AGRADECIMENTOSAgradeço a DEUS por me dar a graça da saúde e do discernimento! À Escola de Engenharia de São Carlos pela oportunidade de realização do doutorado.Aos funcionários da Seção de Pós-Graduação da EESC/USP pela atenção e apoio administrativo, e a todos os servidores pelo pronto atendimento.Aos professores do Departamento de Engenharia de Produção pelos conhecimentos transmitidos com os quais deram a base para a realização deste trabalho.A todas as pessoas que direta ou indiretamente contribuíram para a realização desta pesquisa, familiares, amigos, professores e alunos do mestrado e do doutorado, em especial ao amigo Francis Minoru Endo Ura pela ajuda no desenvolvimento do software.Ao meu orientador, professor Dr. Marcelo Seido Nagano, pela confiança e amizade construída e por sua valorosa atenção nas correções, orientações e sugestões, além dos conselhos e incentivos que tanto contribuíram para o enriquecimento e realização deste projeto desafiador. (EDD). No SOC o picking é manual e enquadra-se na categoria picker-to-parts (low level) com pick-and-sort utilizando um trolley que é transportado pelo operador ao longo das ruas do AM. Neste contexto, esta tese tem como objetivo desenvolver uma ferramenta de gestão que integre e apresente soluções otimizadas para o SOF/SOC. A perspectiva de integração do SOF/SOC dar-se-á mediante à formulação de dois Algoritmos Genéticos (AG's) nomeados de AG-SOF e AG-SOC. Assim, o enfoque desta pesquisa está na avaliação da eficácia prática do AG-SOF/AG-SOC em resolver problemas reais do SOF/SOC. A eficácia do AG-SOF é comparada à um Algoritmo Guloso Iterativo (AI-SOF) enquanto que a predileção pelo AG-SOC é justificada pela natureza NP-hard do SOC. As experimentações para problemas de diferentes níveis de complexidade demonstraram que os algoritmos satisfazem todas as regras, restrições e variáveis decisórias obtendo soluções de qualidade satisfatória para qualquer categoria do SOF/SOC. O AI-SOF/AG-SOF lidam com as restrições de estoque e as possibilidades de faturar pedidos parciais para maximizar o Faturamento Total (FT). Apesar de obterem soluções com a mesma qualidade, o AI-SOF tem desempenho superior ao AG-SOF que é, em termos de Tempo de Processamento Computacional (TPC), limitado às categorias de médio porte do SOF. O AG-SOC é composto pela iteração de dois AG's (AGLOTE e AGPCV) que minimizam o Custo Total das Operações de Picking (CT). Logo, o AGLOTE agrupa os SKU's (Stock Keeping Units) dos diferentes pedidos em múltiplos lotes pela restrição de carga dos trolleys de forma a reduzir o Número de Viagens de Coleta (NVC) e define a sequência de coleta por meio de lotes prioritários para evitar o Atraso no Atendimento dos Pedidos (AAP). O AGPCV faz a roteirização dos lotes dentro do AM de modo que impeça a ocorrência de avarias aos SKU's frágeis e minimize a Distância Total das Rotas (DTR) e o Tempo Total de Picking (TTP). Evidenciou-se que para problemas de complexidade superior os lotes são mais homogêneos, nos quais o Desvio Padrão é pequeno e o Coeficiente de V...