The joint order batching and picking routing problem : algorithms and new formulation
Autor(a) principal: | |
---|---|
Data de Publicação: | 2022 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da UFRGS |
Texto Completo: | http://hdl.handle.net/10183/248315 |
Resumo: | Administrar grandes depósitos e armazéns de forma eficiente não é uma tarefa fácil. A quantia de variáveis e processos envolvidos desde o momento em que o consumidor realiza a compra de um único produto, até o seu recebimento, é bastante considerável. Dentro deste contexto, existem dois principais problemas envolvendo processos em armazéns: o problema de coleta de pedidos (OPP) e o problema de loteamento de pedidos (OBP). O OPP tem por objetivo minimizar a distância viajada por um funcionário enquanto ele faz a coleta de uma lista de produtos (pedidos). O OBP busca agrupar pedidos em lotes, que possuem um determinado limite de capacidade, de forma que a soma das distâncias via jadas durante a coleta dos produtos de todos os lotes seja minimizada. Quando estes dois problemas são abordados de forma conjunta, a estratégia é conhecida como problema de loteamento e coleta simultânea de pedidos (JOBPRP). Este trabalho propõe uma nova formulação matemática para o JOBPRP e apresenta novas soluções algorítmicas para tal problema: uma heurística baseada em dois níveis de programação dinâmica e um algo ritmo genético de agrupamento com controle de transmissão de genes. Para avaliar nossas propostas, executamos experimentos computacionais com conjuntos de dados fornecidos pela literatura. O modelo matemático foi utilizado em um software solucionador de pro gramas inteiros-mistos (Gurobi), onde se realizaram testes com pequenas instâncias para aferir a qualidade das soluções da nossa abordagem metaheurística. Nossos resultados computacionais evidenciaram alta estabilidade para todas as instâncias testadas e meno res valores objetivo que os reportados previamente na literatura, mantendo um tempo de execução razoável. |
id |
URGS_53e8a478ff26d0a3395aaa06231bfe6c |
---|---|
oai_identifier_str |
oai:www.lume.ufrgs.br:10183/248315 |
network_acronym_str |
URGS |
network_name_str |
Biblioteca Digital de Teses e Dissertações da UFRGS |
repository_id_str |
1853 |
spelling |
Lorenci, Felipe FurtadoRavelo, Santiago Valdes2022-08-31T04:55:46Z2022http://hdl.handle.net/10183/248315001148738Administrar grandes depósitos e armazéns de forma eficiente não é uma tarefa fácil. A quantia de variáveis e processos envolvidos desde o momento em que o consumidor realiza a compra de um único produto, até o seu recebimento, é bastante considerável. Dentro deste contexto, existem dois principais problemas envolvendo processos em armazéns: o problema de coleta de pedidos (OPP) e o problema de loteamento de pedidos (OBP). O OPP tem por objetivo minimizar a distância viajada por um funcionário enquanto ele faz a coleta de uma lista de produtos (pedidos). O OBP busca agrupar pedidos em lotes, que possuem um determinado limite de capacidade, de forma que a soma das distâncias via jadas durante a coleta dos produtos de todos os lotes seja minimizada. Quando estes dois problemas são abordados de forma conjunta, a estratégia é conhecida como problema de loteamento e coleta simultânea de pedidos (JOBPRP). Este trabalho propõe uma nova formulação matemática para o JOBPRP e apresenta novas soluções algorítmicas para tal problema: uma heurística baseada em dois níveis de programação dinâmica e um algo ritmo genético de agrupamento com controle de transmissão de genes. Para avaliar nossas propostas, executamos experimentos computacionais com conjuntos de dados fornecidos pela literatura. O modelo matemático foi utilizado em um software solucionador de pro gramas inteiros-mistos (Gurobi), onde se realizaram testes com pequenas instâncias para aferir a qualidade das soluções da nossa abordagem metaheurística. Nossos resultados computacionais evidenciaram alta estabilidade para todas as instâncias testadas e meno res valores objetivo que os reportados previamente na literatura, mantendo um tempo de execução razoável.Efficiently managing large deposits and warehouses is not an easy task. The amount of variables and processes involved from the moment a consumer purchases a single product until its receipt is quite considerable. There are two major problems involving warehouses processes: the order picking problem (OPP) and the order batching problem (OBP). The OPP aims to minimize the distance traveled by a picker while collecting a set of products (orders). The OBP seeks to assign orders to batches with a capacity limit to minimize the sum of distances traveled during the retrieving of products from all batches. When these two problems are approached together, they become the Joint Order Batching and Picking Routing Problem (JOBPRP). This work proposes a novel formulation for JOBPRP and develops a dynamic programming based heuristic, and a grouping genetic algorithm with controlled gene transmission to JOBPRP. To assess our proposals, we executed compu tational experiments over literature datasets. The mathematical model was used within a mixed-integer programming solver (Gurobi) and tested on the smaller instances to evalu ate the quality of the solutions of our metaheuristic approach. Our computational results evidence high stability for all tested instances and much lower objective value than the previously reported in the literature while maintaining a reasonable computational time.application/pdfporMetaheuristicasAlgoritmosModelo matemáticoArmazénsGenetic algorithmOrder batching problemOrder picking problemWarehousesThe joint order batching and picking routing problem : algorithms and new formulationinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisUniversidade Federal do Rio Grande do SulInstituto de InformáticaPrograma de Pós-Graduação em ComputaçãoPorto Alegre, BR-RS2022mestradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT001148738.pdf.txt001148738.pdf.txtExtracted Texttext/plain114663http://www.lume.ufrgs.br/bitstream/10183/248315/2/001148738.pdf.txt532b62d97dcf5204e2be181683bf6fd2MD52ORIGINAL001148738.pdfTexto completo (inglês)application/pdf3542247http://www.lume.ufrgs.br/bitstream/10183/248315/1/001148738.pdf561dff946b92a6ab0ef0b98c5716a035MD5110183/2483152022-09-01 04:58:55.816649oai:www.lume.ufrgs.br:10183/248315Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532022-09-01T07:58:55Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false |
dc.title.pt_BR.fl_str_mv |
The joint order batching and picking routing problem : algorithms and new formulation |
title |
The joint order batching and picking routing problem : algorithms and new formulation |
spellingShingle |
The joint order batching and picking routing problem : algorithms and new formulation Lorenci, Felipe Furtado Metaheuristicas Algoritmos Modelo matemático Armazéns Genetic algorithm Order batching problem Order picking problem Warehouses |
title_short |
The joint order batching and picking routing problem : algorithms and new formulation |
title_full |
The joint order batching and picking routing problem : algorithms and new formulation |
title_fullStr |
The joint order batching and picking routing problem : algorithms and new formulation |
title_full_unstemmed |
The joint order batching and picking routing problem : algorithms and new formulation |
title_sort |
The joint order batching and picking routing problem : algorithms and new formulation |
author |
Lorenci, Felipe Furtado |
author_facet |
Lorenci, Felipe Furtado |
author_role |
author |
dc.contributor.author.fl_str_mv |
Lorenci, Felipe Furtado |
dc.contributor.advisor1.fl_str_mv |
Ravelo, Santiago Valdes |
contributor_str_mv |
Ravelo, Santiago Valdes |
dc.subject.por.fl_str_mv |
Metaheuristicas Algoritmos Modelo matemático Armazéns |
topic |
Metaheuristicas Algoritmos Modelo matemático Armazéns Genetic algorithm Order batching problem Order picking problem Warehouses |
dc.subject.eng.fl_str_mv |
Genetic algorithm Order batching problem Order picking problem Warehouses |
description |
Administrar grandes depósitos e armazéns de forma eficiente não é uma tarefa fácil. A quantia de variáveis e processos envolvidos desde o momento em que o consumidor realiza a compra de um único produto, até o seu recebimento, é bastante considerável. Dentro deste contexto, existem dois principais problemas envolvendo processos em armazéns: o problema de coleta de pedidos (OPP) e o problema de loteamento de pedidos (OBP). O OPP tem por objetivo minimizar a distância viajada por um funcionário enquanto ele faz a coleta de uma lista de produtos (pedidos). O OBP busca agrupar pedidos em lotes, que possuem um determinado limite de capacidade, de forma que a soma das distâncias via jadas durante a coleta dos produtos de todos os lotes seja minimizada. Quando estes dois problemas são abordados de forma conjunta, a estratégia é conhecida como problema de loteamento e coleta simultânea de pedidos (JOBPRP). Este trabalho propõe uma nova formulação matemática para o JOBPRP e apresenta novas soluções algorítmicas para tal problema: uma heurística baseada em dois níveis de programação dinâmica e um algo ritmo genético de agrupamento com controle de transmissão de genes. Para avaliar nossas propostas, executamos experimentos computacionais com conjuntos de dados fornecidos pela literatura. O modelo matemático foi utilizado em um software solucionador de pro gramas inteiros-mistos (Gurobi), onde se realizaram testes com pequenas instâncias para aferir a qualidade das soluções da nossa abordagem metaheurística. Nossos resultados computacionais evidenciaram alta estabilidade para todas as instâncias testadas e meno res valores objetivo que os reportados previamente na literatura, mantendo um tempo de execução razoável. |
publishDate |
2022 |
dc.date.accessioned.fl_str_mv |
2022-08-31T04:55:46Z |
dc.date.issued.fl_str_mv |
2022 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10183/248315 |
dc.identifier.nrb.pt_BR.fl_str_mv |
001148738 |
url |
http://hdl.handle.net/10183/248315 |
identifier_str_mv |
001148738 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da UFRGS instname:Universidade Federal do Rio Grande do Sul (UFRGS) instacron:UFRGS |
instname_str |
Universidade Federal do Rio Grande do Sul (UFRGS) |
instacron_str |
UFRGS |
institution |
UFRGS |
reponame_str |
Biblioteca Digital de Teses e Dissertações da UFRGS |
collection |
Biblioteca Digital de Teses e Dissertações da UFRGS |
bitstream.url.fl_str_mv |
http://www.lume.ufrgs.br/bitstream/10183/248315/2/001148738.pdf.txt http://www.lume.ufrgs.br/bitstream/10183/248315/1/001148738.pdf |
bitstream.checksum.fl_str_mv |
532b62d97dcf5204e2be181683bf6fd2 561dff946b92a6ab0ef0b98c5716a035 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS) |
repository.mail.fl_str_mv |
lume@ufrgs.br||lume@ufrgs.br |
_version_ |
1810085594977533952 |