Maestro Pizza成立于 2013 年，迅速成为沙特阿拉伯的领先披萨品牌，自 2019 年以来一直是人们的首选。作为Daily Food Co.旗下的一员，该公司以致力于提供卓越服务和美味披萨而闻名，并赢得了广泛赞誉。
问题
2022 年，该公司设定的主要发展目标之一是找到优化食品配送的解决方案并提高生产效率。为了对业务流程进行分析和建模，Maestro Pizza公司向Jaco-Ben Consulting寻求帮助。
在处理Maestro Pizza公司这一案例的整个过程中，顾问们强调了以下需求：
- 用不同的系统配置来衡量客户服务水平。
- 实施一种具有成本效益的方法，以测试人员配置变动以及食品配送路线优化所产生的影响。
- 针对不同的需求模式和餐厅员工排班情况，提供一系列可能的结果。
- 测试在Maestro Pizza公司所提供服务的配送和执行理念中，改变优先次序所带来的影响。
- 将各种动态事件和系统的相互依存关系纳入分析之中。
为了获得有数据支持的结果，顾问们使用了 AnyLogic 仿真软件。他们利用GIS地图、实验以及其他功能，创建了Maestro Pizza公司运营网络的详细模型，并得出了对业务增长有价值的见解。
解决方案
目前Maestro Pizza的商业模式如下图所示。
在该系统中，公司雇佣了四类员工：厨房工作人员、收银员、送餐司机和兼职司机。他们在不同的餐厅及配送流程中承担各项任务。厨房工作人员能力多样，因为他们能够参与各个环节，并且可以顶替其他任何一位同事。不过，有一些特定的工作，比如 “切割” 和 “制作”，只有厨房工作人员才能胜任。
由于厨房的人力资源不能随意相互替代，所以食品配送优化的关键问题就集中在确定每种资源的最佳数量，以及制定餐厅员工的排班计划上。
为了制定出有效的策略，顾问们将找到解决方案的过程划分为两个不同的阶段。
第一阶段：通过仿真优化食品配送路线
公司首先将Maestro Pizza文件中的数据导入到 AnyLogic 软件中。该文件包含了有关排班计划、不同员工的工作优先级，以及各个分店的最大和最小员工配置数量等信息。然后，顾问们补充了有关订单生成逻辑的信息。
第一阶段的仿真复制了实际的配送流程，并为进一步优化食品配送提供了统计数据。
客户可以通过点击司机、订单或分店与该模型进行交互，以获取有关等待时间、预计配送时间等更多详细信息。所有店铺都同时进行仿真，提供了所有分店的员工情况和配送方面的信息。
在 AnyLogic 软件中，您可以使用GIS 地图。这些地图能帮助你根据实际道路来规划路线，同时会考虑到以往影响司机行驶速度的交通状况。这对于优化食品配送路线非常有用。您可以按照现实生活中的道路网络来构建模型，从 AnyLogic 软件中导出该模型，然后即使在没有网络连接的情况下也能运行它。
第二阶段：门店工作流程优化实验
在构建食品配送优化策略的第二阶段，重点是利用第一阶段的成果来优化门店当前的工作流程。
为了进行分析，该公司基于第一阶段构建的模型开展了一项复杂的参数变化实验。这有助于探索不同的情景，并了解微小变化对餐厅工作流程所产生的影响。
Jaco-Ben Consulting利用Maestro Pizza提供的输入数据，开发了一个模型，该模型考虑了餐厅员工排班的变化、订单间隔时间、劳动效率以及目标服务时间等因素。
在实验计算完成后，可以选择下载实验的详细摘要。它会以.txt文件的形式下载，但您可以将其作为 Excel 表格打开。这就是为什么 AnyLogic 不仅对顾问来说很方便，对终端客户也是如此。所有的数据都可以在模型内访问。
考虑到未来分析的不确定性以及可能出现的变化，无需过度专注于直接将图表纳入模型之中。包含所有可能结果的丰富信息已经嵌入到了模型的日志文件里。通过这种方式，模型及其数据被展示给了客户，使他们能够当场探索各种不同的情景。
结果
按类型划分的司机和分店员工的最少数量
根据仿真结果显示，特别需要指出的是，在周日，客户需要五名固定司机和一名机动司机，而在周六，固定司机的数量保持不变，但需要三名机动司机。
Maestro Pizza将各个分店进行了分组，以便机动司机能够在不同的配送任务之间高效地切换。
所需厨房工作人员数量与收银员和司机数量之间的相关性
增加收银员的数量对优化食品配送的作用微乎其微，效果基本没有变化。然而，如果餐厅增加一名送餐司机，订单的准备时间就会缩短。要是司机数量不够，厨房工作人员就不得不亲自去送餐。遗憾的是，这会导致餐厅内出现订单积压的情况。
因此，就食品配送优化而言，增加一名送餐司机比增加一名收银员更为有效。
如需了解更多详细信息，请查看Jaco-Ben Consulting的 PDF 案例展示，或观看 2023 年 AnyLogic 会议的相关视频。
