随着消费者对于网络购物交付时限的要求越来越高,优化人工订单拣选作业以减少订单完成时间成为多数电商企业仓储管理的重点和难点。电商仓储作业各环节相互影响,上架存储环节的货位分配决定了待拣选商品的存储位置,订单拣选环节的订单分批决定了待拣选订单和商品的组合,二者共同决定了拣选员一次拣选任务的拣选路径,是订单拣选作业优化的关键方向。然而,实际作业过程中,电商企业常依据独立割裂的准则分别进行各作业,忽视了货位分配和订单分批在影响拣选距离上的关联性。在以往的研究中也都从单一活动切入,尚未有学者考虑二者之间的相互影响对货位分配和订单分批进行联合优化。与此同时,随着电商仓储需处理的订单量不断增长,采用数据挖掘的方法分析大量历史订单数据,挖掘潜在关系进行优化也更有意义。因此,本文采用关联规则挖掘算法,重点考虑客户需求相关性,基于统一的关联规则对货位分配和订单分批进行联合优化,以提高电商仓储人工订单拣选效率。本文对电商仓储人工订单拣选作业分析后发现,货位分配和订单分批是订单拣选作业优化的关键方向,二者在决定拣选距离上具有关联性,不同场景下的商品相关性是二者都要考虑的重要因素。因此,本文通过商品关联规则提出了三步骤的货位分配和订单分批联合优化过程:以总拣选距离最小为目标构建了两阶段的货位分配模型;以所有批次内时间期限相近的订单关联度最大为目标构建了订单分批模型。货位分配模型通过将关联商品临近存放和需求频率高的商品靠出口存放减少总拣选距离;订单分批模型在商品关联规则基础上构建订单关联规则,通过将关联度大的订单一起拣选减少总拣选距离。随后,本文采用FP-growth关联规则挖掘算法构建了基于商品关联规则的初始状态和考虑订单分批的货位分配算法以及基于订单关联规则的不考虑时间期限和考虑时间期限的订单分批算法。最后,本文利用python编程语言进行求解,和随机存储、基于销量分类存储、FCFS、DDB策略对比,分析了货位分配和订单分批的联合优化效果。通过改变关联规则挖掘阈值、商品种类数、订单数量、拣选设备容量等参数进行灵敏度分析,探究了不同因素对货位分配和订单分批联合优化效果的影响。整体研究结果表明:基于关联规则的货位分配和订单分批在减少总拣选距离、提高拣选效率上取得了不错的优化效果,联合优化后可降低12.9%以上的总拣选距离。本文的研究可以为电商企业优化订单拣选效率提供新的方法尝试,也是对订单拣选研究的扩展和创新。图29幅,表20个,参考文献57篇。