نوع مقاله : مقاله پژوهشی

نویسندگان

1 کارشناس ارشد، گروه مدیریت، علوم اداری و اقتصادی، دانشگاه فردوسی مشهد، مشهد، ایران

2 استاد، گروه مدیریت، علوم اداری و اقتصادی، دانشگاه فردوسی مشهد، مشهد، ایران.

3 دانشیار، گروه مدیریت، علوم اداری و اقتصادی، دانشگاه فردوسی مشهد، مشهد، ایران

4 گروه مدیریت، علوم اداری و اقتصادی، دانشگاه فردوسی مشهد، مشهد، ایران

چکیده

مدیریت و عملیات انبارداری یکی از بخش‌های ضروری در سازمان‌های تولیدی و خدماتی است. انبارداری یکی از اجزای اصلی هزینه‌بر در فعالیت‌های سازمان و سزاوار توجه بیشتر محققین به این حوزه است .این تحقیق مسئله انبارش بر اساس خوشه‌بندی اقلام را با در نظر گرفتن کلیه عوامل مؤثر در ذخیره‌سازی محصولات در انباری با محصولات حجیم و متنوع بررسی نموده است. هدف اصلی این تحقیق کاهش هزینه‌های حمل‌ونقل به هنگام جمع‌آوری و تحویل سفارش‌ها و استفاده مؤثرتر از فضای انبار می‌باشد. از تکنیک تحلیل خوشه‌ای کامینز برای حل مسئله خوشه‌بندی و از مدل برنامه‌ریزی ریاضی تخصیص تعمیم‌یافته برای حل مسئله تخصیص دسته‌های اقلام به محل‌های انبارش استفاده گردیده ‌است که یک مدل برنامه‌ریزی عدد صحیح باهدف مینیمم کردن هزینه حمل‌ونقل به هنگام جمع‌آوری و تحویل سفارش‌ها است. این تحقیق با شناسایی و در نظر گرفتن شاخص‌های تأثیرگذار و با استفاده از مدل برنامه‌ریزی ریاضی تخصیص تعمیم‌یافته و فرموله کردن شرایط واقعی مسئله و حل آن بصورت بهینه توانسته است رویکردی جامع را در خوشه‌بندی و تخصیص اقلام ارائه دهد و مدیران شرکت‌ها می‌توانند از این مدل برای کاهش هزینه‌های انبار خود استفاده نمایند. نوآوری تحقیق حاضر استفاده از خوشه‌بندی در مسئله تخصیص محل‌های انبارش به اقلام انبار و سپس مدل‌سازی ریاضی آن می‌باشد. مدل پیشنهادی در شرکت خانه‌سازی مشهد اجرا شد. به‌منظور اعتبارسنجی مدل، تعدادی مسئله شبیه‌سازی‌شده از مسئله واقعی طرح و با نرم‌افزار گمز حل‌شد.

کلیدواژه‌ها

عنوان مقاله [English]

Designing a hybrid model for clustering warehouse items and allocating them to storage locations

نویسندگان [English]

  • Morteza Mohajer Bajgiran 1
  • Alireza Pooya 2
  • Zahra Naji Azimi 3
  • Somayeh fadaei 4

1 Senior Expert, Department of Management, Administrative and Economic Sciences, Ferdowsi University of Mashhad, Mashhad, Iran

2 Professor, Department of Management, Administrative and Economic Sciences, Ferdowsi University of Mashhad, Mashhad, Iran.

3 Associate Professor, Department of Management, Administrative and Economic Sciences, Ferdowsi University of Mashhad, Mashhad, Iran

4 Associate Professor, Department of Management, Administrative and Economic Sciences, Ferdowsi University of Mashhad, Mashhad, Iran

چکیده [English]

Management and warehousing operations are one of the essential parts of manufacturing and service organizations. Warehousing is one of the main components of the organization's activities, which has a high cost and deserves more attention from researchers in this field. This research has investigated the storage problem based on the clustering of items, taking into account all the factors affecting the storage of products in warehouse with bulky and varied products. The main objective of this research is to reduce Transport costs of collecting and delivering orders and more efficient use of storage space. The K-mean technique is used for solving the clustering problem and the Generalized Allocation mathematical programming model has been used to solve the problem of assigning categories of items to storage locations. This is an integer programming model with the goal of minimizing transportation costs of collecting and delivering orders.This research has been able to provide a comprehensive approach in clustering and allocation of items by identifying and considering the effective indexes and using the generalized allocation math planning model and formulating the actual conditions of the problem and solving it in an optimal way. Companies managers can use this model to reduce their inventory costs. Using of clustering in the allocation of storage sites to the warehouse items and then their mathematical modeling is innovation of present research. The proposed model was implemented at Mashhad Housebuilding Company. A number of simulated problems are solved from the actual problem with the GAMS software for validation.

کلیدواژه‌ها [English]

  • : clustering
  • storage
  • allocation generalized mathematical programming model
آذر، ع و خدیور، آ. (1393). کاربرد تحلیل آماری چندمتغیره در مدیریت. انتشارات نگاه دانش.
احمدی، ع و اکبری جوکار، م. (1392). یک مدل برنامهریزی غیرخطی بهبودیافته برای مسائل چیدمان تسهیلات با مساحتهای نابرابر. دهمین کنفرانس بین‌المللی مهندسی صنایع. تهران: دانشگاه تهران.
آخوندی، ع؛ فرقانی، ع؛ خاک‌گزار بفروئی، م. (1387). طراحی انبار (استقرار تجهیزات، کالا، وسایل حمل‌ونقل). نشر جهاد دانشگاهی، تهران، صص 213-240.
پویا، ع و کرمانشاهیان، ی. (1391). انبارش و جانمایی اقلام انبار با استفاده از فناوری گروهی و به‌کارگیری الگوریتم ابتکاری. چشمانداز مدیریت صنعتی، 109-128.
حبیب پور، ک.، صفری ر. (1390). راهنمای جامع کاربرد spss در تحقیقات پیمایشی تحلیل داده‌های کمی؛ چاپ چهارم انتشارات لویه (متفکران).
خلیلی، س و لطفی، م. (1392). تعیین ظرفیت بهینه انبار با تحلیل هزینههای ساخت انبار به کمک مدلهای صف. دهمین کنفرانس بین‌المللی مهندسی صنایع. تهران: دانشگاه تهران.
دانشور کاخکی، م؛ نصیری خونساری، م؛ مظفری، د و نجاتی و. (1385). الگوی مناسب چیدمان اقلام در یک انبار کانبان، مطالعه موردی شرکت ایران‌خودرو. دومین کنفرانس لجستیک و زنجیره تأمین.
عبداللهی، پ و حسینی‌نسب، ح. (1392). انتخاب بهترین چیدمان تسهیلات با استفاده از روش تلفیقی GRA، NLP. دهمین کنفرانس بین‌المللی مهندسی صنایع. تهران: دانشگاه تهران.
کاظمی، م و بذرافشان، س. (1392). حل مسئله چیدمان تسهیلات با مساحتهای نابرابر با استفاده از الگوریتم ژنتیک. دهمین کنفرانس بین‌المللی مهندسی صنایع. تهران: دانشگاه تهران.
کلانتری، خلیل. (1390). پردازش و تحلیل داده‌ها در تحقیقات اجتماعی و اقتصادی با استفاده از نرم‌افزار SPSS. تهران: انتشارات دانشگاه تهران.
نایبی، ع.ح؛ اخوان ماسوله، س؛ شریفی، م. (1387). کاربرد روش تحلیل سلسله مراتبی در انتخاب الگوی مناسب چیدمان اقلام در انبار مطالعه موردی در انبار 016 شرکت ایران‌خودرو، ششمین کنفرانس بین‌المللی مهندسی صنایع، تهران، انجمن مهندسی صنایع ایران، دانشگاه صنعتی شریف.
Amirhosseini, M.M. and Sharp, G.P. (1996), Simultaneous analysis of products and orders in storage assignment, Manufacturing Science and Engineering ASME 1996 MED-Vol. 4, 803-811.
Arnaout, J. P. (2018). Worm optimization for the multiple level warehouse layout problem. Annals of Operations Research, 269(1-2), 29-51.‌
Anđelković, A., & Radosavljević, M. (2018). Improving order-picking process through implementation of warehouse management system. Strategic Management, 23(1), 3-10.‌
Bottani, E. Cecconi, M. Vignali, G. & Roberto, M. (2012). Optimisation of storage allocation in order picking operations through a genetic algorithm. Journal of Logistics Research and Applications, 127-146.
Chuang, Y.F. Lee, H.T. & Lai, Y.C. (2012). Item-Associated Cluster Assignment Model on Storage Allocation Problems. Computers & industrial engineering, 63(4), 1171-1177.
De Santis, R., Montanari, R., Vignali, G., & Bottani, E. (2018). An adapted ant colony optimization algorithm for the minimization of the travel distance of pickers in manual warehouses. European Journal of Operational Research, 267(1), 120-137.‌
Frazelle, E. (1990). Stock location assignment and order picking productivity. (Ph.D. Dissertation). Georgia institute of technology.
Farahani, R. Z., Steadieseifi, M., Asgari, N. (2010). Multiple criteria facility location problems: A survey. Journal of Applied Mathematical Modeling, No. 34, pp. 1689-1709.
Gu, J. Goetschalckx, M. & McGinnis, L. (2007). Research on warehouse operations: a comprehensive review. Eur.J.Oper.Res, 1-21.
Garfinkel, Maurice, (2005), “Minimizing Multi-zone Orders in the Correlated Storage Assignment Problem”, A Dissertation for the PhD degree, School of Industrial and Systems Engineering Georgia Institute of Technology.
Hun, S. (2003). Algorithms For Dynamic Forward Area Allocation In A Warehouse. Sabanc University.
Heragu, S. Du, L. Mantel, R. & Schuur, P. (2005). Mathematical model for warehouse design and product allocation. International Journal of Production Research, 327-338.
Hua, W. (2001). Cluster based storage policies in kitting area. (Ph.D. Dissertation). Georgia institute of technology.
Jane, C. C., & Laih, Y. W. (2005). A clustering algorithm for item assignment in a synchronized zone order picking system. European Journal of Operational Research, 166(2), 489-496.
Juraitis, Mykolas. Stonys, Tomas. Strinskas, Arunas. Jankauskas, Darius and Rubliauskas, Dalius. (2006). a randomized heuristic for the container loading problem: further investigation. Information Technology and Control, Vol. 35, No: 1.
Jinxiang Gu, Marc Goetschalckx, Leon F. McGinnis. (2007). Research on warehouse operation: A comprehensive review. European Journal of Operational Research, No. 177, pp. 1˚21.
Kim, S. (2009). Dynamic Slotting and Cartonization Problem in Zone-based Carton Picking Systems. (A Dissertation for the PhD degree). Auburn University.
Küçükdeniz, T., Baray, A., Ecerkale, K., & Esnaf, Ş. (2012). Integrated use of fuzzy c-means and convex programming for capacitated multi-facility location problem. Expert Systems with Applications, 39(4), 4306-4314.
Kuo, R. J., Kuo, P. H., Chen, Y. R., & Zulvia, F. E. (2016). Application of metaheuristics-based clustering algorithm to item assignment in a synchronized zone order picking system. Applied Soft Computing, 46, 143-150.
Larson, T. March, h. & Kusiak, A. (1997). A heuristic approach to warehouse layout with class-based storage. IIE Transactions
Liu, C. (1999). Clustering techniques for stock location and order-picking in a distribution center. Computers & operations research, 989-1002.
Manzini R. Bindi, F. Ferrari E, Pareschi A. (2010), “Correlated Storage Assignment and Isotime Mapping for Profiling Sku”, XVI International Working Seminar on production Economics, Innsbruck (Austria), PRE-PRINTS, Volume 4, pp 27-41.
Naik, V. C. (2004). Fuzzy C-means clustering approach to design a warehouse layout.
Onut, S. Tuzkaya, U. & Dogac, B. (2008). A Particle swarm optimization for the multiple- level warehouse layout design problem. Computer and Industrial engineering, 54(4), 783-799.
Park, C. & Junyong, S. (2010). Comparing heuristic algorithms of the planar storage location assignment problem. Transportation Research Part E, 171-185.
Pisinger, David. (1998). A tree search heuristic for the container loading problem. Ricerca operativa, No: 28.
Pang, K. W., & Chan, H. L. (2017). Data mining-based algorithm for storage location assignment in a randomised warehouse. International Journal of Production Research, 55(14), 4035-4052.
Rouwenhorst, B. Reuter, B. Stockrahm, V. van Houtum, G. Mantel, R. & Zijm, W. (2000). Warehouse design and control: Framework and literature review. European Journal of Operational Research, 122(3), 515-533.
Rosenwein, M. B. (1994), “An application of cluster-analysis to the problem of locating items within a warehouse”, IIE transactions. 26, pp 101-103.
Sadiq, M. (1993). A hybrid clustering algorithm for reconfiguration of dynamic order picking systems. (PhD Dissertation). University of Arkansas.
Shah, P. (1988), “Decision problems in mini-load automatic warehousing systems”, Ph.D. Dissertation, Purdue University.
Sharma, S., & Shah, B. (2015). A proposed hybrid storage assignment framework: a case study. International Journal of Productivity and Performance Management, 64(6), 870-892.
Sharma, A., Sharma, A & Jalal, A. (2017). Clustering based hybrid approach for facility location problem.Management Science Letters, 7(12), 577-584.
Van den Berg, J. & Zijm, W. (1999). Models for waehouse management: classification and examples. Int.J.production Economics, 519-528.
Vrysagotis, V. & Kontis, P. (2011). Warehouse layout problems: Types of problems and solution algorithms. Journal of Computations & Modelling, 131-152.
Xiao, J. & Zheng, L. (2010). A Correlated storage assignment to minimize zone visits for BOM picking. International journal of advanced manufacturing technology.
YANG, L. & FENG, Y. (2006). Fuzzy Multi-Level Warehouse Layout Problem: New Model and Algorithm. J Syst Sci Syst Eng, 493-503.
Yan, B., Yan, C., Long, F., & Tan, X. C. (2018). Multi-objective optimization of electronic product goods location assignment in stereoscopic warehouse based on adaptive genetic algorithm. Journal of Intelligent Manufacturing, 29(6), 1273-1285.https://doi.org/10.1007/s10845-015-1177-7.
Yang, C. L., & Nguyen, T. P. Q. (2016). Constrained clustering method for class-based storage location assignment in warehouse. Industrial Management & Data Systems, 116(4), 667-689.
Zhang, G. & Lai, K. (2009). Tabu search approaches for the multi-level warehouse layout problem with adjacency constraints. Engineering Optimization, 775-790.
Azar, A. and Khadivar, A. (2013). The application of multivariate statistical analysis in management. Negah Danesh Publications. [In Persian]
Ahmadi, A. and Akbari Jokar, M. (2012). An improved nonlinear programming model for facility layout problems with unequal areas. 10th International Industrial Engineering Conference. Tehran: University of Tehran. [In Persian]
Akhundi, A; Farghani, A; Khaqazar Bafroi, M. (1387). Warehouse design (installation of equipment, goods, means of transportation). Jihad University Press, Tehran, pp. 213-240. [In Persian]
Pooya, A., & Kermanshahian, Y. (2012). Using the Group Technology and a Heuristic Algorithm for Storage Location Assignment Problem. Journal of Industrial Management Perspective, 2(Issue 2, Summer 2012), 109-128. [In Persian]
Habibpour, K., Safari R. (1390). A comprehensive guide to the use of spss in quantitative data analysis survey research; The fourth edition of Loya Publications. [In Persian]
Khalili, S. and Lotfi, M. (2012). Determining the optimal warehouse capacity by analyzing warehouse construction costs with the help of queue models. 10th International Industrial Engineering Conference. Tehran: University of Tehran. [In Persian]
Daneshwar Kakhki, M.; Nasiri Khoonsari, M.; Mozafari, D. and Nejati,V. (1385). The appropriate pattern of arranging items in a Kanban warehouse, a case study of Iran Khodro Company. The second logistics and supply chain conference. [In Persian]
Abdullahi, P. and Hosseininsab, H. (2012). Choosing the best arrangement of facilities using the combined method of GRA, NLP. 10th International Industrial Engineering Conference. Tehran: University of Tehran. [In Persian]
Kazemi, M. and Bazarafshan, S. (2012). Solving the problem of arranging facilities with unequal areas using genetic algorithm. 10th International Industrial Engineering Conference. Tehran: University of Tehran. [In Persian]
Kalantari, K. (1390). Data processing and analysis in socio -economic research.Tehran: Tehran University Press. [In Persian]
Naibi, A.H.; Akhwan Masuleh, S; Sharifi, M. (1387). Application of Hierarchical Analysis Method in Choosing the Appropriate Pattern of Arrangement of Items in the Warehouse Case Study in Iran Khodro Company 16 Warehouse, 6th International Industrial Engineering Conference, Tehran, Iran Industrial Engineering Association, Sharif University of Technology. [In Persian]