电商仓库中退货整合与客户订单拆分

在货到人（picker-to-parts）仓库中，订单拣选是一项成本高且劳动密集的操作，必须高效设计。其包括订单批的构建及相应的拣货员路径，以及这些批次向多名拣货员的分配与排序。电商企业间日益加剧的竞争使得对该拣选过程的联合优化不可避免。受大量商品退货以及众多小尺寸客户订单的启发，我们研究一类新的集成订单拣选过程问题。我们将退货商品的补货整合进常规订单拣选路径，并允许对客户订单进行拆分，使多个批次可包含同一客户订单中的商品。由此我们对现有订单拣选处理模型进行了推广。我们给出了混合整数规划（Mixed Integer Programming, MIP）模型，以及一种定制化的自适应大邻域搜索（adaptive large neighborhood search, ALNS）启发式算法，其中尤其利用了这些 MIP 模型。我们提出了一组新的实用规模基准实例，包含最多 5547 个待拣商品与 2491 个待补货商品。在这些大规模实例上，我们表明将退货商品补货整合进常规拣货员路径可带来 10% 至 15% 的成本节约。相较于不允许拆分，允许对客户订单商品进行拆分可带来最高 44% 的成本节约。最后，我们表明平均而言，使用我们的 ALNS 相较于实践中常用的启发式方法可获得 17.4% 的成本节约。