To utilize space better, warehouses stack their products on top of each other. This increases the risk of injury for workers when storing and retrieving the products. Some warehouses counteract this by using robots to retrieve products to a picking area where a human worker picks the products needed to fulfill an order. This means that it is important for the robots to be effective when retrieving products to reduce the time the worker spends waiting in the picking area. This thesis focuses on the grouping of products in the containers when they are stored in the warehouse. The robots will then retrieve one container at a time and if the grouping of products is done correctly this should decrease the number of retrievals required to fulfill an order. In order to make the decision on which products to group together, an application was developed that data mined previous orders that the warehouse had received in an attempt to extract information about the products. With the help of this information the application then suggests different product layouts that focus on different goals when they are created. The different layouts are then compared against each other in order to determine which layout technique produces the best results. This algorithm has been named the PLO-algorithm. The results showed that when a product is placed with the PLO-algorithm, the most important aspect to consider is the relations it has with the other products it is grouped with. The results also showed that data mining orders that are too old can have a negative impact on the result if not handled correctly. The results also showed that when constructing the warehouse you should try to avoid restrictions that affect which products can be placed together as much as possible since these restrictions can impact the effectiveness of the warehouse in a negative way. The thesis draws the conclusion that there is a clear gain in effectiveness for warehouses to have a planed layout for their products. It is recommended to data mine previous orders to extract relations between the products if possible since this piece of information showed the best results in this thesis. It is also in the warehouse best interest to avoid as many restrictions as possible that affect which products can be placed together since this can impact the results in a negative way. It is also beneficial to not include data that is too old in the data mining since this can impact the results in a negative way if not handled correctly. / För att utnyttja sitt utrymme bättre staplar lagerhus sina produkter på höjden. Detta medför högre risker för personskada vid hämtning och lämning av produkter, en del lagerhus löser detta genom att använda sig av robotar som hämtar och lämnar produkterna i lagerhuset. Robotarna hämtar och lämnar produkterna i en plock zon där en mänsklig arbetare plockar de produkter som behövs för en order. Detta innebär att det är viktigt att robotarna är effektiva i sin hämtning av produkter för att minska väntetiden för arbetarna i plock zonen. I ett försök att effektivisera robotarna fokuserar denna avhandling på gruperingen av produkterna i behållarna. Detta innebär att beslutet om vilka produkter som ska grupperas tillsammans i samma behållare är viktig eftersom om rätt produkter lagras tillsammans så kommer detta minska antalet hämtningar och lämningar som krävs för att uppfylla en beställning. För att hjälpa till med detta beslut skapades en applikation som analyserade tidigare beställningar som varuhuset erhållit i ett försök att extrahera information om produkterna. Applikationen skapar sedan olika förslag på produkt placeringar där de olika förslagen fokuserar på olika mål för att undersöka vilket mål som är viktigast att fokusera på när en produkt ska placeras. Algoritmen i denna applikation har valts att kallas för PLO-algoritmen. Resultaten visade att när en produkt ska placeras med PLO-algoritmen så är det viktigt att gruppera produkten med produkter den har starka relationer till. Resultatet visade också att när data ska analyseras bör inte för gammal data analyseras då äldre relationer mellan produkter som inte stämmer längre kan påverka resultatet negativt om algoritmen ej hanterar detta på något sätt. Resultaten visade också att vid konstruktionen av lagerhuset bör restriktioner som begränsar hur produkter kan placeras, undvikas om möjligt då dessa kan påverka lagerhusets effektivitet negativt. Slutsatsen som kan dras är att ett lagerhus kan tjäna väldigt mycket på att ha en plan när de bestämmer hur deras produkter ska placeras. Om det finns möjlighet att analysera tidigare beställningar efter relationer mellan produkter så är detta rekommenderat då det visade bäst resultat i denna undersökning. Det är även till lagerhusets fördel att försöka undvika restriktioner på deras lagersystem när det byggs eftersom det möjliggör för fler kombinationer när produkterna ska grupperas. Till sist så visar avhandlingen att med datan som användes att det var fördelaktigt att inte göra analys på för gammal data, då detta ger sämre resultat.
| Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:bth-19780 |
| Date | January 2020 |
| Creators | Nilsson, Max, Olsson, Hampus |
| Publisher | Blekinge Tekniska Högskola, Institutionen för datavetenskap |
| Source Sets | DiVA Archive at Upsalla University |
| Language | English |
| Detected Language | Swedish |
| Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0026 seconds