Planowanie rozmieszczania produktów w magazynie : najnowsze rozwiązania i trendy rozwojowe

Lorenc, A. K.

Nowa wersja platformy, zawierająca wyłącznie zasoby pełnotekstowe, jest już dostępna.
Przejdź na https://bibliotekanauki.pl

Artykuł - szczegóły

Czasopismo

Logistyka

2014 | nr 3 | 3838--3844

Tytuł artykułu

Planowanie rozmieszczania produktów w magazynie : najnowsze rozwiązania i trendy rozwojowe

Autorzy

Lorenc, A. K.

Warianty tytułu

Warehouse layout planning : the latest solutions and development trends

Języki publikacji

Abstrakty

W niniejszym artykule zestawiono powszechnie stosowane metody klasyfikacji produktów wykorzystywane do planowania rozmieszczenia produktów w magazynie oraz przedstawiono nowoczesne metody i narzędzia, które sukcesywnie zastępują wspomniane metody. Narzędzia takie jak logika rozmyta, sztuczne sieci neuronowe, algorytmy genetyczne oraz metody heurystyczne pozwalają na uwzględnianie wielu kryteriów jednocześnie dając rozwiązanie suboptymalne w krótkim czasie. Ponadto posiadają duże możliwości adaptacyjne przez co mogą być stosowane w różnego typu magazynach uwzględniając sezonowość w popycie oraz częste zmiany w asortymencie. Wstępne badania z wykorzystaniem zbiorów rozmytych pozwoliły na zwiększenie efektywności procesu kompletacji o 4,68% – 5,61% dla 200 produktów i 10 907 zamówień. Łącznie dla wszystkich zamówień na listach kompletacyjnych znalazło się 114 026 pozycji produktowych. W związku z możliwościami jakie nowoczesne metody i narzędzia ze sobą niosą prognozuje się ich dalszy rozwój skutkujący wzrostem efektywności funkcjonowania magazynów.

In that paper summarizes the commonly used methods of products classification used for warehouse layout planning and shows the latest solutions and tools, which successively replace these methods. Tools like fuzzy logic, artificial neural networks, genetic algorithms and heuristic helps to take into account many criterion in at the same time giving the solution in short time. Moreover, they have great adaptability so that they can be used in different type of stock, which seasonality of demand and frequent changes in assortment. Initial research using fuzzy sets helps to increase effectiveness pickup process by 4,68% – 5,61% for 200 products and 10 907 orders. Total for all orders on pickup list contains 114 026 products. In connection with the modern methods and tools can bring, it is forecast to their further development that results in an increase in the efficiency of the warehouse.

Słowa kluczowe

magazyn produkt rozmieszczenie klasyfikacja produktów

warehouse product location product classification

Wydawca

Czasopismo

Logistyka

Rocznik

2014

Tom

nr 3

Strony

3838--3844

Opis fizyczny

Bibliogr. 23 poz., rys., tab., wykr., pełen tekst na CD

Twórcy

autor

Lorenc, A. K.

Politechnika Krakowska, Wydział Mechaniczny, Instytut Pojazdów Szynowych, Zakład Systemów Logistycznych

Bibliografia

1. Balakrishnan J., Chun Hung Cheng, Dynamic Layout Algorithms: a State-of-the-art Survey, Omega. 1998, no. 4.
2. Barreto Sergio Ferreira C., Paixao J., Santos Beatriz S., Using clustering analysis in a capacitated location-routing problem. European Journal of Operational Research. 2007, no. 179.
3. Ching-Wu Chu, Gin-Shuh Liang, Chien-Tseng Liao, Controlling inventory by combining ABC analysis and fuzzy classification. Computers & Industrial Engineering. 2008, no. 55.
4. Christophe Bräysy Olli, Dullaert Wout, Raa Birger, Using a TSP heuristic for routing order pickers in warehouses. European Journal of Operational Research. 2010, no. 200.
5. Ek Peng Chew, Loon Ching Tang. Travel time analysis for general item location assignment in a rectangular warehouse. European Journal of Operational Research. 1999, no. 122.
6. Fei-Long Chen, Yun-Chin Chen, Jun-Yuan Kuo, Applying Moving back-propagation neural network and Moving fuzzy-neuron network to predict the requirement of critical spare parts. Expert Systems with Applications. 2010, no. 37.
7. Gajewska T., Analiza porównawcza wybranych aspektów oceny jakości usług logistycznych w zakresie transportu chłodniczego. Gospodarka Materiałowa & Logistyka. 2013, nr 12.
8. Guerriero F., Musmanno R., Pisacane O., Rende F., A mathematical model for the Multi-Levels Product Allocation Problem in a warehouse with compatibility constraints. Applied Mathematical Modelling. 2013, no. 37.
9. Guvenir H. A., Erel E., Multicriteria inventory classification using a genetic algorithm. European Journal of Operational Research. 1998, no. 105.
10. Henn S., Schmid V., Metaheuristics for order batching and sequencing in manual order picking systems. Computers & Industrial Engineering. 2013, no. 66.
11. Henn S., Algorithms for on-line order batching in an order picking warehouse. Computers & Operations Research. 2012, no. 39.
12. Kaczor G., Lorenc A., Zwiększenie efektywności procesu kompletacji zamówień w wyniku optymalizacji rozmieszczenia produktów w magazynie z uwzględnieniem ich częstotliwości pobrań oraz gramatury. Logistyka. 2012 nr 5.
13. Kees Jan Roodbergen, René de Koster, Routing order pickers in a warehouse with middle aisle. European Journal of Operational Research. 2001, no. 133.
14. Moeller K.. Increasing warehouse order picking performance by sequence optimization. Procedia Social and Behavioral Sciences. 2011, no. 20.
15. Petersen C. G., Aase G., A comparison of picking, storage, and routing policies in manualorder picking. International Journal of Production Economics. 2004, no. 92.
16. Rene´ de Koster Tho Le-Duc, Kees Jan Roodbergen, Design and control of warehouse order picking: A literature review. European Journal of Operational Research. 2007, no. 182.
17. Semih Onut Umut, Tuzkaya R., Bilgehan Dogac, A particle swarm optimization algorithm for the multiple-level warehouse layout design problem. Computers & Industrial Engineering. 2008, no. 58.
18. Szkoda M.: Realizacja procesów logistyki dystrybucji z zastosowaniem systemu SAP ERP. Logistyka 2013, nr 5.
19. Venkata Reddy Muppani (Muppant), Gajendra Kumar Adil, A branch and bound algorithm for class based storage location assignment. European Journal of Operational Research. 2008, no. 189.
20. Venkata Reddy Muppani (Muppant), Gajendra Kumar Adil, Efficient formation of storage classes forwarehouse storage location assignment: Asimulated annealing approach. Omega. 2008, no. 36.
21. Yu Min-Chun, Multi-criteria ABC analysis using artificial-intelligence-based classification techniques. Expert Systems with Applications. 2011, no. 38.
22. Zhang G.Q. , Lai K.K., Combining path relinking and genetic algorithms for the multiple-level warehouse layout problem. European Journal of Operational Research. 2006, no.169.
23. Ziqiang Li Zhuojun Tian, Yanfang Xie, Rong Huang, Jiyang Tan, A knowledge-based heuristic particle swarm optimization approach with the adjustment strategy for the weighted circle packing problem. Computers and Mathematics with Applications. 2013, no. 66.

Uwagi

Prezentowane wyniki badań zostały zrealizowane w ramach projektu EUREKA E!6726 LOADFIX dofinansowanego ze środków Narodowego Centrum Badań i Rozwoju

Typ dokumentu

Bibliografia

Identyfikatory

Identyfikator YADDA

bwmeta1.element.baztech-c8b94d5f-6242-41a3-a6ad-70433646f016