Consolidation During Picking

Abstract

Background: Order-picking accounts for more than half of total warehouse operating
costs, where travel time is the largest contributor. At the case company, a Swedish healthcare consumables logistics provider served by Industri-Matematik International AB, a
cluster-picking strategy is used together with a combined routing strategy (Roodbergen,
2001). The current picking process lacks planning of how tote boxes (orders) should be
allocated to unit-loads such as pallets, resulting in unnecessary additions of boxes onto
unit-loads as well as extra picking rounds due to the precedence constrains imposed by
the S-shaped routing strategy.
Purpose: The purpose of the thesis is to develop a new pick planning algorithm for the
case company that reduces the total time in the picking phase by optimizing the picking
route and box allocations on the unit-load.
Methodology: The methodology was based on a six step operations research framework.
First, warehouse and historical pick-order data were collected and mapped to an abstract
model of the warehouse and routing policy. Thereafter, a recursive depth-first search
pick-path optimization algorithm was developed for finding the shortest route, using the
algorithm described by Bartholdi & Hackman (2019, p. 163). Thereafter, three search
algorithms — brute-force, random search and branch-and-bound — were implemented
and compared for generating unit-load configurations.
Conclusions: The developed algorithm prevents the addition of unnecessary boxes during picking and all the search algorithms outperformed the serpentine baseline routing
across the tested cases. For actual pick-order cases, picking routes were approximately
245% to 325% shorter compared to the serpentine baseline. For generated pick-orders
involving higher number of orders, improvements ranged from approximately 130%
to 170% reduction in distance compared to the baseline. Branch-and-bound is recommended for pick-orders with up to 12-16 orders depending on the number of orders per
layer, while random search is recommended for the larger pick-orders. For pick-orders
where the unique-order stacks are sufficient to fill complete layers, a combined allocation
heuristic of random search and order-stack prioritization is recommended. In conclusion,
the algorithm has the potential to improve manual handling and picking efficiency if certain constraints are relaxed, and can serve as a foundation for further optimization of box
allocation.

Popular Abstract (Swedish)

Alla lager behöver en välanpassad strategi för att minimera kostnaderna i sin orderplockprocess — där beställda varor plockas i lådor som sedan skickas till kund. Av dessa kostnader utgör förflyttning till varornas lagringsplatser den största andelen. Med hjälp av effektivare stapling av lådorna på pall kan dessa färddistanser minskas markant — utan att behöva ändra ett enda hyllsystem.

Varje gång en vara beställs online måste någon fysiskt hämta varan i ett lager. Detta kallas orderplock, och det är kostsamt — mer än hälften av lagerarbetarens tid går åt till förflyttning i lagret. Att minska onödigt resande är därför viktigt för att sänka logistikkostnaderna.

En kund till lagersystemsutvecklaren Industrimatematik AB använder sig av en serpentinstrategi för sina plockrundor (tänk lagerarbetare som alltid följer samma sick-sackrutt genom alla gångar). Problemet är att ingen planering görs för hur lådorna ska staplas på pallen/lastbäraren under resans gång. Det kan leda till att en låda täcks över för tidigt, innan alla varor till den ordern hunnit plockas. Lösningen idag? Antingen läggs en extra låda av samma order till på lastbäraren, eller så måste hela rutten göras om från början — båda alternativen kostar tid och kapital.

En heuristisk algoritm har utvecklats som löser just detta problem. Genom att i förväg analysera var i lagret varorna finns, och planera i vilken ordning lådorna ska staplas på lastbäraren, kan algoritmen se till att rätt lådor alltid är åtkomliga vid rätt tidpunkt längs rutten. Algoritmen tillåter även lagerarbetaren att ta smarta genvägar — istället för att alltid traversera hela gångar kan man vända i förtid om inga varor väntar längre in i gången. Det går även att passera lagergångar som inte kräver plock.

Tre olika sökalgoritmer testades för att hitta den bästa lådplaceringen: en uttömmande sökning, en slumpmässig sökning och en så kallad branch-and-bound-metod. Resultaten var markanta — för verkliga plockordrar med upp till 14 lådor var de oplanerade rutterna 150–290 procent längre än de optimerade rutterna.

För simulerade plockordrar med upp till 42 lådor var de oplanerade rutterna 40–80 procent längre än de optimerade rutterna. Algoritmen identifierade även så kallade orderpar — det vill säga två lådor där den ena alltid blir färdigplockad innan den andra påbörjas längs rutten. Genom att stapla lådor direkt på varandra kan man spara en hel plockrunda, vilket har stor effekt vid större ordrar.

Algoritmen är ännu inte integrerad i Industri-Matematiks lagersystem, men kan utgöra en grund för vidare utveckling. Nästa steg är att hantera praktiska faktorer såsom varierande lådstorlekar och viktbegränsningar — utmaningar som är välkända inom logistikforskningen.


Karl Magnus Rosell,
Mars 2026
Titel: Consolidation During Picking
Handledare: Johan Marklund
Examensarbete i produktionsekonomi
Institutionen för industri- och maskinvetenskaper

• author: Rosell, Karl Magnus
• supervisor: Johan Marklund
• organization: Department of Industrial and Mechanical Sciences; Production Management
• course: MIOM05 20261
• year: 2026
• type: H2 - Master's Degree (Two Years)
• subject: Technology and Engineering
• keywords: Pick-path optimization, Order-picking, Cluster-picking, Serpentine routing, Precedence constraints, Heuristic search
• other publication id: 26/5343
• language: English
• id: 9230226
• date added to LUP: 2026-06-05 11:42:12
• date last changed: 2026-06-05 11:42:12