The efficiency of products classification methods and classification criteria

Lorenc, A.; Jacyna-Gołda, I.; Szarata, A.

doi:10.17270/J.LOG.2018.257

Artykuł - szczegóły

Tytuł artykułu

The efficiency of products classification methods and classification criteria

Autorzy

Lorenc A. , Jacyna-Gołda I. , Szarata A.

Treść / Zawartość

Pełne teksty:

Pobierz

Identyfikatory

DOI

10.17270/J.LOG.2018.257

Warianty tytułu

Ocena wpływu metod klasyfikacji produktów na efektywność procesu poboru zamówień

Języki publikacji

Abstrakty

Introduction: It is shown in this paper, presented selected aspects of the impact that the distribution of products in a warehouse has on the picking of orders. This problem is particularly important for medium and large warehouses characterized by considerable rotation of goods. The aim of this study was to assess the impact of the method of classification of products that were used, on the efficiency of the order picking process. Method: For each classification method, two cases of picking products were considered, one including the impact of the fact that the products can be piled, and the other, that they cannot be piled. Simulation studies were preceded by a sensitivity analysis in order to determine the impact of the criteria on the effectiveness of each of the methods. Results: The best results were obtained after applying the product distribution in the warehouse on the basis of: COI Index or ABC analysis according to the number of units sold. It can be concluded that for large warehouses and for products with low susceptibility to stacking, the method based on COI Index proves to be the most effective. Conclusions: If susceptibility to stacking is irrelevant in the products picking process, for average-size and large-size warehouses it is important to distribute products on the basis of COI Index. This method allows obtaining better results than in the case of free storage places by an average of 28.72%. For products with low susceptibility to stacking, applying COI Index also proves to be the most effective.

Wstęp: W pracy pokazano wybrane aspekty wpływu, jaki ma rozlokowanie produktów w magazynie na proces poboru zamówień. Zagadnienie to jest szczególnie ważne w średnich i dużych magazynach, charakteryzujących się istotną rotacją wyrobów. Celem pracy jest ocenienie wpływu zastosowanej metody klasyfikacji produktu na efektywność procesu poboru zamówień. Metody: Dla każdej metody klasyfikacji wybrano dwie sytuacji poboru zamówienia, w jednej dopuszczalne jest sztaplowanie towarów, w drugiej nie jest. Następnie przeprowadzono symulacje i oceniono je przy pomocy analizy wrażliwości w celu określenie wpływu poszczególnych kryteriów na efektywność każdej z metod. Wyniki: Najlepsze rezultaty w rozlokowaniu produktu w magazynie otrzymano przy oparciu metody na współczynniku COI oraz analizy ABC w stosunku do ilości sprzedanych jednostek produktu. Można wnioskować, że w przypadku dużych magazynów oraz dla produktów o niskiej podatności do sztaplowania, najbardziej efektywną metodą była metoda oparta o współczynnik COI. Wnioski: Przy założeniu, że podatność na sztaplowanie nie jest istotna w procesie poboru towaru, w przypadku magazynów o średniej i dużej powierzchni, istotnym jest oparcie metody rozlokowania produktów na zastosowaniu współczynnika COI. Metoda ta pozwala na uzyskanie lepszych rezultatów średnio o 28, 72% aniżeli dla rozlokowania na zasadzie wolnego miejsca. W przypadku produktów słabo podatnych na sztaplowanie, również zastosowanie metody opartej na współczynnika COI jest bardziej efektywne.

Słowa kluczowe

classification of products ABC analysis XYZ analysis COI Index sensitivity analysis efficiency of order picking

klasyfikacja produktów analiza ABC analiza XYZ współczynnik COI analiza wrażliwości efektywność wyboru zamówienia

Wydawca

Wyższa Szkoła Logistyki

Czasopismo

LogForum

Rocznik

2018

Tom

Vol. 14, no. 2

Strony

197--207

Opis fizyczny

Bibliogr. 22 poz., rys., tab., wykr.

Twórcy

autor

Lorenc A.

alorenc@pk.edu.pl

Cracow University of Technology Department of Transportation Systems Cracow, Poland

autor

Jacyna-Gołda I.

i.jacyna-golda@wip.pw.edu.pl

Warsaw University of Technology Institute of Organization of Production Systems Warsaw, Poland

autor

Szarata A.

aszarata@pk.edu.pl

Cracow University of Technology Department of Transportation Systems Cracow, Poland

Bibliografia

1. Armstrong R.A., Hilton A.C., Armstrong R.A., Hilton, A.C., 2014. Post Hoc Tests. In Statistical Analysis in Microbiology: Statnotes. Hoboken, NJ, USA: John Wiley & Sons, Inc. 39-44. http://dx.doi.org/10.1002/9780470905173.ch7.
2. Barreto S., Ferreira C., Paixão J., Santos B.S., 2007. Using clustering analysis in a capacitated location-routing problem. European Journal of Operational Research. 179(3):968-977. http://dx.doi.org/10.1016/j.ejor.2005.06.074.
3. Chan F.T.S., Chan H.K., 2011. Improving the productivity of order picking of a manual-pick and multi-level rack distribution warehouse through the implementation of class-based storage. Expert Systems with Applications. 38(3):2686-2700. http://dx.doi.org/10.1016/j.eswa.2010.08.058.
4. Chu C.-W., Liang G.-S., Liao C.-T., 2008. Controlling inventory by combining ABC analysis and fuzzy classification. Computers & Industrial Engineering. 55(4):841-851. http://dx.doi.org/10.1016/j.cie.2008.03.006.
5. Fomina I.G., Samoylov V.V., 2017. Applying of innovative methods in warehouse management. In 2017 IEEE Conference of Russian Young Researchers in Electrical and Electronic Engineering (EIConRus). IEEE. 1337-1340. v10.1109/EIConRus.2017.7910814.
6. Group A., 2009. Warehouse Operations: Increase Responsiveness through Automation. Boston, MA: Aberdeen Group.
7. Henn S., 2012. Algorithms for On-line Order Batching in an Order Picking Warehouse. Comput. Oper. Res. 39(11):2549-2563. http://dx.doi.org/10.1016/j.cor.2011.12.019.
8. Henn S., Schmid V., 2013. Metaheuristics for Order Batching and Sequencing in Manual Order Picking Systems. Comput. Ind. Eng. 66(2):338-351. http://dx.doi.org/10.1016/j.cie.2013.07.003.
9. De Koster R., Le-Duc T., Roodbergen K.J., Koster D., 2007. Design and control of warehouse order picking: a literature review. European Journal of Operational Research. 182(2):481-501.
10. Luźnar M., Lorenc A., 2017. The impact of cargo monitoring systems usage on intermodal transport risk and costs. World Review of Intermodal Transportation Research. 6(4):336-351. http://dx.doi.org/10.1504/WRITR.2017.10009826.
11. Larco J.A., de Koster R., Roodbergen K.J., Dul J., 2017. Managing warehouse efficiency and worker discomfort through enhanced storage assignment decisions. International Journal of Production Research. 55(21):6407-6422. http://dx.doi.org/10.1080/00207543.2016.1165880.
12. Li M.-L., Li, Ming-Liang, 2009. Goods classification based on distribution center environmental factors. International Journal of Production Economics. 119(2):240-246.
13. Lorenc A., Szkoda M., 2015. Customer logistic service in the automotive industry with the use of the SAP ERP system. In 2015 4th IEEE International Conference on Advanced Logistics and Transport, IEEE ICALT 2015. http://dx.doi.org/10.1109/ICAdLT.2015.7136584.
14. Lorenc A.K., Więcek P., 2014. The routes optimization of picking up commodities in stock considering their natural characteristics. In CLC'2013 : Carpathian Logistics Congress, December 9th-11th 2013, Cracow, Poland : (reviewed version). Ostrava: TANGER Ltd. 307-312.
15. Mason R., Evans B., 2015. The Lean Supply Chain. Managing the Challenge at Tesco. London: Kogan Page.
16. Petridis K., Dey P.K., Emrouznejad A., 2017. A branch and efficiency algorithm for the optimal design of supply chain networks. Annals of Operations Research. 253(1):545-571. http://dx.doi.org/10.1007/s10479-016-2268-3.
17. Pyza D., Jachimowski R., Jacyna-Gołda I., Lewczuk K., 2017. Performance of Equipment and Means of Internal Transport and Efficiency of Implementation of Warehouse Processes. Procedia Engineering. 187:706-711. http://dx.doi.org/10.1016/J.PROENG.2017.04.443.
18. Richards G., 2014. Warehouse management: a complete guide to improving efficiency and minimizing costs in the modern warehouse.
19. Rushton A., Croucher P., Baker P., 2014. The handbook of logistics and distribution management. Understanding the supply chain. London: Kogan Page.
20. Sprock T., Murrenhoff A., McGinnis L.F., 2017. A hierarchical approach to warehouse design. International Journal of Production Research. 55(21):6331-6343. http://dx.doi.org/10.1080/00207543.2016.1241447.
21. Vis I.F.A., Roodbergen K.J., 2011. Layout and control policies for cross docking operations. Computers & Industrial Engineering. 61(4):911-919. http://dx.doi.org/10.1016/j.cie.2011.06.001.
22. Zhao Z., Yang P., 2017. Improving orderpicking performance by optimizing order batching in multiple-cross-aisle warehouse systems: A case study from e-commerce in China. In 2017 4th International Conference on Industrial Engineering and Applications (ICIEA). IEEE. 158-162. http://dx.doi.org/10.1109/IEA.2017.793919 8

Uwagi

Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2018).

Typ dokumentu

Bibliografia

Identyfikator YADDA

bwmeta1.element.baztech-1165f8e0-e785-416c-8c76-e9770ef7c9c6