Problema de ruteo en la preparación de pedidos con K equipos de manejo de materiales homogéneos para un almacénrefrigerado
DOI:
https://doi.org/10.17533/udea.redin.n80a02Palabras clave:
preparación de pedidos, PSO (Particle Swarm Optimization) discreto, algoritmo genético, almacén refrigeradoResumen
Este artículo tiene como objetivo formular un problema de ruteo en lapreparación de pedidos con K equipos homogéneos y ventanas de tiempo (PRPHE). Un PSO(Particle Swarm Optimization) discreto y un algoritmo Genético (GA, Genetic Algorithm) sondesarrollados y validados para solucionar PRPHE. El PSO discreto es un enfoque novedosopara resolver el problema de ruteo en la preparación de pedidos en frio, el cual no habíasido detectado en la literatura científica por lo cual es considerado una contribución en elestado del arte. La principal diferencia entre el PSO clásico y el discreto desarrollado esla estructura y la formulación algebraica de las posiciones y velocidades de las partículaslas cuales son discretas en vez de ser continuas. Un diseño factorial completo con cuatrofactores denominados metaheurísticos para el ruteo en la preparación de pedidos (PRM,picking routing metaheuristics), depot, tamaño de listas de preparación (Picking List Size)y un grupo de K equipos de manejo de materiales homogéneos (MHE) fue desarrollado.Basado en los resultados del análisis experimental fue identificado que el metaheurístico GAgeneró mejores soluciones que PSO discreto para el PRPHE. Por lo tanto, estos resultadosestadísticos demostraron que el metaheurístico GA produjeron ahorros de tiempo entre22,89 and 86,75 segundos por conjunto de rutas de preparación de pedidos en frio, así comoun incremento de la eficiencia de las operaciones entre 1,98 y 2,81%, respecto a el PSOdiscreto. Finalmente, debe resaltarse que este artículo es uno de los primeros en abordarel ruteo en la preparación de pedidos en almacenes refrigerados de ahí su contribución al conocimiento.
Descargas
Citas
D. Battini, M. Calzavara, A. Persona and F. Sgarbossa,“A comparative analysis of different paperless pickingsystems”, Industrial Management & Data Systems, vol.115, no. 3, pp. 483-503, 2015.
D. Battini, M. Calzavara, A. Persona and F. Sgarbossa,“Order picking system design: the storage assignmentand travel distance estimation (SA&TDE) joint method”,International Journal of Production Research, vol. 53, no.4, pp. 1077-1093, 2015.
S. Henn, “Algorithms for on-line order batching in anorder picking warehouse”, Computers & OperationsResearch, vol. 39, no. 11, pp. 2549-2563, 2012.
C. Ban et al., “Design of an Inventory ManagementSystem for Refrigerated Warehouses on MobileEnvironments”, in Future Information CommunicationTechnology and Applications, 1st ed., H. Jung, J. Kim, T.Sahama and C. Yang (eds). Amsterdam, Netherlands:Springer, 2013, pp. 773-782.
B. Menéndez, E. Pardo, A. Duarte, A. Ayuso and E.Molina, “General Variable Neighborhood Searchapplied to the picking process in a warehouse”,Electronic Notes in Discrete Mathematics, vol. 47, pp.77-84, 2015.
O. Kulak, Y. Sahin and M. Taner, “Joint order batchingand picker routing in single and multiple-cross-aisle warehouses using cluster-based Tabu searchalgorithms”, Flexible Services and ManufacturingJournal, vol. 24, no. 1, pp. 52-80, 2012.
W. Lu, D. McFarlane, V. Giannikas and Q. Zhang, “Analgorithm for dynamic order-picking in warehouseoperations”, European Journal of Operational Research,vol. 248, no. 1, pp. 107-122, 2016.
J. Pan, P. Shih and M. Wu, “Order batching in a pick-and-pass warehousing system with group geneticalgorithm”, Omega, vol. 57, pp. 238-248, 2015.
A. Bonassa and C. Cunha, “The order-picking routingproblem for low-level order picker in a warehouse”,Gestão & Produção, vol. 18, no. 1, pp. 105-118, 2011.
F. Chen, H. Wang, Y. Xie and C. Qi, “An ACO-basedonline routing method for multiple order pickers withcongestion consideration in warehouse”, Journal ofIntelligent Manufacturing, vol. 27, no. 2, pp. 389-408,2014.
S. Henn and G. Wäscher, “Tabu search heuristics forthe order batching problem in manual order pickingsystems”, European Journal of Operational Research,vol. 222, no. 3, pp. 484-494, 2012.
L. Liu, X. Gao and Q. Song, “Research of VRP Model withSemi-soft Time Window Constraints”, Open Cybernetics& Systemics Journal, vol. 9, pp. 1083-1087, 2015.
B. Yang et al., “Routing with time-windows for multipleenvironmental vehicle types”, Computers & IndustrialEngineering, vol. 89, pp. 150-161, 2015.
M. Lin, K. Chin, K. Tsui and T. Wong, “Genetic baseddiscrete particle swarm optimization for Elderly DayCare Center timetabling”, Computers & OperationsResearch, vol. 65, pp. 125-138, 2016.
J. Kennedy and R. Eberhart, “A discrete binary versionof the particle swarm algorithm”, in InternationalConference on Systems, Man, and Cybernetics,Computational Cybernetics and Simulation, Orlando,USA, 1997, pp. 4104-4108.
V. Kachitvichyanukul, P. Sombuntham and S.Kunnapapdeelert, “Two solution representationsfor solving multi-depot vehicle routing problem withmultiple pickup and delivery requests via PSO”,Computers & Industrial Engineering, vol. 89, pp. 125-136, 2015.
S. Talukder, “Mathematical modelling and applicationsof particle swarm optimization”, M.S. thesis, BlekingeInstitute of Technology, Karlskrona, Sweden, 2011.
T. Vidal, T. Crainic, M. Gendreau and C. Prins, “A hybridgenetic algorithm with adaptive diversity managementfor a large class of vehicle routing problems with time-windows”, Computers & Operations Research, vol. 40,no. 1, pp. 475-489, 2013.
A. Mohtashami, “A novel dynamic genetic algorithm-based method for vehicle scheduling in cross dockingsystems with frequent unloading operation”, Computers& Industrial Engineering, vol. 90, pp. 221-240, 2015.
J. Pan, P. Shih, M. Wu and J. Lin, “A storage assignmentheuristic method based on genetic algorithm for a pick-and-pass warehousing system”, Computers & IndustrialEngineering, vol. 81, pp. 1-13, 2015.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2016 Revista Facultad de Ingeniería Universidad de Antioquia
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Los artículos disponibles en la Revista Facultad de Ingeniería, Universidad de Antioquia están bajo la licencia Creative Commons Attribution BY-NC-SA 4.0.
Eres libre de:
Compartir — copiar y redistribuir el material en cualquier medio o formato
Adaptar : remezclar, transformar y construir sobre el material.
Bajo los siguientes términos:
Reconocimiento : debe otorgar el crédito correspondiente , proporcionar un enlace a la licencia e indicar si se realizaron cambios . Puede hacerlo de cualquier manera razonable, pero no de ninguna manera que sugiera que el licenciante lo respalda a usted o su uso.
No comercial : no puede utilizar el material con fines comerciales .
Compartir igual : si remezcla, transforma o construye a partir del material, debe distribuir sus contribuciones bajo la misma licencia que el original.
El material publicado por la revista puede ser distribuido, copiado y exhibido por terceros si se dan los respectivos créditos a la revista, sin ningún costo. No se puede obtener ningún beneficio comercial y las obras derivadas tienen que estar bajo los mismos términos de licencia que el trabajo original.
Twitter