在电商仓库中，拣选效率直接决定订单履约速度。传统的“单订单单拣”效率低下，AGV频繁往返。波次拣选将多个订单合并处理，AGV一次性搬运多个订单所需的货架。本文介绍波次拣选与AGV任务批量优化的方法。
波次拣选的基本原理
波次拣选是指将一段时间内（如15分钟）的订单合并为一个“波次”，系统分析波次内所有订单所需的SKU，找出它们所在的货架，然后让AGV将这些货架批量搬运到拣选工作站。拣选员在工作站按照订单分拣，AGV再将货架送回。
波次大小需要平衡：波次越大，货架搬运次数越少（因为多个订单共享货架），但工作站需要更大的缓存区和更复杂的分拣逻辑。典型波次大小为50-200个订单。
货架亲和度分析：让“经常一起买”的商品放在一起
波次拣选的核心是货架优化。通过历史订单数据，分析SKU之间的关联性（亲和度）。例如，买A商品的订单中有80%也买了B商品，那么A和B应尽量放在同一货架上。这样，一个波次中需要的货架数量大幅减少。
成都蓉希智能的调度系统集成了亲和度分析模块，每周自动计算SKU关联矩阵，并向WMS建议货位调整。实施亲和度优化后，一个典型波次所需的货架数量平均减少40%。
AGV任务批量优化：减少空驶与等待
在波次拣选模式下，AGV的任务不是单个货架的搬运，而是一批货架的序列。任务批量优化算法考虑：路径最短——按货架位置规划最优行驶顺序；避免拥堵——分散AGV到不同工作站；优先级——高频货架优先搬运。算法通常使用“旅行商问题”变种求解，在秒级内给出近似最优解。
此外，系统还会预判下一个波次的热门货架，让AGV提前将这些货架搬运到工作站附近缓存，实现“零等待”。
实战案例：某电商仓库的波次拣选优化
成都蓉希智能为一家日处理5万订单的电商仓库（主营日用百货）实施了波次拣选+AGV批量优化。仓库原有32台潜伏顶升AGV，采用单订单拣选模式，人均拣选效率120件/小时，AGV平均利用率65%。改造后：启用波次拣选（每波100订单），亲和度分析优化货位，任务批量算法规划AGV路径。结果：人均拣选效率提升到210件/小时（+75%），AGV平均利用率提升到88%，订单履约时间从平均2小时缩短到45分钟。仓库日处理能力从5万单提升到8万单，无需增加AGV数量。项目改造（软件优化+货位调整）投资约30万元，年增收（处理更多订单）约500万元，ROI极高。
实施步骤
实施波次拣选优化：1）分析订单数据，计算SKU亲和度；2）调整货架布局，将高亲和度SKU集中；3）配置波次参数（大小、时间窗口）；4）部署批量任务算法；5）培训拣选员适应波次分拣。成都蓉希智能提供从数据分析到系统部署的全流程服务。
波次拣选：多订单合并，货架搬运次数减少40%
亲和度分析：关联SKU同货架，降低波次货架需求
任务批量优化：路径规划，AGV利用率从65%提至88%
案例：电商仓库，拣选效率+75%，处理能力+60%，投资30万
