Slotting tool pro distribuční centra obchodního řetězce

Tato diplomová práce se zabývá optimalizací rozmístění produktů (slotting) v distribučních centrech obchodního řetězce, kde nesprávné rozložení způsobuje přetížení uliček a neefektivní vychystávání. Hlavním cílem je vytvořit datově orientovaný matematický model v jazyku Python (využívající CP-SAT solver z Google OR-Tools) k minimalizaci úzkých míst a maximalizaci průchodnosti skladu. Navržený nástroj pracuje s vygenerovanými syntetickými daty a optimalizace probíhá ve dvou fázích: makrooptimalizace na úrovni uliček a mikrooptimalizace na úrovni konkrétních sekcí. Výsledky modelu jsou vizualizovány prostřednictvím dashboardů v Microsoft Power BI pro podporu rozhodování v praxi. Implementace modelu prokázala úspěšné dodržení všech logistických omezení, včetně posloupnosti obalů, vyrovnání pracovní zátěže při vychystávání (zlepšení metriky MAPE z 33 % na 5 %) a snížení celkového počtu týdenních doplnění zboží.

This master's thesis deals with the optimization of product placement (slotting) in retail chain distribution centers, where incorrect layout causes aisle congestion and inefficient order picking. The main objective is to develop a data-driven mathematical model in Python (using the CP-SAT solver from Google OR-Tools) to minimize bottlenecks and maximize warehouse throughput. The designed tool operates with generated synthetic data, and the optimization is carried out in two phases: macro-optimization at the aisle level and micro-optimization at the specific section level. The model outputs are visualized through an interactive dashboards in Microsoft Power BI to support practical decision-making. The implementation of the model demonstrated the successful adherence to all logistical constraints, including packaging sequence rules, an equalization of the order picking workload (improving the MAPE metric from 33% to 5%), and a reduction in the total number of weekly replenishments.