Analysis and management of automated fulfilment systems: development of a simulation-based and data-driven approach applied to a real case

The changing nature of customer needs has pushed companies to adopt mass customization and personalization strategies, increasing the complexity of storing and picking activities for warehouses. Meanwhile, emerging technologies and new paradigms (e.g., sensors and analytics tools), based on automated solutions, promise to enhance material handling operations in an efficient yet flexible way. This thesis provides a pragmatic tool to support both researchers and practitioners when improving the synchronization of material flows within factories or warehouses. First, a systematic literature review was carried out to have an overview of logistics 4.0 technologies that could support a decision process driven by real-time and dynamic data. Then, a contribution to the warehouse logistics field was performed by analysing and quantitatively assessing the importance of data-driven decision making through a real case study in the context of automated fulfilment systems. Indeed, a discrete event simulation (DES) model was built in Python in order to represent a physical automated warehouse. The experiment combining a dynamic task assignment, through smart transfer cars able to change their route, and a dynamic scheduling led to the shortest overall time to fulfil all the outcoming orders.

L'evoluzione delle esigenze dei clienti ha portato le aziende a perseguire strategie di customizzazione e personalizzazione di massa, aumentando la complessità delle attività di stoccaggio e prelievo per i magazzini. Allo stesso tempo, le tecnologie emergenti e i nuovi paradigmi (ad es. sensori e strumenti di analisi), basati su soluzioni automatizzate, promettono di supportare le attività di movimentazione dei materiali in modo efficiente ma flessibile. Questa tesi fornisce uno strumento pragmatico per supportare sia i ricercatori che i professionisti nel migliorare la sincronizzazione dei flussi di materiale all'interno di fabbriche o magazzini. In primo luogo, è stata effettuata una revisione sistematica della letteratura per avere una panoramica delle tecnologie della logistica 4.0 in grado di supportare un processo decisionale guidato da dati dinamici e in tempo reale. Successivamente, è stato fornito un contributo al campo della logistica di magazzino analizzando e valutando quantitativamente, attraverso lo studio di un caso reale, l'importanza del processo decisionale basato sui dati nel contesto dei sistemi di evasione automatizzati. Un modello di simulazione a eventi discreti (DES) è stato creato in Python per rappresentare un magazzino reale automatizzato. L’esperimento combinando navette intelligenti, in grado di cambiare percorso autonomamente, e una programmazione dinamica ha portato al minor tempo complessivo per evadere tutti gli ordini in uscita.