目的提高電商物流配送中心訂單的分揀效率和動態(tài)響應(yīng)能力。方法通過分析零售電商訂單的多品種、小批量和高時效等特征,考慮分揀機器人動作與載重約束,提出了滾動時窗調(diào)度策略和高維稀疏動態(tài)聚類算法,并以某大型電商企業(yè)配送中心建立仿真實驗?zāi)Ｐ?進(jìn)行數(shù)據(jù)對比分析。結(jié)果以某大型電商某日高峰時段500個訂單進(jìn)行仿真實驗,與固定組批分揀策略進(jìn)行對比,優(yōu)化后的分揀策略在機器人平均搬運距離上減少了66.9%,分揀時間降低了23.9%。結(jié)論高維稀疏動態(tài)聚類策略有效提高了分揀效率,降低了分揀成本,算法方式更加開放靈活,對于電商企業(yè)物流業(yè)務(wù)降本增效具有重要意義。 

【文章來源】：包裝工程. 2020,41(03)北大核心

【文章頁數(shù)】：6 頁

【文章目錄】：
1 問題描述
2 高維稀疏訂單動態(tài)聚類算法
    2.1 滾動時窗調(diào)度策略
    2.2 算法分析
3 算例分析
    3.1 數(shù)據(jù)參數(shù)
    3.2 訂單聚類
4 仿真實驗
    4.1 動態(tài)建模
    4.2 參數(shù)設(shè)置
    4.3 數(shù)據(jù)分析
        4.3.1 訂單分揀時間比較
        4.3.2 搬運距離對比
5 結(jié)語


【參考文獻(xiàn)】：
期刊論文
[1]互聯(lián)網(wǎng)時代下“絲綢之路經(jīng)濟帶”金融合作新路徑[J]. 馬廣奇,肖琳.  企業(yè)經(jīng)濟. 2018(02)
[2]中國郵政速遞物流武漢郵件處理中心智能機器人分揀系統(tǒng)[J]. 王玉.  物流技術(shù)與應(yīng)用. 2018(01)
[3]基于改進(jìn)遺傳算法的并聯(lián)機器人分揀路徑優(yōu)化[J]. 張好劍,蘇婷婷,吳少泓,鄭軍,王云寬.  華南理工大學(xué)學(xué)報(自然科學(xué)版). 2017(10)
[4]智能倉儲機器人裝備關(guān)鍵技術(shù)的研究[J]. 李建雄,孟特.  物流工程與管理. 2016(07)
[5]基于Flexsim物流仿真的倉儲作業(yè)系統(tǒng)優(yōu)化設(shè)計[J]. 羅興榮.  物流技術(shù). 2014(17)
[6]基于CABOSFV聚類算法的漢語詞匯類別知識挖掘研究[J]. 王東波,朱丹浩.  計算機科學(xué). 2013(07)
[7]基于仿真優(yōu)化的多種類型AGV數(shù)量配置優(yōu)化方法[J]. 張遠(yuǎn)春,范秀敏,駒田邦久.  中國機械工程. 2011(14)
[8]基于Flexsim的自動分揀系統(tǒng)仿真與優(yōu)化研究[J]. 李倩.  物流工程與管理. 2011(06)
[9]基于排序思想的高維稀疏數(shù)據(jù)聚類[J]. 祝琴,高學(xué)東,武森,陳敏,陳華.  計算機工程. 2010(22)
[10]基于稀疏差異度的聚類方法在信息分類中的應(yīng)用[J]. 尹松,周永權(quán),李陶深.  計算機技術(shù)與發(fā)展. 2006(01)



本文編號：3186292