电子商务企业在仓储作业越来越多地应用RMFS（Robotic Mobile Fulfilment System,移动搬运机器人系统）来辅助人工完成拣选作业,RMFS是一种“货到人”的系统。作为拣选作业的重要设备,机器人的排班问题将成为仓储管理重点,排班效果直接影响拣选作业效率,尤其当排班不合理时易造成订单延误的情况。电子商务企业通常通过增加机器人投放使用的方式来提高拣选效率,以缩短订单完成时间、提升顾客服务满意度;而投放使用的机器人越多也就意味着机器人的成本越高,这就使得电子商务企业在提高拣选效率的同时也要兼顾机器人成本问题,要在保证顾客满意度的同时尽可能地减少机器人成本的投入。因此,如何通过平衡拣选效率与机器人成本之间的关系对机器人进行排班已经成为电子商务企业亟待解决的问题,也是本文研究的问题。在货到人系统中,拣选作业效率由未完成订单的惩罚成本表示,机器人成本主要包含可变的机器人折旧费用及机器人耗电成本两项。由于机器人充电或发生故障时停止工作,因此机器人排班在考虑效率与成本的效益背反关系下,还需考虑充电及故障的影响。另外,不同的充电规则下有不同的工作时间与充电时间,因此企业还需对比不同的充电规则。为了解决货到人系统中考虑充电的搬运机器人排班问题,本文以惩罚成本、机器人折旧费用和机器人耗电成本三项成本构成的综合成本最小化为目标,以仓库生产时间、一定充电规则下机器人工作时间及充电时间的关系等为约束,构建了考虑充电的机器人排班模型,并利用遗传算法对每一班次开始时间及每一班次内应投放使用的机器人数量进行求解。最后通过一天内订单完成率、充电规则及充电速率等参数的调整进行灵敏度分析,探究了不同因素对排班结果的影响。本文的研究结果表明,货到人系统中考虑充电的搬运机器人排班模型能够有效提高拣选速率并降低机器人成本,并且充电因素也影响排班效果。本文的研究对电子商务企业决策排班问题提供了新的思路,对电子商务拣选作业降本增效具有现实意义。图17幅,表15个,参考文献72篇。