倉庫で採用されているピッキング方法は、倉庫の規模によって異なります。小規模な保管施設では注文を個別にピッキングすることがよくありますが、大規模なマルチゾーン施設では注文をバッチで収集します。また、その間には、注文が複雑で、倉庫が大きくも小さくもないグレーゾーンがあります。このような場合、最適な注文ピッキング方法は何でしょうか?
DHL Supply Chain は研究の結果、中規模の倉庫での注文ピッキングのための最適化ツールを開発しました。ここでは、彼らの調査、ソリューション、ケーススタディの結果についてご紹介します。
DHL Supply Chain は、世界的なネットワークと、倉庫保管、輸送、付加価値サービスを含む広範な物流ポートフォリオを備えた Deutsche Post DHL Group の一部門です。
問題
クラスターピッキングは、単一の割り当てで複数の注文の在庫品目 (SKU) を収集する方法です。これは通常、先着順 (FCFS) ウェーブ戦略で実装されます。
クラスター ピッキング方法は、中規模の倉庫で使用されており、小規模倉庫で行われているような注文を個別にピッキングしません。クラスター ピックキングは、多くの注文を処理しながら良好なレベルのスループットを維持する試みです。最大容量では、混雑と効率が課題となる可能性があります。
倉庫のスループットについて詳しくは、DHL Supply Chain ケーススタディをご覧ください。
DHL Supply Chain の Operations Science Team は、混雑を軽減し効率を向上させることで、基本的なクラスター ピッキングを改善したいと考えていました。彼らのソリューションは、中規模の倉庫に導入できるソフトウェア ツールです。
ソリューション
エンジニアは、倉庫内でのクラスターピッキングのシミュレーションモデルを開発しました。このモデルは、クラスターピッキング方法を複製し、代替方法と比較するために使用されました。このようにして、エンジニアは注文ピッキング プロセスにおける混雑やその他のボトルネックを解決できました。
このモデルは、倉庫のシフト、各シフトのピッカーの数を考慮し、代替のウェービング戦略を FCFS と比較する可能性を与えました。指標の収集には、通路とカートの混雑、カートの移動完了時間、待ち時間が含まれます。
テストの結果、最適なクラスターピッキングソリューションはピッキングカートの移動距離の短縮に重点を置く必要があることがわかりました。DHL のエンジニアは、1 回の任務で倉庫内の多くまたはすべての通路をカートで訪問させるのではなく、できるだけ少ない通路を訪問する方法で回収の注文を手配することが最適な方法であることを発見しました。
DHL チームは、移動距離の最小化にとどまらず、停車駅の最小化を含め、該当する場合はゾーン間で作業のバランスを取るための注文グループ化アルゴリズムをさらに開発しました。その結果、1 時間あたりに処理されるユニット数が増加し、注文サイクル タイムが最小限に抑えられ、混雑が軽減されました。
クラスターピッキング分析と注文グループ化手法を全社に適用できるようにするために、DHL の倉庫管理システム用にマイクロサービス プラグインが開発されました。このシステムは IDEA (Instantly Discover Efficient Activities) と呼ばれました。
結果
DHL Supply Chain’s Operations Science Team は IDEA を検証し、FCFS と比較して全体的な生産性が 14% 向上し、カートの混雑が 35% 減少したことを示しました。これらの効率の発見の結果、ピッカーの数を 12.5% 削減できる可能性があります。
FCFS と比較した IDEA の効率は、ピッキング時間とカートのアイドル時間の改善によってもたらされました。テスト シナリオでは、カートがピッキング割り当てを完了するのに必要な時間 (カート完了時間) が 12% 短縮され、カートがスロットが空くまで待機する時間は 36 % 短縮されました。
IDEA と FCFS のカートの混雑状況を比較すると、カートがスロットが空くまで待機する時間が短縮されたことがわかります。注目すべきことに、IDEA は 4 台以上のカートが混雑する時間を 28% から 18% に短縮しました。
全体として、IDEA ツールは、倉庫のスループットを維持するために必要なピッカーの数を減らし、運用コストを削減する効果的な方法です。このツールはプラグインとして DHL の倉庫管理システムと簡単に統合でき、必要な場所にどこでも導入できます。これは、AnyLogic を使用したシミュレーション モデリングが、既存のシステムと統合する方法で強力な結果をどのように提供できるかを示す一例です。AnyLogic を使用した倉庫最適化の詳細については、こちらをご覧ください。
このケーススタディは、AnyLogic Conference 2021 で DHL Supply Chain の Vijay Sharma 氏が行ったプレゼンテーションからのものです。彼のプレゼンテーションとその後の質疑応答:
