2.5 Allocazione dinamica o caotica
Nell’Industria 4.0, molte aziende considerano l’allocazione statica dei prodotti (chiamata anche Static Slotting) una pratica inefficiente; infatti, la nuova tendenza è l’applicazione del “Dynamic Slotting” (allocazione dinamica) (Papcun et al., 2019). Lo stoccaggio dinamico o caotico prevede che un articolo possa essere immagazzinato in qualsiasi posizione vuota del magazzino valutando lo spazio adeguato per ciascun articolo. Amazon adotta una strategia di stoccaggio casuale come strategia di stoccaggio dei prodotti (Amazon, 2019), che immagazzina qualsiasi prodotto in un contenitore vuoto. Il software mantiene un registro delle posizioni dei prodotti e un veicolo a guida automatizzata (AGV) viene guidato a recuperare il prodotto seguendo un percorso di prelievo ottimizzato. Sebbene questa strategia richieda meno spazio di archiviazione, per essere efficace fa molto affidamento su un solido sistema di tracciabilità del prodotto. Un magazzino “caotico” massimizza la capacità effettiva di stoccaggio, avvicinandola alla capacità fisica del magazzino (può superare anche il 92 per cento di quest’ultima). L’assegnazione flessibile delle ubicazioni riduce il rischio di saturazione in alcune aree e fa un uso più efficiente dello spazio libero. In questo caso, il WMS gioca un ruolo essenziale, dicendo all’operatore esattamente cosa prelevare da ogni scaffale, e le tecnologie avanzate o la localizzazione RDIF sono importanti per conoscere il posizionamento di ciascun prodotto (Mecalux, 2019).
Attraverso un caso di studio reale, Li et al. affrontare l’allocazione dinamica dei prodotti in base all’affinità del prodotto e al criterio ABC (Li et al., 2016). In questo scenario, l’allocazione dei prodotti dipende dall’affinità con i prodotti già assegnati all’interno di ciascuna riga. Gli autori utilizzano un algoritmo genetico in cui i dati dell’ordine del cliente vengono utilizzati come input. Le regole di associazione dei prodotti vengono estrapolate dagli ordini in cui i prodotti vengono spesso ordinati insieme. Il GA viene quindi applicato per ottenere la soluzione ottimale, che coinvolge l’inizializzazione, la valutazione della forma fisica e la riproduzione. Quintanilla et al. affrontare il problema dell’assegnazione delle ubicazioni in un sistema di magazzino caotico con stoccaggio dinamico, dove le unità da immagazzinare sono pallet e le operazioni di stoccaggio/prelievo vengono eseguite con carrelli elevatori (Quintanilla et al., 2015). Gli autori hanno proposto tre algoritmi euristici per la risoluzione: il primo costruisce una soluzione iniziale e poi applica una ricerca locale; il secondo segue la metodologia iterata greedy, che appartiene alla classe dei metodi di ricerca locale stocastica; e il terzo è un algoritmo basato sulla popolazione basato sulla ricerca iterata. Gli algoritmi sono stati codificati in C e i test sono stati eseguiti su un personal computer Pentium 4, 3,19 GHz. I risultati sui dati reali ottenuti da un magazzino reale mostrano che gli algoritmi proposti migliorano significativamente le soluzioni implementate in quel magazzino. Il miglioramento ottenuto nei cinque giorni con dati reali di magazzino ha superato in tutti i casi il 40%. Foroughi et al. confrontare due politiche di allocazione dei prodotti: allocazione dinamica (o caotica) e allocazione basata su regole di priorità (Foroughi et al., 2021)
Per valutare la qualità di una determinata posizione, gli autori risolvono il problema del routing del picker su uno dei due insiemi di ordini. Il primo è chiamato insieme di ordini storici, il che significa che sono stati effettuati gli ordini utilizzati per determinare l’ubicazione dei prodotti. L’altro insieme di ordini è un insieme di direttive anticipate per risolvere il problema del picker routing, che viene generato casualmente secondo una distribuzione statistica. Gli autori definiscono un modello di programmazione intera mista (MIP) utilizzando un risolutore predefinito (CPLEX 12.6), che risolve in modo ottimale il problema congiunto della localizzazione del prodotto e del percorso dei raccoglitori. Confrontando la regola di priorità e la politica di stoccaggio caotico, la politica di localizzazione del prodotto basata sulla regola di priorità produce il tempo di prelievo più breve rispetto allo stoccaggio caotico.