂單的分批研究本節(jié)對國內(nèi)外離線訂單分批策略研究進行文獻回顧。目前常見的分批算法主要有精確求解和啟發(fā)式算法。啟發(fā)式算法包括種子算法、節(jié)約算法、數(shù)據(jù)挖掘算法和元啟發(fā)式算法等。接下來針對這些算法進行簡單地論述，并討論其適用條件。1.2.1 精確求解算法離線訂單分批已被證明是np難問題。使用精確求解算法計算困難且計算時間隨規(guī)模增加呈指數(shù)倍增長。因此精確求解只適用于小批量的訂單處理，不適用于電商物流中訂單分批，有必要采用新型算法求解。1.2.2 啟發(fā)式算法（1）種子算法。種子算法需要先選擇種子訂單，然后依據(jù)設(shè)定的分批原則將未分配訂單合理地與種子訂單組合，組合結(jié)果即為分批結(jié)果。tseng研究了

8、兩種不同的種子訂單選取規(guī)則和未分配訂單組合規(guī)則的分批策略。研究表明該算法適用于訂單數(shù)量較多的揀選平臺。（2）節(jié)約算法。節(jié)約算法最早依據(jù)vrp問題提出來，是一種基于節(jié)約的揀選距離或時間來優(yōu)化訂單分批的算法。王轉(zhuǎn)等將產(chǎn)品體積作為約束，并結(jié)合整箱理論，構(gòu)建最大化節(jié)約揀選距離模型。采用綜合節(jié)約里程的啟發(fā)式算法，最終得出目標(biāo)批量。朱友瓊等則聯(lián)合考量訂單揀選次數(shù)與距離，采用節(jié)約算法求解最優(yōu)批量。將這種算法與時間窗策略共同設(shè)計，優(yōu)化效果更明顯。（3）數(shù)據(jù)挖掘算法。該算法需要基于數(shù)據(jù)挖掘技術(shù)，探究訂單間的關(guān)聯(lián)度，進而確定關(guān)聯(lián)規(guī)則。利用制定的規(guī)則將具有高度關(guān)聯(lián)性的訂單歸為同一批次。劉凱等基于數(shù)據(jù)挖掘技術(shù)，分析待

9、處理訂單間的數(shù)據(jù)關(guān)系，并定義關(guān)聯(lián)性的概念，進而得到初始分批策略。（4）元啟發(fā)式算法。元啟發(fā)式算法是根據(jù)傳統(tǒng)啟發(fā)式算法改進而來的，是多種算法的總稱。該類算法靈活度高，可以處理訂單數(shù)量多、“緊急插單”等復(fù)雜情況?？梢?，該算法也可用于在線訂單分批問題。多數(shù)學(xué)者基于該算法設(shè)計求解。如采用改進遺傳算法，蟻群算法，變鄰域搜索算法等。2 考慮多揀選員工的訂單分批上述提到的大多研究假設(shè)僅有一名揀選人員，未考慮訂單分批后的任務(wù)分配問題。但在實際運營中，物流平臺會雇傭多名揀選員同時作業(yè)。因此應(yīng)結(jié)合實際，在訂單分批時考慮多名揀選員的問題。接下來將分析考慮多名員工的訂單分批與排序。郜振華等考慮多名揀選人員，基于螢火蟲

10、算法研究訂單分批問題。陳卓等將搬運等設(shè)備的容量限制作為約束建立模型，并設(shè)計訂單分批、任務(wù)分配和路徑優(yōu)化三階段的算法。當(dāng)訂單處理涉及多名揀選人員時，會出現(xiàn)兩個問題：工作任務(wù)不均衡和揀選通道擁擠。黃曉旭針對工作任務(wù)不均衡情況，結(jié)合對員工工作量的考量，并考慮送達(dá)時間和送達(dá)區(qū)域兩個因素，設(shè)計改進遺傳算法和偽布爾最優(yōu)求解算法分別解決訂單分批和排序問題。張福龍綜合考慮多揀選員工和訂單期限等因素，以員工工作量差異閾值為約束，構(gòu)建最小揀選總時間、最大訂單處理數(shù)量的多目標(biāo)函數(shù)，有效地解決了訂單分批、排序和分配問題。馮愛蘭等考慮揀選人員工作量不均衡問題，并將揀選通道堵塞的可能情況考慮在內(nèi)，設(shè)計分區(qū)揀選系統(tǒng)，研究最

11、小化相鄰區(qū)域作業(yè)時間差值，減少工作人員等待時間，同時避免揀選通道擁擠。但上述研究大都基于離線狀態(tài)下的研究，在線狀態(tài)多員工揀選訂單分批問題需要進一步探討。3 考慮訂單期限的訂單分批為避免延遲交貨，造成低客戶滿意率，訂單處理需要在規(guī)定期限內(nèi)完成。該問題的研究大多對延遲時間或懲罰成本展開考量。henn等以訂單期限為約束，構(gòu)建最小化訂單總延遲時間的模型，使用兩種不同的算法進行求解并分析。并將仿真結(jié)果與最早完成期限訂單最先揀選規(guī)則和領(lǐng)域搜索算法對比，懲罰成本平均提高幅度為44%。huang提出改進遺傳算法，分析在規(guī)定期限內(nèi)的訂單分批與分配的聯(lián)合優(yōu)化。以上為離線狀態(tài)下的部分分批揀選研究，也有學(xué)者針對在線訂

12、單分批作出相應(yīng)研究。王旭坪等針對實時訂單分批問題，依據(jù)訂單期限調(diào)整動態(tài)時窗以獲得最優(yōu)訂單的組合優(yōu)化。4 考慮聯(lián)合調(diào)度的訂單分批近些年國內(nèi)才開始電商訂單處理的相關(guān)研究，考慮聯(lián)合調(diào)度的研究較少。國外學(xué)者則對訂單聯(lián)合調(diào)度問題展開了較多研究。例如訂單分批和揀選路徑優(yōu)化、揀選與配送系統(tǒng)相結(jié)合，并加入設(shè)備容量限制，考慮揀選系統(tǒng)擁堵情況等。chen等考慮訂單期限和路徑選取兩個重要情況，構(gòu)建最小化訂單延遲時間的目標(biāo)函數(shù)，有效地解決了訂單分批、排序分配和路徑選取的三大問題。國內(nèi)也有部分學(xué)者考慮多階段的聯(lián)合調(diào)度問題。王旭坪等引入配送概念，改進傳統(tǒng)揀選模型，基于訂單期限約束的限制，將訂單分批與配送系統(tǒng)聯(lián)合優(yōu)化，最終

13、求解結(jié)果表明揀選優(yōu)化效果顯著，同時提高了配送資源利用率。李曉杰則是綜合考慮訂單處理和前向操作環(huán)節(jié)，基于移動式貨架系統(tǒng)，將儲貨作業(yè)與批處理策略相結(jié)合，進而優(yōu)化揀選系統(tǒng)。5 總結(jié)與展望5.1 現(xiàn)狀總結(jié)綜上，目前離線訂單處理算法及問題研究較為全面，學(xué)者基于節(jié)約算法、啟發(fā)式算法提出大量改進算法，較好地解決了離線訂單分批處理問題。而在線訂單分批策略考慮多揀選員工的研究較少，且為簡化模型，不考慮訂單完成期限。但在實際應(yīng)用中，情況往往更為復(fù)雜，不僅包括上述因素，而且還涉及多方面的不可控因素。并且目前在線訂單分批的研究大都采用固定時窗和可變時窗來決策最優(yōu)批量或最優(yōu)時窗，但訂單量波動大的電商物流并不適用，因此有

14、必要進一步研究適合電商訂單的改進動態(tài)或混合時間窗的訂單分批策略和在線算法。5.2 適用條件針對現(xiàn)有的分批策略，本文分別對幾種代表性的分批方式進行了分析和討論。1.2節(jié)對比了目前常見的訂單分批算法的適用情況。在線狀態(tài)下訂單分批策略更適合于現(xiàn)有電商物流中心訂單特點，并結(jié)合多員工揀選和考慮期限的訂單分批更適用于實際情況。離線狀態(tài)訂單分批策略適用于電商物流中心時間段為0000-0600的訂單處理。企業(yè)可結(jié)合實際需求與各訂單分批策略適用情況，選擇合適的訂單分批混合策略。5.3 存在的問題和挑戰(zhàn)基于上述研究，電商物流訂單分批研究還需進一步的探討，本文提出以下展望：（1）針對算法求解時間。訂單分批為np難問

15、題，在僅僅考慮離線訂單時，求解時間隨訂單數(shù)量的增加呈指數(shù)倍增長，當(dāng)考慮多因素的在線訂單分批研究更為復(fù)雜，可對算法做進一步的優(yōu)化。（2）目前在線訂單的批處理策略缺乏可變動性，無法完美契合電商物流配送平臺多變的特性，因此有必要進一步研究靈活度高的混合時間窗策略。另外還需要改進現(xiàn)有的在線算法，以便能夠?qū)崟r的訂單處理做出快速的反應(yīng)。（3）可對考慮訂單期限，并且基于多名揀選員工的在線訂單分批策略展開更多的探討。（4）整個流程應(yīng)注重整體最優(yōu)而非局部最優(yōu)，但目前的研究很少從全局的角度進行分析。綜合考慮前期存儲策略、訂單分批揀選、揀選路徑規(guī)劃以及最終配送路徑的決策等，從總體的角度對整個鏈條進行綜合優(yōu)化是未來

16、的一個研究方向。（5）在物聯(lián)網(wǎng)和區(qū)塊鏈發(fā)展的階段，未來電商物流平臺還有很大的發(fā)展空間，可對多式聯(lián)運配送模式下的訂單分配揀選策略和配送策略聯(lián)合調(diào)度問題進行研究。6 結(jié)束語訂單分批策略是訂單處理的基礎(chǔ)，傳統(tǒng)的按單揀選的揀選模式給當(dāng)前的電商物流中心訂單處理帶來了一定的問題，而各類訂單分批策略有益于解決這些問題?；旌蠒r間窗分批揀選和在線算法，突破了傳統(tǒng)離線訂單的揀選模式，給在線實時訂單處理帶來了可能。盡管目前還有很多問題需要研究，但混合時間窗分批揀選和在線算法的結(jié)合必能帶來更大的效益。參考文獻1王文蕊.電子商務(wù)配送中心的設(shè)計與優(yōu)化策略研究d.濟南：山東大學(xué)，2014.2張福龍.b2c電商配送中心訂單揀

17、選作業(yè)優(yōu)化研究及應(yīng)用d.重慶：重慶大學(xué)，2017.3劉丹.基于定點定線配送的a配送中心訂單揀選優(yōu)化研究d.北京：北京交通大學(xué)，2019.4chew， e. p.， tang， l. c. travel time analysis for general uem location assignment in a rectangular warehousej. european journal of operational research，1999，112（3）：582-597.5le-due， t.， dekoster， r. m. b. m. travel time estimation a

18、nd order batching in a 2-block warehousej. european journal of production research，2014，52（8）：2232-2242.6馬士華，文堅.基于時間延遲的訂單分批策略研究j.工業(yè)工程與管理，2004，（6）：1-4.7陳方宇.多區(qū)塊倉庫環(huán)境下訂單掠選路線規(guī)劃研究d.武漢：華中科技大學(xué)，2014.8鄒霞.面向b2c電商配送中心的分散式自動存取及揀選系統(tǒng)效率優(yōu)化研究d.濟南：山東大學(xué)，2018.9張珺.b2c電子商務(wù)訂單分批揀選與配送聯(lián)合調(diào)度d.大連：大連理工大學(xué)，2017.10gademann. n.， van

19、de velde， s. order batching to minimize total travel time in a parallel-aisle warehousej. iie transactions，2005，37（1）：63-75.11y.-c. ho， y.-y. tseng. a study on order-batching methodsof order-picking in a distribution centre with twocross-aislesj. international journal of production research，2006，44（

20、17）：3391-3417.12王轉(zhuǎn)，裴澤平.啟發(fā)式路徑下節(jié)約里程的訂單分批算法j.計算機工程與應(yīng)用，2018，54（23）：203-209，222.13朱友瓊，唐思，何進.“貨到人”模式下電商物流中心訂單分批策略研究j.現(xiàn)代商貿(mào)工業(yè)，2019，40（26）：34.14劉凱，彭玲玲.基于智能倉儲揀選系統(tǒng)的訂單分批問題研究j.中國儲運，2019，（08）：147-148.15馮愛蘭，王晨西，孔繼利.改進遺傳算法求解訂單分批優(yōu)化模型j/ol.計算機工程與應(yīng)用用：1-112019-12-05. http：/16吳天行.改進的蜂群算法在訂單分批問題中的應(yīng)用研究d.北京：北京物資學(xué)院，2017.17xi xiang， changchun liu， lixin miao. storage assignmentand order batching problem in kiva mobile fulfillment systemj. engineering optimization，2018，50（11）：1941-1962.18郜振華，陳卓.基于螢火蟲算法的訂單分批問題研究j.物流科技，2019，42（07）：10-15.19孫輝.a電商企業(yè)配送中心揀選作業(yè)優(yōu)化研究d.