Les méthodes de prélèvement utilisées dans les entrepôts varient en fonction de la taille de l’entrepôt. Les petites installations de stockage choisiront souvent les commandes individuellement, tandis que les grandes installations multizones rassembleront les commandes par lots. Entre les deux, il y a une zone grise, où les commandes sont complexes et les entrepôts ni grands ni petits. Dans ces cas, quelles sont les méthodes optimales de préparation de commandes ?
DHL Supply Chain a mené des recherches et développé un outil d’optimisation pour la préparation de commandes dans les entrepôts de taille moyenne. Ici, découvrez les résultats de leurs recherches, solutions et étude de cas.
DHL Supply Chain est une division de Deutsche Post DHL Group avec un réseau mondial et un vaste portefeuille logistique, y compris l’entreposage, le transport et les services à valeur ajoutée.
Problème
La préparation regroupée est une méthode permettant de collecter des articles par unité de gestion de stock (UGS) pour plusieurs commandes en une seule collecte. Il est généralement mis en œuvre avec une stratégie par vague : premier arrivé, premier servi (FCFS).
La méthode de collecte regroupé est utilisée dans les entrepôts de taille moyenne au lieu de collecter les commandes individuellement, comme dans les petits entrepôts, ou la collecte par lots, qui est utilisé dans les grands entrepôts. La collecte regroupée est une tentative de maintenir un bon niveau de débit tout en traitant de nombreuses commandes. À pleine capacité, la congestion et l’inefficacité peuvent devenir des défis.
Pour en savoir plus sur le débit des entrepôts, consultez l’étude de cas DHL Supply Chain.
L’équipe des recherches opérationnelles de DHL Supply Chain souhaitait améliorer la préparation des commandes sur la base de collecte regroupée réduisant la congestion et en améliorant l’efficacité. Leur solution serait un outil logiciel qui pourrait être déployé dans des entrepôts de taille moyenne.
Solution
Les ingénieurs ont développé un modèle de simulation de la collecte regroupée dans un entrepôt. Le modèle a été utilisé pour reproduire la méthode de la collecte regroupée et la comparer à d’autres solutions. De cette façon, les ingénieurs pourraient résoudre le problème de congestion et d’autres goulots d’étranglement dans les processus de préparation des commandes.
Le modèle tenait compte des quarts de travail dans les entrepôts, du nombre de préparateurs dans chaque quart de travail et donnait la possibilité de comparer d’autres stratégies par vagues par rapport au FCFS. La collecte des mesures comprenait la congestion des allées et des chariots, le temps d’achèvement du trajet et les temps d’attente.
Les tests ont montré que la solution optimale de collecte regroupée devrait se concentrer sur la réduction de la distance de déplacement du chariot de collecte. Les ingénieurs de DHL ont constaté que plutôt que de demander à un chariot de visiter plusieurs ou toutes les allées d’un entrepôt en une seule mission, la méthode optimale consistait à organiser les commandes pour la collecte de manière à visiter le moins d’allées possible.
L’équipe DHL a poursuivi le développement de son algorithme de regroupement des commandes au-delà de la réduction de la distance parcourue pour inclure la minimisation des arrêts et pour équilibrer le travail entre les zones, le cas échéant. Le résultat a augmenté le nombre d’unités traitées par heure, minimisé le temps de cycle des commandes et réduit la congestion.
Pour aider à appliquer l’analyse de la préparation regroupée et les méthodes de regroupement des commandes dans l’ensemble de l’entreprise, un plug-in de micro-service a été développé pour les systèmes de gestion d’entrepôt de DHL. Le système s’appelait IDEA (Instantly Discover Efficient Activities).
Résultats
L’équipe des recherches opérationnelles de DHL Supply Chain a validé IDEA, montrant une augmentation globale de la productivité de 14% et une diminution de la congestion des chariots de 35% par rapport au FCFS. Grâce à ces gains d’efficience, il serait possible de réduire le nombre de collecteurs de 12,5 %.
L’efficacité d’IDEA, par rapport à FCFS, résulte de l’amélioration du temps de prélèvement et du temps d’inactivité du chariot. Dans les scénarios de test, il y avait une réduction de 12 % du temps nécessaire à un chariot pour effectuer une tâche de préparation de commandes (temps de remplissage du chariot) et une réduction de 36 % du temps pendant lequel les chariots attendaient que les créneaux se libèrent.
La comparaison de la congestion des chariots pour IDEA et FCFS démontre la réduction du temps d’attente des créneaux quand les lots se libèrent. Remarquablement, IDEA réduit le temps de plus de quatre chariots qui sont congestionnés de 28% du temps à 18% du temps.
Dans l’ensemble, l’outil IDEA est un moyen efficace de réduire les coûts d’exploitation en réduisant le nombre de préparateurs nécessaires pour maintenir le débit de l’entrepôt. L’outil s’intègre facilement au système de gestion d’entrepôt de DHL en tant que plug-in et peut être déployé partout où cela est nécessaire. C’est un exemple de la façon dont la modélisation dpar simulation avec AnyLogic peut fournir des résultats puissants d’une manière qui s’intègre aux systèmes existants. En savoir plus sur l’optimisation des entrepôts à l’aide d’AnyLogic.
Cette étude de cas est tirée d’une présentation donnée par Vijay Sharma, de DHL Supply Chain, lors de la conférence AnyLogic 2021. Sa présentation avec séance suivi de questions et réponses:
