josalhor.bsky.social
@josalhor.bsky.social
El simulador diu si una nova assignació redueix els embussos. L'LNS fa servir aquesta informació per proposar canvis, sempre dins del límit permès.
Resultat: la millor configuració va aconseguir una reducció del temps de bloqueig del 45%. 🚀 Un magatzem molt més fluid i productiu!
June 10, 2025 at 5:01 PM
La caixa G provoca un embús, perquè no pot entrar a l'espai del magatzem que li correspon!

El desafiament: reassignar quin article va a quin robot-emmagatzemador per evitar aquests colls d'ampolla. Però l'empresa només permet uns POCS canvis sobre l'assignació actual per no trasbalsar-ho tot!
June 10, 2025 at 5:00 PM
Validat amb més de 100.000 caixes/setmana, vam aconseguir una reducció del cost de canvi del 60+% (en finestra estàtica) i del 48+% (variable). 🎉 Menys energia, menys desgast i una logística més eficient. (Amb dades públiques que contribueixen a la ciència oberta: ieee-dataport.org/documents/lo...)
June 10, 2025 at 4:59 PM
Repte: mantenir el mateix nombre de caixes de CADA tipus (S) a cada destinació (Q) que el sistema original, però amb molts menys canvis (C)!

Fixeu-vos que a l'exemple, hem canviat la segona caixa de B per la 3a. Hem passat d'un cost de 5 a un cost de 3! Fantàstic!
June 10, 2025 at 4:58 PM
Com funciona? Doncs identificant quins productes són més susceptibles de no vendre's, i estimant el cost d'arriscar-se a fabricar-los o no. Cal tenir en compte molts factors (cost 💲, dies de vida 📅, previsió de vendes 📈, etc.). És un problema molt difícil!
June 10, 2025 at 4:57 PM
Això genera un flux d'informació (blau clar), de producte (blau fosc) i d'informació de producte fet malbé (verd)!
June 10, 2025 at 4:49 PM
El simulador dice si una nueva asignación reduce los atascos. El LNS usa esta info para proponer cambios, siempre dentro del límite permitido.

Resultado: la mejor configuración logró una reducción del tiempo de bloqueo del 45%. 🚀 ¡Un almacén mucho más fluido y productivo!
June 10, 2025 at 4:43 PM
¡La Caja G produce un atasco, porque no puede entrar en el espacio del almacén que le corresponde!

El desafío: reasignar qué artículo va a qué robot para evitar estos cuellos de botella. ¡Pero la empresa solo permite unos POCOS cambios sobre la asignación actual para no trastocarlo todo!
June 10, 2025 at 4:42 PM
Validado con más de 100.000 cajas/semana, logramos una reducción media del coste de cambio de más del 60% (en ventana estática) y 48% (variable). 🎉 Menos energía, menos desgaste, y una logística interna más eficiente. (¡Con datos públicos para la ciencia abierta! ieee-dataport.org/documents/lo...)
June 10, 2025 at 4:41 PM
Reto: mantener el mismo número de cajas de CADA tipo (S) a cada destino (Q) que el sistema original, ¡pero con muchos menos cambios (C)!

Fíjate que en el ejemplo, hemos cambiado la segunda caja de B por la 3ra. ¡Hemos pasado de un coste de 5 a un coste de 3! ¡Fantástico!
June 10, 2025 at 4:39 PM
¿Cómo funciona? Identificando que productos son más susceptibles de no venderse, y estimando el coste de arriesgarse a fabricar o no hacerlo. Hay que tener en cuenta muchos factores (coste 💲, días de vida 📅, previsión de ventas 📈 etc). ¡Es un problema muy difícil!
June 10, 2025 at 4:38 PM
Esto genera un flujo de información (azul claro), de producto (azul fuerte) y de información de producto estropeado (verde)!
June 10, 2025 at 4:36 PM