کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4959347 1445946 2017 29 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Utilizing individual picker skills to improve order batching in a warehouse
ترجمه فارسی عنوان
استفاده از مهارت های جمع کننده فردی برای بهبود دسته بندی سفارش در یک انبار
کلمات کلیدی
تدارکات، سفارش چیدن، تجزیه و تحلیل، بهینه سازی ترکیبی، مدل سازی داده ها،
ترجمه چکیده
سفارشات بارگیری و سفارش گیرندگان مسیریابی یک مشکل معمول مورد مطالعه در بسیاری از انبارهای جمع کننده به قطعات است. تأثیر تفاوت های فردی در مهارت های برداشت بر عملکرد، توجه کمتری را به خود جلب کرده است. در این مقاله، ما نشان می دهیم که ما می توانیم با به حداقل رساندن کل زمان پردازش سفارش، توانایی تقسیم بندی و مسیریابی پیشرفته ای را با تقریبا 10٪ از بین برداریم. در مقایسه با اعطای دسته بندی سفارش به جمعگران تنها بر اساس بهره وری جمع کننده فرد، صرفه جویی 6٪ در کل زمان به دست آمده است. افزایش بهره وری جمع کننده بستگی به نوع جمع کننده دارد، اما مقادیر بیش از 16٪ در برخی از دسته ها مشاهده می شود. ما این را برای یک خرده فروش فنلاند نشان می دهیم. ابتدا با استفاده از داده های جمع آوری شده با زمان بندی، مدل سازی چندسطحی برای پیش بینی زمان اجرای دسته ای برای جمع های فردی با مدل سازی مهارت های فردی افراد جمع آوری شده مورد استفاده قرار می گیرد. بعد، این پیش بینی ها به منظور به حداقل رساندن کل زمان اجرا دسته ای، با اختصاص دادن جمع کننده سمت راست به دسته های سمت راست مناسب استفاده می شود. ما این مشکل را به عنوان مجموعه ای از دستورالعمل مشترک و الگوریتم تخصیص، و حل آن را با الگوریتم جستجوی همسایگی بزرگ محله، حل می کنیم.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر علوم کامپیوتر (عمومی)
پیش نمایش مقاله
استفاده از مهارت های جمع کننده فردی برای بهبود دسته بندی سفارش در یک انبار
چکیده انگلیسی
Batching orders and routing order pickers is a commonly studied problem in many picker-to-parts warehouses. The impact of individual differences in picking skills on performance has received little attention. In this paper, we show that we are able to improve state-of-the-art batching and routing methods by almost 10% taking skill differences among pickers into account in minimizing the sum of total order processing time. Compared to assigning order batches to pickers only based on individual picker productivity, savings of 6% in total time are achieved. The increase in picker productivity depends on the picker category, but values of over 16% are observed for some categories. We demonstrate this for the case of a Finnish retailer. First, using time-stamped picking data, multilevel modeling is used to forecast batch execution times for individual pickers by modeling individual skills of pickers. Next, these forecasts are used to minimize total batch execution time, by assigning the right picker to the right order batch. We formulate the problem as a joint order batching and generalized assignment model, and solve it with an Adaptive Large Neighborhood Search algorithm.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: European Journal of Operational Research - Volume 263, Issue 3, 16 December 2017, Pages 888-899
نویسندگان
, , ,