A two-stage stochastic model for picker allocation problem in warehouses considering the rest allowance and picker’s weight
Notice bibliographique
Résumé
Order picking (OP) is a critical yet time-consuming and labor-intensive warehouse operation within the supply chain. In picker-to-part systems with high demand, pickers are exposed to fatigue due to the excessive repetition of picking activities, which results in high human energy expenditure. The literature indicates that energy expenditure depends on the picking activity and the worker’s attributes, such as pickers’ weight, gender, and age. Studies have shown that as the weights of individuals increase, the energy consumed for the same task increases. This study proposes a two-stage stochastic programming model that minimizes assignment and overtime costs while avoiding excessive fatigue levels for pickers by incorporating rest allowance into the picking tour time. In the first stage, the number of pickers required is decided. In the second stage, orders are assigned to pickers considering uncertain energy expenditure. The two-stage stochastic programming model is solved by the sample average approximation algorithm. Results show that both OP cost and the number of pickers required to fulfill an order increase when the picker’s weight exceeds 80kg. In allocating orders, pickers weighing less than 80kg should be assigned to orders with more items, such as those containing 4- or 5-items. Conversely, pickers weighing more than 80kg should be assigned to orders with fewer items, like those containing 2- or 3-items, to avoid fatigue side effects.
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».