개요
태국에는 두 공장에서 공급되는 물류 센터가 있습니다. 이 물류 센터는 창고로도 알려져 있으며, 자동 저장 및 검색 시스템(ASRS) 물류를 수행하며 수동 서비스 팔레트 랙을 운영합니다.
이 창고는 2,000㎡의 바닥 공간으로 구성되어 있으며, 피킹 및 스테이징 작업에 사용됩니다. 10개의 로딩 도크가 매일 약 1,500개의 팔레트를 입고 및 출고 활동에 이용됩니다.
문제
이 창고는 매일 정기적으로 예측할 수 없는 부하가 있기 때문에 상당히 복잡합니다. 또한 대부분의 팔레트는 공장에서 부분적으로 채워져 도착하므로 창고 내부의 다른 팔레트와 결합해야 합니다.
또한 고려해야 할 다양한 제품 구성이 많아서 모니터링하기 어려운 과정을 만들어냅니다.
마지막으로, 저장 공간이 과도하게 사용되고 부하가 다양하여 매일 몇 명의 운영자가 필요한지 미리 예측하기가 어렵습니다. 그 결과 운영자들은 자주 과소 또는 과다 활용되고 있습니다.
이 창고와 협력하는 두 회사인 웨스턴 디지털 과 DSV 는 예측을 입력하고 이러한 복잡한 작업을 고려한 후 특정 KPI에 대한 예상 값을 검색할 수 있는 도구를 갖고 있지 않았습니다.
솔루션
소규모 디지털화 기업 EPIC InnoLabs, 가 웨스턴 디지털과 DSV를 위해 예측 시뮬레이션 모델을 개발하기 위한 계약을 맺었습니다. 이 모델은 다양한 실험, 시스템 최적화, 가정 시나리오, 예측 및 추정치를 포함하여 창고 운영을 더욱 효율적으로 만드는 것을 목표로 합니다.
모델은 AnyLogic을 사용하여 구축되었습니다. 이는 다중 방법 모델링을 지원하여 작은 창고부터 거대한 물류 센터까지 모든 복잡성의 비즈니스 시스템을 시뮬레이션할 수 있는 기능을 제공합니다. AnyLogic은 또한 Java 기반으로 유연하며 창고 활동의 시각화를 가능하게 합니다. 또한 모델을 AnyLogic Cloud로 이관하여 향후 비즈니스 분석 도구와의 통합을 가능하게 할 수도 있습니다.
모델은 현재 개발 중입니다. 그러나 기본 모델은 완료되었으며 검증되었습니다. 이 모델은 입력 데이터에 기반하여 시스템 동작을 예측할 수 있는 데이터 기반 솔루션을 가지고 있습니다.
모델의 입력으로 사용되는 Excel 파일에는 다음 사항이 포함됩니다
- 재고 상태
- 입고 데이터 – 수령한 제품의 기록 등
- 출고 데이터 – 출고 트럭을 포함
- 제품 매트릭스 – 다양한 유형의 제품, 팔레트 구성 및 기타 관련 속성을 설명합니다.
이 모든 데이터는 사용되고 있는 과거 데이터입니다. 다른 매개변수는 모델 내에서 직접 정의할 수 있습니다.
모델 아키텍처의 프로세스 흐름은 아래에 자세히 표시됩니다
이 모델은 AnyLogic Process Modeling Library 및 에이전트 기반 모델링 과 이산 사건 시뮬레이션의 조합을 사용하여 생성되었습니다. Statecharts 는 픽킹 및 배치 작업과 리소스 모니터링과 같은 창고 활동을 조정하기 위해 사용되었습니다.
이 모델은 사용자가 데이터를 입력하고 일부 매개변수를 수정한 후 창고 모델을 초기화할 수 있는 사용하기 쉬운 인터페이스를 갖추고 있습니다. 또한 다양한 뷰가 제공되어 정보를 확인할 수 있습니다. 예를 들어 3D 뷰에서는 팔레트의 색상이 가득 찼는지 여부에 따라 변경될 수 있습니다. 런타임 중에는 제품 통계, 리드 타임 및 기타 차트에 대한 KPI를 확인하거나 검토할 수 있습니다. 그런 다음 데이터를 Excel로 내보내어 자세히 분석할 수 있습니다
모델은 또한 두 가지 매개변수 변동 실험을실행할 수 있는 기회를 제공합니다. 첫 번째 실험은 근로자 수의 변화를 통해 리드 타임, 생산성, 기타 KPI에 미치는 영향을 이해하는 데 사용됩니다. 두 번째 실험에서는 ABC 로직(비즈니스 가치에 따라 상품을 분류하는 재고 관리 기술)의 매개변수를 다양하게 조절할 수 있습니다. 이 ABC 로직은 각 제품에 대한 주문 수(예: 1주 또는 2주 간격 등)를 기반으로 합니다. 이러한 영향은 리드 타임에 영향을 미칠 수 있습니다.
결과
첫 번째 실험이 이미 실행되었고 모델이 개선되었습니다. 이제 모델은 ASRS 물류 시스템에 ABC 로직을 통합하였고, 창고 운영 모델에서 보다 구체적인 KPI를 측정하기 위해 보다 세부적인 자원 모니터링을 포함하고 있습니다. 개발자들이 아직 프로젝트 진행 중이기 때문에 정확한 정보는 제공되지 않고 있습니다.
향후, 모델의 시간 범위는 현재의 3개월에서 7개월로 연장될 것입니다. 그런 다음 자원 이용률과 창고 효율성에 중점을 둔 두 번째 실험을 실행할 것입니다. 이때 예측 데이터가 과거 데이터 대신에 사용될 것입니다. 마지막으로, 모델은 AnyLogic Cloud로 이관될 예정입니다.
이 사례 연구는 EPIC InnoLabs의 Andrea Mácz가 AnyLogic Conference 2022 에서 발표했습니다.
슬라이드는 PDF 로 제공됩니다.
