Warehouse Layout Design and Product Placement Analysis of Fast–Moving Consumer Goods by Considering the Intra– and Inter–Relationsbetween Common Items and Group Products Demand
Abstract
ผังจัดวางสินค้าและตำแหน่งจัดวางสินค้าเป็นส่วนสำคัญที่ช่วยลดระยะทางเดินหยิบสินค้าที่ไม่จำเป็นลงคลังจัดเก็บสินค้าอุปโภคบริโภคนั้น นอกจากการพิจารณาตำแหน่งที่เหมาะสมด้วยประมาณความถี่ในการหยิบสินค้าแล้ว การพิจารณาลักษณะความสัมพันธ์ความต้องการใช้สินค้าร่วมกันระหว่างหมวดทั่วไปและหมวดกลุ่มสินค้าเป็นอีกปัญหาที่จะช่วยเพิ่มประสิทธิภาพกระบวนการหยิบสินค้า งานวิจัยนี้มีวัตถุประสงค์เพื่อวิเคราะห์ตำแหน่งจัดวางที่เหมาะสมด้วยการพิจารณาลักษณะความสัมพันธ์ความต้องการใช้สินค้าร่วมกันระหว่างภายในและระหว่างหมวดทั่วไปและหมวดกลุ่มสินค้า ข้อมูลกรณีศึกษามีสินค้าตามหมวดกลุ่มสินค้า จำนวน 366 SKUs และสินค้าหมวดทั่วไปที่ใช้ร่วมกับกลุ่มสินค้าอื่น จำนวน 81 SKUs ตัวแบบที่วิเคราะห์ประกอบด้วย 2 ขั้นตอน 1) วิเคราะห์ระดับของความสัมพันธ์ของความต้องการใช้ระหว่างสินค้าหมวดทั่วไปกับสินค้าตามหมวดกลุ่มสินค้าทั้งรูปแบบความต้องการภายในและระหว่างกลุ่มสินค้าด้วยกฎความสัมพันธ์ แล้วแบ่งกลุ่มของสินค้าที่มีความสัมพันธ์ด้วยเกณฑ์ความสัมพันธ์ที่พัฒนาขึ้น 2) ออกแบบและวิเคราะห์ตำแหน่งจัดวางสินค้าทั้งกลุ่มสินค้าที่มีความสัมพันธ์และไม่มีความสัมพันธ์ด้วยตัวแบบคณิตศาสตร์เชิงเส้น ผลจากการทดลองและเปรียบเทียบตัวแบบด้วยรายการหยิบสินค้าจำนวน 10 รายการ พบว่า ตัวแบบผังจัดวางและกำหนดตำแหน่งแบบอิงความสัมพันธ์ทั้งภายในและระหว่างกลุ่มสินค้า (Relation Based Inter- and Intra-product Groups) เป็นตัวแบบที่ดีที่สุด เพราะสามารถช่วยลดระยะทางการเดินหยิบสินค้าโดยเฉลี่ยรวมลงได้จาก 11,897.6 เหลือ 3,996.4 เมตร หรือคิดเป็น 66.41%
Layouts and storage location assignments play an important role in reducing unproductive travel distances. Typically, fast-moving consumer goods warehouses determine product placement based on picking frequencies. However, this approach may be insufficient when dealing with situations where requested items are correlated, such as the intra- and inter-relations between common items and product groups. Considering these correlations can improve picking operation efficiency. The objective of this study is to determine optimal storage locations by recognizing associations within and between product groups. The case study data includes two distinct groups: 336 SKUs of consumer brands and 81 SKUs of common items. The proposed method involves two phases. First, the degree of association for each product is determined based on intra- and inter-relations among groups using association-rule concepts. Second, the optimal locations are designed and analyzed to accommodate both correlated groups and individual items. Performance evaluations on 10 picking lists indicate that layouts designed with inter- and intra-group product relations outperform other approaches. Compared to the original travel distance, the proposed storage locations reduce unproductive travel from 11,897.6 meters to 3,996.4 meters, achieving a reduction of up to 66.41%.
Keywords
[1] R. Q. Zhang, M. Wang, and X. Pan, “New model of the storage location assignment problem considering demand correlation pattern,” Computers & Industrial Engineering, vol. 129, pp. 210–219, Mar. 2019.
[2] W. Wisittipanich and K. Chompoonoot, “Metaheuristics for warehouse storage location assignment problems,” Chiang Mai University Journal of Natural Sciences, vol. 14, no. 4, Jan. 2015 (in Thai).
[3] J. J. Bartholdi and S. T. Hackman, Warehouse & Distribution Science: Release 0.96, Atlanta, GA: The Supply Chain and Logistics Institute, Aug. 2019.
[4] Y. F. Chuang, H. T. Lee, and Y. C. Lai, “Itemassociated cluster assignment model on storageallocation problems,” Computers & Industrial Engineering, vol. 63, no. 4, pp. 1171–1177, Dec. 2012.
[5] R. Rakbanglaem and A. Phongsatornwiwat, “Layout design and storage relocation for warehouse efficiency improvement in warehouse: A case study of a public hospital,” Journal of Engineering and Digital Technology (JEDT), vol. 10, no. 2, pp. 32–45, Jul. 2022 (in Thai).
[6] A. Ubonsai and A. Phongsatornwiwat, “Use of association rules bases storage assignment location for improving class-based warehouse design: Case study a packaging company,” Thai Journal of Operations Research, vol, 9, no. 2, pp. 21–35, Jul. 2021 (in Thai).
[7] K. Lawhawichitsak and A. Pongsathornwiwat, “Applying two-stage clustering-assignment storage location model on improving item-associated based family grouping warehouse design,” Thai Journal of Operations Research, vol 9, no. 1, pp. 92–105, Jan. 2021 (in Thai).
[8] S. Sinsomboonthong, Data Mining 1: Discovering Knowledge in Data. 2nd ed. Bangkok: Chamchuree Products Co., Ltd., 2017 (in Thai).
[9] L. Mannaisatjatham, “Simulation of oncology drugs inventory controls by drug inventory department using vendor managed inventory through decision trees classification in national cancer institute of Thailand,” Journal of The Department of Medical Services, vol. 46, no. 4, pp. 106–114, 2021 (in Thai).
[10] J. A. Tompkins and J. D. Smith, The Warehouse Management Handbook, 2nd ed. North Carolina: Tomkins Press, Releigh, 1998.
[11] M. Hompel and T. Schmidt, Warehouse Management Automation and Organization of Warehouse and Order Picking Systems, Germany: Springer, 2007.
[12] W. Boonphakdee, W. Suppajindakorn, V. Tsai, and S. Kaewsasaen, “Improvement of storage facilities in dry goods warehouse: Case study vermicelli production company,” Engineering Journal Chiang Mai University, vol, 27, no. 1, pp. 22–32, Jan. 2020 (in Thai).
[13] F. Bindi, R. Manzini, A. Pareschi, and A. Regattieri, “Similarity coefficients and clustering techniques for the correlated assignment problem in warehousing systems,” in International Conference on Production Research, 2009, pp. 233–247.
DOI: 10.14416/j.kmutnb.2024.12.001
ISSN: 2985-2145