3.2 Fase di prelievo
L’algoritmo di prelievo rimane coerente in entrambe le configurazioni, con la differenza che risiede nel posizionamento dei prodotti all’interno del magazzino.
In un magazzino a carosello verticale, il processo di picking inizia con la lettura dell’ordine. Questo passaggio prevede la scansione dei prodotti specificati nell’ordine e l’identificazione di tutti i vassoi richiesti. Successivamente controlla la presenza dei prodotti in questi vassoi e determina il vassoio ottimale attraverso una funzione di ottimizzazione.
La funzione di ottimizzazione analizza l’elenco dei vassoi in cui è attualmente disponibile il prodotto specifico. I vassoi disponibili sono ordinati in base a due criteri chiave:
• vassoio_ranking: ordina i vassoi in ordine decrescente in base al loro posizionamento nel vassoio (tray_ranking). In sostanza, i vassoi con il ranking più alto, che sono stati spesso selezionati in passato, sono posizionati in cima alla lista.
• vassoio_distance: nei casi di parità in classifica i vassoi vengono organizzati in base alla distanza tra il vassoio corrente (current_tray_force_low) e il vassoio in esame (x). Questa preferenza è progettata per selezionare il vassoio più vicino al vassoio corrente.
Una volta determinato il vassoio ottimale, si sposta verso il punto di raccolta, dove un operatore preleva i prodotti richiesti. Se il vassoio viene svuotato da tutti i prodotti, viene rimosso dall’elenco dei vassoi disponibili.
Un successivo controllo viene effettuato per verificare se tutti i prodotti specificati nell’ordine sono stati prelevati. Se devono essere raccolti ulteriori prodotti, la stessa logica di prelievo viene applicata in modo iterativo. Se invece tutti i prodotti dell’ordine sono stati prelevati con successo, il processo procede all’ordine successivo.
3.3 Analisi delle prestazioni
Per valutare l’efficacia e l’efficienza del modello proposto, è stato condotto un caso di studio utilizzando un set di dati generato casualmente utilizzando Python. La metrica delle prestazioni in esame è il tempo. Di conseguenza, per entrambe le soluzioni è stato calcolato il tempo necessario per l’allocazione e il prelievo dei prodotti. Il tempo totale necessario per l’allocazione o il prelievo di ciascun prodotto è la somma del tempo necessario per spostarsi tra due vassoi, del tempo per estrarre il vassoio (andata), del tempo per reinserire il vassoio (ritorno) e del tempo del cobot.
Il calcolo del tempo è espresso nell’equazione (1).
tempo_totale = tempo_spostato_tra_vassoi + tempo_andata + tempo_ritorno + tempo_cobot (1)
Dove
cobot_time= (num_prodotti) * T
time_moved_between_trays = abs(tray_index – vassoio_index_previous) * T
se abs(tray_index – vassoio_index_previous) > 0:
tempo_di andata = T
altro:
tempo_in uscita = 0
tempo_andata = tempo_ritorno
Cobot_time si riferisce al tempo necessario per l’allocazione o il prelievo di un prodotto, che può essere effettuato da un cobot o manualmente da un operatore. Nel caso di studio condotto, T è stato impostato su 5 secondi. Gli algoritmi sono stati iterati 10 volte. Questa ripetizione è legata alla natura dei dati di input. Quando si tratta di un set di dati generato casualmente, i risultati possono mostrare variazioni tra esecuzioni diverse a causa della natura stocastica intrinseca del set di dati. Per una valutazione più precisa delle prestazioni degli algoritmi e per ridurre l’influenza della natura stocastica dei dati di input, si consiglia di eseguire gli algoritmi più volte. Ciò consente di calcolare una media dai risultati ottenuti in diverse esecuzioni, fornendo una stima più affidabile delle prestazioni degli algoritmi. I risultati ottenuti dopo le 10 iterazioni delle due soluzioni sono presentati nella Tabella 1, che permette un confronto tra i tempi di allocazione e di prelievo delle due soluzioni.
Nel caso della soluzione ottimizzata il tempo di allocazione è leggermente più lungo di quello della soluzione casuale, ma la differenza non è significativa. Al contrario, il tempo di prelievo ottimizzato è significativamente più breve del tempo di prelievo casuale. La soluzione ottimizzata comporta costantemente un tempo complessivo inferiore, che è la somma dei tempi di allocazione e prelievo, rispetto alla soluzione casuale. Pertanto, la soluzione ottimizzata comporta un miglioramento medio dell’efficienza del 10,76% rispetto alla soluzione di allocazione casuale.
CONCLUSIONI
Il tempo di viaggio rappresenta una parte sostanziale del tempo richiesto per le operazioni di prelievo degli ordini e la sua riduzione apporta evidenti vantaggi ai costi delle operazioni di magazzino e ai tempi di evasione degli ordini.
La ricerca e l’analisi condotte durante questo studio hanno contribuito a una comprensione completa dell’importanza dell’allocazione ottimale dei prodotti all’interno dei magazzini a carosello verticale, in particolare nei contesti Dark Stores. L’adozione di strategie avanzate di allocazione dei prodotti può migliorare significativamente l’efficienza operativa, aiutando a ottimizzare i tempi di prelievo e a massimizzare la soddisfazione del cliente. Questo studio propone due strategie di allocazione dei prodotti in un magazzino a carosello verticale. Basandosi sulle correlazioni tra i prodotti, la strategia di allocazione ottimizzata ha ridotto significativamente i tempi di prelievo rispetto alla strategia di allocazione casuale. Questi risultati indicano che considerare le relazioni tra i prodotti e ottimizzare la disposizione dei prodotti all’interno del magazzino può migliorare significativamente l’efficienza del processo di picking. Ciò può essere particolarmente importante quando i tempi di prelievo influiscono direttamente sulla soddisfazione del cliente e sull’efficienza operativa complessiva. La ricerca futura potrebbe esplorare approcci più avanzati per ottimizzare il layout del prodotto e considerare ulteriori fattori che influenzano il processo di prelievo.