B2C電商配送中心訂單分批策略研究綜述

劉曉利

摘 要：本文總結了每種訂單分批策略的特點并對其優化方式進行探討分析。深入研究涉及多揀選員工、訂單期限及聯合調度優化模式下的訂單分批問題。基于各類分批策略自身特性，對比分析每種策略的適用條件，同時對訂單分批在電商配送中心的應用前景、當前研究所存在的問題以及未來的研究方向進行了展望。

關鍵詞：訂單分批策略;B2C電商配送中心;在線訂單;聯合調度

中圖分類號：F27???? 文獻標識碼：A????? doi：10.19311/j.cnki.1672-3198.2020.20.023

0 引言

近年來，B2C電商物流發展尤為迅速。相較于傳統物流平臺，電商物流有著顯著的特征：產品品類多批量小、個性化產品多、客戶響應時間要求高等。應用傳統的按單揀選模式，帶來了訂單揀選次數多、揀貨速度慢等問題，最終導致訂單處理效率降低。可見傳統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，將其應用到配送中心，根據訂單的特點設計合理的倉儲取貨系統，并進行有效的倉儲分配、訂單分類和排序，可以大幅提高訂單處理效率。

電商物流平臺的最大指標體現的是響應速度要求高，即訂單處理時間快。影響訂單處理時間的因素包括四個方面：（1）系統性能，如揀選設備自動化程度和處理效率等;（2）設施布局，如作業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）訂單履行的準確率。

在不更換系統設備的條件下，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。本文總結了現有訂單分批策略的特點并探討分析了每種策略所做出的優化方式。基于各分批策略自身特性，對比分析了每種策略的使用條件。

1 訂單分批及分類

訂單分批是指使用計算機技術，依據預先設定的規則將具有某種共同屬性的訂單歸為同一批次，然后再進行訂單揀選作業。目的是減少揀選次數，縮短平均揀選距離。Ackerman于1990年在文獻中首次提出訂單批處理的概念，自此，大量學者開始投身于訂單分批領域。眾多學者研究和實際應用均表明合適的訂單分批策略的應用確實會提高訂單處理效率。

訂單分批可分為離線訂單和在線訂單分批。離線狀態研究假設訂單同時到達，即訂單所有信息均為已知，其研究的是將訂單分到哪一個批次。在線狀態則是訂單所有信息均實時更新，未到達的訂單信息未知，存在較大的不確定性。由此可知在線狀態更符合電商物流的特點，但離線狀態分批研究也可應用于電商物流平臺時間段為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窗分批和在線啟發式算法。其中時窗分批可分為可變時窗和固定時窗分批。

可變時窗是將一段時間內到達的固定數量的訂單匯總為同一批次，其研究決策是如何確定批量，其相關研究多數是基于排隊論理論展開。Chew等將訂單到達系統設計為可合并的排隊系統，構建訂單排隊總時間的概率分布函數，最終確定最優批量。Le-Due等基于排隊論理論，確定以最短訂單揀選時間為目標的揀選模型。

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

可變時窗和固定時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論的理論分析最優時窗或批量模型，只需計算出固定時窗或批量即可。但并不適用于訂單波動大的電商物流平臺。因為當使用固定時窗時，若是高峰期，則會在固定時窗內產生大批訂單，造成揀選壓力大;當使用可變時窗時，若是低谷期，則需等待很長時間以積累到固定批量，揀選人員會出現大量閑置。

馬士華等基于上述存在的問題，提出新型延時動態時間窗分批策略。陳方宇采用不同于其他學者利用等待機制的求解思路，其將實時到達的訂單輸入進行中的揀選系統，并重復性地采用算法優化訂單分批和路徑設計策略。該策略更適用于電商物流，時效性更高。鄒霞借鑒前人基礎，綜合考慮訂單密度等相關因素，引入訂單行概念，改進傳統分批時窗模型，基于訂單行約束的限制，最終求解結果使得批次間效率差異降低，穩定性增強。

1.2 基于離線訂單的分批研究

本節對國內外離線訂單分批策略研究進行文獻回顧。目前常見的分批算法主要有精確求解和啟發式算法。啟發式算法包括種子算法、節約算法、數據挖掘算法和元啟發式算法等。接下來針對這些算法進行簡單地論述，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算困難且計算時間隨規模增加呈指數倍增長。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，然后依據設定的分批原則將未分配訂單合理地與種子訂單組合，組合結果即為分批結果。Tseng研究了兩種不同的種子訂單選取規則和未分配訂單組合規則的分批策略。研究表明該算法適用于訂單數量較多的揀選平臺。

（2）節約算法。節約算法最早依據VRP問題提出來，是一種基于節約的揀選距離或時間來優化訂單分批的算法。王轉等將產品體積作為約束，并結合整箱理論，構建最大化節約揀選距離模型。采用綜合節約里程的啟發式算法，最終得出目標批量。朱友瓊等則聯合考量訂單揀選次數與距離，采用節約算法求解最優批量。將這種算法與時間窗策略共同設計，優化效果更明顯。

（3）數據挖掘算法。該算法需要基于數據挖掘技術，探究訂單間的關聯度，進而確定關聯規則。利用制定的規則將具有高度關聯性的訂單歸為同一批次。劉凱等基于數據挖掘技術，分析待處理訂單間的數據關系，并定義關聯性的概念，進而得到初始分批策略。

（4）元啟發式算法。元啟發式算法是根據傳統啟發式算法改進而來的，是多種算法的總稱。該類算法靈活度高，可以處理訂單數量多、“緊急插單”等復雜情況。可見，該算法也可用于在線訂單分批問題。多數學者基于該算法設計求解。如采用改進遺傳算法，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僅有一名揀選人員，未考慮訂單分批后的任務分配問題。但在實際運營中，物流平臺會雇傭多名揀選員同時作業。因此應結合實際，在訂單分批時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。陳卓等將搬運等設備的容量限制作為約束建立模型，并設計訂單分批、任務分配和路徑優化三階段的算法。

當訂單處理涉及多名揀選人員時，會出現兩個問題：工作任務不均衡和揀選通道擁擠。黃曉旭針對工作任務不均衡情況，結合對員工工作量的考量，并考慮送達時間和送達區域兩個因素，設計改進遺傳算法和偽布爾最優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，構建最小揀選總時間、最大訂單處理數量的多目標函數，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，設計分區揀選系統，研究最小化相鄰區域作業時間差值，減少工作人員等待時間，同時避免揀選通道擁擠。

但上述研究大都基于離線狀態下的研究，在線狀態多員工揀選訂單分批問題需要進一步探討。

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，訂單處理需要在規定期限內完成。該問題的研究大多對延遲時間或懲罰成本展開考量。

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

Huang提出改進遺傳算法，分析在規定期限內的訂單分批與分配的聯合優化。

以上為離線狀態下的部分分批揀選研究，也有學者針對在線訂單分批作出相應研究。王旭坪等針對實時訂單分批問題，依據訂單期限調整動態時窗以獲得最優訂單的組合優化。

4 考慮聯合調度的訂單分批

近些年國內才開始電商訂單處理的相關研究，考慮聯合調度的研究較少。國外學者則對訂單聯合調度問題展開了較多研究。例如訂單分批和揀選路徑優化、揀選與配送系統相結合，并加入設備容量限制，考慮揀選系統擁堵情況等。Chen等考慮訂單期限和路徑選取兩個重要情況，構建最小化訂單延遲時間的目標函數，有效地解決了訂單分批、排序分配和路徑選取的三大問題。

國內也有部分學者考慮多階段的聯合調度問題。王旭坪等引入配送概念，改進傳統揀選模型，基于訂單期限約束的限制，將訂單分批與配送系統聯合優化，最終求解結果表明揀選優化效果顯著，同時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節，基于移動式貨架系統，將儲貨作業與批處理策略相結合，進而優化揀選系統。

5 總結與展望

5.1 現狀總結

綜上，目前離線訂單處理算法及問題研究較為全面，學者基于節約算法、啟發式算法提出大量改進算法，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。但在實際應用中，情況往往更為復雜，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窗和可變時窗來決策最優批量或最優時窗，但訂單量波動大的電商物流并不適用，因此有必要進一步研究適合電商訂單的改進動態或混合時間窗的訂單分批策略和在線算法。

5.2 適用條件

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

在線狀態下訂單分批策略更適合于現有電商物流中心訂單特點，并結合多員工揀選和考慮期限的訂單分批更適用于實際情況。離線狀態訂單分批策略適用于電商物流中心時間段為00∶00-06∶00的訂單處理。企業可結合實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

基于上述研究，電商物流訂單分批研究還需進一步的探討，本文提出以下展望：

（1）針對算法求解時間。訂單分批為NP難問題，在僅僅考慮離線訂單時，求解時間隨訂單數量的增加呈指數倍增長，當考慮多因素的在線訂單分批研究更為復雜，可對算法做進一步的優化。

（2）目前在線訂單的批處理策略缺乏可變動性，無法完美契合電商物流配送平臺多變的特性，因此有必要進一步研究靈活度高的混合時間窗策略。另外還需要改進現有的在線算法，以便能夠對實時的訂單處理做出快速的反應。

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

（5）在物聯網和區塊鏈發展的階段，未來電商物流平臺還有很大的發展空間，可對多式聯運配送模式下的訂單分配揀選策略和配送策略聯合調度問題進行研究。

6 結束語

訂單分批策略是訂單處理的基礎，傳統的按單揀選的揀選模式給當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。混合時間窗分批揀選和在線算法，突破了傳統離線訂單的揀選模式，給在線實時訂單處理帶來了可能。盡管目前還有很多問題需要研究，但混合時間窗分批揀選和在線算法的結合必能帶來更大的效益。

參考文獻

[1]王文蕊.電子商務配送中心的設計與優化策略研究[D].濟南：山東大學，2014.

[2]張福龍.B2C電商配送中心訂單揀選作業優化研究及應用[D].重慶：重慶大學，2017.

[3]劉丹.基于定點定線配送的A配送中心訂單揀選優化研究[D].北京：北京交通大學，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.基于時間延遲的訂單分批策略研究[J].工業工程與管理，2004，（6）：1-4.

[7]陳方宇.多區塊倉庫環境下訂單掠選路線規劃研究[D].武漢：華中科技大學，2014.

[8]鄒霞.面向B2C電商配送中心的分散式自動存取及揀選系統效率優化研究[D].濟南：山東大學，2018.

[9]張珺.B2C電子商務訂單分批揀選與配送聯合調度[D].大連：大連理工大學，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，裴澤平.啟發式路徑下節約里程的訂單分批算法[J].計算機工程與應用，2018，54（23）：203-209，222.

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

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

[15]馮愛蘭，王晨西，孔繼利.改進遺傳算法求解訂單分批優化模型[J/OL].計算機工程與應用用：1-11[2019-12-05]. http：//kns.cnki.net/kcms/detail/11.2127.TP.20190927.1300.005.html.

[16]吳天行.改進的蜂群算法在訂單分批問題中的應用研究[D].北京：北京物資學院，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電商企業配送中心揀選作業優化研究[D].廈門：廈門大學，2017.

[20]黃曉旭.基于混合裝配流水線的網上超市訂單分揀優化方法研究[D].華北電力大學（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在線訂單分批模型及算法[J].管理科學，2014，27（06）：103-113.

[24]王旭坪，張珺，易彩玉.B2C電子商務環境下訂單揀選與配送聯合調度優化[J].中國管理科學，2016，24（07）：101-109.

[25]李曉杰.移動貨架倉庫系統中貨位分配和訂單分批聯合優化研究[D].清華大學，2016.