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

• 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]

dortmunder gespräche 2008

Documents