A Genetic Algorithm applied to pick sequencing for billing

Pinto, Anderson Rogério Faia; Crepaldi, Antonio Fernando; Nagano, Marcelo Seido

doi:10.1007/s10845-015-1116-7

Cited by 17 publications

(22 citation statements)

References 56 publications

(80 reference statements)

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…A problemática do SOF é motivada por restrições ou falhas de gestão atribuídas à dinâmica das mudanças e às incertezas e desordens, além da emergência irredutível, que surgem no decorrer do tempo face à complexa realidade dos sistemas organizacionais (PINTO; CREPALDI; NAGANO, 2015). Em linhas gerais, os processos de faturamento no SOF ocorrem a partir de Janelas de Tempo Variáveis (JTV) pré-fixadas em horas às quais se presume certa acumulação de pedidos na Carteira de Pedidos (CP) do AM (VAN NIEUWENHUYSE;XU et al, 2014).…”

Section: Problema De Sofunclassified

“…Neste caso, se o atendimento ideal de um pedido pode impedir o cumprimento de vários outros, então, o SOF consiste de um problema de otimização combinatória que se enquadra como uma variação do Problema da Mochila (PM) (veja, Shen (2006), Rim e Park, (2008), Slotnick (2011), Seyedrezaei, et al (2012) e Pinto, Crepaldi e Nagano (2015)). Na literatura, o mecanismo de designar quais SKU's do estoque de Produtos Acabados (PA) serão atribuídos a cada pedido da Carteira de Pedidos (CP) para serem faturados, é também denominado como processo de picking (PINTO; CREPALDI; NAGANO, 2015).…”

Section: Problema De Sofunclassified

“…Esta predisposição fez com que muitos clientes deixassem de comprar grandes volumes, logo, os pedidos foram reduzidos de tamanhos e gerados em curtos intervalos de tempo contendo quantidades mínimas de múltiplos SKU's (RICHARDS, 2011;SERESHTI;BIJARI, 2013). As frequentes pressões pelo cumprimento de prazos de entrega reduzidos e as inserções e processamentos de múltiplos pedidos resultaram em um constante ciclo de renovação da CP (SEYEDREZAEI, et al, 2012;PINTO;CREPALDI;NAGANO, 2015).…”

Section: Management Atreladas Ao Paradigma Da Theory Of Constraints Eunclassified

“…Este lapso faz criar rankings de atendimento dos pedidos e a busca pela opção de faturamento que mais bem satisfaça os clientes e maximize o resultado coorporativo resulta no SOF (DOMINICI, 2012;PINTO;CREPALDI;NAGANO, 2015). As ações para lidar com as altas variabilidades dos pedidos também desencadearam uma expressiva mudança nas operações de picking dos AM's (RICHARDS, 2011;ZHAO, 2014).…”

Section: Management Atreladas Ao Paradigma Da Theory Of Constraints Eunclassified

“…As opções se restringem a antecipar-se, quando se conhece a priori, ao estado percebido ou no mínimo reagir aos eventos improváveis (PINTO; CREPALDI; NAGANO, 2015).…”

Section: Revisão De Literatura Do Sofunclassified

See 4 more Smart Citations

Uma contribuição à otimização de faturamento e picking em sistemas picker-to-parts

Pinto¹

Self Cite

View full text Add to dashboard Cite

AGRADECIMENTOSAgradeço a DEUS por me dar a graça da saúde e do discernimento! À Escola de Engenharia de São Carlos pela oportunidade de realização do doutorado.Aos funcionários da Seção de Pós-Graduação da EESC/USP pela atenção e apoio administrativo, e a todos os servidores pelo pronto atendimento.Aos professores do Departamento de Engenharia de Produção pelos conhecimentos transmitidos com os quais deram a base para a realização deste trabalho.A todas as pessoas que direta ou indiretamente contribuíram para a realização desta pesquisa, familiares, amigos, professores e alunos do mestrado e do doutorado, em especial ao amigo Francis Minoru Endo Ura pela ajuda no desenvolvimento do software.Ao meu orientador, professor Dr. Marcelo Seido Nagano, pela confiança e amizade construída e por sua valorosa atenção nas correções, orientações e sugestões, além dos conselhos e incentivos que tanto contribuíram para o enriquecimento e realização deste projeto desafiador. (EDD). No SOC o picking é manual e enquadra-se na categoria picker-to-parts (low level) com pick-and-sort utilizando um trolley que é transportado pelo operador ao longo das ruas do AM. Neste contexto, esta tese tem como objetivo desenvolver uma ferramenta de gestão que integre e apresente soluções otimizadas para o SOF/SOC. A perspectiva de integração do SOF/SOC dar-se-á mediante à formulação de dois Algoritmos Genéticos (AG's) nomeados de AG-SOF e AG-SOC. Assim, o enfoque desta pesquisa está na avaliação da eficácia prática do AG-SOF/AG-SOC em resolver problemas reais do SOF/SOC. A eficácia do AG-SOF é comparada à um Algoritmo Guloso Iterativo (AI-SOF) enquanto que a predileção pelo AG-SOC é justificada pela natureza NP-hard do SOC. As experimentações para problemas de diferentes níveis de complexidade demonstraram que os algoritmos satisfazem todas as regras, restrições e variáveis decisórias obtendo soluções de qualidade satisfatória para qualquer categoria do SOF/SOC. O AI-SOF/AG-SOF lidam com as restrições de estoque e as possibilidades de faturar pedidos parciais para maximizar o Faturamento Total (FT). Apesar de obterem soluções com a mesma qualidade, o AI-SOF tem desempenho superior ao AG-SOF que é, em termos de Tempo de Processamento Computacional (TPC), limitado às categorias de médio porte do SOF. O AG-SOC é composto pela iteração de dois AG's (AGLOTE e AGPCV) que minimizam o Custo Total das Operações de Picking (CT). Logo, o AGLOTE agrupa os SKU's (Stock Keeping Units) dos diferentes pedidos em múltiplos lotes pela restrição de carga dos trolleys de forma a reduzir o Número de Viagens de Coleta (NVC) e define a sequência de coleta por meio de lotes prioritários para evitar o Atraso no Atendimento dos Pedidos (AAP). O AGPCV faz a roteirização dos lotes dentro do AM de modo que impeça a ocorrência de avarias aos SKU's frágeis e minimize a Distância Total das Rotas (DTR) e o Tempo Total de Picking (TTP). Evidenciou-se que para problemas de complexidade superior os lotes são mais homogêneos, nos quais o Desvio Padrão é pequeno e o Coeficiente de V...

show abstract

Section: Problema De Sofunclassified

Section: Management Atreladas Ao Paradigma Da Theory Of Constraints Eunclassified

“…As opções se restringem a antecipar-se, quando se conhece a priori, ao estado percebido ou no mínimo reagir aos eventos improváveis (PINTO; CREPALDI; NAGANO, 2015).…”

Section: Revisão De Literatura Do Sofunclassified

See 3 more Smart Citations

Uma contribuição à otimização de faturamento e picking em sistemas picker-to-parts

Pinto¹

Self Cite

View full text Add to dashboard Cite

show abstract

Performance Analysis of Hybridized Fuzzy Clustering Algorithms Using Metaheuristic Algorithms

Bhalla,

Gosain

2023

Lecture Notes in Networks and Systems

View full text Add to dashboard Cite

A technical perspective on integrating artificial intelligence to solid-state welding

Yaknesh,

Rajamurugu,

Babu

et al. 2024

Int J Adv Manuf Technol

View full text Add to dashboard Cite

The implementation of artificial intelligence (AI) techniques in industrial applications, especially solid-state welding (SSW), has transformed modeling, optimization, forecasting, and controlling sophisticated systems. SSW is a better method for joining due to the least melting of material thus maintaining Nugget region integrity. This study investigates thoroughly how AI-based predictions have impacted SSW by looking at methods like Artificial Neural Networks (ANN), Fuzzy Logic (FL), Machine Learning (ML), Meta-Heuristic Algorithms, and Hybrid Methods (HM) as applied to Friction Stir Welding (FSW), Ultrasonic Welding (UW), and Diffusion Bonding (DB). Studies on Diffusion Bonding reveal that ANN and Generic Algorithms can predict outcomes with an accuracy range of 85 – 99%, while Response Surface Methodology such as Optimization Strategy can achieve up to 95 percent confidence levels in improving bonding strength and optimizing process parameters. Using ANNs for FSW gives an average percentage error of about 95%, but using metaheuristics refined it at an incrementally improved accuracy rate of about 2%. In UW, ANN, Hybrid ANN, and ML models predict output parameters with accuracy levels ranging from 85 to 96%. Integrating AI techniques with optimization algorithms, for instance, GA and Particle Swarm Optimization (PSO) significantly improves accuracy, enhancing parameter prediction and optimizing UW processes. ANN’s high accuracy of nearly 95% compared to other techniques like FL and ML in predicting welding parameters. HM exhibits superior precision, showcasing their potential to enhance weld quality, minimize trial welds, and reduce costs and time. Various emerging hybrid methods offer better prediction accuracy.

show abstract

A Genetic Algorithm applied to pick sequencing for billing

Cited by 17 publications

References 56 publications

Uma contribuição à otimização de faturamento e <i>picking</i> em sistemas <i>picker-to-parts</i>

Uma contribuição à otimização de faturamento e <i>picking</i> em sistemas <i>picker-to-parts</i>

Performance Analysis of Hybridized Fuzzy Clustering Algorithms Using Metaheuristic Algorithms

A technical perspective on integrating artificial intelligence to solid-state welding

Contact Info

Product

Resources

About