Warehouse Zoning for Partially Automated Warehouses

Abstract

Automatisering av varelagre og logistikksentre blir mer og mer vanlig med store internasjonale aktører som investerer tungt i utvikling av ny teknologi. Imidlertid fører ny teknologi også med seg nye utfordringer som må løses. Dette forskningsprosjektet har blitt gjennomført i samarbeid med to case-selskaper med mål om å utvikle en metode for å plassere varer i to soner på varelagre, en for mennesker og en for roboter. Både en litteraturstudie og en case-studie ble gjennomført før metoden ble utviklet.

Gjennom litteraturstudiet ble delvis automatisering av varelagre, lagersoning og dagligvarelagre undersøkt. Faktorer i inndeling av soner spesifikke til både roboter og dagligvareprodukter ble funnet. Fra litteraturstudiet kom det også frem at forskningen på metoder for å fordele produkter i soner hvor ordreplukkerne har forskjellige egenskaper, som hos mennesker og roboter, er svært begrenset. Dette tydeliggjør viktigheten av utviklingen av metoden for å fordele varer i lagersoner.

Case-studiet ble delt inn i to deler. Den første undersøker dagligvarelageret involvert i prosjektet basert på prosesser i lageret fra litteraturstudiet. Case-lageret er i stor grad et typisk dagligvarelager hvor de vanligste beslutningene for dagligvarelagre er tatt når det kommer til plassering av varer og vareplukk. Robot selskapet fra case-studiet utvikler en autonom robot som plukker varer fra lagerhyllene på samme måte som ordreplukkere.

For å utvikle metoden for å fordele varer i lagersoner ble en evolusjonær algoritme som optimaliserer flere objektivfunksjon brukt. Objektivfunksjonene ble utviklet basert på funn fra case- og litteraturstudiet. Den første objektivfunksjonen maksimerer gjennomsnittsvekten på varer plukket av robotene for å redusere arbeidslast og risiko for skade på ordreplukkere. Den andre objektivfunksjonen maksimerer likheten på varekategorier i hver av sonene. Dette blir gjort fordi case-lageret og andre dagligvarelagre følger samme planløsning på hvor varer blir plassert som butikkene de leverer til.

Metoden har blitt testet med produktinformasjon og etterspørselsdata fra case-lageret for å lage Pareto-optimale sett med løsninger. Til slutt vil det være opp til en lagersjef å evaluere løsningene i det Pareto-optimale settet og velge soneinndelingen som brukes i lageret.

Hovedbidraget til dette forskningsprosjektet er utviklingen av en metode for å dele varelagre inn i soner som tar hensyn til egenskapene til ordreplukkere i lageret. Denne metoden kan bli brukt til å trygt og effektivt bruke roboter i dagligvarelagre og redusere risikoen for skader på ordreplukkere. Imidlertid er en begrensning med forskningsprosjektet at kostnadene knyttet til skader forårsaket av tunge løft samt de totale kostnadene i verdikjeden ikke er beregnet direkte når forskjellige soneinndelinger blir laget. Fremtidig forskning burde fokusere på å inkludere dette.

Warehouse automation is becoming increasingly common with global actors investing heavily in the development of new technology. However, with new technology, there are also new challenges that must be addressed. This research project has been conducted in collaboration with two case companies with the purpose of developing a method for assigning products to two picking zones, one for robots and one for human order pickers. Both a literature study and a case study was conducted before the development of the zone assignment method.

Through the literature study, partially automated warehouses, warehouse zoning, and grocery warehouses were investigated. Factors in zoning specific to both robots and grocery products and warehouses were found. From the literature study, it was also found that research on zone assignment methods that considers order pickers with different capabilities, such as robots and humans, is limited. This proves the importance of developing the zone assignment method.

The case study was split into two parts. Firstly, the case grocery warehouse was investigated based on the warehouse processes discussed in the literature study. The findings from studying the grocery warehouse indicate it is a typical grocery warehouse where the same decisions on storage assignment policy and order picking have been made as in most grocery warehouses. The case robotics company is developing an autonomous robot, which does picker-to-parts order picking from existing warehouses.

A multi-objective evolutionary algorithm was used to develop a zone assignment method, which optimizes two objectives found from the case and literature studies. The first objective is to maximize the average weight of items picked by the robots. This is to reduce the stress and injuries on order pickers. The second objective is to maximize the similarity of the product categories within each zone. The reason behind selecting this is the dedicated storage policy applied by grocery warehouses where products are assigned to locations in the warehouse based on the location of the products within the stores supplied by the warehouse.

The method was tested with product information and demand data from the case warehouse to create Pareto fronts containing non-dominated solutions. Solutions which are not better than any of the others in both of the objective functions. In the end, a warehouse manager to evaluate the solutions in the Pareto front and decide on zone assignment to use in the warehouse.

The main contribution of the research project is the development of a zone assignment method that incorporates picker capabilities. This method can be used to deploy robots efficiently and safely in grocery warehouses and reducing the risk of injury to order pickers. However, a limitation of the research project is that the costs of ergonomics and injuries caused by heavy lifting as well as the total supply chain costs of the different zone assignments are not calculated directly. Future research should focus on incorporating this.