Revista Sudafricana de Ingeniera Industrial

Machine Translated by Google
South African Journal of Industrial Engineering Jul 2022 Vol 33(2), pp 157167
AUMENTO DEL RENDIMIENTO DEL ALMACÉN MEDIANTE EL DESARROLLO DE UN SISTEMA DINÁMICO BASADO EN CLASES
ALGORITMO DE ASIGNACIÓN DE ALMACENAMIENTO
SE McInerney1 y VSS Yadavalli2*
INFORMACIÓN DEL ARTÍCULO ABSTRACTO
Detalles del artículo
Enviado por los autores 21 de octubre de 2021 Este estudio investiga los problemas que enfrenta un mayorista agrícola derivados de una
Aceptado para su publicación el 25 de abril de 2022 política ineficiente de asignación aleatoria de almacenamiento. Se realizaron investigaciones
Disponible en linea 29 de julio de 2022
sobre operaciones de almacén y políticas de almacenamiento. La técnica de clasificación ABC
se utilizó para crear una política de asignación de almacenamiento basada en clases. Luego,
Datos de contacto 
esta política se ingresó en un algoritmo que empaqueta los productos de acuerdo con la
Autor de correspondencia
sarma.yadavalli@up.ac.za frecuencia con la que se solicitan. El objetivo del algoritmo es almacenar productos de
movimiento rápido lo más cerca posible del área de envío. Si se hace esto, los tiempos de
Afiliaciones de autor preparación de pedidos se reducirían en un promedio de 3 horas y 20 minutos por día. Esto
1 Departamento de Industria y aumentaría el rendimiento y la rentabilidad del almacén.
Ingeniería de Sistemas, Universidad de
Pretoria, Sudáfrica
2 El autor estaba matriculado para obtener un título
de BEng en el Departamento de RESUMEN
Industriales y Sistemas
Ingeniería, Universidad de
Pretoria, Sudáfrica
Este estudio examina los problemas experimentados por un mayorista agrícola como resultado
de una política de almacenamiento basada en toeaks ineficiente. Se realizaron investigaciones
Identificadores ORCID®
SE McInerney sobre operaciones de almacén y políticas de almacenamiento. Se utilizó la técnica de
0000000242380094 clasificación ABC para configurar una política de almacenamiento basada en clases. Luego,
VSS Yadavalli
esta política se introdujo en un algoritmo que empaqueta los productos de acuerdo con la
0000000230358906 frecuencia con la que se solicitan los productos. El objetivo del algoritmo es almacenar los
productos de movimiento rápido más cerca del área de envío. Si lo hace, reducirá los tiempos
DOI de preparación de pedidos en un promedio de 3 horas y 20 minutos por día. Esto aumentará el
http://dx.doi.org//10.7166/3322651 rendimiento y la rentabilidad del almacén.
1. INTRODUCCIÓN
La preparación de pedidos es la recuperación de productos de sus ubicaciones de almacenamiento en el almacén para cumplir con los
pedidos de los clientes [1]. Es una de las operaciones de almacén más esenciales y costosas [2]. La ubicación de los productos dentro del
almacén afecta la distancia recorrida durante el proceso de selección de pedidos, así como el tiempo necesario para recoger los pedidos. La
distancia y el tiempo de viaje influyen en la eficiencia de la operación de preparación de pedidos.
Para disminuir los costos operativos y aumentar la cantidad de pedidos realizados por día, los productos deben almacenarse en las mejores
ubicaciones disponibles.
Este proyecto se llevó a cabo para FarmCorp SA (un nombre ficticio), un mayorista y distribuidor a gran escala de productos agrícolas en el
sur de África. FarmCorp SA opera un almacén en Centurion que almacena más de 14 000 productos diferentes, con un promedio de 190 000
productos individuales que circulan por el almacén diariamente. El almacén enfrenta un problema de asignación de ubicación de
almacenamiento (SLAP). Este problema se deriva de la política de asignación aleatoria de almacenamiento del almacén, que asigna productos
de rápido movimiento a estanterías más altas de las que se requiere una carretilla elevadora para recogerlos. Si cada pedido requiriera un
tiempo de selección adicional, se completarían menos pedidos por día y, como resultado, los clientes esperarían más tiempo para recibir sus
pedidos.
Estos factores contribuyen a que los tiempos de preparación de pedidos sean más prolongados y reducen el rendimiento del almacén. El
cumplimiento rápido de pedidos es un componente principal de la satisfacción del cliente; por lo tanto, los largos tiempos de preparación de
pedidos conducen a la insatisfacción del cliente. El objetivo de este proyecto era aumentar el rendimiento del almacén mediante el desarrollo
de un algoritmo dinámico de asignación de almacenamiento basado en clases que almacena productos de rápido movimiento en estantes
inferiores y más cerca del área de envío. Esto se puede lograr mediante la implementación de una política de almacenamiento basada en clases ABC.
157
2 PROBLEMA DE INVESTIGACIÓN
El almacén Centurion de FarmCorp SA experimenta varios problemas con su proceso de preparación de pedidos debido a su política de almacenamiento actual. Se
pierde tiempo cuando los recolectores (los empleados responsables de completar los pedidos) deben buscar productos almacenados al azar. Las existencias
almacenadas en estanterías de alto nivel requieren un montacargas para recuperarlas. Actualmente, el 39 por ciento de las existencias que se seleccionan con
frecuencia se encuentran en estanterías de alto nivel, lo que prolonga el tiempo que se tarda en seleccionar estos productos. Además, los productos de movimiento
rápido a menudo se almacenan lejos del área de envío, lo que aumenta la distancia recorrida por los recolectores.
El almacén está funcionando actualmente a un 62% por encima de su capacidad total. Como resultado, el exceso de productos se almacena en los caminos entre los
pasillos. Esto crea obstrucciones que limitan las rutas disponibles para que las utilicen los recolectores y los montacargas, lo que aumenta la distancia recorrida al
recoger pedidos.
Los productos similares a menudo se almacenan en diferentes lugares porque los contenedores adyacentes no están disponibles. Además, el sistema informático no
desvía a los recolectores a contenedores secundarios cuando el contenedor predeterminado está vacío. Esto lleva a que los recolectores informen incorrectamente que
los productos están agotados. Una política de almacenamiento que asigne productos a contenedores predeterminados y secundarios más cercanos daría como
resultado menos reabastecimientos innecesarios y demoras en los pedidos.
En la actualidad, se recogen una media de 4 900 transacciones al día. Se trata de 600 transacciones por debajo del valor objetivo de 5 500. Reducir el tiempo necesario
para seleccionar un pedido aumentaría la cantidad de transacciones seleccionadas por día. Este aumento tendría el potencial de cumplir o superar el objetivo.
3 REVISIÓN DE LA LITERATURA
Se investigaron las operaciones de almacenamiento y las posibles políticas de almacenamiento.
3.1 Operación de almacenamiento
'Almacenamiento' se refiere a las actividades relacionadas con el transporte del inventario entrante desde el área de descarga a ubicaciones de almacenamiento
específicas en el almacén y mantenerlo allí hasta que se requiera [3]. Las políticas de almacenamiento especifican la ubicación de los productos dentro del almacén [1].
Una política de almacenamiento eficaz tiene como objetivo:
1. Para minimizar el tiempo y la distancia recorrida durante el proceso de preparación de pedidos;
2. Para minimizar los costos de almacenamiento; y
3. Para aumentar la eficiencia del almacén [4].
En la literatura se describen cinco políticas principales de asignación de almacenamiento: aleatorio, más abierto, dedicado, rotación total y basado en clases.
3.2 Políticas de almacenamiento
Una política de almacenamiento aleatorio coloca el inventario entrante de manera arbitraria en cualquier contenedor de almacenamiento vacío. Tal política solo es
efectiva cuando está respaldada por un sistema basado en computadora. Las ubicaciones de los productos deben registrarse con precisión en un sistema de gestión
de inventario fiable. De lo contrario, los productos se vuelven imposibles de localizar durante el proceso de preparación de pedidos.
La política de almacenamiento aleatorio es popular gracias a su facilidad de implementación y capacidad de adaptación en línea con las fluctuaciones de la demanda
[5]. Sin embargo, la falta de ubicaciones de almacenamiento definidas genera desorganización, mal uso de la información del producto y mayores tiempos de
preparación de pedidos en grandes almacenes (como el almacén Centurion de FarmCorp SA) [6].
Una política de almacenamiento abierto más cercano surge cuando los recolectores son responsables de la asignación aleatoria de productos.
La política de almacenamiento abierto más cercano coloca el inventario entrante en el contenedor de almacenamiento vacío más cercano. Como resultado, los
productos se agrupan alrededor del área de recepción y se dispersan hacia la parte trasera del almacén [7].
Las políticas de almacenamiento dedicadas asignan productos a ubicaciones de almacenamiento fijas. Cuando un producto está agotado, su lugar de almacenamiento
designado permanecerá vacío. Sin embargo, los recolectores se familiarizan con el diseño de almacenamiento de productos y pueden ubicar productos más rápido [7].
158
La política de asignación de almacenamiento de rotación completa es una forma de almacenamiento dedicado en el que los productos se
asignan a ubicaciones de almacenamiento en función de la rotación. Los productos con alta rotación se ubican cerca del área de envío, mientras
que los productos con baja rotación se ubican más alejados del área de envío [8]. Las tasas de rotación de productos fluctúan, lo que requiere
una reubicación frecuente de existencias [5].
Las políticas de almacenamiento dedicadas y abiertas más cercanas son los extremos en el espectro de políticas de almacenamiento [5]. El
desempeño de estas dos políticas ha sido comparado en muchos estudios. Los resultados muestran que la política de almacenamiento abierto
más cercana es la más adecuada para los almacenes que utilizan mucho espacio, mientras que la política de almacenamiento dedicado es la
más adecuada para los almacenes que utilizan poco espacio [9].
La política de almacenamiento basada en clases es una combinación de las políticas dedicadas y abiertas más cercanas. Se implementa
comúnmente en la práctica porque combina las ventajas de ambas políticas [5]. La política de almacenamiento basada en clases divide los
productos en clases según criterios predeterminados. A continuación, se asignan clases específicas a áreas dedicadas del almacén. Dentro de
estas áreas, los productos se colocan aleatoriamente, siguiendo la lógica de la política más cercanaabierta. La política de almacenamiento
basada en clases es fácil de implementar, simple de administrar y flexible para responder a los cambios en la demanda, y reduce los tiempos
de preparación de pedidos [5]. Los criterios de clase con mejor rendimiento son la clasificación ABC, la agrupación familiar y los criterios de
combinaciones de ventas reales.
3.3 Política de almacenamiento basada en clases ABC
Un criterio de clase común y eficaz es la clasificación ABC [10]. Esta variación de la política de almacenamiento basada en clases divide los
productos en tres clases, A, B y C. Los productos se clasifican dentro de estas clases de acuerdo con algún factor específico (comúnmente, una
característica del producto que influye en su ubicación de almacenamiento óptima). Dichos factores incluyen la demanda unitaria del producto,
las ventas anuales, el tamaño del producto o el peso del producto [11].
La técnica de clasificación ABC clasifica los productos en clases proporcionalmente de acuerdo con el factor especificado; por ejemplo, la clase
A contiene el 80 por ciento de los productos, la clase B contiene el 15 por ciento y la clase C el cinco por ciento final. . Los productos de clase A
se asignan a las ubicaciones de almacenamiento preferidas, los productos de clase B a las siguientes mejores ubicaciones y los productos de
clase C a las ubicaciones restantes. En la literatura se presentan otras adaptaciones a la clasificación ABC, como la adición de clases de letras
adicionales (clase D, clase E, etc.) [2].
3.4 Política de almacenamiento basada en clases ABC con agrupación familiar
El criterio de clase de agrupación familiar almacena productos similares juntos. Los productos se agrupan según sus características o
departamentos de productos. Esta agrupación ayuda a los recolectores a la hora de localizar y recoger productos en el proceso de preparación
de pedidos.
Lamentablemente, los productos pueden pertenecer a varias familias, lo que genera confusión al agrupar productos. Además, los productos de
la misma "familia" suelen ser los de la competencia y se sustituyen entre sí y, por lo tanto, no suelen comprarse juntos [12].
3.5 Política de almacenamiento basada en clases ABC con combinaciones de ventas reales
El criterio de clase de combinaciones de ventas reales es una variación de la agrupación familiar, en la que las combinaciones de productos que
comúnmente se venden juntos se agrupan en familias. Este criterio de clase asigna productos juntos, en función de su afinidad con el producto,
es decir, una medida de la probabilidad de que un cliente compre un producto, dado que ha comprado un producto diferente [13]. Los productos
que comúnmente se compran juntos se almacenan en proximidad. La política basada en clases de combinaciones de ventas reales reduce el
tiempo de viaje de preparación de pedidos [10]; sin embargo, es difícil de implementar en la práctica [13].
3.6 Número de clases
La eficiencia y el rendimiento de un almacén están influenciados por el diseño del almacén [5]. La ubicación de las terminales de entrada y salida
(recepción y envío) del almacén afecta las ubicaciones óptimas de almacenamiento de los productos [8].
Yu, De Koster y Guo [8] investigaron las ventajas de ampliar el número de clases en una política de almacenamiento basada en clases.
Descubrieron que, en la práctica, “existe una compensación entre el número de clases y el tiempo de preparación de pedidos” [8]. La relación
entre el número de clases y el tiempo de preparación de pedidos crea una función en forma de plato, que se muestra en la Figura 1, donde n*
representa el número óptimo de clases. De la función de la figura 1 se deducen dos conclusiones importantes.
159
Figura 1: Tiempo promedio de viaje vs número de clases [8]
Primero, existe un número óptimo de clases (n*). Según [8], este número es generalmente inferior a seis.
Segundo, el gradiente de la función alrededor de n* es plano. lo que significa que cualquier pequeña variación en el número de clases alrededor de
este punto (n*) no tendrá un efecto notable en los tiempos de preparación de pedidos. El número recomendado de clases es entre tres y ocho.
3.7 Diseño de clases
Una vez que los productos se han clasificado en clases, surge la pregunta de cómo se deben asignar las clases a las áreas dentro del almacén
[14]. En la literatura se encuentran cinco diseños de clase: en forma de L, diagonal, dentro del pasillo, a través del pasillo y perimetral. Los diseños
se ilustran en la Figura 2.
Figura 2: Alternativas de diseño de clase [5]
Un diseño en forma de L se adapta mejor a los almacenes donde las actividades de empaque y recolección se realizan por separado.
Sin embargo, si las actividades de empaque y recolección ocurren simultáneamente, entonces “el diseño dentro del pasillo genera el mejor
rendimiento, independientemente de la cantidad de clases de productos” [5]. Las actividades de empaque y recolección ocurren simultáneamente
en FarmCorp SA; por lo tanto, un diseño dentro del pasillo sería el mejor para usar.
3.8 El efecto de la ubicación óptima del producto
Asignación óptima de almacenamiento:
1. Disminuye la congestión de los pasillos y el exceso de capacidad del almacén;
2. Disminuye el tiempo de preparación de pedidos;
3. Disminuye el tiempo de entrega de cumplimiento de pedidos;
4. Aumenta el número de pedidos diarios cumplidos; y
5. Mejora el rendimiento general del almacén [15].
La asignación óptima de productos a las ubicaciones de almacenamiento mejora las operaciones del almacén y aumenta el rendimiento del almacén
[16]. Por lo tanto, este proyecto tenía como objetivo aumentar el rendimiento y la eficiencia general del almacén Centurion de FarmCorp SA mediante
el desarrollo de un algoritmo dinámico de asignación de almacenamiento basado en clases.
160
4 DESARROLLO DEL MODELO
Se desarrollan tres modelos, basados en las variaciones de la política de almacenamiento basada en clases presentadas en la
literatura. Luego, los tres modelos se ingresan en un algoritmo de empaque que asigna productos a los contenedores disponibles
dentro del almacén. Luego, los tres modelos se evalúan entre sí y se comparan con la política actual.
4.1 Disposición del almacén
El almacén contiene más de 25 600 contenedores de almacenamiento, que se almacenan en estanterías. Hay cinco tamaños de
contenedores: casillero, pequeño, mediano, medio contenedor y tamaño normal. La disposición de los estantes divide naturalmente
el almacén en distintas secciones, denominadas zonas. El diseño del almacén se muestra en la Figura 3. La Zona 4 está en un
entrepiso por encima de la Zona 3. La Zona 6 es un área de almacenamiento a granel a lo largo de la pared exterior, adyacente a
la Zona 2. Por lo tanto, la Zona 6 se denomina almacenamiento externo. La Zona 1 está equipada para almacenar productos
inflamables y las Zonas 3, 4, 5 y 7 están equipadas para almacenar existencias de alto valor.
Los estantes de cada zona varían en altura, dependiendo del número de niveles. Los niveles de los estantes están etiquetados
alfabéticamente, siendo el nivel A el más cercano al suelo. Los niveles A y B se denominan estantes de bajo nivel; y desde el nivel
C hacia arriba, los niveles se denominan estantes de alto nivel. Los productos almacenados en estantes altos requieren una
carretilla elevadora para recogerlos.
Figura 3: Disposición del almacén indicando zonas
4.2 Modelos alternativos
Los datos sobre los productos que se almacenarán en el almacén y los datos sobre las transacciones de preparación de pedidos y
pedidos de venta del año anterior se utilizan para desarrollar los tres modelos alternativos. Los modelos clasifican los productos
según la frecuencia con la que se recogen. El producto con la clasificación más alta se envasa en el contenedor colocado de forma
óptima.
El primer modelo alternativo se basa en la política de almacenamiento basada en clases ABC. El criterio de análisis ABC
seleccionado es la frecuencia con la que se recoge un producto. Se seleccionó este criterio porque el objetivo del proyecto era
minimizar el tiempo del proceso de preparación de pedidos. La frecuencia de selecciones se calculó como el número de visitas que
recibió un producto en un año. El término 'aciertos' se refiere al número de veces que un recolector escogió cierto tipo de producto.
Los productos con un valor de aciertos acumulados (un porcentaje) de entre 0 por ciento y 80 por ciento se asignan a la clase A,
los productos con un valor de aciertos acumulados (un porcentaje) de entre 80 por ciento y 95 por ciento se asignan a la clase A.
La clase B y los productos con un valor de aciertos acumulados (%) de entre el 95 % y el 100 % se asignan a la clase C. Los
productos que no aparecen en el conjunto de datos de selección no tienen demanda prevista (hits). Estos productos se asignan a
la clase X y se consideran obsoletos. Los productos de clase A se asignan primero a los contenedores, seguidos de los productos
de clase B y luego los productos de clase C.
El segundo modelo alternativo asigna productos a clases en función de su departamento de productos y clase ABC. Este modelo
coloca los productos del mismo departamento cerca uno del otro, con los productos vendidos con mayor frecuencia de cada
departamento en los estantes inferiores. Esto se hace calculando el número total de visitas por departamento. A continuación, los
departamentos se ordenan en orden descendente de visitas totales. Se realiza un análisis ABC por categoría, similar al primer
modelo. Luego, los productos se agrupan, comenzando con los artículos de clase A del departamento con el mayor total de aciertos
y terminando con los artículos de clase X del departamento con el menor total de aciertos.
161
El tercer modelo alternativo combina la política de almacenamiento basada en la clase ABC con la afinidad del producto, es decir, una
medida de la frecuencia con la que los productos se seleccionan juntos. Esta alternativa coloca los productos comúnmente vendidos
juntos en pares, y los pares seleccionados con mayor frecuencia se colocan más cerca del área de envío. La afinidad del producto se
determina mediante el análisis de la cesta de la compra, una tarea compleja y que requiere mucho tiempo para realizar manualmente.
Requiere la formación de una matriz nxn, donde n es el número de productos vendidos en el año anterior. El conjunto de datos de
recolección de FarmCorp SA contiene más de 14 000 productos. La matriz resultante sería muy grande, por lo que el cálculo sería
imposible de realizar manualmente. Por lo tanto, PivotPoint, una extensión complementaria de Microsoft Excel, se utiliza para realizar el
análisis. Este software calcula la cantidad de transacciones en las que los productos se venden juntos en pares, utilizando los conjuntos
de datos de ventas de 2019 y 2020. A continuación, los pares de productos se clasifican en orden descendente de aciertos combinados.
Los productos que no muestran afinidad luego se agregan a la clasificación en orden descendente de aciertos individuales.
4.3 Clases de MI
Una vez que los productos se han clasificado en orden de preferencia de empaque, los contenedores se clasifican por ubicación. La
política de almacenamiento basada en clases es una combinación de almacenamiento dedicado y aleatorio, mediante el cual las clases
de productos se asignan a áreas específicas del almacén y luego se asignan aleatoriamente a contenedores dentro de esa área. Para
ayudar en la asignación de clases de productos a estas áreas, el almacén se divide en clases de IM. Una clase de IM tiene dos
parámetros: la zona y la ubicación general del estante. Por ejemplo, Z2*GL indica que el producto se almacenará en la Zona 2 en la
sección baja general (niveles de estantería A o B). La conveniencia de la ubicación de un contenedor depende de dos factores: su
proximidad al piso y su proximidad al área de envío. Por lo tanto, las clases de IM se clasifican según su ubicación en relación con el
área de envío.
4.4 Supuestos
Se hacen ciertas suposiciones sobre las entradas de los modelos y algoritmos de asignación. Estas suposiciones incluyen la cantidad
de existencias almacenadas en contenedores de bajo nivel y la cantidad de empaque de existencias.
'La cantidad de existencias almacenadas en contenedores de bajo nivel' se refiere al número de contenedores de bajo nivel utilizados
por producto. Si solo la demanda de un producto de un contenedor se almacenara en contenedores de bajo nivel y la demanda restante
se almacenara en los niveles superiores, se podría almacenar una mayor cantidad de productos diferentes en contenedores de bajo nivel.
Sin embargo, esto daría como resultado una mayor reposición de productos. La alternativa sería almacenar la demanda de más de un
contenedor para un producto en contenedores de bajo nivel. Esto daría como resultado una reposición de productos menos frecuente,
pero se almacenarían menos productos diferentes en contenedores de bajo nivel. Por lo tanto, habría una compensación entre el
número de productos almacenados en contenedores de bajo nivel y la frecuencia de reposición de productos.
Los modelos desarrollados y el algoritmo supondrán que solo se almacena la demanda de un contenedor por producto en los
contenedores de bajo nivel. El objetivo del algoritmo es aumentar el rendimiento de preparación de pedidos minimizando el número de
selecciones de estantes de alto nivel. Si esto se lograra, se requerirían menos montacargas en el proceso de selección de pedidos y se
podrían asignar montacargas adicionales al proceso de reabastecimiento. Por lo tanto, la compensación estaría justificada.
La cantidad de embalaje en stock es la cantidad de cada producto que se debe almacenar en el almacén. Hay varias opciones
disponibles para determinar este valor. El nivel de existencias actual o la cantidad de demanda prevista son dos posibilidades. Además,
se podría usar el valor máximo, mínimo o promedio del nivel de existencias actual y la cantidad de demanda pronosticada. El conjunto
de datos maestros del producto no contiene tanto el nivel de existencias actual como la demanda prevista para todos los productos. Por
lo tanto, se supone que la cantidad de empaque de existencias es igual al valor máximo entre la demanda pronosticada y el nivel de
existencias actual para cada producto.
4.5 Algoritmo de embalaje
El propósito del algoritmo es asignar productos a contenedores de acuerdo con la política de almacenamiento basada en clases. Cada
modelo alternativo se introduce en el algoritmo. Para cada modelo alternativo, el algoritmo comienza asignando cada clase de producto
a varias clases de IM, de acuerdo con las clasificaciones de clase de IM. Luego, el algoritmo asigna productos a contenedores dentro
de las clases de IM asignadas. El algoritmo se desarrolla utilizando el software R.
El algoritmo recibe datos sobre los contenedores, clasificados según la clase de IM, y datos sobre los productos a almacenar, divididos
en clases de productos y clasificados según el modelo de almacenamiento seleccionado. El algoritmo comienza empaquetando los
productos inflamables en la Zona 1 (los productos inflamables tienen un número limitado de ubicaciones de almacenamiento). Estos
productos se clasifican por orden descendente de visitas al producto. La cantidad de cada producto inflamable que se almacenará en
los contenedores de la Zona 1 se calcula dividiendo el volumen de un contenedor de la Zona 1 por el volumen del producto. El valor de
un contenedor de cada producto se empaqueta en contenedores de bajo nivel. Esto se hace para garantizar que todos los tipos de
productos inflamables sean fácilmente accesibles.
162
Los supuestos de entrada especifican que el valor de un contenedor de existencias por producto puede almacenarse en un contenedor de nivel bajo.
Por lo tanto, el algoritmo llena primero todos los contenedores en los niveles bajos de las clases de IM. Se calcula el número de contenedores
disponibles por clase de IM y se asigna un ID de producto a cada contenedor disponible. Este proceso comienza asignando el producto de
clasificación más alta al contenedor de clasificación más alto e iterando hasta que se hayan asignado productos a todos los contenedores en la
clase IM.
La mayoría de los productos requieren más de un contenedor para almacenar el nivel de existencias requerido. Dado que solo se almacena el
valor de una ubicación en las ubicaciones de bajo nivel, la cantidad restante de cada producto debe almacenarse en las ubicaciones de alto
nivel. Para facilitar el proceso de reposición, a la cantidad sobrante a almacenar en estanterías altas se le asigna una nueva clase de IM en la
zona alta general de la misma zona. Los productos restantes se asignan luego en orden de rango a las clases de IM (que también se clasifican).
El algoritmo de empaquetado genera una lista de los contenedores asignados a cada producto, así como los productos que no están
empaquetados.
5 COMPARACIÓN DE MODELOS
Los tres modelos se compararon mediante simulación de datos en Excel. Los resultados de la comparación se utilizaron para determinar qué
modelo debería seleccionarse como la solución sugerida. La simulación de datos implica cálculos sobre los datos de salida generados por el
algoritmo de empaquetado. Este análisis utiliza datos sobre el proceso de selección de pedidos, obtenidos del conjunto de datos de selección.
Cada tipo de producto seleccionado constituye una transacción de selección; por lo que un pedido puede requerir múltiples transacciones de
selección. Para cada transacción, la fecha, el ID del producto, la cantidad recolectada, el recolector responsable y el ID del contenedor se
registran en el conjunto de datos de recolección.
Para realizar la simulación de datos, el conjunto de datos de recolección se adaptó para incluir las identificaciones de los contenedores para los
productos que se recolectaron de acuerdo con cada uno de los modelos alternativos. Esta adaptación refleja el contenedor del que se recogería
cada producto si se implementara el modelo alternativo. Los resultados de la simulación se muestran en la Tabla 1. Los modelos alternativos
solo se considerarán para la solución final si cumplen los cuatro criterios técnicos. Model 3 no asigna todos los productos no obsoletos a un
contenedor. Por tanto, el modelo 3 no satisface todos los criterios técnicos y no puede ser seleccionado como la solución final. Los modelos 1 y
2 satisfacen los cuatro criterios técnicos, por lo que pueden considerarse para la solución final. El modelo 1 reduce la capacidad del almacén en
un 18 % más que el modelo 2. Además, el modelo 1 da como resultado 4 825 contenedores disponibles más que el modelo 2 y permite siete
transacciones diarias más en promedio. Por lo tanto, el modelo 1 funciona mejor y, por lo tanto, se utilizará para desarrollar la solución final.
Tabla 1: Resultados de la comparación de modelos
Criterios Criterios Alternativa actual 1 Alternativa 2 Alternativa 3

tipo
Número de productos no
1 426 0 0 8 038
obsoletos no embalados
Número de productos inflamables no
3 0 0 0
embalados en la zona 1
Número de productos de alto valor no
Técnico 684 0 0 380
empacados en una zona de alto valor
% de selecciones diarias de contenedores de
39% 5% 6% 5%
alto nivel
Número de días en que las selecciones de
165 0 0 0
alto nivel excedieron el 15 %
Capacidad de almacén 162% 76% 94% 78%
Número de contenedores disponibles 0 6271 1446 5760
Número de recolectores necesarios 23 18 18 18
Actuación
Número de posibles transacciones
0 1469 1462 1390
diarias adicionales
Número de montacargas requeridos
10 1 1 1
diariamente
163
De los resultados de la Tabla 1 se deduce que la política de almacenamiento basada en la clase ABC es la que mejor se desempeña y debe
elegirse como la entrada del algoritmo.
6 VALIDACIÓN DEL MODELO
El modelo seleccionado se validó para determinar si la política de asignación de almacenamiento basada en clases ABC reduce el tiempo
de preparación de pedidos. Se construyeron dos modelos de simulación: el primer modelo ilustra la política de asignación de almacenamiento
actual y el segundo ilustra la política desarrollada en la solución sugerida. Ambos modelos simulan las transacciones de recolección del año
anterior para replicar las operaciones de almacén de la vida real. Un modelo de simulación prueba la solución sin necesidad de implementarla
físicamente. Los modelos de simulación se construyeron utilizando el software FlexSim.
Se simularon las transacciones de selección de diez días: los tres días más ocupados (los días con más selecciones), cuatro días promedio
y los tres días más lentos (días con la menor cantidad de selecciones). Las transacciones de selección para estos diez días se extrajeron de
los conjuntos de datos de selección originales y adaptados y se ingresaron en la simulación.
La simulación recopiló estadísticas sobre los tiempos de recolección de pedidos, incluidos los tiempos de espera para un recolector o
montacargas y las utilizaciones del recolector y el montacargas. Estas estadísticas se utilizaron para comparar la solución presentada con la
política actual para validar la solución.
La Tabla 2 y la Tabla 3 muestran las estadísticas de salida del modelo de simulación de la política de almacenamiento actual y la política de
almacenamiento sugerida, respectivamente.
Tabla 2: Resultados del modelo de simulación de políticas actual
Día Número de Tiempo total de Tiempo medio Tiempo tiempo medio

preparación de pedidos de transacción máximo de esperando una
transacciones de selección de selección (min) carretilla elevadora (min)
transacción de selección (min)
Ocupado 1 13 995 20 horas 31 minutos 3.07 6.44 9.20
ocupado 2 13 212 19 horas 12 minutos 3.04 6.49 5.70
Promedio 1 5 623 8 horas 40 minutos 3.10 6.61 6.60
lento 1 19 3 minutos 2.10 3.00 0.00
lento 2 17 6 minutos 2.73 5.95 0.00
lento 3 12 5 minutos 3.48 4.65 0.00
Total 60 285 99 horas 13 minutos 29.73 57.68 45.10
Promedio 6 028.5 9 horas 56 minutos 2.98 5.77 4.51
164
Tabla 3: Resultados sugeridos del modelo de simulación de políticas
Día Número de Tiempo total de Transacción Transacción Tiempo medio

preparación de pedidos de selección media de selección máxima de espera de un
transacciones de selección hora (min) hora (min) montacargas (min)
Ocupado 1 13 995 12 horas 52 minutos 2.97 6.17 3.60
lento 1 19 2 minutos 1.65 1.65 0.00
lento 2 17 3 minutos 2.02 3.00 0.00
lento 3 12 4 minutos 3.48 4.65 0.00
Total 60 285 65 horas 56 minutos 24.29 42.91 12.25
Promedio 6 028.5 6 horas 36 minutos 2.43 4..30 1.23
La Tabla 4 analiza las diferencias entre los resultados de los dos modelos de simulación. Esta tabla demuestra que la implementación de la
política de almacenamiento sugerida reduciría el tiempo de preparación de pedidos diario en 3 horas y 20 minutos en promedio. Además, se
ahorraría una media de 32,4 segundos en cada transacción de selección. Estas reducciones de tiempo permitirían recoger más pedidos por día,
mejorando la eficiencia del proceso de preparación de pedidos.
La política de almacenamiento sugerida almacena productos recogidos con más frecuencia en los estantes de bajo nivel. Esto da como resultado
menos productos que requieren carretillas elevadoras para recogerlos. Esto es evidente en la disminución del tiempo de espera de los
montacargas entre la política de almacenamiento actual y la política de almacenamiento sugerida. La política sugerida reduce el tiempo de
espera del montacargas en 3 minutos y 17 segundos por producto en promedio.
Tabla 4: Comparación de resultados de simulación
Día Diferencia Tiempo medio Tiempo máximo Tiempo medio de espera

horaria total de transacción de selección de transacción de selección de un montacargas
diferencia (mín) diferencia (mín) diferencia (mín)
Ocupado 1 7 horas 39 minutos 0.10 0.27 5.60
ocupado 2 7 horas 12 minutos 0.11 0.14 2.30
ocupado 3 7 horas 50 minutos 0.74 3.74 4.20
Promedio 1 2 horas 9 minutos 0.87 1.96 6.60
lento 1 1 minuto 0,45 1.35 0.00
lento 2 3 minutos 0.71 2.95 0.00
lento 3 1 minuto 0.00 0.00 0.00
Promedio 3 horas 20 minutos 0.54 1.48 3.29
165
7. CONCLUSIÓN
7.1 Implicaciones de gestión
La implementación de la política de asignación de almacenamiento sugerida requeriría volver a empaquetar todo el almacén. El
almacén de Centurion opera de lunes a viernes; Los sábados se utilizan para reposición y mantenimiento. Por lo tanto, se recomienda
que el almacén se vuelva a empacar en secciones los sábados para evitar cualquier tiempo de inactividad importante para el
reempaque. Cada uno de los procesos de reabastecimiento y empaque tiene cuatro empleados dedicados responsables de estas
tareas. A los recolectores se les podría dar tiempo extra para trabajar el sábado para ayudar a reorganizar el almacén, lo que debería
ocurrir en fases en el orden de las clases de IM clasificadas, comenzando con 'Z2*GL'. Una vez hecho esto, se podrían medir los
tiempos de preparación de pedidos para validar que la reorganización produzca las mejoras previstas en la práctica. Además, los
gerentes de almacén deberán implementar medidas de control estrictas sobre los procesos de recepción y empaque, para garantizar
que las existencias entrantes se coloquen en las ubicaciones de almacenamiento correctas y actualizadas y para evitar tener que
volver a empaquetar estos productos más adelante. Todo este proceso requerirá almacenamiento temporal en el sitio para el stock
desplazado, que FarmCorp SA ya tiene.
Después de la reorganización inicial, el algoritmo dinámico actualizará automáticamente las ubicaciones de almacenamiento de los
productos de acuerdo con cualquier cambio en la demanda del producto cuando los contenedores estén disponibles. Esto significa
que solo se requerirá una reorganización completa del almacén inicialmente. La demanda de productos de FarmCorp SA es dinámica
y sigue la demanda estacional, lo que afecta el ritmo de venta de los productos.
Los mayores cambios en la demanda se producen entre el verano y el invierno. Por lo tanto, se recomienda que el algoritmo se
ejecute al menos cada seis meses. Sin embargo, el período de tiempo entre usos podría cambiarse a discreción de FarmCorp SA.
7.2 Recomendaciones
Una limitación del proyecto fue la falta de datos financieros. Las adaptaciones futuras de este proyecto podrían aplicar una clasificación
ABC de criterios de dos partes, basada en la frecuencia de las selecciones y el margen de beneficio del producto.
El algoritmo resuelve el problema actual de asignación de almacenamiento. Sin embargo, para garantizar que la solución sea
sostenible, la empresa también debe investigar un sistema de control de costos o de gestión de almacenes para mejorar el control
financiero del inventario. Además, se deben mejorar las prácticas de limpieza del almacén y no permitir que las existencias se
almacenen fuera de las zonas designadas. La implementación de estos cambios, junto con el sistema de almacenamiento mejorado,
evitaría que el almacén volviera a sus prácticas actuales.
Además, la empresa debería considerar descontinuar las líneas menos rentables u obsoletas y ampliar su espacio de almacenamiento.
7.3 Otras aplicaciones y contribuciones teóricas
Este estudio de caso fue una aplicación de la teoría de gestión de inventario. Abordó dos conceptos teóricos: cómo determinar la
ubicación óptima de almacenamiento de productos en un almacén y el efecto de la ubicación óptima de almacenamiento. Ha
demostrado que existe una correlación entre la correcta ubicación de almacenamiento de los productos y la eficiencia del proceso de
preparación de pedidos de un almacén. Por lo tanto, en teoría, una empresa debería aumentar su rendimiento y, en consecuencia, su
rentabilidad mediante la optimización de su política de almacenamiento.
El algoritmo tiene una amplia aplicación y no se limita a los almacenes de distribución. El algoritmo de embalaje dinámico podría
aplicarse tanto a los almacenes de producción como a los de crossdocking. La lógica del algoritmo también podría adaptarse para su
aplicación en una tienda de abarrotes, una tienda de ropa, una biblioteca, un estacionamiento o cualquier entorno similar. Por lo tanto,
el algoritmo podría usarse para mejorar la eficiencia en cualquier sistema relacionado con el almacenamiento.
En conclusión, los resultados de la simulación y validación de datos indican que el algoritmo de asignación de almacenamiento
dinámico que se presenta aquí reduce el número de selecciones de estanterías de alto nivel, agrupa productos similares, reduce el
exceso de capacidad del almacén, elimina el stock obsoleto y reduce la preparación de pedidos. tiempo de actividad. La política de
almacenamiento sugerida permite aumentar los pedidos diarios que se preparan y, por lo tanto, mejora el rendimiento y la eficiencia
operativa del almacén, logrando el objetivo del proyecto. Por lo tanto, vale la pena implementar la solución para resolver el problema
de asignación de ubicación de almacenamiento de FarmCorp SA.
166
REFERENCIAS
[1] Petersen, C. 1999. El impacto de las políticas de enrutamiento y almacenamiento en la eficiencia del almacén. International
Journal of Operations & Production Management, 19(10), pp.10531064.
[2] Gagliardi, J., Renaud, J. y Ruiz, A. 2007. Un modelo de simulación para mejorar las operaciones de almacén.
En: Conferencia de simulación de invierno. Quebec: Facultad de Administración de Empresas y CIRRELT Université Laval,
pp.14.
[3] Ahmed, D. 2020. 5 actividades básicas de almacén en las que debe enfocarse para mejorar. [En línea]. Disponible en: http://
www.scmdojo.com/warehouseactivities/ [Consultado el 29 de mayo de 2021].
[4] Bevilacqua, M., Emanuele, F. y Antomarioni, S. 2019. Principios lean para organizar elementos en un sistema automatizado
de almacenamiento y recuperación: un enfoque basado en la minería de reglas de asociación. Revisión de Ingeniería de
Gestión y Producción, 10(1), pp.2936.
[5] Bahrami, B., Piri, H. y Aghezzaf, EH 2019. Asignación de ubicación de almacenamiento basada en clases: una descripción
general de la literatura. En 16th International Conference on Informatics in Control, Automation and Robotics (ICINCO
2019), Praga, República Checa, pp.390397.
[6] Quintanilla, S., Pérez, Á., Ballestín, F. y Lino, P. 2015. Algoritmos heurísticos para un problema de asignación de ubicación
de almacenamiento en un almacén caótico. Optimización de Ingeniería, 47(10), pp.14051422.
[7] LeDuc, T. y De Koster, R. 2005. Estimación de la distancia de viaje y optimización de la zona de almacenamiento en un
almacén de estrategia de almacenamiento basado en clases de 2 bloques. Revista Internacional de Investigación de
Producción, 43(17), pp.35613581.
[8] Yu, Y., De Koster, R. y Guo, X. 2015. Almacenamiento basado en clases con un número finito de elementos: usar más
clases no siempre es mejor. Gestión de Producción y Operaciones, 24(8), pp.12351247.
[9] Gu, J., Goetschalckx, M. y McGinnis, L. 2010. Solucionar el problema de asignación de reservas anticipadas en los
sistemas de preparación de pedidos de almacén. Revista de la Sociedad de Investigación Operacional, 61(6), pp.10131021.
[10] Li, J., Moghaddam, M. y Nof, S. 2015. Asignación de almacenamiento dinámico con afinidad de productos y clasificación ABC:
un estudio de caso. The International Journal of Advanced Manufacturing Technology, 84(912), pp.21792194.
[11] Lorenc, A. y Lerher, T., 2019. Eficacia de la política de almacenamiento de productos según clasificación
criterios y tamaño del almacén. Transacciones FME, 47(1), pp.142150.
[12] Muller, M. 2019. Fundamentos de la gestión de inventario. Nueva York: Liderazgo de HarperCollins.
[13] Baer, D. y Chakraborty, G. 2013. Segmentación por afinidad de productos utilizando el enfoque de agrupamiento de anillos. En
Actas de la Conferencia SAS Global Forum 2013, Cary, NC.
[14] Cardin, O., Castagna, P., Sari, Z. y Meghelli, N. 2012. Evaluación del rendimiento del almacenamiento de clase profunda para
AS/RS de rack de flujo. Revista Internacional de Investigación de Producción, 50(23), pp.67756791.
[15] Da Silva, D., de Vasconcelos, N. y Cavalcante, C. 2015. Modelo de decisión multicriterio para apoyar la asignación de ubicación
de almacenamiento de productos en un almacén. Problemas Matemáticos en Ingeniería, 2015, pp.18.
167

Revista Sudafricana de Ingeniera Industrial

Cargado por

Copyright:

Formatos disponibles

Revista Sudafricana de Ingeniera Industrial

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Revista Sudafricana de Ingeniera Industrial

Cargado por

Copyright:

Formatos disponibles

Machine Translated by Google

Criterios Criterios Alternativa actual 1 Alternativa 2 Alternativa 3

Capacidad de almacén 162% 76% 94% 78%

Número de contenedores disponibles 0 6271 1446 5760

Día Número de Tiempo total de Tiempo medio Tiempo tiempo medio

Ocupado 1 13 995 20 horas 31 minutos 3.07 6.44 9.20

ocupado 2 13 212 19 horas 12 minutos 3.04 6.49 5.70

ocupado 3 10 875 15 horas 19 minutos 2.95 5.95 4.20

Promedio 1 5 623 8 horas 40 minutos 3.10 6.61 6.60

Promedio 2 5 589 12 horas 5 minutos 3.10 6.07 8.00

Promedio 3 5 481 11 horas 40 minutos 3.06 6.30 5.50

Promedio 4 5 462 11 horas 50 minutos 3.10 6.22 5.90

lento 1 19 3 minutos 2.10 3.00 0.00

lento 2 17 6 minutos 2.73 5.95 0.00

lento 3 12 5 minutos 3.48 4.65 0.00

Total 60 285 99 horas 13 minutos 29.73 57.68 45.10

Promedio 6 028.5 9 horas 56 minutos 2.98 5.77 4.51

Día Número de Tiempo total de Transacción Transacción Tiempo medio

Ocupado 1 13 995 12 horas 52 minutos 2.97 6.17 3.60

ocupado 2 13 212 12 horas 6 minutos 2.93 6.63 3.40

ocupado 3 10 875 7 horas 28 minutos 2.21 2.21 0.00

Promedio 1 5 623 6 horas 12 minutos 2.23 4.65 0.00

Promedio 2 5 589 9 horas 4 minutos 2.24 4.65 2.10

Promedio 3 5 481 9 horas 8 minutos 2.29 4.65 0.00

Promedio 4 5 462 9 horas 6 minutos 2.27 4.65 3.15

lento 1 19 2 minutos 1.65 1.65 0.00

lento 2 17 3 minutos 2.02 3.00 0.00

lento 3 12 4 minutos 3.48 4.65 0.00

Total 60 285 65 horas 56 minutos 24.29 42.91 12.25

Promedio 6 028.5 6 horas 36 minutos 2.43 4..30 1.23

Día Diferencia Tiempo medio Tiempo máximo Tiempo medio de espera

Ocupado 1 7 horas 39 minutos 0.10 0.27 5.60

ocupado 2 7 horas 12 minutos 0.11 ­0.14 2.30

ocupado 3 7 horas 50 minutos 0.74 3.74 4.20

Promedio 1 2 horas 9 minutos 0.87 1.96 6.60

Promedio 2 3 horas 0 minutos 0.86 1.42 5.90

Promedio 3 2 horas 32 minutos 0.77 1.65 5.50

Promedio 4 2 horas 50 minutos 0.83 1.57 2.75

lento 1 1 minuto 0,45 1.35 0.00

lento 2 3 minutos 0.71 2.95 0.00

lento 3 1 minuto 0.00 0.00 0.00

Promedio 3 horas 20 minutos 0.54 1.48 3.29

También podría gustarte

ocupado 2 7 horas 12 minutos 0.11 0.14 2.30