Masalah penanganan material melibatkan desain dan kontrol operasi dari sistem

pergudangan (yaitu, pusat distribusi), yang memungkinkan pencocokan vendor

dan permintaan, perataan dengan musim, mengkonsolidasikan produk dan
mengatur kegiatan distribusi. Sistem pergudangan memainkan peran penting
dalam memberikan efisiensi dan kepuasan pelanggan. Desain gudang memerlukan
serangkaian keputusan, yang melibatkan kendala tata letak dan masalah operasi
yang secara serius mempengaruhi kinerja dan biaya logistik secara keseluruhan.

Studi ini menyajikan sistem pendukung keputusan asli (DSS) untuk desain,
manajemen, dan kontrol sistem pergudangan. Secara khusus, DSS yang diusulkan
menerapkan metodologi top-down yang mempertimbangkan desain gudang
strategis dan manajemen operasi operatif. DSS dapat mensimulasikan kinerja
logistik dan penanganan material dari sistem pergudangan. Metode dan algoritma
heuristik mengatasi beberapa masalah gudang kritis, seperti proses pengambilan
pesanan, yang bertanggung jawab atas 55% dari keseluruhan biaya di pusat
distribusi. Manfaat karena adopsi sistem pendukung keputusan yang diusulkan
dirangkum sebagai dashboard indikator kinerja utama (KPI) efisiensi ruang dan
waktu yang memungkinkan penyedia logistik, praktisi, dan manajer serta
akademisi dan pendidik menghadapi dunia nyata contoh pergudangan dan untuk
menemukan pedoman yang berguna untuk penanganan material.

1. Pengantar dan latar belakang

Dalam beberapa tahun terakhir, perusahaan telah sepenuhnya mengkonfigurasi

ulang rantai pasokan mereka untuk mengatasi peningkatan tingkat layanan
pelanggan dan variabilitas permintaan. Gudang memainkan peran penting dalam
rantai pasokan, dan persyaratan untuk operasi pergudangan telah meningkat
secara signifikan. Khususnya, kebutuhan pelanggan dalam hal akurasi pesanan
dan waktu respons, frekuensi pesanan, jumlah pesanan, dan ukuran pesanan telah
berubah secara dramatis dengan ekonomi global dan tren permintaan baru (mis.,
E-commerce). Literatur telah banyak memperdebatkan masalah desain dan
manajemen gudang, yang bertujuan meminimalkan biaya dan waktu operasi dan
meningkatkan kinerja rantai pasokan. Survei komprehensif tentang topik sistem
penyimpanan dan gudang telah diajukan oleh De Koster et al. [1], Gu et al. [2]
dan Dallari et al. [3].

Fungsi utama dari sistem pergudangan adalah untuk menerima produk (dari jalur
masuk atau manufaktur), untuk menyimpan bahan sampai mereka diminta, dan
kemudian, untuk mengekstraksi produk dari persediaan dan mengirimkannya
sebagai respons terhadap pesanan pelanggan.
Gambar. 1 mengilustrasikan kerangka kerja konseptual untuk mengklasifikasikan
operasi gudang, mempertimbangkan definisi entitas, proses, kegiatan, dan
keputusan yang terkait dengan sistem penyimpanan.

Produk biasanya tiba dalam satuan besar, seperti muatan unit, dan kontainer
standar atau khusus, atau palet, yang menyebabkan tenaga kerja terkait dan
kegiatan penanganan menjadi lebih murah. Produk yang masuk harus
disingkirkan, yang merupakan fungsi gudang paling signifikan. Proses put-away
memerlukan seperangkat keputusan yang saling bergantung [2]: diberikan
konfigurasi gudang (berdasarkan parameter tata letak Gambar 1), berapa banyak
persediaan yang harus disimpan untuk SKU generik (apa yang disebut alokasi
pada Gambar. 1), dan di mana harus disimpan (yang disebut tugas pada Gambar.
1)?

Sistem pergudangan mengejar transformasi bahan kedatangan yang besar dan

relatif homogen menjadi jumlah output yang kecil, sering, dan heterogen dalam
menanggapi permintaan pelanggan. Jumlah output yang kecil dan sering
dihasilkan dari pemenuhan daftar pesanan pelanggan.

Memetik pesanan adalah salah satu komponen utama dari biaya tenaga kerja dan
terkait gudang. Dua konfigurasi alternatif tipe tata letak umum untuk dipetik.
Satu, yang disebut pengambilan multi-level (lihat Gambar 1), mengeksekusi
picking tingkat tinggi langsung dari lokasi penyimpanan, yang semuanya dapat
diakses dengan memilih peralatan (mis., Truk turret). Yang lain, yang disebut
forward-reserve

(lihat Gbr. 1), menjalankan pengambilan tingkat rendah dari area maju yang
mudah diakses, yang menyimpan sebagian besar inventaris untuk setiap produk di
area penyimpanan cadangan yang lebih besar. Ketika diberi produk yang
persediaannya rendah di area depan, pengisian kembali direalisasikan dari
cadangan. Untuk deskripsi lengkap dari pola-pola yang digambarkan dalam
kerangka yang diusulkan, definisi zonasi, batching, dan routing dalam
pergudangan diberikan. Zonasi terdiri dari partisi gudang ke zona yang berbeda,
yang sesuai dengan stasiun kerja. Pemetik ditugaskan ke zona, dan pekerja secara
progresif mengumpulkan setiap pesanan, meneruskannya dari zona ke zona.
Batching terdiri dari membuat pemetik mengambil beberapa pesanan dalam satu
perjalanan. Meskipun batching mewakili pendekatan yang sangat berguna untuk
mengurangi perjalanan, itu membutuhkan SKU yang diambil untuk diurutkan
menjadi satu urutan. Terakhir, perutean menentukan urutan item yang sesuai pada
daftar pesanan untuk memastikan rute yang baik melalui gudang. Secara
keseluruhan, dua aspek utama mengarah pada peningkatan kinerja: desain gudang
(1) dan kontrol operasi (2).

Aspek pertama mengacu pada batasan tata letak dan parameter (diilustrasikan
pada Gambar. 1), peralatan penyimpanan dan keputusan strategis tingkat tinggi
pada total persediaan fasilitas. Yang kedua membahas kegiatan operasi gudang,
seperti put-away, pengisian ulang dan pengambilan pesanan, dengan fokus pada
model, teknik, dan metodologi untuk meningkatkan kinerja operasi (mis., Zonasi,
batching, routing). Dua aspek ini secara signifikan mempengaruhi kinerja gudang
dan memiliki pengaruh langsung pada tingkat layanan dari keseluruhan rantai
logistik (yaitu, langkah-langkah sebelum dan sesudah sistem pergudangan
Gambar. 1).

Literatur mengusulkan sejumlah besar KPI gudang yang mencakup kapasitas

throughput (aliran material yang diproses melalui gudang per unit waktu),
kapasitas penyimpanan, waktu respons (waktu dalam kedatangan pesanan dan
pengirimannya), tingkat biaya, dan biaya per unit aliran material yang dikirim
oleh gudang. Semua metrik ini dipengaruhi oleh manajemen ruang dan waktu,
yang sangat penting untuk setiap proses logistik.

Secara umum, kontribusi literatur membahas masalah desain gudang daripada

manajemen operasi gudang secara terpisah. Gu et al. [2] menjelaskan proses
masuk / keluar dan meninjau literatur, mengklasifikasikan kertas berdasarkan
lingkup analisis, metode yang diadopsi dan jenis gudang yang diamati (mis.,
Sistem penyimpanan multi-lorong konvensional otomatis, otomatis).

Biasanya, masalah pergudangan adalah masalah non-polinomial (NP) dan

memiliki jumlah data dunia nyata yang sangat besar untuk dikelola. Oleh karena
itu, solusi yang ramah pengguna dan tidak lekang oleh waktu untuk masalah
pergudangan adalah tujuan ambisius untuk aplikasi berbasis komputer.
Sisa dari penelitian ini menggambarkan desain konseptual dan pengembangan
sistem pendukung keputusan (DSS) untuk desain strategis dan manajemen
kegiatan operasi dalam sistem pergudangan. Secara khusus, ini mendukung desain
sistem penyimpanan pemilih-ke-bagian multi-zona maju-cadangan yang kompleks
dan menyediakan simulasi multi-skenario untuk penilaian KPI. DSS
mengimplementasikan serangkaian metodologi heuristik untuk mendukung
analisis berorientasi data dan peningkatan kinerja.

Kegiatan dan proses pengelolaan dan pengendalian sistem pergudangan (yaitu,

sistem penyimpanan industri) mencakup berbagai alternatif desain dan melibatkan
keahlian yang berbeda. Misalnya, masalah desain tata letak, definisi kapasitas
penyimpanan total, penentuan jumlah lorong, jenis rak, lokasi produk (yaitu, unit
penyimpanan persediaan atau SKU) di dalam area penyimpanan , stok per setiap
SKU, dan sebagainya, melibatkan area yang saling terkait dan menantang tetapi
dapat diatasi melalui formulasi pemodelan yang unik. Mayoritas kontribusi yang
diulas dalam literatur [1-3] fokus pada satu aspek dari masalah pergudangan,
sehingga mengabaikan integrasi pendekatan multi-tujuan.

DSS yang diusulkan mengembangkan metodologi top-down untuk desain

komprehensif sistem pergudangan yang memungkinkan pembuat keputusan untuk
mengembangkan dan membandingkan berbagai konfigurasi dan skenario dalam
lingkungan komputer yang ramah pengguna. Ini mengimplementasikan teknik
simulasi multi-skenario untuk menangani studi kasus dunia nyata, untuk
menyoroti saling ketergantungan di antara keputusan dan untuk mengidentifikasi
garis pedoman yang berguna tentang masalah pergudangan.

DSS adalah alat berbasis komputer yang telah diadaptasi untuk mendukung dan
membantu pengambilan keputusan yang kompleks dan pemecahan masalah [4,5].
Penelitian di bidang ini biasanya menyoroti pentingnya teknologi informasi dalam
meningkatkan efisiensi yang diadopsi oleh pengguna untuk membuat keputusan,
meningkatkan efektivitasnya [6,7]. Secara khusus, literatur mengungkapkan
manfaat menggunakan sistem berbasis komputer untuk mendukung manajemen
logistik, terutama di bidang logistik, transportasi, dan pergudangan [8-10].

Rouwenhorst et al. [11] dan Svestka [12] mengembangkan sistem pendukung

keputusan interaktif yang ditujukan pada desain konseptual sistem penyimpanan
khusus untuk menyimpan dan mengambil muatan palet (mis., Muatan unit). Studi
lain menyajikan alat untuk mengelola sistem pengambilan pesanan (OPS) (yaitu,
beban kurang dari unit), yang mendukung analisis data operasi (misalnya, file
master SKU, file master pemesanan, file master persediaan) untuk menentukan
persyaratan untuk operasi OP dan kapasitas penyimpanan [13,14].

Saat ini, literatur tidak memberikan kontribusi yang dapat menggabungkan desain
gudang dan pola operasi ke dalam analisis yang unik, seperti yang disarankan
dalam DSS yang diusulkan.

DSS yang diusulkan ditulis dalam bahasa pemrograman tingkat tinggi (C #) yang
menggunakan database relasional yang dapat mengumpulkan, menyimpan, dan
mengelola kumpulan data dari instance pergudangan dunia nyata. Sistem
pergudangan umumnya mengumpulkan puluhan atau ratusan ribu SKU, dengan
permintaan pelanggan jutaan garis pesanan per tahun, sambil mengelola proses
masuk-keluar, pemeriksaan kualitas, dan penjadwalan pengiriman. Untuk tujuan
ini, industri berinvestasi dalam pengembangan solusi informasi terintegrasi, yang
disebut sebagai sistem manajemen gudang (WMS). Sistem komersial ini
memberikan pandangan real-time dari penanganan material, sering menyarankan
efisiensi penggunaan ruang, tenaga kerja, dan peralatan [15]. Namun demikian,
WMS solusi sistem manajemen hadiah yang tidak memiliki fungsi yang terkait
dengan pengambilan keputusan tentang desain dan optimasi gudang.

Kurangnya metodologi sistemik pada topik ini menyoroti perlunya menyediakan

DSS yang dapat mengumpulkan data dari contoh dunia nyata dan
mengimplementasikan serangkaian heuristik yang efektif untuk secara cepat
mendukung proses pengambilan keputusan tentang desain dan manajemen
pergudangan. Tujuan dari penelitian ini adalah untuk menggambarkan arsitektur
inovatif dari DSS untuk analisis sistem pergudangan sambil mempertimbangkan
fitur tata letak, peralatan penyimpanan, masalah alokasi dan penugasan,
mengadopsi simulasi numerik untuk menilai hasil, statistik, dan kinerja.

Hasil yang diharapkan dari sistem bantuan komputer yang diusulkan dapat
dieksploitasi dengan menyebarluaskan pengetahuan di antara penyedia logistik,
praktisi, dan manajer, dengan mendidik dan meningkatkan keahlian insinyur
industri dan dengan menganalisis studi kasus dunia nyata.
Sisa dari penelitian ini disusun sebagai berikut. Bagian 2 menyajikan metodologi
desain-dukungan untuk sistem pergudangan dan melaporkan definisi yang lebih
relevan dari pengaruh utama analisis. Bagian 3 mengilustrasikan fungsi-fungsi
DSS yang dikembangkan melalui antarmuka pengguna grafis (GUI) dan bagian
manajemen data. Bagian 4 memberikan gambaran tentang hasil potensial dan
analisis yang dilakukan melalui penerapan DSS yang diusulkan untuk contoh
industri dunia nyata. Terakhir, Bagian 5 membahas kesimpulan dan memberikan
arahan untuk penelitian lebih lanjut.

2. Memecahkan masalah desain dan manajemen gudang: prosedur top-down

DSS yang diusulkan mengimplementasikan prosedur top-down untuk desain dan

manajemen OPS cadangan-maju, seperti yang diilustrasikan oleh Accorsi et al.
[16]. Metodologi ini mengatur prosedur, model, dan algoritma dalam keputusan
sekuensial organik untuk menyediakan serangkaian solusi untuk tata letak
penyimpanan, alokasi penyimpanan, dan penugasan penyimpanan. Pembuat
keputusan melakukan serangkaian analisis, menghasilkan serangkaian konfigurasi
gudang alternatif untuk dinilai melalui simulasi multi-skenario bagaimana-jika.
Kinerja sasaran adalah meminimalkan jarak total yang ditempuh karena
pengambilan, yang mewakili 55% dari keseluruhan biaya gudang. Pengurangan
jarak berarti pengurangan jumlah solusi penanganan material bepergian (mis.,
Forklift dan kendaraan terpandu) yang diperlukan untuk memindahkan material,
pengurangan kemacetan kendaraan, area parkir, biaya perjalanan, perawatan,
tenaga kerja , dan hasil lainnya.

Dengan demikian, aliran umpan balik yang diilustrasikan pada Gambar. 2

memungkinkan bagi pengguna untuk mengatur ulang keputusannya untuk
mencapai efisiensi baik dalam desain gudang dan operasi. Sub-bagian berikut
berfokus pada langkah-langkah keputusan utama.

2.1. Tata letak

Keputusan pertama melibatkan desain tata letak gudang. Studi tata letak gudang
didasarkan pada penilaian kapasitas penyimpanan fasilitas. Metodologi yang
diusulkan didasarkan pada inventaris historis dan permintaan pelanggan (atau
perkiraan permintaan) yang dianggap sebagai input untuk analisis evaluasi risiko
persediaan yang bertujuan untuk menetapkan kapasitas penyimpanan yang
diperlukan dari sistem pergudangan (yaitu, dirancang dari warna hijau). -bidang).

Tujuan dari langkah ini adalah untuk mengatur tata letak fasilitas melalui definisi
seperangkat parameter (lihat Gambar. 1), seperti faktor bentuk, jumlah lorong,
jumlah ruang per lorong, ukuran dan jenis rak, dan karakteristik beban unit (yaitu,
ukuran palet atau solusi wadah lainnya). DSS merasionalisasi seluruh ruang
penyimpanan dengan mengabdikan zona yang berbeda untuk SKU berbeda dalam
hal bentuk dan ukuran, yang kemungkinan membutuhkan rak atau peralatan
tertentu.

2.2. Alokasi

Strategi alokasi penyimpanan membentuk sebagian kecil dari keseluruhan ruang

penyimpanan yang tersedia di area maju yang akan dikhususkan untuk SKU
generik sesuai dengan kriteria spesifik, diberikan horizon waktu tertentu. Strategi
equal space (EQS) mencurahkan fraksi ruang yang sama untuk setiap SKU,
sementara strategi waktu yang sama (EQT) memastikan jumlah cadangan yang
sama untuk setiap SKU dengan horizon waktu yang dipilih. Kedua strategi ini
terkenal di industri dan cocok untuk setiap konteks penyimpanan (mis.,
Pengambilan kardus). Strategi optimal (OPT), seperti yang diusulkan oleh
Bartholdi dan Hackman

[17] dan sebelumnya oleh Hackman dan Rosenblatt [18], meminimalkan

restocking ke area maju untuk pengambilan potongan (mis., Urutan pengambilan
untuk bagian-bagian kecil). DSS yang diusulkan mengimplementasikan strategi
alokasi yang berbeda yang digunakan untuk mengkonfigurasi skenario alternatif
persediaan untuk setiap SKU. Di area maju (yaitu, area pengambilan cepat atau
lokasi tingkat rendah), pilihan level stok yang akan disediakan untuk setiap SKU
memengaruhi aktivitas pengisian serta proses pemilihan karena pilihan ini
memengaruhi lokasi SKU. [16]. Sistem ini juga mendukung pola [17] untuk
menentukan sub-set SKU yang memaksimalkan manfaat-bersih area forward,
dengan mempertimbangkan penghematan waktu per pick (yaitu, pick dari forward
vs pick dari reserve. ) dan waktu pengisian.
Pada langkah ini, pembuat keputusan mencocokkan hasil alokasi dengan fitur tata
letak dan akhirnya mempertimbangkan kesempatan untuk kembali ke atas untuk
perencanaan tata letak ulang.

2.3. Tugas

Strategi penugasan penyimpanan menetapkan lokasi yang tepat untuk ditetapkan

ke SKU sesuai dengan heuristik yang berbeda. DSS menanyakan perilaku SKU
yang dipilih dalam profil permintaan untuk horizon waktu yang dipilih. Informasi
tentang proses pengambilan dikumpulkan untuk menghitung panel metrik yang
digunakan untuk klasifikasi SKU. Secara khusus, kebijakan penugasan berbasis-
indeks mengklasifikasikan keseluruhan SKU sesuai dengan kriteria efektif sebagai
popularitas (P) (yaitu, jumlah permintaan per setiap SKU), turn-over (T) (yaitu
rasio dari permintaan untuk inventaris untuk setiap SKU), indeks kubus per
pesanan (COI), penutupan pesanan (OC) (yaitu, kemampuan suatu item untuk
menutup pesanan). Untuk deskripsi terperinci dari heuristik dan metode untuk
kebijakan penugasan berbasis indeks, kontribusi literatur terbaru [16]
direkomendasikan.

Aspek lain yang relevan yang dapat dipertimbangkan melalui DSS yang diusulkan
adalah korelasi antara SKU yang diminta bersama oleh pelanggan. Kebijakan
penugasan berbasis korelasi dapat diterapkan pada SKU grup yang diminta

bersama-sama dan menugaskan mereka ke lokasi penyimpanan yang dekat satu

sama lain, untuk menghemat perjalanan yang diperlukan untuk kegiatan memetik.
Pendekatan berbasis korelasional yang diimplementasikan terdiri dari tiga langkah
utama berikut:

Analisis korelasi. Tingkat korelasi umumnya diukur dengan memperkenalkan

indeks kesamaan di antara SKU. Prosedur ini memungkinkan membandingkan
indeks kesamaan tujuan umum, misalnya, indeks Jaccard yang diusulkan oleh
McAuley [19] dan masalah-masalah berorientasi masalah tertentu.
Clustering Langkah ini menyangkut penerapan algoritme pengelompokan
hierarkis (mis., Keterkaitan tunggal, keterkaitan lengkap, rata-rata grup) dan
ambang batas kemiripan yang berbeda dari dendrogram (mis., Berbasis nilai,
berbasis persentase) [20-22].

Penugasan Cluster. Langkah ini menghitung metrik yang disebutkan di atas (yaitu,
popularitas, turn-over, penutupan pesanan) untuk setiap cluster SKU (misalnya,
popularitas sebuah cluster diberikan oleh jumlah bobot popularitas dari SKU yang
disertakan) dan untuk menyortir kluster SKU yang sesuai, sebagaimana
dirangkum dalam Accorsi et al. [16].

Terlepas dari penerapan kebijakan penugasan khusus (yaitu, berbasis indeks atau
berbasis korelasi), langkah penugasan mengembalikan daftar SKU (atau
sekelompok SKU) yang diurutkan sesuai dengan kriteria yang dipilih, untuk
dicocokkan dengan daftar lokasi, diberi peringkat berdasarkan nilai yang
meningkat dari jalur perintah tunggal (SC) (yaitu, jarak untuk mengunjungi lokasi
dari / ke dermaga pengiriman / penerimaan). Perhitungan SC tergantung pada
lokasi pengiriman dan dok penerima (misalnya, sudut kiri / kanan, didistribusikan,
sisi yang sama, sisi yang berbeda) dan pada apa yang disebut strategi kunjungan
lorong (yaitu, mono dan bi-directional gang). Agar sesuai dengan beberapa
batasan tata letak (mis., Sekitar dua puluh), konfigurasi kedua aspek
diimplementasikan. Terakhir, setiap SKU ditugaskan ke lokasi paling nyaman
yang tersedia sesuai dengan pendekatan heuristik serakah.

2.4. Simulasi multi-skenario

Serangkaian keputusan yang sebelumnya ditangani oleh DSS (mis., Desain tata
ruang, alokasi, dan penugasan) menyediakan konfigurasi khusus untuk skenario
gudang. Beberapa iterasi DSS memungkinkan untuk menghasilkan beberapa
skenario gudang, yang berbeda dalam konfigurasi tata letak, alokasi penyimpanan,
dan / atau kriteria penugasan penyimpanan. Sebagai kesimpulan, simulasi multi-
skenario bagaimana-kinerja pertunjukan operatif (yaitu, bepergian untuk put-
pergi, pengisian dan pengambilan) memungkinkan pembuat keputusan untuk
menilai solusi terbaik untuk desain dan manajemen gudang dengan
meminimalkan total perjalanan jarak, waktu dan biaya.

3. fungsi dan desain DSS

DSS menyediakan alat yang berguna dan ramah pengguna untuk manajer dan
pembuat keputusan yang tidak memiliki latar belakang dan keahlian dalam
pemrograman dan pengembangan perangkat lunak tetapi yang sering menghadapi
masalah desain sistem pergudangan dan masalah operasi. DSS
mengimplementasikan arsitektur sistem manajemen basis data (DBMS) untuk
penyimpanan data, model dan algoritma heuristik dan antarmuka pengguna grafis
(GUI) yang ramah pengguna yang memungkinkan kueri interaktif, pelaporan, dan
visualisasi grafik.

Aplikasi yang diusulkan didasarkan pada database yang berdiri sendiri. Input
proses pengambilan keputusan berkenaan dengan fitur operasi, biaya, dan
parameter lainnya umumnya ditangani oleh praktisi dalam operasi gudang,
sementara output terdiri dari KPI operatif yang biasanya dilacak di dunia nyata
(misalnya, tingkat pengambilan, waktu / perjalanan untuk memilih ). Arsitektur
database SQL memungkinkan pengguna untuk mengumpulkan, menyimpan, dan
mengelola sejumlah besar data dengan cepat, yang dapat dikumpulkan oleh
pengguna melalui kueri dinamis. Lebih jauh lagi, tampilan grafis 3D dari skenario
pergudangan diambil secara otomatis oleh antarmuka pengguna grafis ad-hoc
dengan Auto-CAD1.

Aplikasi ini disusun berdasarkan GUI utama yang menyajikan semua fitur dan
perintah utama untuk memuat data atau proyek dan untuk menyimpan hasil. Alat
ini memungkinkan fungsi-fungsi utama berikut:

Merancang sistem pergudangan baru (kami menyebutnya green-field).

Impor tata letak yang ada (kami sebut brown-field) untuk melakukan analisis
alokasi tugas.

Jalankan DSS untuk analisis tata letak-alokasi-penugasan lengkap dari zona

gudang generik (mis., Sesuai dengan zonasi gudang).

Menggabungkan zona gudang tunggal-ganda (mis., Sesuai dengan zonasi gudang)

sebagai sistem gabungan.

Menerapkan heuristik untuk alokasi penyimpanan, penugasan, perutean pemilih-

urutan tunggal, batch-order.

Kembangkan analisis multi-skenario bagaimana-jika untuk KPI pergudangan.

Gambar gudang 2D / 3D grafis sesuai dengan skenario yang dirancang berbeda.

3.1. Pertimbangan basis data

DSS menggunakan data historis teragregasi yang disimpan dalam database

sebagai dasar untuk penerapan semua heuristik, metode, dan analisis. Bagian ini
berfokus pada arsitektur informasi dan data sebagai dasar dari DSS yang
diusulkan. Dalam operasi gudang, jumlah data yang sangat besar yang harus
ditangani sangat penting. Sistem pergudangan mengelola puluhan ribu SKU yang
diambil dari ribuan lokasi untuk memenuhi ribuan garis permintaan per hari (lihat,
misalnya, penyimpanan suku cadang dan sistem manajemen di industri otomotif).
Kegiatan pergudangan biasanya dilacak oleh WMS perusahaan. Langkah awal
analisis terdiri dari pemfilteran informasi historis yang tersedia (mis., File induk
SKU, inventaris, permintaan) untuk membangun basis data mandiri yang
komprehensif sesuai dengan diagram hubungan-entitas (E-R) yang diilustrasikan
pada Gambar. 3.

DBMS yang dikembangkan mewakili antarmuka antara data dan pembuat

keputusan. Sistem ini melibatkan pemrosesan sejumlah besar data (lihat Gambar.
4), yang diperlukan untuk menggambarkan secara univokal karakteristik dari
sistem pergudangan.
Sistem ini terdiri dari arsitektur SQL relasional yang diberdayakan oleh
AccessTM tetapi cepat diganti oleh DBMS komersial lainnya (mis., MySQL1,
DB21). Basis data mencakup seperangkat tabel (lihat Tabel 1) yang
memungkinkan untuk deskripsi komprehensif objek sistem analisis melalui
struktur kepingan salju yang khas. Studi awal yang bermakna pada bahasa
pemodelan terpadu (UML) dan diagram E-R sangat penting untuk merancang
arsitektur informatif dengan alat dan untuk membantu dalam pemeliharaan kode
lebih lanjut dari modifikasi [23,24].

Arsitektur basis data ini memiliki berbagai keunggulan. Pertama, ini

memungkinkan pengguna untuk melacak inventaris dan melokalisasi SKU
generik di area penyimpanan maju dan cadangan. Di sisi lain, memungkinkan
serangkaian tampilan dinamis dan permintaan untuk membuat dashboard kinerja
sistem pergudangan.

Sisi klien terdiri dari antarmuka yang ramah pengguna yang dibuat oleh GUI.
Pembuat keputusan memainkan peluang untuk merancang zona gudang dari
ground-zero (yaitu, skenario lapangan hijau), untuk menambahkan zona baru ke
gudang yang ada (disebut di sini '' skenario ekspansi '') atau untuk mengimpor
yang sudah ada zona penyimpanan untuk analisis alokasi tugas (yaitu, skenario
brown-field).

Simulasi bagaimana-skenario multi-skenario kegiatan put-away, replenish dan

pick-picking dan outbound (mis. Picking) dilakukan sebagai tolok ukur untuk
menilai efektivitas setiap skenario dan efektivitas kebijakan alokasi dan
penugasan yang diadopsi . Untuk meningkatkan kinerja memetik, algoritma
pemesanan-batching (yaitu, yang uraiannya tidak dalam lingkup makalah ini)
berdasarkan pada pendekatan clustering diimplementasikan sebagai alat batching,
dan heuristik masalah salesman bepergian (TSP) bepergian (yaitu, terdekat
tetangga) dikembangkan sebagai alat routing.

3.2. Antarmuka pengguna grafis (GUI)

GUI memungkinkan pengguna untuk melakukan analisis dan memimpin
keputusan melalui DSS. Jendela utama menyajikan bilah alat untuk memuat atau
menyimpan proyek. Selama menjalankan eksekusi, pengguna menentukan objek
analisis domain dan dataset. Statistik dan hasil dirangkum di bagian bawah panel
kontrol sebagai jendela laporan cepat untuk memberi tahu pembuat keputusan
tentang pemrosesan komputer. Untuk setiap proyek, beberapa skenario gudang-
perumahan dapat dikembangkan. Analisis eksperimental bagaimana-jika
berdasarkan simulasi dinamis dapat dilakukan untuk membandingkan kinerja
sistem pergudangan di bawah konfigurasi dan kondisi operasi yang berbeda. Pada
akhir setiap simulasi, hasil yang diperoleh dan KPI digambarkan dan disimpan ke
dalam tabel database yang sesuai (lihat Tabel 1). Salah satu keuntungan dari
menyimpan hasil dari setiap proses adalah kesempatan untuk menarik pedoman
yang efektif untuk desain dan manajemen sistem pergudangan yang kompleks.
GUI terdiri dari beberapa modul berbeda yang dirinci lebih lanjut dalam sub-
bagian berikut.

3.2.1. Layout GUI

Untuk memulai desain sistem pergudangan, pembuat keputusan menentukan

kapasitas holding pergudangan total. Dengan adanya dataset tentang permintaan
historis atau inventaris, pengguna harus menjamin tingkat stok keseluruhan dan
mengatur ruang yang tersedia dengan benar. Leverage yang ditangani melalui
DSS yang diusulkan untuk konfigurasi tata letak adalah faktor bentuk, ukuran
beban unit, lokasi muatan unit, ukuran modul dasar, lebar dan jumlah lorong, dan
jenis rak, seperti yang diilustrasikan pada Gambar. 5

GUI ini melaporkan karakteristik konfigurasi tata letak, seperti total kapasitas
penyimpanan, jumlah dan ukuran lorong dan ruang penyimpanan, saturasi
penyimpanan (yaitu, rasio volume penyimpanan dengan volume keseluruhan yang
tersedia), jumlah SKU disimpan per masing-masing lorong atau setiap teluk, dll.

Setelah gudang dirancang (atau diimpor), DSS menghitung koordinat tiga dimensi
dari semua lokasi dan menyimpannya ke dalam basis data (lihat Gambar 3) untuk
analisis simulasi lebih lanjut. DSS bahkan menyertakan aplikasi AutoCAD1, yang
mengadopsi perpustakaan rak dunia nyata untuk membuat gambar dua dimensi
dan tiga dimensi dari sistem pergudangan.
Khususnya, aplikasi ini memungkinkan analis dan penyedia logistik untuk
mengimpor komponen rak (mis., Balok, kolom) yang diambil dari katalog
manufaktur dan mengonfigurasi tata letak gudang yang jujur dan akurat. Sistem
mengevaluasi berat beban maksimum inventaris dan memeriksa ketersediaan
komponen rak yang sesuai yang sesuai dengan ukuran dan karakteristiknya.
Gambar 6a memberikan gambaran tentang beberapa tampilan tiga dimensi dari
gudang yang dihasilkan dari aplikasi DSS. Sebagai hasilnya, daftar bagian yang
terperinci diberikan sebagai perkiraan kasar dari total investasi.

3.2.2. Alokasi GUI

GUI ini memungkinkan bagi pengguna untuk membandingkan berbagai strategi

alokasi yang dicoba untuk mengalokasikan volume penyimpanan yang sesuai ke
SKU umum dalam area penerusan untuk OPS pemilih-ke-bagian pick-to-part
khas. DSS mencakup empat strategi alokasi utama, tiga di antaranya sebelumnya
dijelaskan dalam Bagian 2.2; satu dengan ini diusulkan, yang disebut EQT *, yang
mengalokasikan ruang penyimpanan yang sesuai untuk setiap SKU dengan
mempertimbangkan permintaan dalam hal volume yang diambil dan mengambil
garis. Modul ini memiliki arsitektur terbuka yang pada akhirnya memungkinkan
implementasi yang mudah dari strategi alokasi tambahan lainnya.

Gambar. 7 mengilustrasikan GUI seperti yang diusulkan kepada pembuat

keputusan. Di sebelah kiri, dua jendela perintah input ('' Level Rak (n.) '' Dan ''
Strategi Alokasi '') disajikan untuk menentukan jumlah tingkat rak yang
dikhususkan untuk area maju dan untuk memilih strategi alokasi dengan yang
akan diadopsi. Dengan demikian, pengguna memiliki kesempatan untuk
mengkonfigurasi sistem pengambilan level rendah atau level tinggi dan
menetapkan level tertinggi ke area penyimpanan cadangan.

Panel kalender (di sebelah kiri Gambar. 7) memilih cakrawala analisis, dengan
menyaring dataset melalui query SQL dinamis. Kumpulan waktu yang berbeda
dipilih untuk menghitung fraksi dari volume penyimpanan yang dikhususkan
untuk setiap SKU sesuai dengan riwayat permintaan dan data inventaris. Sebagai
contoh, diberikan batch temporal (dari 31 Agustus 2011 hingga 28 September
2011), sebuah panel strategi alokasi yang sesuai mengalokasikan untuk setiap
SKU volume penyimpanan, karton, dan muatan unit dalam area maju (lihat tabel
di tengah). ).

Ruang penyimpanan seringkali merupakan sumber daya berharga yang harus

ditangani, untuk mencapai efisiensi dan mengurangi biaya pengoperasian. Pada
langkah ini, pembuat keputusan dapat mengevaluasi manfaat bersih area maju,
sesuai dengan pola yang diperkenalkan secara singkat dalam Bagian 2.2. Sub-set
SKU, yang memaksimalkan manfaat-bersih area maju, sesuai dengan nilai
maksimum kurva yang digambarkan pada Gambar. 7.

Jika zona / sistem gudang yang ada diimpor dan dimuat, inventaris AS-IS per
setiap SKU (mis., Jumlah karton dan muatan unit di daerah maju dan cadangan)
diketahui, dan data terkait disimpan ke dalam basis data. Dengan demikian,
pengguna dapat melewati modul alokasi, yang tidak dianggap sebagai pengungkit
analisis, melompat dari modul desain tata letak langsung ke masalah penugasan
penyimpanan.

3.2.3. Penugasan GUI

GUI ini mengarahkan pembuat keputusan terhadap masalah penugasan dengan

menentukan lokasi yang tepat untuk ditugaskan ke SKU umum di area penerusan.
Mempertimbangkan cakrawala analisis (yaitu, yang sama dipilih untuk analisis
alokasi atau berbeda), pengguna mengklasifikasikan SKU berdasarkan
seperangkat kriteria atau metrik yang diusulkan (yaitu, fungsi berbasis indeks),
untuk menilai korelasi antara SKU. (Yaitu, fungsionalitas berbasis korelasi)
melalui pendekatan clustering.

Kedua peluang menghitung daftar peringkat SKU (akhirnya menghitung

kelompok SKU), merespons kriteria tertentu (lihat popularitas yang disebutkan
sebelumnya, giliran, dan penutupan pesanan), agar sesuai dengan daftar lokasi,
sesuai dengan prosedur yang disajikan dalam Bagian 2.3. Lebih dari dua puluh
kombinasi untuk situs-situs pengiriman dan dok penerima (mis. Sudut, tengah,
bottom-up) yang memengaruhi waktu perintah tunggal untuk mengakses lokasi
umum dipertimbangkan.

Setelah lokasi yang sesuai di area forward ditugaskan ke SKU tertentu, area
cadangan diatur oleh adopsi heuristik serakah untuk mengurangi jarak antara item
dan cadangannya.

Hasil dari modul penugasan disimpan ke dalam basis data dan secara kasar
diilustrasikan sebagai pandangan mata dari zona gudang yang dirancang.
Tampilan mata burung adalah bidikan bingkai dari lokasi SKU, tempat setiap
SKU memiliki warna yang berbeda, dan detail penyimpanan (mis., Kode lokasi,
kode item, dan jumlah karton per item) dirangkum. DSS juga mengisi rak dengan
SKU dalam tata letak yang dirancang dalam tampilan tiga dimensi (lihat sampel
pada Gambar. 6b). Dengan mempertimbangkan rak komersial nyata, pembuat
keputusan memperoleh versi siap-cetak dari gudang yang dirancang yang berguna
untuk peralatan dan sistem pabrikan dan penyedia pabrikan serta operator gudang
yang bertanggung jawab untuk menyimpan dan memetik kegiatan.

3.2.4. Simulasi GUI

Dalam operasi pergudangan, berbagai kategori SKU terkait dengan bentuk,

volume, berat atau ukuran kemasan ditugaskan ke zona yang berbeda, mengadopsi
berbagai jenis peralatan rak atau penyimpanan sesuai dengan pendekatan zonasi.
Beberapa konfigurasi untuk zona penyimpanan, dirancang secara terpisah dan
independen melalui GUI sebelumnya, dengan ini disimpan dan selanjutnya dipilih
oleh pembuat keputusan untuk digabungkan ke dalam sistem yang unik (lihat
Gambar 8a).

GUI ini memungkinkan kita untuk mengonfigurasikan gudang berartikulasi dan

kompleks yang dibuat oleh zona penyimpanan yang berbeda, seperti yang biasa
terjadi dalam masalah pergudangan real-instance (ex-plified dalam literatur oleh
[25]). Selanjutnya, GUI ini cocok dengan langkah-langkah penentuan dengan
analisis simulasi bagaimana-jika. Dengan mengatur tata letak (mis.,
Menggabungkan gudang yang dibuat oleh satu atau beberapa zona penyimpanan),
pembuat keputusan mengimpor koordinat lokasi untuk setiap zona dan
mengaturnya sesuai dengan konfigurasi tata letak gudang keseluruhan.

DSS menghitung, untuk setiap lokasi, area depan dan cadangan jalur perjalanan
(dalam hal jarak) dari pelabuhan pengiriman dan penerima dan yang dari / ke satu
sama lain (lihat Gambar 8b).

Analisis simulasi bagaimana-jika melibatkan operasi masuk (mis., Put-away,

restocking) dan outbound (mis., Pengambilan pesanan) dan menyediakan alat
yang berguna untuk menilai kinerja sistem, termasuk biaya (yaitu, dalam hal jarak
dan waktu yang ditempuh) dalam cakrawala analisis tertentu. DSS melaporkan
panel statistik dan KPI yang lengkap untuk mengevaluasi kemanjuran dan
efisiensi tata letak, alokasi, dan konfigurasi penugasan. Daftar statistik termasuk
jarak tempuh (horizontal dan vertikal) dan waktu karena jalur pick-pick, jarak
tempuh (horisontal dan vertikal) karena disingkirkan dan diisi ulang, pemborosan
waktu karena kehabisan persediaan, jumlah pengisian ulang per setiap SKU,
jumlah lorong yang dikunjungi, sebagai metrik kemacetan kendaraan, kerapatan
pick spasial, dan aspek lainnya.

4. Studi kasus

Pada bagian ini, DSS yang diusulkan telah diterapkan untuk penilaian desain dan
kinerja sistem pergudangan dunia nyata. Secara khusus, studi kasus ini membahas
sistem manajemen suku cadang untuk merek internasional industri otomotif.
Sebuah perusahaan logistik yang beroperasi di seluruh dunia menyediakan
layanan logistik transportasi (masuk dan keluar) dan pergudangan untuk
perusahaan otomotif yang penting untuk memasok permintaan suku cadang ke
ratusan dealer Italia. Sistem ini adalah pusat distribusi regional (RDC) yang
menyumbang sekitar 8000 SKU sebagai suku cadang, mulai dari kap mesin
hingga sekrup. Keragaman tinggi SKU dalam ukuran, berat, dan bentuk adalah
khas untuk industri otomotif, dan memerlukan praktik manajemen penyimpanan
yang tepat. Sistem yang dianalisis mencakup dua puluh empat lorong yang diatur
dalam gudang multi-zona, yang menampung empat zona penyimpanan yang
mengelompokkan SKU homogen dalam ukuran dan bentuk beban unit dan bobot
yang serupa. Setiap area penyimpanan menyajikan jenis rak yang berbeda, yang
cocok untuk mengalokasikan sejumlah SKU tertentu (mis., Cantilever untuk
pintu, rak tempat penyimpanan untuk saringan udara, dll.)

OPS tingkat-pilih satu-ke-bagian dan cadangan cadangan tingkat rendah yang

diamati mewakili sampel yang relevan untuk menilai efektivitas alat yang
diusulkan. Kegiatan penerimaan dan pengiriman dipisahkan dan dibatasi masing-
masing ke kiri dan kanan dermaga. Meskipun dok penerima dan pengiriman
didistribusikan di sepanjang sisi gudang, proses pengambilan dimulai di sudut kiri
bawah sistem dan ujung di sudut kanan bawah. Kedua titik kontrol ini masing-
masing mewakili parkir walkie-stacker dan roll-container dan stasiun sortasi /
pengepakan untuk pesanan yang akan dikirim. Area penyimpanan tingkat rendah
(mis., Area depan) adalah selebar 25.000 meter persegi. Pesanan pelanggan, yang
dibuat oleh banyak jalur pesanan, menghasilkan rata-rata 37 jalur, menghasilkan
misi pengambilan yang efektif untuk waktu yang lama, karena pemetik harus
mencapai secara berurutan produk yang letaknya jauh satu dari yang lain.
Kehadiran gang sempit tidak memungkinkan mundur kembali, dan strategi
kunjungan ‘vers traversal’ diadopsi baik di dunia nyata daripada dalam simulasi.

Kompleksitas sistem didasarkan pada disomogenitas dari kedua SKU dan

prosesnya. Meningkatnya kompleksitas rantai pasokan modern menggeser peran
sistem pergudangan dalam menangani variabilitas permintaan, mendorong
penyedia logistik untuk menangani aliran homogen dan heterogen. Tren seperti ini
menghasilkan gudang yang diamati dalam operasi artikulasi inbound / outbound,
yang meliputi pembongkaran truk, pengecekan muatan, penyisihan dan pengisian
ulang, dan pengambilan pesanan. Dasbor KPI yang melibatkan misi put away,
replenishment, dan pick picking memungkinkan pembuat keputusan untuk
mengatasi kekritisan operatif dan mengusulkan strategi untuk desain ulang tata
letak dan peningkatan operasi.

DSS mengimplementasikan simulasi multi-skenario bagaimana-jika untuk

membandingkan bagaimana strategi alokasi dan penugasan yang berbeda
mempengaruhi kinerja operasi masuk / keluar dalam sistem pergudangan yang
diamati. Analisis simulasi tidak melibatkan pengungkitan tata letak, yang umum
untuk setiap skenario yang diusulkan, karena klien tidak memiliki anggaran untuk
desain ulang tata letak atau perbaikan infrastruktur. Demi singkatnya, analisis
komparatif menganggap hanya dengan pengurangan jarak perjalanan, sebagai
perkiraan waktu operasi.
Tabel 2 mengilustrasikan hasil kampanye simulasi yang dilakukan pada rangkaian
historis operasi tahunan inbound / outbound, yang mencakup sekitar 970.100 jalur
pengambilan, dan 25.500 misi pengisian. Warna-warna kuning, merah, dan biru
mengacu masing-masing untuk langkah-langkah tata letak, alokasi dan penugasan
analisis diimplementasikan ke dalam DSS (lihat Gambar. 2).

Sistem pergudangan secara keseluruhan terdiri dari empat area penyimpanan,

yang dirancang secara independen sesuai dengan kebijakan alokasi dan
penugasan. Secara khusus, skenario gudang diatur melalui penerapan aturan dan
parameter berikut:

3 strategi alokasi (mis., EQS, EQT, OPT).

4 strategi penugasan (mis., Popularitas, COI, giliran, OC). 1 strategi kunjungan

(mis., Traversal).

1 rute strategi heuristik (mis. Tetangga terdekat).

Strategi alokasi yang berbeda menghasilkan, pertama, dalam nilai yang berbeda
dari pengisian total dalam cakrawala waktu yang diamati, dan kedua, jika
dikombinasikan dengan strategi penugasan yang berbeda, dalam mempengaruhi
lokasi SKU di area maju, sehingga mempengaruhi total jarak tempuh untuk semua
operasi masuk / keluar. Ilustrasi skenario gudang alternatif memungkinkan
pembuat keputusan untuk mengenali pengaruh keputusan tentang alokasi dan
penugasan SKU di area penyimpanan maju dan cadangan. Penghematan misi
pengisian kembali yang terjadi oleh strategi EQT dan OPT, tidak cukup untuk
membenarkan pelaksanaannya mengingat biaya keseluruhan. Memang, kombinasi
dari strategi EQS dan aturan popularitas menyelesaikan pengurangan total jarak
yang ditempuh terutama karena aktivitas pengambilan
Bagian ini memberikan gambaran tentang analisis multi-leverage potensial yang
dilakukan melalui DSS yang diusulkan. Penghematan waktu yang signifikan dapat
dihasilkan oleh alokasi ulang dan penugasan kembali SKU dalam area maju dari
sistem pergudangan beberapa zona. Pada bagian berikut, aplikasi potensial dari
DSS yang diusulkan akan dijelaskan dengan fokus pada peluang peningkatan
dalam menangani instance dunia nyata dan baik keputusan pergudangan strategis
dan operatif.

5. Diskusi

Terlepas dari tren peningkatan paradigma lean dalam operasi produksi dan
distribusi, sistem pergudangan masih perlu untuk mengatasi variabilitas
permintaan dan musiman, untuk menyamakan vendor dan konsumen dalam
perdagangan global, untuk menahan produk dan mempertahankan tingkat layanan
pelanggan. Pengurangan jumlah yang diminta bergabung dengan kustomisasi
barang, menghasilkan peningkatan kompleksitas operasi pergudangan, yang
dipanggil untuk mencapai kinerja tinggi dan membuat barang berjalan cepat di
sepanjang pipa distribusi.

DSS yang diusulkan mendukung pembuat keputusan dalam menangani operasi

gudang, yang sangat tergantung oleh serangkaian faktor termasuk tata letak,
peralatan penyimpanan dan infrastruktur, serangkaian SKU, profil pesanan,
pergantian SKU, kebijakan perutean untuk menyisihkan dan memungut misi,
kinerja gol dalam hal efisiensi waktu, efisiensi ruang atau keduanya.

Implementasi alat ini untuk contoh dunia nyata memiliki tujuan yang berbeda.
Pertama, ini mendukung pembuat keputusan dalam menangani keputusan strategis
jangka panjang, berdasarkan estimasi persyaratan ruang dan investasi (mis., Biaya
untuk rak dan peralatan penyimpanan) yang diperlukan untuk mengatur area
penyimpanan baru dari bidang hijau. Kedua, ini membahas keputusan taktis
jangka menengah, yang melibatkan definisi area penyimpanan yang dikhususkan
untuk memilih daripada penyimpanan massal (yaitu, sistem tingkat rendah maju-
mundur vs sistem tingkat tinggi), ukuran dan bentuk dari masing-masing area
penyimpanan , dan kesempatan untuk mengatur beberapa area penyimpanan yang
didedikasikan untuk berbagai kelas SKU. Keputusan taktis juga mencakup
analisis kuantitas penyimpanan yang sesuai untuk dialokasikan ke setiap SKU,
sehingga memengaruhi kuantitas pemesanan ulang dari node distribusi pada tahap
sebelumnya dari rantai pasokan. Ketiga, DSS menangani keputusan jangka
pendek operatif, berdasarkan pada strategi penugasan SKU ke lokasi, definisi
kebijakan perutean berperforma terbaik, pemilihan strategi pengambilan yang
akan diadopsi (yaitu, pesanan tunggal vs pesanan batching) . Analisis simulasi
multi-skenario bagaimana-jika menilai kinerja operasi dari setiap skenario,
memberikan solusi perbaikan dan panduan peningkatan dengan cakrawala operasi,
taktis dan strategis analisis.

Berdasarkan fungsionalitas yang dijelaskan, ini memberikan berbagai tingkat

bantuan kepada pengguna yang berbeda. Secara khusus, DSS mendukung manajer
logistik bagian ketiga (3PL) dalam menghadapi masalah sehari-hari dalam
pengelolaan sistem penyimpanan banyak klien, yang ditandai dengan variabilitas
barang yang tinggi, rak penyimpanan, dan turnover. Alat ini menggambarkan
dasbor terperinci dari kinerja operasi area penyimpanan generik (mis., Klien
generik), dengan saran untuk peningkatan taktis dan operasional dan kiat-kiat
untuk menjadwalkan tenaga kerja di antara area yang berbeda. Selain itu, DSS
menawarkan kepada pemilik gudang kesempatan untuk mensimulasikan
penghematan operasi (yaitu, waktu, biaya, dan ruang) yang dicapai dengan
kombinasi strategi alokasi dan penugasan, yang menghasilkan perubahan
pendekatan untuk pengelolaan slotting SKU. Akhirnya, DSS memungkinkan para
peneliti mendekati berbagai studi kasus nyata, menguji keefektifan model dan
heuristik dalam memberikan solusi berkinerja dan menciptakan pengetahuan atas
masalah penyimpanan yang paling kritis dan berulang.

Tabel 3 melaporkan hasil yang diperoleh dengan implementasi DDS dengan tiga
studi kasus nyata. Profil ini dipilih sebagai dasar untuk validasi sistem karena
mereka paling representatif untuk kompleksitas komputasi dan kekokohan dataset
perusahaan. Analisis sistemik dari tiga profil mengidentifikasi peluang besar
untuk perbaikan atas skenario AS-IS. Tiga profil berbeda untuk sektor aplikasi
industri, serangkaian SKU, tujuan klien dan analisis yang diterapkan terkait.

Terlepas dari bisnis yang diamati, DSS cenderung mendukung pengelompokan

SKU bergerak cepat, dikelompokkan per afinitas (yaitu, Kasus 1), per popularitas
atau indeks kubus per pesanan (yaitu, Kasus 2 dan Kasus 3), dalam area
penyimpanan yang paling nyaman, sehingga memunculkan kebutuhan akan area
emas khusus, yang berpotensi didukung oleh berbagai jenis teknologi (yaitu
conveyor, sistem penyimpanan / pengambilan semi-otomatis). Alat ini secara
tepat mengatur ruang penyimpanan yang tersedia untuk sistem penyimpanan
cadangan-maju dan tingkat-tinggi, yang melibatkan desain area penyimpanan
yang berbeda, yang meningkatkan kepadatan pilih dan efisiensi ruang sistem.

6. Kesimpulan

Sistem pendukung keputusan awal untuk desain sistem penyimpanan picker-to-

part dan manajemen operasi diilustrasikan. DSS yang diusulkan terdiri dari alat
yang ramah pengguna untuk mendukung praktisi, manajer, pembuat keputusan,
dan penyedia logistik dengan menangani studi kasus nyata dan analisis
eksperimental atas desain dan kontrol operasi sistem penyimpanan. Alat ini
memungkinkan kami untuk mengumpulkan dan menyimpan informasi dari WMS
perusahaan dan untuk menguraikan, melalui arsitektur DBMS yang efisien,
serangkaian solusi dan konfigurasi desain yang berorientasi data. Alat ini
bertujuan untuk merancang sistem penyimpanan multi-zona dan
mengimplementasikan panel lebar algoritma dan metode yang membahas
berbagai tahap analisis (mis., Alokasi penyimpanan, penugasan, batching, zonasi,
perutean). Hasil dan statistik pada kinerja dan biaya karena skenario gudang
generik dihitung melalui analisis simulasi bagaimana-jika. Antarmuka grafis yang
diimplementasikan menarik tampilan dua dimensi dan tiga dimensi dari skenario
penyimpanan yang dirancang, mengadopsi komponen rak komersial nyata dengan
tujuan menyediakan rilis siap-cetak dari gudang untuk penyedia logistik dan
insinyur.

Pengembangan lebih lanjut diharapkan pada penerapan metode inovatif, model

dan algoritma, untuk mengatasi tata letak gudang, alokasi penyimpanan dan
masalah penugasan penyimpanan di hadapan solusi penyimpanan otomatis dan
peralatan untuk sistem part-to-picker (misalnya, penyimpanan otomatis dan sistem
pengambilan (AS / RS), beban mini, komidi putar).

Modul yang berguna, mengintegrasikan antarmuka cam untuk membaca barcode,

dapat diterapkan untuk mendukung pengenalan dan pendaftaran SKU baru dan
pembaruan file master SKU perusahaan. Fungsionalitas ini mungkin menanggapi
masalah penataan ulang penyimpanan parsial dan berkala daripada mendesain
ulang gudang secara keseluruhan.

Tujuan pendidikan dari pekerjaan ini adalah untuk menyediakan seperangkat

instrumen interaktif yang fleksibel untuk menciptakan dan menyebarluaskan
pengetahuan di antara penyedia logistik, praktisi, dan manajer, dan untuk
meningkatkan latar belakang dan keahlian insinyur industri atas masalah
penyimpanan paling kritis. Terakhir, alat yang dirancang, mirip dengan sistem
bantuan komputer lainnya, berupaya mendukung, tetapi tidak menggantikan,
pembuat keputusan, yang setiap hari merespons desain strategis dan manajemen
operasi dalam sistem penyimpanan.