توصيفگر ها :
انبارداري , قفسه‌هاي مختلط , مسيريابي انتخابگر , لجستيك , الگوريتم ژنتيك
چكيده فارسي :
خرده‌فروشان تجارت الكترونيكي با چالش جمع‌آوري چندين سفارش حساس به زمان مواجه هستند كه هركدام معمولاً از يك يا تعداد كمي از اقلام مختلف تشكيل‌شده است. براي حل اين چالش، بسياري از خرده‌فروشان الكترونيكي در انبارهاي خود از سياست ذخيره‌سازي اقلام در قفسه‌هاي مختلط استفاده مي‌كنند. در اين انبارها انتخابگر با حركت در امتداد راهروها بر اساس يك ليست برداشت، اقلام درخواستي را بدون استفاده از تجهيزات بالابر انتخاب مي‌كند. در يك انبار با قفسه‌هاي مختلط، با توجه به اين‌كه اقلام يك نوع كالا در قفسه‌هاي متعدد در دسترس هستند، در اين صورت برداشت اقلام هر سفارش پيچيده‌تر از انبارهاي سنتي است؛ بنابراين، بررسي مسائل مرتبط با فرآيند برداشت سفارش در اين انبارها مي‌تواند موجب بهبود عملكرد انبار و پاسخگويي سريع‌تر به سفارش‌ها شود.
در پژوهش حاضر مسائل مرتبط با تخصيص سفارش به انتخابگر، ترتيب پاسخ به سفارش‌ها، تخصيص تعدادي سفارش به هر تور برداشت و انتخاب قفسه‌ها براي پاسخ به سفارش‌ها و همچنين ترتيب و تعداد اقلام برداشت شده از هر قفسه بررسي مي‌شود. همچنين به عنوان نوآوري اين پژوهش، به طور همزمان چهار عامل سفارش‌هاي داراي مهلت تكميل، استفاده از چندين انتخابگر و برداشت همزمان چندين سفارش توسط يك انتخابگر در يك انبار داراي قفسه‌هاي مختلط در نظر گرفته مي‌شوند. در اين پژوهش يك مدل برنامه‌ريزي عدد صحيح مختلط به منظوركمينه‌سازي هزينه‌ها در فرآيند برداشت ارائه مي‌شود. چهار الگوريتم ژنتيك براي حل ارائه مي‌شود. در الگوريتم‌هاي پيشنهادي دو روش توالي سفارش به‌صورت يك ليست كلي براي همه‌ي انتخابگر‌ها و روش توالي سفارش به‌صورت ليست‌هاي جداگانه براي هر انتخابگر جهت تعيين توالي اوليه‌ي سفارش‌ها و همچنين چهارشاخص ابتكاري فاصله‌ي انتخابگر تا قفسه، فاصله‌ي انتخابگر تا قفسه و موجودي قفسه، فاصله‌ي انتخابگر تا قفسه همراه با موجودي قفسه با توجه به مهلت تكميل سفارش‌ها و فاصله‌ي انتخابگر با توجه به مهلت تكميل سفارش‌ها براي انتخاب قفسه‌ها پيشنهاد مي‌گردد. نتايج عددي نشان مي‌دهد از ميان چهار الگوريتم ارائه شده، الگوريتم با توالي سفارش يك ليست كلي براي همه‌ي انتخابگر‌ها و شاخص ابتكاري فاصله‌ي انتخابگر تا قفسه در نمونه‌هاي متوسط نيز با اختلاف 32.515% و در نمونه‌هاي بزرگ با اختلاف 22.241% نسبت سه رويكرد ديگر عملكرد بهتري دارد. جهت راهنمايي‌هاي مديريتي، مسئله‌ي مطرح‌شده ازنظر تعداد انتخابگر، ميزان پراكندگي اقلام در قفسه‌ها، ظرفيت چرخ‌دستي انتخابگر و تعداد نقاط دسترسي موجود در انبار مورد بررسي قرار مي‌گيرد.
چكيده انگليسي :
E-commerce retailers face the challenge to assemble large numbers of time-critical picking orders, of which each typically consists of one or a small number of different items. To solve this challenge, many e-retailers use a policy of stocking items on mixed shelves in their warehouses. In these warehouses, the picker moves along the aisles based on a picking list to the shelves where the items are stacked and selects the requested items without using lifting equipment. In a mixed shelves warehouse items of the same SKU are available in multiple shelves picker routing is much more complex than in traditional environments; Therefore, exploring issues related to the order picking process in these warehouses can improve warehouse performance and enable faster response to customer orders.
In this study issues related to the order allocation for picking, order sequencing, assignment of multiple orders to each picking tour, selection of shelves to answer orders and the sequence and quantity of items picked from each shelf are examined. Additionally, as an innovation in this research, four factors including orders with deadlines, the use of multiple pickers, and simultaneous picking of multiple orders by a single picker in a warehouse with mixed shelves are considered. In this study, a mixed integer programming model is presented to minimize costs in the order picking process. Four genetic algorithms are proposed for solving. In the proposed algorithms, two order sequencing methods are presented: a general list for all pickers and separate lists for each picker to determine the initial order sequence. Additionally, four heuristic indices including picker-shelf distance, picker-shelf distance with shelf inventory, picker-shelf distance with shelf inventory Along with order deadlines and picker-shelf distance with order deadlines are suggested for shelf selection. Numerical results show that among the four proposed algorithms, the algorithm with the general list order sequencing and the heuristic index of picker-shelf distance in medium instances also with a gap of 32.515% and in large instances with a gap of 22.241%, outperform the other three approaches. For management guidance, the problem raised in terms of the number of pickers, the amount of scattering of items on the shelves, the capacity of the picker's cart and the number of access points in the warehouse is examined.
