2.2 Ottimizzazione mediante la distanza di prelievo
La distanza e il percorso per il prelievo dei prodotti hanno un impatto elevato sui costi totali di prelievo, quindi Muppani e Adil hanno proposto un algoritmo di ricottura simulata per risolvere un modello di pianificazione per la formazione delle classi e l'allocazione di stoccaggio considerando tutte le possibili allocazioni di prodotti, spazio e costi di prelievo (Muppani e Adil, 2008).
Il modello testato su set di dati generati casualmente riporta risultati migliori rispetto all'algoritmo di programmazione dinamica. In modo simile, Kulturel-Konak et al. propone un altro approccio per la formazione delle classi e il problema dell'allocazione dello stoccaggio (Kulturel-Konak et al., 2008). Il problema è formulato come un problema di programmazione non lineare intera mista (MINLP) e risolto con l'algoritmo di ricottura simulata.
Xiao e Zheng propongono un modello per l'ottimizzazione degli spazi di stoccaggio considerando le distanze di viaggio del picker, la correlazione degli ordini e le restrizioni di capacità (Xiao e Zheng, 2022). Gli autori hanno sviluppato un algoritmo genetico per risolvere il modello proposto.
L'analisi delle distanze di prelievo è fondamentale per la progettazione di un dark store efficiente, poiché incide direttamente sui tempi di evasione degli ordini e quindi sulla soddisfazione del cliente finale.