Zwiększenie efektywności funkcjonowania magazynu w wyniku zastosowania dynamicznego podziału produktów na grupy

• Autorzy: Lorenc A. K.

Warianty tytułu

EN

Increasing the efficiency of the warehouse as a result of the dynamic division of products to group

• Języki publikacji: PL

Abstrakty

PL

Celem badań wykonanych w ramach niniejszej publikacji było opracowanie nowej metody podziału produktów na klasy w oparciu o dynamicznie wyznaczane granice. W badaniach wykorzystano metody generowania losowych danych określających parametry produktów oraz metody symulacyjne do podziału produktów na klasy, rozmieszczenia ich w magazynie oraz określenia efektywności względem klasycznej analizy ABC. Wyniki przeprowadzonych badań pokazują, że zaproponowana metoda pozwala uzyskać wyniki średnio o 1,91% lepsze, co przekłada się na większą efektywność funkcjonowania całego magazynu.

EN

In the research was used method of generating random data defining the products’ parameters and simulation methods used to divide into a groups, products layout planning in stock andto determine the relative effectiveness of proposed method compared with classical ABC analysis. Results of this study show that the proposed method can achieve results by 1.91% better, which affects the efficiency of the entire warehouse.

Słowa kluczowe

PL

magazyn; funkcjonalność magazynu; metoda dynamiczna

EN

warehouse; ABC analysis; dynamic method

• Wydawca: Sieć Badawcza Łukasiewicz - Poznański Instytut Technologiczny
• Czasopismo: Logistyka
• Rocznik: 2014
• Tom: nr 6
• Strony: 6838--6846
• Opis fizyczny: Bibliogr. 19 poz., rys., tab., wykr., pełny tekst na CD3

Twórcy

autor

Lorenc A. K.

• Politechnika Krakowska im. Tadeusza Kościuszki w Krakowie, Wydział Mechaniczny; 31-864 Kraków; al. Jana Pawła II 37

Bibliografia

• 1. Andrzejczyk P., Zając J., Zapasy i magazynowanie – przykłady i ćwiczenia, wyd. II. Instytut Logistyki i Magazynowania, Poznań 2012
• 2. Chan F. T., Chan H.,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 no. 38, 2011.
• 3. Ching-Wu Chu, Gin-Shuh Liang, Chien-Tseng Liao,Controlling inventory by combining ABC analysis and fuzzy classification. Computers & Industrial Engineering no 55, 2008
• 4. Guvenir, H. A., Erel, E.,Multicriteria inventory classification using a genetic algorithm. European Journal of Operational Research, 105 (1), 1998
• 5. Hadi-Vencheh A., Mohamadghasemi A.,A fuzzy AHP-DEA approach for multiple criteria ABC inventory classification. Expert Systems with Applications no. 38, 2011
• 6. Ibrahim Al Kattan, Ahmed Bin Adi, Multi-criteria decision making on total inventory cost and technical readiness. International Journal on Interactive Design and Manufacturing, 2008
• 7. Krawczyk, S., Logistyka, teoria i praktyka. Difin, Warszawa 2011
• 8. Krzyżaniak S., Cyplik P., Zapasy i magazynowanie Tom I. Instytut Logistyki i Magazynowania, Poznań 2007
• 9. Lorenc A., Kaczor G., Zwiększenie efektywności procesu kompletacji zamówień w wyniku optymalizacji rozmieszczenia produktów w magazynie z uwzględnieniem ich częstotliwości pobrań oraz gramatury. Logistyka nr 5/2012.
• 10. Lorenc, A., Metody klasyfikacji i rozmieszczania produktów w magazynie – przegląd praktycznych rozwiązań. Logistyka 3/2014.
• 11. Lorenc, A., Planowanie rozmieszczania produktów w magazynie – najnowsze rozwiązania i trendy rozwojowe. Logistyka 3/2014.
• 12. Markusik, S., Infrastruktura logistyczna w transporcie Tom II: Infrastruktura punktowa – magazyny, centra logistyczne i dystrybucji, terminale kontenerowe. Wyd. Politechniki Śląskiej, Gliwice 2010
• 13. Murphy jr P. R., F. Wood D.,Nowoczesna logistyka – wydanie X. Helion, Gliwice 2011
• 14. Niemczyk, A., Zapasy i magazynowanie Tom II: Magazynowanie. Instytut Logistyki i Magazynowania, Poznań 2007
• 15. Partovi F. Y., Anandarajan M.,Classifying inventory using artificial neural network approach. Computers and Industrial Engineering no. 41, 2002
• 16. Szkoda M.,Realizacja procesów logistyki dystrybucji z zastosowaniem systemu SAP ERP. Logistyka 5/2013
• 17. Quansheng Lei, Jian Chen, Qing Zhou,Multiple Criteria Inventory Classification Based on Principal Components Analysis and Neural Network. Lecture Notes in Computer Science, 2005
• 18. Więcek, P., Grzesica D., Wykorzystanie modeli autoregresji i średniej ruchomej w prognozowaniu wielkości popytu niezależnego. Logistyka 4/2014
• 19. Yu, M.-C., Multi-criteria ABC analysis using artificial-intelligence-based classification techniques. Expert Systems with Applications no. 38, 2011