Increasing Throughput in Warehouses: The Effect of Storage Reallocation and the Location of Input/Output Station
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Automatic warehousing systems are a sort of green technology that is becoming increasingly popular in the logistics business. Automated Storage/Retrieval Systems (AS/RS) are one of the most significant components of advanced automated logistics and manufacturing systems. The majority of AS/RS systems use input/output (I/O) points located in the lower left corner of the rack. These systems are reaching their maximum capacity because of their layout design limitations. Breakthrough solutions are needed to enhance the performance of existing systems. In this study, we examined how the location of I/O station can affect the total travel time. Another strategy for enhancement is a two-step preparation method. In this strategy, the allocation of the storage is changed, in the idle time, to be closer to the I/O point to reduce the service time for a class-based storage assignment. An analytical model was used to introduce for the first time optimal configurations of this strategy. We tested the suggested strategy using a simulation model created using R software, specifically designed for this purpose. Results showed that the two-step preparation strategy took between 1.2 and 1.9 h before the shift starts. The enhancement on throughput is almost the same for both possible locations of the I/O point. The results also showed that the two strategies (location of the I/O point and reallocation of storage) could increase throughput by about 21% to 28%, depending on parameters such as the number of orders and the height of the storage rack.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle