- Tytuł:
-
Inventory management and logistics optimization: a data mining practical approach
Zarządzanie zapasem oraz optymalizacja logistyki- podejście oparte na eksploracji danych - Autorzy:
- Granillo-Macías, Rafael
- Powiązania:
- https://bibliotekanauki.pl/articles/361824.pdf
- Data publikacji:
- 2020
- Wydawca:
- Wyższa Szkoła Logistyki
- Tematy:
-
cluster
Partitioning Around Medoids
facility location
supply chain
klaster
lokalizacja zasobów
łańcuch dostaw - Opis:
-
Background: In the current economic scenarios, characterized by high competitiveness and disruption in supply chains, the latent need to optimize costs and customer service has been promoted, placing inventories as a critical area with high potential to implement improvements in companies. Appropriate inventory management leads to positive effects on logistics performance indices. In economic terms, about 15% of logistics costs are attributed to warehousing operations. With a practical approach, using a case study in a company in the food sector, this article proposes an inventory classification method with qualitative and quantitative variables, using data mining techniques, categorizing the materials using variables such as picking frequency, consumption rates and qualitative characteristics regarding their handling in the warehouse. The proposed model also integrates the classification of materials with techniques for locating facilities, to support decision-making on inventory management and storage operations. Methods: This article uses a method based on the Partitioning Around Medoids algorithm that includes, in an innovative way, the application of a strategy for the location of the optimal picking point based on the cluster classification considering the qualitative and quantitative factors that represent the most significant impact or priority for inventory management in the company. Results: The results obtained with this model, improve the routes of distributed materials based on the identification of their characteristics such as the frequency of collection and handling of materials, allowing to reorganize and increase the storage capacity of the different SKUs, passing from a classification by families to a cluster classification. Furthermore, the results support decision-making on storage capacity, allowing the space required by the materials that make up the different clusters to be identified. Conclusions: This article provides an approach to improving decision-making for inventory management, showing a proposal for a warehouse distribution design with data mining techniques, which use indicators and key attributes for operational performance for a case study in a company. The use of data mining techniques such as PAM clustering makes it possible to group the inventory into different clusters considering both qualitative and quantitative factors. The clustering proposal with PAM offers a more realistic approach to the problem of inventory management, where factors as diverse as time and capacities must be considered, to the types and handling that must be had with the materials inside the warehouse.
Wstęp: W obecnych warunkach ekonomicznych, charakteryzujących się wysoką konkurencyjnością i nieprzewidywalnością działalności w obrębie łańcucha dostaw, istotne jest dążenia do optymalizacji kosztów i poprawy poziomu obsługi klientów, poprzez prawidłowe zarządzanie zapasem, jako czynnikiem kluczowym. Właściwe zarządzanie zapasami prowadzi do pozytywnych wpływów na wyniki logistyczne. W ujęciu ekonomicznym, około 15% kosztów logistycznych jest związane z operacjami magazynowymi. Poprzez zastosowanie studium przypadku z branży spożywczej, w pracy proponowana jest metoda klasyfikacji zapasów z zmiennymi jakościowymi i ilościowymi, przy zastosowaniu technik eksploracji danych, kategoryzując materiały przy użyciu zmiennych takich jak częstotliwość pobrań, poziom konsumpcji, jak i charakterystyki jakościowe związane z operacjami magazynowymi. Proponowany model łączy klasyfikację materiałową z technikami lokalizacyjnymi w celu ułatwienia procesu decyzyjnego w obszarze zarządzania zapasem oraz operacji magazynowych. Metody: Zastosowana metoda opiera się na algorytmie Partitioning Around Medoids, który w innowacyjny sposób, stosuje strategię lokalizacji optymalnego punktu poboru w oparciu o klasyfikację klastrową, uwzględniając jakościowe jak i ilościowe czynniki, mające duży wpływ na określanie priorytetów w zarządzaniu zapasem w przedsiębiorstwie. Wyniki: Uzyskane wyniki poprawiają marszruty dystrybuowanych materiałów w oparciu o identyfikację ich charakterystyk takich jak częstotliwość pobrań i handlingu, pozwalając na reorganizację i wzrost pojemności magazynowej różnych indeksów materiałowych, przechodząc z klasyfikacji na podstawie rodzin do klasyfikacji opartej na klusterze. Dodatkowo, wyniki wspomagają proces decyzyjny związany ze zdolnościami magazynowymi, umożliwiając identyfikację na najniższym poziomie miejsca magazynowego. Wnioski: Praca prezentuje podejście do poprawy procesu decyzyjnego w zarządzaniu zapasem poprzez propozycję projektu magazynu w oparciu o techniki eksploracji danych, które stosują mierniki i wskaźniki działań operacyjnych. Zastosowanie technik eksploracji danych takich jak klustrowanie PAM umożliwia grupowanie zapasów przy uwzględnieniu różnych czynników jakościowych i ilościowych. Proponowana metod PAM umożliwia bardziej realistyczne podejście do problemów zarządzania zapasem, gdzie muszą być uwzględnione tak różne czynniki jak czas czy zdolności oraz typu operacji magazynowych. - Źródło:
-
LogForum; 2020, 16, 4; 535-547
1734-459X - Pojawia się w:
- LogForum
- Dostawca treści:
- Biblioteka Nauki
Artykuł