Desenvolver uma abordagem generalizável para melhorar a eficiência de armazéns

Cada armazém é único e concebido para satisfazer necessidades específicas da empresa. Assim, não existe uma solução universal para o seu desenho. O desafio consiste em ultrapassar esta dificuldade através do desenvolvimento de um produto que se possa adaptar facilmente a todos estes layouts personalizados.

Apesar da sua singularidade, todos os armazéns compreendem três zonas principais: receção, armazenamento/preparação e expedição, com diferenças na configuração e disposição ao longo da área operacional.

A zona de receção é onde os fornecedores entregam os produtos encomendados. As paletes seguem diferentes percursos consoante a política de picking: cross-docking ou Picking by Store (PBS). No cross-docking, os operários começam com uma palete completa e distribuem os produtos para locais específicos de cada loja ao longo de uma rota predeterminada. O PBS implica recolher os itens para uma loja de uma só vez, com locais que representam SKUs em vez de lojas. Em ambas as políticas, quando uma palete de loja atinge a sua capacidade máxima, é transferida para a área de consolidação, onde as paletes são agrupadas antes da expedição.

A questão central deste estudo de caso é como organizar dinamicamente a zona de cross-docking para minimizar o tempo das operações de picking, com base na procura variável esperada. Isto envolve otimizar a localização das lojas na área de picking para reduzir a distância total percorrida nas rotas. No entanto, reduzir cegamente a distância pode levar ao agrupamento de todas as lojas com encomendas grandes, causando congestionamento. Por isso, é necessário considerar este equilíbrio entre distância e congestionamento para melhorar a eficiência do armazém.

Foi desenvolvida uma abordagem híbrida que combina simulação e otimização. A estratégia de modelação pode ser rapidamente adaptada a cada bloco funcional do armazém, sendo a área de picking de cross-docking o foco neste caso. A estrutura hierárquica dos modelos utilizados é sequencial: Simulação-Otimização-Simulação (SOS).

1. S - Simulação de Alto Nível: Realização de testes de cenários dentro do bloco funcional simulado do armazém. Dentro deste módulo, é possível simular rapidamente múltiplas configurações relativas a fatores como o desenho interno do layout, restrições de roteamento e estratégias de assortimento de armazenagem.

1. ‍Metodologia de grelha: A área de picking pode ser reduzida a uma grelha em que cada célula pode acomodar um palete. Com esta metodologia, o utilizador pode facilmente definir qualquer tipo de layout a ser simulado numa única matriz de dados.‍
2. Mecânica de cálculo: Com o layout bem definido, o processo envolve a geração probabilística de tarefas de picking com base em ordens de compra reais do armazém. Segue-se a simulação dessas tarefas e o cálculo das métricas correspondentes de distância e congestionamento.

2. O - Otimização: O objetivo deste módulo é otimizar a alocação das lojas às posições no armazém, garantindo o melhor equilíbrio entre distância total percorrida e congestionamento das tarefas de picking.‍

1. Otimização de distância: Dada a vastidão do espaço de soluções, a abordagem inicial foi desenvolver uma heurística de melhoria. Esta heurística concentra-se em trocar as posições das lojas com base num critério de ganho esperado, aceitando apenas as trocas que resultem numa redução da distância simulada.
2. Otimização de congestionamento: Esta heurística consiste em trocas de lojas dentro de grupos pré-definidos. As trocas aceites são as que têm impacto mínimo na distância total percorrida, mas reduzem o congestionamento.
3. Restrições: Obter um plano de alocação ótimo depende principalmente do desenho interno do layout (número de posições de picking, configuração dos corredores e restrições de roteamento), da frequência de alocação (diária vs. semanal), de bloqueios de lojas e de restrições de capacidade.

3. S - Simulação de Eventos Discretos: Este modelo visa testar a robustez das soluções geradas, validando o modelo de simulação de alto nível. Nesta fase, o armazém em questão é emulado a partir de um ficheiro AutoCAD com as medidas exatas da área de picking, utilizando um software comercial de simulação. Esta abordagem garante uma representação mais precisa e granular do bloco de cross-docking, embora seja muito mais pesada em termos computacionais e demorada.

A metodologia proposta conseguiu definir a localização otimizada das lojas no armazém, adaptando-se a diferentes layouts, ciclos de alocação e restrições. A metodologia foi testada no armazém de um grande retalhista, avaliando diferentes períodos de alocação, configurações de layout e limitações operacionais. Foi possível reduzir eficazmente a distância percorrida pelos operadores em 13% com uma realocação diária, percentagem que poderia aumentar para 18% com uma previsão mais precisa dos paletes necessários no dia seguinte.

O armazém em análise opera em dois turnos, e nem todas as lojas recebem entregas diariamente. Após o segundo turno, não há realocação dos paletes das lojas que ainda se encontram em preparação. Por isso, o modelo teve de considerar que as lojas não agendadas para entrega num determinado dia mantêm a sua posição no layout no dia seguinte. Além disso, as posições no layout têm capacidades distintas (1 a 7 paletes), pelo que uma loja só pode ser alocada a uma posição com capacidade suficiente para armazenar todos os seus paletes entre entregas. Mesmo com estas condições, o modelo permitiu reduzir a distância percorrida em 8%.

É importante referir que a alocação atual do armazém foi sendo aperfeiçoada ao longo do tempo com base em experiência empírica. Assim, reduções ainda maiores de distância poderiam ser alcançadas em armazéns com menos otimização prévia.

Nas soluções propostas, o congestionamento manteve-se constante e equivalente ao do layout original. Desta forma, a redução da distância percorrida teve um impacto direto no tempo operacional, aumentando significativamente a eficiência da operação.

This project was developed within the scope of the PRR.

Read more