Ottimizzazione dell’Efficienza del Picking di Magazzino tramite Tecniche Avanzate di Selezione degli Ordini e Pianificazione dei Percorsi.

The growing complexity of warehouse operations, driven by the rise of e commerce, the fragmentation of orders, and increasingly strict delivery deadlines, has made the optimization of picking activities a strategic priority for logistics companies. This thesis presents the design and implementation of an integrated decision support algorithm aimed at improving the efficiency of piece picking processes in a healthcare logistics environment. The proposed solution combines an optimized order selection strategy with an advanced path planning module based on graph theory and Travelling Salesman Problem (TSP) heuristics. The warehouse layout is modelled as a grid with obstacles, where shelves represent non traversable cells and corridors define the feasible navigation space. Waypoints are generated by mapping each ordered item to the corresponding accessible picking position. The optimal visiting sequence is computed through a composite TSP heuristic that integrates a Greedy Nearest Neighbour initialization with 2 opt and 3 opt local search improvements, while shortest path distances between waypoints are obtained using Dijkstra’s algorithm. Two order selection strategies are evaluated: a priority based approach and a combined priority and proximity method. The results demonstrate that the integration of optimized order selection with heuristic path planning significantly reduces travel distance compared to the current operational logic. A validation phase comparing heuristic solutions with brute force optimal paths confirms the high accuracy and computational efficiency of the proposed method. The study highlights the potential of algorithmic optimization to enhance productivity, reduce operational costs, and support data driven decision making in modern warehouse environments.

La crescente complessità delle operazioni di magazzino, alimentata dall’espansione dell’e‑commerce, dalla frammentazione degli ordini e da scadenze di consegna sempre più stringenti, ha reso l’ottimizzazione delle attività di picking una priorità strategica per le aziende logistiche. Questa tesi presenta la progettazione e l’implementazione di un algoritmo integrato di supporto decisionale volto a migliorare l’efficienza dei processi di prelievo a pezzi in un contesto logistico farmaceutico. La soluzione proposta combina una strategia ottimizzata di selezione degli ordini con un avanzato modulo di pianificazione del percorso basato sulla teoria dei grafi e sulle euristiche del Travelling Salesman Problem (TSP). Il layout del magazzino è modellato come una griglia con ostacoli, in cui gli scaffali rappresentano celle non attraversabili e i corridoi definiscono lo spazio di navigazione percorribile. I waypoint vengono generati mappando ciascun articolo ordinato sulla corrispondente posizione di picking accessibile. La sequenza ottimale di visita è calcolata tramite un’euristica TSP composita che integra un’inizializzazione Greedy Nearest Neighbour con miglioramenti locali 2‑opt e 3‑opt, mentre le distanze minime tra i waypoint sono ottenute tramite l’algoritmo di Dijkstra. Sono state valutate due strategie di selezione degli ordini: un approccio basato sulla priorità e un metodo combinato priorità e prossimità. I risultati dimostrano che l’integrazione tra selezione ottimizzata degli ordini e pianificazione euristica del percorso riduce significativamente la distanza percorsa rispetto alla logica operativa attuale. Una fase di validazione, che confronta le soluzioni euristiche con i percorsi ottimali, conferma l’elevata accuratezza ed efficienza computazionale del metodo proposto. Lo studio evidenzia il potenziale dell’ottimizzazione algoritmica nel migliorare la produttività, ridurre i costi operativi e supportare processi decisionali data‑driven nei moderni ambienti di magazzino.