零售業(yè)電子商務(wù)倉儲中心貨位指派研究
1、引言
當今的競爭環(huán)境和供應鏈整合的需要對倉庫同時(shí)增加吞吐速率和降低運營(yíng)成本產(chǎn)生巨大的壓力。貨物在各個(gè)過(guò)程的運輸所產(chǎn)生的直接勞動(dòng)力成本，在倉庫中收貨、存儲、揀貨、聚集、分揀和配送等環(huán)節的支出占預算總額的40—50%。其中，實(shí)際裝載、裝卸、存儲和揀取，只占所有直接勞工活動(dòng)的40%，而行走時(shí)間卻占60%，而研究估計，揀貨成本會(huì )占倉庫運營(yíng)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(guò)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(lèi)體積指標的產(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(guò)一個(gè)線(xiàn)性規劃的公式在單地址的庫存選址模型中證實(shí)。Malmborg和Bhaskaran(1990)基于歐氏距離提供了每類(lèi)體積指標規則與平局決勝規則的修正證明。 Hausma等人(1976)假設旅行時(shí)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，空間需求隨分類(lèi)數增加而增加。Frazelle(1990)專(zhuān)門(mén)研究了分銷(xiāo)環(huán)境下的貨位分配問(wèn)題。他將該貨位分配問(wèn)題形式化為一個(gè)NP_hard線(xiàn)性規劃，并設計了一個(gè)兩階段的啟發(fā)式算法來(lái)構造最優(yōu)解。Vandenberg(1999)用動(dòng)態(tài)規劃程序系統地分類(lèi)產(chǎn)品。然而，這個(gè)過(guò)程太耗時(shí)，從而限制了其在解決現實(shí)生活中的問(wèn)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)品的平均數量增加。因此，分類(lèi)存儲的高效程序十分必要。國內的研究多集中在存儲商品的周轉率和相關(guān)性方面。例如，張啟徽(2011)研究了以庫存周轉率為原則的原紙存儲區貨位優(yōu)化算法，計算出了按庫存周轉率存放和隨機存放兩種情況下每種物料每月出庫搬運的路程。計算結果表明按庫存周轉率存放時(shí)所有物料的合計總路程遠小于隨機存放時(shí)的總路程，大約可以節省10倍的路程，因此，按庫存周轉率存放明顯優(yōu)于隨機存放，他們的工作為倉庫按庫存周轉率存放貨物提供了理論依據;吳璩和蘇強(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、周轉率及揀貨成本系數等關(guān)鍵指標數據建立起貨位優(yōu)化的線(xiàn)性規劃數學(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(wèn)題;李英德和魯建廈(2011)提出相關(guān)性強度的概念和計算方法，設計出基于相關(guān)性的貨位指派算法(Storage AllocationBased on Correlations，SABC)，并且證明需求相關(guān)性強度越高，揀貨效率提升潛力越大。
2、優(yōu)化準則
2.1 優(yōu)化準則選擇
主要有以下四大準則，此外還考慮了體積與重量的約束。
(1)周轉率準則。即將產(chǎn)品按周轉率由大到小排序，周轉率越高的產(chǎn)品應離出人口越近。
(2)產(chǎn)品相關(guān)性準則。這樣可以縮短出貨路程，減少工作人員疲勞，簡(jiǎn)化清點(diǎn)工作。產(chǎn)品相關(guān)性的大小可以通過(guò)對歷史訂單數據的分析得到。
(3)產(chǎn)品同一性準則。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。
具體到所調研的倉庫，首先考慮到的是大部分產(chǎn)品按大類(lèi)分類(lèi)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(gè)準則作為推薦貨位的目標準則。同時(shí)，為了避免倉庫內出現庫容不足、頻繁補貨現象，將產(chǎn)品的尺寸準則作為推薦貨位的約束準則;同時(shí)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，確保貨架穩定。
2.2 兩階段優(yōu)化方法
考慮問(wèn)題的復雜性，本文提出采用兩階段優(yōu)化方法：(1)根據大類(lèi)確定各類(lèi)的合理位置與貨位數量;(2)為每一大類(lèi)產(chǎn)品分配具體貨位。
階段1確定每一大類(lèi)的貨位區域。
步驟1.1 根據產(chǎn)品特性劃分出大類(lèi)數，計算每一大類(lèi)的產(chǎn)品種類(lèi)數，并統計每一大類(lèi)的平均出庫頻次與大類(lèi)間的相關(guān)性。
首先，根據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(lèi)，A類(lèi)產(chǎn)品為出庫頻次(用選定時(shí)間段內含有該產(chǎn)品的訂單數表示)前10 的暢銷(xiāo)品，單獨存放在靠近分揀區的貨位。其余為B類(lèi)品，適合采用按類(lèi)存儲的方式，這樣可同時(shí)滿(mǎn)足同一性準則和相容性準則。然后，對于B類(lèi)產(chǎn)品，由于其出庫頻次比較低且彼此差距不大，分開(kāi)存放沒(méi)有明顯效果。我們將B類(lèi)產(chǎn)品按大類(lèi)進(jìn)行細分，將A類(lèi)產(chǎn)品與B類(lèi)產(chǎn)品中的每一類(lèi)產(chǎn)品都看為整體，統計每個(gè)整體的日均出庫量所占比重，與每個(gè)整體間的訂單相關(guān)性。根據實(shí)際數據，除去某些特殊商品(如優(yōu)惠券等)大約有14個(gè)產(chǎn)品大類(lèi)，加上A類(lèi)產(chǎn)品，共有15個(gè)類(lèi)別。最后，計算出15個(gè)類(lèi)別的日均出庫量，訂單相關(guān)性數據與每一類(lèi)別產(chǎn)品的日均出庫體積數據。
步驟1.2 根據大類(lèi)數與倉庫物理特性，將倉庫揀獲區域分成與大類(lèi)數相同的片區數，并計算每一片區到分揀區的平均距離。
通過(guò)對倉庫的實(shí)地測量，計算出每個(gè)貨位距離分揀區的距離，根據倉庫貨架大小數量在不同區域均不相同的具體情況，按照不同區域距離分揀區的距離不同，大體分為15個(gè)片區。并計算15個(gè)片區距離分揀區的折線(xiàn)距離。
步驟1.3 根據數學(xué)模型計算，將產(chǎn)品大類(lèi)與倉庫片區一一對應。并根據各大類(lèi)產(chǎn)品種數調節各片區的面積與貨位數量。
將15個(gè)類(lèi)別的日均出庫量，訂單相關(guān)性數據與每一類(lèi)別產(chǎn)品的日均出庫體積數據以及15個(gè)片區距離分揀區的折線(xiàn)距離，相互之間的折線(xiàn)距離的數據與每個(gè)區域貨位的平均體積代人數學(xué)模型進(jìn)行計算，得出每一類(lèi)別產(chǎn)品大體應該放置的片區。再根據每一類(lèi)別產(chǎn)品的種類(lèi)上的不同，在臨近區域之間調節貨位數量，并根據每類(lèi)產(chǎn)品的業(yè)務(wù)擴大速度數據，再預留一定數量的貨位給新產(chǎn)品。
階段2為每一大類(lèi)產(chǎn)品分配具體貨位。
步驟2.1 統計各大類(lèi)貨位到分揀包裝線(xiàn)的折線(xiàn)距離，統計每種產(chǎn)品的日均出庫頻次與兩兩間的相關(guān)性。
步驟2.2 代人建立的數學(xué)模型進(jìn)行計算，得出產(chǎn)品與貨位對應表。
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)品放在離分揀區越近的貨位，相關(guān)性強的兩個(gè)產(chǎn)品放在距離較近的貨位上，同時(shí)可以保證貨位的同一性、相容性(大類(lèi)產(chǎn)品間相容性較好，按大類(lèi)分配貨位后，相鄰產(chǎn)品不相容的現象會(huì )大大減少)。
3、算例分析
當前所調研倉庫約共有43000個(gè)SKU，很難通過(guò)一般的數學(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(diǎn)是基于物理中固體物質(zhì)的退火過(guò)程與一般組合優(yōu)化問(wèn)題之間的相似性。其思想是在某一初始溫度下，伴隨溫度參數的不斷下降，結合概率突跳特性在解空間中隨機尋找目標函數的全局最優(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)。
在結合模型具體特點(diǎn)，同時(shí)考慮計算精度與運算時(shí)間，多次測試，發(fā)現如下的參數設置可使優(yōu)化效果明顯，且計算時(shí)間合理。
3.1 數據獲取
由于在調研期內，公司的產(chǎn)品重量與體積數據正在測量中，所以沒(méi)有可靠的數據。下面的算例中，暫時(shí)不考慮這兩個(gè)約束，并且僅考慮單層貨架以簡(jiǎn)化計算。
將所調研倉庫的產(chǎn)品分成兩類(lèi)，暢銷(xiāo)品A類(lèi)和非暢銷(xiāo)品B類(lèi)，其中暢銷(xiāo)品定義為出庫頻次(用含有該產(chǎn)品的訂單數表示)排名前10%的產(chǎn)品。A類(lèi)產(chǎn)品作為一個(gè)整體進(jìn)行單獨存放，放在靠近分揀區的貨位。
根據大類(lèi)分析的結果，A類(lèi)產(chǎn)品分配在靠近分揀區域的地區，所以選取的這196種產(chǎn)品分配的區域是最靠近分揀區域的貨位。
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(gè)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(shí)，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?jì)蓚�(gè)貨位之間的距離及各貨位到出口的距離。優(yōu)化前采用隨機推薦，優(yōu)化后給出了只考慮出庫頻次與同時(shí)考慮出庫頻次與產(chǎn)品相關(guān)性?xún)煞N結果，便于比較分析。
3.3 結果分析
根據實(shí)際的波次情況，產(chǎn)生250個(gè)波次(每個(gè)波次為12至15個(gè)訂單)的訂單，在所選的196個(gè)貨位中會(huì )產(chǎn)生若干揀貨點(diǎn)，運用TSP算法求解每個(gè)波次在當前區域揀貨需要行走的路程，然后對這250個(gè)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則下的總路程，如表2所示。
根據這三個(gè)準則下的出貨總路程，可以算出250個(gè)波次下，隨機推薦貨位的平均出貨總路程為16.424，與隨機推薦貨位相比，不同算法下的不同推薦準則均可以減少出貨路程，在所設定的時(shí)間內，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(shí)施方案
此方案已經(jīng)成功嵌入公司倉庫管理系統，通過(guò)系統進(jìn)行實(shí)施。具體的貨位調整分為短期調整與長(cháng)期調整，例如每月進(jìn)行一次小調整，每半年進(jìn)行一次大調整。
以A類(lèi)產(chǎn)品為例，短期調整時(shí)，先將不屬于A(yíng)類(lèi)產(chǎn)品的產(chǎn)品取離當前區域，新的產(chǎn)品在A(yíng)類(lèi)產(chǎn)品區域中，使依舊是A類(lèi)產(chǎn)品的貨位不變動(dòng)，將新的產(chǎn)品帶入模型就算，分配貨位。長(cháng)期調整，則在當前區域產(chǎn)品大幅變動(dòng)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：
關(guān)于傳統零售業(yè)發(fā)展現狀及趨勢的研究11-25
電子商務(wù)安全現狀及對策研究12-02
電子商務(wù)對餐飲老字號的影響研究11-21
電子商務(wù)環(huán)境下的稅收問(wèn)題研究03-28
電子商務(wù)用戶(hù)資源管理研究03-26
農村零售業(yè)發(fā)展現狀及對策研究論文開(kāi)題報告06-10
產(chǎn)品的電子商務(wù)適合度問(wèn)題研究論文03-01
基于電子商務(wù)的供給鏈整合策略研究12-05
- 相關(guān)推薦