問題：
不適切なリソース割り当て、ボトルネック、最適ではない労働力配分など、倉庫業務における非効率性が、コストの増加と遅延につながっていました。
解決策：
Intel は、AnyLogic を使用してシミュレーションベースの倉庫管理モデルを開発し、運用上の変更の影響を予測し、ワークフローを最適化し、効率を向上しました。
結果：
- 倉庫の生産性を 30% 向上させる包括的な戦略を設計し、実装しました。
- ピッキングする箱を 15% 増し、配置する箱を 40% 増やすシナリオを開発しました。
はじめに: 効率性と拡張性に焦点を当てる
半導体製造およびテクノロジーソリューションの世界的リーダーである Intel、事業運営を最適化するための革新的な方法を常に模索しています。チップ設計会社として、また Intel Foundry を通じた受託製造会社として、Intelは事業全体にわたる効率性と拡張性の向上に注力しています。
Intel の物流チームは、生産性向上とコスト削減のための先進的な手法を常に模索しています。その主要な取り組みの一つは、シミュレーションモデルを用いて効率的な倉庫運営のためのより優れた戦略を開発することでした。
倉庫の最適化にご興味がある場合は、こちらのブログ投稿もご覧ください。
問題: 効率的な倉庫運営を目指す
Intel は、成都 (中国) の倉庫業務における非効率性に悩まされ、コスト増加と受注処理の遅延につながっていました。主な課題は以下のとおりです：
- リソースの割り当てが不十分だったため、倉庫スタッフと設備が最適に活用されず、アイドルタイムが発生し、非効率な状態となっていました。
- 材料の移動におけるボトルネックにより、商品の流れが頻繁に妨げられ、業務が遅くなり、遅延が生じました。
- 不完全な労働力配分により、労働力が不均等に割り当てられる（一部のエリアは労働力が十分に活用されず、他のエリアは逆に過負荷になる）という結果になりました。
Intelは、リアルタイムのプロセスを中断することなく、様々な運用シナリオに関する洞察を提供できる倉庫管理モデルを必要としていました。同社は、変更の影響を実装前にシミュレーションモデルで予測し、全体的な効率を向上させるソリューションを求めていました。シミュレーション体験を導入することで、Intelはプロセスを改善し、ボトルネックを解消し、真に効率的な倉庫運用を実現することを目指しました。
北米の大手靴チェーンの自動倉庫システムに関するケーススタディもご覧ください。
ソリューション：倉庫モデルの開発
同社は、いくつかの潜在的なアプローチを評価した後、シミュレーションベースのソリューションが最も正確でスケーラブルな洞察を提供すると判断しました。
Ormae の技術サポートを受け、Intel は AnyLogic を優先ソリューションとして選択しました。他のソフトウェアとは異なり、AnyLogic は、Intel 固有の環境に合わせてカスタマイズされた、非常に詳細かつ動的な倉庫モデルの開発を可能にしました。これは、AnyLogic の柔軟性と、エージェントベース、離散イベント、システムダイナミクスのシミュレーションをシームレスに統合できる独自の機能によって実現されました。
プロジェクトは、広範囲にわたるデータ収集フェーズから始まりました。エンジニアたちは倉庫のレイアウトをマッピングし、保管ゾーン、通路、およびドッキングステーションの位置を把握しました。また、作業員の移動パターン、注文処理時間、およびAGV (無人搬送車) の使用状況.
このプロジェクトの主要な焦点の一つは、Intel の倉庫デジタル化の取り組みの一環である自律ケースハンドリングロボット (Autonomous Case Handling Robots：ACR) でした。Intel はシミュレーションモデルを用いて、ACR の生産性を分析し、システム効率を最大化することを目指しました。上の画像では、倉庫モデルでロボットを再現するために使用されているロジックを確認できます。
シミュレーションが構築されると、チームはリスクのない環境で様々な「what-if」シナリオを実験しました。人員配置、商品配置戦略、および自動化レベルなど、様々な構成をテストし、最も効率的な倉庫運営構造を特定しました。倉庫モデルは予測的な洞察を提供し、管理者は導入前に潜在的な変更の影響を評価することができました。
チームは反復的な調整を通じてソリューションをテストし、改良しました。これらの実験により、遅延を最小限に抑え、交通量の多いエリアの混雑を緩和し、リソースの利用率を最大化する最適な方法を見つけることができました。
AnyLogic シミュレーション モデリングを使用して、よりスマートな倉庫レイアウトを設計する方法を学びます。
結果：生産性を30％向上させる戦略
シミュレーション プロジェクトの実装により、倉庫業務が大幅に改善されました。
主な成果は次のとおりです：
- 倉庫モデルでは、外側のトートの配置を調整することで生産性を 30% 向上できることが示されました。様々なシナリオを検討した結果、最適な保管配置が実現し、取り出しの高速化とワークフローの改善が実現しました。
- Intel チームは、稼働率の低い期間と需要のピーク時を特定しました。これにより、ロボットの台数を調整し、過剰な稼働を避けながら効率的な倉庫運営を実現しました。
- チームは倉庫全体の生産性を測定し、ピッキングする箱を 15% 増し、配置する箱を 40% 増やすというシナリオを考案し、効率とスループットが向上しました。
プロジェクトの次のステップは、倉庫モデルの効率的な倉庫運営に関する推奨事項の実装と検証を目指します。このモデルは、適応性を高めるために、さまざまな倉庫レイアウトに拡張されます。適切なロボット数を見つけることで、コストと生産性のバランスをとることができます。
このケーススタディは、AnyLogic Conference 2024 で Intel の Swee Heng Yim 氏と Alankrit Goel 氏、Ormae の Noorahamed Gadamphalli 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。
