マイクロフルフィルメントセンターの人員最適化モデルの作成

概要

マイクロフルフィルメントセンターは小規模で、場合によっては高度に自動化された施設で、オンラインでの配達注文の処理や、クリックアンドコレクトによる店舗での受け取りを行うことができ、既存の小売店や倉庫の裏にある場合もあります。

注文は、自動保管および取り出しシステム、またはこれと手動ピッキングの組み合わせでピッキングできます。この自動ピッキング技術により、ピッキングプロセスの改善や人件費を削減し、さらに注文が最高の品質基準を満たすことで、店内顧客が買い物をスムーズに行えるようにします。

しかしながら、自動化と手動の両方の側面を含むシステムに必要な労働力を配置することは非常に難しく、計画を誤ると、小売業者が顧客のニーズを満たすことができなくなる可能性があります。

問題

小売業者は、マイクロフルフィルメントセンターの運営に必要な人員配置を知る必要があり、また、さまざまなシナリオが注文を履行にどのような影響を与えるかを理解する必要もありました。たとえば、自動ピッキングステーションやデカンテーションステーションが停止した場合の影響や、オンライン注文の処理にボトルネックがあるかどうかを知ることは、小売業者にとって非常に重要でした。

特にスタッフは、日中の仕事が集中する時間帯でピッキングと配達作業間を移動する必要があり、人員不足または人員過剰にならず、設備と作業のバランスをとることが重要です。

Dematic は、自動化、AI、リアルタイムデータを使用して、企業の業務改善を支援します。同社は、自動保管および検索システム、コンベヤ、仕分けシステム、注文ピッキングシステムの設計および製造をしています。さらに、インテリジェントな自動ソリューションの設計、構築、およびサポートをしています。

このプロジェクトでは、店舗の裏にマイクロフルフィルメントセンターを備えた食料品小売業者向けの運用準備フレームワークのセットアップに焦点を当てました。Dematic は、必要な労働力最適化モデルをより深く理解するために、さまざまな食料品小売業者と協力しました。つまり、彼らは特定の 1 つの店舗の問題を解決しているのではなく、多くの潜在的な店舗の問題を解決していたのです。

ソリューション

Dematic は、AnyLogic を使用して従業員最適化モデルを作成することにしました。その理由は、AnyLogic のマテリアルハンドリングと歩行者ライブラリを組み合わせて、倉庫業務と施設内の歩行者のシミュレーションを容易に作成できるためです。AnyLogicのチュートリアル、関連文献、オンラインサポートコミュニティは、AnyLogicを理解し、疑問点に対する答えを見つけるのに役立ちました。

さらに、見栄えの良いシミュレーションモデルを作成して顧客に提示することができ、分析と検証のためにこれらのビジュアル表現を実際のデータで動作させることができます。また、モデルを AnyLogic Cloud にアップロードすることで、社内の他のチームとモデルを共有し、モデルの実験ができます。

モデルでは、在庫管理、ピッキング、注文整理、配送などのいくつかの要素を考慮する必要がありました。プロセスフローを以下に示します。これは、開発者がシミュレーションを設計するときに直面した複雑さを示しています。

マイクロフルフィルメントのプロセスフロー（クリックして拡大）

このモデルの主な機能には、Excel ファイルから顧客注文データと人員配置スケジュールをアップロードする機能、レートを調整する機能 (ピッキング、デカントなど)、ゾーンごとのタスクの優先順位付け、およびゾーンごとのキャパシティ制約が含まれます。重要なのは、顧客データにリアルタイムの注文データが含まれていることです。

必要なファイルをアップロードした後、ユーザーはモデル内のさまざまなパラメーターを調整できます。これらには、手動システムではなく自動システムでピッキングされる注文の分布、作業人数、ピッキングおよびデカンテーションステーションの数、およびさまざまなレートが含まれます。レートに確率分布が使用されているため、シミュレーションでは入力された固定数値だけが使用されるわけではありません。

開発者や小売業者は重要なタスクがボトルネックにならないように優先度レベルを調整することもできます。最後に、ユーザーはシミュレーション実行の期間を調整することもできます。

モデルの上部には、小売業者がモデルの仕組みを理解するのに役立つ 4 つのタブがあります：

統計–プロセスのフローチャート、注文の概要、注文の履行、履行率が含まれます。
2D ビュー 。
3D ビュー –顧客に設備がどのように働くかを、セクションごとに表示できます。
結果–時間ごとの詳細な内訳。

マイクロフルフィルメントセンターの人員最適化モデル

結果

結果は、以下に示すようなデータ出力となり、小売業者に提示できます。働いている人の数、働いている場所、必要な総数、スタッフの稼働率、シミュレートされた人数で対応できる注文の数、その他の詳細が時間ごとに内訳されます。

このモデルの主な強みの 1 つは、組織のあらゆる層おいて、その利点を理解するのに役立つ視覚的な画像を提供することです。この従業員最適化モデルは現在進行中ですが、将来さらに開発される可能性があります。

このケーススタディは、 AnyLogic Conference 2022で Dematic の Ricardo A. Ugas 氏と Stephen E. Hoffman 氏によって発表されました。

スライドはPDFとして入手できます。

同様のケーススタディ

WalmartのAlphabot：シミュレーションによるマテリアルハンドリングシステムの設計

売上高が世界トップの小売業であるウォルマートは、急成長中のオンライン食料品事業において、より迅速かつ低コストで注文を完了するのに役立つ自動化テクノロジーを探していました。彼らの目的は、マルチレベルストレージ内の3次元すべてで動作可能な自律モバイルカートを使用して食料品のピックアッププロセスを自動化できる、Alert InnovationのGoods-to-Person（GTP）コンセプトであるAlphabot（AGVまたはロボットベースシステム）の評価です。

Eコマース倉庫運営の最適化

世界の電子商取引分野は 5 年間で 320% の成長を遂げており、COVID-19パンデミックを受けて需要が増加しています。コストを削減し、競争力を維持するために、DHL Supply Chain は倉庫業務の最適化プロジェクトを実行しました。このプロジェクトには、ウェーブピッキング戦略をテストするためのスマートで堅牢な倉庫シミュレーションツールの開発が含まれていました。

医薬品流通倉庫のモデル化

数十億ドル規模売上を計上する、医薬品流通およびロジスティクス企業大手のカーディナル・ヘルス社（Cardinal Health）は、商標医薬品、ジェネリック医薬品、一般用医薬品（薬局で処方箋が無くても購入できる薬）、健康と美容アイテムおよび自社ブランド品を管理しています。彼らは、医薬品を取り巻く複雑な倉庫の流通問題に取り組みます。ブライアン・ヒース(カーディナル・ヘルス社上級解析ディレクター)とAnyLogicソフトウェアの経験ある担当者は、様々なビジネス問題を解決するためにエージェントベースのモデリングを使用し、年間300万ドル以上の経費を節減しました。