Прогнозирование полного цикла доставки заказов с помощью цифрового двойника

Прогнозирование полного цикла доставки заказов с помощью цифрового двойника

Команда Applied Intelligence HSA (подразделение компании Accenture) разработала систему прогнозирования полного цикла доставки заказов для американского производителя спортивных тренажеров, которая столкнулась со сбоями в работе цепи поставок во время COVID-19. Система прогнозирования с помощью цифрового двойника повысила точность планирования операций «заказ-доставка» на 57% и снизила затраты на 20%.

Архитектура системы прогнозирования доставки заказов, результаты и планы дальнейшего развития подробно изложены в этой статье. Проект выполнил группа специалистов Applied Intelligence HSA из компании Accenture Argentina: руководитель группы Пабло Родригес Варело и инженер Патрисио Иван Пипп.

Команда специализируется на аналитике цепи поставок и операционной деятельности. Для этого они используют прикладной искусственный интеллект ― подход к решению задач, в котором искусственный интеллект анализирует данные и помогает автоматизировать бизнес-процессы для лучшего масштабирования.

Задача: избежать длительных задержек в выполнении заказов

Американский производитель спортивных тренажеров хотел спрогнозировать поведение цепи поставок велотренажеров в США и обеспечить ее бесперебойную работу.

Во время пандемии COVID-19 спрос на велотренажеры значительно вырос, и срок выполнения заказов вырос с пяти до шестидесяти дней. Производитель хотел сократить этот срок и улучшить планирование.

Необходимо было ответить на пять основных вопросов, которые можно разделить на две категории:

  1. Планирование
    • Какая стратегия пополнения складских запасов будет наиболее эффективной?
    • Какая пропускная способность ожидается в разных звеньях цепи поставок в течение 12 месяцев?
    • Каков предполагаемый уровень складских запасов на разных объектах цепи поставок?
  2. Выполнение
    • Какая стратегия пополнения запасов будет наиболее эффективной?
    • Следует ли направлять товары, которые в ближайшее время поступят в порт, в разные распределительные центры, учитывая данные о задержках доставок?

Решение: цифровой двойник на основе динамического моделирования

Команда Accenture выбрала нетривиальный подход для решения задачи – создание цифрового двойника цепи поставок. Их ждала сложная и кропотливая работа. Им также необходимо было тесно сотрудничать с клиентом, чтобы в точности отобразить работу системы.

Цифровое решение для оптимизации цепи поставок помогло бы точнее спрогнозировать сроки доставки, сократить их и улучшить планирование за счет грамотного распределения товарно-материальных запасов. Цифровой двойник также позволил бы разобраться в поведении системы и использовался бы для тестирования различных сценариев «что, если». Цифровой двойник – это динамическая модель системы, основанная на реальных данных: наблюдаемых и проверяемых. Благодаря этому поведение и результаты запусков модели просты для понимания и интерпретации.

Для создания цифрового двойника специалисты выбрали AnyLogic из-за его гибкости и возможности интеграции с платформами для машинного обучения. С помощью дискретно-событийного метода моделирования команда воссоздала в AnyLogic процессы между всеми элементами цепи поставок: производителями материалов и заводами по сборке, распределительными центрами и розничными магазинами.


Структура цепи поставок

Структура цепи поставок

Производители материалов ввозили в США 40 000 единиц товара из Азии каждую неделю, а заводы, расположенные в США, собирали 4 000 велотренажеров в неделю. У сети было 150 розничных магазинов, где клиенты могли получить свой заказ.

Основными элементами модели были заказы, логистические узлы цепи поставок и грузовые автомобили. Каждый элемент обладал набором связанных данных:

  1. Заказы: дата создания заказа, продукт, логистический узел, дата доставки заказа.
  2. Логистические узлы: местонахождение, тип (производитель материалов, распределительный центр или розничный магазин), уровень запасов, время обработки заказа.
  3. Грузовые автомобили: грузоподъемность, время выполнения заказа.

Карта логистических узлов в цифровом двойнике цепи поставок

Карта логистических узлов в цифровом двойнике цепи поставок

Цифровой двойник цепи поставок мог выдавать прогноз на период от одного дня до одного года. Запуск эксперимента Монте-Карло позволил получить прогнозные диапазоны времени полного цикла «заказ-доставка». Для каждого запуска эксперимента требовалось ввести ключевые входные параметры, а на выходе инженеры получали следующие данные:

Основные результаты: прогноз полного цикла выполнения заказа и задержки доставки заказов в конечные пункты назначения, состояние запасов с разбивкой по узлам сети, загрузка грузовых автомобилей.

Чтобы созданный инструмент работал как цифровой двойник, необходимо было соединить имитационную модель с источниками операционных данных.

В этом проекте данные передавались с помощью сервисов Amazon и электронных таблиц, связанных через облачное хранилище Amazon S3. Кроме того, для анализа выходных данных к модели была подключена система интерактивной бизнес-аналитики Tableau. Структура системы отражена на диаграмме информационных потоков.


Диаграмма информационных потоков для цифрового двойника цепи поставок

Диаграмма информационных потоков для цифрового двойника цепи поставок

Цифровой двойник был создан на основе текущего состояния цепи поставок и прошел верификацию. Он продемонстрировал ожидаемое поведение системы и помог определить области, в которых можно добиться улучшений.

После тестирования и анализа текущего состояния цепи поставок специалисты применили модель для эвристической оптимизации работы цепи.

Так, некоторые динамические показатели, например страховой запас, больше не зависели от общих правил логистической сети, а вычислялись индивидуально для каждого элемента цепи поставок отдельно. Кроме того, запасы распределительных центров могли пополняться исходя из потребностей связанных с ними конечных пунктов доставки.


Сравнение базовой и улучшенной схемы цепи поставок

Сравнение базовой и улучшенной схемы цепи поставок

Результаты: польза цифрового двойника цепи поставок

Разработка цифрового двойника принесла значительную пользу для прогнозирования полного цикла цепи поставок (от поступления заказа до его доставки клиенту) и эффективного распределения запасов. Подход позволил повысить точность прогнозов относительно доставки товаров на 57% и сократить на 20% расходы при распределении товарно-материальных запасов.

Кроме того, точность времени выполнения перевозок увеличилась с 40% до 76%.

Все эти результаты можно получить с помощью 30-минутного запуска модели, который необходимо проводить всего раз в неделю.

Трудности в работе над проектом

При выполнении проекта разработчики столкнулись с рядом трудностей. Изначально сотрудники компании-клиента не поддержали идею разработки цифрового двойника. Чтобы преодолеть это сопротивление, разработчикам пришлось тесно сотрудничать с заинтересованными сторонами.

Наглядность динамического отображения работы цепи поставок и возможности, которые давал цифровой двойник, помогли заручиться поддержкой клиента в выборе этого подхода.

Еще одной проблемой был дефицит данных и запутанная логика работы цепи поставок. С помощью цифрового двойника эти проблемы удалось преодолеть, заменив недостающие данные и связи принятыми допущениями.

Теперь цифровой двойник станет ядром работы цепи поставок, что сделает процесс принятия решений целостным и более обоснованным.

Следующие шаги

На следующих этапах проекта разработчики планируют провести интеграцию двойника и искусственного интеллекта, который будет работать на основе машинного обучения с подкреплением. Это позволит продолжить оптимизацию цепи поставок и обеспечить планирование в условиях форс-мажора. Предполагается, что по мере развития цифрового двойника его возможности будут применяться на всех организационных уровнях: стратегическом, операционном и тактическом.

Этот проект был представлен Патрисио Иваном Пиппом и Пабло Родригесом Варелой из Accenture Applied Intelligence HSA на конференции AnyLogic 2021.


Подробнее о разработке цифровых двойников в AnyLogiс →

Похожие проекты

Другие истории успеха

Сборник историй успеха от пользователей AnyLogic

Скачать