Dortmunder Gespräche 2008

Antizipative Kommissionierstrategien für Artikel mit schwankenden Zugriffszahlen

Matthias BöhmerFachhochschule Münster

Iwo V. RihaSiemens AG

1) Einführung

2) Simulationsmodell und Optimierung

3) Prototypische Software

4) Fazit

1) Einführung



4) Fazit

• Zusammenstellen von Teilmengen von Artikeln gemäß des Auftrags eines Kunden

• Fortbewegen, Entnahme und Abgabe

• Ware-zu-Mann und Mann-zu-Ware

• Kommissionierung schwierigste Aufgabe in der innerbetrieblichen Logistik

• arbeitsintensiv und kostspielig

Kommissionierung

4Antizipative Kommissionierstrategien für Artikel mit schwankenden Zugriffszahlen

Aufwände in der Kommissionierung


• Pick aus Kommissionierbereich günstiger

• Reservebereich primär für Nachschub

Reserve- und Kommissionierbereich


Welche Artikel sind imKommissionierbereich

zu lagern?

• Partitionierung

• bisherige Ansätze statisch◦ Equal Space Allocation

◦ Equal Time Allocation

• Realität ist nicht statisch

• weiteres Optimierungspotential

• weitere Kostensenkung möglich

Motivation


Wann lohnt sich eine Umlagerung?

• antizipative Kommissionierstrategie:Wann muss welche Menge von Artikeln wo sein?

• Berücksichtigung schwankender Zugriffszahlen

• Anpassung der Strategie für reale Lagerlayouts

• Implementierung für praktische Anwendung

• mitlaufende Optimierung im Hintergrund

Zielstellung


1) Einführung



4) Fazit

Analyse der realen Prozesse


Materialflüsse der Prozesse

Antizipative Kommissionierstrategien für Artikel mit schwankenden Zugriffszahlen 13

• Kosten für Pick aus Kommissionierzone:

• Kosten für Pick aus Reservezone:

• Kosten für Beschickung:

• Kosten für Bereitstellung:

• Kosten für Rückstellung:

Modellierung der Prozesse


Modellierung der Zeit


• Prognose der Zugriffszahlen im nächsten Intervall

• Nachschub erfolgt nur, wenn er sinnvoll ist

Prognose für optimierten Nachschub


• Zugriffszahlen der nächsten Periode prognostizieren

• Partitionierung basiert auf Mittelwert der Periode

Prognose für Partitionierung


Berechnung einer Partitionierung


• bei bekannten Zugriffszahlen

• Durchflussrate:

• Entscheidungsvariable:

• optimales Volumen:

• Optimierungsproblem:

• O(2n), aber durch Heuristik lösbar

Vgl. J. Bartholdi, S. Hackman (2008): Warehouse & Distribution Science, http://www.warehouse-science.com

• bestimmt dynamische Partitionierung der Kommissionierzone

• bestimmt Umlagerzeitpunkte

• minimiert Kommissionierkostendurch Lagerort der Artikel

• vorausschauend

Kern der entwickelten Strategie


Zeitlicher Ablauf der Strategie


• Länge der Perioden (Planungshorizont)

• Prognoseverfahren

◦ Mittelwert

◦ Exponentielle Glättung 1. Ordnung

◦ Exponentielle Glättung 2. Ordnung

• Anzahl der Intervalle für Prognosen (Länge der Vergangenheit)

Parametrisierung der Strategie


• Lösung durch vollständige Enumeration oder Heuristik

• arbeitet auf realen Zugriffszahlen

• liefert optimale Strategie für reales Szenario

Simulationsbasierte Optimierung


1) Einführung



4) Fazit

Anlegen einer Probleminstanz


Lösen einer Probleminstanz


Test: konstante Zugriffszahlen


• optimale Strategie bei maximaler Periodenlänge

• Länge der Vergangenheit hat keine Auswirkung

• Wahl des Prognoseverfahrens irrelevant

Test: Zugriffszahlen mit linearem Trend


• optimale Periodenlänge: 25 Intervalle

• Vergangenheit hat keine großen Auswirkungen

• Prognoseverfahren exp. Glättung zweiter Ordnung

Test: reale Zugriffszahlen auf 25000 Artikel


• optimale Periodenlänge: 78 Intervalle (max. 255)

• optimale Vergangenheit zwischen 66 und 123 Intervallen

• exp. Glättung zweiter Ordnung mit geringer Glättung

1) Einführung



4) Fazit

• vorausschauende Strategie

• Verfahren zur Optimierung für konkrete Probleminstanzen (simulationsbasiert)

• prototypische Implementierung zur praktischen Anwendung und Test des Verfahrens

• Reorganisation zur Kostenoptimierung ohne „Ressourcenverbrauch“ im Hintergrund möglich

Ergebnisse


• Erweiterungen des Prototypen zu einem vollwertigen Planungstool

• Anbindung an Lagerverwaltungssysteme

• Verfeinerungen des Modells

• Einbezug weiterer Prognoseverfahren

Ausblick


Vielen Dank für Ihre Aufmerksamkeit!Matthias BöhmerFachhochschule MünsterLabor für Software [email protected]

Iwo V. RihaSiemens AGEnergy Sector Fossil Power Generation [email protected]

Documents

Dortmunder Gespräche 2008