Аналитикам компании Pitney Bowes требовался инструмент анализа логистической сети доставки посылок для поддержки принятия решений и повышения эффективности работы сети в Северной Америке.
Pitney Bowes – технологическая компания, специализирующаяся на оказании услуг в области пересылки почты и посылок. Компания базируется в Стэнфорде, штат Коннектикут, и обслуживает около миллиона клиентов в год, помогая сортировать и обрабатывать 15 миллиардов почтовых отправлений.
Инновационное подразделение Pitney Bowes – это глобальная организация, разрабатывающая безопасные и лучшие в своей области программные продукты. В своих проектах компания использует гибкую методологию разработки и науку о данных.
Разработанный инженерами инновационного подразделения инструмент для моделирования логистики помог добиться значительных улучшений по таким ключевым показателям, как время обработки посылок, использование грузовиков и суточная пропускная способность.
Проблема
Сфокусировав свое внимание на услугах по доставке и возврату посылок в США, инженеры стремились лучше понять четыре ключевые области анализа логистических сетей:
- консолидацию объектов компании (открытие и закрытие пунктов, офисов, складов и т.д.);
- влияние добавления новых клиентов на работу сети;
- добавление прямых маршрутов, соединяющих объекты компании;
- выявление недостатков архитектуры логистической сети.
Раньше этими вопросами занимался только специалист по проектированию логистических систем, но по мере расширения сети доставки возникла необходимость в инструменте планирования логистики для поддержки принятия решений.
Имитационная модель системы доставки посылок позволила бы проектировщику логистической сети тестировать свои идеи и проекты, выявлять узкие места и вырабатывать лучшие решения.
Решение
Имитационная модель системы доставки посылок использовалась в качестве платформы для тестирования и анализа. В модель можно было загрузить исторические данные и использовать ее для прогнозирования или, добавив тестовые сценарии, проводить анализ рисков и планирование.
Выбор команды инженеров в пользу моделирования в AnyLogic был обусловлен наличием встроенных библиотек, значительно ускоряющих разработку модели. Платформу AnyLogic также можно настроить под нужды пользователя, что позволило точно отобразить в модели важные и специфичные детали.
Более того, благодаря своей архитектуре, модель легко масштабируется. Например, можно добавлять и удалять объекты, внося изменения только в базу данных. После изменения количества объектов в базе модель автоматически обновляется и корректируется.
Другой причиной использования ПО AnyLogic было то, что аналитики и другие заинтересованные лица могли использовать модель в виде автономного приложения.
Имитационная модель была ориентирована на решение шести основных вопросов и задач:
- расширение сети и консолидацию объектов;
- стресс-тестирование пропускной способности объектов;
- изменение маршрутов;
- моделирование уровня сервиса;
- добавление новых клиентов;
- регулировку работы сети.
Результаты
В настоящее время созданный инструмент используется для анализа структуры логистической сети. Например, в случае консолидации сети, инструмент позволил предварительно проанализировать возможные эффекты от объединения трех объектов компании в один многофункциональный центр и повысить эффективность работы всей системы доставки посылок.
С помощью архивных данных и эксперимента по варьированию параметров специалисты смогли провести анализ устойчивости логистической системы. Моделирование выявило, что для эффективной работы сети необходимо только 70% от планируемой пропускной способности нового многофункционального центра, и что его создание значительно улучшит ключевые показатели работы сети.
Наиболее существенным является то, что в новом центре будет полностью устранена проблема переполнения склада и на 70% снижен переходящий на следующий период остаток.
В будущем Pitney Bowes планирует развить созданный программный продукт в инструмент поддержки принятия решений в режиме реального времени с оповещениями и возможностью предиктивной аналитики. Ежедневные или ежечасные прогоны модели будут проводиться с учетом текущих задолженностей по заказам, прогноза объемов работ, планов по распределению ресурсов.
На выходе пользователь будет получать прогноз на ближайшее будущее, например, о необходимости привлечь дополнительные трудовые ресурсы, транспорт или изменить маршруты следования грузовиков.
Об этом инструменте анализа логистики рассказал на AnyLogic Conference 2021 специалист по анализу данных компании Pitney Bowes Кора Гао.
