에이전트 기반 시뮬레이션 모델링을 통한 아웃바운드 물류 개선

에이전트 기반 시뮬레이션 모델링을 통한 아웃바운드 물류 개선

문제:

매출 800억 달러가 넘는 세계 최대 자원 기업 중 하나가 새로운 시장에 진출하기로 했다. 포타시 광산을 새로 짓고 생산량의 90%를 수출할 계획이었다. 그들은 빠른 속도의 보충과 자연과 인공의 재난으로부터 회복하거나 심지어 이익을 얻을 수 있는, 믿을 수 있는 공급망을 설계하기를 원했다. 아말가마와 골드라트는 화분 채굴 작업과 아웃바운드 물류에 대한 완전한 공급망을 설계하기 위해 계약되었다.

프로젝트를 시작하기 전에, 다른 회사가 이전에 구축한 현재의 시뮬레이션 시스템에서 비롯되는 병목 현상을 이해하는 것이 중요했다. 이 오래된 시스템은 약간의 이점이 있었지만, 모델은 블랙박스처럼 행동했고, 추론 없이 결과를 만들어냈지만, 그것들은 쿼리할 수 없었다. 시뮬레이션 모델링과 함께 새로운 프로젝트는 공급망 프로세스를 시각화하고 결과를 확신시켜 다음과 같은 이점을 제공하는 것이었습니다.

잘못된 결정은 20년 동안 수억 달러의 이익 손실을 초래할 수 있다.

해결책:

모델은 다음을 수행해야 했다.

AnyLogic 시뮬레이션 소프트웨어는 이러한 요구사항을 충족시켰다. 엔지니어가 필요에 따라 유연하고 구성 가능한 공급망 모델을 만들 수 있도록 허용. AnyLogic 모델링은 위치(포트, 허브 등) 내부의 프로세스를 명확히 하고, 서로 다른 요소들이 어떻게 작용하고 상호작용하는지를 보여주었다.

채굴 물류 과정은 공장과 광산 저장 시설에서 시작된다. 제품 채굴 후 이체 준비가 끝나면 수출 채널에 제품을 선적할 것인지 아니면 국내 시장을 위해 보관할 것인지를 결정한다. 그 제품들은 기차로 허브나 항구에 도착하여 해외로 운송되거나 국내 유통을 위해 보내진다.


채굴 공급망 시뮬레이션 모델링


에이전트 기반 모델에서는 트럭, 기차, 선박뿐만 아니라 해항과 기뢰가 서로 교류하는 독립형 에이전트 역할을 했다. 모델은 또한 다양한 무작위성의 원천을 포함한다. 예를 들어 파업, 날씨 지연, 생산 중단, 고객 수요 변동성 등이 그것이다. 모델의 그래프는 공급망과 그 구성요소에 대한 출력 통계를 보여준다.

광산물류 시뮬레이션 모델

이 모델을 사용하여 감도 분석을 수행하여 공급망에 가장 적합한 정책인 푸시, 하이브리드 또는 풀(Pull)을 정의했다. 분석 결과 시스템에 철도차를 추가(250,000대~550,000대), 광산과 항만 저장용량(15만 대~50만 톤) 변경, 서비스 수준 변경 등이 검토됐다. 세계 최고 수준의 서비스 수준은 98%, 녹색 및 낮은 서비스 레벨이 빨간색과 노란색으로 표시되면서 미리 정의되었다.

그래프는 푸시 시나리오가 높은 등급의 결과를 제공하지 않는다는 것을 보여준다. 하이브리드 시나리오는 요구되는 수준의 성능을 제공하지만, 300킬로톤 용량의 3,500대의 철도 차량 또는 250킬로톤 용량의 4,500대의 철도 차량을 사용하는 Pull 정책에 더 잘 제공된다. 이 시스템은 스토리지 용량 면에서 매우 민감한 것으로 밝혀졌다.

마이닝 에이전트 기반 시뮬레이션 모델

최적의 정책을 정의한 후, 서비스 수준에 미치는 영향을 확인하기 위해 모델에 복잡성과 변동성 요인을 추가했다. Push 정책은 신제품, 고객, 허브 또는 포트를 추가함으로써 부정적인 영향을 받은 반면 Pull 전략에서는 어떠한 요소에도 관계없이 높은 서비스 수준이 유지되었다.

그런 다음 각 정책을 테스트하여 변동성이 증가할 때 톤당 비용이 어떻게 변하는지 확인하였다. 푸시는 거의 항상 톤당 비용이 가장 높았다. 그러나 이 그래프는 변동성과 복잡성이 증가함에 따라 시간이 지남에 따라 Pull의 t당 비용도 증가한다는 것을 보여준다.

마지막으로, 서로 다른 매개변수(서비스 수준, 운전 자본, 허브 및 항만 주식 등)를 사용하여 결과를 비교하고, 정책 순위를 매겼다.

결과:

AnyLogic 시뮬레이션 모델링은 공급망 프로세스를 시각적으로 표현하고 Pull 정책이 최적임을 입증했다. 이 정책은 t당 최저 비용으로 보다 높은 수준의 서비스를 제공했으며, 동시에 운용 자본과 투자 요건이 낮아졌다. 또한 추가 스토리지 용량이 어떻게 도움이 되는지도 보여주었다. Pull 정책의 기타 주요 이점은 다음과 같다.

공급망 민감도 시뮬레이션 분석

앞서 회사가 적용한 푸시 정책은 수요 변동성을 고려하지 않아 서비스 수준이 낮았다. 이 회사는 멀티프로덕트 공급망을 사용했고, 고객이 제품을 요구하기 시작했을 때 무상 저장 공간이 부족해 누락될 수 있었다. Pull 정책 알고리즘은 다르게 작용한다. 수요에 따라 안전하게 재고를 줄이거나 늘릴 때 위약금을 물리지 않고 결정한다.

모델 기능에는 다음이 포함된다.

후자는 다양한 모델 매개변수에 대한 상세한 결과를 제공했다. 예를 들어 Push and Pull 정책에 대한 판매당 델타 비용의 차이는 톤당 3달러였다. 연간 1300만 톤으로 이는 잘못된 정책이 선택되면 3900만 달러의 순이익 손실을 의미한다. Tonts Saled 매개변수의 경우, 동일한 용량과 변동성을 사용할 때 Push와 Pull 정책 결과 간에 410만 톤의 차이가 있었다. t당 300달러를 곱하면 잘못된 정책 선택으로 인한 12억 달러의 수익 손실이 발생한다.

경영진 차원에서 분석을 내놓았을 때 사업개발을 위해 당김 전략을 택했다.

앨런 바너드 박사와 안드레이 말리하노프 박사의 프로젝트 발표

유사 케이스 스터디

더 많은 케이스 스터디