在波次拣选仓库中，为了最小化订单完工时间，可以采取多种优化策略，这些策略通常涉及订单分组、路径优化、存储分配、员工调度以及先进技术应用等多个方面。

1. 订单批处理和分组策略

订单批处理是将多个订单合并成一个批次进行拣选，以减少拣货员的行程距离和拣选时间89。

• 动态订单批处理：在实际运营中，客户订单是动态到达的。动态订单批处理策略能够根据实时到达的订单信息，灵活地创建批次。例如，梁凯博等人提出了一种基于“货到人”拣选系统的动态任务更新分配策略，通过动态订单批处理和任务优化来快速响应客户需求并缩短拣选时间。深度强化学习方法也被用于决定订单何时以及如何进行批处理和拣选，以最小化逾期订单数量。
• 多目标函数优化：在线订单批处理问题（Online Order Batching Problem, OOBP）旨在将订单分组为批次，每个批次由一个拣货员在一次路径中完成。目标函数通常包括最小化完工时间、最小化拣选时间或最小化拣选路径总距离。研究表明，最小化拣选完成时间在具有多个拣货员的波次拣选仓库中尤为重要。
• 考虑疲劳效应的批处理：在人工拣选和包装线上，工人的疲劳效应会严重降低整体工作流程效率9。有研究提出启发式方法，在订单批处理和排序时考虑工人的疲劳效应，以提高效率。
• 绿色动态订单批处理：在减少碳排放的倡议下，智能拣选系统开始关注绿色供应链。动态订单批处理结合拣货员路径优化，可以通过优化总行程来降低能耗，从而支持绿色运营。

2. 拣货路径优化

拣货路径是仓库拣选效率的关键影响因素，其优化旨在缩短拣货员的移动距离和时间。

• 路径算法：传统的旅行商问题（TSP）模型常被用于优化拣货路径，但实际仓库环境更复杂。仿真研究显示，采用单一拣货员路径问题（SPRP）算法可以有效最小化距离和行程时间。
• 仓库布局对路径的影响：仓库布局的改进会直接影响拣选路径策略。例如，雪佛龙布局（Chevron layout）和叶状布局（Leaf layout）等非传统布局为拣选路径优化提供了更多选择，针对这些布局的路径策略研究也日益增多。
• 中转点概念：在实际电商仓库中，引入中转点概念，并通过多曼哈顿距离建立拣货员的距离模型，可以更精确地计算拣货员在仓库内的移动距离，从而优化拣选任务的完成路径。
• 先进优化方法：粒子群优化（PSO）算法和全局最差经验（GWEO）等元启发式算法被用于解决联合订单批处理和拣货员路径问题，以应对动态更新的客户订单信息，提高仓库效率。

3. 存储分配策略

合理的存储分配策略可以显著减少拣选作业的行程时间1920。

• 相关存储分配：这种策略将经常一起被拣选的物品存放在相邻位置，以减少拣货员的移动距离。然而，不平衡的交通流可能导致交通拥堵。
• 相关与交通平衡存储分配（C&TBSA）：为解决交通拥堵问题，C&TBSA策略被提出，旨在最小化行程时间并减少拣选延迟，通过平衡交通流量来提高效率。
• 多位置存储系统：在电商仓库中，多位置存储系统（即每个SKU可以存储在多个位置，或一个位置可以存储多个SKU）的应用越来越普遍。在这种情况下，如何从多个存储位置中选择拣选位置以最小化拣货员行程距离，是优化批处理的关键。
• 产品布局优化：通过优化产品在仓库中的布局，可以最小化平均订单拣选时间。有研究开发了随机模型，确保产品分配到最优位置。此外，库存管理中的优化算法，如针对重力流货架的QUBO问题，也旨在通过优化物品分配来最小化运营成本和交货时间。

4. 拣货员调度与资源管理

多拣货员系统中的调度和管理对于最小化完工时间至关重要。

• 多拣货员系统：在在线订单批处理问题中，考虑多个拣货员的存在和订单的实时到达，是优化拣选过程的关键1。最小化完工时间是该问题的一个重要目标函数。
• 员工时间表和车间调度：在制造和仓储环境中，员工排班与生产调度密切相关。优化员工时间表可以提高生产效率和订单履行速度。
• 自动化和机器人系统：
  • 移动机器人履行系统（RMFS）：在“货到人”系统中，RMFS通过移动机器人将货架运送到拣选站，显著提高了订单拣选效率。智能物流调度中的大规模多机器人任务分配（MRTA）问题，需要考虑机器人和拣选站的负载能力，并通过多目标优化模型来最小化完成时间、完成数量和能耗成本。
  • 深度强化学习（DRL）：DRL方法可用于自主导引车（AGVs）的实时调度，以应对车间环境的高度动态性、复杂性和不确定性。DRL能够结合混合规则，实现AGVs的自适应实时调度。
  • 拣货站处理订单：拣货站的订单处理效率对总完工时间有直接影响。通过优化处理流程，减少货物从存储位置到处理区的移动次数，可以提高效率。

    

    拣货方法示意图（图1）

    此图展示了人工拣选和自动化拣选的不同方法，包括“人到货”和“货到人”系统，以及拣选机器人等，这些都是优化拣选过程、最小化完工时间的关键技术和策略。

5. 智能仓储管理与技术集成

随着工业4.0和电子商务的发展，智能仓储技术和集成策略对优化拣选流程至关重要。

• 行业4.0技术应用：工业4.0技术，如物联网（IoT）和人工智能（AI），正在推动仓库运营的数字化转型。例如，物联网安全下的窄巷道拣选系统拥堵率研究，利用离散马尔可夫方法分析和优化拣选拥堵问题。
• 全渠道零售下的成本管理：在全渠道零售中，电商履约成本显著影响战略演变。优化拣选过程有助于控制成本，提高效率。

  

  活动成本控制水平（图2）

  此图展示了不同物流活动（如拣选、存储、最后一公里）在商店、仓库和配送中心的成本控制水平。从中可以看出，拣选活动在仓库和配送中心的成本控制水平相对较高，这表明了优化拣选流程的重要性。
• 综合排程：订单拣选与配送的综合排程对于即时配送至关重要。通过对订单位置分散性的建模和考虑拣选完成时间的订单配送模型，可以利用定制的蚁群算法进行优化。

  

  装运时间约束与订单批次（图3）

  该图展示了仓库平面图上的订单中心和批次中心，以及相应的装运时间约束。这表明在优化订单拣选时需要同时考虑空间布局和时间限制。

6. 效率评估与改进框架

为了持续最小化完工时间，需要对拣选系统的性能进行评估，并不断改进。

• 性能指标：拣选时间占总成本的比例很高。研究显示，订单拣选时间、行程距离和吞吐量/生产力是评估拣选系统性能的关键指标，分别占比54%、37%和19%7。

  

  拣选操作指数（图4）

  此图清晰地展示了订单拣选操作中各项指标的占比，其中订单拣选时间（54%）和行程距离（37%）是影响效率的最主要因素，这强调了优化这些环节的重要性。
• 精益六西格玛方法：通过精益六西格玛（DMAIC）方法可以开发仓库流程的改进框架，以提高流程周期效率。
• 仿真建模：动态仿真框架，结合混合建模范式，可以有效研究仓库运营问题，特别是在应对环境变化时。仿真模型也可用于叉车在有通道限制的配送中心中的分配，以评估物流操作的性能。

总结

综上所述，最小化波次拣选仓库中的完工时间是一个复杂的多目标优化问题，需要综合运用订单批处理、路径优化、存储分配、先进技术和持续改进策略，并结合具体的仓库布局、订单特性和资源条件进行决策。

（图片来源于网络，如有侵权联系删除）