Sipariş Toplama Rotalarının Depo Verimliliğine Etkisinin Çok Boyutlu Analizi: Klasik, Sezgisel ve Yerel İyileştirme Yaklaşımları

Öz

Depolar, tedarik zinciri süreçlerinin etkinliğinde kritik rol oynayan operasyonel merkezlerdir. Bu merkezlerde sipariş toplama faaliyetleri, toplam işlem süresinin önemli bir kısmını oluşturmakta ve doğrudan müşteri memnuniyeti ile maliyet verimliliğini etkilemektedir. Bu çalışmada, sipariş toplama sürecinde uygulanan üç farklı rota sıralama stratejisinin operasyonel süre ve mesafe üzerindeki etkisi incelenmiştir. Sabit bir ürün yerleşimi ve 20 kalemlik bir sipariş listesi üzerinden; alfabetik sıralama, bölge (zone) bazlı toplama ve Greedy algoritması (her adımda en yakın ürüne yönelme) stratejileri karşılaştırılmıştır. Her senaryo için Manhattan mesafesi kullanılarak toplam yürüyüş mesafeleri hesaplanmış, sabit toplama süreleri eklenerek işlem süreleri elde edilmiştir. Analiz sonucunda alfabetik sıralama referans alındığında, bölge bazlı sıralama toplam yürüyüş mesafesinde %11,7’lik bir azalma sağlamış; Greedy algoritması ise bu değeri %59,6 oranında azaltmıştır. Bulgular, sipariş toplama rotalarının uygun şekilde planlanmasıyla depo operasyonlarında %10–60 aralığında verimlilik kazanımı sağlanabileceğini ortaya koymuştur. Çalışmada ayrıca, Greedy ve NN çözümleri üzerinde yerel iyileştirme (2-opt ve Or-opt) yöntemlerinin uygulanması, farklı rastgele yerleşimlerde (30 seed) istatistiksel sağlamlık testleri (Wilcoxon signed-rank) ve beş farklı depo konumu senaryosu üzerinden duyarlılık analizi gerçekleştirilmiştir. Elde edilen sonuçlar, özellikle Greedy+local yaklaşımının hem farklı yerleşimlere hem de depo konumlarına karşı daha kararlı ve yüksek performanslı çözümler sunduğunu göstermiştir. Bu çalışma, özellikle küçük ve orta ölçekli işletmeler için düşük maliyetli, uygulanabilir ve veriye dayalı rota planlama stratejilerine ışık tutmakta; sipariş toplama süreçlerinde algoritmik yaklaşımların operasyonel etkililiğini vurgulamaktadır.

Anahtar Kelimeler

• Depo Yönetimi
• Sipariş Toplama
• Yürüyüş Mesafesi
• Rota Optimizasyonu
• Sezgisel Algoritmalar
• Bölgesel Toplama

A Multi-Dimensional Analysis of Order Picking Routes and Warehouse Efficiency: Classical, Heuristic, and Local Improvement Approaches

Öz

Warehouses are operational hubs that play a critical role in the efficiency of supply chain processes. Order picking activities within these facilities account for a significant portion of total processing time and directly affect both customer satisfaction and cost efficiency. This study examines the impact of three different route sequencing strategies on operational time and travel distance during order picking. Using a fixed product layout and an order list of 20 items, alphabetical sequencing, zone-based picking, and a Greedy algorithm (selecting the nearest item at each step) were compared. For each scenario, total walking distances were calculated using Manhattan distance, and processing times were obtained by adding fixed pick times. Taking alphabetical sequencing as a baseline, zone-based sequencing reduced total walking distance by 11.7%, while the Greedy algorithm achieved a 59.6% reduction. These findings highlight that appropriate route planning can yield 10–60% efficiency gains in warehouse operations. The study further incorporated local improvement techniques (2-opt and Or-opt) applied to NN and Greedy solutions, robustness tests across 30 random seeds using Wilcoxon signed-rank tests, and a sensitivity analysis across five different depot location scenarios. Results show that the Greedy+local approach provides more stable and high-performing solutions across different layouts and depot locations compared to alternative heuristics.This research provides low-cost, practical, and data-driven routing strategies for small- and medium-sized enterprises, emphasizing the operational effectiveness of algorithmic approaches in order picking processes.

Anahtar Kelimeler

• Warehouse Management
• Order Picking
• Walking Distance
• Route Optimization
• Heuristic Algorithms
• Zone-Based Picking

Kaynakça

1. Şahinaslan Ö, Karatas C, Şahinaslan E. Lojistik Depolarda Sipariş Toplama Ve Konumlandırmaya Yönelik Yenilikçi Bir Yaklaşım. Verimlilik Dergisi 2023;57(3):491-512.
2. Cano JA, Correa-Espinal AA, Gómez-Montoya RA. An Evaluation of Picking Routing Policies to Improve Warehouse Efficiency. International Journal of Industrial Engineering and Management 2017;8(4):229.
3. Giannikas V, Lu W, Robertson B, McFarlane D. An Interventionist Strategy for Warehouse Order Picking: Evidence from Two Case Studies. International Journal of Production Economics 2017;189:63-76.
4. Moeller K. Increasing Warehouse Order Picking Performance by Sequence Optimization. Procedia-Social and Behavioral Sciences 2011;20:177-185.
5. Gamarra CJ, Sampaio M, Lima F. Optimising Picking Operations in Distribution Centres: A Simulation and Algorithm-Based Approach for Travel Distance Reduction. Engineering Management in Production and Services 2024;16(3).
6. Ibrahim MF, Meilanitasari P, Putri MM, Ardafan FHB, Sekarningtyas H. Order Picking System Simulation Model Considering Picking Method and Picker Route to Improve Warehouse Performance. In: 2023 IEEE 8th International Conference on Recent Advances and Innovations in Engineering (ICRAIE). IEEE; 2023, p. 1-6.
7. Koster RD, Poort EVD. Routing Orderpickers in a Warehouse: A Comparison Between Optimal and Heuristic Solutions. IIE Transactions 1998;30(5):469-480.
8. Shetty N, Sah B, Chung SH. Route Optimization for Warehouse Order Picking Operations via Vehicle Routing and Simulation. SN Applied Sciences 2020;2(2):311.

9. Petersen CG. The Impact of Routing and Storage Policies on Warehouse Efficiency. International Journal of Operations & Production Management 1999;19(10):1053-1064.
10. Pakpahan EKA, Silitonga R, Utomo AP. Minimasi Jarak Tempuh Order Picking Pada Gudang Dengan Karakteristik Two-Cross Aisle Layout. Journal of Integrated System 2020;3(1):1-8.
11. Dukic G, Oluic C. Order-Picking Methods: Improving Order-Picking Efficiency. International Journal of Logistics Systems and Management 2007;3(4):451-460.
12. Hsieh LF, Tsai L. The Optimum Design of a Warehouse System on Order Picking Efficiency. The International Journal of Advanced Manufacturing Technology 2006;28(5):626-637.
13. Gałązka M, Jakubiak M. Simulation as a Method of Choosing the Order Picking Concept. Logistics and Transport 2010;11:81-88.
14. Engels T, Adan I, Boxma O, Resing J. An Exact Analysis and Comparison of Manual Picker Routing Heuristics. Queueing Systems 2024;108(3):611-660.
15. van Gils T, Braekers K, Ramaekers K, Depaire B, Caris A. Improving Order Picking Efficiency by Analyzing Combinations of Storage, Batching, Zoning, and Routing Policies. In: International Conference on Computational Logistics. Cham: Springer International Publishing; 2016, p. 427-442.
16. Rymarczyk P, Fıgura C, Stalıńskı P, Bogackı S, Rutkowskı M. Optımızıng Order Pıckıng Processes In Warehouses: Strategıes For Effıcıent Routıng And Clusterıng. Journal of Modern Science 2024;57.
17. Petersen CG, Schmenner RW. An Evaluation of Routing and Volume‐Based Storage Policies in an Order Picking Operation. Decision Sciences 1999;30(2):481-501.
18. Ueno D, Hirata E. The Optimization of Picking in Logistics Warehouses in the Event of Sudden Picking Order Changes and Picking Route Blockages. Mathematics 2024;12(16):2580.
19. Kulak O, Şahin Y, Taner ME. Depo Operasyonlarının Kümelendirme Esaslı Tabu Arama Algoritması ile Yönetilmesi. In: 10. Ulusal Üretim Araştırmaları Sempozyumu, Girne; 2010.
20. Endres DM, Schindelin JE. A New Metric for Probability Distributions. IEEE Transactions on Information Theory 2003;49(7):1858-1860.
21. Öztemiz F, Duran M, Karci A. Kent Merkezindeki Taksilerin Oluşturduğu Trafik Yoğunluğunun Azaltılması için Bir Çalışma. Uluslararası Bilim Teknoloji ve Tasarım Dergisi 2022;3(2):102-115.
22. Özçelik TÖ, Gündüz G. Sezgisel Algoritmaları Kullanarak Raf Optimizasyonu Çalışması ve Bir Yazılım Uygulaması. Avrupa Bilim ve Teknoloji Dergisi 2019;(16):977-982.
23. De Koster R, Le-Duc T, Roodbergen KJ. Design and control of warehouse order picking: A literature review. European Journal of Operational Research 2007;182(2):481-501.
24. Hall RW. Distance approximations for routing manual pickers in a warehouse. IIE Transactions 1993;25(4):76-87.
25. Le-Duc T. Design and Control of Efficient Order Picking Processes [PhD thesis]. ERIM Ph.D. Series Research in Management; 2005. Available from: http://hdl.handle.net/1765/6910.
26. Hong S, Kim Y. A route-selecting order batching model with the S-shape routes in a parallel-aisle order picking system. European Journal of Operational Research 2017;257(1):185-196.
27. Redmer A. Analysis of the length of order-picking paths determined using the S-shape method. LogForum 2020;16(1).
28. Çalışkan M. Giyilebilir Sensörler İle Kinetik Yürüme Analiz Sisteminin Geliştirilmesi [Master's thesis]. Turkey: Necmettin Erbakan University; 2018.
29. Papadimitriou CH, Steiglitz K. Combinatorial optimization: algorithms and complexity. Courier Corporation; 1998.
30. Held M, Karp RM. The traveling-salesman problem and minimum spanning trees: Part II. Mathematical Programming 1971;1(1):6-25.
31. Lawler EL. The traveling salesman problem: a guided tour of combinatorial optimization. Wiley-Interscience Series in Discrete Mathematics; 1985.
32. Rosenkrantz DJ, Stearns RE, Lewis PM II. An analysis of several heuristics for the traveling salesman problem. SIAM Journal on Computing 1977;6(3):563-581.
33. Croes GA. A method for solving traveling-salesman problems. Operations Research 1958;6(6):791-812.
34. Or I. Traveling salesman-type combinatorial problems and their relation to the logistics of regional blood banking [PhD thesis]. Evanston, IL: Northwestern University; 1976.