考虑物料需求关联与周转率的仓储货位优化方法

在仓储配送中心常见的"波次拣货、整体补货"的分区拣选环境中,为减少整体作业时间,基于谱聚类(spectral clustering,SC)算法及货位指派规则,提出了综合考虑物料需求关联与周转率的货位优化方法。构建了物料关联性计算模型、物料相似性度量模型、聚合类存储优化模型及物料存储优化模型,通过肘方法确定聚类的最佳簇数后,在基于拉普拉斯矩阵分解的SC算法中引入KMeans++算法对物料进行聚类,以降低初始聚类中心点选择的随机性,最后基于货位指派规则对聚合类及货位的布局进行优化调整。试验结果表明,考虑物料需求关联与周转率的货位优化方法,不仅能够有效缩短订单拣选路径,而且可以提高订单拣选效率。