BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Tarczyński Grzegorz (Uniwersytet Ekonomiczny we Wrocławiu)
Tytuł
Model dla zadania kompletacji zleceń łączonych uwzględniający problem blokowania się magazynierów
Model for Order-Batching with Congestion Consideration
Źródło
Przegląd Statystyczny, 2017, vol. 64, z. 2, s. 193-211, rys., tab., bibliogr. s. 209-210
Statistical Review
Słowa kluczowe
Modele optymalizacyjne, Realizacja zamówień, Magazynowanie, Zarządzanie magazynem, Metody heurystyczne
Optimizing models, Order processing, Storage, Warehouse management, Heuristics methods
Uwagi
streszcz., summ.
Abstrakt
W artykule zaprezentowano model pozwalający na ustalenie optymalnej liczby łączonych zamówień pozwalającej na skrócenie średniego czasu kompletacji. Omówione zostały dwa sposoby kompletacji zleceń łączonych: "pobierz i sortuj" oraz "sortuj podczas pobierania". Analizie poddano magazyny jednoblokowe prostokątne, gdzie towary składowano w sposób całkowicie losowy oraz losowo w oparciu o klasyfikację ABC. Zbadane zostały dwie heurystyki wyznaczania trasy magazyniera: s-shape i return, dla których można wyznaczyć wzory na średnie czasy kompletacji korzystając z własności rozkładów prawdopodobieństwa: dwumianowego i jednostajnego. W badaniach uwzględniono problem występowania zatorów w magazynie i na podstawie rezultatów symulacji zaproponowano postać analityczną funkcji czasu blokowania. Z przeprowadzonej analizy wynika, że korzyści czasowe z każdego kolejnego dołączonego do listy kompletacyjnej zamówienia są coraz mniejsze. Wykorzystywanie klasyfikacji ABC do składowania towarów szybko rotujących może w magazynach o niewielkiej liczbie alejek i przy dużych zleceniach kompletacyjnych spowodować wydłużenie czasu kompletacji. (abstrakt oryginalny)

The paper presents the model for optimal number of merged orders that will reduce the average order-picking time. Two order batching policies were described: pick-then-sort and sort-while-pick. One-block rectangular warehouses were considered. The author studied two routing heuristics: s-shape and return for which the equations for average order-picking time can be designated based on probability distributions: binomial distribution and uniform distribution. The research takes into account the possible congestion problem. Based on simulations the analytical form of blocking time for pickers was proposed. The study shows that the advantages of each additional merged order is getting smaller. Using ABC classification for storage location assignment in warehouses with low number of aisles and large pick lists can extend the average order-picking time. (original abstract)
Dostępne w
Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka Szkoły Głównej Handlowej
Biblioteka Główna Uniwersytetu Ekonomicznego w Katowicach
Pełny tekst
Pokaż
Bibliografia
Pokaż
  1. Balcerak A., (2003), Walidacja modeli symulacyjnych - źródła postaw badawczych, Prace Naukowe Instytutu Organizacji i Zarządzania Politechniki Wrocławskiej, 74 (15), 27-44.
  2. Chen F., Wang H., Xie Y., Qi C., (2016), An ACO-Based Online Routing Method for Multiple Order Pickers with Congestion Consideration in Warehouse, Journal of Intelligent Manufacturing, 27 (2), 389-408.
  3. De Koster R., Van der Poort E., Roodbergen K. J., (1998), When to Apply Optimal or Heuristic Routing of Order pickers, Advances in Distribution Logistics, Springer Berlin Heidelberg, 375-401.
  4. Dmytrów K., (2013), Procedura kompletacji zakładająca oczyszczanie lokalizacji, Zeszyty Naukowe Uniwersytetu Szczecińskiego, Studia i Prace Wydziału Nauk Ekonomicznych i Zarządzania, tom 2 Metody Ilościowe w Ekonomii, 31, Szczecin, 22-36.
  5. Dmytrów K., (2015), Taksonomiczne wspomaganie wyboru lokalizacji w procesie kompletacji produktów, Studia Ekonomiczne, 248, Wydawnictwo Uniwersytetu Ekonomicznego w Katowicach, Katowice, 17-30.
  6. Dmytrów K., Doszyń M., (2015), Taksonomiczna procedura wspomagania kompletacji produktów w magazynie, Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu, Taksonomia, 25 Klasyfikacja i analiza danych - teoria i zastosowania, Wrocław, 72-80.
  7. Gue K. R., Meller R. D., Skufca J. D., (2006), The Effects of Pick Density on Order Picking Areas with Narrow Aisles, IIE Transactions, 38 (10), 859-868.
  8. Hong S., (2014), Two-worker Blocking Congestion Model with Walk Speed m in a No-passing Circular Passage System, European Journal of Operational Research, 235 (3), 687-696.
  9. Hong S., Johnson A. L., Peters B. A., (2010), Analysis of Picker Blocking in Narrow-Aisle Batch Picking, w: Ellis K., Gue K., Koster R., Meller R., Montreuil B., Oglep M., (red.), Proceedings of 2010 International Material Handling Research Colloquium (IMHRC), The Material Handling Institute, Charlotte, NC, USA.
  10. Hong S., Johnson A. L., Peters B. A., (2012a), Batch Picking in Narrow-aisle Order Picking Systems with Consideration for Picker Blocking, European Journal of Operational Research, 221 (3), 557-570.
  11. Hong S., Johnson A. L., Peters B. A., (2012b), Large-scale Order Batching in Parallel-aisle Picking Systems, IIE Transactions, 44 (2), 88-106.
  12. Krawczyk S., (red.), (2011), Logistyka. Teoria i praktyka, Wydawnictwo Difin, Warszawa.
  13. Pan J. C. H., Shih P. H., Wu M. H., (2012), Storage Assignment Problem with Travel Distance and Blocking Considerations for a Picker-to-part Order Picking System, Computers & Industrial Engineering, 62 (2), 527-535.
  14. Parikh P. J., Meller R. D., (2008), Selecting Between Batch and Zone Order Picking Strategies in a Distribution Center, Transportation Research Part E: Logistics and Transportation Review, 44 (5), 696-719.
  15. Parikh P. J., Meller R. D., (2009), Estimating Picker Blocking in Wide-aisle Order Picking Systems, IIE Transactions, 41 (3), 232-246.
  16. Parikh P. J., Meller R. D., (2010), A Note on Worker Blocking in Narrow-aisle Order Picking Systems when Pick Time is Non-Deterministic, IIE Transactions, 42 (6), 392-404.
  17. Ratliff H. D., Rosenthal A. S., (1987), Order-picking in a Rectangular Warehouse: A Solvable Case of the Traveling Salesman Problem, Operation Research, 31 (3), 515-533.
  18. Sargent R. G., (2013), Verification and Validation of Simulation Models, Journal of Simulation, 7 (1), 12-24.
  19. Schlesinger S., Crosbie R. E., Gagné R. E., Innis G. S., Lalwani C. S., Loch J., Bartos D., (1979), Terminology for Model Credibility, Simulation, 32 (3), 103-104.
  20. Tarczyński G., (2013), Warehouse Real-Time Simulator - How to Optimize Order Picking Time, Working Paper, Available at SSRN: http://ssrn.com/abstract=2354827.
  21. Tarczyński G., (2015a), Estimating Order-picking Times for Return Heuristic - Equations and Simulations, LogForum 11.
  22. Tarczyński G., (2015b), Średnie czasy kompletacji zamówień dla heurystyki s-shape - wzory i symulacje, Studia Ekonomiczne 237/15. Informatyka i Ekonometria 2, Wydawnictwo Uniwersytetu Ekonomicznego w Katowicach, Katowice 2015, 104-116.
  23. Zhang M., Batta R., Nagi R., (2009), Modeling of Workflow Congestion and Optimization of Flow Routing in a Manufacturing/Warehouse Facility, Management Science, 55 (2), 267-280.
Cytowane przez
Pokaż
ISSN
0033-2372
Język
pol
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu