B2C电商配送中心订单分批策略研究综述.docx

?

?

B2C电商配送中心订单分批策略研究综述

?

?

刘晓利

摘要：本文总结了每种订单分批策略的特点并对其优化方式进行探讨分析。深入研究涉及多拣选员工、订单期限及联合调度优化模式下的订单分批问题。基于各类分批策略自身特性，对比分析每种策略的适用条件，同时对订单分批在电商配送中心的应用前景、当前研究所存在的问题以及未来的研究方向进行了展望。

关键词：订单分批策略;B2C电商配送中心;在线订单;联合调度

：F27????：A?????doi：10.19311/ki.1672-3198.2020.20.023

0引言

近年来，B2C电商物流发展尤为迅速。相较于传统物流平台，电商物流有着显著的特征：产品品类多批量小、个性化产品多、客户响应时间要求高等。应用传统的按单拣选模式，带来了订单拣选次数多、拣货速度慢等问题，最终导致订单处理效率降低。可见传统订单拣选模式已不适用于B2C电商配送中心，而订单分批策略提供了更好的方案。订单分批包括在线和离线订单分批，将其应用到配送中心，根据订单的特点设计合理的仓储取货系统，并进行有效的仓储分配、订单分类和排序，可以大幅提高订单处理效率。

电商物流平台的最大指标体现的是响应速度要求高，即订单处理时间快。影响订单处理时间的因素包括四个方面：（1）系统性能，如拣选设备自动化程度和处理效率等;（2）设施布局，如作业流程间的衔接程度等;（3）拣选策略，如订单分批和排序策略等;（4）订单履行的准确率。

在不更换系统设备的条件下，上述因素中的订单分批策略为解决电商物流中心的问题提供了可能。本文总结了现有订单分批策略的特点并探讨分析了每种策略所做出的优化方式。基于各分批策略自身特性，对比分析了每种策略的使用条件。

1订单分批及分类

订单分批是指使用计算机技术，依据预先设定的规则将具有某种共同属性的订单归为同一批次，然后再进行订单拣选作业。目的是减少拣选次数，缩短平均拣选距离。Ackerman于1990年在文献中首次提出订单批处理的概念，自此，大量学者开始投身于订单分批领域。众多学者研究和實际应用均表明合适的订单分批策略的应用确实会提高订单处理效率。

订单分批可分为离线订单和在线订单分批。离线状态研究假设订单同时到达，即订单所有信息均为已知，其研究的是将订单分到哪一个批次。在线状态则是订单所有信息均实时更新，未到达的订单信息未知，存在较大的不确定性。由此可知在线状态更符合电商物流的特点，但离线状态分批研究也可应用于电商物流平台时间段为00∶00-06∶00的订单处理。

1.1基于在线订单的分批研究

在线订单分批方法主要包括时窗分批和在线启发式算法。其中时窗分批可分为可变时窗和固定时窗分批。

可变时窗是将一段时间内到达的固定数量的订单汇总为同一批次，其研究决策是如何确定批量，其相关研究多数是基于排队论理论展开。Chew等将订单到达系统设计为可合并的排队系统，构建订单排队总时间的概率分布函数，最终确定最优批量。Le-Due等基于排队论理论，确定以最短订单拣选时间为目标的拣选模型。

固定时窗是将固定时间内到达的不同数量的订单汇总为同一批次，其研究决策是如何确定时间窗。Van等基于固定和可变时窗理论，采用排队论模型，构建订单平均拣选时间的概率分布函数，并且证明平均拣选时间为可变时窗和固定时窗最优决策的凸函数。

可变时窗和固定时窗是解决在线订单分批问题的两种主要方法，以上研究均基于排队论的理论分析最优时窗或批量模型，只需计算出固定时窗或批量即可。但并不适用于订单波动大的电商物流平台。因为当使用固定时窗时，若是高峰期，则会在固定时窗内产生大批订单，造成拣选压力大;当使用可变时窗时，若是低谷期，则需等待很长时间以积累到固定批量，拣选人员会出现大量闲置。

马士华等基于上述存在的问题，提出新型延时动态时间窗分批策略。陈方宇采用不同于其他学者利用等待机制的求解思路，其将实时到达的订单输入进行中的拣选系统，并重复性地采用算法优化订单分批和路径设计策略。该策略更适用于电商物流，时效性更高。邹霞借鉴前人基础，综合考虑订单密度等相关因素，引入订单行概念，改进传统分批时窗模型，基于订单行约束的限制，最终求解结果使得批次间效率差异降低，稳定性增强。

1.2基于离线订单的分批研究

本节对国内外离线订单分批策略研究进行文献回顾。目前常见的分批算法主要有精确求解和启发式算法。启发式算法包括种子算法、节约算法、数据挖掘算法和元启发式算法等。接下来针对这些算法进行简单地论述，并讨论其适用条件。

1.2.1精确求解算法

离线订单分批已被证明是NP难问题。使用精确求解算法计算困难且计算时间随规模增加呈指数倍增长。因此精确求解只适用于小批量的订单处理，不适用于电商物流中订单分批，有必要采用新型算法求解。

1.2.2启发式算法

（1）种子