【摘要】供应链效率是企业竞争力的核心，其中需求预测、货位优化和拣货路径优化尤为关键。本文概述了久章智能在某电器企业仓储管理中实施的优化方案，需求预测技术利用数据驱动模型，如ARIMA，提高预测准确性，支持库存和市场响应决策。货位优化采用ALNS算法，减少拣货员移动，提升拣货效率。拣货路径优化结合OR-Tools和A*算法，动态规划高效路径，并通过Bokeh库实现仓库布局的可视化。这三个模块通过集成实现了数据一致性和系统响应性的提升。优化算法的应用不仅提高了操作精度，还减少了人为错误，为企业带来了成本效益和客户满意度的双重提升。
【背景简介】在当今快速变化的商业环境中，供应链管理的效率直接影响企业的竞争力。需求预测、货位优化和拣货路径优化是供应链中至关重要的环节，它们共同构成了企业仓储管理的核心。准确的预测、合理的货位布局和高效的拣货路径不仅能够降低成本，提高运营效率，还能增强企业对市场变化的响应能力。以下是久章智能针对三个核心模块在某电器企业提出的方案及效果简介。
01 供应链的第一道防线：需求预测技术
需求预测是企业博弈的焦点，对企业的运营效率、成本控制和市场竞争力有着深远影响。虽然需求预测总是“不准的”，但是我们要减少“拍脑门”式预测，利用数据分析和预测模型做出准确度较高的预测，为企业的库存管理、成本控制、生产计划、市场响应等提供决策依据。
在合作企业的库存管理预测优化项目中，系统每天会滚动更新数据以确保库存管理的高效性和准确性。具体流程如下：
-
客户发送每日请求拣货单数据，这些数据被存储在生产数据库中；
-
生产数据库每日将最新的拣货单数据发送到数据清理模块进行清洗；
-
清洗后的数据与物流历史需求数据一同被发送到算法平台；
-
算法平台应用三大算法进行分析，生成物料热度评分、物料关联度社群分析结果以及物料未来需求预测。
我们用了三大算法对物料进行了分类、组合和预测：
-
ARIMA模型 ：自回归积分滑动平均模型，一种强大的时间序列预测工具，能够处理各种类型的时间序列数据，并且灵活性高，可以 根据数据特性调整正模型参数 ，使其适应不同的数据集。
-
热度评分算法 ：通过分析历史需求和使用频率，为每种物料分配热度评分，实时反映 物料需求强度和使用趋势 ，帮助 识别高需求物料 。
-
关联度计算算法 ：利用协同过滤技术和关联规则挖掘，发现物料间的共现频率和使用模式， 确定物料之间的关联度 ，优化物料组合。
我们做了3个月的回测，大部分预测误差集中在较小区间内，显示出模型的高准确性。
我们的算法还可以应用在自动化库存补货系统（预测需求、智能补货）、客户订单管理（精准订单处理、订单优先级排序）、数据驱动的决策支持（数据分析与可视化、报表生成）、异常检测与预警（库存异常预警、需求异常检测）、需求个性化定制（个性化服务、定制化推荐）等场景。
02 仓库空间的智能布局：货位优化策略
目前合作企业的仓储系统中，商品的摆放通常基于固定的位置或简单的分类方法，缺乏科学的优化策略。优化仓库内的商品摆放位置是提升仓储管理效率的重要手段。
我们提出了一个基于数学建模和优化算法的货位优化方案，使用了基于重新随机的大邻域搜索算法，属于自适应大邻域搜索算法（Adaptive Large Neighborhood Search, ALNS）的一种，是一种高效的启发式优化方法，特别适用于解决组合优化问题，如车辆路径问题（Vehicle Routing Problem, VRP）、仓库选址问题、任务调度问题等。
该模块通过分析商品的热度、需求量和关联度，结合仓库内部设置的数据，提供未来一个月的商品建议摆放位置方案，以最小化拣货员的移动距离，从而降低拣货时间成本，提高拣货效率。
该算法的核心思想是在搜索过程中动态调整搜索邻域的大小和结构，以平衡探索（exploration）和开发（exploitation）之间的关系，从而提高找到高质量解决方案的可能性。
以下是货位优化得到的可视化结果。
03 提升拣货效能的关键：拣货路径优化算法
传统的拣货方法存在路径冗余、时间浪费等问题。我们可以借助算法设计出更加高效灵活且效益高的仓储拣货路径。
在仓储拣货路径优化平台中，系统通过与仓库管理系统（WMS）数据库交互，获取仓库内的物料和订单数据，并利用算法平台进行优化计算。具体流程如下：
-
客户端向算法平台提交新的优化任务，包括拣货的订单和物料信息；
-
算法平台从 WMS 数据库中请求所需的拣货单数据、货架距离数据，以及拣货员实际行走的路径数据；
-
算法平台进行优化计算，调用路径规划算法，生成优化的拣货路径；
根据规划路径与实际行走路径的数据学习断点数据，持续更新地图信息并优化拣货路径。以下是拣货路径优化的应用流程。
-
算法核心技术
-
智能路径优化：利用优化工具集OR-Tools构建了 混合整数规划的路由模型 ，专门解决拣货路径问题。使用 启发式 搜索策略 ，快速生成高质量的初始解，加速求解过程。
-
路径动态调整：对拣货路径中的异常进行分析，利用 A*算法 找出 最佳绕行路径 ，实时更新拣货路线以适应现场实际情况。结合历史数据和实时反馈，持续迭代优化算法参数，提高路径规划的准确性和适应性。
-
仓库布局可视化：使用 Bokeh库 创建 交互式的仓库平面图 ，可以动态显示不同的数据层，如节点、路径等。通过整合交互工具（如悬浮提示、放大缩小、保存等），提高用户界面的交互性和信息的易访问性。
-
详细功能介绍
（1）智能路径优化：
-
最优路径生成：算法计算并生成仓库内最短的拣货路径，确保拣货员可以以最少的行走距离完成拣货任务。
-
动态路径调整：根据实时数据调整拣货路径，以适应仓库环境的变化或特殊需求。
（2）仓库布局可视化
-
交互式平面图展示：通过交互式的二维平面图直观显示仓库的布局、拣货点位置以及拣货路径，用户可以通过图形界面获取详细信息。
-
路径和节点高亮：在平面图中突出显示当前的拣货路径和重要的节点，如拣货起始点和终点，提供清晰的路径导航。
-
工具提示和详情：用户悬停或点击某个节点时，可通过工具提示获取该点的详细信息，如节点编号、坐标和关联的拣货信息。
如下为仓库界面交互式平面图、拣货点信息和货架信息。
仓库界面交互式平面图
拣货点信息
货架信息
（3）路径动态调整
-
路径实时更新：根据拣货员在仓库中的实际行走路径，动态调整规划路径，应对现场可能的变化或不可预见的阻碍。
-
数据驱动的优化：利用收集的路径和断点数据，持续优化路径规划算法，使其更加精准和高效。
以下是路径规划的可视化展示。
无断点路径
有一个断点（红框内）路径
有两断点（红框内）路径
-
潜在应用场景
在旅游行业中，路径规划技术帮助提供个性化旅游推荐路径，通过分析游客的兴趣点、预算、时间限制及地理信息，生成最优化的旅游路线。
-
兴趣点分析：识别游客的兴趣点（景区内高价值点），如文化遗产、自然风景、美食体验等。
-
路径优化：基于游客的起点、预算和时间限制，设计覆盖主要兴趣点的最优路径。
-
动态调整：根据实时交通和天气条件调整旅游路径。
【结语】
通过深入分析需求预测、货位优化和拣货路径优化这三个关键模块，我们可以看到它们在提高仓储管理效率方面的重要性及相互依赖关系，三者通过数据传输方式实现集成。需求预测的输出为货位优化提供了依据，而货位优化的结果又直接影响拣货路径的规划。这种集成不仅提高了数据的一致性和准确性，还减少了信息孤岛，提高了整个系统的响应速度和灵活性。
久章智能的优化算法在这一过程中发挥了关键作用。通过应用先进的算法，如ARIMA模型、A*算法、邻域搜索算法等，我们可以更有效地处理大量数据，考虑多种因素，优化问题结果，并实时调整策略以适应市场变化。这些算法不仅提高了决策的准确性，还减少了人为错误，为仓储管理带来了显著的效益，包括降低成本、提高效率、缩短响应时间和提升客户满意度。
此外，久章智能期望为罕见病治疗的公益事业贡献自己的微薄之力。计划推出免费的单车路径规划问题求解算法，可以在10秒内求解300+个需求点的问题，面向有相关需求的客户开源使用，我们鼓励客户将使用优化方案后节约成本的1%捐献给罕见病治疗的研究。欢迎点击原文链接加入瑞鸥科学创新联盟，点点微光，足够明亮！
上图来自新京报
如您有仓储环节的需求预测、库位分配、拣选路径规划等需求，欢迎咨询。
联系人：张新杰 手机：13311931669 邮箱：[email protected]
个人微信
也欢迎加入下方微信群了解久章智能的智能决策产品系列。
欢迎点击公众号关注更多智能决策案例分享
作者简介：
刘震：南开大学运筹学与控制论在读研究生，多项算法项目实践经历，PMP项目管理认证
韩新悦：正在运筹优化领域努力学习的科研人er一枚，需求预测、采购计划相关经验
王科俊：工业工程专业，正在学习运筹优化的学生一名，三维装箱相关经验
刘思佳：一个喜欢户外运动的建模与优化算法小菜鸟，项目计划、订单分批启发式求解相关经验
【久章智能决策⽅案 】3D-BPP可视化算法方案
【久章智能决策方案】之车辆路径规划（VRP）篇
【久章智能决策方案 】之订单波次拣选篇
本文转载自久章智能微信公众号（原文发布于 2024-06-17），内容保持原貌。扫码关注公众号「久章智能」，第一时间获取智能决策系列文章。阅读原文 ↗