物流管理论文哪里有？本文研究了物流行业快速发展背景下仓储系统中关键分拣作业的两个突出难题，基于现代物流系统多层次下的需求分别提出了想要的模型和针对性的解决算法，并通过实验比较分析了算法的运行结果，验证改进算法的有效性。
第1章 绪论
1.2.2 订单分批策略与智能算法应用现状
订单分批的是将某时间段内的所有的订单按不同特征归类后整合成特征差异明显的订单集。Quader S认为在动态拣选系统中，订单吞吐时间更便于评估其性能，在非动态拣选系统中，订单拣选时间和订单吞吐时间两个指标高度相关，假定订单在计划期开始时已知，最小化总订单拣选时间是评估非动态拣选系统的最直接有效方式[12]。
目前，基于相似度、遗传算法等智能算法被应用于订单分批问题的求解。Zhang J和Wang X等针对固定时间窗内订单数量波动较大的情况，从拣货区工作人员繁忙程度考虑，合理分配订单给不同拣选区[13]。王旭坪以人工并行分区拣选为前提研究订单合并问题，采用基于排序的表现矩阵将总服务时间最短和分区均衡度最优的双目标函数转化为单目标模型，并通过数值实验表明订单分批拣选的有效性[14]。邵泽熠通过计算密度和最小距离等指标值，将值最优的订单作为初始聚类质心，利用改进遗传K-Means算法进行迭代聚类，将相似性较高的订单分到同一批次[15]。SörenKoch将局部搜索与分组遗传算法相结合，对订单分组拣配以达到最小化总履行时间的目标[16]。
Lam和Choy等人借助运筹学中的排队论思想，采用模糊逻辑方法计算待拣选订单的优先级，工作人员按照由优先级生成拣选任务序列完成拣选任务减少了行走距离的累计长度[17]。Ricardo Perez-Rodriguez等用分布统计算法求解订单信息未知的在线订单分批问题[18]。
第3章 基于关联规则的并行分区货位优化研究
3.1 货位分配背景
在商品种类丰富度提升与货运物流速度提高的背景下，不同人群的差异性需求带来了大量少件且要求快速处理的零散订单。大量特征差异明显的订单处理对仓储运营能力的要求更为严格。以人工作业形式为主的仓库环境，主要作业耗时在对品项的查找过程，因此采用并行分区拣选方式更适合“人到货”拣选系统。
在并行分区拣选策略下每个工作人员的作业区域是划分好的，可以降低分拣工作人员的学习成本，使工作人员更为容易的进入到常规拣选作业状态中，有效的减轻工作人员负担的同时也避免了作业时间的无效延长。
批量订单基于多种特征进行分类整合是拣选作业的基础性工作，在并行分区拣选系统下将分好的订单集分配到相应工作人员作业任务计划中，当同一批次的所有订单中的商品均被拣选出后，将商品依据所属订单的需求进行核对装包，并行分区策略中同一批次里最后一个订单的拣选作业结束才表明整个拣选作业的完成，故拣选作业周期主要受到运转周期最长的作业区限制。不合理的任务分配可能存在不同分区中工作量差异较大，各区工作人员工作强度相差明显的现象；同时间接增加了时间成本，闲置了部分有效生产力。合理的任务分批需要基于一定的历史经验与往期相关数据，采取对应策略对待入库的商品进行货位预分配。将客户对品项需求较大的品项均匀分布在各分区，减少分区间的走动距离以及分拣时间，提高分拣作业效率，是本章对储位进行优化配置过程需要解决的实际问题。
第5章 基于实例的订单分批优化仿真与分析
5.1 数据来源
本案例订单数据来源于某B2C电商网站。由于初始数据比较杂乱，首先对其进行标准化处理，以满足实验的要求。数据取自该电商网站2018年的10000个日常消费品的订单，取9000个订单作为历史数据对货位进行优化分析，最近的1000个订单用于本文订单分批算法的验证。
案例设计的仓库如图5-1所示，仓库完全是手动操作的，假设仓库包含三个分区，每个分区分配一个拣选员工，分别负责3个拣选巷道，员工的拣货速度和行走速度各不相同，拣货速度pickzv分别为5秒/个、4秒/个、6秒/个，行走速度travelzv分别为1米/秒、1.2米/秒、1.5米/秒，且每个拣选车的最大商品容量maxQ为10。每条巷道两侧摆放货架，每个货架包含30个储位。巷道和货架宽度1l、2l都为1米。订单拣选员遵循返回策略路径拣取清单上的所有物品。由于电子商务环境下订单具有小批量特征且顾客购买商品数量是随机的，一个订单可能包含一个或多个商品，因此本实验选取小批量、中批量和大批量三种大小不同的订单集，其订单行分别满足[1,2]、[1,3]、[1,7]的随机分布。
5.2 基于关联规则的储位优化
拣货区共有500种商品品项，对历史数据进行统计分析，发现订单中的商品种类为1-7个，其商品出现最高次数为41次，最低次数为0次，各品项拣选率如表5-2所示，订单与品项之间的关系以及品项出现频数分别如图5-2和图5-3所示。从图5-2可知大量订单品项数量分布在[1,2]，即属于小批量订单。
综合考虑订单品项的拣选率，本文品项集出现次数大于或等于35次的品项为频繁品项集，即最小支持度min sup =0.3%，第一次扫描历史订单数据库，找出所有长度为1且满足最小支持度的频繁项集，将长度为1的品项集按支持度先后顺序排列，按照3.3节步骤进行品项和储位的指派。
第6章 总结与展望
6.2 展望
结合电子商务环境下订单量大但是商品多的特点，以并行分区拣货模式的人工分拣系统为研究对象，构建了基于工作量均衡的订单分批模型，并对聚类算法进行研究，设计了基于密度的K-Means算法，通过不同大小的订单验证了拣选时间的缩短，但由于研究时间的限制，仍存在许多不足及需要修改提升之处。
（1）针对分区拣货，本文主要研究静态分区，在后续研究中可以对静态分区增加动态分配拣选人员或者是采用动态分区。
（2）在实际运营的仓储系统中关于订单的所有信息很难得到实时更新，因此在模糊条件下，对订单的分析处理与拣选作业流程的设计需要深入探究，需要进一步结合历史经验与相关数据进行合理有效的工作任务分配设计。
参考文献（略）
