|
Francisco Ballesteros Gómez
Director de Logística
Me gustaría compartir con vosotros unas reflexiones y los resultados de una investigación que he realizado sobre las últimas aportaciones más relevantes en el diseño operativo de almacenes que se pueden encontrar en la literatura científica. A mi me ha servido para mejorar los procesos logísticos de mi empresa y para entender mejor procesos que implantamos hace tiempo.
Los almacenes son un componente esencial de toda cadena de suministro. Entre sus funciones se incluye proteger el material que fluye en la cadena de suministro para amortiguar la variabilidad causada por factores como por ejemplo la estacionalidad de los productos y/o capacidad de producción o transporte, consolidación de productos de varios proveedores para realizar pedidos para clientes, y añadir valor a los productos personalizándolos, etiquetándolos, poniéndoles el precio.
La competición en los mercados, y más ahora en tiempos difíciles, requiere continuas mejoras en el diseño y operaciones en la producción y por lo tanto mejorar el funcionamiento de los almacenes.
Por otro lado la implementación de nuevas tecnologías de la información (IT) como códigos de barras, comunicaciones por radiofrecuencia (RF) y sistemas de gestión de almacenes nos provee de nuevas oportunidades para mejorar las operaciones en los almacenes. Estas oportunidades incluyen el control de los almacenes a tiempo real, mejora de las comunicaciones con otras partes de la cadena de suministro y mejorar los niveles de automatización.
Los requerimientos básicos en las operaciones de los almacenes son recibir Stock Keeping Units (SKUs) de los proveedores, almacenarlas, recibir pedidos de los clientes, recuperar y reunir los SKUs para servir y enviar los pedidos completos a los clientes.
A continuación se presenta un esquema para clasificar el diseño de los almacenes y los problemas de las operaciones:
 |
|
Figura 1
Marco del diseño del almacén y los problemas en las operaciones según Jinxiang Gu, Marc Goetschalcky, Leon F McGinnis (2007)
|
Los números en paréntesis representan los números de los artículos revisados para cada problema de planificación y en la siguiente tabla se muestra una descripción mas detallada de cada categoría de problema:
 |
|
Figura 2
Descripción del diseño del almacén y problemas operacionales según Jinxiang Gu, Marc Goetschalcky, Leon F McGinnis (2007)
|
En la siguiente tabla se muestran las típicas funciones en un almacén y flujos de mercancía (Tompkins et al., 2003):
 |
|
Figura 3
Funciones y flujos típicos en un almacén según Tompkins et al, 2003.
|
La preparación de picking ha sido identificada como la actividad más laboriosa y costosa en la mayor parte de los almacenes. El coste de la preparación de pedidos está estimado en un 55 % del total del coste de las operaciones del almacén (René de Koster, Tho Le-Duc, Kees Jan Roodbergen. 2006).
Los autores René de Koster, Tho Le-Duc, Kees Jan Roodbergen. (2006) han estudiado los problemas de diseño y control de preparación de pedidos optimizando las siguientes áreas: diseño de la distribución en planta, métodos de asignación de stock a localizaciones, métodos de rutas, oleada de pedidos y zonificación.
Detallo a continuación las contribuciones de estos autores para plantear mejoras.
Los sistemas de preparación de pedidos según la clasificación de De Koster, (2004) y que vamos a nombrar son los que se muestran en la siguiente figura:
 |
|
Figura 4
Clasificación de sistemas de preparación de pedidos basados en De Koster, (2004)
|
En cuanto a asignación de localizaciones a los productos, René de Koster, Tho Le-Duc, Kees Jan Roodbergen (2006) citan una serie de políticas de asignación de stocks: asignación aleatoria de stocks, asignación al primer hueco vacío, asignación fija, asignación en función de criterios de volumen de negocio y asignación en función de la clasificación (Class-based storage).
La política de asignación aleatoria de stocks consiste en que los productos entrantes son asignados a una localización en el almacén que es seleccionada aleatoriamente de todas las localizaciones vacías del almacén con igual probabilidad.
Esta política tiene resultados cuando se dispone de grandes espacios para ubicar o se requiere muy poco espacio. El motivo es que el coste crece proporcionalmente a las distancias recorridas. La política de asignación aleatoria sólo puede funcionar en entornos controlados por ordenador.
La política de asignación de localizaciones al primer hueco consiste en que la primera localización vacía encontrada es empleada para estocar el producto entrante. Esta política conduce a almacenes donde las estanterías están llenas alrededor de la zona de recepción y vacías detrás. Esto denota un exceso de capacidad.
Otra posibilidad es estocar cada producto en una localización fija, esta política es llamada asignación fija. Una desventaja de esta política es que las localizaciones son reservadas a productos de los que no se dispone de stock. Además para que cada producto tenga suficiente espacio es necesario reservar para la situación de máximo stock. Esto requiere más espacio que para el resto de políticas. Una ventaja es que los preparadores llegan a recordar las ubicaciones de los productos. Otra ventaja es que nos ayuda a colocar los productos de mayor peso más bajos y los de menor peso más alto.
Las localizaciones fijas pueden ser aplicadas en areas de picking con lo que aprovechamos las ventajas y reducimos las desventajas.
La cuarta política de localización es en función del volumen de negocio. Esta política distribuye los productos en el almacén según su volumen de ventas. Los productos de mayor volumen de ventas son colocados en las localizaciones más accesibles, generalmente cercanas a la zona de depósito. Una política de este tipo es la política (COI) cube-per-order-index, (Heskett 1963,1964). La COI de un producto es definido como el ratio entre el espacio de los productos totales requeridos y el número de viajes requeridos para satisfacer la demanda en un periodo. El algoritmo consiste en que los productos del menor COI se colocarían los más cercanos al depósito. Su mayor desventaja es que la demanda de los productos varía constantemente por lo que habría que cambiarlos constantemente. Una solución es hacer revisiones periódicas con los cambios necesarios. Esta política puede ser fácilmente combinada con la política de asignaciones fijas.
Estos autores desarrollan el método Class-based storage que combina algunos de los otros métodos. En control de inventario el método clásico de clasificación de stocks es el de Pareto. La idea que plantean es agrupar productos en clases de forma que se puede llegar a la conclusión que el 15 % de los productos estocados contribuyen al 85% del volumen de negocio. Por ejemplo frecuencia de demanda de estos productos. Cada clase (A, B, C) deberá colocarse en un área diferente del almacén.
Petersen (2004) recomienda hacer el estudio de Pareto con 2 a 4 clases de forma que sería más fácil de implementar.
Existen varias posibilidades para posicionar los artículos A, B y C en picking de bajo nivel. Jarvis and McDowell (1991) sugiere que cada pasillo contenga un grupo de productos desde el centro de la nave como se ve en la siguiente figura en (within-aisle storage).
 |
|
Figura 5
Ilustración de los dos recorridos más comunes para implementar el almacenaje basado en clases (R. De Koster et al, 2007).
|
Le-Duc y De Koster (2005) optimizan las clases de posicionamiento de stock. Ellos abogan por el método across-aisle storage (figura 5) como el más óptimo. Este método consiste en posicionar los productos de clase A en los primeros módulos de las estanterías y más cercanos a la zona de depósito, los productos B se colocarían a continuación y por último en los módulos más lejanos se colocan los productos tipo C.
René de Koster, Tho Le-Duc y Kees Jan Roodbergen (2006) opinan que es posible utilizar el método Class bassed storage y simultáneamente agrupar productos en familias puesto que la decisión de colocar los productos depende de las propiedades de los mismos. Roll and Rosenblatt (1983) comparan los requerimientos de espacio de ubicación aleatoria y ubicación por grupos de un almacén de un puerto y muestran que la colocación por grupos necesita de más espacio.
Cada área de preparación de pedidos debe ser a su vez dividida en zonas (Zoning). La zonificación ha recibido poca atención en la literatura a pesar de su impacto en los sistemas de preparación de pedidos.
Entre las posibles ventajas de la zonificación está que los preparadores de pedidos deben atravesar pequeñas áreas reduciendo la congestión del tráfico y en algunas ocasiones se consigue que los preparadores consigan familiarizarse con la localización de los productos.
Entre las desventajas de la zonificación está que los pedidos son partidos y luego hay que consolidarlos.
En la práctica la zonificación está muy relacionada con las propiedades de los productos como por ejemplo sus medidas y volúmenes.
Según Choe y Sharp (1991) hay dos criterios para realizar oleadas de pedidos: proximidad de las localizaciones de picking y oleadas por intervalos de tiempo (time window).
Oleadas por proximidad consisten en asignar cada pedido a una oleada basada en la proximidad del stock del pedido con el resto de pedidos. La mayor duda es como medir las proximidades. Gademan et al. (2001) considera la oleada de pedidos por proximidad en un picking manual de un almacén con el objetivo de minimizar los tiempos de respuesta de las oleadas.
Gademan and Van de Velde (2005) consideran el problema de oleada de pedidos con un objetivo más general: minimizar el total de tiempo de viaje.
En cuanto a oleadas por periodos de tiempo (time window batching) los pedidos llegan en un intervalo de tiempo llamado ‘’time window’’ y son agrupados con una oleada. Estos pedidos son procesados simultáneamente en siguientes etapas. Si la división de pedidos no está permitida es posible clasificar los productos durante el proceso de recogida de picking. Si es posible la división de pedidos la clasificación final de los mismos habrá que hacerla posteriormente con un esfuerzo extra.
Mellena y Smith (1988) analizan los efectos de la configuración de los pasillos, políticas de stock, oleadas y zonificación usando simulación. Ellos sugieren que la combinación de oleadas y zonificación pueden hacer crecer la productividad (piezas hombre/hora).
En la literatura actual se buscan soluciones al problema del ruteo. El objetivo de las políticas de ruteo es secuenciar los productos en la lista de picking para conseguir una buena ruta a través del almacén.
El problema de ruteo actualmente es un caso especial del conocido problema del viajante de comercio (travelling Salesman problem) como indican Lawer et al. (1995). Esta situación es muy similar al del preparador de pedidos en un almacén. Un ejemplo de distribución en planta en un almacén y su correspondiente gráfico lo vemos en la figura siguiente:
 |
|
Figura 6
Ilustración de una situación de preparación de picking (izquierda) y su representación gráfica (derecha). Ratliff and Rosenthal (1983).
|
En la práctica el problema de ruteo en los pedidos de picking en un almacén es normalmente resuelto con heurística.
Hay dos desventajas en la práctica para conseguir una ruta óptima:
La primera es que un algoritmo no es válido para varias distribuciones en planta. La segunda es que las rutas óptimas pueden ser vistas como ilógicas por los preparadores de pedidos y como resultado derivan en rutas alternativas (Gademann and Van de Velde, 2005).
Hall (1993), Petersen (1997) y Roodbergen (2001) distinguen varios métodos heurísticos para el ruteo de los preparadores de pedidos en almacenes de un solo bloque. Un ejemplo de las rutas está en la siguiente figura:
 |
|
Figura 7
Ejemplo de métodos de ruteo para un almacén convencional. (Roodbergen, 2001).
|
Una de las rutas más simples es la S-shape (o transversal). Con este método el pasillo que contiene el siguiente picking es atravesado entero. En los pasillos que no hay picking que recoger no se entra. Desde el último pasillo el preparador vuelve al sitio inicial.
Otro método simple de ruteo es el return method en el que un preparador entra y deja cada pasillo desde el último producto. Sólo son visitados los pasillos con picking.
El método mid-point divide el almacén en dos áreas (figura 7). Se accede a la mitad del pasillo hasta el último picking. Según Hall (1993) este método es mejor que el S-shape cuando la cantidad de picking es menor.
El largest gap es similar al mid-point pero no se divide el pasillo en dos. El preparador entra al pasillo desde una parte minimizando los recorridos. Según Hall, 1993 el largest-gap supera el midpoint.
Peterson (1997) realizó una serie de experimentos para comparar seis métodos de ruteo: S-shape, return, largest gap, mid-point, composite y optimal en una situación de ubicación aleatoria. Concluye que la mejor solución heurística es en promedio un 5 % peor que las soluciones óptimas.
Espero que esta investigación os sirva para mejorar la operativa de vuestros almacenes.
|