雷 斌，蔣兆遠，馬殷元

蘭州交通大學 機電技術研究所，蘭州 730070

配送中心分區(qū)同步揀貨系統(tǒng)人員分配策略研究

雷 斌，蔣兆遠，馬殷元

蘭州交通大學 機電技術研究所，蘭州 730070

1 引言

在配送中心中，揀貨作業(yè)時間約占全部作業(yè)時間的40%以上，揀選成本一般要占全部運營成本的65%以上，因此，合理優(yōu)化訂單揀選作業(yè)，對配送中心作業(yè)效率的提高具有重要影響[1]。分區(qū)揀貨是將揀貨作業(yè)場地分成多個區(qū)域，由一個或一組揀貨人員負責揀取自己負責區(qū)域內的物品[2]。分區(qū)揀貨是一種比較好的揀貨策略，近年來，國內外文獻對分區(qū)揀貨進行了較深入研究[2-10]，研究成果主要分為分區(qū)接力揀貨和分區(qū)同步揀貨。分區(qū)接力揀貨[6-7]是訂單不作分割，由揀貨員以接力的方式來完成所有的揀貨任務。分區(qū)同步揀貨[8-9]是將訂單進行分割，分別由不同工作分區(qū)內的不同的揀貨員同時進行揀貨作業(yè)，來完成同一張訂單所訂購產(chǎn)品的揀取作業(yè)。

文獻[6]研究了分區(qū)接力揀貨的情況，提出了動態(tài)分區(qū)揀貨的思想，較好地解決了接力分區(qū)揀貨過程中，揀貨員在交接區(qū)等待的問題。由于接力揀貨要求每個揀貨單都是順序執(zhí)行的，如果其中一個揀貨員出了問題，就會影響下一個揀貨員的揀貨，出現(xiàn)揀貨中斷的情況，嚴重影響揀貨效率。

文獻[8]研究了分區(qū)同步揀貨的情況，提出了啟發(fā)式物品儲存安排算法，算法中首先計算所有訂單物品的相關程度，然后按照相關程度從大到小安排儲存在不同的揀貨分區(qū)，使并行分揀系統(tǒng)的工作負荷得以均衡。文獻[11-14]也介紹了并行分區(qū)揀貨中儲位分配問題，設計了相關算法，進行了求解。而對于圖書等產(chǎn)品，訂單的規(guī)律性比較差，產(chǎn)品的周轉效率快，生命周期短，按照訂單物品相關程度分配儲位，以提高同步揀貨效率是比較困難的。

本文針對以上文獻研究成果中存在的不足，提出了一種靜態(tài)分區(qū)、動態(tài)分配各分區(qū)揀貨人員的方法，動態(tài)調度各分區(qū)揀貨人員的數(shù)量，使各分區(qū)工作量均衡，從而提高同步揀貨的效率。并建立了人員調度模型，配送中心可以借助該模型，快速設計出人員分配方案。

2 系統(tǒng)配置及相關假設

大型配送中心一般分多個區(qū)，貨物按品種存儲在不同的區(qū)，分區(qū)一般是靜態(tài)的，在一定的時期內固定不變。傳統(tǒng)的揀貨作業(yè)方式一般為：（1）前一天晚上打印出第二天的揀貨單，按照一定的方式分組；（2）揀貨員分成若干個組，每個組負責完成本組的揀貨任務；（3）每個揀貨員分配到若干個訂單，揀貨員逐個訂單完成揀貨。傳統(tǒng)的揀貨作業(yè)方式主要存在的問題是：（1）每個揀貨員完成揀貨時，需要逐個區(qū)進行，負重行走距離遠，勞動強度大，揀貨效率低；（2）對于部分緊急的訂單，揀貨時間長，影響客戶的滿意度。

按照分區(qū)同步揀貨系統(tǒng)的思路，將大型配送中心的一個區(qū)劃分為一個揀貨區(qū)。訂單中的貨物在各個區(qū)中分布是不均勻的，因此，要達到各區(qū)同步揀貨，需要根據(jù)各區(qū)中的任務量，動態(tài)分配各區(qū)中的揀貨人員。

在建立人員動態(tài)分配模型前，先做如下假設：

（l）揀貨區(qū)由一系列確定的矩形貨架組成，如圖1所示。

圖1 配送中心分區(qū)示意圖

（2）最大貨位高度小于2 m，揀貨員不需要借助任何工具就能取出貨架上任意位置的產(chǎn)品。

（3）忽略貨架高度引起的垂直方向上的附加時間。

（4）窄巷道揀貨系統(tǒng)，即揀貨員能同時揀取兩側貨架上的品項，而不需要從一側貨架轉向另一側貨架的附加時間。

（5）一個揀貨單相當于一個訂單（訂單分別揀取）或一批訂單（批量揀?。?/p>

（6）被揀品之間不存在需求相關性，也就是一個產(chǎn)品在訂單中出現(xiàn)的概率不受訂單中其他產(chǎn)品的影響。

（7）配送中心建有物流信息系統(tǒng)，訂單數(shù)據(jù)和貨物存儲數(shù)據(jù)都精確地保存在系統(tǒng)中，揀貨員每人配備一臺手持終端，通過手持終端能夠獲取揀貨任務信息。

（8）配送中心訂單按波次進行揀貨。

揀貨作業(yè)時間由以下三部分組成：①從起點到第一個被揀品的行走時間、各個被揀品項之間的移動時間及最后一個被揀品到終點的時間，可以視為在存儲通道及橫向通道內行走時間的總和。②在存儲位置點的處理時間如尋找貨物，取出貨物及文檔處理的時間。③在路徑起點和終點的管理時間，管理和啟動任務的時間，如：取得和存放揀取設備（小車、周轉箱等）的時間等。

本文提出的基于工作量均衡的分區(qū)同步揀貨系統(tǒng)，首先將配送中心存儲區(qū)按照存儲貨物類別，劃分為m個區(qū)域，假設一個揀貨區(qū)域如圖1所示。訂單揀選按波次進行，波次揀貨是很多企業(yè)原材料庫、配送中心都采用的揀貨方式[1，3，5，7]。將n個訂單按照劃分的m個存儲區(qū)域進行分割，按照一定的揀貨路徑策略，通過建立的人員分配模型，計算出每個區(qū)域需要的揀貨人員數(shù)Labi (i=1，2，…，m)，該人員數(shù)沒有考慮員工的能力差別。

3 人員調度策略及模型建立

3.1 人員調度策略

本文提出的基于工作量均衡的分區(qū)同步揀貨系統(tǒng)人員調度策略，揀貨過程中，揀貨任務分波次生成，訂單按揀貨區(qū)進行分割，按照每個區(qū)的作業(yè)量，每個波次動態(tài)分配揀貨人員，整個過程描述如下：

（1）配送中心物流信息系統(tǒng)分波次生成一批揀貨任務，并按照區(qū)進行分割。

（2）在限制一次最大揀貨訂單和最大揀貨體積的批量揀貨前提下，計算每個區(qū)需要的揀貨計劃時間。

（3）按揀貨計劃時間，分配每個區(qū)的揀貨人數(shù)。

（4）揀貨人員在指定的區(qū)，按照系統(tǒng)提示，完成揀貨任務。

（5）對于加急等特殊訂單，系統(tǒng)重新調配人員，快速完成揀貨任務。

3.2 模型建立

配送中心分區(qū)同步揀貨系統(tǒng)人員動態(tài)分配問題是各分區(qū)任務量和任務總執(zhí)行人員一定的情況下，按照各分區(qū)任務量耗時，分配各分區(qū)的任務執(zhí)行人員，使整個任務量耗時最少的人員分配優(yōu)化問題。該問題包含兩個方面，一是計算各分區(qū)任務量的耗時，二是根據(jù)各分區(qū)任務量的耗時，分配各分區(qū)的任務執(zhí)行人員，使得整個配送中的總揀貨時間最少。

3.2.1 符號說明

m為分區(qū)數(shù)；n為訂單數(shù)；Wa為貨架的間距；Wb為貨位的寬度；v為揀貨員的行走速度；MaxNum為每趟最多揀選訂單數(shù)；MaxV為每趟最多揀選體積數(shù)；LabNum為揀貨員總數(shù)；qij為i區(qū)中 j訂單的品項數(shù)，1≤i≤m，0≤j≤n。lijk為i區(qū)中 j訂單中品項k存儲的列數(shù)，1≤i≤m，j≥0，1≤k≤qij。rijk為i區(qū)中 j訂單中品項k存儲的行數(shù)，1≤i≤m，j≥0，1≤k≤qij。Vijk為i區(qū)中 j訂單中品項k的體積數(shù)。Ti為i區(qū)中訂單揀選計劃總時間。TAi為分配揀貨人員后，i區(qū)中訂單揀選實際總時間。TSijk為i區(qū)中 j訂單中品項k在存儲位置點的處理時間，如尋找貨物，取出貨物及文檔處理的時間，該時間和被揀品項的體積存在一定的關系。TPip為i區(qū)中，第 p趟揀選作業(yè)在路徑起點和終點的管理時間，管理和啟動任務的時間，如：取得和存放揀取設備（小車、周轉箱等）的時間等。TWip為i區(qū)中，第 p趟揀選作業(yè)從起點到第一個被揀品的行走時間、各個被揀品項之間的移動時間及最后一個被揀品到終點的時間。Timesi為i區(qū)的揀貨趟數(shù)。Sip為i區(qū)中，第 p趟揀選作業(yè)的總行走距離。Labi為i區(qū)中理論計算分配到的揀貨員數(shù)。LabAi為i區(qū)中實際分配到的揀貨員數(shù)。Qi為i區(qū)的揀貨組合集合，例如：{(1，2，3);(4);…;(n-2，n-1，n)}，集合中的數(shù)字代表訂單i區(qū)中待揀訂單的序號。

3.2.2 模型建立

（1）各分區(qū)任務耗時計算模型

在揀貨過程中，揀貨時間可以分解為3部分，①在存儲位置點的處理時間，如尋找貨物，取出貨物及文檔處理的時間，該時間和被揀品項的體積存在一定的關系，用TSijk表示i區(qū)中 j訂單中品項k的這部分耗時。②揀選作業(yè)在路徑起點和終點的管理時間，管理和啟動任務的時間，如：取得和存放揀取設備（小車、周轉箱等）的時間等，用TPip表示i區(qū)中第 p趟的這部分耗時。③揀選作業(yè)從起點到第一個被揀品的行走時間、各個被揀品項之間的移動時間及最后一個被揀品到終點的時間，用TWip表示i區(qū)中，第 p趟的這部分耗時。

因此，每個區(qū)揀貨的需求總時間描述如下：

并行揀貨能夠有效提高揀貨效率[10]，本模型中假設是并行揀貨，即一趟揀貨過程，能夠同時揀選多個訂單。其中TPip需要根據(jù)被揀貨物的數(shù)量確定，TPip主要和揀貨趟數(shù)有關，訂單數(shù)對TPip的影響不大，忽略訂單數(shù)的影響。揀貨趟數(shù)Timesi取決于每趟最多揀選訂單數(shù)MaxNum和每趟最多揀選體積數(shù)MaxV。TWip需要根據(jù)被揀貨位的位置確定。

（2）各分區(qū)人員分配模型

為了使各分區(qū)工作量均衡，提高整個配送中心揀貨效率，每個分區(qū)揀貨人員分配按照揀貨時間比例進行分配，理論分配的計算方法如下式：

由式（2）得到的理論分配人數(shù)Labi不一定是整數(shù)，按照約定規(guī)則進行處理，得到每個揀貨分區(qū)實際分配的揀貨人員LabAi。

（3）人員分配優(yōu)化目標建立

按照上面求得的LabAi，重新計算每個揀貨分區(qū)實際用時，如式（3）所示：

4 模型的啟發(fā)式算法

生產(chǎn)調度問題一般可以描述為：針對某項可以分解的工作，在一定的約束條件下，如何安排其組成部分（操作）所占用的資源、加工時間及先后順序，以獲得產(chǎn)品制造時間或者成本等最優(yōu)。配送中心分區(qū)同步揀貨系統(tǒng)人員動態(tài)分配問題，實際上也是一種生產(chǎn)調度問題，是按照各分區(qū)的任務量，動態(tài)分配揀貨人員。生產(chǎn)調度問題、車輛路徑問題等許多組合優(yōu)化問題被證明是NP完全問題。對于這類問題，由于其難解性和廣闊的實際應用背景，人們通常更關心如何能夠在可接受的時間內找出問題的盡可能好的解。啟發(fā)式算法由于具有計算效率高、實時性好和算法靈活多變等優(yōu)點，非常適合于動態(tài)調度，因此啟發(fā)式算法成為求解這類問題的重要方法[15]。

啟發(fā)式算法又可分為構造性啟發(fā)式算法和元啟發(fā)式算法。構造式啟發(fā)式算法是根據(jù)問題信息或一組規(guī)則來對問題進行求解。構造式啟發(fā)算法簡單，易于實現(xiàn)，其求出的解較好，對簡單問題往往能直接求出最優(yōu)解，對復雜大規(guī)模問題其求出的解又可為其他迭代搜索算法提供好的初始解，因此多年來構造式啟發(fā)式算法一直為學者們廣泛研究[2-3，7，9-10，15]。本文在研究配送中心分區(qū)同步揀貨系統(tǒng)人員分配問題特點的基礎上，設計了一種基于工作量均衡的啟發(fā)式算法，并對算法的結果進行了分析，提出了算法改進的方法。

算法設計的思路是：首先，求解在某個波次每個分區(qū)需要的總揀貨時間Ti。Ti包含3部分，分別進行求解，對每次揀貨時間、文檔處理時間，行走速度等做了相應假設。其次，求解每個分區(qū)分配的理論揀貨人員數(shù)Labi。最后，按照約定規(guī)則，求解每個分區(qū)分配的實際揀貨人員數(shù)LabAi，得到整個配送中心的最大揀貨耗時。

4.1 求解Ti

按式（1），Ti包含3部分，分別進行求解。

TSijk是i區(qū)中 j訂單中品項k在存儲位置點的處理時間，如尋找貨物，取出貨物及文檔處理的時間，該時間和被揀品項的體積存在一定的關系，假設每取x個體積需要 y秒，每個品項處理文檔時間為z秒。因此：

TPip是在路徑起點和終點的管理時間，管理和啟動任務的時間，如：取得和存放揀取設備（小車、周轉箱等）的時間等。假設每次的管理時間都為 y1秒，因此，i區(qū)的管理時間為：

步驟1先將i區(qū)中的訂單按照優(yōu)先順序排序。

步驟2取第一個訂單 j。

步驟3計算該訂單的體積數(shù)Vij。

步驟4將體積Vij加到待比較的體積V′，比較V′和MaxV，如果V′＜MaxV，進入步驟5，如果V′=MaxV進入步驟6，如果V′＞MaxV，進入步驟7。

步驟5如果取出的訂單數(shù)小于每趟最多揀選訂單數(shù)MaxNum，如果i區(qū)中還有訂單，取下一個訂單，返回步驟3。如果取出的訂單數(shù)等于每趟最多揀選訂單數(shù)MaxNum，進入步驟6。

步驟6i區(qū)的揀貨趟數(shù)Timesi加1，記錄i區(qū)的揀貨集合Qi。如果i區(qū)中還有訂單，取下一個訂單，返回步驟3。如果i區(qū)中沒有訂單，記錄Timesi，記錄i區(qū)的揀貨集合Qi，結束計算。

步驟7以當前取出的訂單為下一趟揀貨的開始訂單，返回步驟4。

TWip是從起點到第一個被揀品的行走時間、各個被揀品項之間的移動時間及最后一個被揀品到終點的時間。按照（2）中求解的結果，得到了每趟揀貨的品項集合。對于每一趟揀選作業(yè)，為降低操作員的勞動強度，考慮從位置最遠的品項開始揀選，依次往靠近出口的位置進行揀選。具體作業(yè)路徑按照混合路徑策略進行計算。

每趟揀選中，各品項之間的距離用 dip12，dip23，…，dip(r-1)r表示，dip01表示從起點到第一個揀貨位置的距離，dipr0表示最后一個揀貨位置到終點（假設起點和終點相同）的距離。

4.2 求解LabAi

求解LabAi時，按照如下步驟進行：

步驟1按照式（2）求解Labi。

步驟2假設每個分區(qū)至少分配1名揀貨員，Labi小于1的取1，大于1的四舍五入，最大的一個為總人數(shù)減去已分配的人數(shù)，最后得到各分區(qū)的實際分配人數(shù)LabAi，使得Max(TAi)最小。

5 算法測試與分析

5.1 算法測試

本文以某圖書物流配送中心為例，對算法進行測試與分析。該物流中心有6個區(qū)，每個區(qū)內部布局相同，如圖1所示。其中貨架的間距Wa=2.8 m，貨位的寬度Wb=1.2 m，每排貨架有12個貨位，每個區(qū)有100排貨架。按照揀貨設備的限制，每趟最多揀選訂單數(shù)MaxNum= 3個，每趟最多揀選體積數(shù)MaxV=1 m3。揀貨員總數(shù)LabNum=12人，假設揀貨員的行走速度v=1.2 m/s。某日某個波次的訂單數(shù)為5個，涉及品項數(shù)25個，對訂單號和品項號簡化處理，分別表示為1，2，3，4，5；1，2，…，25，具體分布情況如表1所示。

假設每0.002 m3（基本上是1自然包書的體積）取貨時間為3 s，計算時采用四舍五入方式，每品種處理單據(jù)時間為5 s。在路徑起點和終點的管理時間為5 s。按照第4章中模型的求解方法，用C#語言編寫程序，計算出各區(qū)的作業(yè)時間。各區(qū)用時及人員分配情況如表2所示。

表1 訂單品項分布情況

按照表2數(shù)據(jù)，該配送中心揀選完該批訂單的時間為1號區(qū)揀選完成的時間，約292 s。

5.2 算法比較

（1）與固定分配訂單方式比較

假設按照每個操作人員分配若干個訂單作業(yè)的方式，計算各個訂單的相關數(shù)據(jù)。配送中心布局如圖2所示，中間的主通道寬度為8 m，區(qū)總寬度為40 m，收貨區(qū)和集貨區(qū)寬度為10 m。

圖2 配送中心各區(qū)分布示意圖

各訂單用時計算方法參照第3章中的模型，通過計算，各訂單用時及人員分配情況如表3所示。

按照表3數(shù)據(jù)，該配送中心揀選完該批訂單的時間為5號訂單揀選完成的時間，約382 s。

（2）與動態(tài)分區(qū)接力揀貨方式比較

按照文獻[7]中提出的動態(tài)分區(qū)接力揀貨方式，在揀貨人員分配時，要考慮每個訂單中的品項數(shù)，投入揀貨的人員可以按兩種方式確定。一是取品項數(shù)最少的訂單的品項數(shù)做為投入揀貨的人員數(shù)；二是按照訂單中的品項數(shù)動態(tài)分配人員數(shù)。分別按以上兩種方式安排人員，對5.1節(jié)中的算例數(shù)據(jù)進行測算分析，分析數(shù)據(jù)如表4所示。

表2 各區(qū)用時及人員分配情況

表3 固定分配訂單方式各訂單用時及人員分配情況

表4 動態(tài)分區(qū)接力揀貨方式各訂單用時及人員分配情況

取品項數(shù)最少的訂單的品項數(shù)做為投入揀貨的人員數(shù)，完成5個訂單需要的總時間是1 282 s，進行簡單折合計算，如果12人揀貨，大約需要320 s，比本文設計的揀貨策略需要的292 s多花28 s。按照訂單中的品項數(shù)動態(tài)分配人員數(shù)，完成5個訂單需要的總時間是835 s，進行簡單折合運算，如果12人揀貨，大約需要418 s，比本文設計的揀貨策略需要的292 s多花126 s。以上簡單折合計算不包括人員等待、閑置的時間，實際上文獻[7]的算法要比上述時間多。

5.3 算法分析與改進

通過上例計算，可以看出，本文設計的動態(tài)分配人員的分區(qū)同步揀貨方式比按照訂單揀貨的方式，揀貨時間減少了90 s，工作效率提高了將近23.6%；比文獻[7]提出的方法，按照投入揀貨人數(shù)的不同，分別節(jié)約28 s和126 s，揀貨效率提高了8.7%和30%。

實際中，如果各分區(qū)的任務量相差很大，總的揀貨人員比較少的情況下，按照4.2節(jié)求得的部分Labi可能比1小得多，得到的人員分配方案就會出現(xiàn)各分區(qū)揀貨工作量并不均衡的情況，甚至相差比較大，5號區(qū)和6號區(qū)相差171 s。導致總的揀貨時間加長。因此，為了使分區(qū)工作量基本達到均衡，對4.2節(jié)中步驟2的求解算法進行改進如下：

（1）取消每個分區(qū)至少分配1名揀貨的限制。

（2）任務量較少的分區(qū)合并后再分配揀貨人員。

具體求解過程為：首先將理論需求人員數(shù)（按式（2）計算出的數(shù)）按升序排列，然后進行分區(qū)組合，使組合后的數(shù)和相鄰整數(shù)之差的絕對值小于某個值，本文設定小于0.1。

按照上述方式對表2中的數(shù)據(jù)做如下調整：1號區(qū)7人，2號和5號區(qū)共1人，4號和6號區(qū)共2人，3號區(qū)2人。得到1號區(qū)用時251 s，2號和5號區(qū)共用時255 s，4號和6號區(qū)共用時227 s，3號區(qū)用時268 s。配送中心該波次總用時為用時最多的3號區(qū)用時，即268 s，比4.2節(jié)中方案的292 s減少了24 s。

動態(tài)調度各分區(qū)揀貨人員和人員固定在某個分區(qū)相比，揀貨人員對揀貨物品的熟悉程度會降低，但對于周轉比較頻繁的區(qū)，兩種方式揀貨人員對物品的熟悉程度是差不多的。同時，動態(tài)調度人員也是相對比較固定的分區(qū)，一部分人基本一直在同一個分區(qū)工作，另一部分人則在相鄰的幾個分區(qū)之間動態(tài)工作。另外，由于配送中心信息化程度的快速發(fā)展，無線終端等信息化設備會越來越廣泛地運用到揀貨工作中來[16]，揀貨人員對貨物存放位置的熟悉程度對揀貨效率的影響會越來越小。

6 結束語

本文分析了分區(qū)揀貨的研究現(xiàn)狀，針對靜態(tài)分區(qū)同步揀貨和動態(tài)分區(qū)接力揀貨存在的不足，提出了靜態(tài)分區(qū)同步揀貨動態(tài)分配揀貨人員的揀貨方法，建立了揀貨人員的分配模型，設計了求解模型的啟發(fā)式算法，通過算例，比較了分區(qū)同步揀貨、按訂單揀貨和動態(tài)分區(qū)接力揀貨的效率，表明分區(qū)同步揀貨動態(tài)分配揀貨人員的方法，有效地提高了揀貨效率。同時，本文提出的方法在計算揀貨時間時，做了一些假設，比如揀選貨物處理時間和體積的關系實際上不一定成正比關系，在人員分配時，沒有考慮人員個體素質的差異，在這些方面還需要進一步的研究。

[1]De Koster R，Le-Due T，Roodbergen K J.Design and control of ware house order picking：a literature review[J]. European Journal of Operational Research，2007，182（2）：481-501.

[2]吳穎穎.分區(qū)自動揀選系統(tǒng)揀選策略優(yōu)化研究[D].濟南：山東大學，2012.

[3]李英德.波次分區(qū)揀貨裝箱與貨位指派問題協(xié)同優(yōu)化的模型與算法[J].系統(tǒng)工程理論與實踐，2013，33（5）：1269-1276.

[4]Yu M，de Koster R.The impact of order batching and picking area zoning on order picking system performance[J]. European Journal of Operational Research，2009，198（2）：480-490.

[5]Kim B S，Smith J S.Dynamic slotting for zone-based distribution center picking operation[C]//10th International Material Handling Research Colloquium，Dortmund，Germany，2008：559-599.

[6]Koop H.The use of bucket brigades in zone order picking systems[J].OR Spectrum，2008，31（4）：759-774.

[7]李曉春，鐘雪靈，王雄志，等.配送中心動態(tài)分區(qū)揀貨系統(tǒng)優(yōu)化設計[J].華南師范大學學報：自然科學版，2011（3）：54-60.

[8]Jane C C，Laih Y W.A clustering algorithm for item assignment in a synchronized zone order picking system[J].European Journal of Operational Research，2005，166（2）：489-496.

[9]李詩珍.基于工作量均衡的分區(qū)同步揀貨系統(tǒng)儲位分配與評價[J].包裝工程，2010（11）：114-118.

[10]張貽弓，吳耀華.基于并行揀選策略的自動揀選系統(tǒng)品項分配[J].計算機集成制造系統(tǒng)，2010（8）：1720-1725.

[11]李曉春，鐘雪靈，王雄志，等.并行分區(qū)揀貨系統(tǒng)儲位優(yōu)化設計[J].計算機工程與應用，2013，49（19）：20-24.

[12]蔣淑華.EIQ法在并行分區(qū)儲位優(yōu)化中的應用[J].物流技術，2010（7）：71-72.

[13]Eleonora B，Margherita C，Giuseppe V，et al.Optimisation of storage allocation in order picking operations through a genetic algorithm[J].International Journal of Logistics：Research and Applications，2012，15（2）：127-146.

[14]Sebastian H.Algorithms for on-line order batching in an order picking warehouse[J].Computers&Operations Research，2012，39：2549-2563.

[15]徐新黎.生產(chǎn)調度問題的智能優(yōu)化方法研究及應用[D].杭州：浙江工業(yè)大學，2009.

[16]雷斌，蔣兆遠，李璐.基于無線手持終端的圖書物流信息系統(tǒng)研究與設計[J].蘭州交通大學學報，2013，32（6）：41-45.

LEI Bin,JIANG Zhaoyuan,MAYinyuan

Mechanical and Electrical Technology Institute,Lanzhou Jiaotong University,Lanzhou 730070,China

To improve the picking efficiency in artificial picking of the distribution center,and achieve balanced workload in the synchronized zone pick system requirements,the method of dynamic allocation of picking staff is presented.According to the distribution of the order’s items in each partition,a model for laborer dynamic allocation is established,and solved by heuristic algorithm.The example results show that the picking efficiency is improved through the model of laborer dynamic allocation.Also,the problems of the model of laborer allocation are analyzed.The result of the distribution is optimized. The final result achieves well balanced workload in the partition synchronous picking system requirements.

zone picking;synchronous picking;workload balance;laborer allocation

為了提高人工揀貨的配送中心揀貨效率，達到分區(qū)同步揀貨系統(tǒng)中工作量均衡的需求，提出了動態(tài)分配揀貨人員的方法。按照訂單中品項在各分區(qū)的分布情況，建立了人員動態(tài)分配模型，運用啟發(fā)式算法對模型進行求解。算例結果表明，建立的人員動態(tài)分配模型對揀選效率有較大提高。分析了人員分配模型存在的問題，對分配結果進行了優(yōu)化處理，最終結果較好地達到了分區(qū)同步揀貨系統(tǒng)中工作量均衡的需求。

分區(qū)揀貨；同步揀貨；工作量均衡；人員分配

A

F253.4

10.3778/j.issn.1002-8331.1404-0238

LEI Bin,JIANG Zhaoyuan,MA Yinyuan.Research on laborer allocation policy in synchronized zone order picking systems in distribution center.Computer Engineering and Applications,2014,50（24）：4-9.

國家科技支撐計劃項目（No.2012BAH20F05）；甘肅省自然科學基金（No.1310RJZA056）；蘭州交通大學青年基金（No.2013016）。

雷斌（1978—），男，博士研究生，副教授，中國計算機學會會員，研究領域為物流信息化、物流系統(tǒng)規(guī)劃設計；蔣兆遠（1954—），男，博士，教授，博士生導師，研究領域為物流運輸裝備及其信息化、專家系統(tǒng)、智能決策；馬殷元（1973—），男，博士研究生，副教授，碩士生導師，研究領域為物流裝備自動化、自動化軟件體系設計。E-mail：leibin@mail.lzjtu.cn

2014-04-15

2014-08-12

1002-8331（2014）24-0004-06

CNKI網(wǎng)絡優(yōu)先出版：2014-08-19，http∶//www.cnki.net/kcms/doi/10.3778/j.issn.1002-8331.1404-0238.html