Introduction (1/4)

1. Batching orders in warehouses by minimizing traveldistance with genetic algorithmsChih-Ming Hsu, Kai-Ying Chen &Mu-Chen Chen

2. 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)

3. 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

4. Introduction(3/4)

5. 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

6. 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 停止? 突變 存活機制 停止 新母群體

7. 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

8. 實驗設計與假設(2/2)

9. 績效研究與比較(2D) • GABM • Gibson & Sharp (GSBM) • First-Come-First-Serve (FCFS)

10. 績效研究與比較(2D)

11. 績效研究與比較(2D) • 批量數

12. 績效研究與比較(2D) • 工作量的平衡

13. 績效研究與比較(2D) • 總移動距離

14. 績效研究與比較(2D) • 計算時間

15. 績效研究與比較(3D) • GASM • FCFS

16. 績效研究與比較(3D)

17. 績效研究與比較(3D) • 批量數

18. 績效研究與比較(3D) • 工作量的平衡

19. 績效研究與比較(3D) • 總移動距離

20. 績效研究與比較(3D) • 計算時間

21. 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

22. END

23. 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

24. 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

25. 交配法則 雙點交配法(交配率0.6)

26. 修補

27. 突變 配對交換(突變率0.05)

28. 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

29. 停止準則 • 最大迭代數=500 • 連續40迭代沒有改進