Proces referencyjny jako narzędzie przyspieszające modelowanie symulacyjne procesów logistycznych

• Autorzy: Pawlewski Paweł , Hoffmann Marta , Kegel Izabela , Krawczyk Klaudia , Kołodziej Agata

Identyfikatory

DOI

10.21008/j.0239-9415.2022.085.11

Warianty tytułu

EN

The reference process as a tool to accelerate simulation modeling of logistics processes

• Języki publikacji: PL

Abstrakty

PL

W przedsiębiorstwach realizowanych jest wiele procesów, które mają umożliwić osiągnięcie zdefiniowanych celów biznesowych. W dużej mierze są to procesy cykliczne, to znaczy takie, które się powtarzają i mają wyznaczony przebieg. Różnią się zazwyczaj szczegółami, takimi jak lokalizacja źródłowa i docelowa, lub miejscem występowania w systemie. Podczas modelowania w programach symulacyjnych różnice te znacznie wpływają na poziom zaawansowania modelu. W trakcie odzwierciedlania procesów w programach brakuje możliwości automatycznego działania – sztucznej inteligencji odpowiadającej za cykliczność. Celem tej pracy jest przedstawienie podejścia do modelowania - tzw. procesu referencyjnego, który pozwala na ułatwienie i skrócenie czasu projektowania procesów logistycznych w modelach symulacyjnych. Przedstawiono rozwiązanie, w którym definiuje się jedynie zasady wyboru tzw. lokalizacji pełniących funkcję buforów, pól odkładczych, a modelowane czynności procesu są generowane automatycznie. Zaproponowano zasadę pozwalającą na modelowanie według reguł losowych, wskazując dalsze kierunki prac badawczych związanych z regułami ilościowymi i czasowymi. W artykule przedstawiono również implementację tego rozwiązania w programie symulacyjnym LogABS.

EN

In enterprises, many processes are implemented to achieve the defined business goals. These are mainly cyclical processes, that is, processes that repeat and have a designated course. They usually differ in details, such as the source and destination, or where they appear in the system. When modeling in simulation programs, these differences significantly affect the advancement of the model. In the process of reflecting processes in programs, there is no possibility of automatic operation – “artificial intelligence” responsible for cyclicality. The aim of this work is to present an approach to modeling – the so-called reference process that allows one to simplify and shorten the design time of logistics processes in simulation models. A solution was proposed in which only the rules for selecting the so-called locations acting as buffers, storage fields, and modeled process activities are generated automatically. The proposed rule allows for modeling according to random rules, indicating further directions for research related to quantitative and time rules. The article also presents the implementation of this solution in the LogABS simulation program.

Słowa kluczowe

PL

cykl; proces logistyczny; proces referencyjny; proces cykliczny; model symulacyjny; modelowanie procesów

EN

simulation; reference process; logistics process; modeling of (discrete) processes

• Wydawca: Wydawnictwo Politechniki Poznańskiej
• Czasopismo: Zeszyty Naukowe Politechniki Poznańskiej. Organizacja i Zarządzanie
• Rocznik: 2022
• Tom: Nr 85
• Strony: 189--204
• Opis fizyczny: Bibliogr. 36 poz., rys., tab.

Twórcy

autor

Pawlewski Paweł

• Politechnika Poznańska, Wydział Inżynierii Zarządzania, Instytut Logistyki
• 0000-0002-2494-7712

autor

Hoffmann Marta

• Studentka Politechniki Poznańskiej

autor

Kegel Izabela

• Studentka Politechniki Poznańskiej

autor

Krawczyk Klaudia

• Studentka Politechniki Poznańskiej

autor

Kołodziej Agata

• Studentka Politechniki Poznańskiej

Bibliografia

• 1. Agustina, D., Lee, C.K.M., Piplani, R. (2010). A Review: Mathematical Modeles for Cross Docking Planning. International Journal of Engineering Business Management, 2(2), 47-54.
• 2. Aickelin, U., Adewunmi, A. (2008). Simulation Optimization of the Crossdock Door Assignment Problem, arXiv, https://doi.org/10.48550/arxiv.0803.1576.
• 3. Apte, U.M., Viswanathan, S. (2000). Effective cross docking for improving distribution efficiencies. International Journal of Logistics: Research and Applications, 3(3), 291-302.
• 4. Bartholdi, J.J., Gue, K.R. (2004). The best shape for a crossdock. Transportation Science, 38(2), 235-244.
• 5. Beaverstock, M., Greenwood, A., Nordgren, W. (2017). Applied Simulation. Modeling and Analysis Using Flexsim. Orem, USA: Flexsim Software Products, Inc., Canyon Park Technology Center.
• 6. Belle, J.V., Valckenaers, P., Cattrysse, D. (2012). Cross-docking: State of the art. OMEGA – The International Journal of Management Science, 40, 6, 827-846.
• 7. Bergmann, S., Strassburger, S. (2010). Challenges for the automatic generation of simulation models for production systems. In: Proceedings of the 2010 Summer Simulation Multiconference, 545-549.
• 8. Borshchev, A. (2013). The Big Book of Simulation Modeling. Anylogic.
• 9. Boysen, N., Fliedner, M. (2010). Cross dock scheduling: classification, literature review and research agenda. OMEGA – The International Journal of Management Science, 38, 6, 413-422.
• 10. Boysen, N., Fliedner, M., Scholl, A. (2010). Scheduling inbound and outbound trucks at cross docking terminals. OR Spectrum, 32(1), 135-161.
• 11. Bozer, Y.A., Carlo, H.J. (2008). Optimizing inbound and outbound door assignments in less-than-truckload crossdocks. IIE Transactions, 40(11), 1007-1018.
• 12. Chen, P., Guo, Y., Lim, A., Rodrigues, B. (2006). Multiple crossdocks with inventory and time windows. Computers & Operations Research, 33(1), 43-63.
• 13. Cohen, Y., Keren, B. (2009). Trailer to door assignment in a synchronous cross-dock operation. International Journal of Logistics Systems and Management, 5(5), 574-590.
• 14. Gue, K.R., 1999. The effects of trailer scheduling on the layout of freight terminals. Transportation Science, 33(4), 419-428.
• 15. Gümüus, M., Bookbinder, J.H. (2004). Cross-docking and its implications in location-distribution systems. Journal of Business Logistics, 25(2), 199-228.
• 16. Harris, R., Harris, Ch., Wilson, E. (2003). Making Materials Flow. A lean material-handling guide for operations, production control, and engineering professionals. Cambridge, USA: The Lean Enterprise Institute.
• 17. Hoffa, P., Pawlewski, P. (2014) Optimization of cross-docking terminal using flexsim/optquest – case study. In: 2014 Winter Simulation Conference (WSC).
• 18. Hompel, M., Heidenblut, V. (2008). Taschen-lexikon Logistik. Berlin: Springer-Verlag, 132.
• 19. Kartnig, G., Grösel, B., Zrnic, N. (2012). Past, State-of-the-Art and Future of Intralogistics in Relation to Megatrends. FME Transactions, 40, 193-200.
• 20. Krenczyk, D. (2014) Automatic Generation Method of Simulation Model for Production Planning and Simulation Systems Integration. Advanced Materials Research, 1036, 825-829.
• 21. Law, A.M. (2007). Simulation Modeling and Analysis. New York: McGraw-Hill.
• 22. Lee, Y.H., Jung, J.W., Lee, K.M. (2006). Vehicle routing scheduling for cross-docking in the supply chain. Computers & Industrial Engineering, 51(2), 247-256.
• 23. Li, Y., Lim, A., Rodrigues, B. (2004). Crossdocking – JIT scheduling with time windows. Journal of the Operational Research Society, 55(12), 1342-1351.
• 24. Li, Z., Low, M.Y.H., Lim, Y.G., Ma, B. (2008). Optimal decision-making on product ranking for crossdocking/warehousing operations. In: Proceedings of the sixth IEEE international conference on industrial informatics, INDIN, 871-906.
• 25. Lim, A., Miao, Z., Rodrigues, B., Xu, Z. (2005). Transshipment through crossdocks with inventory and time windows. Naval Research Logistics, 52(8), 724-733.
• 26. Musa, R., Arnaout, JP., Jung, H. (2010). Ant colony optimization algorithm to solve for the transportation problem of cross-docking network. Computers & Industrial Engineering, 59(1), 85-92.
• 27. Pawlewski, P. (2018). Methodology For Layout and Intralogistics Redesign Using Simulation. In: M. Rabe, A.A. Juan, N. Mustafee, A. Skoogh, S. Jain, B. Johansson (eds.). Proceedings of the 2018 Winter Simulation Conference.
• 28. Pawlewski, P. (2019). Built-In Lean Management Tools in Simulation Modeling. In: N. Mustafee, K.-H.G. Bae, S. Lazarova-Molnar, M. Rabe, C. Szabo, P. Haas, Y.-J. (eds.). Son Proceedings of the 2019 Winter Simulation Conference.
• 29. Richardson, H.L. (1999). Cross docking: information flow saves space. Transportation & Distribution, 40(11), 51-54.
• 30. Ross, A., Jayaraman, V. (2008). An evaluation of new heuristics for the location of cross-docks distribution centers in supply chain network design. Computers & Industrial Engineering, 55(1), 64-79.
• 31. Schuhmacher, J., Hummel, V. (2019). Self-Organization of Changeable Intralogistics Systems at the ESB Logistics Learning Factory. Procedia Manufacturing, 31, 194-199.
• 32. Simchi-Levi, D., Kaminsky, P., Simchi-Levi, E. (2002). Designing & Managing the Supply Chain: Concepts, Strategies & Case Studies. New York: McGraw-Hill/Irwin.
• 33. Sung, CS., Yang, W. (2008). An exact algorithm for a cross-docking supply chain network design problem. Journal of the Operational Research Society, 59(1), 119-136.
• 34. Trott, M., Auf der Landwehr, M., Viebahn, C. (2019). A New Simulation Approach for Scheduling Consolidation Activities in Intralogistics – Optimising Material Flow Processes in Industrial Practice. In: M. Putz, A. Schlegel (eds.). Simulation in Produktion Und Logistik. Wissenschaftliche Scripten, Auerbach, 325-334.
• 35. Vis, I.F., Roodbergen, K.J. (2008). Positioning of goods in a cross-docking environment. Computers & Industrial Engineering, 54(3), 677-689.
• 36. Yu, W., Egbelu, P.J. (2008). Scheduling of inbound and outbound trucks in cross docking systems with temporary storage. European Journal of Operational Research, 184(1), 377-396.

Uwagi

Opracowanie rekordu ze środków MEiN, umowa nr SONP/SP/546092/2022 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2022-2023).