Desenvolvendo uma abordagem generalizável para melhorar a eficiência do armazém

Cada armazém é único e projetado para atender às necessidades específicas da empresa. Portanto, não existe uma abordagem única para o design de armazéns. O desafio é superar esse ponto problemático desenvolvendo um produto que possa ser facilmente ajustado a todos esses layouts feitos sob medida..

Apesar de sua singularidade, todos os armazéns compreendem três zonas principais: entrada, armazenamento/coleta e saída, com diferenças de configuração e posicionamento ao longo do chão de fábrica.

A área de entrada é onde os fornecedores entregam os produtos pedidos. Os paletes seguirão caminhos diferentes de acordo com a política de separação: cross-docking ou Picking by Store (PBS). No cross-docking, os catadores começam com um palete cheio e entregam os produtos em locais específicos da loja ao longo de uma rota predeterminada. O PBS envolve a coleta de itens para uma loja de uma só vez, com locais representando SKUs em vez de lojas. Para ambas as políticas de coleta, quando um palete de loja atinge seu máximo, ele é movido para a área de triagem, onde os paletes da loja são embalados antes do envio.

A questão central deste estudo de caso é como organizar dinamicamente a zona de cross-docking para minimizar o tempo de operação de separação com base na demanda variável esperada. Isso envolve a otimização da localização das lojas na área de coleta para reduzir a distância total da rota. No entanto, reduzir cegamente a distância pode levar ao agrupamento de todas as lojas de alto nível, causando congestionamento. Portanto, é preciso considerar essa compensação entre distância e congestionamento para aumentar a eficiência do armazém.

Uma abordagem híbrida combinando simulação e otimização foi desenvolvida. A estratégia de modelagem pode ser rapidamente adaptada a cada bloco funcional do armazém, com a área de separação cruzada sendo o foco neste caso. A estrutura hierárquica dos modelos usados é sequencial: Simulação-Otimização-Simulação (SOS).

1. S — Simulação de alto nível: Implemente testes de cenário dentro do bloco funcional simulado do armazém. Nesse módulo, é possível simular rapidamente várias configurações relacionadas a fatores como design de layout interno, restrições de roteamento e estratégias de sortimento de armazenamento.

1. Metodologia de grade: A área de coleta pode ser reduzida a uma grade em que cada célula pode acomodar um palete. Usando essa metodologia de grade, o usuário pode definir facilmente qualquer tipo de layout a ser simulado em uma única matriz de dados.
2. Mecânico de cálculo: Com o layout bem definido, o processo envolve a geração probabilística de tarefas de separação com base nos pedidos reais de compra do armazém. Isso é seguido pela simulação das tarefas de coleta e pelo cálculo das métricas correspondentes de distância e congestionamento.

2. O — Otimização: O objetivo deste módulo é otimizar a alocação de lojas em posições de armazém, garantindo o melhor equilíbrio entre a distância total percorrida e o congestionamento das tarefas de coleta.

1. Otimização de distância: Dado o vasto espaço de soluções, a abordagem inicial foi desenvolver uma heurística de melhoria. Essa heurística se concentra na troca de posições na loja com base em um critério de ganho esperado, aceitando apenas as negociações que resultam em uma distância simulada reduzida.
2. Otimização do congestionamento: essa heurística consiste em armazenar trocas dentro de grupos predefinidos. As trocas aceitas são aquelas que têm um impacto mínimo na distância total percorrida e, ao mesmo tempo, reduzem o congestionamento.
3. Restrições: A obtenção de um plano de alocação ideal depende principalmente do design do layout interno (ou seja, número de posições de coleta, configuração do corredor e restrições de roteamento), frequência de alocação (ou seja, diária versus semanal), bloqueios de lojas e restrições de capacidade.

3. S — Simulação de eventos discretos: Esse modelo visa testar a robustez das soluções geradas, validando o modelo de simulação de alto nível. Nesta etapa, o armazém em questão é emulado a partir de um arquivo AutoCAD com as medidas precisas da área de coleta usando um software de simulação comercial. Essa abordagem garante uma representação mais precisa e granular do bloco de cross-docking, embora seja muito mais pesada e demorada do ponto de vista computacional.

‍

A metodologia proposta foi capaz de definir a localização otimizada da loja em um armazém, lidando com diferentes layouts, ciclos de alocação e restrições. A metodologia foi analisada no armazém de um grande varejista, testando diferentes períodos de alocação, configurações de layout e restrições operacionais. Foi possível reduzir efetivamente a distância percorrida pelos catadores em 13% para uma realocação diária, que poderia aumentar para 18% com uma capacidade mais precisa de prever os paletes do dia seguinte.

O armazém considerado opera em dois turnos e nem todas as lojas recebem entregas diariamente. Após o término do segundo turno, não há realocação dos paletes das lojas que ainda estão em preparação. Portanto, é preciso considerar que as lojas não programadas para entrega em um dia específico mantenham sua posição no layout para o dia seguinte. Além disso, as posições no layout têm diferentes capacidades de palete (1 a 7 paletes). Portanto, uma loja só pode ser atribuída a uma posição com capacidade de buffer suficiente para armazenar todos os seus paletes entre as entregas. Considerando essas condições no modelo, ainda foi possível reduzir a distância percorrida em 8%.

Também é importante observar que a alocação atual do armazém foi refinada ao longo do tempo pela experiência empírica. Portanto, maiores reduções de distância poderiam ser alcançadas em armazéns com menos otimização empírica.

Para as soluções propostas, o congestionamento permaneceu constante e comparável ao do layout original. Consequentemente, a redução na distância percorrida afeta diretamente o tempo operacional, aumentando consideravelmente a eficiência da operação.