대부분의 대형 물류센터에서 주문 피킹(order picking) 프로세스는 노동 집약적이다. 주문 피킹의 효율을 높이면 해당 시설이 더 높은 제품 물량을 처리할 수 있다. 물류센터에서의 데이터 마이닝 적용은 효율 개선을 산출할 수 있는 잠재력이 있으며, 특히 이러한 기법을 물류센터가 접수하는 주문에서 생성되는 방대한 데이터들을 분석하는 데 사용하고 주문 패턴들 간의 상관관계를 규명하는 경우에 그러하다. 본 논문은 빈발 아이템셋(frequent itemset) 군집화와 비균일한 상품 가중치를 기반으로 주문 피킹 거리를 최적화하기 위한 휴리스틱 방법을 제안한다. 제안된 휴리스틱은 연관 규칙 마이닝(association rule mining, ARM)을 사용하여 재고 관리 단위(stock keeping units, SKUs) 간의 유사성을 바탕으로 제품 패밀리를 생성한다. 유사성이 더 높은 SKUs는 해당 패밀리의 다른 구성원들에 더 가깝게 배치된다. 이 휴리스틱은 식품 유통 산업의 실제 물류센터에서 수집된 데이터를 사용하여 수치 사례에 적용한다. 실험 결과는 데이터 마이닝에 기반하여 개발된 레이아웃이 주문을 피킹하는 데 필요한 이동 거리를 줄일 수 있음을 보여준다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.