Optimización por colonia de hormigas para el ruteo de la preparación de pedidos en almacenes de múltiples bloques

• Jose A. Cano ^[1] ; Emiro A. Campo ^[3] ; Alexander A. Correa-Espinal ^[2] ; Rodrigo A. Gómez-Montoya ^[4]
  1. [1] Universidad de Medellín

     Universidad de Medellín

     Colombia

     
  2. [2] Universidad Nacional de Colombia

     Universidad Nacional de Colombia

     Colombia

     
  3. [3] Escuela Superior en Administración de Cadena de Suministro, Colombia
  4. [4] Politécnico Colombiano Jaime Isaza Cadavid, Colombia

  Mostrar afiliaciones +
• Localización: Información tecnológica, ISSN-e 0718-0764, ISSN 0716-8756, Vol. 32, Nº. 3 (Junio), 2021, págs. 121-130
• Idioma: español
• Títulos paralelos:
  • Ant colony optimization for picker routing in multiple block warehouses
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    Este artículo tiene como objetivo minimizar la distancia total recorrida para la preparación de pedidos (PRP), considerando almacenes 2D de múltiples bloques. La PRP se encarga de planificar la forma como se visitarán las diferentes posiciones de almacenamiento para satisfacer los requerimientos de cada orden del cliente. Para esto, aquí se formulan las distancias mínimas entre cada par de posiciones de almacenamiento a visitar en un tour. Se propone un algoritmo de optimización por colonia de hormigas (ACO, en inglés), al cual se le ajustan parámetros para garantizar un mejor desempeño. Con base en experimentos computacionales, se establece que el ACO propuesto brinda soluciones de alta calidad y genera ahorros satisfactorios frente a una meta heurística y dos heurísticas, requiriendo tiempos de computación viables para ambientes de simulación y ambientes de operación real de almacenes y centros de distribución. Se concluye que el algoritmo ACO propuesto para solucionar la PRP genera soluciones de alta calidad en tiempos de computación razonables.

  • English

    This study aims to minimize the total traveled distance for the picker routing problem (PRP) by assessing 2D multi-block warehouses. The PRP is responsible for planning tours to visit different storage positions to satisfy the requirements of each customerorder. Therefore, the minimum distances between each pair of storage locations to visit on a tour are formulated. An ant colony optimization (ACO) algorithm is proposed and adjusted to improve performance. Based on computational experiments, it is established that the proposed ACO provides high-quality solutions. It also generates satisfactory savings when compared to a metaheuristic and to two widely used heuristics, requiring viable computing times for simulation environments and real warehouse operation environments. It is concluded that the proposed ACO algorithm for PRPs provides high-quality solutions within reasonable computational time.