近年来,随着国民医疗水平逐渐提高和人口老龄化程度的加剧,国家针对医药相关政策和体制改革的力度也在逐渐加大。医药流通企业的业务受医药政策的直接影响较大,近年来各医药物流配送中心的订单结构出现了明显转变——逐渐趋于碎片化,进而导致零拣订单的处理量急剧上升。随着设备自动化、智能化的发展,传统“人到货”拣选模式由于低效的作业弊端逐渐被“货到人”的高效拣选模式所替代,因此“货到人”拣选模式的优化问题在医药流通领域的应用中也成为热点研究问题之一。本课题从订单处理角度对“货到人”拣选模式中系统作业优化问题进行了研究,主要完成了如下几方面工作:1.梳理分析医药政策的叠加效应对医药物流配送系统订单结构变化的影响,综合分析由此导致的物流运作过程中亟待解决的问题。提出基于订单业务处理逻辑,将整个复杂的拣选系统合理的切分为上游和下游两个相对独立的子系统,并分别从订单分批和订单分配两方面对两个子系统进行优化的订单处理策略。2.基于医药背景,针对上游子系统——多层穿梭车存储系统中料箱提升机的作业效率瓶颈,难以满足料箱作业出入库需求大幅增加的问题,提出基于医药订单特性EIQ分析的订单粗分批降维处理策略,实现对海量订单数据的粗分批。在结合了降维思想的数据预处理基础上,通过设计改进的K-means聚类算法对订单进行了聚类分批优化,并结合EIQ分析的订单特性对系统实际拣选模式提出了改进意见;3.基于医药背景,针对下游子系统——“货到人”拣选工作站系统中,受限于药品GSP的批次管理要求,针对料箱、订单分配不合理导致拣选台的任务耦合,出现工作效率较低的问题,引入动态规划方式概念。针对多拣选台同步拣选的作业场景,首先采用单拣选台订单迭代优化算法解决拣选过程中的订单、料箱规划问题,并通过Beam Search算法进行解算,基于此在每阶段料箱选择过程中增加统筹料箱动态规划过程,设计针对多个拣选台的料箱分配解耦算法。4.以某医药电商企业为研究实例对文中模型进行仿真验证。对于订单分批问题,通过对模型的训练确定IK占比及相关系数阈值范围,结合python仿真验证本文提出的算法相较于现有作业模式的优化效果;对于医药批次约束背景下的订单分配问题,通过python仿真验证单拣选台订单迭代优化分配算法和多拣选台订单分配解耦算法优化效果的显著性,并采用AutoMod仿真技术根据实际场景建立模型,仿真验证了多拣选台订单分配解耦算法的输出结果——料箱运行轨迹在实际系统运行中,相较于现有模式对系统效率提升的效果,对于企业相关拣选系统实际运行过程中的订单处理策略具有一定的借鉴意义。