半導体サプライ・チェーンにおけるブルウィップ効果/Bullwhip Effect(需要予測)

大手 半導体メーカーのインフィニオン社のサプラィチェーン管理は、経費削減を達成するために、マーケットのブルウィップ効果を調査し、マーケット動向を予測し、原材料から市場までのサプライ・チェーンのモデル構築するためにAnyLogicソフトウェアを利用しました。


問題点:




半導体サプライ・チェーン需要予測ブルウィップ効果は需要の変化に応じて在庫品の変動を表します。Semiconductor Supply Chain Demand Fluctuation 需要は、完成品の段階よりもサプライ・チェーンの半導体生産の段階でさらに変動します。半導体産業は外部の問題に非常に影響を受けやすいと言えます。インフィ二オン・サプライ・チェーン導入チームは以下を調査しました:

  • サプライ・チェーンにどんなブルウィップ効果を示すか、どういった問題が存在するか。
  • 市場の需要変動と直接顧客から得た需要の変動はどんな関係があるか。

解決策:




モデラーは、サプライ・チェーン中の主要な企業各社のエージェントを作り、有名なビール分布ゲーム ("Beer Distribution Game") に基づいた振る舞いをそれらに与えました。品物は原料サプライヤーから半導体メーカー(インフィニオン)、階層1(Tier1)と階層2(Tier2)サプライヤー、OEM(最終メーカー)、市場(Customer)の順で流れました。また、情報とその注文情報は、それを遡りました。モデラーは入力信号として実際のGDPと半導体市場データを使用しました。最後に、彼らは、インフィニオンの単純化された内部構造を再作成しました。インフィニオン・エージェントは二つの部分に分離されました:

  • 計画および管理- ブランチはキャパシティーの決断下し、予測とオーダーが作成されます。
  • 基本システム- ブランチは原材料の流通と受注が実行されます。

エージェント、インフィニオンおよび市場は非常に現実的な構造でハイブリッドモデルを組み合わせたディスクリート・イベント・シミュレーション方法論で結合されました。


半導体メーカー(インフィ二オン)以外のエージェントはみな同一にモデル化されました。:

  • エージェントは一般的な出力(情報フローはサプライ・チェーンで遅延)を生成。
  • エージェントは在庫量の判断として、不安(Anxious)と不注意(Careless)の二つの状態がある。:
  1. 不安の時は過剰注文(要求の+20%)
  2. 不注意では過少注文(要求の-50%)

結果:




ブルウィップ効果でサプライ・チェーンでのエージェントの代表的な振る舞いを再現することができました。


モデル:

  • ブルウィップ効果の結果、およびサプライ・チェーンに沿った需要拡大の市場で明らかになる詳細状態を分析するのに役立ちました。
  • ブルウィップ効果実例を社内教育に使用。
  • ブルウィップ効果を顧客とのコミュニケーションで使用するために計画。

AnyLogicソフトウェアはインフィ二オン社のサプライ・チェーン・イノベーション・チームで利用されました。本モデルを作成したスペシャリストはシミュレーション・ソフトウェアまたはプログラミングに精通していないにも関わらず、必要な知識はAnyLogicチュートリアルから習得しました。彼らは、エージェント・ベースおよびディスクリート・イベントモデリング手法の組合せが可能なAnyLogicを選択しました。インフィ二オン・チームは、二つの方法論を組み合わせ可能な能力が、その使いやすさに加えて、ソフトウェアの主な利点であると考えました。


AnyLogicコンファレンス2012でのインフィニオンのハンス・イーム氏によるプロジェクト紹介をご覧ください。あるいは プレゼンテーションをダウンロードしてください:



More Case Studies

  • トンネル掘削機でのトンネル建設シミュレーション
    トンネル掘削機の休止による1時間のコストは、通常高いのが実情です。また、プロジェクト・マネージャーは、工事現場において作業遅れを回避するために最善を尽くさなければなりません。 Ruhr University Bochum in Germanyで開発されたシミュレーション・プロジェクトの目標は、可能性のある金銭上のロスを最小化するために、トンネル建設プロセスでのボトルネックを究明することができるシミュレーション・モデルを作成することでした。
  • ルアーブル港 鉄道ロジスティクス・シミュレーション
    フランスのルアーブル(Le Havre)港は、新しい多機能なターミナル構築の支援を必要としました。シミュレーションの要件は、列車/河川の荷船と他の既存のターミナル間のコンテナー移送のサポートでした。
  • フランス鉄道の最適化
    このプロジェクトはAnyLogicのコンサルティングチームによって、 陸上交通の導入・調査・試験を行うフランスの PREDIT向けに 開発されました。クライアントは国の鉄道貨物輸送が自動車輸 送と競争することが出来るか、さらに“Truck-Rail-Truck”輸送 の効果的な運用方法を検証しました。
  • 車両基地のキャパシティー・モデリング
    Aurizon社は700台を超える機関車と16,000を超える貨車の 管理している、オーストラリア最大の鉄道運営会社で、石炭、 鉄鉱石、鉱物の輸送に幅広く従事しています。鉱山から港ま で輸出用の石炭を運搬する、世界最大の鉄道輸送会社で す。Aurizon社は、効率を考え、車両基地のうち1箇所を他の 町に移転し、主に貨車と鉄道のメンテナンスや、配車に従事 させようと考えました。
  • Gojiiを使用したベストな在庫ポリシィの選択
    既存のサプライ・チェーンとS&OP(Sales and Operations Planning:販売および操業計画)ツール・セットは、選択された「予測」にマッチした供給量を管理するのに有効に利用できます。しかしながら、将来の需要を一つのフォーキャストで表すことはできません。既存のツールは、ビジネスに最良の結果を選ぶようには設計されていません。S&OPシステムを使用すると、フォーキャストのインプットと需要シグナルの間にギャップがあります。Gojiiはそのギャップを無くすためにDecisioTech社によって作成されたツールです。
  • 流通ネットワーク・プランニング&シミュレーションによる在庫の最適化
    ディアジオ社は英国の多国籍アルコール飲料企業です。ディアジオ・ロシアはロシアでトップ5に入るアルコール飲料の大手卸売店の1社で、収益が顧客サービスレベルと高い物流費にとても影響を受ける、伝統的な薄利ビジネスです。ディアジオ社はコンサルタント会社Amalgama, LLCの支援を受け、売上高が増加しましたが、物流費が大きかったため、予想より大きな利益を実現出来ませんでした。
  • 押し船(Push Boat)船舶の総航海収益を最大化
    SCF船舶(Seacorホールディンググループの一部)と提携した、航路システムのオペレーターであるInterBarge社は、専用の契約貨物船を使用し、HPP航路(パラグアイ、アルゼンチン、ブラジル及びウルグアイ) の貨物輸送を運営しています。タグボートとはしけ船はこれらの契約に予め割り当てられています。年間を通じて、ある期間や季節に、これらのリソースは契約無く、空いている期間があります。
  • Customer-Centric Transportation Network Modelling
    The public transportation company employed PwC Australia to develop a solution that could provide a customer-centric view of their railway infrastructure and help the company understand the current incident effects on rail network operations and how to improve the situation. PwC consultants decided to build a model of the transportation network that would simulate train movements, incidents, and customers at stations and in trains.
  • CSX Solves Railroad Operation Challenges with and without AnyLogic Rail Library
    CSX is a US railroad company that operates about 21,000 route miles (34,000 km). AnyLogic allows the railroad industry users to simulate line-of-road, terminal, and yard problems. The following three projects, completed by CSX in 2014, covered a variety of tasks that were solved using AnyLogic software.
  • Simulation Modeling of Offshore Offloading System for Arctic Oil and Gas Condensate Field
    The Novoportovskoye oil and gas condensate field is located in the Yamal peninsula and owned by Gazprom Neft, the fourth largest oil producer in Russia. Oil from the field is transferred via 100km pipeline to the sea terminal at Cape Kamenny, where it is loaded into arctic cargo tanks for further transportation. The main issues in planning tanker transportation in an arctic region are the harsh ice environment and difficult sea conditions.