Desarrollar un enfoque generalizable para mejorar la eficiencia del almacén

Cada almacén es único y está diseñado para satisfacer las necesidades específicas de la empresa. Por lo tanto, no existe un enfoque único para el diseño de almacenes. El desafío consiste en superar este punto débil mediante el desarrollo de un producto que pueda adaptarse fácilmente a todos estos diseños hechos a medida.

A pesar de su singularidad, todos los almacenes comprenden tres zonas principales: de entrada, de almacenamiento/recogida y de salida, con diferencias en la configuración y la ubicación a lo largo del taller.

El área de recepción es donde los proveedores entregan los productos pedidos. Los palés seguirán diferentes rutas según la política de recogida: cross-docking o pick by store (PBS). En el cross-docking, los recolectores comienzan con un palé lleno y entregan los productos en ubicaciones específicas de la tienda siguiendo una ruta predeterminada. La PBS consiste en recolectar los artículos para una tienda de una sola vez, y las ubicaciones representan los SKU en lugar de las tiendas. Según ambas políticas de recogida, cuando los palés de una tienda alcanzan su límite máximo, se trasladan al área de clasificación, donde los palés de la tienda se almacenan por etapas antes del envío.

La cuestión central de este estudio de caso es cómo organizar dinámicamente la zona de atraque para minimizar el tiempo de operación de recolección en función de la demanda variable esperada. Esto implica optimizar las ubicaciones de las tiendas en el área de recolección para reducir la distancia total de la ruta. Sin embargo, reducir ciegamente la distancia puede llevar a agrupar todas las tiendas de alto nivel y provocar congestión. Por lo tanto, hay que considerar este equilibrio entre la distancia y la congestión para mejorar la eficiencia del almacén.

Se desarrolló un enfoque híbrido que combina simulación y optimización. La estrategia de modelización se puede adaptar rápidamente a cada bloque funcional del almacén, centrándose en este caso en la zona de recogida cruzada. La estructura jerárquica de los modelos utilizados es secuencial: simulación-optimización-simulación (SOS).

1. S — Simulación de alto nivel: Implemente pruebas de escenarios dentro del bloque funcional simulado del almacén. En este módulo, es posible simular rápidamente varias configuraciones en relación con factores como el diseño de la distribución interna, las restricciones de enrutamiento y las estrategias de distribución del almacenamiento.

1. Metodología Grid: El área de recolección se puede reducir a una cuadrícula donde cada celda puede acomodar un palé. Con esta metodología de cuadrícula, el usuario puede definir fácilmente cualquier tipo de diseño para simularlo en una única matriz de datos.
2. Mecánico de cálculo: Con el diseño bien definido, el proceso implica la generación probabilística de tareas de selección basadas en las órdenes de compra reales del almacén. A esto le sigue la simulación de las tareas de selección y el cálculo de las métricas de distancia y congestión correspondientes.

2. O — Optimización: El objetivo de este módulo es optimizar la asignación de las tiendas a las posiciones de almacén, garantizando el mejor equilibrio entre la distancia total recorrida y la congestión de las tareas de recolección.

1. Optimización de distancia: Dado el amplio espacio de soluciones, el enfoque inicial consistía en desarrollar una heurística de mejora. Esta heurística se centra en el intercambio de posiciones en tiendas en función de un criterio de ganancia esperada, aceptando únicamente las operaciones que den como resultado una distancia simulada reducida.
2. Optimización de la congestión: Esta heurística consiste en intercambios de tiendas dentro de grupos predefinidos. Los swaps aceptados son los que tienen un impacto mínimo en la distancia total recorrida y, al mismo tiempo, reducen la congestión.
3. Restricciones: La obtención de un plan de asignación óptimo depende principalmente del diseño de la distribución interna (es decir, el número de puestos de recogida, la configuración de los pasillos y las restricciones de enrutamiento), la frecuencia de asignación (es decir, diaria o semanal), los bloqueos de tiendas y las restricciones de capacidad.

3. S — Simulación de eventos discretos: Este modelo tiene como objetivo probar la solidez de las soluciones generadas, validando el modelo de simulación de alto nivel. En este paso, el almacén en cuestión se emula a partir de un archivo de AutoCAD con las medidas precisas del área de recolección utilizando un software de simulación comercial. Este enfoque garantiza una representación más precisa y granular del bloque de acoplamiento cruzado, aunque es mucho más laborioso desde el punto de vista computacional y lento.

‍

La metodología propuesta fue capaz de definir la ubicación optimizada de la tienda en un almacén, manejando diferentes diseños, ciclos de asignación y restricciones. La metodología se analizó en el almacén de una gran tienda minorista y se probó para determinar diferentes períodos de asignación, configuraciones de diseño y restricciones operativas. Fue posible reducir de manera efectiva la distancia recorrida por los recolectores en un 13% para una reasignación diaria, que podría aumentar hasta un 18% con una capacidad más precisa de predecir los palés del día siguiente.

El almacén considerado funciona en dos turnos y no todas las tiendas reciben entregas diarias. Una vez finalizado el segundo turno, no hay ninguna reasignación de los palés de las tiendas que aún están en preparación. Por lo tanto, debe tenerse en cuenta que las tiendas cuya entrega no está programada para un día específico mantienen su posición en el diseño para el día siguiente. Además, las posiciones de la distribución tienen diferentes capacidades de palés (de 1 a 7 palés). Por lo tanto, una tienda solo puede asignarse a una posición con suficiente capacidad de almacenamiento intermedio para almacenar todos sus palés entre entregas. Teniendo en cuenta estas condiciones en el modelo, aún era posible reducir la distancia recorrida en un 8%.

También es importante tener en cuenta que la asignación actual de almacenes se ha ido perfeccionando con el tiempo gracias a la experiencia empírica. Por lo tanto, se podrían lograr mayores reducciones de distancia en los almacenes con una menor optimización empírica.

Para las soluciones propuestas, la congestión permaneció constante y comparable a la del diseño original. En consecuencia, la reducción de la distancia recorrida afecta directamente al tiempo operativo, lo que aumenta en gran medida la eficiencia de la operación..