월마트의 알파봇: 시뮬레이션을 통한 자재 취급 시스템 설계

월마트의 알파봇: 시뮬레이션을 통한 자재 취급 시스템 설계

문제

수익 기준 세계 최대의 소매업체인 월마트는 빠르게 성장하고 있는 이 회사의 온라인 식료품 사업에서 더 빠르고 더 저렴한 비용으로 주문을 완료할 수 있는 자동화 기술을 찾고 있었다. 그들은 다층적 스토리지 구조 내에서 3차원 모두에서 작동할 수 있는 자율적인 이동식 카트를 사용하여 식료품 픽업 과정을 자동화할 수 있는 Alert Innovation의 GTP(Goods-to-Person) 개념인 Alphabot(AGV 또는 로봇 기반 시스템)를 평가하고자 했다. 알파봇 로봇(Alphabot Robots, '봇')은 주변, 냉방, 냉동 온도 구역의 아이템을 고밀도 저장 시스템에 모아 개별 아이템을 선택하는 관계자에게 가져다 고객 주문을 할 수 있는 자율주행 차량이다. 이 기술은 온라인 주문 처리 프로세스를 보다 효율적으로 만들도록 되어 있었다.

이 소매업체는 제품 개발을 위해 대규모 금융 투자를 하기 전에 알파봇 개념의 타당성과 월마트에 대한 적합성을 평가하기를 원했다. Alert Innovation은 이미 프로젝트에 대한 정적 스프레드시트 계산을 실시했지만, Alert Innovation과 Walmart는 시스템 복잡성과 수요 및 실행의 변동성으로 인해 스프레드시트를 신뢰할 수 없다는 데 동의했다. 월마트 매장에 투자하고 시스템을 구축하기 전에, 독립적인 기술 타당성 평가를 위한 자재 취급 시뮬레이션 모델을 설계하는 것을 시뮬레이션 컨설팅 회사인 MOSIMTEC에 맡기기로 결정했다. 이 초기 모델링 평가의 목표는 다음과 같다.

자재 취급 시뮬레이션은 실제 세계에서 시스템을 롤아웃하는 데 드는 실제 비용을 이해하는 데 도움이 될 뿐만 아니라, 향후 월마트의 수많은 점포에 알파봇을 배치하기 위한 상점별 요구 사항도 파악하는데 도움이 될 것이다.

해결책

MOSIMTEC은 실제 세계의 복잡성과 가변성으로 컴퓨터 시뮬레이션 환경에서 알파봇의 행동과 운영을 모델링하기 위해 AnyLogic 재료 취급 설계 시뮬레이션 기능을 프로젝트에 선택했다. MOSIMTEC과 AnyLogic이 배치 변경 시마다 개발 환경에 액세스하지 않고 데이터 입력으로부터 설비 배치를 동적으로 구축할 수 있는 능력은 모델 개발 시간을 대폭 단축하고 다중 Alphabot 구성을 보다 빠르게 평가할 수 있도록 도울 것이다. 애니로직은 또한 복수의 월마트 엔지니어가 추가 소프트웨어를 설치하거나 값비싼 개발자 라이센스를 구입할 필요 없이 재료 취급 설계 모델을 실행할 수 있도록 탁월한 배치 편의성을 제공했다. AnyLogic도 AlphaBot 시스템이 광범위한 인공지능과 제어 알고리즘을 필요로 하기 때문에 선택되었다. AnyLogic의 자바와의 통합 능력은 적절한 스크립팅 언어와 프로그래머들이 편하게 사용할 수 있는 포맷 프로그램 사이에서 알고리즘 아이디어를 앞뒤로 번역하는 데 소요되는 과도한 시간을 없앴다.

1단계: 재료 취급 시뮬레이션 모델 AGV
시뮬레이션을 포함한 애니메이션

월마트의 초기 목표는 알파봇 프로젝트 런칭에 대해 성공/불합격 결정을 내리는 것이었다. MOSITMEC는 7주 만에 시스템을 익히고, 봇 의사결정을 위한 초기 제어 알고리즘을 설계하고, 재료 취급 시뮬레이션 모델을 구축하고, 결과를 분석하고, 그 결과를 월마트 리더십에 제시할 수 있었다.

최종 전달 모델에서 월마트 관리자는 봇의 수, 길이, 너비, 가속도, 속도 등 다양한 입력 정보를 서로 다른 영역에서 지정할 수 있다. 이 시스템의 다른 물리적 구성요소와 함께 통로 수, 수준, 수준 간 공간 및 워크스테이션 계층 수와 같은 물리적 랙 설치 구성은 모두 모델 입력 매개변수를 통해 구성할 수 있었다. 월마트가 자체 분석을 실행할 수 있도록 다양한 업무 할당 방식에서 선택하거나 다양한 임계값을 설정하는 등 제어 로직 파라미터도 노출되었다.

2단계: 재료 취급 시뮬레이션 모델AG
시뮬레이션을 포함한 애니메이션

모델 입력 및 출력 통계는 엑셀 프런트 엔드에 통합되어 사용자가 모델을 쉽게 구성하고 실행할 수 있도록 하였다. 이번 콘셉트 평가 단계에서 모심텍은 엑셀 내에서 사용자가 정의한 레이아웃을 기반으로 스케일링한 기본 3D 모델 애니메이션을 통합했다. Excel의 출력 결과에는 주요 메트릭스, 로그 파일, 시나리오 비교, 차트 및 그래프가 포함된 요약 보고서가 포함되었다.

시스템 기능의 독립적 분석을 완료한 후, MOSIMTEC은 최종 생산 배치를 위해 소프트웨어 제어 알고리즘을 미세 조정하는데 장기적 사용을 위해 AnyLogic 재료 취급 설계 시뮬레이션 모델을 Alert Innovation으로 전환했다. 월마트는 1단계 결과를 바탕으로 알파봇 제품 개발에 대한 투자를 진행했다. 경보 엔지니어는 세부사항 수준을 높이고 다양한 제어 알고리즘을 테스트하여 서로 다른 시스템 설계 대안을 시뮬레이션함으로써 1단계 모델을 2단계의 기반으로 사용했다. 통합 모델 개선사항 포함:

업데이트된 재료 취급 시스템 모델을 통해 엔지니어는 원래의 시스템 설계 가정을 검증하고 Alphabot 제품 개발 팀에 피드백을 제공할 수 있었다.

AGV 시뮬레이션을 포함한 Alphabot 시스템 모델

AGV 시뮬레이션을 포함한 Alphabot 시스템 모델

결과

다양한 턴어라운드 타임 임계값을 충족시키기 위해 필요한 장비 요건을 추정함으로써, 초기 재료 취급 설계 모델의 산출물은 월마트의 소매 네트워크의 여러 매장에 걸쳐 알파봇을 배치하기 위한 비즈니스 사례를 알려주었다. 시뮬레이션 모델은 제한되지 않은 수요 조건 하에서 시스템 성능 능력을 계량화하여 한계를 벤치마킹했다. 모델은 알파봇이 평균 선택시간이 5분 미만인 8분 이내에 주문의 95%를 선택할 수 있다는 것을 보여주었다.

초기 모델은 다양한 상세 설계 대안의 영향을 이해하기 위해 나중에 업데이트되고 확장되었다. 이 모델은 Alert가 어떤 설계 대안으로 가장 큰 ROI를 달성하고 향후 스토어를 위한 시스템 사이징을 개선할 것인지를 결정하는 데 도움이 되었다.

월마트와 알림이노베이션은 미국 아칸소주 벤튼빌의 플래그십 스토어와 함께 뉴햄프셔주 세일럼의 월마트 슈퍼센터에서 알파봇의 시범 구현을 시작했다.


AnyLogic Conference에서 Amy Brown Greer, Christian Hammel, John Lert가 이 사례 연구를 발표하는 영상을 시청하시거나 프레젠테이션을 다운로드하세요.

유사 케이스 스터디

더 많은 케이스 스터디

산업 사례 연구가 포함된 팜플렛 받기(영문)

다운로드