창고에서 사용되는 피킹 방법은 창고 크기에 따라 다릅니다. 소규모 저장 시설은 종종 주문을 개별적으로 선택하는 반면 대규모 다중 구역 시설은 주문을 일괄적으로 수집합니다. 그중에는 주문은 복잡하고 창고의 규모는 크지도 작지도 않은 애매한 경우들도 있습니다. 이런 경우 최적의 주문 피킹 방법은 무엇일까요?
DHL의 공급망은 연구를 수행하고 중형 규모의 창고에서의 주문 피킹을 위한 최적화 도구를 개발했습니다. 여기에서 그들의 연구와 솔루션 및 사례 연구 결과에 대해 알아보세요.
DHL 공급망은 도이치 포스트 DHL 그룹(Deutsche Post DHL Group)의 사업부로 창고, 운송 및 부가가치 서비스를 포함한 광범위한 물류 포트폴리오와 글로벌 네트워크를 갖추고 있습니다.
문제
클러스터 피킹은 단일 할당에서 여러 주문에 대한 재고 보관 항목(SKU)을 수집하는 방법입니다. 일반적으로 선입 선처리(FCFS) 웨이브 전략으로 구현됩니다. *웨이브 피킹(Wave Picking): 짧은 간격의 스케줄링을 적용한 것으로, 작업 부하 변동의 최소화를 위해 “웨이브”라는 짧은 간격으로 주문 그룹을 할당한다.
클러스터 피킹 방식은 소규모 창고에서처럼 주문을 개별적으로 피킹하거나 대형 창고에서 사용하는 일괄 피킹 방식이 아닌 중형 창고에서 사용하는 방식입니다. 클러스터 피킹은 많은 주문량을 소화하면서도 양호한 처리 수준을 유지할 수 있게 해줍니다. 최대 용량에서는 혼잡과 비효율성 문제가 발생할 수 있습니다.
DHL 공급망 사례 연구에서 창고 처리량에 대해 자세히 알아보세요.
DHL 공급망의 운영 과학팀은 혼잡을 줄이고 효율성을 향상시켜 기본 클러스터 피킹을 개선하고자 했습니다. 그들의 솔루션은 중형 규모의 창고에 배포할 수 있는 소프트웨어 도구였습니다.
해결책
엔지니어들은 창고 클러스터 피킹의 시뮬레이션 모델을 개발했습니다. 이 모델은 클러스터 피킹 방법을 복제하고 대안과 비교하는 데 사용되었습니다. 이런 방식으로 엔지니어들은 주문 피킹 과정에서 혼잡 및 기타 병목 현상을 해결할 수 있었습니다.
이 모델은 창고 이동, 각 교대 조의 피커 수를 설명하고 FCFS와 그 대안이 될 수 있는 웨이브 전략을 비교할 수 있는 가능성을 제공했습니다. 측정 기준 모음에는 통로 및 카트 혼잡, 카트 이동 완료 시간 및 대기 시간이 포함되었습니다.
테스트 결과는 최적의 클러스터 피킹 솔루션이 피킹 카트의 이동 거리를 줄이는 데 중점을 두어야 한다는 것을 보여 주었습니다. DHL의 엔지니어들은 카트가 창고의 많은 통로 또는 모든 통로를 한 번에 도는 것보다 가능한 적은 통로를 도는 방식으로 주문 물품의 수집 작업을 처리하는 것이 최적의 방법이라는 사실을 발견했습니다.
DHL 팀은 이동 거리를 최소화하는 것을 넘어 주문 그룹화 알고리즘을 추가로 개발하여 정류장을 최소화하고 해당하는 구역 간에 작업의 균형을 맞추었습니다. 그 결과 시간당 처리되는 단위 수가 증가하고 주문 주기 시간은 최소화됐으며 혼잡 상황은 감소했습니다.
회사 전체에 클러스터 피킹 분석 및 주문 그룹화 방법을 적용할 수 있도록 DHL의 창고 관리 시스템용 마이크로 서비스 플러그인이 개발되었습니다. 이 시스템은 IDEA(Instantly Discover Efficient Activities)라고 불립니다.
결과
DHL 공급망 운영 과학팀의 IDEA 검증 결과, FCFS와 비교했을 때 전반적인 생산성이 14% 증가하고 카트 혼잡이 35% 감소하는 것으로 나타났습니다. 이러한 효율성 조사 결과로 피커 수를 12.5%까지 줄일 수 있게 되었습니다.
IDEA의 효율성은 FCFS와 비교했을 때 피킹 시간과 카트 유휴 시간의 개선에서 비롯됩니다. 테스트 시나리오에서 카트가 피킹 할당을 완료하는 데 필요한 시간(카트 완료 시간)은 12% 감소했으며, 카트가 빈 슬롯이 될 때까지 기다리는 시간은 36% 감소했습니다.
IDEA와 FCFS의 카트 혼잡 비교는 빈 슬롯이 될 때까지 카트가 대기하는 시간이 감소했음을 보여줍니다. IDEA는 4대 이상의 카트가 혼잡한 시간을 28%에서 18%로 눈에 띄게 줄여줍니다.
전반적으로 IDEA 도구는 창고 처리량을 유지하는 데 필요한 피커 수를 줄임으로써 운영 비용을 절감하는 효과적인 방법입니다. 이 도구는 DHL의 창고 관리 시스템과 플러그인으로 쉽게 통합되며 필요한 곳 어디에든지 배포할 수 있습니다. 애니로직을 사용한 시뮬레이션 모델링을 기존 시스템과 통합하는 방식으로 강력한 결과를 제공할 수 있음을 보여주는 사례입니다. 애니로직을 사용한 창고 최적화에 대해 자세히 알아보세요.
이 사례 연구는 2021 애니로직 컨퍼런스에서 DHL 공급망의 Vijay Sharma가 발표한 것입니다. 질의응답 세션이 포함된 그의 프레젠테이션을 확인해보세요:
