VCM2023_10 LR

WAREHOUSE CONCEPTEN

data in elkaar staken en hoe ze veranderden. Bijvoorbeeld dat de meeste bestellingen uit twee of drie items bestonden. Zo konden we onze eigen datasets over bestellingen opbou wen, waarvan we wisten dat ze realistisch waren. Ter controle vergeleken we onze data ook met datasets uit andere, eerder gepubliceerde studies. Onze data verschilden mogelijk wel nog wat met reële data van pakweg Amazon, maar niet proble matisch veel. Met andere woorden, met die data konden we de werking van ons algoritme voldoende realistisch testen en beoordelen.” “Daaruit bleek dat ons algoritme beter presteert dan random scattered en class-based storage. Vergeleken met class-based storage stellen orderpickers met onze nieuwe formule bestel lingen tot zestig procent sneller samen. Niet altijd, maar vaak wel. Tegenover random scattered storage zien we een verbete ring van tien tot dertig procent. Opnieuw niet altijd, maar vaak wel. Zo mogen we ons algoritme echt wel ‘optimized scattered storage’ noemen.” Dr. M. Gámez : “In eerste instantie willen we zo veel mogelijk wetenschappelijke publicaties over dit algoritme bekomen. Mijn doctoraatproefschrift ‘Efficiënte opslagtechnieken voor e-commercemagazijnen’ staat al online. Bovendien publiceerde een eerste wetenschappelijk tijdschrift intussen een paper over mijn doctoraatstudie. Een tweede wetenschappelijke publica tie volgt deze herfst of winter. Naarmate er meer publicaties komen, zullen er ongetwijfeld meer geïnteresseerden contact opnemen voor verdere details over het algoritme. Misschien kunnen we het dan verder commercialiseren, maar daar zijn we nog niet uit. Ik heb het algoritme in ieder geval altijd gezien als iets dat deel kan uitmaken van warehouse manage ment systems. Het valt er ook makkelijk in te implementeren. Programmeurs kunnen de code van ons algoritme zeker ook nog verbeteren, zodat het opslaglocaties efficiënter toekent. Nu duurt het wel even om de ideale itemlocatie voor pakweg 10.000 bestellingen toe te kennen, maar die termijn valt zeker terug te dringen door de code op te poetsen. Maar we zoeken zeker nog geïnteresseerde bedrijven die alsnog hun reële data met ons willen en mogen delen.” (nvdr: geïnteresseerden kunnen contact opnemen met Value Chain info@valuechain.be) TD VC: Is het dan geen tijd om het algoritme in de praktijk te testen, in warehouses voor e-commerce?

“Eerst probeert het algoritme elk item een zo goed mogelijke plek in het warehouse te geven, zonder dat het bedrijf die plaats al daadwerkelijk toekent. Daarvoor sorteert het algoritme de recente bestellingen van groot naar klein (met het meeste tot het minste aantal orderlijnen). Daarna begint het de items van die bestellingen toe te kennen aan plaatsen met de kleinst mogelijke afstand ten opzichte van een welbepaald aflever punt. Daarbij start het algoritme met de grootste bestelling, en binnen elke bestelling met dat item dat klanten het meest bestellen. Zo kent het elke combinatie van bestelde items een plek toe tot alle bestellingen geplaatst zijn. Vervolgens mini maliseert het algoritme de afstanden tussen de items van een bestelling onderling én tussen die items en het afleverpunt door de items volgens verschillende methodes van plaats te verwisselen. Zo komt het algoritme tot een goede toewijzing voor de opslag. Dat gebeurt bij elke volgende opslagronde opnieuw, steeds gebaseerd op de laatste bestellingen.” “Vergeleken met ‘class-based storage’ stel len orderpickers met onze nieuwe formule bestellingen tot 60% sneller samen. Tegenover ‘random scattered storage’ zien we een verbetering van 10 tot 30%. Zo mogen we ons algoritme terecht ‘optimized scattered storage’ noemen”

Klaar voor testen in de praktijk

VC: Hebben jullie het algoritme ook al in de praktijk getest? Dr. M. Gámez : “Nog niet. Mijn onderzoek, waarmee ik onder tussen mijn doctoraat behaalde, was eerder academisch, uitgevoerd met theoretische data. We vonden geen e-com mercebedrijven die data over recente bestellingen met ons mochten delen, maar ze konden ons wel vertellen hoe die

42

WWW.VALUECHAIN.BE