基于遞推算法的綠色包裝智能推薦系統研究

晁孟華，李金熔

（1.廣州商學院，廣東 廣州 511363；2.佛山慧盒科技有限公司，廣東 佛山 528000）

1 基于遞推算法的三維裝箱模型構建

1.1 模型假設

1）所有的箱子都是標準的長方體或立方體。長、寬、高為內周長、寬、高（從箱體內側測量，若從箱體外側測量，應減去箱體壁厚）。2）所有產品都是矩形，長寬高為周邊長寬高。3）應優先考慮裝大件商品，如果大件商品不夠，可以考慮小商品，直到裝不下為止。4）體積小的箱子應優先考慮。如果體積較小的箱子能裝下貨物，剩余的體積就會較小，說明箱子更適合裝貨物。其次，應優先考慮常規索引最大的框（值越大越常規，值越小越不傳統，甚至越特別）。5）如果訂單上的貨物裝完，箱子還沒滿，試著換小一點的箱子。如果長方體爆炸，請更改回原始長方體類型。6）如訂單中的貨物剛裝爆，試著更換較小的箱子，然后繼續包裝剩余的貨物。此時長方體已經是最小的，請將其替換為多個長方體。7）箱型按柔度值由大到小的順序排列。如該框可以填充，則首選符合性值高的框。8）箱型按體積由小到大的順序排列。如盒子沒滿，先試試小盒子。9）箱子先放大件貨物，然后放第二件大件貨物，最后放最小的貨物。10）首先嘗試用一個箱子來完成一個訂單貨物的包裝，然后嘗試用多個箱子來完成一個訂單貨物的包裝。11）如果沒有一個箱子可以容納一個訂單中的所有貨物，那么啟用多個箱子來容納貨物（單個功能箱可能只面向某個產品）。在這種情況下，箱子類型可能不參與邏輯操作。12）優先推薦綠色紙箱。

1.2 模型描述

1.2.1 商品三維模型

把商品看作標準的長方體，建立三維立體模型，設置長、寬、高等參數，比如假設商品寬度30、商品高度50、商品長度80。參數值可以根據具體商品參數進行修改，如圖1 所示。

圖1 商品三維模型圖Fig.1 3D model of goods

1.2.2 箱子模型

把箱子看作標準的長方體，建立三維立體模型，設置長、寬、高等參數，寬度60、商品高度100、商品長度100。參數值可以根據現有的箱子參數進行修改，如圖2 所示。

圖2 箱子三維模型圖Fig.2 3D model of boxes

1.3 模型釋義

1）箱型：箱子的類型，記錄箱子內部空間的長度、寬度和高度。箱型的長、寬、高是指箱內的長、寬、高。2）常規箱型：經常使用的箱子。3）特型：不經常使用的箱子，特定商品箱子。例如：情人節玫瑰禮物的特長盒和釣魚竿的特長盒。4）常規指數：框類型的ordernum 屬性，用于指示首選框和不推薦的特殊框（數字越大，越常規）。5）容積：箱子的容量。6）剩余容積：盒子裝入商品后剩余的空間。框的剩余空間由幾個更小的框類型表示。7）體積：商品的體積(每個箱子里只有一件商品，剩余的空間分成三個小箱子)。8）已滿：當訂單中的其他物品不能放入箱內時，表示箱內已滿。9）未滿：當訂單中的任何其他小件物品都可以放入箱內時，箱內狀態為未滿。10）爆箱：盒子還有剩余體積，但是剩下的商品的體積大于盒子剩余體積，如果裝下，會把箱子撐爆。11）符合度：具體是指一組貨物與一箱貨物類型的符合性，值越大，符合性越高。符合性公式為：殘量+容積-常規指數。

1.4 模型運算邏輯

單個商品的一次裝箱過程，商品的長寬高以及箱子的長寬高分別如圖3 所示。根據遞推算法原理，至少得到以下四種基本的裝箱方案。

圖3 單個商品裝箱過程圖Fig.3 Packing process of a single commodity

1.4.1 第一種方案

單個商品裝入箱子中以后如圖4 所示，所產生的剩余空間如圖5 所示。在貨物可以裝入箱子的情況下，每次裝載，可以產生三個新的空間，即新箱子。三個新箱子的尺寸可以計算出來。如果任何維度的價值在長度、寬度或高度的貨物在上面的方案大于長度、寬度或高度的箱子，這意味著這個箱子不能保留貨物，需要其他方案來解決包裝問題。其中假設商品不能倒裝（實際上，矩形的商品倒裝所占空間與正常位置相同，所以不考慮這種情況）。

圖4 單個商品裝箱圖Fig.4 Packing process of a single commodity

圖5 第一種裝箱剩余空間圖Fig.5 The remaining space diagram of the first packing

1.4.2 第二種方案

第二種方案是將前一種（圖4）向前或向后旋轉90 度。即箱子里面的貨物正常擺放（正面朝上）后，向前或向后旋轉90 度即可得到3 個新箱子（剩余空間），如圖6 所示。

圖6 第二種裝箱剩余空間圖Fig.6 The remaining space diagram of the second packing

1.4.3 第三種方案

如果商品不介意放倒（平躺）的話，那么就會有第三種方案，當貨物正常放置(面朝上)時，向右或向左傾斜90 度，得到以下3 個剩余空間，如圖7 所示。

圖7 第三種裝箱剩余空間圖Fig.7 The remaining space diagram of the third packing

1.4.4 第四種方案

如果貨物不介意平躺，還會有第四種方案。在第三種方案放置貨物時，向右或向左旋轉90 度，得到以下3 個剩余空間，如圖8 所示。

圖8 第四種裝箱剩余空間圖Fig.8 The fourth type of packing space diagram

上文分解了一個包裝過程，每次需要一個商品和一個空箱子，同時產生3 個新的更小的剩余空間。剩下的3 個空間可以視為新箱子，與新空間的商品大小相匹配。根據遞推算法原理，每次遞歸都會產生3 個新箱子，新箱子可以用來裝其他更小的商品。這個循環會一直持續到每個新箱子連最小的物品都裝不下，或者箱子里沒有物品，這個過程就會自動結束，此乃遞歸退出條件。

2 智能推薦系統設計及仿真分析

2.1 智能推薦系統設計

在系統設計中，可以將遞推算法和界面程序分開編寫，還可通過直接上傳記錄商品數量和商品長寬高信息txt 文件方式，簡化用戶信息輸入程序。系統通過讀取已經保存在文件中的商品文件，即可通過后臺遞推算法三維裝箱模型裝箱邏輯Java 程序運算推薦最優包裝方案[1]。

2.1.1 推薦系統編程邏輯設計

首先在運行算法之前，把紙箱長、寬、高以及箱子代碼錄入系統。然后在系統接口頁面，將需要裝箱的商品信息錄入到txt 文件中，上傳文件到系統，根據系統的三維裝箱模型算法邏輯，并經過遞推算法運算，系統便可以推薦合適的裝箱方案及箱型。

2.1.2 系統操作功能設計

1）文本txt 設計

本系統取消輸入框信息輸入方式，采用文本txt直接上傳裝箱商品信息。txt 文本信息錄入包括商品編碼、數量、長、寬、高和是否平躺等，1 代表是，0代表否，如圖9 所示。

圖9 商品txt 文本信息Fig.9 Commodity txt text information

2）輸入頁面設計

輸入頁面設計主要是關于訂單信息的錄入。只需要設計一個類似“上傳文件”的按鈕及文件搜索框即可。點擊“上傳文件”按鈕，選擇出庫訂單，系統便會根據上傳訂單商品信息進行運算，得出包裝最優解[2]。

3）輸出頁面設計

通過將頁面訂單信息上傳系統后，通過后臺遞推算法運算，給出最優推薦方案。因此輸出頁面即為包裝方案推薦頁面。在該頁面需要顯示的是與所推薦方案有關的信息，比如：包裝規格、包裹數量、具體的裝箱方案示意圖，以及進入下一步流程的指引按鈕等。此外，輸出頁面還可以增加“查詢”“重置”等按鈕，以便于復盤、糾錯及相關信息的查詢等操作需要[3]。

2.2 智能推薦系統仿真驗證

2.2.1 訂單任務清單

本部分隨機選取某電商倉庫日常生產出庫包裝作業的3 個訂單分別代表單件、多件、多件多品類訂單（見表1），對上文設計的綠色包裝智能推薦系統模型進行仿真驗證。

表1 訂單集合表（以某電商倉庫為例）Table1 Order set table(Taking an e-commerce warehouse as an example)

2.2.2 包裝箱規格

據調查該庫目前比較常用的包裝耗材為紙箱，具體規格見表2。

表2 打包紙箱規格（以某電商倉庫為例）Table2 Packing carton specifications (Taking an e-commerce warehouse as an example)

2.2.3 仿真結果

首先把表2 中5 種型號的紙箱規格信息（名稱、長、寬和高）錄入模型系統，然后再把表1 中訂單商品數量、長寬高信息做成一個文檔，其中空一行代表訂單截止。將該文檔導入該推薦系統，系統給出的包裝推薦方案見表3。同時我們在實踐操作中安排人工打包，其操作結果見表3。

表3 系統推薦與人工操作結果比較表Table3 Comparison of system recommendation and manual operation results

由表3 可知，訂單1、2 都推薦了7 號箱，說明在商品類別和數量比較少的情況下，智能推薦和人工操作選擇的包裹情況相差不大。而在多品類多商品的訂單3 中，智能推薦和人工操作選擇包裹的情況出現差異[4]。人工操作過程中，打包臺員主要依據個人工作習慣或經驗等選擇包裝型號，而系統會則是根據錄入的相關成本因子進行核算比較后得出最優解。

2.3 仿真結果分析

由上文可知，該智能推薦系統不僅可以根據訂單尺寸及數量推薦合適的包裝紙箱，還可以結合倉庫成本數據推薦更合適的包裝紙箱，從而達到優化包裝耗材成本的效果[5]。

2.3.1 系統推薦前包裝成本情況

對于訂單3，根據人工操作習慣一般使用2 個7號箱子，其具體成本核算如表4 所示。

表4 推薦前打包成本表Table4 Recommended pre-packaging cost table

2.3.2 系統推薦后包裝成本情況

對于訂單3，根據本推薦系統推薦方案使用1 個14 號箱，其具體成本核算如表5 所示。

表5 推薦后打包成本表Table5 Recommended post-packaging cost table

顯然，推薦系統推薦的包裹包裝總成本更低，節省了0.30465，約50%。

3 結語

運用遞推算法原理構建三維裝箱模型，在打包作業過程中智能推薦合適的包裝，以實現快遞包裝作業的降本增效和綠色可持續發展。但針對不足問題，后續可以通過大數據挖掘，進一步促進訂單的精確匹配，以期為其匹配到更合適的包裝方案。同時可以通過建立數據庫不斷完善商品及包裝數據，精準生產綠色包裝規格，提升綠色包裝的使用率，降本增效的同時保護環境。