Phoenix Analytics是一家土耳其咨询公司,为各个行业提供仿真解决方案。他们参与了为欧洲和亚洲最大的冰淇淋和冷冻甜点制造商之一开发仓库优化项目。
问题
Phoenix Analytics的工程师需要创建冷库的仿真模型,以帮助冰淇淋生产商的决策者了解如何更有效地利用资源。
仓库储存的冷冻产品需要特定的储存区域温度条件。存储区域的温度受到存储相关活动的影响,例如放置和拣选。对于这些活动领域,三种类型的仓库运营商提供了可优化的因素:

- 叉车
- 收集器
- 穿梭车
工程师在创建模型时还必须遵守以下几个限制和规则:
- 先进先出(FIFO)产品存储
- 所有货架的深度以适应相同的产品类型
- 装载区托盘的等待时间限制
- 装载区托盘数量的限制
- 集装箱区域托盘数量的限制
解决方案

工程师使用AnyLogic作为仓库仿真软件。他们开发了一个模型,允许灵活使用各种场景,并根据季节、货架负荷、员工班次等改变冷库参数。
叉车和收集器被划分为入站资源和出站资源。可以很容易地更改入站和出站区使用的优先级,以查看每个设置的结果和影响。
在模型中,开发人员实现了仓库货架的热图颜色指示系统。可以设置热图来显示不同的信息。将热图设置为针对产品类型呈现,对于分析入站和出站操作中每种产品类型的位置非常有用。设置热图来显示拾取的数量,可以监控需求最多或最少的货架。
仓库优化模型考虑了众多参数,确定了叉车和收集器的最短行程,并显示了托盘的最佳存放位置。它还显示了当前完成状态、资源利用的当前状态以及其他有助于涉众决策的统计数据。
对于仿真运行,工程师可以使用来自不同运行时期的真实数据来分析性能。
结果

使用该模型进行仿真实验的结果统计包括对于不同的资源组合和资源利用率、场景,仿真是否成功。可以看到服务级别和KPI何时无法满足,并评估不同的资源组合将如何执行。
客户机根据其仓库优化需求选择使用最少资源同时达到所需性能级别的配置。
该案例研究由Phoenix Analytics公司的Ali Yoğuran在2021年AnyLogic会议上展示。
幻灯片以PDF >>格式提供>>
