فرمول‌بندی مسأله‌ی برداشت و توزیع یکپارچه‌ی سفارش‌ها در یک انبار با چند برداشت‌کننده به‌طریق برداشت دسته‌ای

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری مهندسی صنایع، گروه مهندسی صنایع، پردیس فنی و صنایع، دانشگاه یزد، یزد، ایران

2 استاد گروه مهندسی صنایع، پردیس فنی و صنایع، دانشگاه یزد، یزد، ایران

3 دانشیار گروه مهندسی صنایع، پردیس فنی و صنایع، دانشگاه یزد، یزد، ایران

چکیده

سفارش‌­های دریافت شده از سوی مشتریان در شرکت­‌های خرده‌فروش، پیش از تحویل به مشتریان باید از سطح انبار برداشت شوند. فرآیند برداشت سفارش‌­ها در انبار پرهزینه‌­ترین و زمان­‌برترین فرآیند انبار است و معمولاً به‌منظور کاهش مسافت و زمان برداشت، سفارش­‌ها دسته‌­بندی و در مسیرهای مشترک برداشت می­‌شوند. از سوی دیگر، گسترش اینترنت و تجارت الکترونیک باعث افزایش قابل‌ توجه تعداد و کاهش اندازه­ی سفارش‌­های صادر شده و در نتیجه‌­ی آن پیچیده‌­تر شدن فرآیند دسته‌­بندی و برداشت سفارش‌­ها در انبار شده است. علاوه‌بر موارد فوق، درنظر گرفتن سیاست‌­های مناسب به‌منظور توزیع سفارش‌­ها بین مشتریان به‌گونه‌ای‌که در آن مواردی نظیر زمان و هزینه‌­ی توزیع سفارش‌­ها و موعد­های تحویل مشتریان لحاظ شود، از اهمیت به‌سزایی برخوردار است و اتخاذ این سیاست‌­ها به‌صورت یکپارچه با عملیات برداشت می‌­تواند باعث کاهش قابل‌­توجهی در هزینه‌­ها و افزایش سطح سرویس ارائه شده به مشتریان شود. در این پژوهش، مسائل برداشت دسته‌­ای و توزیع سفارش‌­ها در انبار به‌صورت یکپارچه درنظر گرفته ­شد و یک مدل ریاضی خطی صحیح-مختلط برای این مسأله ارائه گردید که در آن، هدف کمینه کردن مجموع دیر­کرد در تحویل سفارش‌­های مشتریان است. برای حل مدل ارائه شده نیز یک الگوریتم فرا­ابتکاری جست‌وجوی محلی تکرار شونده ارائه گردید. برای اعتبار­سنجی مدل فقط از ارزیابی عملکرد الگوریتم پیشنهادی، آزمایش‌­های عددی با استفاده از مسائل نمونه‌­ی ساختگی انجام و نشان داده ­شد که الگوریتم ارائه شده از توانایی لازم برای رسیدن به جواب‌­های خوب برای مسأله در مدت‌زمان معقول برخوردار است. باتوجه به اینکه حل‌کننده­­‌ی دقیق قادر نیست در مدت‌‌زمان معقول برای حتی نمونه‌‌­های کوچک از مسأله به­ جواب بهینه دست یابد، یک حد بالا تعریف شد و نتایج حاصل از الگوریتم با حد بالا مقایسه گردید. از طریق مقایسات انجام شده مشخص شد که ­علی­رغم افزایش قابل توجه اندازه‌­ی مسائل نمونه، کیفیت جواب‌­­های به‌دست آمده توسط الگوریتم فرا­ابتکاری در مقایسه با حد بالا افت کمی پیدا می‌­کند، اما همچنان از کیفیت مطلوبی برخوردار است.

کلیدواژه‌ها

عنوان مقاله [English]

Mathematical Modeling of Integrated Order Batching and Distribution Scheduling in a Warehouse with Multiple Pickers Using Batch Picking

نویسندگان [English]

  • Mehrdad Alipour 1
  • Yahia Zare Mehrjerdi 2
  • Ali Mostafaeipour 3
1 Ph.D. Student, industrial engineering, Department of Industrial Engineering, Technical and Industrial Campus, Yazd University, Yazd, Iran
2 Professor, Department of Industrial Engineering, Technical and Industrial Campus, Yazd University, Yazd, Iran
3 Associate Professor of Industrial Engineering Department, Technical and Industrial Campus, Yazd University, Yazd, Iran
چکیده [English]

The orders received from customers in retail companies must be picked in the warehouse before delivery to customers. Order picking is the most costly and time-consuming process in a warehouse and customer orders are usually batched and picked in common tours to reduce travel distance and picking time. On the other hand, the widespread use of the internet and e-commerce has significantly increased the number and decreased the size of orders issued by customers and as a result, the order batching and picking operations in the warehouse has become more complicated. Besides, adopting appropriate policies to distribute orders among customers by taking into account issues such as the time and cost of distributing orders and due dates, is of great importance. Moreover, considering the operations of order picking and distribution in an integrated manner can significantly reduce costs and increase the level of service provided to customers.
In this research, the order batching and distribution operations are considered integratedly and a mathematical model is proposed to address the integrated problem by considering minimization of total tardiness as objective function. respectively. For model­ validation purposes, an iterated local search metaheuristic approach is proposed to solve the proposed model. By using the generated data, it has been shown that the metaheuristic algorithm is able to obtain quality solutions for the problem.
Due to the fact that an optimization solver is unable to optimize a small size problem in a realistic time, an upper bound was defined for the purpose of comparing the algorithm results with that. Our comparison of results indicates that for relatively larger sized sample problem the quality of obtained solutions by meta-heurietsic algorithm, in comparion with upper bound, having suitable quality as expected. 

کلیدواژه‌ها [English]

  • Order Batching
  • Batch Picking
  • Vehicle Routing
  • Iterated Local Search

مراجع

  • Henn, S., Algorithms for on-line order batching in an order picking warehouse (2012). Computers & Operations Research. 39(11): p. 2549-2563.
  • Chew, E.P. and L.C. Tang, Travel time analysis for general item location assignment in a rectangular warehouse (1999). European Journal of Operational Research. 112(3): p. 582-597.
  • De Koster, R., T. Le-Duc, and K.J. Roodbergen, Design and control of warehouse order picking: A literature review (2007). European journal of operational research. 182(2): p. 481-501.
  • De Koster, M.B.M., E.S. Van der Poort, and M. Wolfers, Efficient orderbatching methods in warehouses (1999). International Journal of Production Research. 37(7): p. 1479-1504.
  • Kuhn, H., D. Schubert, and A. Holzapfel, Integrated Order Batching and Vehicle Routing Operations in Grocery Retail–A General Adaptive Large Neighborhood Search Algorithm. European Journal of Operational Research, 2020.
  • Moons, S., et al., The value of integrating order picking and vehicle routing decisions in a B2C e-commerce environment (2019). International Journal of Production Research. 57(20): p. 6405-6423.
  • Bozer, Y.A. and J.W. Kile, Order batching in walk-and-pick order picking systems (2008). International Journal of Production Research. 46(7): p. 1887-1909.
  • Ruben, R.A. and J.F. Robert, Batch construction heuristics and storage assignment strategies for walk/ride and pick systems (1999). Management Science. 45(4): p. 575-596.
  • Tang, L., et al., A combination of Lagrangian relaxation and column generation for order batching in steelmaking and continuous‐casting production (2011). Naval Research Logistics (NRL). 58(4): p. 370-388.
  • Muter, İ. and T. Öncan, An exact solution approach for the order batching problem (2015). IIE Transactions. 47(7): p. 728-738.
  • Valle, C.A., J.E. Beasley, and A.S. da Cunha, Optimally solving the joint order batching and picker routing problem (2017). European Journal of Operational Research. 262(3): p. 817-834.
  • Clarke, G. and J.W. Wright, Scheduling of vehicles from a central depot to a number of delivery points (1964). Operations research. 12(4): p. 568-581.
  • Tsai, C.Y., J. Liou, J H, and T.M. Huang, Using a multiple-GA method to solve the batch picking problem: considering travel distance and order due time (2008). International Journal of Production Research. 46(22): p. 6533-6555.
  • Chirici, L. and K.-S. Wang, Tackling the storage problem through genetic algorithms (2014). Advances in Manufacturing. 2(3): p. 203-211.
  • Zhang, J., X. Wang, and K. Huang, Integrated on-line scheduling of order batching and delivery under B2C e-commerce (2016). Computers & Industrial Engineering. 94: p. 280-289.
  • Koch, S. and G. Wäscher, A grouping genetic algorithm for the Order Batching Problem in distribution warehouses (2016). Journal of Business Economics. 86(1-2): p. 131-153.
  • Menéndez, B., et al., Variable Neighborhood Search strategies for the Order Batching Problem (2016). Computers & Operations Research.
  • Žulj, I., S. Kramer, and M. Schneider, A hybrid of adaptive large neighborhood search and tabu search for the order-batching problem (2018). European Journal of Operational Research. 264(2): p. 653-664.
  • Cergibozan, Ç. and A.S. Tasan, Genetic algorithm based approaches to solve the order batching problem and a case study in a distribution center (2020). Journal of Intelligent Manufacturing: p. 1-13.
  • Henn, S., Order batching and sequencing for the minimization of the total tardiness in picker-to-part warehouses (2015). Flexible Services and Manufacturing Journal. 27(1): p. 86-114.
  • Scholz, A., D. Schubert, and G. Wäscher, Order picking with multiple pickers and due dates–Simultaneous solution of Order Batching, Batch Assignment and Sequencing, and Picker Routing Problems (2017). European Journal of Operational Research 263(2) 461-478.
  • Van Gils, T., et al., Increasing order picking efficiency by integrating storage, batching, zone picking, and routing policy decisions (2018). International Journal of Production Economics. 197: p. 243-261.
  • Ardjmand, E., O.S. Bajgiran, and E. Youssef, Using list-based simulated annealing and genetic algorithm for order batching and picker routing in put wall based picking systems (2019). Applied Soft Computing. 75: p. 106-119.
  • Cano, J.A., A.A. Correa-Espinal, and R.A. Gómez-Montoya, Mathematical programming modeling for joint order batching, sequencing and picker routing problems in manual order picking systems (2020). Journal of King Saud University-Engineering Sciences. 32(3): p. 219-228.
  • Pferschy, U. and J. Schauer, Order batching and routing in a non-standard warehouse (2018). Electronic Notes in Discrete Mathematics. 69: p. 125-132.
  • Kübler, P., C.H. Glock, and T. Bauernhansl, A new iterative method for solving the joint dynamic storage location assignment, order batching and picker routing problem in manual picker-to-parts warehouses (2020). Computers & Industrial Engineering. 147: p. 106645.
  • خدابنده, م., س.ر. حجازی, و م. راستی-برزکی, یک الگوریتم ژنتیک برای مسأله زمانبندی یکپارچه تولید و توزیع با درنظر گرفتن مسیریابی در زنجیره تامین. نشریه پژوهش های مهندسی صنایع در سیستم های تولید, 2013. 1(2): 167-181.
  • Zhang, J., et al., On-line order batching and sequencing problem with multiple pickers: A hybrid rule-based algorithm (2017). Applied Mathematical Modelling 45:. 271-284.
  • Schubert, D., A. Scholz, and G. Wäscher, Integrated order picking and vehicle routing with due dates (2018). OR Spectrum. 40(4): p. 1109-1139.
  • Baker, K.R. and J. Bertrand, An investigation of due-date assignment rules with constrained tightness (1981). Journal of Operations Management. 1(3): p. 109-120.
  • Brah, S.A., A comparative analysis of due date based job sequencing rules in a flow shop with multiple processors (1996). Production Planning & Control. 7(4): p. 362-373.
  • et al. The online integrated order picking and delivery considering pickers’ learning effects for an O2O community supermarket, Transp. Res. E (2019)
  • Van GilsT. et al. Formulating and solving the integrated batching, routing, and pickeer scheduling problem in a real-life spare parts warehouse European J. Oper. Res. (2019)
  • et al. An efficient and general approach for the joint order batching and picker routing problem European J. Oper. Res. (2020)
  • A. et al. Mathematical programming modeling for joint order batching, sequencing and picker routing problems in manual order picking systems J. King Saud Univ., Eng. Sci.(2020)
  • شفائی،­ا.، اکبری جوکار،­م. ر.، رفیعی، م. (1400). بررسی اثرات استفاده از مدل VRP بر کاهش هزینه­های توزیع قطعات یدکی بین خودروهای امدادی. نشریه پژوهش­های مهندسی صنایع در سیستم‌های تولید, 1400. 18(1): صفحه 125-111.

جعفرخان، ف. و س. یعقوبی، (1395). ارائه مدل ریاضی استوار و الگوریتم حل ابتکاری برای مسأله یکپارچه تولید-مسیریابی-موجودی محصولات فاسد شدنی با انتقال جانبی. نشریه پژوهش‌های مهندسی صنایع در سیستم‌های تولید، جلد 4، شماره 2، صفحه 195-211.

نشریه پژوهش های مهندسی صنایع در سیستم های تولید
دوره 10، شماره 20
شهریور 1401
صفحه 153-169

فایل ها

هم رسانی

ارجاع به این مقاله

آمار