-official
立体仓库中英文对照外文翻译文献
立体仓库中英文对照外文翻译文献
(
文档含英文原文和中文翻译
)
由一个单一的存储
/
检索机服务的多巷道自动化立体仓库存在的拣选分拣问题
摘要
随着现代化科技的发展,
仓库式存储系统在设计与运行方面出现了巨大的改
革。
自动化立体仓库
(
AS / RS
)
嵌入计算机驱动正变得越来越普遍。
由于
AS / RS
使用的增加对计算机控制的需要与支持也在提高。
这项研究解决了在多巷道立体
仓库的拣选问题,在这种存储
< br>/
检索(
S
/
R
)操作中,每种货物可以在多个存储
位置被寻址到
。
提出运算方法的目标是,
通过
S/R
系统拣选货物来最大限度的减
少行程时间。
我们开发的遗传式和启发式算法,
以及通过比较从大量的问题中得
< br>到一个最佳的解决方案。
关键词
:自动化立体仓库,
AS /
RS
系统,拣选,遗传算法。
立体仓库中英文对照外文翻译文献
1.
言
<
/p>
在现今的生产环境中,
库存等级保持低于过去。
< br>那是因为这种较小的存储系
统不仅降低库存量还增加了拣选货物的速度。自动化立
体仓库(
AS / RS
),一
方面通
过提供快速响应,
来达到高操作效率;
另一方面它还有助于运作
方面的系
统响应时间,减少的拣选完成的总行程时间。因此,它常被用于制造业、储存仓
库和分配设备等行业中。
拣选是仓库检索功能的基本组成部分。
它的主要目的是,
在预先指定的地点
中选择适当数量的货物以满足客户拣选要求。
虽然拣选操作仅仅是物体在仓储中
装卸操作之一,但它却是“最耗时间和花费最
大的仓储功能。许多情形下,仓储
盈利的高低就在于是否能将拣选操作运行处理好”。<
/p>
(
Bozer
和
White
)
Ratliff
和
Rosenthal
,他们关于自动化立体仓库系统(
AS/RS
)的拣选问题
进
行的研究,发明了基图算法,在阶梯式布局中选取最短的访问路径。
< br>Roodbergen
和
de Koster
拓展了
Ratliff
和
Rosenthal
算法。他们认为,在平行巷道拣选问题
上,
应该穿越巷道末端和中间端进行拣选,
就此他们发
明了一种动态的规划算法
解决这问题。就此
Van den
Berg
和
Gademann
p>
发明了一种运输模型
(TP)
,它是
对于指定的存储和卸载进行测算的仪器。
他们表示,
< br>最好的解决运输问题的方法
是以机械的最佳布局来尽量减少运行时间。
Elsayed
对阶梯结构的立体仓库问题的研
究表明,要在多巷道中拣选货物并
拟定最佳方案,
是非常困难和
并且耗时的。
Elsayed
和
Stern
提出了启发式算法,
但据说,
他们并没有在实际生产过程中得
到满意的结果。黄禹锡等人,
研究了立
体仓库系统中的单巷道选
道的问题,并提出决定了每个
S /R
系统拣选效率的启
发式算法。
Thealgorithms
在聚
集前人分析的基础上,
采取了一些相似的措施。
在
1983
年,通过仿真,把计算得到的参数与
Els
ayed
和
Sterns
的结论进行了
比较。
Bozer
、
White
、
Han
、
Lee
和
Schaefer
< br>等人提出了一个程序,在检索测序的
基础上进行优化,解决了线性分配的问题。<
/p>
Lee
和
S
chaefer
介绍了一些优化和
启发式的测序方法,其中包括
存储指令如何被分配到预先确定的存储位置。
Mahajan
通
过对小件货物的贮存系统进行了改善,
得到了一种新的检索测序方案,
< br>提出最近检索原则并开发了一个验证模型来预测效果。
黄禹锡制作了非线性数学<
/p>
模型,
开发出以一种启发式程序设计的自动化立体仓,
与此同时还可以确定单位
负载的大小。
Van
den Berg
和
Rouwenhorst
调查了仓库规划和控制的文献,
p>
规
划文件包括存储位置的分配问题,仓库储存系统的控制问题包括路
由、排序、
调
度、停留点的选择和秩序配料。
< br>
Goetschalckx
和
Wei
提
交
1985
年至
1992
年拣
选系统的参考文献。
Koh
提出了一些关于在存储仓库中,
带有塔式起重机的自动化
立体仓库的模
式。
他们推论出的这个模式是建立在随机存储分配
规则的基础上的一个单、
双指
立体仓库中英文对照外文翻译文献
令周期。
他们还根据营业额的存储分
配规则计算出相应行程时间。
Koh
提出了优
< br>化模式,
在拣选系统的巷道最末端寻找到了一个最佳缓冲的区域,
在那里
S/R
系
统可提供多若
干个通行巷道。
Amato
以
colo
red timed Petri nets
网站的资料为基础
提出了对顺序检索的拣选优化算法。
他们还提出了两项对于起重机和航天飞机的
运作的优化控制算法。
Hsu
审议多巷道的仓库
的顺序配料问题,提出了遗传算法
来减少总旅行距离。
Hwan
g
和
Cho
提出了采摘的供应中心仓库秩序的绩效评估
模式。
他们研究的
目的是通过减少运输数量、
计算性能和设备利用率来减少尽量
减
少成本。在近期的研究中,
De Koster
对设计与控制
手册中拣选工程的典型决
定问题进行了文献回顾。他们主要关注于存储分配方法、路径的
选择、
配料和分
区。
然而,
我们没有这么多的文献上的知识,
在处理自动化
立体仓库的拣选问题
上,每个物品都能够被储存在多个储存点里。
事实上,
许多厂家的产品有许多类
型、种类和形状,这也是他
们成品仓库面临的问题。例如一个瓷砖制造商,他的
产品有两个类型(墙砖和地砖)
p>
,
分别有
7
中不同
的尺寸,
4
种不同耐久性(磨损
差饷<
/p>
)
和
100
多种
不同的颜色、图案、颜色和形状,总共有
5600
多种不同的产
品
类型。作为存储策略,要一件刚进来的货物存放在最近的空仓位位置上。当一个
来自仓库中物品,
由于产品种类繁多,
有很大
的可能性从一个地方存入到另一个
地方。因此,一件物品需要有几个在仓库中存储位置。
换句话说,由于分类和分
区,
每个单独类型的产品在仓库中需要
一个更大的空间,
一个物品在几个地方存
储时不可避免的。
p>
2.
问题描述
在本研究中,
我们考虑到了小件物品的自动存储和检索系统,<
/p>
那有一个或多
个巷道。
每个巷道包含了关
于巷道两旁仓储货架。
每个巷道结束的地方都有一个
输入
/
输出口(
I/O
)
。在那里还有一个单独的存储
/
检索(
S / R
)的仪器来为所有
巷道的系统服务,它可以同时在垂
直和水平方向移动。因此,
在两点之间的行程
等于最小的水平和
垂直行程。在收到命令之前
S/R
仪器已经定位了输入
/
输出口
中的位置。
仪
器的起始位置取决于最后一件货物的最后一个命令的存储位置。
S/R
< br>计算行程中以恒定的速度水平和垂直移动。一个命令可以由多个货物请求组成
的。
同样每个货物也可以在仓库中多个位置存储。当检索请求包括多个货物,
并
且这些货物在多个不同的仓库位置时,
S/R
仪器必
须到多个不同的存储地点完成
各个命令。
本次研究的目的就是提
出计算方法来减少
S/R
走过的总时间来完成命
令程序。
3.
运算方法
立体仓库中英文对照外文翻译文献
我
们现在有两种运算方法来解决这个问题:
一种是探索式算法,
还
有一种是
遗传式算法。为了显示所提出算法的优越性,我们把它与其他方法进行了比较。
由于我们的解决问题方法是新提出的,
没有前人在这个领域进行
过研究,
那么我
们最先提出的一种运算法,
用它来获取的最佳的解决方案,
这种方法我们称它为
例证算
法。其结果作为对于两种拟议算法比较的基准解决方案。
在例
证法中,
我们确定所有可行的解决方法并将他们互相比较找出最好的解
< br>决方法来。
为此,
这个方案首先要找所有可行的方法来选
择一个命令。
然后,
S/R
系统的计算
获得每个方法行程的总时间,
最后,
选取的解决方案要求在最短
时间
内完成要求。
这个解决方案被认为是该问题的最佳解决方案
。
考虑到一个命令的
由
k
种不同类型的货物组成,其中在
n
i
(i = 1, 2, . . . , k)
项货物中第
i
项货物被提
出请求。在可行的解决办法总数挑选顺序可以
给出:
其中,
mi
是在第
i
项货物在仓库中的总
库存,得出:
通过例证法已经解决
了各种类型的问题,
并且确定了这种低金额低行程的最
佳方案。
我们发现,在当前巷道上存在货物(如:该巷道的
S/R
系统是
在检索过
程的起始端)
是解决这个问题的关键技术。
我们基于先前提到的运算结果发现了
一种计算方法,称它为现有巷道探索式
(
CAH)
算法。
< br>在现有巷道探索式算法中,在当前巷道中现存的货物是首先被检索的对象。
其后,
对该命令的其余部分
(如果有的话)
选中并运用各种检索方式进
行研究计
算。
我们可以简单的对其进行表达,
< br>如果设
r
表示在现有巷道中指令货物的数目,
那么如果
r=0
时,该运算方法就类似于原来的例
证法。如果
r=1
时,该运算方法
首先
要通过
S/R
系统对行程时间进行计算,设
t1
表示在当前巷道中,现存货物
为了避免与拣选中的货物
冲突,对于其余的货物
(
如果有的话
)
进行同等于例证法
的计算,以此来得到最小的计算行程时间。设
t2
表示在
S/R
系统中总的行程时
间。最后将
t1
和
t2
之和作为最终的解决方案。
<
/p>
如果
r>1
时,则该方法首先分配拣选顺
序,拣选所有的
r
货物,既巷道中的
现
存货物。在计算好行程时间之后,进入
t1
阶段开始移除列表中
指令的货物。
在这之后,
其余货物
(<
/p>
如果有的话
)
进行类似于例证法的运算<
/p>
,
就如同,
通过对每一
< br>个可行的方法计算出行程时间,最终选取其中最小的那个值,即
t2
阶段。最后,
在
S/R
系统
中将
t1
和
t2
的和设为最终的解决方案。
立体仓库中英文对照外文翻译文献
Khojasteh-Ghamari
详细的对在现有巷道中的
货物的拣选顺序的分配方法进
行了讨论。
如果任何待命的货物存
在于现有巷道中,
那么就将仓库中现存货物的
数目除以解决方案
的数目。因此,
这项任务目的就是降低总方案的数目,
以此来<
/p>
减少
CPU
时间(程序的处理时间)。<
/p>
3.1.
遗传算法
< br>遗传算法是一种优化过程,它将问题域比作基因类(个体或染色体),基因
类是有
多个基因体组成,
其中基因体成符号形式串行。
每一个基因类都
有一个可
能的解,通过对问题域中的染色体进行评估来寻求可能的解决方案。
在每一代中,
我们对每个染色体进行评估,选择
一个分布优秀的区域,在其
中对染色体进行变异和交叉操作,重新组合,得到新的染色体
。这样几代之后,
在进一步观察后没有得到新进展的情况下,
那
么就将所得到最具适应度的染色体
视为(所有可能的)
最佳解决
方案。
运算常常会在出现大量的迭代速度和资料后
终止(
Michalewicz
)。
表示法
每一个染色体表示待求解问题
的一个可能解,
将其中每一个等位基因被归为
一个货物序列中。
如此类推,
在染色体中的每个基因序列表示货物的种类和相对<
/p>
等位基因的存储位置。因此,
每个解决方案包括一个染色体,
p>
其中基因的数量等
于所收到命令的货物数目。如给出一个例子,图<
/p>
1
如图
1<
/p>
可见,一个可行方案中的货物设为
A,B,C
和
D
代码,他们被检索位
置为:货
物
C
在
5
号位
置,货物
B
在
7
号位置,货物
A
在
4
号位置,货物
D
在
3
好位置。
图
1.
代表一个可行的解决方案
其表格表示为,
货物被拣选的顺寻也显示在其中。在这个例子中,在
5
号位
置中货物
C
p>
将被首先检索,其次是货物
B
,再是货物<
/p>
A
,最后是货物
D
。
初始化
初始域是随机产生的。
拥有随机序列的指令货物组成了染色体。
在染色体中,
每个货物被赋予一个随机代号。
由此可见,
p>
每个可行方案所给予的条件是相同的。
然而,在每一次重新运算过程
中,都会有一套适合的程序来解决方案。因此,染
立体仓库中英文对照外文翻译文献
p>
色体中的指令货物将会无重复的随机分布,
货物的地址代码也会随机选取,
所分
配的代号范围会在
1
到该货物的总仓库库存数之间。
假设在仓库内现有总共
A
、
B
、
C
和
D4
件货物,它们分别对应代码是
6
、
9
、
7
和
p>
4
。为了形成如图
1
所示的解决方案,首先,指令货物死随机选取的(
C,B,A
和
D
),然后,货物
C
选取
[1,7]
的随机整数,货物
B
在
[1
,
9]
中选取,
A
在
< br>[1,6]
之间选取,最后
D
在
[1
,
4]
中
间随机选取一个。
交叉操作
在置换问题的操作描述里,部分匹配交叉(简称
PMX
)常被用于拣选问题
上,
部分匹配交叉被视为一种交叉
的排列,
它确保所有的货物能迅速的被后裔所
发现。
也就是说,两个后裔全面的接受了父辈基因,接着再填充到其父辈的等位
基
因上。在图
2
中,两个父辈用
p1
p>
和
p2
来表示,交叉点是
< br>1
和
3
。根据在相应
的
[M,R]
和
[E,A
]
之间,重复做货物的取代,这就是说,在第一个父辈中的
A<
/p>
和
E
由
R
和
M
所取代,而在第二个父辈中的
R
和
M
就由
A
和
E
来取代。生成的后<
/p>
代是
O1
和
O2
(
图
2)
。
同时,根据
PMX
中的拣选问题得知,
交叉操作的关键是只交换在染色体中
的货物区域并且不交换相关的等位基因。
图
操作
变异操作
我们现在用二进制位
(0
和
1)
来表示基
因。在拣选的问题上,相关联的等位
基因通过变异操作,将库存中一个基因替代另外一个
等位基因。换而言之,
这个
立体仓库中英文对照外文翻译文献<
/p>
操作并没有对货物的序列起到任何作用,仅仅只是货物选择了另
外一个序列代
码。
假设在
O1
中,
第三个基因被选为变异基因。
由于货物
A
在各储存位置上的
总数有
6
个,
通过变异操作在
p>
[1,6]
范围里产生随机整数来代替原来的第三个基因
(
图
3)
,当然,产生的代码等于现有代码时
(
如
2)
,则操作重复进行,直到取得一
个新代码
p>
(
除了
2)
。在这
个范例中,
4
就是最后产生的代码。
评估与选择
在每代中,对于染色体的评估使用了一些有效的方法。
图
3.
变异
操作
在大量的优化应用中,
适应度是
对目标客观本质的计算。在拣选问题中,目
标函数的作用是将
S
/R
系统的行程时间降低到最小。
通过
S/R
系统对总行程时间
做标准化的计算来得到下一代。
Khojasteh-Ghamari
对
S/
R
系统计算的行程时间进
行做了一下说明。
由于这个问题是最小化的问题,
所以我们可以将每个染色
体的目标函数值改
变成适应值,
适应值大的染色体就更具适应能
力,
这样就能更清晰的表达他们的
价值程度
(cheng
等人提出
)
:
其中,
eval
(vk)
是第
K
个染色体的适应函数,
f(vk)
是第
k
个染色体在
S/R
系
统下总行程时
间。问题域的大小
(
简称
pop
size)
决定了每个染色体应被给的时间。
现在来做个比喻,我们对下一代染色体的选择比作为
(
赌台上的
)
轮盘,适应
度大的染色体在
下一代遗传中被选的概率更高。
在此方案中,
行程时间短的更容
易被选中作下一代的遗传。赌盘的执行如下:
1.
计算对于每个染色体的
vk(k=1,2,...
,
最大范围值
)
在
S/R
系统的总行程时间。
2.
计算每个染色体的适应度
eval(vk)(k=1,2,..
.,
最大范围值
)
。
< br>
3.
求得所有适应的总数量
立体仓库中英文对照外文翻译文献
4.
计算对于每个染色体
Vk
的选择概率
pk(k=1,2,...,
范围
最大值
)
。
5.
计算每个染色体
vk
的累积概率
qk(k=1,2,...,
范围最大
值
)
。
<
/p>
每次选择是在旋转的赌盘中进行的,
其结果是动态的,
被选中的染色体作为
下一代的范围域。
-
生成的一个随机实数
r
在
[0
,
1]
范围内;
-
如果
< br>r
≤
1
,
那么选择的第一个染色体
v1
,
否则
选择第
k
个染色体
vk(2
≤
k
≤
pop
size)
,这样就有
qk?1 < r
≤
qk
。
在上一代中的染色体被新一代的染色体所替代。
4.
仿真结果
我们制作了一个拥有
36
种不同货物的立体仓库,
在其中还有
5
种不同类型的指令,
对此比较
3
种运算法的性能。每个货物首先先用例证法
来解决。以获取最佳的行程时间
和
CPU
占用率。接着用另外两种解法来解决。研究结果如下
2
表。<
/p>
4.1.
仿真模型
< br>我们创建了一个在
36
种不同物理规格情况下的仓库,通
过对于每一个仓库施加
5
种不同的指令来对这
< br>3
种算法的性能进行比较。
每种情况首先按例证法来得到
最佳的行
程时间和
CPU
占用率,然后
再通过另外两种计算方法来解决问题。研究结果显示在下
面两个表格中。
利用仓库的主要
3
个参数(
仓储容量、密度和形状)来设计
36
种不同存储的情况。
由于仓储容量与仓库中的巷道成比例关系,
我们将仓储容量划分为
p>
4
种情况,
分别是
1
、
2
、
3<
/p>
和
4
种巷道的形式。每个仓储货架有
p>
780
个存储位置。因为每个巷道有两个货架,
则一个巷道就拥有
1560
个存储位置。由于一个系统对仓
库中大量巷道进行服务的话,
将会大大降低其系统实际效率。所以在不考虑
5
个或更多巷道的情况下,就由一个
S/R
系统对所有巷道进行服务。
对于仓储密度,
我们
假定仓库中的使用率为
60%
、
75%
和
95%
。
B
ozer
和
White
对仓储形状的配置进行了相关描述为,
仓储形状,
它是一种对于货架高
度与长度的空间比例,假设仓储容量与
S/
R
系统的水平和垂直速度都是常数。那么我们
将这
3
个值设定为(
0.6,0.73
< br>和
1
)。
立体仓库中英文对照外文翻译文献
此
外还要补充的是,对上述每种情况的描述中,
5
种不同的指令为
别是
1
,
2
,
3
,
4
和
p>
5
,
5
种所要求的
货物编码分别是一,二,三,四和五。
4.2.
结果
在个人电脑配置是:“奔腾
III,1000MHz
的处理器
,512 MB
内存和
2 GB
虚拟内存”
的情况下进行了试验。
结果列于表
1
和表
2
中。
表
1
表示在
3
种运算法下,
4
种类型
“
S/R
系统平均行程时间”
和
“
S/R
系统平均
< br>CPU
占用率”
。
两种仓储参数
(仓储密度和形状)
的组合形成了每个仓库
(
仓库分别有
1
、
2
、
3
和
4
个巷道
)
的
9
种情况,每种情况下的值
表示了
5
种命令下的平均值。
表
2
表示在仓储形状为
0.6
和
1
,
4
种巷道情况下的平均行
程时间和平均
CPU
占用率。
在表格中,
例证法、
现有巷
道探索式算法和遗传算法分别用
“
Enumeration
p>
”
,
“
CAH
p>
”
,
“
GA
”所表示。
5.
分析结果
通过对表
1
分析可知,在所有情况下的各类仓库
(1
,
2
,
3
和
4
个巷道
)
,
CAH
算法
是能获得最大行程时间和最小
CPU
占用率的解决方
案。换而言之,它是占用较小
CPU
使用率的方法。然而,它对
S/R
系统的行程时间超过了其他两个。
在仓库中只有一个巷道的情况下,
通过遗传算法解决获得的
方案中
89%
为最佳的方
案。
其余的方案里次优和最优的解决方案平均只相差
0.09
%
(但需要更大的
CPU
时间
)
。
在拥有
2
个
3
个和
4
个
巷道的仓库中,
遗传法提供的
11%
的
解决方案为最佳方案,
其余
方案里,获得方案与最佳方案差别不
大,分别是
2
巷道相差
3.86%
p>
,
3
巷道相差
4.
83%
和
4
巷道相差
< br>4.69%
。
仓库中巷道的层
架数目会影响到运算效率。由于增加的总数是实际问题中出现的,
例证法中要增加较大的
CPU
占用率才能获得最佳解决方案。然而在大多数情况下,遗
传法则需要相比于例证法较少的
CPU
占用率就能完成
S/R
系统的最佳方案。
立体仓库中英文对照外文翻译文献
表格
1.
3
种算法的性能
< br>表格
2.3
中算法在仓储形状上的比较
< br>
此外,运算方法的性能是受货架配置所影响的。表
2<
/p>
显示了通过对
S/R
系统的平均
行程时间和平均
CPU
占用率在多巷道中的两种
仓储形状(
0.6
和
1
)的比较。在此表中
立体仓库中英文对照外文翻译文献
显示了当仓储容量增加时,两个货架配置的算法比较。在一个仓库只有一个巷道时,例<
/p>
证法提供了最佳的方案,并且它的
CPU
占用率低于遗传法。然而,如果仓库有多个巷
道时,遗传算法需要的
CPU
占用率低于例证法。由于各种仓储形状
B
的结果相似,我
们将仓储形状
B
< br>设为
0.73
。因为对
B
的
3
种算法性能大致相同,所以在仓库里的货
架
配置对算法性能没有影响。
6.
总结
在本次研究中,我们讨论了多巷
道自动化立体仓库系统,并得到了结果。就同类货
物在不同存储位置被寻找的情况下,我
们发明了两种算法来解决这个问题,我们将第一
种探索式算法命名为现有巷道探索式算法
(简称
CAH
),第二种命名为可接受遗传算
< br>法。为显示每种算法的实际效率,我们将他们与例证法做了对比,例证法在获得最佳方
案的同时需要大量的
CPU
占用率,因此它并不是最理想的
解决方案。
CAH
算法需要较
小的
p>
CPU
占用率,
但获得的方案大多数是需要
较长的
S/R
系统行程时间的次佳的方案。
而遗传算法提供的方案大多是最佳和准佳
(
平均占
3.37%)
的方案。因此,模拟的遗传算
法显
示,它的效率高于其他两种算法。
不久的将来,在功效和双命
令(
DC
)的自动化仓库系统领域中,将对元启发式方
法和分支定界算法进行评估,以便能在自动化仓库拣选问题上创造最佳的解决方案。
7.
鸣谢
我们感谢来自
Tarbiat Modarres
大学
M.M. Sepehri
教授的
宝贵建议。我们也同样的感谢
为我们提出建议的匿名审稿人。
参考文献
[1]
Amato,
F.,
Basile,
F.,
Carbone,
C.
and
Chiacchio,
P.,
An
approach
to
control
automated warehouse
systems, Control Engineering Practice, Vol. 13,
pp.1223-1241,
2005.
[2]
Bozer, Y. A. and White, J. A., Travel-time models
for automated storage/retrieval
systems, IIE Transactions, Vol. 16, No.
4, pp.329-338, 1984.
[3]
Bozer,
Y.
A.
andWhite,
J.
A.,
Design
and
performance
models
for
end-of-aisle
order picking systems, Management
Science, Vol. 36, No. 7, pp.852-866, 1990.
[4]
Cheng,
R.,
Gen,
M.
and
Sasaki,
M.,
Film-
copy
deliverer
problem
using
genetic
algorithms, Computers & Industrial
Engineering, Vol. 29, pp.549-553, 1995.
[5]
Elsayed,
E.
A.,
Algorithms
for
optimal
material
handling
in
automatic
warehousing
systems,
International
Journal
of
Production
Research,
Vol.
19,
pp.525-535, 1981.
[6] Elsayed, E. A. and Stern, R. G.,
Computerized algorithms for order processing in
automated
warehousing
systems,
International
Journal
of
Production
Research,
Vol.
21, pp.579-586, 1983.
立体仓库中英文对照外文翻译文献
[7]
Goetschalckx,
M.
and
Wei,
R.,
Bibliography
on
order
picking
systems,
Vol.
1,
pp.1985-1992,
1994,
available
at
/people/faculty/Marc
Goetschalckx/.
[8]
Han,
M.-H.,
McGinnis,
L.
F.,
Shieh,
J.
S.
andWhite,
J.
A.,
On
sequencing
retrievals
in
an
automated
storage/retrieval
system,
IIE
Transactions,
Vol.
19,
pp.56-66, 1987.
[9] Hwang, H., Baek, W. and Lee, M.-K.,
Clustering algorithms for order picking in
an
automated
storage
and
retrieval
system,
International
Journal
of
Production
Research, Vol. 26, pp.189-201,1988.
[10]
Hwang,
H.,
Moon,
S.
and
Gen,
M.,
An
integrated
model
for
the
design
of
end-of-aisle order
picking system and the determination of unit load
sizes of AGVs,
Computers & Industrial
Engineering, Vol. 42, pp.249-258, 2002.
[11] Khojasteh-Ghamari, Y., Order
picking problem in an AS/RS with multiple stock
locations. .
thesis, Tarbiat
Modarres University, 2000.
[12] Koh, S.
G., Kim, B. S. and Kim, B. N., Travel time model
for the warehousing
system with a tower
crane S/R machine, Computers & Industrial
Engineering, Vol. 43,
pp.495-507, 2002.
[13] Koh, S. G., Kwon, H. M. and Kim,
Y. J., An analysis of the end-of-aisle order
picking system: Multi-aisle served by a
single order picker,
International
Journal of
Production
Economics, Vol. 98, pp.162-171, 2005.
[14]
Lee,
H.
F.
and
Schaefer,
S.
K.,
Retrieval
sequencing
for
unit-load
automated
storage
and
retrieval
systems
with
multiple
openings,
International
Journal
of
Production Research, Vol. 34,
pp.2943-2962, 1996.
[15] Lee, H. F. and
Schaefer, S. K., Sequencing methods for automated
storage and
retrieval systems with
dedicated storage, Computers & Industrial
Engineering, Vol. 32,
pp.351-362, 1997.
[16] Mahajan, S., Rao, B. V. and
Peters, B. A.,
A retrieval sequencing
heuristic for
miniload
end-
ofaisle
automated
storage/retrieval
systems,
International
Journal
of
Production Research, Vol.
36, pp.1715-1731, 1998.
[17]
Michalewicz, Z.,
Genetic Algorithms
+ Data Structures
=
Evolution
Programs,
1992
(SpringerVerlag: Berlin)
[18] Ratliff,
H. D. and Rosenthal, A. S., Order-picking in a
rectangular warehouse: a
solvable
case
of
the
traveling
salesman
problem,
Operations
Research,
Vol.
31,
pp.507-521, 1983.
[19] Roodbergen, K. J. and de Koster,
R., Routing order pickers in a warehouse with a
middle aisle, European Journal of
Operational Research, Vol. 133, pp.32-43, 2001.
[20] Rouwenhorst, B., Reuter, B.,
Stockeahm,
V., van Houtum,
G. J., Mantel, R. J.
and
Zijm, W. H. M.,Warehouse design and control:
framework and literature review,
European Journal of Operational
Research, Vol. 122, pp.515-533, 2000.
[21] Van den Berg, J. P., A literature
survey on planning and control of warehousing
systems, IIE Transactions, Vol. 31,
pp.751-762, 1999.
[22] Van den Berg, J.
P. and Gademann, A. J. R. M., Optimal routing in
an automated
storage/retrieval system
with dedicated storage, IIE Transactions, Vol.31,
pp.407-415,
-official
-official
-official
-official
-official
-official
-official
-official
-
上一篇:仓库专业术语参考中英文对照教程文件
下一篇:数据仓库(中英文翻译)