一种实时在电子商务配送中心选择和排序系统外文翻译资料

一种实时在电子商务配送中心选择和排序系统

简介：

在企业从事电子商务时，执行订单是最昂贵的和关键操作。在交易发生前后，电子商务配送中心必须迅速组织选择和排序，因为需要很快的对客户做出响应。分类带来了相对较大的启动时间,无法很好的从现有的模型中探寻。我们建立一个新的随机探寻模型来描述和分析这种系统,并提供完整的分布来近似地显式表达式的指令线、等待时间、探寻指令拣选系统、测试精度。这些表达式的操作和设计操作,包括“pick-and-sort”或“sort-while-pick”之间的决定过程,和仓库绩效评估。

关键词:选择和排序系统,仓储、物流电子商务配送中心设施

1. 介绍

执行订单,电子商务的“最后一英里”,是电子商务的最重要的元素之一, 对从事电子商务的企业来说“最昂贵的和关键的行动” (54页,[1])。在电子商务环境下,顾客可以轻松的点击一个按钮,之后货物到达的方式也将非常简单([2],[3])。电子商务配送中心面临的主要挑战是不断的减少客户下单到配送的时间,因为客户往往更喜欢使用在线的订单来交易(网上订单的需求特点,参见[4]),特别是在较小的订单规模时(见[5]和[4])。例如XUE et al[6]报告,在两个主要季节中，订单中的单独订单的比例是在线零售商中非高峰季节的64% - -66%在和在旺季的56%。而且公司倾向于接受后期订单, 在紧张的时间内同时提供快速和及时的交货。在线零售商的主要缺点,与传统零售商相比,是即时性([7]: 在实体商店购买后产品可以立即带回家),电子商务中客户必须等待货物到达。此外,大多数客户采购前不能看到真正的产品,客户将取消订单的概率高于传统的采购流程，此外客户需求的波动也是非常重要的(见[4])。此外,在线零售商面临更高压力和敏感的客户，因为网络允许客户到另一个不同的网站进行交易，只需要通过一次单击,与艰苦的选择一个替代传统实体零售商的过程。适应这种压力的能力也因此成为网络顾客认为快速交付信托([6])的一个重要标志。因此,Lee 和 Whang[1]认为能够按时完成并交付的订单可以确定一个在线零售商的成功。

面对这些挑战,一些电子商务配送中心采用个性化的材料流动以达到快速响应的竞争优势。[8]报告,Nettimarket(nettimarket.com),一个芬兰的在线零售商,“个人服务每45分钟计算。这包括获得订单到交付货物到客户的门户的整个过程”。甚至一些电子商务巨头正试图提高销售量快速订单执行。2009年10月,亚马逊开始提供“当天送货”选中的城市包括纽约、华盛顿、费城、洛杉矶。这个新选项,称为“当地快递”,让亚马逊的用户收到货物当天他们下订单。AirNet,美国大型物流公司,提供“当天送货”一天24小时,每周7天在更大的地区, 显然包括美国100个主要城市，管理指令拣选系统有效且高效地在这些配送中心运行是一个挑战性的过程。这样做的一个主要目的是缩短指令拣选吞吐量时间,并保证货物装运出港的时间。在本文中,摩根大通指出亚马逊这样操作仓库等待时间实际上是为了缩短顾客的等待时间之间的订单和交付(见zdnet.com)。

Lee 和 Whang[1]总结五在线订单履行策略:物流延期,非物质化,资源交换,利用运输和街边商店。本文主要考虑一个新的策略,实时系统的应用到在线订单执行。这种策略、顺序和操作信息高度同步实现将前所未有的满足生产率和客户服务。这种策略的介绍,请参阅[9]和[4]提出的“e-fulfillment战略”。几家公司是这一战略的先锋。Intelligrated在2010年2月,美国领先的自动物料搬运解决方案提供商,总部位于辛辛那提的宣布重新“实时订单执行系统”,一个全面的套件包括pick-to-light, pick-to-voice,pick-to-cart(移动指令拣选的解决方案),射频挑选和订单履行软件(参见intelligrated.com或moreRFID.com)。科尔切斯特,英国葡萄酒公司是使用实时订单执行系统加快出货在英国(见ITshowcase.co.uk)。

实际过程中大量的日常订单行是通过配料选择和排序来组织的。然而,批量的形成需要时间和处理日常订单数量的增加,所需的时间变得更短,可能会有更有效的方法来组织指令拣选过程。Gong 和 de Koster[10]提出的一种方式,动态选择系统(DPS),组织使用实时订单执行策略。DPS,订单到网上,以批处理,其次是以后每个客户订单排序(pick-and-sort系统,请参阅[11])。选择送递整个或部分仓库和选择所有未完成的订单行选择路线选车。在选周期,选pick-by-light信息不断更新,pick-by-RFID,选择通过手持终端,或voice-picking系统。静态挑选中选位置在选周期和固定,动态选择可以缩短响应时间,从而改善客户服务。例如,“中国网上购物”, 中国南方的一个在线零售商,就是使用这样的一个系统。

排序,根据[4],是一个至关重要的仓库操作以来电子商务配送中心规模较小的在线订单规模引起较重的工作负载和增加排序和积累项目难度对个人装运。我们考虑实时选择和排序系统(rp)。目前没有好的方法分析rp的性能。排序带来大量设置时间,不能利用现有的模型取探寻。我们建立一个新的随机探寻模型来描述和分析这种系统,并找到封闭表达式订单等待时间。因为一个实时系统的响应时间是非常短的,它对快速算法的高要求。我们交付高速算法以适应这种特殊的作战需求。在实践中,管理者需要分配排序时间,要么存储位置,称为“sort-while-pick”,或仓库,命名为“pick-and-sort”。作为作者，我们不能找到很好现有的方法来确定分类拣选策略实时环境。

本文的贡献如下:(1)我们提供接近显式的表达式完成分配订单线探寻订单拣选系统的等待时间。(2)这些表达式的操作和设计操作,包括“pick-and-sort”或“sort-while-pick”之间的决定过程,和仓库绩效评估。(3)我们提供一个快速算法,可以满足实时的要求操作。本文的其余部分组织如下。在下一节中,我们进行一个简要的文献综述。我们介绍的问题描述和随机探寻模型在第三节。第四节致力于分析模型,主要包括rp的性能测量封闭表达式。在第5部分中,我们提出我们的数值实验,验证分析,比较不同的政策,并显示投票系统相对于传统的批量选择的优势。我们得出最后的评论部分6。

2文献综述

在线订单执行(也称为e-fulfillment)是一个活跃的研究课题，在管理信息系统、运营管理领域和定性研究,经验,和建模方法。(1)在线订单执行始于定性研究。Andeson 和 Lee[12]彻底地讨论了e-fulfillment问题，从第一个点击到订单执行。Lee 和 Whang[1]目前主要从事e-fulfillment策略。[4] Tarn等人研究在线订单的客户和需求特点,支持一些假设。(2) Pyke等人实证研究在线订单执行经验相对丰富。[13]检查e-fulfillment在互联网家具行业的挑战,为网上零售商提供经验。埃森哲报告问题和美国在2000年圣诞节e-fulfillment情况(见accenture.com),并发现12%的订单没有收到,67%交付没有收到命令。这些数据是让人关注的研究在线订单执行的重要原因之一。(3)我们可以找到一些模型研究在线订单执行。在这些研究中,xu等。[6]建立一个网络流模型检查的好处定期重新评估实时订单执行的决定。

选择成本占大部分比例的订单执行成本(见[4]和[14])。两个主要类型的指令拣选系统可以区分:parts-to-picker和picker-to-parts系统(文献综述,参见[11])。也可以区分picker-to-parts系统订单到达和释放。这可以是确定的也可以是计划的([15])或在线和随机([16])。只有少数论文研究在线订单到达([17],[18]和[19])。

在订单执行排序是另一个重要的操作(见[4])。手动选择和排序系统包含两个操作协议,“sort-while-pick”和“pick-and-sort”。Van Nieuwenhuyse 和de Koster [18]将“sort-while-pick”和“pick-and-sort”2-block仓库在一个批处理环境。自动分类也广泛应用。约翰逊[20]研究了排序策略对自动分类系统性能的影响。

在线订单到达和处理的过程可以被描述为一个所谓的探寻模型:一个系统的多个队列访问循环或其他指定一个服务器中某个序列。有相当多的文献调查模型,用来模拟一组丰富的系统,如计算机和电信网络([21])也有相关的应用程序在操作管理。例如,Koenigsberg和Mamer [22]考虑运营商服务的存储位置在一个旋转的旋转木马的传送带上。Bozer和Srinivasan[23]考虑串联配置自动引导车辆系统和分析单车循环。Bozer和Park[24]同一设备,探寻材料处理系统。

3模型

图1:rp的顶视图

我们认为，rp一般从仓库平行通道K通道和L存储位置(参见图1)的一个通道,为了避免偶然性,我们假设通道的数目是偶数。订单农户选择项目后两面政策,这意味着他们选择在一个通过,双方双向选择,因此我们认为彼此相反的存储位置在两边靠过道的位置。我们假设uncapacitated选车。电子商务的配送中心,这通常不是一个真正的限制,因为路线经常完成之前,车已经满了。这里的服务器代表订单选择器和队列对应相应的存储位置,每个包含一个不同的产品。

指令线流到达的位置i(分别代表某个产品)是一个泊松过程和利率lambda;_i,1 le; i le; N .我们也认为不需要补充一个采摘周期,和每个队列都有无限的缓冲能力,在一个采集周期中。在每个队列,命令行是按先来后到的顺序给服务。选择时间假定为IID随机变量与有限的第一和第二的时刻。让, h^th表示h^th时刻位置服务时间的i,i= 1,hellip;hellip;N、h = 1,2。

根据严格的s形访问存储位置的路由策略，在一个循环序列,这意味着任何通道完全是遍历。由于位置和顺序信息实时更新, 在静态选择系统中订单选择无法避免不进入一些通道上的情况可能存在。从上次访问通道,订单选择器返回到选择通过仓库位置1:仓库在路径从位置到位置1。

这个路由策略与我们的布局联系在一起。本文主要考虑双通道一种仓库。实时选择和排序系统,因为选择必须遍历所有存储位置, 两个仓库的中间过道不仅不能通过创建快捷方式缩短旅行距离,而且对于中间过道的宽度加长了行动距离。严格的S形行动政策,实时选择和排序系统的性能，一个街区仓库比在两个仓库更好。

队列的服务时间i是独立的,恒等分布的随机变量。当服务器启动服务队列i,即确定安装时间。总周期设置时间t是所有设置时间的位置总和。设置时间可以行程时间和排序时间,依赖于协议。在rp,设置总是发生，即使随后队列是空的。

占领率rho;_i (不含安装)在队列我被定义为rho;_i = lambda;_ibeta;_i和总占领率rho;是由。现在,rho;lt; 1和t lt;infin;构成必要且充分的稳定条件。任何稳定性条件(稳定性条件进行进一步的研究,如见。[25])。在本文的其余部分,这些稳定性条件被认为持有我们限制注意稳态行为。

感兴趣的性能测量的延迟W_i 的i型客户,i= 1,2,hellip;hellip;,N,以防安装时间趋于无穷。由于延迟生长到正无穷在限制的情况下,我们关注的渐近了延迟,设置时间的比率保持不变,我= 1,2,hellip;,N。当然,我们的研究结果的延迟分布很容易翻译成队列长度分布的结果通过小的分布形式的法律。

1. Pick-and-sort

选择所有项目后,订单选择滴挑选物品的仓库,并排序和运输。选择的排序时间是独立的旅行时间。选择器将所有订单在仓库,这导致tau;s排序的时间。这是一个投票系统组成的N队列和一个大的设置时间,参加一个选择器。让，i= 1,hellip;Nminus;1表示时刻旅行时间从队列的队列表示h^th时刻的旅行时间位置N的位置1,和排序时间由第一和第二时刻(tau;_s,xi;_s)。当订单选择旅行从一个过道k到下一个k 1,之间的旅行时间将比在靠过道的位置。第一和第二时刻用(tau;₁,xi;₁)。当订单选择从过去的位置到位置1,第一次和第二次的旅行时间是最大的时刻(tau;2xi;2)。在一个过道,所需的时间顺序选择旅行从一个队列到下一个假定为IID有限随机变量有两个时刻(tau;3xi;3)。因此,我们有:

(1)

总旅行和排序操作时间的均值t在挑选分别指定的周期,

(2)

。让tau;t表示总旅行时间。interarrival时报的订单被认为是独立于挑选时间,旅行时间和排序的时间选择器。流量负载队列我被定义为,和总系统的交通负载rho;=sum;倪= 1rho;i。pick-and-sort协议,服务时间是挑选时间,安装时间S是一笔旅行时间和排序时间tau;s仓库。我让挑选时间micro;i在位置,服务时间rho; = sum;^N_i=1 rho;_i.

Sort-while-pick(2)

在这个过程中,选择器将在每个位置排序,导致在每个i位置都将产生分拣时间s_i。我

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[147828]，资料为PDF文档或Word文档，PDF文档可免费转换为Word