개요
RPM eco 는 오염된 플라스틱 탄화수소 용기 및 농약과 비료 용기의 재활용을 위한 통합 관리 시스템을 제공합니다. 이 회사는 캐나다 전역에 수천 명의 고객을 보유하고 있습니다.
SimWell 은 시뮬레이션, 최적화, 디지털 트윈을 전문으로 하는 글로벌 엔지니어 및 시뮬레이션 컨설턴트 팀을 보유한 컨설팅 회사입니다. 그들은 시뮬레이션 모델링을 사용하여 혁신적인 비즈니스 리더들이 자신감 있는 결정을 내릴 수 있도록 돕습니다.
문제
RPM eco의 운전자들은 고객으로부터 재활용품을 수거하여 수집 센터로 가져갔습니다. 주요 문제 중 하나는 모든 고객이 고정된 시간 간격으로 서비스를 받았다는 것입니다. 이는 고객들이 일주일에 한 번, 두 주에 한 번 또는 한 달에 한 번 서비스를 받는다는 것을 의미했습니다.
또 다른 문제는 모든 고객이 고정된 루트를 이용했다는 것입니다. 소비에 계절성이 있는 경우 이 방식은 문제가 될 수 있습니다. 서비스 호출 및 루트설정과 같은 모든 운영은 단 두 명의 직원만이 관리했습니다.
RPM eco에는 세 가지 주요 이해관계자가 있었습니다: 운전자, 조정자, 그리고 관리자입니다.
운전자는 수집 센터로 가져온 무게에 따라 급여를 받았습니다. 그들은 이동한 킬로미터당 더 많은 킬로그램을 운반하길 원하고, 빈 픽업의 수를 크게 줄이며, 사용하기 쉬운 모바일 앱을 원했습니다.
조정자들은 진행 중인 노선과 운전자들에 대한 더 많은 가시성을 원했습니다. 또한, 운전자들이 노선을 운행하려는 의지를 높이고자 했습니다.
관리자들에게는 고객 서비스 수준과 직원 만족도를 향상시키는 것이 필요했습니다.
RPM eco는 고객이 요청하기 바로 직전에 도착하여 수집되는 물건의 무게를 극대화하고 고객 서비스 수준을 높이기 위한 계획을 세웠습니다. 또한, RPM eco는 고객의 요구에 따라 동적 노선을 구축하고 이 노선을 쉽게 수정하고 추적할 수 있는 시스템을 원했습니다. 이러한 사업의 목적은 트럭에 의해 수집되는 재료의 무게를 최대화하는 것이었습니다.
솔루션
SimWell은 RPM eco가 역물류 공급망을 최적화하는 데 도움을 주었습니다. 이를 위해 SimWell은 OSCAL(예측, 시뮬레이션 및 모바일 앱을 포함한 엔드 투 엔드 솔루션)이라는 자체 솔루션을 개발했습니다. 아래 그림에서 OSCAL이 설명되어 있습니다.
각 고객별 사용 가능한 무게 예측
이 엔드투엔드 솔루션은 예측으로 시작되었습니다. SimWell 엔지니어들은 각 고객 시설에서 사용 가능한 무게를 예측하기 위해 예측 도구를 만들었습니다. 예측 알고리즘은 역사적 데이터와 계절성에 기반을 두고 있습니다. 엔지니어들은 두 가지 방법을 사용했는데, 그 중 하나는 : ARIMA (자기회귀적 통합 이동평균)이고, 다른 하나는 주로 간헐적 수요에 사용되는 Croston 방법입니다.
예측 도구와 감독 학습 모델을 결합하여 고객의 변동성을 관리하였습니다. 고객의 소비 행태가 변화하여 방법을 변경해야 하는지 예측할 수 있었습니다.
SimWell이 이러한 도구를 구현한 후, RPM eco는 서비스 수준을 높이고 예측된 무게와 실제 픽업 무게 사이의 오차 범위를 줄일 수 있었습니다. 그들은 특정 시점에서 각 고객의 예상 가능한 무게를 예측할 수 있었습니다.
고객 간 이동 거리를 최적화하기 위한 경로 시뮬레이션
이전에 RPM eco는 계절적인 변화로 인해 문제가 되었던 고정 경로를 가지고 있었습니다. 이러한 도전을 해결하기 위해 SimWell 개발자들은 경로의 우선 순위를 관리하기 위한 에이전트 기반 시뮬레이션 모델을 구축했습니다. 그들은 프로세스 모델링을 위해 주로 상태도 를 사용했습니다. 일반적으로 RPM eco는 일주일마다 고객에 대한 최상의 예측을 얻기 위해 이를 사용합니다.
시뮬레이션 모델은 클라우드 데이터베이스에서 데이터를 받았습니다. 모델 개발자들은 새로운 고객을 위한 간격을 조정하고 예측을 수행하기 위해 파이썬 스크립트를 실행했습니다. 이 예측 이후, 엔지니어들은 시뮬레이션을 위한 이용 가능한 고객 목록을 가지고 있었습니다.
모델러들은 특정 우선순위와 GIS를 사용한 다양한 경로 생성 알고리즘을 가지고 있었습니다. 이를 통해 엔지니어들은 트럭 운송 산업에서 중요한 운전 시간을 추적할 수 있었습니다. 그들은 이 경로에서 고객 간의 이동 거리를 최적화하고자 했습니다. 경로가 승인되거나 거부되면 그 정보는 클라우드 데이터베이스로 다시 보내졌습니다.
이 경로를 다룰 수 있도록 조정자들을 도와주는 도구들이 있었습니다. 아래 사진의 왼쪽에는 전문가들이 서비스 호출을 추가하거나 경로를 수정하거나 변경 사항이 있는 경우 고객을 제거할 수 있게 해주는 'Routes Planner'라는 도구가 있습니다. 사진의 오른쪽에는 고객의 필요에 따라 이러한 고객을 수정하는 데 사용되는 'Customer Care Center'가 있습니다.
운전자용 모바일 앱 개발
엔지니어들이 예측한 양과 경로를 생성하자마자 운전자들은 자신의 경로를 받을 수 있었습니다. 이전에는 운전자들이 종이로 정보를 받았지만, 이것은 이동 중에 분실될 수 있어 비효율적이고 신뢰할 수 없었습니다. 또한 이 종이 요소로 인해 시뮬레이션 모델을 구현하는 데 어려움이 있었습니다. 이러한 사실을 고려하여 SimWell 전문가들은 모바일 애플리케이션을 개발하기로 결정했습니다.
애플리케이션은 시뮬레이션의 입력과 출력을 자동으로 처리할 수 있었습니다. 운전자가 앱에 로그인하면 경로를 완료할 수 있었고, 이 정보는 시뮬레이션 모델로 다시 전송되었습니다.
데이터베이스는 MySQL을 기반으로 하고 Azure 포털에서 호스팅되었습니다. 이는 RPM의 운영 작업을 처리하고 앱과 시뮬레이션 간의 통신 매체로 작용했습니다.
앱은 또한 데이터 픽업에 대한 유효성 검증을 제공했습니다. 따라서 예측 무게와 임계값이 있었습니다. 데이터가 임계값을 벗어날 경우, 운전자는 검증을 요청 받고 필요한 경우 수정하게 됩니다. 이 앱은 엔드-투-엔드 솔루션의 마지막 고리를 완성했습니다.
솔루션의 인프라
솔루션 인프라는 여러 요소로 구성되었습니다: Microsoft Azure SQL 데이터베이스, Power BI, Power Apps, 예측, 모바일 앱. Power BI와 Power Apps는 데이터 시각화 및 파라미터 수정을 위해 Microsoft Azure와 연결되었습니다. 그 위에 AnyLogic 시뮬레이션 모델이 모든 요소를 조정했습니다.
GIS는 이미 이 솔루션에 통합되어 있었는데, 이는 중요한 요소였습니다. 역물류 소프트웨어로서 AnyLogic을 사용하면 엔지니어들이 외부 Azure SQL 데이터베이스를 쉽게 통합하고 활용할 수 있으며, 물류 예측을 위한 Python 스크립트를 사용할 수 있습니다.
결과
이 솔루션으로 모든 이해 관계자가 혜택을 받았습니다. 조정자는 역물류 공급망을 실시간으로 전체적으로 파악할 수 있었습니다. 통합된 BI 도구는 운영 및 관리 팀이 전략적인 의사결정을 내리고 전술적인 결정을 내릴 수 있도록 도왔습니다. 전반적으로, 더 높은 보안과 거버넌스를 갖춘 운영 데이터가 제공되었습니다.
프로젝트 시작 이후, RPM eco는 고객으로부터 수집된 총 무게를 20% 증가시켰고, 픽업당 평균 무게를 52% 증가시켰습니다. 동시에 빈 픽업의 수는 81% 감소했습니다.
아래 그림의 첫 번째 차트는 2021년부터 2022년까지 무게가 없는 픽업의 급격한 감소를 보여줍니다. 두 번째 차트는 픽업 당 평균 무게의 증가를 보여줍니다.
이 사례 연구는 SimWell의 Shirwa Mahdi, Maxime Leclerc, Joseph Moyer, David Larivee AnyLogic 컨퍼런스 2022 에서 발표했습니다.
슬라이드는 PDF 로 제공됩니다.
