B2C電商配送中心訂單分批策略研究綜述

劉曉利

摘 要：本文總結(jié)了每種訂單分批策略的特點(diǎn)并對其優(yōu)化方式進(jìn)行探討分析。深入研究涉及多揀選員工、訂單期限及聯(lián)合調(diào)度優(yōu)化模式下的訂單分批問題?；诟黝惙峙呗宰陨硖匦裕瑢Ρ确治雒糠N策略的適用條件，同時(shí)對訂單分批在電商配送中心的應(yīng)用前景、當(dāng)前研究所存在的問題以及未來的研究方向進(jìn)行了展望。

關(guān)鍵詞：訂單分批策略;B2C電商配送中心;在線訂單;聯(lián)合調(diào)度

中圖分類號：F27???? 文獻(xiàn)標(biāo)識(shí)碼：A????? doi：10.19311/j.cnki.1672-3198.2020.20.023

0 引言

近年來，B2C電商物流發(fā)展尤為迅速。相較于傳統(tǒng)物流平臺(tái)，電商物流有著顯著的特征：產(chǎn)品品類多批量小、個(gè)性化產(chǎn)品多、客戶響應(yīng)時(shí)間要求高等。應(yīng)用傳統(tǒng)的按單揀選模式，帶來了訂單揀選次數(shù)多、揀貨速度慢等問題，最終導(dǎo)致訂單處理效率降低?？梢妭鹘y(tǒng)訂單揀選模式已不適用于B2C電商配送中心，而訂單分批策略提供了更好的方案。訂單分批包括在線和離線訂單分批，將其應(yīng)用到配送中心，根據(jù)訂單的特點(diǎn)設(shè)計(jì)合理的倉儲(chǔ)取貨系統(tǒng)，并進(jìn)行有效的倉儲(chǔ)分配、訂單分類和排序，可以大幅提高訂單處理效率。

電商物流平臺(tái)的最大指標(biāo)體現(xiàn)的是響應(yīng)速度要求高，即訂單處理時(shí)間快。影響訂單處理時(shí)間的因素包括四個(gè)方面：（1）系統(tǒng)性能，如揀選設(shè)備自動(dòng)化程度和處理效率等;（2）設(shè)施布局，如作業(yè)流程間的銜接程度等;（3）揀選策略，如訂單分批和排序策略等;（4）訂單履行的準(zhǔn)確率。

在不更換系統(tǒng)設(shè)備的條件下，上述因素中的訂單分批策略為解決電商物流中心的問題提供了可能。本文總結(jié)了現(xiàn)有訂單分批策略的特點(diǎn)并探討分析了每種策略所做出的優(yōu)化方式?；诟鞣峙呗宰陨硖匦裕瑢Ρ确治隽嗣糠N策略的使用條件。

1 訂單分批及分類

訂單分批是指使用計(jì)算機(jī)技術(shù)，依據(jù)預(yù)先設(shè)定的規(guī)則將具有某種共同屬性的訂單歸為同一批次，然后再進(jìn)行訂單揀選作業(yè)。目的是減少揀選次數(shù)，縮短平均揀選距離。Ackerman于1990年在文獻(xiàn)中首次提出訂單批處理的概念，自此，大量學(xué)者開始投身于訂單分批領(lǐng)域。眾多學(xué)者研究和實(shí)際應(yīng)用均表明合適的訂單分批策略的應(yīng)用確實(shí)會(huì)提高訂單處理效率。

訂單分批可分為離線訂單和在線訂單分批。離線狀態(tài)研究假設(shè)訂單同時(shí)到達(dá)，即訂單所有信息均為已知，其研究的是將訂單分到哪一個(gè)批次。在線狀態(tài)則是訂單所有信息均實(shí)時(shí)更新，未到達(dá)的訂單信息未知，存在較大的不確定性。由此可知在線狀態(tài)更符合電商物流的特點(diǎn)，但離線狀態(tài)分批研究也可應(yīng)用于電商物流平臺(tái)時(shí)間段為00∶00-06∶00的訂單處理。

1.1 基于在線訂單的分批研究

在線訂單分批方法主要包括時(shí)窗分批和在線啟發(fā)式算法。其中時(shí)窗分批可分為可變時(shí)窗和固定時(shí)窗分批。

可變時(shí)窗是將一段時(shí)間內(nèi)到達(dá)的固定數(shù)量的訂單匯總為同一批次，其研究決策是如何確定批量，其相關(guān)研究多數(shù)是基于排隊(duì)論理論展開。Chew等將訂單到達(dá)系統(tǒng)設(shè)計(jì)為可合并的排隊(duì)系統(tǒng)，構(gòu)建訂單排隊(duì)總時(shí)間的概率分布函數(shù)，最終確定最優(yōu)批量。Le-Due等基于排隊(duì)論理論，確定以最短訂單揀選時(shí)間為目標(biāo)的揀選模型。

固定時(shí)窗是將固定時(shí)間內(nèi)到達(dá)的不同數(shù)量的訂單匯總為同一批次，其研究決策是如何確定時(shí)間窗。Van等基于固定和可變時(shí)窗理論，采用排隊(duì)論模型，構(gòu)建訂單平均揀選時(shí)間的概率分布函數(shù)，并且證明平均揀選時(shí)間為可變時(shí)窗和固定時(shí)窗最優(yōu)決策的凸函數(shù)。

可變時(shí)窗和固定時(shí)窗是解決在線訂單分批問題的兩種主要方法，以上研究均基于排隊(duì)論的理論分析最優(yōu)時(shí)窗或批量模型，只需計(jì)算出固定時(shí)窗或批量即可。但并不適用于訂單波動(dòng)大的電商物流平臺(tái)。因?yàn)楫?dāng)使用固定時(shí)窗時(shí)，若是高峰期，則會(huì)在固定時(shí)窗內(nèi)產(chǎn)生大批訂單，造成揀選壓力大;當(dāng)使用可變時(shí)窗時(shí)，若是低谷期，則需等待很長時(shí)間以積累到固定批量，揀選人員會(huì)出現(xiàn)大量閑置。

馬士華等基于上述存在的問題，提出新型延時(shí)動(dòng)態(tài)時(shí)間窗分批策略。陳方宇采用不同于其他學(xué)者利用等待機(jī)制的求解思路，其將實(shí)時(shí)到達(dá)的訂單輸入進(jìn)行中的揀選系統(tǒng)，并重復(fù)性地采用算法優(yōu)化訂單分批和路徑設(shè)計(jì)策略。該策略更適用于電商物流，時(shí)效性更高。鄒霞借鑒前人基礎(chǔ)，綜合考慮訂單密度等相關(guān)因素，引入訂單行概念，改進(jìn)傳統(tǒng)分批時(shí)窗模型，基于訂單行約束的限制，最終求解結(jié)果使得批次間效率差異降低，穩(wěn)定性增強(qiáng)。

1.2 基于離線訂單的分批研究

本節(jié)對國內(nèi)外離線訂單分批策略研究進(jìn)行文獻(xiàn)回顧。目前常見的分批算法主要有精確求解和啟發(fā)式算法。啟發(fā)式算法包括種子算法、節(jié)約算法、數(shù)據(jù)挖掘算法和元啟發(fā)式算法等。接下來針對這些算法進(jìn)行簡單地論述，并討論其適用條件。

1.2.1 精確求解算法

離線訂單分批已被證明是NP難問題。使用精確求解算法計(jì)算困難且計(jì)算時(shí)間隨規(guī)模增加呈指數(shù)倍增長。因此精確求解只適用于小批量的訂單處理，不適用于電商物流中訂單分批，有必要采用新型算法求解。

1.2.2 啟發(fā)式算法

（1）種子算法。種子算法需要先選擇種子訂單，然后依據(jù)設(shè)定的分批原則將未分配訂單合理地與種子訂單組合，組合結(jié)果即為分批結(jié)果。Tseng研究了兩種不同的種子訂單選取規(guī)則和未分配訂單組合規(guī)則的分批策略。研究表明該算法適用于訂單數(shù)量較多的揀選平臺(tái)。

（2）節(jié)約算法。節(jié)約算法最早依據(jù)VRP問題提出來，是一種基于節(jié)約的揀選距離或時(shí)間來優(yōu)化訂單分批的算法。王轉(zhuǎn)等將產(chǎn)品體積作為約束，并結(jié)合整箱理論，構(gòu)建最大化節(jié)約揀選距離模型。采用綜合節(jié)約里程的啟發(fā)式算法，最終得出目標(biāo)批量。朱友瓊等則聯(lián)合考量訂單揀選次數(shù)與距離，采用節(jié)約算法求解最優(yōu)批量。將這種算法與時(shí)間窗策略共同設(shè)計(jì)，優(yōu)化效果更明顯。

（3）數(shù)據(jù)挖掘算法。該算法需要基于數(shù)據(jù)挖掘技術(shù)，探究訂單間的關(guān)聯(lián)度，進(jìn)而確定關(guān)聯(lián)規(guī)則。利用制定的規(guī)則將具有高度關(guān)聯(lián)性的訂單歸為同一批次。劉凱等基于數(shù)據(jù)挖掘技術(shù)，分析待處理訂單間的數(shù)據(jù)關(guān)系，并定義關(guān)聯(lián)性的概念，進(jìn)而得到初始分批策略。

（4）元啟發(fā)式算法。元啟發(fā)式算法是根據(jù)傳統(tǒng)啟發(fā)式算法改進(jìn)而來的，是多種算法的總稱。該類算法靈活度高，可以處理訂單數(shù)量多、“緊急插單”等復(fù)雜情況。可見，該算法也可用于在線訂單分批問題。多數(shù)學(xué)者基于該算法設(shè)計(jì)求解。如采用改進(jìn)遺傳算法，蟻群算法，變鄰域搜索算法等。

2 考慮多揀選員工的訂單分批

上述提到的大多研究假設(shè)僅有一名揀選人員，未考慮訂單分批后的任務(wù)分配問題。但在實(shí)際運(yùn)營中，物流平臺(tái)會(huì)雇傭多名揀選員同時(shí)作業(yè)。因此應(yīng)結(jié)合實(shí)際，在訂單分批時(shí)考慮多名揀選員的問題。接下來將分析考慮多名員工的訂單分批與排序。

郜振華等考慮多名揀選人員，基于螢火蟲算法研究訂單分批問題。陳卓等將搬運(yùn)等設(shè)備的容量限制作為約束建立模型，并設(shè)計(jì)訂單分批、任務(wù)分配和路徑優(yōu)化三階段的算法。

當(dāng)訂單處理涉及多名揀選人員時(shí)，會(huì)出現(xiàn)兩個(gè)問題：工作任務(wù)不均衡和揀選通道擁擠。黃曉旭針對工作任務(wù)不均衡情況，結(jié)合對員工工作量的考量，并考慮送達(dá)時(shí)間和送達(dá)區(qū)域兩個(gè)因素，設(shè)計(jì)改進(jìn)遺傳算法和偽布爾最優(yōu)求解算法分別解決訂單分批和排序問題。張福龍綜合考慮多揀選員工和訂單期限等因素，以員工工作量差異閾值為約束，構(gòu)建最小揀選總時(shí)間、最大訂單處理數(shù)量的多目標(biāo)函數(shù)，有效地解決了訂單分批、排序和分配問題。

馮愛蘭等考慮揀選人員工作量不均衡問題，并將揀選通道堵塞的可能情況考慮在內(nèi)，設(shè)計(jì)分區(qū)揀選系統(tǒng)，研究最小化相鄰區(qū)域作業(yè)時(shí)間差值，減少工作人員等待時(shí)間，同時(shí)避免揀選通道擁擠。

但上述研究大都基于離線狀態(tài)下的研究，在線狀態(tài)多員工揀選訂單分批問題需要進(jìn)一步探討。

3 考慮訂單期限的訂單分批

為避免延遲交貨，造成低客戶滿意率，訂單處理需要在規(guī)定期限內(nèi)完成。該問題的研究大多對延遲時(shí)間或懲罰成本展開考量。

Henn等以訂單期限為約束，構(gòu)建最小化訂單總延遲時(shí)間的模型，使用兩種不同的算法進(jìn)行求解并分析。并將仿真結(jié)果與最早完成期限訂單最先揀選規(guī)則和領(lǐng)域搜索算法對比，懲罰成本平均提高幅度為44%。

Huang提出改進(jìn)遺傳算法，分析在規(guī)定期限內(nèi)的訂單分批與分配的聯(lián)合優(yōu)化。

以上為離線狀態(tài)下的部分分批揀選研究，也有學(xué)者針對在線訂單分批作出相應(yīng)研究。王旭坪等針對實(shí)時(shí)訂單分批問題，依據(jù)訂單期限調(diào)整動(dòng)態(tài)時(shí)窗以獲得最優(yōu)訂單的組合優(yōu)化。

4 考慮聯(lián)合調(diào)度的訂單分批

近些年國內(nèi)才開始電商訂單處理的相關(guān)研究，考慮聯(lián)合調(diào)度的研究較少。國外學(xué)者則對訂單聯(lián)合調(diào)度問題展開了較多研究。例如訂單分批和揀選路徑優(yōu)化、揀選與配送系統(tǒng)相結(jié)合，并加入設(shè)備容量限制，考慮揀選系統(tǒng)擁堵情況等。Chen等考慮訂單期限和路徑選取兩個(gè)重要情況，構(gòu)建最小化訂單延遲時(shí)間的目標(biāo)函數(shù)，有效地解決了訂單分批、排序分配和路徑選取的三大問題。

國內(nèi)也有部分學(xué)者考慮多階段的聯(lián)合調(diào)度問題。王旭坪等引入配送概念，改進(jìn)傳統(tǒng)揀選模型，基于訂單期限約束的限制，將訂單分批與配送系統(tǒng)聯(lián)合優(yōu)化，最終求解結(jié)果表明揀選優(yōu)化效果顯著，同時(shí)提高了配送資源利用率。李曉杰則是綜合考慮訂單處理和前向操作環(huán)節(jié)，基于移動(dòng)式貨架系統(tǒng)，將儲(chǔ)貨作業(yè)與批處理策略相結(jié)合，進(jìn)而優(yōu)化揀選系統(tǒng)。

5 總結(jié)與展望

5.1 現(xiàn)狀總結(jié)

綜上，目前離線訂單處理算法及問題研究較為全面，學(xué)者基于節(jié)約算法、啟發(fā)式算法提出大量改進(jìn)算法，較好地解決了離線訂單分批處理問題。

而在線訂單分批策略考慮多揀選員工的研究較少，且為簡化模型，不考慮訂單完成期限。但在實(shí)際應(yīng)用中，情況往往更為復(fù)雜，不僅包括上述因素，而且還涉及多方面的不可控因素。并且目前在線訂單分批的研究大都采用固定時(shí)窗和可變時(shí)窗來決策最優(yōu)批量或最優(yōu)時(shí)窗，但訂單量波動(dòng)大的電商物流并不適用，因此有必要進(jìn)一步研究適合電商訂單的改進(jìn)動(dòng)態(tài)或混合時(shí)間窗的訂單分批策略和在線算法。

5.2 適用條件

針對現(xiàn)有的分批策略，本文分別對幾種代表性的分批方式進(jìn)行了分析和討論。1.2節(jié)對比了目前常見的訂單分批算法的適用情況。

在線狀態(tài)下訂單分批策略更適合于現(xiàn)有電商物流中心訂單特點(diǎn)，并結(jié)合多員工揀選和考慮期限的訂單分批更適用于實(shí)際情況。離線狀態(tài)訂單分批策略適用于電商物流中心時(shí)間段為00∶00-06∶00的訂單處理。企業(yè)可結(jié)合實(shí)際需求與各訂單分批策略適用情況，選擇合適的訂單分批混合策略。

5.3 存在的問題和挑戰(zhàn)

基于上述研究，電商物流訂單分批研究還需進(jìn)一步的探討，本文提出以下展望：

（1）針對算法求解時(shí)間。訂單分批為NP難問題，在僅僅考慮離線訂單時(shí)，求解時(shí)間隨訂單數(shù)量的增加呈指數(shù)倍增長，當(dāng)考慮多因素的在線訂單分批研究更為復(fù)雜，可對算法做進(jìn)一步的優(yōu)化。

（2）目前在線訂單的批處理策略缺乏可變動(dòng)性，無法完美契合電商物流配送平臺(tái)多變的特性，因此有必要進(jìn)一步研究靈活度高的混合時(shí)間窗策略。另外還需要改進(jìn)現(xiàn)有的在線算法，以便能夠?qū)?shí)時(shí)的訂單處理做出快速的反應(yīng)。

（3）可對考慮訂單期限，并且基于多名揀選員工的在線訂單分批策略展開更多的探討。

（4）整個(gè)流程應(yīng)注重整體最優(yōu)而非局部最優(yōu)，但目前的研究很少從全局的角度進(jìn)行分析。綜合考慮前期存儲(chǔ)策略、訂單分批揀選、揀選路徑規(guī)劃以及最終配送路徑的決策等，從總體的角度對整個(gè)鏈條進(jìn)行綜合優(yōu)化是未來的一個(gè)研究方向。

（5）在物聯(lián)網(wǎng)和區(qū)塊鏈發(fā)展的階段，未來電商物流平臺(tái)還有很大的發(fā)展空間，可對多式聯(lián)運(yùn)配送模式下的訂單分配揀選策略和配送策略聯(lián)合調(diào)度問題進(jìn)行研究。

6 結(jié)束語

訂單分批策略是訂單處理的基礎(chǔ)，傳統(tǒng)的按單揀選的揀選模式給當(dāng)前的電商物流中心訂單處理帶來了一定的問題，而各類訂單分批策略有益于解決這些問題。混合時(shí)間窗分批揀選和在線算法，突破了傳統(tǒng)離線訂單的揀選模式，給在線實(shí)時(shí)訂單處理帶來了可能。盡管目前還有很多問題需要研究，但混合時(shí)間窗分批揀選和在線算法的結(jié)合必能帶來更大的效益。

參考文獻(xiàn)

[1]王文蕊.電子商務(wù)配送中心的設(shè)計(jì)與優(yōu)化策略研究[D].濟(jì)南：山東大學(xué)，2014.

[2]張福龍.B2C電商配送中心訂單揀選作業(yè)優(yōu)化研究及應(yīng)用[D].重慶：重慶大學(xué)，2017.

[3]劉丹.基于定點(diǎn)定線配送的A配送中心訂單揀選優(yōu)化研究[D].北京：北京交通大學(xué)，2019.

[4]Chew， E. P.， Tang， L. C. Travel time analysis for general Uem location assignment in a rectangular warehouse[J]. European Journal of Operational Research，1999，112（3）：582-597.

[5]Le-Due， T.， deKoster， R. M. B. M. Travel time estimation and order batching in a 2-block warehouse[J]. European Journal of Production Research，2014，52（8）：2232-2242.

[6]馬士華，文堅(jiān).基于時(shí)間延遲的訂單分批策略研究[J].工業(yè)工程與管理，2004，（6）：1-4.

[7]陳方宇.多區(qū)塊倉庫環(huán)境下訂單掠選路線規(guī)劃研究[D].武漢：華中科技大學(xué)，2014.

[8]鄒霞.面向B2C電商配送中心的分散式自動(dòng)存取及揀選系統(tǒng)效率優(yōu)化研究[D].濟(jì)南：山東大學(xué)，2018.

[9]張珺.B2C電子商務(wù)訂單分批揀選與配送聯(lián)合調(diào)度[D].大連：大連理工大學(xué)，2017.

[10]Gademann. N.， van de Velde， S. Order batching to minimize total travel time in a parallel-aisle warehouse[J]. IIE Transactions，2005，37（1）：63-75.

[11]Y.-C. Ho， Y.-Y. Tseng. A study on order-batching methodsof order-picking in a distribution centre with twocross-aisles[J]. International Journal of Production Research，2006，44（17）：3391-3417.

[12]王轉(zhuǎn)，裴澤平.啟發(fā)式路徑下節(jié)約里程的訂單分批算法[J].計(jì)算機(jī)工程與應(yīng)用，2018，54（23）：203-209，222.

[13]朱友瓊，唐思，何進(jìn).“貨到人”模式下電商物流中心訂單分批策略研究[J].現(xiàn)代商貿(mào)工業(yè)，2019，40（26）：34.

[14]劉凱，彭玲玲.基于智能倉儲(chǔ)揀選系統(tǒng)的訂單分批問題研究[J].中國儲(chǔ)運(yùn)，2019，（08）：147-148.

[15]馮愛蘭，王晨西，孔繼利.改進(jìn)遺傳算法求解訂單分批優(yōu)化模型[J/OL].計(jì)算機(jī)工程與應(yīng)用用：1-11[2019-12-05]. http：//kns.cnki.net/kcms/detail/11.2127.TP.20190927.1300.005.html.

[16]吳天行.改進(jìn)的蜂群算法在訂單分批問題中的應(yīng)用研究[D].北京：北京物資學(xué)院，2017.

[17]Xi Xiang， Changchun Liu， Lixin Miao. Storage assignmentand order batching problem in Kiva mobile fulfillment system[J]. Engineering Optimization，2018，50（11）：1941-1962.

[18]郜振華，陳卓.基于螢火蟲算法的訂單分批問題研究[J].物流科技，2019，42（07）：10-15.

[19]孫輝.A電商企業(yè)配送中心揀選作業(yè)優(yōu)化研究[D].廈門：廈門大學(xué)，2017.

[20]黃曉旭.基于混合裝配流水線的網(wǎng)上超市訂單分揀優(yōu)化方法研究[D].華北電力大學(xué)（北京），2018.

[21]Henn， S.， Schmid， V. Metaheuristics for order batching and sequencinginmanual order picking systems[J]. Computers & Industrial engineering，2013，66（2）：338-351.

[22]Huang， M.， Wang， Y.， Liu， J.， et al. Delivery tour-based order batching method for online supermarkets[J]. ICIC Express Letters，2016，10（6）：1497-1503.

[23]王旭坪，張珺，馬駿.考慮完成期限的電子商務(wù)在線訂單分批模型及算法[J].管理科學(xué)，2014，27（06）：103-113.

[24]王旭坪，張珺，易彩玉.B2C電子商務(wù)環(huán)境下訂單揀選與配送聯(lián)合調(diào)度優(yōu)化[J].中國管理科學(xué)，2016，24（07）：101-109.

[25]李曉杰.移動(dòng)貨架倉庫系統(tǒng)中貨位分配和訂單分批聯(lián)合優(yōu)化研究[D].清華大學(xué)，2016.