Zur Seitenansicht
 

Titelaufnahme

Titel
Optimising the storage location assignment problem under dynamic conditions / eingereicht von: Monika Kofler
VerfasserKofler, Monika
Begutachter / BegutachterinAffenzeller, Michael ; Dörner, Karl
Erschienen2014
UmfangXV, 174 S. : Ill., graph. Darst.
HochschulschriftLinz, Univ., Diss., 2014
Anmerkung
Zsfassung in dt. Sprache
SpracheEnglisch
Bibl. ReferenzOeBB
DokumenttypDissertation
Schlagwörter (DE)dynamisches Lagerbelegungsproblem / Metaheuristik / Optimierung / Teileaffinität / Fitnesslandschaft / Robustheit
Schlagwörter (EN)dynamic storage location assignment problem / metaheuristic / optimisation / affinity based slotting / fitness landscape / robustness
Schlagwörter (GND)Lager / Kommissionierung / Optimierung / Dynamik
URNurn:nbn:at:at-ubl:1-2643 Persistent Identifier (URN)
Zugriffsbeschränkung
 Das Werk ist gemäß den "Hinweisen für BenützerInnen" verfügbar
Dateien
Optimising the storage location assignment problem under dynamic conditions [5.47 mb]
Links
Nachweis
Klassifikation
Zusammenfassung (Deutsch)

Diese Dissertation beschäftigt sich mit der Modellierung und Optimierung von dynamischen und integrierten Lagerbelegungsproblemen für die Automobil- und Stahlindustrie. Lagerbelegungen werden hinsichtlich zurückgelegter Wegstrecke oder -zeit evaluiert, die notwendig ist, um nachgelagerte Produktionsprozesse mit Material zu versorgen. Produkte, die gemeinsam in Kommissionieraufträgen vorkommen, bezeichnet man als affin. In Abschnitt i wird eine neue Maßzahl entwickelt, welche sowohl Entnahmehäufigkeit als auch Teileaffinität berücksichtigt. In Abschnitt ii wird ein generisches Modell für mehrperiodische Lagerbelegungsprobleme entwickelt, welches Einlagerungs-, Umlagerungs- und Kommissionierkosten berücksichtigt. Methodisch wird eine umfangreiche Lagerreorganisation mit einer kontinuierlichen Verbesserung durch eine kleine Anzahl an Umlagerungen verglichen. Probleme, die durch eine übermäßig gierige Selektion von Umlagerungen entstehen, konnten durch einen Wechsel zu einem robusten Selektionsmechanismus behoben werden. In Abschnitt iii wird ein integriertes Belegungs-, Reihenfolgeplanungs- und Transportproblem modelliert und sequentiell mittels Metaheuristiken und Simulation gelöst. Zum Abschluss wird ein Brammenlagermodell für die Stahllogistik modelliert, welches auch bei kleinen Probleminstanzen überraschend schwierig zu optimieren ist. Die Lösung lag im Einsatz von Fitness-Landschaftsanalyse und der Adaption von Optimierungsstrategien, welche bewusst neutrale Bereiche erkunden.

Die vorgestellten Optimierungsverfahren sind derzeit in einem Produktionslager im Einsatz.

Zusammenfassung (Englisch)

In this thesis, we model and optimise dynamic and integrated storage assignment problems based on real-world data from the automotive and steel industry. Order picking is the main bottleneck in both scenarios, therefore the quality of a warehouse assignment is evaluated via picker travel distance required to supply products to downstream processes. Affinity based slotting strategies place products that are frequently ordered together closer to each other. Part i of this thesis focuses on the formalisation of the novel Pick Frequency / Part Affinity score, which combines popularity and affinity measures. Part ii focuses on the development of a generic multi-period model of the storage location assignment problem. By considering storage, re-location, and picking efforts, the costs and benefits of extensive re-locations versus iteratively moving a small number of products per period are analysed.

Greedily selecting re-locations has a couple of disadvantages, which were mitigated by switching to a "robust" selection strategy. In Part iii, we model an integrated warehouse assignment, order scheduling, and in-house transport problem and solve it sequentially via metaheuristics and simulation. Finally, we model a slab yard assignment problem, which is unexpectedly difficult to solve to optimality. By incorporating strategies that explore neutral plateaus into the metaheuristics, we were able to find the global optimum for the benchmark. The developed algorithms have been successfully deployed in a real-world production warehouse.