概述
RPM eco 为受污染的塑料碳氢化合物容器以及农药和化肥容器的回收提供了一个综合管理系统。该公司在加拿大各地拥有数千名客户。
SimWell 是一家咨询公司，拥有一支致力于仿真、优化和数字孪生的全球工程师和仿真顾问团队。他们利用仿真建模帮助开拓进取的企业领导者做出自信的决策。
问题
RPM eco的司机从客户那里收集可回收物，并将其带回收集中心。其中一个主要问题是，所有这些客户都有固定的时间间隔。这意味着他们每周、每两周或每月都要接受一次服务。
另一个问题是，所有这些客户的路线都是固定的。如果消费存在季节性，这可能是一个问题。只有两名员工管理所有的服务呼叫和操作，例如建立这些路线。
RPM 有三个主要的利益相关者：司机、协调员和管理人员。
司机的工资是按他们带回回收中心的重量计算的。他们希望每公里能完成更多的公斤数，更少的空载，以及一个易于使用的移动应用程序。
协调员希望更多了解正在运营的线路及其司机。此外，他们还希望提高司机运营线路的意愿。
对于管理人员来说，有必要提高客户服务水平和员工满意度。
RPM eco计划在客户打电话之前就赶到客户身边，以最大限度地提高拾取的重量，并为客户提供高水平的服务。RPM eco 还希望根据客户需求建立动态路线，并能够轻松修改和跟踪这些路线。业务目的是最大限度地增加卡车收集的物料重量。
解决方案
SimWell帮助RPM eco优化逆向物流供应链。为此，SimWell开发了名为OSCAL的端到端解决方案。它由预测、仿真和移动应用程序组成。下图是 OSCAL 的示意图。
预测每个客户的可用重量
这种端到端的解决方案始于预测。SimWell的工程师创建了一个预测工具来预测客户每个设施的可用重量。预测算法基于历史数据和季节性。工程师们使用了两种方法：ARIMA （自回归综合移动平均）和Croston，主要用于间歇性需求。
他们将预测工具与监督学习模型相结合，以管理客户的可变性。他们能够预测客户的消费行为是否需要他们从一种方法改变到另一种方法。
在SimWell采用这些工具后，RPM eco提高了服务水平，减少了预测重量和取货重量之间的误差。他们可以预测每个客户在某个时间点的可用重量。
仿真路线以优化客户之间的旅行距离
此前，RPM eco的固定路线因季节性而存在问题。为了应对这些挑战，SimWell开发人员建立了一个基于智能体的仿真模型来管理路线的优先级。他们主要使用状态图对流程进行建模。通常，在正常过程中，RPM eco会逐周使用该模型为客户做出最佳预测
仿真模型从云数据库接收数据。模型开发人员启动了Python脚本，为新客户重新调整时间间隔，然后进行预测。预测完成后，工程师们就得到了一份可供仿真使用的客户列表。
建模人员使用特定的优先级和地理信息系统创建了不同的路线算法。这样，工程师们就可以跟踪驾驶时间，这对卡车运输行业来说非常重要。他们希望优化这条路线上客户之间的行驶距离。一旦路线被接受或拒绝，信息就会被发回云数据库。
有一些工具使协调员能够处理这些路线。在下图的左侧，有一个名为Routes Planner的工具，它使专家能够在发生更改时添加服务呼叫、修改路线或在客户发生变化时删除客户。在下图的右侧，有一个客户服务中心，用于根据这些客户的需求对其进行修改。
为司机开发移动应用程序
只要工程师预测了运输量并制定了路线，司机就能收到他们的路线。在此之前，他们收到的是纸质信息，但这种方式效率低下且不可靠，因为信息可能在运输途中丢失。此外，纸质信息也给仿真模型的实施带来了困难。考虑到这些情况，SimWell 专家决定开发一款移动应用程序。
该应用程序可以自动处理仿真的输入和输出。一旦司机登录应用程序后，即可完成路线规划。之后，相关信息会被发送回仿真模型。
该数据库基于MySQL，托管在Azure门户网站上。它负责 RPM 的运行工作，并充当了应用程序和仿真之间的通信媒介。
该应用程序还提供了数据采集的验证，因此它有一个预测的权重和阈值。如果数据超出阈值，则会要求司机在必要时进行验证和编辑。该应用程序实现了端到端解决方案的闭环。
解决方案的基础架构
解决方案基础架构由几个元素组成：Microsoft Azure SQL数据库、Power BI、Power Apps、预测和移动应用程序。Power BI和Power Apps已连接到Microsoft Azure，用于数据可视化和参数修改。除此之外，AnyLogic仿真模型只是简单地协调了所有元素。
GIS已经集成到AnyLogic中，这对于该解决方案非常重要。作为逆向物流软件，AnyLogic使工程师能够轻松集成和利用外部Azure SQL数据库以及用于物流预测分析的Python脚本。
结果
所有利益相关者都从这一解决方案中受益。协调员可以实时鸟瞰逆向物流供应链。集成的商业智能工具有助于运营和管理团队做出战术和战略决策。总体而言，运营数据更加完善，安全性和管理水平更高。
自项目开始以来，RPM eco已将从客户处收集的总重量增加了20%，每次取货的平均重量增加了 52%。与此同时，空车的数量减少了81%。
下图中的第一张图表显示了2021年至2022年零皮卡的大幅下降。第二张图表显示了皮卡车平均重量的增加。
该案例研究由SimWell的Shirwa Mahdi、Maxime Leclerc、Joseph Moyer、David Larivee在2022年AnyLogic会议上介绍。
幻灯片以PDF格式提供。
