基于仿真与车辆路径优化的供应链网络设计

问题

世界上最大的图书分销商之一面临着三大挑战。

首先在过去的十年中，为了满足不断增长的需求，分销商在用于服务客户的仓库位置数量上经历了显著增长。这导致了一个日益复杂和昂贵的分销网络。

其次，该分销商亦预测，未来需求及供应的不确定性及波动，可能会导致不同地点的仓库空间被过度或未充分利用。

最后例如，房地产成本的增加和竞争激烈的驱动市场使得当前的网络设计不可持续，对任何负面压力都很脆弱。

该公司聘请了两家不同的咨询公司进行高水平的网络优化研究，以确定最优的网络设计和分布实践。两家咨询公司都发现，使用Drop-and-Hook方法和40英尺拖车代替直式卡车，将使仓库位置减少25%-30%，项目净现值(净现值)，估计价值1800万美元。然而，这两项研究都使用了基于平均值的计算，这引起了管理层的担忧，即预测的收益能否在现实情况下实现。

解决方案

Goldratt研究实验室(GRL)签约验证(或无效)两项研究的关键假设，以及使用动态仿真建模预测的运营和财务绩效改进。

他们还被要求使用模拟模型，通过场景比较来确定是否可以通过不同的供应链网络配置、运输实践和车队设置来改善运营和财务结果。

为了实现目标，GRL工程师开发了一个完全自配置的供应链数字孪生(SCDT)仿真模型，该模型可以考虑所有关键系统的相互依赖性、约束、复杂性以及需求和供应可变性。该模型旨在确定单个场景下可能结果的范围，并为不同供应链配置提供敏感性分析和直接场景比较。

评估的可选配置包括不同的客户和仓库位置，客户到仓库的分配，以及可选的车队配置，例如，更小的直线卡车与更大的拖车和拖拉机。

由此产生的SCDT模型为公司的管理团队提供了一种低风险、低成本的方法，可以在进行重大投资之前评估所有提议的变更和场景可能的运营和财务影响资本支出和时间。这将确保他们在项目未能实现预期收益的情况下避免声誉和财务损失的风险。

GRL选择AnyLogic作为一流的仿真建模软件来开发SCDT模型。他们选择的主要原因包括:

• 复制客户现实世界的复杂性，两者兼而有之基于主体而且离散事件需要模拟方法。
• 该模型必须在短时间内开发，并提供广泛的系统配置。
• 考虑到要评估的大量场景和模型的大小，客户希望在自己的计算机上运行仿真模型，并能够访问云选项。AnyLogic不仅可以建模导出为一个独立的应用程序，但他们也可以利用必威出款完成资源密集型模式运行速度快得多。
• 考虑到要评估的场景范围，仿真模型必须包含一个路线调度优化器，以确定每个场景下车辆从仓库到客户的优化最终里程路线。AnyLogic使用标准Java库，允许GRL开发一个与第三方应用程序完全集成的模拟模型PTV的路线优化器，它可以在远程服务器上生成最佳路由，并将结果发送回模型，与场景文件一起存储以供以后使用。

完整的SCDT模型设置包括输入、输出、不同的分析选项，以及产生最终模型报告和日志的场景分析。该模型完全由Excel文件的数据驱动，因此可以很容易地在文件中更改场景。场景文件包含以下输入数据:

• 地理信息
• 仓库设置
• 客户订单数据
• 舰队设置和分配
• 财务和运营参数

仿真模型建立

使用这些输入，可以进行四个主要分析选项:

• 距离计算器

距离计算器的构建是为了预先计算在任何其他分析选项期间所需的所有距离，以减少执行时间。

• 分配优化器

该特性使该公司能够使用模拟退火算法优化客户到仓库的分配。该算法在考虑车辆段容量有限的情况下，减少了车辆段的行驶里程。

• 线路调度程序

在这种模式下，模型将生成真实的最终里程路线，使用PTV路线优化器将产品从仓库交付给分配的客户。

• 情景分析

分析过程中的最后一步是供应链模拟前面步骤中所有输入的顶点。该分析的最终结果是每个位置、车辆类型和客户位置的详细操作和财务结果集。

该选项的一些输出可以用作其他分析选项的输入。

仿真模型界面

结果

基于anylogic的SCDT仿真模型结果为这个项目揭示了许多关键发现。该模型在之前的研究中发现了几个有缺陷的假设。最重要的是，这种方法并不像预期的那样具有成本效益。事实上，它表明，预测的1800万美元NPV永远不会实现。NPV很可能为负500万美元。这意味着资本支出将永远无法收回。

有了这一令人意外和担忧的结论，新的项目目标是确定一个改进的供应链网络设计和车队设置，可以提高他们当前的性能，同时增加弹性和响应未来需求和供应的预期不确定性。

利用他们的新SCDT模型和嵌入式路由优化器，该团队确定了一个解决方案，其NPV将达到4700万美元，甚至比最初想象的还要高。

此外，能够轻松地修改模型内部的参数和详细的输出文件，使其成为一个决策支持工具，额外检查假设:

• 所需驾驶等级(适用于小型或大型卡车)
• 所需司机数量(取决于季节性、每月和每个地点)
• 每天车辆数量
• 有关夜间路线数量、司机小时数和加班的详细信息

客户表示，该模型将继续指导他们在行业和不断变化的环境中的战略决策。

案例研究由艾伦·巴纳德博士而且Jaco-Ben Vosloo他是高德莱特研究实验室(Goldratt Research Labs)的研究员AnyLogic Conference 2021．

幻灯片可以作为PDF．