1 |
Warehouse management – streamlining picking rounds / Lagerhantering – effektivisering av plockrundorBlom, Amanda, Stenman, Sofia January 2021 (has links)
In this study we have conducted research on how to optimize inventory management within logistics. The focus in this study is to examine the picking rounds, the reason for this is because it is the most time consuming and expensive part within a warehouse. Is it possible to minimize the handling time to create efficient picking rounds? As a part of the research project AI has been investigated as well. If it is possible with help of AI, create a streamlining of current warehouse logistics. The purpose of this report is to investigate how to minimize the distance in picking rounds for efficient warehouse management. To be able to fulfil the purpose of the report research questions where conducted. The methodology that was chosen at first was traditional data collection. With the help of other studies conducted in this area we started to collect information. To be able to compare this information to the chosen company Care of Carl a case study was performed. A case study on the current situation at Care of Carl, and what the current optimization is based on. With the help of these two methods a result emerged. The result that was conducted by this study is that placement and categorization of products as well as route planning has a significant role when streamlining the picking process and minimizing the picking process. To store items in a warehouse the most suitable option is to use a free item placement, or storage out of sale frequency. But important to acknowledge is that it requires support systems to make this storage possible. When categorizing articles, it is crucial to combine this with a suiting picking method. In the case study, combining ABC categorization with zone picking was a possible solution. In general, it might be a good idea to invest in AI to use the picking position principle. With AI it is possible to analyse more complex data such as customer patterns and if this implementation succeeds it can lead to great advantages within a warehouse and the picking processes. The traveling distance constitutes most of the total picking time, it is important to have a route method that works with how you have chosen to place the items. This study shows that the optimal routing method is the one to use. This study showed that there are a lot of different strategies and methods on the current market. According to the case study Care of Carl can make big savings by changing strategies and methods. The reason why is because they have been reactive when investing in IT support systems. But in general, if a company wants to meet the current increasing requirements according to the globalization and the continuous changes within logistics operations, AI is the next step. The methods that are currently used are not sufficient, with the help of AI there is room for improvements within product allocation and route planning. / I denna studie har det undersökts hur man kan optimera lagerhanteringen inom logistik. Fokus har varit att undersöka plockrundorna, då det är den mest tidskrävande och kostsamma delen inom ett lager. Är det möjligt att minimera hanteringstiden och därmed effektivisera plockrundorna? Studien har även varit en del av ett forskningsprojekt där man har undersökt om det med hjälp av AI är möjligt att skapa en effektivisering av lagerhantering. Syftet med denna rapport är att undersöka hur man minimerar avståndet i plockrundorna för att effektivisera lagerhanteringen. För att kunna uppfylla syftet med rapporten utformades det forskningsfrågor kopplat till syftet. Traditionell datainsamling var den metod som användes för att komma i gång med studien. Den teoretiska referensramen som skapades i denna rapport var utifrån andra studier som genomförts inom detta område, men även utifrån att kunna besvara de forskningsfrågor som skapats. Det genomfördes även en fallstudie på företaget Care of Carl, med en nulägesbeskrivning samt en förklaring gällande hur deras nuvarande optimering tagits fram. För att kunna besvara syftet med rapporten och forskningsfrågorna jämfördes den teoretiska referensramen med den fallstudien som genomförts i samband med denna studie. Resultatet som framkom under studien var att placering och kategorisering av produkter såväl som ruttplanering har en avgörande roll gällande effektivisering av plockprocessen i ett lager. Gällande inlagringsmetod är det lämpligast att använda sig av flytande artikelplacering alternativt lagring utifrån försäljningsfrekvens. Vad som är viktigt att nämna är att båda metoder kräver ett stödsystem för att kunna implementeras. Gällande kategorisering av artiklar är det viktigt att kombinera detta med en passande plockmetod. I fallstudien var en möjlig lösning att kombinera ABC-kategorisering med zonplockning. Generellt sätt är AI en framtida värd investering då man kan använda sig av plockpositionsprincipen. AI möjliggör analysering av mer komplexa data som kundmönster och om denna implementering lyckas kan det leda till stora fördelar inom ett lager och för plockprocessen. Det är även viktigt att ha en ruttmetod som fungerar ihop med den placeringsmetod man använt sig av, då gångtiden och gångavståndet är det som utgör det mesta av den totala plocktiden. Denna studie visar att den optimala ruttmetoden är den som bör användas, och detta kräver en investering i ett stödsystem. Denna studie visade att det för tillfället finns många olika strategier och metoder på marknaden idag. Enligt fallstudien kan Care of Carl göra stora besparingar bara genom att ändra sina strategier och metoder. Orsaken är att de har varit reaktiva vid investeringav IT-stödsystem. Generellt sätt, om ett företag vill uppfylla de ökande kraven som finns till följd av globaliseringen och de kontinuerliga förändringarna inom logistikverksamheten, är AI nästa steg att ta. Metoderna som för närvarande används är inte tillräckliga och med hjälp av AI finns det möjlighet för förbättringar inom produktallokering och ruttplanering.
|
Page generated in 0.0621 seconds