چكيده فارسي :
مديريت بهينه انبار در صنايع توليدي براي حفظ رقابتپذيري و برآوردهكردن انتظارات مشتريان امري ضروري به حساب مي آيد. براي
دستيابي به اين هدف، بهينهسازي عملياتهاي موجود در انبار ضروري بوده كه مي تواند منجر به بهبود زمان ارسال سفارشات، كاهش هزينه ها
و افزايش رضايت مشتري شود. يكي از مسائل مهم در مديريت انبار، مسئله انبارش كاال در انبار )SLAP )است كه شامل تحصيص كاالها
به قفسهها درون يك انبار مي باشد و هدف آن در اين پژوهش كمينه كردن مجموع فواصل سفارشات مي باشد.
دادهكاوي و هوش مصنوعي دو حوزه علمي هستند كه روز به روز در حال پيشرفت و گسترش هستند. اين موضوع باعث شده است كه
بسياري از محققان به بررسي و حل مسائل مختلف با استفاده از اين موضوعات عالقهمند شوند. با توجه به مقاالت جديد دادهكاوي و بررسي
ادبيات موضوع مسئله SLAP، استفاده از ابزارهاي دادهكاوي براي حل اين مسئله پيشنهاد شده است. بنابراين تمركز اين پژوهش بر موضوع
انبارش كاال با استفاده از ابزارهاي داده محور مي باشد.
در اين پژوهش، يكي از انبارهاي فوالد مباركه اصفهان به عنوان مطالعه موردي در نظر گرفته شد. كليه ي ويژگي ها براي استفاده در اين
الگوريتمها از مطالعه تحقيقات پيشين به دست آمده است. ويژگي هاي موثر از يين كليه ويژگي ها جمعآوري شده با استفاده از نظر خبرگان
و متخصصان حوزه فوالد انتخاب شدهاند و در ادامه فرايند تخصيص كاالها به قفسهها در دو مرحله صورت پذيرفت.
در مرحله اول كاالها با استفاده از الگوريتم means-k به چ هار خوشه تقس يم شد و براي افزايش كيفيت خوشه بندي، از دو اقدام: "يك
پيش الگوريتم كه نقاط اوليه means-k را با پراكندگي بيشتري انتخاب مي كند" و "يك الگوريتم ژنتيك كه جوابهاي خوشه بندي را از
بهينگي محلي خارج مي كند" استفاده گرديد. در مرحله دوم با استفاده از تجربه خبرگان، مكان هر خوشه در انبار مشخص شده است. درادامه
بر اساس يك معيار ارجح يت، كاالها ي هر خوشه به قفسه هاي مختلف اختصاص يافته است . چند سفارش به صورت تصادف ي انتخاب شده و
مجموع فاصله هاي كاالهاي سفارشات محاسبه شد . نتايج نشان مي دهد كه مدل پيشنهادي مي تواند مجموع فاصلهها ي كاالها در سفارشات را
در انبار به طور متوسط 15 درصد كاهش دهد.
چكيده انگليسي :
Optimum warehouse management in manufacturing industries is considered a matter for
maintaining competitiveness and calculating expectations. To achieve this goal, optimizing
the operations in the warehouse can improve the time to send orders, reduce costs and
increase satisfaction. One of the most important issues in warehouse management is the
storage Location Assingment Problem (SLAP), which includes the contents of the goods to
the shelves in a warehouse, and its purpose in this research is to minimize the total order
intervals.
Data mining and artificial intelligence are two scientific fields that are progressing and
developing day by day. This topic has led to many investigations and solutions to various
problems using these topics. According to the new data mining articles and the literature
review of the SLAP topic, the use of data mining tools is suggested to solve this issue.
Therefore, this research is on the issue of storing goods using characteristic tools .
In this research, one of the Mobarake steel warehouses of Isfahan is considered as a case
study. All the features for use in these algorithms are obtained from the literature review.
Important features of All features collected using the opinion of experts and specialists in
the field of steel are selected and are accepted in two stages in the process of allocating goods
to the shelves.
In the first stage, the goods were divided into four clusters using the k-means algorithm,
and to increase the quality of clustering, two measures were used: "a pre-algorithm that
selects the initial k-means points with greater dispersion" and "a genetic algorithm that
selects the answers It removes the clustering from the local optimality" was used. In the
second step, using the experience of experts, the location of each cluster in the warehouse is
determined. Next, based on a preference criterion, the goods of each cluster are assigned to
different shelves. A few orders were randomly selected and the total distances of the goods
in the orders were calculated. The results show that the proposed model can reduce the total
distance of goods in orders in the warehouse by an average of 15%.
