Depo operasyonlarının planlanması için genetik algoritma esaslı bir model

Abstract

Günümüzde depo operasyonlarının etkin olarak yönetilmesi lojistik firmalarının en önemli hedeflerinden birisidir. Depo operasyonlarının yönetilmesi sırasında yoğun olarak iki tip problemle karşılaşılmaktadır. Bunlardan birincisi sipariş hazırlıklarına yönelik siparişlerin gruplandırılması, ikincisi ise gruplanan siparişlere ait toplama aracı rotasının belirlenmesidir. Firmalarının etkin ve ekonomik sipariş toplama planlarını oluşturabilmeleri için bu problemlerin eş zamanlı olarak çözmeleri gerekmektedir. Bu çalışmada özellikle çapraz geçitli depo sistemleri için sipariş gruplarını ve ilgili gruplara ait araç rotalarını birlikte çözen yöntemler önerilmektedir. Bu amaçla GANN (Genetik Algoritma-En Yakın Komşu) ve GAS (Genetik Algoritma-Kazanç) olarak adlandırılan iki farklı yöntem geliştirilmiştir. Yöntemlerin etkinliğini belirlemek ve alternatifleri karşılaştırmak için farklı sipariş sayısı, hazırlık süresi, ağırlık ve toplama koordinatlarını içeren deney problemleri rastsal olarak oluşturulmuş ve test edilmiştir. Çalışmada sunulan yöntemlerin etkinliği GABM (Genetik Algoritma Gruplama Metodu) yöntemi ile klasik depo yerleşimi kullanılarak karşılaştırılmıştır. Sonuç olarak, GANN yönteminin hem çapraz geçitli hem de klasik depo için GAS ve GABM yöntemlerinden daha iyi sonuçlar verdiği belirlenmiştir.

Nowadays one of the most important aims of logistic companies is to manage warehouse operations effectively. During the management of warehouse operations two types of problems are encountered densely. First one is to define order batches and second one is to determine a suitable vehicle route for batched orders. In order to compose effective and economic distribution plans, these problems should be solved simultaneously. In this study, novel cluster-based genetic algorithm approaches namely Genetic Algorithm-Nearest Neighbor (GANN) and Genetic Algorithm-Saving (GAS) are proposed to solve order batching and vehicle routing of relevant batch for cross aisle warehouse systems especially. Detailed numerical experiments are carried out to evaluate the performances of the proposed GAs. Various problem instances including the number of order, setup time, weight, and picking coordinates are generated randomly. The effectiveness of the methods was compared with GABM using classic warehouse layout in the study. As a result, it was determined that GANN method produced better solutions than GAS and GABM methods for both cross aisles and classic warehouse layout.