A Pareto-optimal genetic algorithm for warehouse multi-objective optimization

Poulos, P.; Rigatos, Gerasimos; Tzafestas, Spyros G.; Koukos, A. K.

doi:10.1016/s0952-1976(01)00036-7

Cited by 42 publications

(9 citation statements)

References 9 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…The past and the recent literature introduce several assignment strategies for both less-than-UL systems and UL warehouses (Caron, Marchet, & Perego, 2000;Clausen, Dabidian, Diekmann, Goedicke, & Poting, 2013;Daniels, Rummel, & Schantz, 1998;Muppani & Adil, 2008b;Pan, Shih, Wu, & Lin, 2015;Park & Seo, 2009;Poulos, Rigatos, Tzafestas, & Koukos, 2001;Roodbergen, 2001;Rosenblatt & Roll, 1984). Order picking and order batching strategies aim to minimise the expected travel time, or order cycle time, considering several factors, e.g.…”

Section: Literature Reviewmentioning

confidence: 99%

Unit-load storage assignment strategy for warehouses in seismic areas

Bortolini

Botti

Cascini

et al. 2015

Computers & Industrial Engineering

View full text Add to dashboard Cite

Section: Literature Reviewmentioning

confidence: 99%

Unit-load storage assignment strategy for warehouses in seismic areas

Bortolini

Botti

Cascini

et al. 2015

Computers & Industrial Engineering

View full text Add to dashboard Cite

“…Its labor-intensiveness implies not only a reliance on manpower for retrieving items for customer orders, but also reliance on human experience in making relevant decisions. This results in inappropriate and biased decisions (Singh and Benyoucef 2013), affecting not only the usage of resources, but also cost and customer satisfaction (Poulos et al 2001). Great interest among researchers has emerged in seeking ways to provide knowledge support to decision makers so as to guarantee quality of their decisions.…”

Section: Literature Reviewmentioning

confidence: 99%

A RFID-based storage assignment system for enhancing the efficiency of order picking

Choy

Lee

2014

J Intell Manuf

View full text Add to dashboard Cite

In today's time-sensitive markets, effective storage policies are widely accepted as a means for improving the efficiency of order picking. As a result of customization, the variety of products handled by a warehouse has increased, making storage location assignment problems more complicated. Different approaches have been proposed by researchers for improving storage assignment and order picking. However, many industrial practitioners find it difficult to adopt such approaches due to complexity and high associated costs. In particular, small and medium enterprises (SMEs), that generally, lack resources and who have staff members with weak artificial intelligence backgrounds, still rely on experience when assigning storage locations for diverse products. In these circumstances, the quality of decision making cannot be guaranteed. In view of this, an intelligent system which can be easily adopted by SMEs is designed to improve storage location assignment problems. The proposed system, an RFID-based storage assignment system (RFID-SAS), is a rule-based system incorporating radio frequency identification (RFID) provides decision support for storage assignment in a warehouse. Unlike many existing situations, RFID tags are attached to products at the item level instead of at the pallet level. As the knowledge embedded in the system is represented in the form of rules, evaluation is important and is outlined in this paper. The effectiveness of the system is verified by means of a case study in which the system is implemented in a typical SME specializing in machinery manufacturing. The results illustrate that RFID-SAS can enhance the efficiency of order picking in a warehouse.

show abstract

“…Neste estudo, utilizou-se o conceito de dominância de soluções (chamado dominância de Pareto) para analisar a relação entre estes objetivos conflitantes. Um problema multiobjetivo (como definido em Cohon, 1978;Steuer, 1986;Poulos et al, 2001;Jaszkiewicz, 2002;Arroyo e Armentano, 2005) consiste em determinar um vetor de variáveis de decisão que otimize um vetor de funções objetivo e satisfaça o conjunto de restrições envolvidas. Uma solução x é chamada Pareto ótima (ou eficiente ou não-dominada), se o valor de alguma função objetivo f i (x) não pode ser melhorada sem piorar ao menos uma das outras funções objetivo.…”

Section: Geração Das Curvas De Trade-offunclassified

Modelo hipercubo integrado a um algoritmo genético para análise de sistemas médicos emergenciais em rodovias

Iannoni

Morábito

2006

Gest. Prod.

View full text Add to dashboard Cite

IntroduçãoNos sistemas de atendimento médico emergencial em rodovias brasileiras, a rapidez no atendimento a um chamado é uma das principais medidas de desempenho, dado que o atraso no tempo de resposta pode significar a diferença entre a vida e morte das vítimas envolvidas. A perda de chamadas e o atraso no tempo de resposta estão diretamente relacionados ao conflito entre as variáveis aleatórias da demanda por serviço e as restrições de capacidade do sistema. Dado que, devido a restrições de orçamento, os SAEs não podem ser planejados de forma a trabalhar com um número muito grande de servidores, há claramente um importante trade-off a ser considerado entre a qualidade de atendimento e os custos de investimento e operação nestes sistemas. Ao se analisarem sistemas de atendimento emergencial (SAEs), os fatores probabilís-ticos relacionados à distribuição temporal e espacial dos servidores e chamadas devem ser considerados, dado que a operação destes sistemas é caracterizada por incertezas com relação à localização e tempo necessário para atender a um determinado chamado. Apesar disso, a maioria dos estudos na literatura de problemas de localização de instalações considera apenas a aleatoriedade relacionada à disponibilidade dos servidores. Swersey (1994), Owen e Daskin (1998), Chiyoshi et al. (2000) e Brotcorne et al. (2003) revisam os principais modelos de localização para analisar os sistemas de atendimento emergencial desenvolvidos nas últimas décadas.O modelo hipercubo (Larson, 1974;1975; Larson e Odoni, 1981), baseado nos resultados de teoria de filas espacialmente distribuídas e aproximações Markovianas, é um dos métodos mais efetivos para analisar os sistemas emergenciais. A idéia básica é expandir o espaço de estados de modelos de filas simples com múltiplos servidores (p.e., modelos M/M/N ou M/G/N, em que N é o

show abstract

A Pareto-optimal genetic algorithm for warehouse multi-objective optimization

Cited by 42 publications

References 9 publications

Unit-load storage assignment strategy for warehouses in seismic areas

Unit-load storage assignment strategy for warehouses in seismic areas

A RFID-based storage assignment system for enhancing the efficiency of order picking

Modelo hipercubo integrado a um algoritmo genético para análise de sistemas médicos emergenciais em rodovias

Contact Info

Product

Resources

About