Publicação
Desenvolvimento de algoritmos para recolha de produtos num armazém automático de alta densidade
| Resumo: | A presente dissertação realizou-se no âmbito do Mestrado em Engenharia de Sistemas da Universidade do Minho, inserida em contexto industrial na Pinto Brasil S.A., empresa dedicada à metalomecânica. Este projeto surgiu da necessidade de estudar o desempenho de um armazém automático de elevada densidade denominado Shopstocker. Os sistemas de armazenamento desempenham um papel fundamental na performance de toda a cadeia de abastecimento. A necessidade de adoção de políticas consentâneas com a Indústria 4.0, tais como Just-inTime/Just-in-Sequence, levou a que diversos tipos de armazéns fossem desenvolvidos. Um dos mais estudados e implementados é o Automated Storage and Retrieval System de elevada densidade. A Pinto Brasil S.A desenvolveu e implementou numa empresa fornecedora de para-choques, um sistema automatizado de elevada densidade para armazenamento de produto acabado. O Shopstocker implementado tem capacidade para armazenar um elevado número de para-choques e entrega os produtos de acordo com uma ordem pré-definida no tempo adequado. Devido à elevada variedade de referências de para-choques que atualmente são produzidos, o armazenamento do Shopstocker gera situações caóticas prejudicando a taxa de extração de produtos. No processo de extração a seleção de referências para uma ordem de carregamento é atualmente um procedimento muito complexo. Com o estudo da situação real do armazém implementado, modelou-se matematicamente um problema de otimização combinatória e implementou-se o modelo em linguagem de programação Python. Esta metodologia permitiu desenvolver três modelos de otimização, MPA, MF e MTFM, e dois algoritmos adicionais que permitem avaliar o desempenho do Shopstocker. Com os modelos e algoritmos desenvolvidos realizaram-se experiências computacionais de modo a avaliar o impacto que a configuração do armazém e as sequências de extração (encomendas) têm na eficiência do Shopstocker, nomeadamente nas medidas de desempenho, tempo total de extração, percentagem da regra First-In-First-Out cumprida e número de produtos movimentados. Os resultados demonstraram que o Shopstocker implementado apresenta uma perda de eficiência devido à elevada variedade de referências disponibilizadas. Assim, é recomendado que a empresa reduza o número de modelos disponibilizados, ou aumente o número de linhas de armazenamento, o que permitiria melhorar de forma significativa os valores das medidas de desempenho estudadas e, consequentemente, a eficiência do Shopstocker. O modelo desenvolvido neste projeto pode ainda ser implementado num Sistema de Apoio à Decisão e fornecerá uma solução otimizada para cada encomenda que chegue ao Shopstocker. |
|---|---|
| Autores principais: | Sousa, Daniel Oliveira |
| Assunto: | Indústria 4.0 Armazém Otimização MILP Python Industry 4.0 Warehouse Optimization |
| Ano: | 2020 |
| País: | Portugal |
| Tipo de documento: | dissertação de mestrado |
| Tipo de acesso: | acesso aberto |
| Instituição associada: | Universidade do Minho |
| Idioma: | português |
| Origem: | RepositóriUM - Universidade do Minho |
| Resumo: | A presente dissertação realizou-se no âmbito do Mestrado em Engenharia de Sistemas da Universidade do Minho, inserida em contexto industrial na Pinto Brasil S.A., empresa dedicada à metalomecânica. Este projeto surgiu da necessidade de estudar o desempenho de um armazém automático de elevada densidade denominado Shopstocker. Os sistemas de armazenamento desempenham um papel fundamental na performance de toda a cadeia de abastecimento. A necessidade de adoção de políticas consentâneas com a Indústria 4.0, tais como Just-inTime/Just-in-Sequence, levou a que diversos tipos de armazéns fossem desenvolvidos. Um dos mais estudados e implementados é o Automated Storage and Retrieval System de elevada densidade. A Pinto Brasil S.A desenvolveu e implementou numa empresa fornecedora de para-choques, um sistema automatizado de elevada densidade para armazenamento de produto acabado. O Shopstocker implementado tem capacidade para armazenar um elevado número de para-choques e entrega os produtos de acordo com uma ordem pré-definida no tempo adequado. Devido à elevada variedade de referências de para-choques que atualmente são produzidos, o armazenamento do Shopstocker gera situações caóticas prejudicando a taxa de extração de produtos. No processo de extração a seleção de referências para uma ordem de carregamento é atualmente um procedimento muito complexo. Com o estudo da situação real do armazém implementado, modelou-se matematicamente um problema de otimização combinatória e implementou-se o modelo em linguagem de programação Python. Esta metodologia permitiu desenvolver três modelos de otimização, MPA, MF e MTFM, e dois algoritmos adicionais que permitem avaliar o desempenho do Shopstocker. Com os modelos e algoritmos desenvolvidos realizaram-se experiências computacionais de modo a avaliar o impacto que a configuração do armazém e as sequências de extração (encomendas) têm na eficiência do Shopstocker, nomeadamente nas medidas de desempenho, tempo total de extração, percentagem da regra First-In-First-Out cumprida e número de produtos movimentados. Os resultados demonstraram que o Shopstocker implementado apresenta uma perda de eficiência devido à elevada variedade de referências disponibilizadas. Assim, é recomendado que a empresa reduza o número de modelos disponibilizados, ou aumente o número de linhas de armazenamento, o que permitiria melhorar de forma significativa os valores das medidas de desempenho estudadas e, consequentemente, a eficiência do Shopstocker. O modelo desenvolvido neste projeto pode ainda ser implementado num Sistema de Apoio à Decisão e fornecerá uma solução otimizada para cada encomenda que chegue ao Shopstocker. |
|---|