随着工业4.0智能化生产时代的到来,制造业的规模再次扩大,货物量增加,货物种类多样,订单量也增多,这对物流中心的出货带来了不小的挑战。传统模式下为了快速出货,大多公司是多人多车拣货,工人在无预包装信息的情况下只能按经验装箱。工业4.0的领跑者——电气企业SE公司的物流中心E公司在拣货上是这种传统模式,工人为免于重装或避免装箱排布繁琐,会偏向选取比实际需要更大的货箱,使得装载率低下、货箱数量多、包材成本和后续搬运成本较大。在此背景下,本文以三维多箱型装箱问题为研究对象,首先介绍了三维装箱问题的研究现状,对装箱问题的分类和求解方法做了一定介绍;其次从E公司订单出货流程实际出发,介绍订单、货物、货箱等情况,并基于历史数据对既有的装箱模式、成本以及最理想化的状态进行分析,为后文的模型求解结果做铺垫;接着对应三维多箱型装箱问题,本文站在企业经营的角度以成本最小为优化目标,制定约束条件,并基于实际设置了启发式搜索的装箱规则,同时提出了基于空间坐标系进行线性规划精确装箱的方法,之后再设计三段式的遗传算法对货箱选择和货物摆放方向进行迭代优化以求解本文的模型,遗传算法中采用三段的自然数编码和部分映射的交叉算子;最后算法通过Python编程实现,先对模型的有效性进行验证,和装箱软件Loadmaster进行对比,再用本文模型对E公司的历史数据求解,并与实际情况做对比得出货箱成本的优化程度。本文通过构建三维多箱型装箱问题的模型,解决企业实际业务流程中存在的问题,具有一定的现实意义。研究结果表明,优化后装箱方式的货箱成本比现在的装箱模式降低了 36%,货箱空间利用率提高10%,货箱的体积降低了 25%,货箱使用的数量降低51%,E公司的装箱问题得到明显的改善,除此之外,优化后的装箱方式还能为后续其他包材、搬运和运输降低成本提高效益,同时客户满意度和环保度也有所改善。