Effektivisering av plukkoperasjoner på TINE Meieriet Tunga ved hjelp av diskret hendelsessimulering

Abstract

TINE SA er Norges største leverandør av meieriprodukter, og består av 31 meierier. Et av disse er TINE Meieriet Tunga. Meieriet driver med produksjon og distribusjon av meieriprodukter i hele Trondheimsområdet. Denne oppgaven ser på distribusjonsdelen av meieriet, nærmere bestemt den manuelle plukkoperasjonen på 1. plan.

Utfordringen meieriet står ovenfor er den store transportdistansen operatørene beveger seg under plukkoperasjonen. Lageret er satt opp slik at operatørene ofte må bevege seg gjennom hele lageret på langs for å fullføre en ordre. En operatør beveger seg opptil 15km per dag, og enkelte pakker veier over 10kg. Det plukkes i gjennomsnitt ca. 10 000 rullecontainere per uke, hver på opptil 200kg. Det er også en utfordring at meieriet har begrensede muligheter for utbygging for å gi plass til nye innovative løsninger. Prosjektgruppen så derfor på mulighetene for å endre på plukklokasjonene slik at flere ordrer kan fullføres med mindre transport. Data knyttet til plukkoperasjonen ble analysert og strukturert i en ABC-klassifisering basert på en Pareto analyse. Ut fra klassifiseringen ble alle plukklokasjonene endret basert på hyppighet, og tre forskjellige løsninger ble etablert. Først ble løsningene modellert og studert i Excel. For å underbygge de grunnleggende resultatene fra Excel ytterligere ble det gjennomført to nye analyser. En av dem var å utføre intervjurunder med de ansatte. Den andre, som utgjorde hovedanalysen i bacheloroppgaven, var både å modellere og simulere løsningene i 3D-simuleringsverktøyet FlexSim.

Løsning 1 forkorter transportdistansen med 5,5% sammenlignet med dagens løsning. Endringene i løsning 1 er ikke veldig omfattende og kan derfor lett implementeres. Løsning 2 forkorter transportdistansen med 4,9%, men innebærer store endringer i forhold til dagens løsning. Her benyttes hittil ubrukt område som plukklokasjon, og lageret settes opp slavisk etter prinsippet «warehouse slotting». Løsning 3 tar med seg det som fungerte i løsning 1 og løsning 2 og setter opp plukklokasjonene på en måte som leder til en reduksjon av transportdistanse på 6,7%. Tallene fra den kvantitative analysen er basert på historisk data, og må testes i praksis for å tallfeste faktisk forbedring.

TINE SA is Norway's largest supplier of dairy products and consists of 31 dairies. One of these is TINE Meieriet Tunga which produces and distributes dairy products throughout the Trondheim area. This thesis focuses on the distribution part of the dairy, more specifically, the manual order picking operations on the 1st floor.

The dairy's challenge is the significant transport distance the operators move during picking operations. Due to the inconvenient layout, operators often have to move through the entire warehouse lengthwise to complete an order. As a result, operators move up to 15km per day, transporting approximately 10 000 containers per week, each up to 200kg. Another challenge is that the dairy has limited opportunities to expand the warehouse, leaving little room for making innovative solutions. Therefore, the project group sought to change the picking locations to complete more orders with less transport. Data related to the picking operations were analysed and structured in an ABC classification based on a Pareto analysis. Three different solutions were established using the structured classification based on order frequency. First, the solutions were modelled and studied in Excel. Then, two new analyses were performed to further substantiate the fundamental results from Excel. One of them was to conduct interviews with the employees. The second, which was the primary analysis in the bachelor thesis, was to model and simulate the established solutions in the 3D simulation tool, FlexSim.

Solution 1 reduces the transport distance by 5.5% compared to the current solution. The changes in solution 1 are not very comprehensive and can therefore easily be implemented. Solution 2 shortens the transport distance by 4.9% but involves significant changes compared to the current solution. Solution 3 incorporate the advantages of both solution 1 and 2 and results in a reduction in transport distance of 6.7%. The figures from the quantitative analysis are based on historical data and must be tested in practice to quantify actual improvement.