Оценки маршрутизации и объема политики, основанной на хранение в целях выбора операции
РЕЗЮМЕ
Заказать сбор, сбор для клиента из единиц хранения, является важным звеном в цепочке поставок и является основным компонентом стоимости складирования. Очень важно, чтобы одновременно снизить затраты и увеличить скорость комплектации деятельности. Это исследование отличается от ограниченного предварительного исследования, которые сосредоточены на любой маршрут работников или хранение хранение предметов. Основными задачами являются: (1) оценить различные эвристики маршрутизации по сравнению с оптимальной рутина основанные на объеме среды хранения, (2) предложить несколько способов осуществления объем для хранения данных, и (3) изучить взаимодействие маршрутизации и хранения политики в различных условиях эксплуатации выбрать размер списка и спроса асимметрии. Экспериментальные результаты показывают на наличие статистически значимых различий в среднее расстояние маршрута для маршрутизации политики, политики хранения данных и их взаимодействия. Дальнейшая проверка показывает, что выбор определенных маршрутов и политики хранения данных в комбинации может привести к увеличению сбора эффективности.
Предметные области: Распределение / Логистика и эвристики.
ВВЕДЕНИЕ
Заказать выбора является извлечение предметов из их расположения склада хранения для удовлетворения заказов клиентов независимым. Он является важным звеном в цепочке поставок, что составляет 65% от общих эксплуатационных расходов для типичного склада (Койл, Барди,
Хотя порядок сбора, как представляется, довольно простую функцию для выполнения, это делается по-разному в разных компаниях. Есть две основные политические решения, которые определяют эффективность операций комплектации: (1) политики хранения данных и (2) политик маршрутизации.
1. Хранение политики назначить элементы для складов. Пункты могут быть отнесены случайно, подобные вопросы могут быть сгруппированы в том же районе на складе, или предметов, которые могут быть возложены на основе порядка или выбора объема. На основе объема складских помещений высокого объема пунктов близки к pick-up/drop-off (P / D) указывают сведения к минимуму выбора путешествия. Том систем хранения особенно примечательно, поскольку это приводит к менее выбора путешествия (Coyle и др.., 1996; Sims, 1991). Именно по этой причине, что этот документ сосредоточен на основе объема хранения. Тем не менее, Есть много складов, которые на практике используют ОЗУ, или определить относительно небольшое число пунктов для volumebased хранения. Целью данной работы является, чтобы подчеркнуть преимущества volumebased хранения и как оно может быть достигнуто.
2. Маршрут политики определить маршрут выбора для выбора тура, а именно в такой последовательности пунктов должны быть собраны. Эти меры могут включать либо простой эвристики или оптимальных процедур.
Предыдущие исследования
В работе исследуются различные процедуры для маршрутизации сборщиков на складе и различные методы хранения хранение предметов. Предыдущие исследования были направлены на либо маршрутизации и хранения, но этот документ открывает новые горизонты в изучении взаимодействия маршрутизации и хранения политики. В частности, нет ни одного исследования сравнил производительность маршрутизации эвристики для оптимального в основанные на объеме среды хранения. Кроме того, различные методы реализации объем для хранения данных исследованы, а также взаимодействие этих политики хранения данных с маршрутизацией политика рассматривается.
В литературе по комплектации была сосредоточена на любой маршрут или хранение политики. Ратлифф и Розенталя (1983) и Goetschalckx и Ратлифф (1988a, 1988b) разработали оптимальные алгоритмы маршрутизации сборщиков в прямоугольной склад. Кроме того, Эльсайед (1981) и Эльсайед и "Штерн" (1983) исследовали уступки выбирает для сборщиков и маршрутизации сборщиков в автоматизированных хранения и извлечения системы. Однако, эта статья посвящена эвристик в более широкое распространение руководства склада. Зал (1993) рассмотрел маршрутизации эвристик в ручной склад. Кроме того, в зале развитых расстояния приближения для нескольких маршрутов эвристик в случайных склада хранения и исследовали воздействие склад фигуры.
Шварц, Грейвс и Хаусман (1978) рассмотрел исполнение автоматизированный склад со случайными и объем для хранения данных. Кроме того, Гибсон и Sharp (1992) и серый, Кармаркара и Seidmann (1992) нашли, что размещение высокого объема пунктов вблизи P / D точки приводит к значительному увеличению эффективности сбора. Однако они не дают информации о точном механизме объем для хранения данных. Джарвис и Макдауэлл (1991) заявил, что оптимальная стратегия хранения является размещение наиболее часто взял пунктов в проходе ближайшей P / D точки а на следующий чаще взял пунктов в следующем проходе. Это исследование было ограничено, поскольку предполагается, что проходов допускается только один проезд.
Хотя предварительного исследования были сделаны важные вклад в понимание порядка сбора, несколько вопросов, которые еще необходимо решить. Во-первых, никто не оценил маршрутизации эвристик в основе объема среды. Во-вторых, мало исследований (Джарвис
Цели исследования
Основными целями данного исследования являются: (1) оценить различные маршрутизации эвристик и оптимальные рутину в основанные на объеме среды хранения, (2) предложить несколько способов осуществления объем для хранения данных, и (3) изучить взаимодействие маршрутизации и хранения политики в различных условиях эксплуатации.
Маршрутизации и хранения политики в этом исследовании сравниваются с точки зрения путешествия расстояние, необходимое для завершения данного списка выбора. Протяженность маршрута является общей оценки результатов работы по оценке маршрутизации и хранения (Hall, 1993; Джарвис
Причина этого исследования важно то, что он предлагает менеджерам понять, как воспользоваться преимуществами экономии, которые являются результатом использования объема для хранения данных и более сложной маршрутизации эвристики или оптимальной маршрутизации. Подавляющее большинство складов посетил авторами, в отраслях промышленности с почты для компьютеров на сельскохозяйственное оборудование, используется очень простой эвристики маршрутизации (как правило, поперечные метод, как описано ниже). Хранения, как правило осуществляется с ОЗУ, хотя большинство фирм делали усилия, чтобы найти некоторые высокопоставленные пунктов объем близко к pick-up/drop-off точки. Существует резкое противоречие между литературы, которая рекламирует экономии оптимальных алгоритмов, а также о фактическом использовании очень простой хранения и маршрутизации техники. Томпкинс и др.. (1996) отметил, что хранение и распространение деятельности центра являются исторически одна из наиболее часто упускается из виду, недостаточное финансирование, и недостаточно планируемых корпоративных функций. Эта статья призвана помочь руководителям профессионально планировать и складских операций и реконструировать центр распределения.
Организация этой работы заключается в следующем. В следующем разделе описывается система складского и допущения, используемые в настоящем документе. Следующие два раздела описывают маршрутизации и объема политики, основанной на хранение. Далее, опытно-конструкторских представлен. Наконец, обсуждаются результаты и некоторые выводы представлены.
СИСТЕМЫ СКЛАДЫ И ПРЕДПОЛОЖЕНИЯ
В этом разделе описывается система складского и предположений комплектации операции. Макет ручной комплектации склада обсуждается. Кроме того, назначение пунктов местах складского хранения и генерации в списках выбора описывается.
Что Склад Похоже
Склад, который оценивается в данной работе показано на рисунке 1, традиционных прямоугольных склад. Сбор является strict-order/batch сбор, где выбора отходит P / D точки для получения пунктов списка выбора и транспортных пунктов обратно в точку ПИД для заказа консолидации, упаковки и отгрузки. Это ручной сбор окружающей среды, связанных с использованием выбора телеги для перевозки взял пунктов. Макета согласуется с литературными склада макет (Бассан, Roll,
Как наименований относятся к стране и выбрать Списки Сгенерирована
Предметов или фонда по поддержанию единиц (SKU) присваивается мест хранения на основе их ожидаемого спроса. Таким образом, высокий объем наименований находятся ближе всего к pick-up/drop-off (P / D) и низкая точка наименований объем находятся дальше от P / D точки. Наименований может быть истребовано в соответствии с какой-либо один из трех различных моделей спроса, называется высоким, средним и низким перекос спроса. В крайне неравномерно спрос, а несколько наименований составляют подавляющее большинство объема продаж, это известный принцип Парето, или 80-20 правило.
Для создания списка выбора, случайное число между 0 и 1 генерируется из модулю мультипликативных линейных конгруэнтных генераторов. Это случайное число, с учетом конкретного шаблона перекос спроса, в свою очередь определяет SKU. Таким образом, за высокий образец перекос спроса, определенных наименований имеют гораздо больше шансов быть выбранным. Для малых моделей перекос спроса наименований распределены более равномерно. После SKU был создан, его место хранения, определяется из конкретного шаблона хранения тома в вопросе и в зависимости от ранга объемов порядка наименований требовал (то есть, наибольшую долю в объеме расположены ближе к P / D точки), добавляется на выбор список. Этот процесс продолжается до тех пор выбрать список достигла заданного размера (количество элементов). Маршрутизации и эвристический алгоритм оптимального принять выбрать список, содержащий наименований и их расположение и форма выбора маршрута, который, в свою очередь, определяет маршрут длиной.
Политик маршрутизации
Шесть различных стратегий маршрутизации оцениваются в данной статье: поперечные, возвращение медианы Наибольший разрыв, композитный, и является оптимальным. Эти стратегии маршрутизации диапазоне от самых простых до более сложной. Первые четыре которые обычно присутствуют в операционных складов и также с учетом других исследований. Эффективность этих стратегий маршрутизации зависит от конкретных условий работы рассматриваемой системы. 4 маршрута обычно используется эвристика представил первый, а затем новых композиционных маршрутизации эвристический вводится, а затем оптимальной стратегии обсуждался. Рисунок 2 показывает 5 маршрутизации эвристики, с "р" назначить выбор.
Поперечный стратегии
Один из самых простых стратегий для маршрутизации сборщиков является поперечной стратегии, где выбора входит прохода из одного конца и уходит от друга. Начинается с выбора P / D точки и проходит через все проходы содержащие выбирает, прежде чем вернуться к точке PID.
Вернуться стратегии
Еще одной простейшей стратегии маршрутизации сборщиков является возвращение стратегии. Обратном пути где выбора входит и выходит из прохода из одного конца. Выбора лишь вступает тех проходах содержащие рекомендации.
Медиана стратегии
Середине стратегии по существу разделяет склад на две части. Сборщик может получить доступ к проходу лишь постольку, поскольку медиане. Сборщик выполняет либо обратном пути из передней проход, обратном пути из задней проход, или вернуться маршруты из передних и задних проходах. Сборщик проходит последний проход ввести задней проход и первый проход для выхода из задней проход.
Наибольший разрыв стратегии
Наибольший разрыв стратегия похожа на середину исключением того, что стратегия выбора входит проход лишь постольку, поскольку в начале Наибольший разрыв в проходе, а не к медиане. Этот разрыв представляет собой расстояние между любыми двумя соседними берет, или между первым и забрать перед проходом, а также между последним и забрать обратно прохода. Если наибольший разрыв между двумя соседними кирками, выбора выполняет обратный путь с обоих концов по проходу. В противном случае, обратный путь либо из передней или задней проход используется. Наибольший разрыв в проходе Поэтому часть прохода, что выбора не похода. Задний проход могут быть доступны только в рамках как первого или последнего прохода содержащий рекомендации.
Композитный стратегии
Композитных стратегии маршрутизации сочетает в себе лучшие черты возвращения и поперечных стратегии и стремится свести к минимуму поездки расстояние между дальней берет в двух соседних проходах. Это не будет проходить каждый проход, если в самом деле, возвращение стратегии предпочтительным является выбирает, что проход в. На рисунке 2, например, гораздо лучше использовать стратегию возвращения первого прохода, а не поперечные стратегии. Тем не менее, маршрут длиной короче на второй и третий проходы в поперечных стратегии.
Оптимальная маршрутизация
Ратлифф и Розенталя (1983) разработали оптимальные процедуры для маршрутизации рабочих в прямоугольной склад. Эта процедура является быстрым и может работать на персональном компьютере. Можно спросить, почему кто-нибудь будет использовать эвристический, когда практические оптимальный алгоритм доступна. Однако, как зал (1993) отметил, оптимальный маршрут, как правило, гибридные поперечных и крупнейших стратегии разрыва. На рисунке 3 показан пример оптимального маршрута, а также включает в себя маршрутизацию, которая определяется композитных стратегии представил выше. Оптимальная стратегия в этом случае, 552 ноги в то время как составной маршрут (лучшие эвристики в данном примере) составляет 3,3% больше, 570 футов. Оптимальная стратегия представляет собой смесь двух поперечных и крупнейших стратегии разрыва. Он приступает к проходу 3, где он работает Наибольший разрыв стратегии, а затем переходит к поперечной стратегии на ближайшие два нефа, возвращается к стратегии Наибольший разрыв в проходе 6, а затем смещается к поперечной стратегии проходах 8, 9, и 10. После перехода на задней стенке, оптимальной маршрутизации подбирает остальных элементов.
Это оптимальной маршрутизации имеет определенные особенности в него элементы, которые делают его более "неестественной" для выбора. Проходах не побывал в определенной последовательности. Скорее, последовательность проходов может быть 3, 4, 5, 6, 8, 9, 10, 7, 6, 3, 2, 1. Два проходов посетил дважды: проходах 3 и 6. Кроме того, благодаря сочетанию поперечных стратегии Наибольший разрыв стратегия, вероятно, самые сложные эвристические для выбора продолжать, выбора рисков смешиваются в такой степени, что неверный шаг и излишне удлинение маршрута или пропавших без вести выбрать вообще.
Эвристический составной стратегии является более простым. Проходы посетил в определенной последовательности. Эвристический прост и понятен: на каждом проходе выбора необходимо лишь, чтобы определить, все ли берет в проходе близких передней (и таким образом использовать стратегию возвращения), или же есть по крайней мере один автомобиль в дальней половине проход (и таким образом использовать поперечные стратегия). Неэффективности не столь велики и риск ложных шагов и пропустил выбирает низкие.
Зал (1993) отметил, что эвристические стратегии может развиваться почти оптимальные маршруты с меньшим путаницы. Для выбора операции посетили авторы использовали эвристики, якобы потому, что их легко понять и формы маршрутов, которые являются довольно последовательный характер. Эвристики использовались, однако, как правило, слишком просто: либо поперечные стратегии исключительно возвращение стратегии исключительно или не набор стратегии на всех. Эта статья сравнивает эти простые эвристики с более сложными, но очень легко к последующей эвристики, а также с оптимальной маршрутизации.
VOLUME политики, основанной на ЗУ
В объем для хранения данных, элементы присваиваются мест хранения в зависимости от ожидаемого объема, как правило, с высоким объемом пунктов расположена ближе всего к P / D точки. Потому что это редкий, что спрос известно, с уверенностью, предметы находятся в хранилище на основе их ожидаемый объем. Преимущество объем для хранения данных, является сокращение времени поездки и расстояния. Тем не менее, пробка проход и несбалансированное использование склада может закончиться. 4 вариации volumebased хранения, используемые в данном исследовании, диагональ, внутри прохода, через проходов, а по периметру хранения. Рисунок 4 показывает эти четыре объем для хранения данных политики с обоих угловых и среднего P / D пунктов. Темно-серая область представляет собой высококачественные изделия объема, серые представляет умеренное пунктов объема, а светло-серый представляет низкий объем пунктов.
Диагональ
Диагональ хранения предполагает, имеющих элементы, хранящиеся на складе в диагональных шаблон, при этом наибольший объем пункт в расположение ближайшего к P / D точки и низкий объем пункт в самом дальнем месте от P / D точки. При P / D точка находится в углу, эта стратегия в соответствии с Гибсоном и Sharp (1992). Рисунок 4 показывает также представление диагональных хранения среднего P / D точки размещения.
В проходов
Джарвис и Макдауэлл (1991) представил в рамках проходов хранения. На рисунке 4 показано представление внутри прохода хранения. В углу P / D, высокий объем пунктов находятся в первых проходах и низкий объем пункты находятся в последних проходах склада. Наибольший объем пункта хранится в первом месте хранения первого прохода и второе пункта хранится в втором месте хранения первого прохода. После первого прохода будет заполнена, следующий по величине объем пункта хранится в первую ячейку памяти второго прохода. Это продолжается, пока все элементы были назначены мест хранения. С средним P / D, процесс по существу то же самое, за исключением среднего прохода заполняется первой последовали другие проходы переменного из среднего прохода.
Через проход-
В проходов через хранения углу PID, наибольший объем пункта хранится в первом месте хранения первого прохода. Следующий пункт самый большой хранятся в первую ячейку памяти второго прохода. После первых места хранения во всех проходах назначен пункта, второе место каждого прохода назначен пункта. Области ближе к передней прохода содержит высококачественные изделия объем и площадь рядом с задней проход содержит пункты низкой громкости. В средней точке PID, наибольший объем пункта хранится в первом месте хранения среднего прохода. Следующий по величине объем пунктов хранятся в складских помещениях первого в порядке переключения из среднего прохода.
Периметр
В периметру объем для хранения данных высокой пунктов объем расположены по периметру склада. Низкий объем пункты находятся в середине проходах. Наибольший объем пункта хранится в первом месте хранения проход ближе всего к точке PID. Остальные элементы хранятся в местах, по периметру хранение в направлении против часовой стрелки от P / D точки.
Опытно-конструкторское
В таблице 1 представлены четыре фактора и связанных с ними уровней коэффициент, используемый в эксперименте. Маршрутизации эвристический фактор (маршрут, 6 уровней) включает в себя составной (C), крупнейший в разрыв (LG), середина (M), возврат (R), поперечной (T), а также оптимального (O). Запоминающих устройств политики (Store, 8 уровней), состоит из сквозных проходов углу P / D (AC), по-проходу средним PID (AM), диагональ углу P / D (DC), диагональные среднего P / D (DM), периметру углу P / D (PC), по периметру среднего P / D (ТЧ), в пределах проходу углу P / D (туалет, умывальник), а также в пределах среднего прохода P / D (WM). Размер получить список фактор (Пика, 5 уровней), включает в себя выбор список размеров 5, 15, 25, 35 и 45 пунктов. Зал (1993) показал, что число выбирает влияет на производительность маршрутизации стратегий. Фактор спроса асимметрии (косые, 3 уровня), состоит из низких, средних и высоких перекос спроса. Перекос спроса на пункты основывается на осознании того, что спрос на каждого элемента не равны. Таким образом, предполагается, что, если пункты ранжируются в зависимости от спроса, что 20% позиций на складе составляет 40% (низкая), 60% (средний), или 80% (высокий) требования или забрать деятельности на складе.
Есть 720 клеток (6x8x5x3) и 30 репликаций в ячейке. Тем не менее, каждый маршрутизации и хранения фактор уровня сочетание для данного списка выбрать размер и спроса асимметрии фактор уровня сочетание испытан на те же 30 случайным списках выбора. Это приводит к смешанной модели дизайн, маршрутизации и хранения, в пределах субъектов факторы и выбрать размер списка и перекос спроса как betweensubjects факторов. Показатели деятельности (маршрут длиной в футах) является общее расстояние, пройденное выбора, чтобы выбрать все элементы списка выбора. Это расстояние включает в проходов расстояние в передних и задних проходах и между проходами расстояние за сбор проходах.
РЕЗУЛЬТАТЫ
Результаты эксперимента были проанализированы полный факторный смешанная модель ANOVA использованием SPSS для Windows (версия 6,1). Результаты представлены в таблице 2. Анализ показывает, что основные последствия, пути и магазин, выставленный статистической значимости менее 0,01. Факторов, выбрать и косые, также значительной, однако, учитывая характер этих факторов, эти результаты не удивляют. Кроме того, все двусторонние и все, но один из 3-способ взаимодействия в значительной из 0,01.
От полного факторного ANOVA Единственное, что не имеет существенного значения на 0,01 уровне 3-способ взаимодействия политики хранения данных, выбрать размер списка, а спрос асимметрии. Есть несколько причин, почему почти все значительные. Хотя размер ячейки составляет всего 30 замечаний, Есть восемь политики хранения данных, маршрутизации 6 политики, пять выбрать список размеров, и три уровня спроса асимметрии. Это дает в общей сложности 21600 наблюдений, а с таким количеством наблюдений, статистическая значимость гораздо легче показать. Кроме того, различия между маршрутизации и хранения политики являются значительными, что можно наблюдать в таблице 3. Эвристики маршрутизации диапазоне от 7,1% до 30,9% по сравнению с оптимальной, и политики хранения данных варьируется от 1,3% до 18,4% по сравнению пределах среднего. Такое разнообразие повышает статистическую значимость.
Есть несколько причин, по три-способ взаимодействия Store * * Выберите косых является единственным несущественно. С одной стороны, политики хранения данных больше, чем разница политик маршрутизации. Это видно из среднего квадрата в рамках Store (6,112.1), которая более чем в три раза больше, чем для среднего квадрата В пути (1,694.5). Кроме того, хранения политика не затронутый выбрать размер списка и перекос спроса, как маршрутизация политики. Это показано на 2-способ взаимодействия. 2-способ взаимодействия с участием шоу выбрать размер списка, что средний квадрат период для Рут * Пика (239685) в шесть раз больше, чем средняя площадь на период Store * Пика (39 533). Кроме того, 2-способ взаимодействия с участием шоу перекос спроса, что средний квадрат между Рут * для косых (245929) почти в два раза больше среднего квадрата период для Store * Косые (130 789). При объединении больше среднего квадрата течение с меньшим среднего квадрата период в итоге вы получите меньше F статистика, и, следовательно, менее статистической значимости.
Общие результаты
Средняя маршрут (м) с учетом коэффициента уровня маршрут и сохранить представлены в таблице 3. Во-первых, три передовые технологии (самый большой разрыв, композитный, и медианы), в среднем, 7,1%, 10,2% и 12,0% по сравнению с оптимальным. Простое возвращение и поперечных стратегии проводится более плохо, 27,9% и 30,9% по сравнению с оптимальным. Естественно, что различные эвристики маршрутизации работают лучше в разных ситуациях. Если один выбирает лучший маршрут эвристический в каждой конкретной ситуации, оптимальное превосходит лучшие маршрутизации эвристический лишь 3,3%.
Во-вторых, внутри прохода хранения среднего P / D был самый короткий маршрут средней длины, хотя в пределах прохода хранения углу P / D в результате средняя длина маршрута лишь 1,3% больше, чем средний P / D. Другие политики хранения составляет от 8,4% и 18,4% больше, чем в течение проходов хранения среднего P / D. Это позволяет предположить, предварительное заключение:
1. Наибольший разрыв является наилучшим общее направление маршрута эвристические, и находящиеся в проходе хранения лучшие общие правила хранения.
Хотя Наибольший разрыв является наилучшим общее направление маршрута эвристических и внутри прохода является лучшим общие правила хранения, то не следует, что совокупный доход 2 лучших пар маршрутизации и хранения политики. Для того, чтобы установить лучшую комбинацию, надо смотреть на 2-и 3-способ взаимодействия. Этот анализ начинается с изучения политики хранения данных с оптимальной маршрутизации. Далее, взаимодействие маршрутизации и хранения политики исследованы, а затем взаимодействия политик маршрутизации, спрос перекос, и выбрать размер списка.
Политики хранения
В таблице 4 представлены хранения политики приказал их производительность в сочетании с оптимальной маршрутизации для каждого размера списка выбрать. В проходов хранения среднего P / D является лучшим хранения политики для всех списках выбора. За ней следуют внутри проходу углу PID, по периметру и диагональных стратегии хранения и по-проходу стратегий. Этот результат согласуется с Джарвис и Макдауэлл (1991), что в течение проходов хранения оптимальной стратегии хранения данных не только для проезда в один конец, но, несмотря на ограничения прохода поездки. Влияние места PID видно, как хорошо. За исключением диагональных хранения, где нет значительной разницы между уголком и среднего P / D, средний PID значительно лучше, чем угол P / D. Тем не менее, эта разница становится практически отсутствует для больших списков забрать. Большинство крупных списков выбрать требуют выбора пройти несколько складов, оказание преимущество среднего P / D почти спорным. Таблица 4 показывает также, что большинство из хранилища политики повысить их эффективность по отношению к проходу в пределах стратегии, как выбрать список растет.
Таблица 5 показывает, политики хранения данных приказал их производительность в сочетании с оптимальной маршрутизации для каждого уровня спроса асимметрии. Поскольку спрос становится более асимметричным, разница между внутри прохода хранения среднего P / D и другие политики хранения данных увеличивается. Это достаточно интуитивно понятно, поскольку расстояние между складов в проходе меньше, чем расстояние между складов в разных проходах. При высоком уровне спроса перекос, расстояние до извлечения элементов значительно меньше, в пределах проходов и диагональных хранения, где только несколько проходов должен быть пройден, а не по периметру и по-проходу хранения, где весь склад, возможно, придется пройден. Кроме того, средний P / D обычно приводит к более короткому маршруту, чем угол PID. Однако, с низким перекос спроса на хранение по периметру и с низким и средним перекос спроса на диагональных хранения, угол P / D чуть лучше, чем средний P / D. Периметр хранения данных с обоих угловых и среднего PID хорошо работает при низких перекос спроса. Это указывает на еще один предварительный вывод:
2. В проходов хранения среднего PID является лучшим хранения политики практически для всех уровней выбрать размер списка и спроса асимметрии.
Маршрутизации и хранения Взаимодействие
Рисунок 5 показывает взаимодействие между маршрутизации и хранения политики. Есть несколько замечаний, которые заслуживают обсуждения. Во-первых, очевидно, на рисунке 5, что производительность возвращения и поперечных стратегии зависит от выбора хранения политики. Вернуться лучше работает с диагональным и сквозных проходов хранения, в то время как поперечные работает лучше в пределах прохода хранения. Во-вторых, выполнение Наибольший разрыв, медианы, и оптимальные стратегии, похоже, не зависит от выбора хранения политики. В-третьих, составной стратегии, как представляется, лучше всего маршрута эвристика для диагонали, внутри прохода, и через проходов хранения. Это было не самое лучшее общее направление маршрута эвристические, так как составной не выполняет хорошо периметру хранения. Однако, когда композита в сочетании с диагональной, withinaisle, и через проходов он работает лучше, чем Наибольший разрыв. Кроме того, 5 показаны негативные последствия периметру хранения на возвращение и поперечных маршрутов. Потому что по периметру складских помещений высокого объема пункты по периметру склада, как крупнейший разрыва и средней доминировать как их маршруты обычно следуют периферии склада.
Таблица 6 показывает, какой процент по оптимальным для маршрутизации политики для каждого хранилища политики. Политики хранения данных перечислены в порядке их выполнения. Композитных политики маршрутизации является лучшим для эвристического внутри прохода, диагонали, и по-проходу хранения. Наибольший разрыв и средней самые лучшие эвристики для хранения по периметру, и оба они меньше, чем 4% по сравнению с оптимальной маршрутизации с периметра хранения. Процент по оптимальной для поперечной просто под 20% для withinaisle хранения, но примерно 30% для другой политики хранения данных. Производительность маршрутизации прибыли колеблется в широких пределах от менее 10% при сквозных проходов хранения более чем на 50% по периметру хранения. Это позволяет предположить, еще один предварительный вывод:
3. Композитный является лучшим маршрутизации эвристический в сочетании с внутри прохода, диагонали, и по-проходу хранения, а также крупнейшим недостатком является лучшим маршрутизации эвристический в сочетании с периметра хранения.
В таблице 7 представлены лучшие политики хранения данных, ранжированных по их эффективности для каждого маршрута эвристики. В проходов хранения явно лучшие хранения политики при использовании композитных и поперечной маршрутизации стратегий. Для Наибольший разрыв и средней, есть только 4% разницы между верхней четыре политики хранения данных (в пределах проходов и по периметру). При возвращении маршрутизации, диагональных и политики по-проходу хранения обеспечить решения в пределах 4% друг от друга. Это свидетельствует о четвертой предварительное заключение:
4. В проходов хранения (угол и среднего P / D), как правило, наилучшие возможности для хранения политики, которые будут использоваться в комбинации с композитным, крупнейший разрыв, медианы, и поперечные маршрутизации эвристики.
Маршрут Политика
Чтобы определить лучшие эвристики для каждого объекта по хранению политики и выбрать размер списка, таблице 8 представлены. Кроме периметру хранения, где Наибольший разрыв и средней доминируют другие политики хранения преобладают композиционных и крупнейших стратегии разрыва. Однако Есть несколько сюрпризов с возвращением стратегии отображается как второй лучший эвристика для сквозных проходов и диагональных (средний P / D) хранения для малых списки забрать. Кроме того, в поперечном стратегии является вторым эвристика для больших списков забрать с проходом в пределах среднего P / D хранения.
Таблица 9 показывает две лучшие эвристики для каждого объекта по хранению политики и уровня спроса перекос, и их соответствующих процентов по сравнению с оптимальным. Как и в таблице 8, композитный и Наибольший разрыв доминировать на всех уровнях спроса асимметрии для acrossaisle, диагональ, а внутри прохода хранения, а также крупнейших разрыва и средней доминирующую роль периметру хранения. Это говорит о пятом предварительное заключение:
5. Составные и Наибольший разрыв самые лучшие эвристики маршрутизации на всех уровнях выбрать размер списка, спрос перекос, и политики хранения данных, за исключением хранения, где по периметру Наибольший разрыв и средней самые лучшие.
Резюме
Внутри прохода хранения политика предусматривает пробега экономия 10-20% по сравнению с другими объем политики, основанной на хранение. Кроме того, средний P / D расположение позволяет сэкономить до 4% в путешествия расстояние, на углу P / D месте. Выбор политики маршрутизации между оптимальным и композитных эвристика, с оптимальным в результате чего экономия в размере 8% в путешествие пешком через композитный стратегии. Тем не менее, композитные стратегия 7% лучше, чем на следующий лучшие эвристического Наибольший разрыв стратегии.
Что означают эти результаты говорят о управление типичный склад, чья структура спроса не так сконцентрированы, как правило Парето 80-20, но для которых 20% позиций приходится, скажем, 60% от объема, , для которой получить список размеры могут значительно варьироваться? Вот что исследования показывают:
1. Организация складского хранения, с тем чтобы высокий объем пункты сконцентрированы в нескольких проходов (в пределах проходов хранения).
2. Позиция pick-up/drop-off (PID) точка в середине передней прохода, а не в углу.
3. Использование эвристических маршрутизации для сборщиков чтобы сформировать более последовательным маршрутов, что делает его менее запутанной, и сведение к минимуму ошибки выбора. Хороший эвристический это композитный, которая сочетает в поперечном и стратегии возвращения.
ВЫВОДЫ
Ни в одном исследовании по литературе (1) оценка различных эвристик в маршрутизации на основе объема хранения окружающей среды, (2) предложил ряд методов осуществления объем для хранения данных, и (3) изучили взаимодействие маршрутизации и политики хранения данных в различных операционных условиях.
Эвристика широко используются в практике, потому что они легки для складских работников понимать, они образуют последовательный маршрутов, что риск меньше пропущенных выбирает, они предлагают хорошие решения, и они имеют быстрое время решения. Самый большой недостаток в эвристических решений маршрутизации, что разрыв между этими решениями и оптимальным может быть значительным. Этот эксперимент показал средний разрыв решения около 10% для композитного, крупнейший пробел, и средней стратегий, а также около 30% для возвращения и поперечных стратегий. Тем не менее, в целом разрыв между решением лучшие эвристические решения для данного сценария и оптимальное только 3%. Заметим, что эти решения пробелы выражаются в длине пробега, то разрыв между эвристик, а также оптимальной маршрутизации меняется в зависимости от скорости передвижения и выбора времени за SKU.
Выполнение политик маршрутизации, эвристические и оптимальна, во многом зависит от политики хранения в использовании. Размер списка выбора и, в меньшей степени от степени асимметрии спрос также влияют на маршрутизацию эвристики. Таким образом, решение разрыв между оптимальной маршрутизации и маршрутизации эвристики могут варьироваться в зависимости от политики хранения, выбрать размер списка, а спрос асимметрии. Кроме того, передовые технологии часто предлагают решения, которые так же сложны, как оптимальным. Использование оптимальных обычных, таких как Ратлифф и Розенталя (1983) предлагает менеджер быстрое время решения и кратчайшего расстояния маршрута. Тем не менее, оптимальные маршруты часто запутаны характер и не может работать в пределах комплектации операции. Руководители должны анализировать компромисс между эффективностью оптимальные решения и простота внедрения и использования эвристических процедур.
Это исследование подтверждает и расширяет результаты Джарвис и Макдауэлл (1991), что в течение проходов хранения лучший общий объем для хранения данных, независимо от политики ограничения прохода поездки. Кроме того, в проходов хранения также хорошо работает на всех уровнях выбрать размер списка и спроса асимметрии. Производительность диагональных хранения также впечатляет. Политики по периметру хранения не работает с композитом, вернись и поперечных политик маршрутизации. Однако, это приводит к небольшой разрыв между решением и оптимальной Наибольший разрыв и средней стратегий. Во-проходу хранения политика не была эффективной. Управленческие последствия этих результатов в том, что значительная экономия средств может быть результатом volumebased хранения и способ хранения объектов в хранилище может дать различные результаты.
Хотя по периметру и по-проходу хранения не работают хорошо, они могли бы работать в ситуациях, когда выбора заторов волнует. В проходов и диагональных хранения, как правило, концентрат высокого объема пунктов в первые несколько проходов. Периметр и поперек проходов хранения привести к более сбалансированному использованию на склад, потому что высокие объемы пунктов разбросаны по всей сбор проходах.
Другие факторы, влияющие на производительность маршрутизации и хранения политики. В общем, P / D точки в центре передней результаты прохода в более короткий маршрут, чем P / D точки в углу склада. Спрос асимметрии также оказывает влияние на производительность хранения и маршрутизации политики. Периметр хранения работал лучше с низким перекос спроса, чем с высоким перекос спроса. Влияние роста перекос спроса имеет тенденцию к снижению разницы в производительности между политик маршрутизации. Кроме того, размер списка выбора сказывается на производительности маршрутизации эвристический политики, в частности возвращение и поперечных.
Будущие исследования должны быть направлены на воздействие выбора нагрузки на производительность маршрутизации и хранения политики. Кроме того, объем для хранения данных следует сравнивать с ОЗУ на основе общей стоимости. Общая стоимость включает в себя мероприятия для сбора, пополнения вперед забрать области из резервного хранения и перераспределения мест хранения в связи с изменением структуры спроса. [В редакцию: 26 марта 1997. Принято: 14 мая 1998.]
Ссылки
Бассан Ю., Roll Ю.,
Бен-Махмуд, Ю. (1987). Влияние на расположение склада комплектации эффективности. Неопубликованные М.С. Диссертация, Oregon State University, Корваллис, OR.
Койл, JJ, Барди, EJ, постоянного Лэнгли, CJ (1996). Управление бизнес-логистики. Сент-Пол, MN: Запад.
Эльсайед, Е. А. (1981). Алгоритмы для оптимальной обработки материала в автоматизированной складской системы. Международный журнал по производству исследований, 19, 525-535.
Эльсайед, Е. А.,
Гибсон, Д. Р.,
Goetschalckx, М.,
Goetschalckx, М.,
Грей, А. Е., Кармаркара, У. С.,
Зал, Р. В. (1993). Расстояние приближений для маршрутизации ручной сборщиков на складе. ИМО Сделки, 25 (4), 76-87.
Джарвис, J. М.,
Ратлифф, Х. Д.,
Шварц, Л. Б., Грейвс, С. C.,
Sims, Е. Р. (1991). Планирование и управление производственными системами логистики. Амстердам: Elsevier.
Томпкинс, JA, Белый Ю.А., Bozer, Y А., Frazelle, EH, Tanchoco, СОУ,
Чарльз Г. Петерсен II
Операционного менеджмента и информационных систем, бизнес-колледжа, в университете Северного Иллинойса, DeKalb, IL 60115, <a href="mailto:cpetersen@niu.edu"> cpetersen@niu.edu </ A>
Роджер В. Schmenner
Операций и принятие технологий, Келли школа бизнеса, Университет штата Индиана, Indianapolis, IN 46202, <a href="mailto:rschmenn@iupui.edu"> rschmenn@iupui.edu </ A>
Чарльз Г. Петерсен II является доцент кафедры управления операциями в университете Северного Иллинойса бизнес-колледжа. Он имеет степень бакалавра в области промышленного строительства из Университета штата Айова, MBA в Вашингтонском университете, и степень доктора в операциях управления Университета Индианы. Д-р Петерсен первичных научных интересов в таких областях, для сбора, управления цепочками поставок и закупок аутсорсинга. Он опубликовал в Международном журнале производства и научно-исследовательский Международный журнал операций и управления производством, а также является членом Института Decision Sciences, производства и оперативного управления общества, а также Совета материально-технического обеспечения.
Роджер В. Schmenner это Richard M. и Майра Луиза Баскерк профессор управления производством на Келли школа бизнеса, Университет штата Индиана, и Federal Express сотрудник факультета. Он является ассоциированным программы декан-Индианаполисе и содиректор финансируемых из федерального бюджета CIBER университета штата Индиана (Центр международного бизнес-образования и научных исследований). Он также занимал факультет назначения Дьюка, Гарвардский Университет, Йельский университеты, а также две выездные назначения в Международный институт управления (IMD) в Лозанне, Швейцария. Д-р Schmenner получил степень бакалавра Принстоне (1969) и степень доктора в Йельском университете (1973), и в экономике. Он был в 1997 году президент по производству и управлению операциями общества. Schmenner исследовательских интересов в области включают производственную стратегию, мощность завода, а также производство и расположение сервисных операций. Он является автором более 70 опубликованных статей, глав в книгах, а также случаи. Его книга внесении Бизнес решения о размещении (Prentice-Hall, 1982) представляет собой сборник большую часть своего поток исследований по промышленности месте. Он является автором многих учебников. Д-р Schmenner имеет разнообразный спектр консалтинговых и корпоративный опыт преподавания, приняли участие более 70 компаний, несколько промышленных групп, а также более десятка федеральных, региональных и местных правительственных учреждений и департаментов ..
