ANALISI ED OTTIMIZZAZIONE DEL PICKER ROUTING PROBLEM NELLA LOGISTICA INTERNA: CONFRONTO TRA POLICY FISSE, ESATTE E METAEURISTICHE LEGGERE

La logistica è la disciplina che si occupa della pianificazione, organizzazione e gestione dei flussi di materiali, informazioni e risorse e rappresenta ormai una funzione fondamentale nella catena del valore delle imprese di produzione e distribuzione. Nella gestione delle attività logistiche, quelle di magazzino rappresentano un nodo critico, con il rischio che le inefficienze che vi si manifestano erodano i margini e la competitività dell’impresa o dell’intera supply chain. I principali problemi operativi di magazzino sono legati al batching (raggruppamento ordini e assegnamento delle missioni), allo scheduling (sequenziamento delle missioni) e al routing (definizione del percorso ottimale per l’unità di movimentazione). Lo scopo di questo lavoro di tesi è analizzare e ottimizzare la fase di routing all’interno di un magazzino, confrontando le performance di diversi algoritmi, tra cui la policy fissa S-Shape e gli algoritmi TSP, distinti in TSP Held-Karp e modelli metaeuristici LKH e Tabu Search, al fine di individuare quelli maggiormente idonei all’implementazione all’interno di un Warehouse Management System (WMS), soddisfacendo richieste e vincoli industriali. Le attività sperimentali sono state condotte in ambiente Python e hanno incluso diversi scenari di simulazione, variando per dimensione e forma del magazzino. Le soluzioni ottenute dagli algoritmi, testate sulla base di un numero elevato di ordini generati in modo casuale, sono state confrontate in termini di qualità e di tempo computazionale richiesto. I risultati hanno mostrato che gli algoritmi metaeuristici offrono soluzioni quasi ottimali con elevata robustezza e accuratezza, mentre la policy S-Shape, pur essendo la più rapida a livello computazionale, risulta inefficace, in particolare nei magazzini di grandi dimensioni, sebbene tale impatto si riduca all’aumentare della densità dei punti di picking.