Enfoque para perfilar la actividad de almacenamiento usando la información histórica de las órdenes de los clientes
En una cadena de suministro, el proceso de almacenamiento representa un porcentaje significativo en los costos logísticos. En esta actividad, la toma objetiva de decisiones juega un importante rol, porque permite el mejoramiento de los procesos y la reducción de costos. Por esta razón, antes de la t...
- Autores:
-
Osorio Sierra, Laura
Suárez Estrada, Juan José
Montoya, Jose Alejandro
Arrieta Posada, Juan Gregorio
- Tipo de recurso:
- Article of journal
- Fecha de publicación:
- 2020
- Institución:
- Universidad EIA .
- Repositorio:
- Repositorio EIA .
- Idioma:
- eng
- OAI Identifier:
- oai:repository.eia.edu.co:11190/5096
- Acceso en línea:
- https://repository.eia.edu.co/handle/11190/5096
https://doi.org/10.24050/reia.v17i33.1348
- Palabra clave:
- Approach for profiling
Warehousing activity profiling
Customer’s order data
Order affinity
Enfoque para perfilar
Perfilado de la actividad de almacenamiento
Afinidad de las órdenes
Información de las órdenes de los clientes
- Rights
- openAccess
- License
- Revista EIA - 2020
| id |
REIA2_9f9b15901d34b5299aaab325bcad6ec3 |
|---|---|
| oai_identifier_str |
oai:repository.eia.edu.co:11190/5096 |
| network_acronym_str |
REIA2 |
| network_name_str |
Repositorio EIA . |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Enfoque para perfilar la actividad de almacenamiento usando la información histórica de las órdenes de los clientes |
| dc.title.translated.eng.fl_str_mv |
Approach for profiling warehousing activity using customer's order data history. |
| title |
Enfoque para perfilar la actividad de almacenamiento usando la información histórica de las órdenes de los clientes |
| spellingShingle |
Enfoque para perfilar la actividad de almacenamiento usando la información histórica de las órdenes de los clientes Approach for profiling Warehousing activity profiling Customer’s order data Order affinity Enfoque para perfilar Perfilado de la actividad de almacenamiento Afinidad de las órdenes Información de las órdenes de los clientes |
| title_short |
Enfoque para perfilar la actividad de almacenamiento usando la información histórica de las órdenes de los clientes |
| title_full |
Enfoque para perfilar la actividad de almacenamiento usando la información histórica de las órdenes de los clientes |
| title_fullStr |
Enfoque para perfilar la actividad de almacenamiento usando la información histórica de las órdenes de los clientes |
| title_full_unstemmed |
Enfoque para perfilar la actividad de almacenamiento usando la información histórica de las órdenes de los clientes |
| title_sort |
Enfoque para perfilar la actividad de almacenamiento usando la información histórica de las órdenes de los clientes |
| dc.creator.fl_str_mv |
Osorio Sierra, Laura Suárez Estrada, Juan José Montoya, Jose Alejandro Arrieta Posada, Juan Gregorio |
| dc.contributor.author.spa.fl_str_mv |
Osorio Sierra, Laura Suárez Estrada, Juan José Montoya, Jose Alejandro Arrieta Posada, Juan Gregorio |
| dc.subject.eng.fl_str_mv |
Approach for profiling Warehousing activity profiling Customer’s order data Order affinity |
| topic |
Approach for profiling Warehousing activity profiling Customer’s order data Order affinity Enfoque para perfilar Perfilado de la actividad de almacenamiento Afinidad de las órdenes Información de las órdenes de los clientes |
| dc.subject.spa.fl_str_mv |
Enfoque para perfilar Perfilado de la actividad de almacenamiento Afinidad de las órdenes Información de las órdenes de los clientes |
| description |
En una cadena de suministro, el proceso de almacenamiento representa un porcentaje significativo en los costos logísticos. En esta actividad, la toma objetiva de decisiones juega un importante rol, porque permite el mejoramiento de los procesos y la reducción de costos. Por esta razón, antes de la toma de decisiones es necesario realizar un análisis sistemático y estadístico del proceso. En este estudio, se presenta un enfoque cuantitativo para perfilar la actividad de almacenamiento, usando la información histórica de las órdenes de los clientes. Para caracterizar las órdenes, se evalúan el número de líneas por orden y la afinidad en un conjunto de órdenes. Adicionalmente, para estimar la afinidad entre órdenes, se presenta un nuevo procedimiento. El resultado, es un conjunto de grupos, los cuáles, identifican diferentes perfiles de órdenes en la actividad de almacenamiento. Finalmente, se desarrolla un caso de estudio donde se realiza la aplicación del enfoque presentado. |
| publishDate |
2020 |
| dc.date.accessioned.none.fl_str_mv |
2020-02-03 00:00:00 2022-06-17T20:20:33Z |
| dc.date.available.none.fl_str_mv |
2020-02-03 00:00:00 2022-06-17T20:20:33Z |
| dc.date.issued.none.fl_str_mv |
2020-02-03 |
| dc.type.spa.fl_str_mv |
Artículo de revista |
| dc.type.eng.fl_str_mv |
Journal article |
| dc.type.coar.fl_str_mv |
http://purl.org/coar/resource_type/c_2df8fbb1 |
| dc.type.coar.eng.fl_str_mv |
http://purl.org/coar/resource_type/c_6501 http://purl.org/coar/resource_type/c_6501 |
| dc.type.driver.eng.fl_str_mv |
info:eu-repo/semantics/article |
| dc.type.version.eng.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
| dc.type.content.eng.fl_str_mv |
Text |
| dc.type.redcol.eng.fl_str_mv |
http://purl.org/redcol/resource_type/ARTREF |
| dc.type.coarversion.eng.fl_str_mv |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
| format |
http://purl.org/coar/resource_type/c_6501 |
| status_str |
publishedVersion |
| dc.identifier.issn.none.fl_str_mv |
1794-1237 |
| dc.identifier.uri.none.fl_str_mv |
https://repository.eia.edu.co/handle/11190/5096 |
| dc.identifier.doi.none.fl_str_mv |
10.24050/reia.v17i33.1348 |
| dc.identifier.eissn.none.fl_str_mv |
2463-0950 |
| dc.identifier.url.none.fl_str_mv |
https://doi.org/10.24050/reia.v17i33.1348 |
| identifier_str_mv |
1794-1237 10.24050/reia.v17i33.1348 2463-0950 |
| url |
https://repository.eia.edu.co/handle/11190/5096 https://doi.org/10.24050/reia.v17i33.1348 |
| dc.language.iso.eng.fl_str_mv |
eng |
| language |
eng |
| dc.relation.references.eng.fl_str_mv |
Accorsi, R., Manzini, R. and Maranesi, F. (2014) ‘A decision-support system for the design and management of warehousing systems’, Computers in Industry. Elsevier, 65(1), pp. 175–186. Agrawal, R., Imieliński, T. and Swami, A. (1993) ‘Mining association rules between sets of items in large databases’, in Acm sigmod record, pp. 207–216. Andres, B. (ed.) (2018) Encuesta Nacional Logística 2018. Available at: https://onl.dnp.gov.co/es/Publicaciones/SiteAssets/Paginas/Forms/AllItems/Informe de resultados Encuesta Nacional Logística 2018.pdf. Baker, P. and Canessa, M. (2009) ‘Warehouse design: A structured approach’, European Journal of Operational Research. Elsevier, 193(2), pp. 425–436. Bartholdi, J. J. and Hackman, S. T. (2008) Warehouse & Distribution Science: Release 0.89. Supply Chain and Logistics Institute. Chackelson, C., Errasti, A. and Tanco, M. (2011) ‘A World Class Order Picking Methodology: An Empirical Validation’, in IFIP International Conference on Advances in Production Management Systems, pp. 27–36. Chen, M.-C. et al. (2005) ‘Aggregation of orders in distribution centers using data mining’, Expert Systems with Applications. Elsevier, 28(3), pp. 453–460. Chuang, Y.-F., Lee, H.-T. and Lai, Y.-C. (2012) ‘Item-associated cluster assignment model on storage allocation problems’, Computers & industrial engineering. Elsevier, 63(4), pp. 1171–1177. Errasti, A. et al. (2011) ‘Diseño de un sistema de picking producto a operario. Aplicación del diseño de experimentos mediante simulación de eventos discretos.’, Dyna, 86(5), pp. 515–522. Frazelle, E. (2002a) Supply Chain Strategy : The Logistics of Supply Chain Management, The McGraw-Hill Companies. doi: 10.1036/0071418172. Frazelle, E. (2002b) World-Class Warehousing and Material Handling, New York. Edited by McGraw-Hill. McGraw-Hill. Van Gils, T. et al. (2018) ‘Designing efficient order picking systems by combining planning problems: State-of-the-art classification and review’, European Journal of Operational Research. Elsevier, 267(1), pp. 1–15. Goetschalckx, M. and Ashayeri, J. (1989) ‘Classification and design of order picking’, Logistics World. MCB UP Ltd, 2(2), pp. 99–106. Han, J., Pei, J. and Kamber, M. (2011) Data mining: concepts and techniques. Elsevier. Hsieh, L. and Tsai, L. (2006) ‘The optimum design of a warehouse system on order picking efficiency’, The International Journal of Advanced Manufacturing Technology. Springer, 28(5–6), pp. 626–637. De Koster, R., Le-Duc, T. and Roodbergen, K. J. (2007) ‘Design and control of warehouse order picking: A literature review’, European journal of operational research. Elsevier, 182(2), pp. 481–501. Park, B. C. (2011) ‘Order Picking Performance’, 대한산업공학회지, 37(4), pp. 271–278. Rouwenhorst, B. et al. (2000) ‘Warehouse design and control: Framework and literature review’, European Journal of Operational Research. Elsevier, 122(3), pp. 515–533. SPSS (2001) The SPSS TwoStep Cluster Component A scalable component enabling more efficient customer segmentation. Yener, F. and Yazgan, H. R. (2019) ‘Optimal warehouse design: Literature review and case study application’, Computers & Industrial Engineering. Elsevier, 129, pp. 1–13. |
| dc.relation.bitstream.none.fl_str_mv |
https://revistas.eia.edu.co/index.php/reveia/article/download/1348/1286 |
| dc.relation.citationedition.spa.fl_str_mv |
Núm. 33 , Año 2020 |
| dc.relation.citationendpage.none.fl_str_mv |
10 |
| dc.relation.citationissue.spa.fl_str_mv |
33 |
| dc.relation.citationstartpage.none.fl_str_mv |
33010 pp. 1 |
| dc.relation.citationvolume.spa.fl_str_mv |
17 |
| dc.relation.ispartofjournal.spa.fl_str_mv |
Revista EIA |
| dc.rights.eng.fl_str_mv |
Revista EIA - 2020 |
| dc.rights.uri.eng.fl_str_mv |
https://creativecommons.org/licenses/by-nc-nd/4.0 |
| dc.rights.accessrights.eng.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.coar.eng.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| rights_invalid_str_mv |
Revista EIA - 2020 https://creativecommons.org/licenses/by-nc-nd/4.0 http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.mimetype.eng.fl_str_mv |
application/pdf |
| dc.publisher.spa.fl_str_mv |
Fondo Editorial EIA - Universidad EIA |
| dc.source.eng.fl_str_mv |
https://revistas.eia.edu.co/index.php/reveia/article/view/1348 |
| institution |
Universidad EIA . |
| bitstream.url.fl_str_mv |
https://repository.eia.edu.co/bitstreams/69b3d902-0ccf-4ced-8e4c-5509e42c71c2/download |
| bitstream.checksum.fl_str_mv |
92533b2b233d29c7f4d20ea655e502ba |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional Universidad EIA |
| repository.mail.fl_str_mv |
bdigital@metabiblioteca.com |
| _version_ |
1808400280414322688 |
| spelling |
Osorio Sierra, Lauraa01053fbe1afd10561254b3b5b707138300Suárez Estrada, Juan José8bef26ebf0915397562057e15570abb6300Montoya, Jose Alejandroc7fcd8f0dd480ad50154d87f4716dd2f300Arrieta Posada, Juan Gregorio2a4bc73dcbf46641a5cb72a3c3f0c7853002020-02-03 00:00:002022-06-17T20:20:33Z2020-02-03 00:00:002022-06-17T20:20:33Z2020-02-031794-1237https://repository.eia.edu.co/handle/11190/509610.24050/reia.v17i33.13482463-0950https://doi.org/10.24050/reia.v17i33.1348En una cadena de suministro, el proceso de almacenamiento representa un porcentaje significativo en los costos logísticos. En esta actividad, la toma objetiva de decisiones juega un importante rol, porque permite el mejoramiento de los procesos y la reducción de costos. Por esta razón, antes de la toma de decisiones es necesario realizar un análisis sistemático y estadístico del proceso. En este estudio, se presenta un enfoque cuantitativo para perfilar la actividad de almacenamiento, usando la información histórica de las órdenes de los clientes. Para caracterizar las órdenes, se evalúan el número de líneas por orden y la afinidad en un conjunto de órdenes. Adicionalmente, para estimar la afinidad entre órdenes, se presenta un nuevo procedimiento. El resultado, es un conjunto de grupos, los cuáles, identifican diferentes perfiles de órdenes en la actividad de almacenamiento. Finalmente, se desarrolla un caso de estudio donde se realiza la aplicación del enfoque presentado.In a supply chain, the warehousing process represents a significant percentage of the total logistics costs. Making objective decisions in this activity plays an important role because they are translated into improvement of the process or into making the process cost-effective. Therefore, before making decisions, it is necessary to provide a systematic analysis and a statistical measurement of the process. In this study, we present an approach for profiling the warehousing activity based on the customer's order history. This approach is a quantitative analysis for characterizing the warehousing activity according to the number of lines per order and the affinity in a set of orders. For estimating the order affinity, we present a novel procedure. The result of this approach are clusters that identify the different profiles of orders in the warehousing activity. Finally, we present a numerical case of study to illustrate the application of the presented approach.application/pdfengFondo Editorial EIA - Universidad EIARevista EIA - 2020https://creativecommons.org/licenses/by-nc-nd/4.0info:eu-repo/semantics/openAccessEsta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.http://purl.org/coar/access_right/c_abf2https://revistas.eia.edu.co/index.php/reveia/article/view/1348Approach for profilingWarehousing activity profilingCustomer’s order dataOrder affinityEnfoque para perfilarPerfilado de la actividad de almacenamientoAfinidad de las órdenesInformación de las órdenes de los clientesEnfoque para perfilar la actividad de almacenamiento usando la información histórica de las órdenes de los clientesApproach for profiling warehousing activity using customer's order data history.Artículo de revistaJournal articlehttp://purl.org/coar/resource_type/c_6501http://purl.org/coar/resource_type/c_6501http://purl.org/coar/resource_type/c_2df8fbb1info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionTexthttp://purl.org/redcol/resource_type/ARTREFhttp://purl.org/coar/version/c_970fb48d4fbd8a85Accorsi, R., Manzini, R. and Maranesi, F. (2014) ‘A decision-support system for the design and management of warehousing systems’, Computers in Industry. Elsevier, 65(1), pp. 175–186.Agrawal, R., Imieliński, T. and Swami, A. (1993) ‘Mining association rules between sets of items in large databases’, in Acm sigmod record, pp. 207–216.Andres, B. (ed.) (2018) Encuesta Nacional Logística 2018. Available at: https://onl.dnp.gov.co/es/Publicaciones/SiteAssets/Paginas/Forms/AllItems/Informe de resultados Encuesta Nacional Logística 2018.pdf.Baker, P. and Canessa, M. (2009) ‘Warehouse design: A structured approach’, European Journal of Operational Research. Elsevier, 193(2), pp. 425–436.Bartholdi, J. J. and Hackman, S. T. (2008) Warehouse & Distribution Science: Release 0.89. Supply Chain and Logistics Institute.Chackelson, C., Errasti, A. and Tanco, M. (2011) ‘A World Class Order Picking Methodology: An Empirical Validation’, in IFIP International Conference on Advances in Production Management Systems, pp. 27–36.Chen, M.-C. et al. (2005) ‘Aggregation of orders in distribution centers using data mining’, Expert Systems with Applications. Elsevier, 28(3), pp. 453–460.Chuang, Y.-F., Lee, H.-T. and Lai, Y.-C. (2012) ‘Item-associated cluster assignment model on storage allocation problems’, Computers & industrial engineering. Elsevier, 63(4), pp. 1171–1177.Errasti, A. et al. (2011) ‘Diseño de un sistema de picking producto a operario. Aplicación del diseño de experimentos mediante simulación de eventos discretos.’, Dyna, 86(5), pp. 515–522.Frazelle, E. (2002a) Supply Chain Strategy : The Logistics of Supply Chain Management, The McGraw-Hill Companies. doi: 10.1036/0071418172.Frazelle, E. (2002b) World-Class Warehousing and Material Handling, New York. Edited by McGraw-Hill. McGraw-Hill.Van Gils, T. et al. (2018) ‘Designing efficient order picking systems by combining planning problems: State-of-the-art classification and review’, European Journal of Operational Research. Elsevier, 267(1), pp. 1–15.Goetschalckx, M. and Ashayeri, J. (1989) ‘Classification and design of order picking’, Logistics World. MCB UP Ltd, 2(2), pp. 99–106.Han, J., Pei, J. and Kamber, M. (2011) Data mining: concepts and techniques. Elsevier.Hsieh, L. and Tsai, L. (2006) ‘The optimum design of a warehouse system on order picking efficiency’, The International Journal of Advanced Manufacturing Technology. Springer, 28(5–6), pp. 626–637.De Koster, R., Le-Duc, T. and Roodbergen, K. J. (2007) ‘Design and control of warehouse order picking: A literature review’, European journal of operational research. Elsevier, 182(2), pp. 481–501.Park, B. C. (2011) ‘Order Picking Performance’, 대한산업공학회지, 37(4), pp. 271–278.Rouwenhorst, B. et al. (2000) ‘Warehouse design and control: Framework and literature review’, European Journal of Operational Research. Elsevier, 122(3), pp. 515–533.SPSS (2001) The SPSS TwoStep Cluster Component A scalable component enabling more efficient customer segmentation.Yener, F. and Yazgan, H. R. (2019) ‘Optimal warehouse design: Literature review and case study application’, Computers & Industrial Engineering. Elsevier, 129, pp. 1–13.https://revistas.eia.edu.co/index.php/reveia/article/download/1348/1286Núm. 33 , Año 2020103333010 pp. 117Revista EIAPublicationOREORE.xmltext/xml2769https://repository.eia.edu.co/bitstreams/69b3d902-0ccf-4ced-8e4c-5509e42c71c2/download92533b2b233d29c7f4d20ea655e502baMD5111190/5096oai:repository.eia.edu.co:11190/50962023-07-25 16:43:55.327https://creativecommons.org/licenses/by-nc-nd/4.0Revista EIA - 2020metadata.onlyhttps://repository.eia.edu.coRepositorio Institucional Universidad EIAbdigital@metabiblioteca.com |