پديد آورنده :
جبل عاملي، كاميار
عنوان :
تعيين مكان انبارش اقلام در انبار با توجه به محدوديت ظرفيت وسيله حمل با هدف حداقل‌سازي جابه‌جايي‌ها
مقطع تحصيلي :
كارشناسي ارشد
گرايش تحصيلي :
بهينه سازي سيستم ها
محل تحصيل :
اصفهان : دانشگاه صنعتي اصفهان
صفحه شمار :
سيزده، 70ص.: مصور، جدول، نمودار
استاد راهنما :
مهدي ايران پور
توصيفگر ها :
تعيين چيدمان , برداشت اقلام , مسيريابي , بسته‌بندي اقلام هر سفارش , الگوريتم ژنتيك , انبار دستي , روش s- شكل تغيير يافته با درنظرگيري بسته‌بندي (دسته‌بندي) اقلام هر سفارش
استاد داور :
بهروز ارباب شيراني، علي شاهنده
تاريخ ورود اطلاعات :
1400/09/30
رشته تحصيلي :
مهندسي صنايع
دانشكده :
مهندسي صنايع و سيستم ها
تاريخ ويرايش اطلاعات :
1400/09/30
چكيده فارسي :
برداشت اقلام اصلي‌ترين عمليات در انبار مي‌باشد. كارايي يك انبار مي‌تواند از چيدمان اقلام تأثير بپذيرد. مسير پيموده شده در انبار وابسته به اقلام درخواستي و محل چيدمان اقلام است. دو مسئله برداشت اقلام و چيدمان اقلام به يكديگر وابسته‌اند. عامل تأثيرگذار ديگر بر بهره‌وري عمليات برداشت اقلام، ظرفيت وسيله حمل است. به علت محدوديت ظرفيت وسيله حمل انتقال تمامي اقلام هر سفارش در قالب يك تور ممكن است امكان پذير نباشد. از اين جهت نياز به تقسيم اقلام هر سفارش به دسته‌هاي مختلف براي برداشت و انتقال به درب انبار وجود دارد.
يافتن چيدمان مناسب براي قرارگيري اقلام، با توجه به ظرفيت وسيله‌حمل و بهره‌گيري از سابقه فراواني سفارش‌ها با هدف پيمودن كوتاهترين مسير براي برداشت اقلام درخواستي و انتقال به درب خروج هدف اين پژوهش بوده‌است. در پژوهش حاضر ابتدا مدل برنامه‌ريزي عدد صحيح مختلط براي مسئله تعريف شده‌است. مدل مذكور را با حل‌كننده سيپلكس حل شد. با توجه به NP-hard بودن مسئله، سه روش ابتكاري s-شكل با در نظر گرفتن بسته‌بندي (دسته‌بندي) اقلام هر سفارش (SSOS)، بزرگ‌ترين فاصله با در نظر گرفتن بسته‌بندي (دسته‌بندي) اقلام هر سفارش (LGOS) و روش تغييريافته s-شكل با در نظر گرفتن بسته‌بندي (دسته‌بندي) اقلام هر سفارش (MSSOS) در تركيب با الگوريتم ژنتيك توسعه داده‌شد. روش‌هاي ابتكاري وظيفه بسته‌بندي و مسيريابي را در هر چيدمان ايجاد شده توسط الگوريتم ژنتيك برعهده دارند. روش GA-MSSOS بهترين عملكرد را نسبت به سه روش ديگر در ابعاد مختلف انبار نشان داد. در حل Cplex محدوديت زماني 8 ساعت و در حل با الگوريتم ژنتيك محدوديت تعداد تكرار قرار داده‌شد. دو روش فراابتكاري GA-LGOS و GA-SSOS در اكثر نمودهاي ابعاد كوچك و متوسط به جواب بهينه نرسيدند، در مقابل روش GA-MSSOS در ابعاد كوچك و متوسطي كه Cplex در مدت زمان طولاني (حداكثر 8 ساعت) به جواب بهينه رسيده، در مدت زمان حدود 4 دقيقه به جواب بهينه دست يافت. در ابعاد بزرگ هر سه الگوريتم فراابتكاري در زمان كمتري به جواب بهتري نسبت به Cplex دست يافتند و روش GA-MSSOS به جواب‌هاي بهتري نسبت به دو روش فراابتكاري ديگر دست يافت.
چكيده انگليسي :
Order picking is the main operation in the warehouse. The efficiency of a warehouse can be affected by storage allocation. The route traveled in the warehouse depends on the requested items and the location of items. The two issues of order picking and location allocation are interrelated. Another factor influencing the efficiency of order picking is the capacity of the vehicle. Due to the limited capacity of vehicle, it may not be possible to transfer all the items of each order in one tour. For this reason, there is a need to devide the items of each order into different groups for picking and transfering to the depot. Finding the best position, according to the capacity of the vehicle and using the frequency of orders with the aim of finding the shortest route to pick the requested items and transfer to the depot will be the purpose of this study. We develop a mixed integer linear programming model for the problem. We use Cplex solver for the developed model.
Since the problem is NP-hard, we embed three heuristics, S-shaped heuristic with order splitting (SSOS), the largest gap heuristic with order splitting (LGOS) and the modified S-shape with order splitting (MSSOS) in genetic algorithm (GA).
Heuristic methods are responsible for splitting and picking in any layout of items created by the genetic algorithm. The GA-MSSOS method showed the best performance compared to the other three methods in different dimensions of the warehouse. In the Cplex solver we set the time limit to 8 hours and in the genetic algorithm to the number of iteration.
The two meta-heuristics GA-LGOS and GA-SSOS did not achieve optimal solution in most small and medium dimensions, while GA-MSSOS method in small and medium dimensions optimal solution was obtained in about 4 minutes, while the Cplex solver reached optimal solution for a long time (maximum 8 hours). On large dimension, all three metaheuristic algorithms performed better than Cplex solver in less than 25 minutes and the GA-MSSOS method achieved better results than the other two metaheuristic methods.
استاد راهنما :
مهدي ايران پور
استاد داور :
بهروز ارباب شيراني، علي شاهنده
