1. Batching orders in warehouses by minimizing travel distance with genetic algorithms Chih-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  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  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  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 存活機制 新母群體 突變 停止 ? 停止

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.  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.  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) (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) 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 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 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