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。医薬品はサイズが小さく高価で、さらに消費期限等の問題等の多くの問題に直面しています。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。
問題：
カーディナル・ヘルスはヘルスケア・サプライ・チェーンにおいて、病院、薬局、医院、そして一般消費者を含む30,000箇所以上へ翌日配達を提供することを提案しました。他の追加サービスとして、需要管理、運転資金管理 、契約信用管理、生産信頼度管理、FDAとDDAのレギュレーション管理等があります。これらを管理するために、カーディナル・ヘルス社は製薬業界の流通管理の変動に常に追随していかなければなりません。
カーディナル・ヘルス社は、施設のレイアウト、製品フロー、オーダー・ピッキング、作業計画や作業予定、オーダー要件、および分析と日常業務管理の最適化を検討します。伝統的なトライ＆エラー解析ツールではリスクが大きく、費用がかかり、変更が困難です。生産工学の研究者は低コストである、数学的モデルを示唆しますが、モデルは予想できない動きを捕えることができず、不意に過剰な振る舞いが出現しても、標準の数式モデルでは解決することができません。また、ディスクリートイベント・モデリングは、設備を無理なく表現するには向いていません。これらの結果は、ブライアン・ヒースおよびカーディナル・ヘルス社が代替案を探るために使用されました。
ソリューション:
AnyLogicシミュレーション・ソフトウェアによるエージェント・ベース・モデリング(ABM)は、従来のツールのような制限がなく、物流倉庫問題に取り組む必要な機能を全てカーディナル・ヘルス社に提供しました。エージェント・ベース・モデリングは、空間と時間による周囲と相互作用できる自動分散エンティティを描写し、作業割当、待機時間による混雑、サイクルタイム、移動距離、労働者の可変性および重要なメトリクスなどを把握することができます。
構築されたモデルは、モデルへピッキング時間とパフォーマンス等のデータのインポートが必要で、その日の従業員のアクティビティとの相互作用に結局関係がありました。「エージェント」が互いとの特別の関係を持った個人としてモデル化されるので、カーディナル・ヘルス社は混雑による待ち時間を収集することができ、それが倉庫に問題をどれくらい引き起こすかを予知することができます。モデルに含まれた追加のパラメーターは、作業者のスピード、作業者の振る舞い、学習曲線、サイクルタイム、製品定期修理及び移動方法（徒歩や車）です。
さらに、カーディナル・ヘルス社は多数の倉庫を所持し、多くのレイアウトを分析するには、エクセル・ファイルの取り込みが必要でした。レイアウト変更が必要な時に、アップデートされたエクセル・ファイル（レイアウト情報）をモデルにインポートすることで新たなシナリオを実験できます。
結果：
カーディナル・ヘルス社はAnyLogicソフトウェアのエージェント・ベース・モデルを利用して、ピッキング技術や製品スロット戦略、レイアウトを比較することができました。さらに、日々の受注量の変化による作業量に対応できるフロアの人員配置モデルを構築するために様々な方法で評価することができます。統計では一時間でどの程度バッチ（トラックの荷降ろし時間および行程）が終了したかタクトタイムのようなものを集計します。
上記のメトリクスで示した結果に加え、モデルは作業のランダム分布により問題を明らかにし、作業が早い人、遅い人で作業量のばらつきが出るのを作業のバランスをとることで、従業員は同じペースで作業ができ、滞留は大幅に削減できました。
プロジェクト結果の一部
AnyLogicソフトウェアを使って、滞留を最小限にすることによって、カーディナル・ヘルス社は10.5時間から7.25時間に平均シフト時間を削減し、従業員の作業能力を増加することに成功しました。シミュレーション技術によるエージェント・ベース・モデリングを利用して、毎年300万ドル以上を節約しています。
“AnyLogicのエージェント・ライブラリー、フレキシブルな構成、統合されたアニメーションは、このプロジェクトを引き続き成功に導きます。” ブライアン・ヒース(カーディナル・ヘルス社の上級解析管理者)の発表したプレゼンテーションをご覧いただき、実社会をエージェント・ベースによって描写したモデルを学習いただければ幸いです:
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
続きを読む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
続きを読む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。
-
新しい製薬施設の製造意思決定のサポート
続きを読むGSK は、シミュレーション モデリングを使用して、イタリアのパルマにあるバイオ医薬品製造施設の更新にかかる資本支出を 20% 削減できる可能性があると判断しました。プロジェクトの分析、計画、意思決定のサポートについて、GSK はテクノロジー アプリケーション会社 Decision Lab と協力を依頼しました。
-
臨床試験のシミュレーションのためのヘルスケアにおける予測モデリングの使用
続きを読む末梢神経障害は、慢性的に高い血糖値と糖尿病によって引き起こされる状態です。 それは、手、足、および他の身体部分の衰弱、しびれ、および痛みにつながります。糖尿病患者の約60％が最終的にこの病気を発症します。継続的に治療を行い、個人に合わせた医療方法を提供するために、科学者、医師、保険会社は、インシリコ臨床試験に予測モデリングツールを使用します。
-
最適アルゴリズム 倉庫シミュレーション
続きを読むロジスティクス・ソリューションのグローバルプロバイダー Kuehne+Nagel社は倉庫会社の倉庫新設プランに携わりました。倉庫は、13,000件のオーダー、又は1日当たり750箱のピッキング処理が予想されます。プロジェクトは、マルチオーダー・ピッキングの最適なアルゴリズム開発でした。倉庫での注文は、作業者が台車を利用して作業すると計画されました。作業者は台車で品物を取り、オーダーごとにそれらをカートンに入れます。
-
シミュレーションソフトウェアを使用したワクチンメーカーのサプライチェーンプランニング
続きを読むGlaxoSmithKline社（GSK）は、2014年において世界で6番目に大きな製薬会社でした。同社は、以前とは異なる流通ネットワークを必要とする新しい市場で新しいワクチンを発売していました。そのため、同社は新サプライチェーンを設計し、製造プロセスをそれに合わせて調整する必要がありました。
-
倉庫クラスターピッキングの最適化
続きを読むDHL が倉庫での注文ピッキングをどのように最適化し、効率を向上させたか。シミュレーションベースのモデリングを使用した分析により、ピッキング速度が向上し、注文完了時間が短縮されました。このツールは倉庫管理システムと統合されています。
-
医薬品予測のための疾患進行シミュレーション
続きを読む急性骨髄性白血病 (AML) などの急速に広がる病気は治療が非常に難しく、急速に進行して死に至ることもあります。この病気の進行と患者の治療をシミュレートすることで、病気の行動をより深く理解し、患者の治療成績を改善することができます。
-
病院のデジタルツインで業務改善し患者体験を向上
続きを読むDecision Lab とイギリスの国民健康保険サービスは病院デジタル・ツイン構築プロジェクトを共同研究しました。このツールは、NHS Foundation Trust がイングランドの2つの病院のプロセスを理解し、運営を最適化し、患者の体験を向上させ、ベッドや医療スタッフなどのリソースをより適切に割り当てることに役立ちました。このデジタルツインを作成するために、開発チームは AnyLogic のソフトウェア機能を活用し、複雑なシミュレーションモデルを構築しました。
-
細胞治療業界の製造業向けデジタルツインの開発
続きを読む細胞療法は、独特で多くの複雑な製造プロセスを伴う、現在急成長している産業です。ある幹細胞製造業者は、生命を危険にさらすような遅延なしに、廉価な製品を開発したいと考えていました。これを実現するために、同社は 2 人のコンサルタントと契約し、クリーンルームの利用率を最大化し、ボトルネックを特定するためのデジタル ツインを作成しました。