B2C电商物流具有品项数量大,订单数量多且小、订单波动性大、要求反应速度快、拆零拣选多、退货量大等特点,而存储面积的增大,订单数量的增加,带来了订单拣选行走里程变长,拣选速度下降,准确性降低等系列问题。选择恰当合理的存储及订单拣选系统,并通过储位分配和订单排序等策略,提升系统效率和订单反应速度,对于B2C电商物流中心来说,意义重大,但目前面向电商物流的硬件选择及管理策略的研究,相对较少。文章以B2C电商物流需求为研究背景,根据国内外的研究现状及企业面临的实际难点,选择了4个问题作为本文的研究对象。一是受订单密度约束和场地空间约束的情况下,如何科学合理的选择高效存储及拣选系统。二是受系统硬件、研究背景、销售模式及订单特性影响,如何通过货位分配策略来提高系统效率。三是如何进行订单分批,既能到达B2C电商订单快速反应的要求,又可减少订单波动带来的系统作业不均衡问题。四是订单排序问题,订单按照一定的规则分批后,如何对同一批次内的订单排序,以降低设备等待和订单等待时间。针对以上4个研究点,本文的主要研究内容和成果如下:（1）通过对自动化仓储及拣选系统的作业流程分析和设备作业分析,提出集中式和分散式AS/RS;分析4种作业指令组合情况下的设备运行轨迹;构建了随机订单拉动情况下的两系统单指令和多指令作业时间模型。（2）从作业效率、反应速度等方面界定了系统评价的指标和方法;构建仿真模型,通过调整货架结构和订单密度两个参数,得到两系统在不同情况下的指标数据;从不同角度对两系统进行横向比较,并对数据进行分析和曲线拟合;对两系统进行了多目标评价。（3）分析单订单包含多品项时,品项货位分布情况对系统作业时间的影响;选择适合B2C订单特点的相似系数计算方法,计算出品项间相似系数矩阵,提出基于品项相似系数的两阶段K均值聚类和基于节约时间法的多层次启发式聚类算法,;在聚类基础上,引入商品被定频次和商品价格折扣率,提出品项物流历史价值和未来价值的概念,以此为依据进行货位优化。（4）讨论了不同的分批策略与B2C订单的适配情况,建立时窗分批的计算模型;构建受订单行约束的可变时窗分批建模,提高了批次订单作业时间的稳定性;利用线路优化中的经典算法——种子算法和节约算法,经调整改进后用于对订单的排序,减少设备等待时间,提高订单反应速度。通过以上研究,得到如下结论:（1）对两系统进行多目标评价,在货架层数不变,计算订单密度和货架列数在10至100间变化的情况下,在订单间隔为0时,货架列数为100时,系统目标值高;在货架列数小于100,货架层数小于10,订单密度固定情况下,当系统货架列数为100,层数为9层时目标函数值大。（2）工业工程领域的RusselandRao提出的相似系数计算公式,适用于B2C电商物流领域品项相似系数的计算;在聚类方法层面,基于节约时间法的多层次启发式聚类算法要优于基于品项相似系数的两阶段K均值聚类;在货位分配方法上,基于IFLV的货位优化策略优于基于IHLV的货位优化策略,而基于IHLV的货位优化策略优于随机货位分配策略。（3）受订单行约束的可变时窗分批建模可有效减少订单不均衡带来的系统反应时间的不稳定性。（4）改进后的种子算法和节约算法均可用于订单排序,可有效减少批次订单的作业完成时间,提高系统对订单的反应时效性,但对反应效率的改善效果不如作业完成时间的改善效果显著;节约算法的改善效果整体优于种子算法。以上研究具有较好的优化效果,填补了面向B2C电商领域,基于分散式AVS/RS的货架设计、品项聚类、货位优化及订单排序的研究空白,且具有很好的实践价值。
