Проблема
Walmart – крупнейшая в мире сеть оптовой и розничной торговли. Компания хотела автоматизировать процессы, чтобы быстрее и дешевле выполнять заказы в быстро развивающемся продуктовом интернет-магазине компании. Для этого руководство решило внедрить в складских помещениях систему роботизированных тележек – альфаботов – от компании Alert Innovation. Задача альфаботов – перемещаться по многоярусному складу как в горизонтальной, так и в вертикальной плоскости, забирать корзины с продуктами и привозить их рабочим-сортировщикам, которые собирают из доставленных продуктов заказы клиентам. Альфаботы могут работать даже в узких проходах между стеллажами при пониженной и крайне низкой температуре.
В Walmart хотели оценить рентабельность системы «Альфабот» и её пригодность для задач компании, прежде чем вкладывать средства в реализацию. Компания Alert Innovation уже провела табличные статические расчёты для обоснования проекта, однако и Alert Innovation, и Walmart признали, что поскольку система характеризуется высокой сложностью, а на её окупаемость влияют нестабильные показатели спроса и предложения, на электронные таблицы полагаться не стоит. Оценку эффективности было решено поручить консалтинговой компании MOSIMTEC, оказывающей услуги по созданию имитационных моделей. Консультанты должны были разработать модель склада с работающими альфаботами, чтобы:
- Определить пропускную способность, скорость выполнения заказов в периоды наибольшего потребительского спроса, а также оценить уровень обслуживания;
- Выявить возможные слабые стороны системы, используя реалистичные параметры спроса и учитывая изменчивость системы;
- Определить наиболее подходящую для каждого конкретного магазина конфигурацию системы, учитывая работу альфаботов, станций сборки заказов и конструкцию стеллажей;
- Сравнить прогнозируемые моделью капитальные расходы с экономическим обоснованием, выполненным с помощью электронных таблиц;
- Использовать расчётные данные о пропускной способности и скорости выполнения заказов для сравнения системы «Альфабот» с возможностями других передовых транспортно-складских систем.
Имитационное моделирование производственных систем не только помогло бы определить реальные затраты на реализацию проекта, но и позволило бы в будущем выявить особенные требования к внедрению системы «Альфабот» на складах в магазинах сети Walmart.
Решение
Входные данные модели для задания
конфигурации производственной системы
Чтобы сымитировать работу альфаботов в виртуальной среде, разработчики компании MOSIMTEC выбрали AnyLogic и специализированную Библиотеку производственных систем. На основе входных данных консультанты создали динамическую модель системы. При этом для внесения в модель любого изменения не приходилось обращаться к среде разработки. Эта особенность помогла значительно сократить срок создания модели и ускорить оценку различных вариантов развёртывания системы «Альфабот». Модель также была удобна в использовании, так как несколько инженеров компании Walmart могли параллельно работать с ней без установки дополнительного ПО. AnyLogic позволил использовать в модели алгоритмы управления и элементы искусственного интеллекта. Так как программа поддерживает работу с Java, консультанты могли оперативно переводить идеи по работе алгоритмов с языка сценариев в удобный формат для разработчиков и обратно.
Анимация системы, в том числе перемещение альфаботов,
выполненная на первом этапе разработки модели
За 7 недель специалисты MOSITMEC смогли изучить планируемую к внедрению складскую систему, создать её имитационную модель, разработать алгоритмы управления, которые будут использовать альфаботы для принятия решений, проанализировать результаты работы модели и представить их руководству Walmart.
На первом этапе разработки модели, когда она предназначалась для оценки эффективности проекта, специалисты MOSIMTEC добавили в неё базовую 3D-анимацию, которая масштабировалась по определенной схеме. Входные и выходные данные моделей можно задавать в таблицах Excel, это упрощает настройку и запуск модели. В этом же формате выгружались сводные отчёты с ключевыми показателями, лог-файлами работы модели, результатами сравнения сценариев, диаграммами и графиками для визуализации данных.
Анимация усовершенствованной модели,
в том числе перемещение ботов
Когда первый этап разработки был завершен, в финальной версии модели конечные пользователи – менеджеры Walmart – могли задавать такие входные параметры, как количество ботов, их длину, ширину, ускорение и скорость в различных зонах. Также через входные параметры модели можно было настроить конфигурацию стеллажей: количество уровней и расстояние между ними, количество проходов между рядами и уровней в рабочих станциях, а также другие физические компоненты системы. Специалистам Walmart также был предоставлен доступ к настройке параметров алгоритма управления, в том числе подходов к распределению задач между ботами и определению различных пороговых значений, что позволяло компании проводить собственные исследования.
На основе данных, которые специалисты получили благодаря первой версии модели, компания Walmart приняла решение инвестировать в разработку альфаботов.
На втором этапе компания MOSIMTEC передала имитационную модель компании Alert Innovation для разработки более детальных алгоритмов управления. Инженеры Alert Innovation доработали модель, повысив уровень детализации, и протестировали различные алгоритмы управления, чтобы модель могла прогнозировать, как будет работать система в разных конфигурациях. Таким образом, модель была усовершенствована по следующим направлениям:
- с помощью агентного моделирования в AnyLogic и возможностей Java была более детально проработана логика перемещения ботов: параметры и маршруты движения, резервирование пути для предотвращения тупиковых ситуаций, а также алгоритм предотвращения столкновений;
- введены алгоритмы для сбора заказов в трёх температурных зонах склада: комнатной температуры, для охлажденных продуктов и для замороженных продуктов;
- добавлена функция отслеживания запасов на стеллажах;
- добавлен алгоритм сортировки, позволяющий имитировать распределение ботами продуктов на пунктах сбора заказов.
С помощью усовершенствованной версии модели инженеры смогли проверить эффективность исходного проекта системы «Альфабот» и высказать замечания и предложения группам её разработки.
Результат
Имитационное моделирование системы «Альфабот»
с автономными тележками
Результаты, полученные с помощью первой версии модели, позволили определить требования к конфигурации системы «Альфабот» на складе, при которых скорость обработки заказа удовлетворяет руководство Walmart. Полученные данные легли в основу внедрения системы в различных магазинах сети. Имитационная модель позволила количественно оценить производительность системы в условиях неограниченного спроса, что в свою очередь дало возможность определить производственные ограничения системы. Модель показала, что альфаботы смогут собирать 95% заказов менее чем за 8 минут, при этом среднее время сбора заказа составит менее 5 минут.
Первоначальная модель была усовершенствована и расширена, чтобы определить влияние на производительность альтернативных вариантов проектирования. Модель помогла компании Alert Innovation понять, какие из них дадут наибольшую окупаемость инвестиций, а также лучше адаптировать систему для внедрения в будущих магазинах.
Компания Walmart и Alert Innovation начали пилотную реализацию системы «Альфабот» в гипермаркете Walmart в городе Салем, штат Нью-Хэмпшир, и во флагманском магазине в городе Бентонвилл, штат Арканзас.
Посмотрите доклад, в котором Эми Браун Грир, Кристиан Хаммель и Джон Лерт рассказывают об этом проекте на конференции AnyLogic или загрузите PDF-презентацию (на английском языке).
