(3.238.206.122) 您好!臺灣時間:2021/04/21 10:09
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

我願授權國圖
: 
twitterline
研究生:郭宏明
研究生(外文):Hung-Ming Kuo
論文名稱:運用頻繁模式樹改善小型品項儲位配置與揀貨效率之應用
論文名稱(外文):An Application of FP-tree to Improve Storage Allocation and Order Picking Efficiency of Small Items
指導教授:許玟斌許玟斌引用關係
指導教授(外文):Mei-Pin Shi
學位類別:碩士
校院名稱:東海大學
系所名稱:資訊工程與科學系碩士在職專班
學門:工程學門
學類:電資工程學類
論文種類:學術論文
論文出版年:2006
畢業學年度:94
語文別:中文
論文頁數:86
中文關鍵詞:揀貨作業儲位配置資料挖掘頻繁模式樹流行準則
外文關鍵詞:order pickingstorage allocationdata miningFP-treepopular criterion
相關次數:
  • 被引用被引用:5
  • 點閱點閱:325
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:125
  • 收藏至我的研究室書目清單書目收藏:0
隨著資訊科技促成電子商務的蓬勃發展,以及經濟全球化與貿易自由化的風潮下,使得物流的重要性與日俱增。顧客可以透過網際網路獲取更多的消費資訊並使用電子商務的平台完成交易,這樣的消費型態促使消費市場日趨多樣化與少量化。面對多樣少量的需求型態,物流中心如何快速回應顧客需求,縮短顧客下單到取貨的時間並及時而正確的配送,將是物流中心的一大挑戰。
物流作業的成本來自於運輸、搬運、倉儲、揀貨等各種不同的作業成本。而從物流的成本結構分析得知,其中揀貨成本約佔40%,此外揀貨作業之直接相關人力的投入,也約佔整個物流中心投入人力的50%;而在整個物流中心的作業時間中,揀貨作業時間約佔了30%至40%。無論從成本、投入人力及作業時間等角度來分析,都顯現揀貨作業的重要性[2]。
根據相關文獻探討,妥善規劃儲位配置將可有效提升揀貨作業的效率。因此,本研究希望透過資料挖掘的技術--頻繁模式樹(Frequent-Pattern Tree,簡稱FP-tree),於模擬的交易資料庫中,分析出各品項間的相關性,並找出高頻項目集運用在訂單別分區揀貨作業之儲位配置,使揀貨員於水平走道的步行距離縮短;於三層貨架以單、雙手定點揀貨時,手部在儲位間的移動距離、伸手向上或向下次數能夠減少,或是降低雙手揀貨時的手部閒置次數,並且與流行準則儲位配置所得相關數據加以比較,印證揀貨效率之改善。
Information Technologies promote the great development of E-Commerce. The trend of economic globalization and free trade, makes logistics more and more important at present. Customers can get more consumption information and use the platform of E-Commerce to complete transaction. This consumption type pushes consumer market to variety and small quantity. Against this kind of demand type, Distribution Center how to response customers’ request quickly and reduce the period from giving an order to received products and deliver on time and correctly. It will be a big challenge for Distribution Center.
The cost of logistic operations come from the cost of different operations:delivery, moving, storage, order picking. From analyzing the cost of logistics, we can realize the cost of order picking is 40% of the cost of logistics. Besides the direct input labor of order picking is about 50% of the whole input labor of Distribution Center. The operational time of order picking is about 30%~40% of the whole operational time of Distribution Center. No matter from the cost, labor or operational time, we can see the importance of order picking[2].
According to related literatures, properly planning storage allocation can improve order picking efficiency. So the thesis uses data mining technology-- FP-tree, to analyze the association between items in simulative transaction database and to find large itemsets to apply in storage allocation of picking by order, zone picking. Through this way a picker can cut down walking distance on horizontal aisle. When an operator stands on the front of the three-level rack to use one hand or two hands to do order picking, he can reduce the moving distance of hands between storages, the number of reach-up or reach-down, or the idle time of hands as he use two hands to do order picking. In order to proof the improvement of order picking efficiency, the data collecting from above will compare with the related data from storage allocation based on popular criterion.
中文摘要………………………………………………..…………………………..…i
英文摘要…………………………………………..……………………………..……ii
目錄………………………….…………………..……………………………………iii
圖目錄………………………………….…………………….……………………..…v
表目錄…………………………………………………………………………………vii
第1章 緒論……………………………………………………………..……..……1
1.1 研究背景與動機…………………………………..…………………..…….1
1.2 研究目的…………………………………………..………………..……….1
1.3 研究範圍與限制…………………………………..…………………..…….1
1.3.1 小型品項的定義……………………………..………………..……..1
1.3.2 品項揀貨次數的分類……………………………………..…..……..1
1.3.3 研究限制…..………………………………………………..………..2
1.4 研究架構………………………..………………………………………..….2
第2章 文獻探討…………………..………………………………………..………4
2.1 資料挖掘相關文獻探討…………………………..………………..……….4
2.2 FP-tree相關文獻探討……………………..……………………..………….5
2.3 儲位配置與揀貨作業相關文獻探討……………………………………….19
2.4 動作經濟原則相關文獻探討……………………………………………….19
2.5 人因工程相關文獻探討…………………………………………………….20
第3章 產生模擬交易資料庫………………………………………………………21
3.1 資料庫的產生方式………………………………………………………….21
3.2 產生的資料結果…………………………………………………………….21
第4章 利用FP-tree產生高頻項目集……………………………………………..24
4.1 模擬第一次掃描交易資料庫的結果……………………………………….24
4.2 模擬第二次掃描交易資料庫的結果……………………………………….24
4.3 產生高頻項目集…………………………………………………………….36
第5章 以高頻項目集改善小型品項儲位配置與揀貨效率之應用………………37
5.1 水平走道揀貨環境應用…………………………………………………….37
5.1.1 揀貨環境及揀貨路徑介紹……………………………………………..37
5.1.2 以流行準則為基礎之儲位配置及步行距離計算………………..……39
5.1.3 以高頻項目集為基礎之儲位配置及步行距離計算………….……….44
5.1.4 揀貨效率改善分析………………………………………………..……48
5.2 三層貨架單手揀貨環境應用…………………………………………….…49
5.2.1 揀貨環境及揀貨順序介紹…………………………………………..…49
5.2.2 以流行準則為基礎之儲位配置、手部移動距離及伸手向上與向下
次數計算…………………….………..………………………………….51
5.2.3 以高頻項目集為基礎之儲位配置、手部移動距離及伸手向上與向
下次數計算…………………….….…………………………….………56
5.2.4 揀貨效率改善分析……………………….…………….………………61
5.3 三層貨架雙手揀貨環境應用………………….………….………………...62
5.3.1 揀貨環境及揀貨順序介紹………………..…………………………....62
5.3.2 以流行準則為基礎之儲位配置、兩手移動距離及伸手向上與向下
次數計算…………………………..…….…………..…………………..63
5.3.3 以高頻項目集為基礎之儲位配置、兩手移動距離及伸手向上與向
下次數計算……………………………….……………………………..72
5.3.4 揀貨效率改善分析…………………………………….……………….81
第6章 結論與建議……………………………………………….………………...83
參考文獻…………………………………………………………….………………...85
[1] 丁玉蘭 編著,「應用人因工程學」,新文京開發,台北縣,第302-304頁,民國94年7月。
[2] 林正忠(上尚科技),「物流中心揀貨作業介紹」【線上資料】,來源:http://www.atop.com.tw/t/solution/news_1.htm。
[3] 翁振凱,「物流中心之揀貨最佳化」,國立中央大學工業管理研究所碩士論文,第23頁,民國91年7月。
[4] 陸津華,「挖掘高獲利性關聯規則之研究」,私立東海大學資訊工程與科學研究所碩士論文,第4-11頁,民國92年6月。
[5] 陳文哲、葉宏謨 合著,「工作研究」,中興管理顧問公司,台北市,第203-210頁,民國79年10月。
[6] 許勝雄、彭游、吳水丕 編著,「人因工程學」,揚智文化,台北市,第351-355頁,民國80年8月。
[7] 愛德華.佛列佐 著,「高效能倉儲物流管理」,林宜萱 譯,麥格羅.希爾出版公司,台北市,第50-51頁、第205-209頁,民國91年10月。
[8] 詹啟琳,「基於關聯矩陣設計適用於大型資料庫之有效關聯探勘方法」,私立朝陽科技大學資訊管理研究所碩士論文,第16-17頁,民國93年7月。
[9] 廖建榮 著,「物流中心的規劃技術」,中國生產力中心,台北縣,第178-179頁,民國92年12月。
[10] 蘇雄義 審譯,John J. Colye, Edward J. Bardi, C. John Langley Jr.等著,「商業運籌管理:供應鏈觀點」,華泰文化,台北市,第332-333頁,民國94年6月。
[11] Hwang, H. and Lee, M. K, “Order batching algorithms for a man-on-board automated storage and retrieval systems”, Engineering Costs and Production Economics, Vol.13, No.1, pp285-294., 1988.
[12] J. Han, J. Pei, and Y. Yin, “Mining Frequent Patterns Without Candidate Generation:A Frequent-Patterns Tree Approach”, Proceedings of the ACM SIGMOD International Conference on Management of Data, 2000.
[13] L. Kaufan and P. J. Rousseew, “Finding Group in Data : an Introduction to Cluster Analysis”, John Wiley & Sons, 1990.
[14] Ming-Syan Chen, Jong Soo Park and Philip S. Yu, “Efficient Data Mining for Path Traversal Patterns”, IEEE Transaction on Knowledge and Data Engineering, Vol. 10, No. 2, March/April, 1998.
[15] R. Srikant and R. Agrawal, “Mining Sequential Patterns : Generalizations and Performance Improvements”, Proc. of the 5th EDBT Conference, 1996.
[16] S.M.Weiss and C.A. KuliKowski, “Computer System that Learn : Classification and Prediction Methods from Statistics, Neural Nets, Machines Learning, and Expert System”, Morgan Kaufman, 1991.
[17] Thomas H. Cormen, Charles E. Leiserson, and Ronald L. Rivest, “Introduction to Algorithms”, MIT Press. ,1989.
[18] Z. Hu, W-N. Chin, and M. Takeichi, “Calculating a New Data Mining Algorithm for Market Basket Analysis”, Lecture Notes in Computer Science, 2000.
連結至畢業學校之論文網頁點我開啟連結
註: 此連結為研究生畢業學校所提供,不一定有電子全文可供下載,若連結有誤,請點選上方之〝勘誤回報〞功能,我們會盡快修正,謝謝!
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
系統版面圖檔 系統版面圖檔