绩效研究与比较3D.ppt

Batching orders in warehouses by minimizing traveldistance with genetic algorithmsChih-Ming Hsu, Kai-Ying Chen Mu-Chen Chen Introduction (1/4) 訂單撿貨(order picking) 存貨政策(storage policy) 撿貨路徑(picking routing) 批次撿貨(order batching) Introduction(2/4) 批次檢貨 AS/RS 先選擇一種子訂單，再逐步加入其他訂單到該批次中，直到無法再加入訂單為止 人工檢貨 距離矩陣 總檢取距離最小 Introduction(3/4) Introduction(4/4) AS/RS作業特性與人工檢貨不同 ?AS/RS之批量方法不適合人工檢貨 距離矩陣法 ?只適用於2D的倉儲設施規劃 總撿取距離最小 ?會隨著設施規劃及批量形式不同而改變， 難求取最佳解 實驗設計與假設(1/2) 實驗假設 所有訂單已知 同張訂單不可拆開到不同批次，且所有單一訂單中的數量不超過存檢設備負載量 場站位於倉庫右下角 撿貨人員能同時撿取左右貨架之貨品 撿貨設備於窄巷中能做雙向的移動 撿貨人員使用S-shape的移動策略 實驗設計與假設(2/2) 績效研究與比較(2D) GABM Gibson Sharp (GSBM) First-Come-First-Serve (FCFS) 績效研究與比較(2D) 績效研究與比較(2D) 批量數 績效研究與比較(2D) 工作量的平衡 績效研究與比較(2D) 總移動距離 績效研究與比較(2D) 計算時間 績效研究與比較(3D) GASM FCFS 績效研究與比較(3D) 績效研究與比較(3D) 批量數 績效研究與比較(3D) 工作量的平衡 績效研究與比較(3D) 總移動距離 績效研究與比較(3D) 計算時間 結論 GABM除了在主要的績效指標，也就是總移動距離上具有良好的績效外，在其他各種績效指標也有良好的表現 而在計算時間方面，由於實務上訂單分批的作業通常再撿取前一天完成，故GABM還是能利用於現實生活的作業上 END 染色體編碼 (1,2,3,2,1,3) 第一與第五張定單在第一批次 第二與第四張定單在第二批次 第三與第六張定單在第三批次 適合度函數 Fitness(i)=Distance(L) - Distance(i) Distance(L): 目前所有可行解(染色體)中， 距離最長者的移動距離 Distance(i): 染色體(i)的移動距離 交配法則 雙點交配法(交配率0.6) 修補 突變 配對交換(突變率0.05) 存活機制 Pro_base = 0.05 Rank(i): 目前所有染色體在依適合度由大到 小排序後，第i組染色體的排行 停止準則 最大迭代數=500 連續40迭代沒有改進 * * 定義染色體表示法 產生起始母群體 計算適合度 選擇交配母群體 交配修補 存活機制 新母群體 突變 停止? 停止 *