An investigation of the storage location assignment problem under dynamic conditions using simulation-based modeling
Description
Full text not available
Abstract
Mange små og mellomstore produksjonsbedrifter outsourcer sin logistiske virksomhet til tredjepartsbedrifter. Disse selskapene sliter ofte med å bli integrert i informasjonsflyten i forsyningskjeden. Lave integrasjonsgrad medfører utfordringer ettersom beslutningstaking må tas med begrenset kunnskap om andre aktørers planer. Variabel etterspørsel og uforutsigbar materialflyt skaper vanskeligheter for lagertjenesteleverandører.
Hovedmålet med denne studien var å utvikle en simuleringsmodell for å evaluere ytelsen til forksjellige fordelingsmetoder for lagerlokasjone under dynamiske forhold. Dynamiske forhold refererer til endringer i produktetterspørsel og produktmiks. Ytelsen måles av den totale reisetiden i ordreplukkingsprosessen. Å eliminere unødvendig reisetid reduseres driftskostnadene ved å begrense mengden manuelt arbeid som er nødvendig for å utføre lageroperasjoner.
Metodikken som brukes i prosjektet er en kombinasjon av en litteraturstudie og en casestudie av en tredjeparts logistikkleverandør av lagertjenester. Litteraturstudien undersøker tredjepartslogistikk, lageroperasjoner og hvordan best å tildele lagerlokasjoner til produkter. En dynamisk versjon av problemet undersøkes gjennom casestudien av en tredjeparts logistikkleverandør i en forsyningskjede for forbruksvarer.
Resultatene indikerer at regelmessige tilpasninger av produktklassifiseringer er fordelaktige for å tilpasse lagringsstrategien til varierende forhold. Interne transporttider på lageret kan reduseres ved å ha en effektiv lagringsstrategi som prioriterer å tildele populære produkter gunstige lagringssteder. Data som brukes til å utvikle en datadrevet modell for lagringsoppdrag, kan ekstraheres fra lagerdriftslogger og annen informasjon lagret av lagerstyringssystemet. Historisk plukkfrekvens er den vanligste måten å rangere produkter innen lagerdrift. Imidlertid brukes også ofte flere andre kriterier brukt.
Flere forutsetninger og forenklinger gjort under utvikling av modellen begrenser potensialet for å anvende funnene direkte i praksis, men øker resultatens generaliserbarhet. Studiens hovedbidrag er en klar indikasjon på hvordan en klassebasert lagringspolicy kan tilpasses for å håndtere etterspørselsvariasjoner. Many small-and-medium-sized production companies outsource their logistical operations to third-party companies. These companies often struggle to get integrated into the supply chain information flow. Low degrees of integration cause challenges as decision-making must be made with limited knowledge of other supply chain actors' plans. Variable demand and unpredictable material flow create difficulties for warehouse service providers.
The primary objective of this study was to develop a simulation model for evaluating the performance of storage location assignment policies under dynamic conditions. Dynamic conditions refer to changes in product demand and mix. Performance is measured by the travel time of the order picking process. Eliminating excess travel time cuts operational costs by reducing the amount of manual labor necessary to perform warehouse operations.
The methodology used in the project is a combination of a literature study and a case study of a third-party logistic provider of warehouse services. The literature study investigates third-party logistics, warehousing operations, and the storage location assignment problem. A dynamic version of the storage location assignment problem is researched through the case study of a third-party logistics provider in a fast-moving consumer goods supply chain.
The results indicate that frequent adaptations to product classifications are beneficial to adjust storage policies to changing conditions. Internal transportation times within the warehouse can be reduced by having an effective storage strategy prioritizing fast-moving products to favorable storage locations. Data used to develop a data-driven model for storage assignment can be mined from warehouse operation logs and other information stored by the warehouse management system. Historical pick frequency is the most common way to rank products in warehousing. However, several other measures are commonly used.
Several assumptions and simplifications of the model limit the potential for applying the findings directly in practice for the case study company but increase the results' generalizability. The study's main contribution is a clear indication of how a class-based storage policy can be adapted to handle demand variations.