.png){kind=icon}
返回
Demand-driven storage allocation for optimizing order picking processes
.png){kind=icon}
PRE
AI
DOI：10.1016/j.eswa.2025.126812.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
电子商务的快速增长显著增加了对促进履行流程的物流服务的需求。该流程涉及多个关键活动，包括订单接收、存储、拣选、包装和配送。在这些活动中，订单拣选尤为关键，因为它耗时且劳动密集。大量研究关注于提高订单拣选效率。然而，仓库作业高度关联，无效的存储分配会负面影响订单拣选性能。尽管存在这种关联性，但关于存储分配与订单拣选影响的研究有限。本研究提出了一个面向订单拣选优化的智能预测（IFOPO）模型。该模型通过需求预测，优化拣选面和整箱存储区域的空間分配，以提高订单拣选效率。利用机器学习技术，该模型预测商品需求以战略性地分配存储空间，从而减少拣货员的行走距离。所提出的IFOPO模型旨在通过强调存储分配与订单拣选关键组件之间的关系，提升整体电子履行效率。本研究为需求预测、存储分配与订单拣选之间的相互作用提供了有效见解，从而为仓库优化策略提供了整体性方法。
Keyword:
E-commerce
Warehouse Management
Logistic Industries
Artificial Intelligence
Demand Forecasting
Pick Face
Order Picking
期刊
IF:
7.5
论文数:
3.0W
被引数:
10.2W
机构
引用论文
.png){kind=icon}
分享收藏Improving order picking efficiency through storage assignment optimization in robotic mobile fulfillment systems通过机器人移动履行系统中的存储分配优化来提高订单拣选效率
PREAI
分享收藏分享收藏
查看更多内容