five

Benchmark Instances for Manual Warehouse Order Picking

收藏
DataCite Commons2026-04-29 更新2026-05-04 收录
下载链接:
https://radar.kit.edu/radar/en/dataset/mwsv59v8sk9sqaan
下载链接
链接失效反馈
官方服务:
资源简介:
Dieser Datensatz stellt eine umfangreiche Instanzsammlung für das Order-Picking-Problem in manuellen, rechteckigen Lägern bereit und dient insbesondere dem Vergleich von Routing- und Warteheuristiken. Abgebildet wird ein Lagerlayout mit parallelen Gassen, je einer Quergasse oben und unten sowie einem Depot in (0, 0). Jede Instanz umfasst einen Lagergraphen, eine Zuordnung von Artikeln zu Pickpositionen sowie einen Auftragsstrom mit praxisnahen Eigenschaften. Berücksichtigt werden unter anderem die Auftretenswahrscheinlichkeit von Artikeln pro Bestellung, Fälligkeitsdaten, Layoutparameter (Anzahl und Länge der Gassen), die Anzahl an Bestellungen pro Schicht, die Anzahl verschiedener Artikel pro Auftrag, die Volatilität im Bestellankunftsstrom sowie unterschiedliche Lagerstrategien. Der Datensatz besteht aus zwei komplementären Instanztypen: (i) einem One-Factor-at-a-Time-(OFAT)-Design, das auf einem Standardfall basiert und sieben einzelne Einflussfaktoren isoliert variiert (Artikelverteilung, Fälligkeit, Lagergeometrie, Anzahl Bestellungen pro Schicht, Anzahl Artikel pro Bestellung, Stochastizität im Bestellankunftsstrom, Lagerstrategie). Hier werden 32 Faktor­ausprägungen mit jeweils 100 Replikationen bereitgestellt. (ii) Einem Latin-Hypercube-Sampling-(LHS)-Design, das den mehrdimensionalen Parameterraum von Layoutlänge, Layoutbreite, Stochastizität im Bestellankunftsstrom, Anzahl der Bestellungen pro Schicht und Fälligkeit exploriert (100 Ausprägungen × 100 Replikationen), um Interaktionen zwischen den Faktoren abzubilden. Die Parameter sind synthetisch, aber auf Basis von Domänenwissen realitätsnah gewählt. Alle Instanzen werden im JSON-Format bereitgestellt und eignen sich zur Entwicklung, zum Vergleich und zur Reproduzierbarkeit von Lösungsverfahren für das Order-Picking-Problem in manuellen Lägern.
提供机构:
Karlsruhe Institute of Technology
创建时间:
2026-04-29
5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作