[論文レビュー] A simulated annealing approach to optimal storing in a multi-level warehouse

Alexander Eckrot, Carina Geldhauser+1 more|arXiv (Cornell University)|Mar 25, 2017

Advanced Manufacturing and Logistics Optimization参考文献 36被引用数 4

ひとこと要約

本稿では、大型の事前バッチ処理済み注文における総収集時間を最小化することを目的として、マルチレベル倉庫における保管場所割り当てを最適化するための特化型シミュレーテッド・アニーリングアルゴリズムを提案する。頻度ベースのヒューリスティクスと比較して収集時間を21%削減した。これは、相関するアイテムをクラスタリングすることが常に最適ではないことを示しており、複雑で直感的でない保管構成が存在することを明らかにした。

ABSTRACT

We propose a simulated annealing algorithm specifically tailored to optimise total retrieval times in a multi-level warehouse under complex pre-batched picking constraints. Experiments on real data from a picker-to-parts order picking process in the warehouse of a European manufacturer show that optimal storage assignments do not necessarily display features presumed in heuristics, such as clustering of positively correlated items or ordering of items by picking frequency. In an experiment run on more than 4000 batched orders with 1 to 150 items per batch, the storage assignment suggested by the algorithm produces a 21\% reduction in the total retrieval time with respect to a frequency-based storage assignment.

研究の動機と目的

• マニュアルピッキング型ピッカー・トゥ・パーツ型倉庫における専用保管場所割り当てを最適化するための分析的モデルの不足に対処すること。
• マルチレベル倉庫における大型の事前バッチ処理済み注文において、保管場所割り当てとルーティングの併合最適化を実現すること。
• 従来のヒューリスティクス（相関するアイテムをクラスタリングするなど）が収集効率を向上させるかどうかを検証すること。
• 複雑なバッチ構造が最適保管構成および収集時間の分布に与える影響を評価すること。
• 実世界の倉庫導入に適した、高速でカスタマイズ可能かつブラックボックスでないアルゴリズムを提供すること。

提案手法

• 本研究では、複雑な事前バッチ処理済み注文の制約下における保管場所割り当て問題（SLAP）に特化したシミュレーテッド・アニーリングアルゴリズムを設計した。
• 広いアリーナレイアウトにおける移動時間のモデル化を目的として、暗黙のS字型ルーティングヒューリスティクスに基づく可変パラメータを組み込んだ。
• 目的関数は、移動時間とピッキング時間の合計を最小化することを目的としている。ピッキング時間はラックの段階に応じて定数として扱われる。
• 方程式4.3に示されるルーティングコストモデルを拡張することで、マルチレベル倉庫に対応し、垂直および水平方向の移動を考慮した。
• ルーティングヒューリスティクスの変更や大規模バッチの分割を一切行わず、アセンブリプロセスの線形性と効率性を維持した。
• ブラックボックスソルバーを避ける設計であり、計算効率が高く、産業現場におけるリアルタイム応用が可能である。

実験結果

リサーチクエスチョン

• RQ1 専用保管場所における正の相関を持つアイテムのクラスタリングは、大型の事前バッチ処理済み注文システムにおける総収集時間を短縮するか？
• RQ2 大型バッチを含むマルチレベル倉庫において、頻度ベースの保管場所割り当ては、グローバルに最適化された構成と比較してどの程度の性能を示すか？
• RQ3 バッチ構造を変更せずに、保管場所割り当てとルーティングヒューリスティクスの併合最適化が、総収集時間を顕著に短縮できるか？
• RQ4 100以上のアイテムを含む複雑な相関を持つバッチ注文において、最適保管構成の特徴は何か？
• RQ5 最適化された保管場所割り当ては、まれなまたは外れ値のバッチにおける極めて長い収集時間の確率を低下させるか？

主な発見

• 提案されたシミュレーテッド・アニーリングアルゴリズムは、ヨーロッパの製造業者の倉庫から得た実データを用いて、頻度ベースの保管場所割り当てと比較して、総収集時間を21%削減した。
• 最適保管構成は、直感的な相関するアイテムのクラスタリングを示さず、倉庫設計における一般的なヒューリスティクスの仮定に疑問を呈している。
• アルゴリズムは個々のバッチのピッキング時間の分布をシフトさせ、長い尾部（ファットテイル）を低減し、極めて長い収集時間の発生確率を低下させた。
• 100以上のアイテムを含むバッチに対しても、クラスタリングヒューリスティクスはより良い収集時間をもたらさないことが示された。これは、アイテム間の距離が総ピッキング時間に比べて相対的に低い影響しか与えないことを示している。
• ランダムな保管配置と比較した場合、アルゴリズムは全体のピッキング時間を約38%短縮した。これは顕著な性能向上を示している。
• 最適化された構成は非常に非自明であり、複雑な相関構造を持つ大規模バッチのため、『ホット』および『コールド』ゾーンに単純化することはできない。