Modélisation des opérations dans les entrepôts de distribution pharmaceutique

Cardinal Health, une société de distribution et de logistique pharmaceutique d’un milliard de dollars, gère plusieurs produits pharmaceutiques de marque et génériques, ainsi que des produits sans ordonnance, des articles de santé et de beauté et sa propre marque privée. La société doit faire face à une multitude de défis typiques des entrepôts de distribution qui sont rendus complexes par la nature des produits pharmaceutiques. Ceux-ci en effet sont plus petits en taille, consommables, onéreux et ils peuvent être parfois sauver des vies. Brian Heath, Directeur des Analyses avancées chez Cardinal Health, également utilisateur expérimenté des logiciels AnyLogic, a eu recours à la modélisation basée sur des agents pour résoudre divers problèmes de l’entreprise, économisant ainsi plus de 3 millions de $ chaque année.


PROBLÈME:




Cardinal Health constitue un maillon essentiel dans la chaîne d’approvisionnement des soins de santé, assurant une livraison en 24 h à plus de 30 000 points d’utilisation comprenant des hôpitaux, des pharmacies, des cabinets de médecins et des ventes directes au consommateur. Les autres services à valeur ajoutée, notamment la gestion de l’efficacité et de la demande, la gestion du fonds de roulement et la gestion du crédit contractuel s’ajoutent aux difficultés d’une fiabilité médiocre de la fabrication et des ruptures d’approvisionnement du marché provoquées par les réglementations de la FDA et de la DDA. En résumé, Cardinal Health doit s’ajuster aux variations de la gestion de la distribution pharmaceutique.


Cardinal Health examine la disposition des installations, le flux des produits, les collectes de commande, la planification du travail, les exigences et l’encombrement des commandes clients pour effectuer des analyses et savoir gérer les opérations au jour le jour. Les outils d’analyse traditionnels tels que la progression empirique par essais et erreurs, sont risqués, onéreux et les changements sont difficiles. Les chercheurs en opérations d’ingénierie industrielle suggéraient des modèles mathématiques peu coûteux, mais ces modèles ne pouvaient prendre en compte des dynamiques imprévisibles. Si un facteur quelconque est ouvert ou inclut des comportements émergents tels que les congestions, le modèle mathématique standard ne pouvait pas résoudre la situation. Troisièmement, la modélisation à base de processus ou d’événements discrets n’est pas fructueuse de par son incapacité à représenter une installation de manière naturelle. Ceci a conduit Brian Heath et Cardinal Health à explorer diverses options d’analyse alternatives.

Modèle de simulation d’entrepôt de distribution

Configurations de disposition d’entrepôt testées

Solution:




La modélisation basée sur des agents (ABM) à l’aide du logiciel Simulation and Modeling d’AnyLogic a fourni à Cardinal Health l’outil requis pour s’attaquer à de nombreux problèmes d’entrepôts de distribution sans être restreint par les outils traditionnels. ABM représente les abstractions d’entités autonomes distribuées pouvant interagir entre elles et avec leur environnement dans le temps et dans l’espace, permettant ainsi à Cardinal Health de représenter les affectations du temps de travail, les temps d’attente lors de congestions, la durée des cycles, les distances parcourues, la variabilité des employés et d’autres indicateurs numériques importants.



Simulation en 3D de la disposition d’un entrepôt

Animation 3D


Enfin, le modèle construit était centré sur les activités des employés et l’interaction entre ceux-ci pendant la journée, ce qui nécessite d’importer des données telles que l‘heure de collecte et les normes de performance dans le modèle. Maintenant, Cardinal Health peut rassembler des données sur les durées d’attente en cas de congestion et voir l’importance du problème causé dans l’entrepôt car les « agents » sont modélisés en tant qu’individus ayant des relations spéciales entre eux. Le modèle inclut des paramètres supplémentaires tels que les vitesses de travail des employés, le comportement de l’employé, les courbes d’apprentissage, la durée des cycles, la rotation des produits et les distances parcourues à pied ou en véhicule.


La possibilité d’importer des fichiers Excel était impérative car Cardinal Health possède de nombreux entrepôts et il fallait impérativement tester plusieurs dispositions. Dans Anylogic, si l’on doit apporter une modification, c’est très simple : on met le fichier Excel à jour, on l’importe dans le modèle et on relance le calcul du modèle.


RÉSULTATS:




Le modèle basé sur des agents construit à l’aide d’AnyLogic permet à Cardinal Health de comparer les dispositions, les technologies de collecte et de rangement des produits. De plus, la société peut évaluer différentes méthodes de collecte pour mettre à jour les modèles de répartition du personnel et se servir du modèle comme support sur site si les charges de travail changent, car les commandes varient au jour le jour. Le système compile également des statistiques telles que le temps de traitement d’une comande, combien de lots sont traités en un jour, le temps de déchargement des camions, et les séquences d’événements.


Outre l’analyse améliorée offerte par les indicateurs ci-dessus, le modèle a révélé un problème dû à la distribution aléatoire du travail. La charge de travail de chaque employé n’était pas uniforme, si bien que l’un était plus lent et l’autre plus rapide. En équilibrant la charge de travail, les employés ont commencé à travailler à un rythme similaire et la congestion a considérablement diminué.


Résultats du modèle d’entrepôt
Quelques-uns des résultats du projet

En diminuant la congestion à l’aide du logiciel AnyLogic, Cardinal Health a pu diminuer la durée moyenne d’une équipe de 10,5 heures à 7,25 heures et augmenter la capacité de chaque employé. Cardinal Health économise plus de 3 millions de $ chaque année grâce à la modélisation à base d’agents fournie par les technologies de simulation d’AnyLogic.


“Les bibliothèques d’agents d’AnyLogic, son architecture flexible et l’animation intégrée constituent les facteurs majeurs du succès continu de ce projet » a déclaré Brian Heath, Directeur des analyses avancées chez Cardinal Health. Vous pouvez visualiser sa présentation et en savoir davantage sur l’utilisation de la modélisation à base d’agents dans des applications du monde réel:


More Case Studies

  • Simulation d’un entrepôt afin de choisir un algorithme de collecte de commandes optimal
    Kuehne+Nagel, fournisseur mondial de solutions logistiques, était en cours de planification d’un nouvel entrepôt pour l’un de leurs clients. L’entrepôt devait traiter 13K lignes de commandes ou 750 cartons de collecte par jour. Le projet comprenait le développement du meilleur algorithme pour la préparation simultanée de plusieurs commandes. Il était prévu que les commandes seraient préparées par des employés munis de chariots (ou fangos).
  • Aide à la décision en soins de santé par simulation hybride – Unités d’AVC mobiles
    Les AVC causent de graves invalidités, génèrent des coûts élevés en soins et en rééducation, et leur fréquence augmente au sein d’une population de plus en plus âgée. Les thromboses en sont la source prédominante et, dans la mesure du possible, celles-ci doivent être traitées par thrombolyse (sauf en cas de thrombose hémorragique, et en veillant à attendre 4,5 heures après l’attaque). Actuellement, le processus de transport et l’administration interne des hôpitaux font perdre un temps précieux au patient. La mise en place d’unités d’AVC mobiles est apparue comme un remède possible.
  • Choix d’une répartition optimale des entrepôts pour un revendeur FMGG majeur
    L’un des plus gros revendeurs FMCG en Europe de l’Est fournit plusieurs centaines de boutiques, dans plusieurs régions, via un centre de distribution unique. L’entreprise prévoyait de modifier la disposition des racks de palettes et de convoyeurs au sein de l’entrepôt. Afin d’évaluer la capacité de la nouvelle disposition et de mesurer l’efficacité de l’entrepôt, elle a décidé de confier au département de conseil de l’entreprise AnyLogic l’élaboration d’un modèle de simulation de l’entrepôt.
  • Modélisation par simulation basée sur les statistiques des soins de santé
    Afin de prendre leurs décisions, les professionnels de la santé ont besoin d’outils pour planifier, tester et évaluer les nouvelles technologies et interventions. Patrick Einzinger et Christoph Urach de DWH Simulation Services et de l’Université de technologie de Vienne, en partenariat avec l’Association autrichienne des assurances sociales (AASI), ont pu analyser les données publiques afin de prendre des décisions critiques pour le futur.
  • Simulation de l’exploitation dans une maternité
    Ce modèle simule le service de maternité dans un hôpital en cours de construction. Le but de ce modèle est de servir de support aux discussions sur les ressources, les capacités et les méthodes de travail requises pour cette nouvelle maternité. Le projet a été réalisé pour l’hôpital de l’université de Karolinska dans le comté de Stockholm (Suède).
  • Evaluation de la capacité de prise en charge en termes de patients hospitalisés
    Le comté de Stockholm (Suède) dirigeait un projet de construction d’un nouvel hôpital hautement spécialisé. L’administration de la santé du comté a demandé si elle obtiendrait un niveau acceptable de production de soins à l’aide des investissements et des plans en cours concernant divers problèmes opérationnels et stratégiques. Pour obtenir des réponses à ces questions, elle a utilisé la modélisation de simulation d’AnyLogic.
  • Traitement de tous les besoins en soins des patients sous dialyse
    Le comté de Stockholm (Suède), comme chaque pays ou région, expérimente un besoin continu de prise en charge des besoins en soins de santé de divers groupes de patients. Chaque groupe peut être considéré comme une sous-population, avec ses propres caractéristiques et défis spécifiques. Le projet de simulation à l’étude se concentrait sur les patients sous dialyse, un groupe qui doit se rendre dans des installations de soins de manière fréquente.
  • Evaluation de l’introduction de systèmes d’automatisation d’un entrepôt
    Symbotic est un fournisseur de solutions d’automatisation de l’entrepôt. La société avait besoin d’un outil pour permettre à ses clients de comprendre l’impact d’une réorganisation de l’entrepôt et de comparer les investissements immobilisés aux économies opérationnelles projetées avant l’introduction effective des systèmes d’automatisation. Cet outil devait être facilement ajustable au cas spécifique de chaque client.
  • Applications de réponses aux désastres à l’aide de la modélisation basée sur des agents
    Dans son effort pour trouver des solutions opérationnelles pratiques pour trouver une réponse rapide et efficace à une crise imprévue ou une catastrophe naturelle, Batelle avait besoin de tester l’efficacité d’une mise enplace d’un abri en 48 heures dans un scénario d’abri nucléaire improvisé (IND). Le but visé était de réduire les doses de radiations reçues pendant une évacuation de masse non coordonnée, en comparant l’évacuation immédiate avec la mise en place d’un abri.
  • Evaluation des politiques de santé afin de réduire le taux d’accouchements par césarienne
    La nécessité de réduire le taux d’accouchement par césarienne est reconnue par de nombreux chercheurs depuis des années. Pour la première fois, dans une recherche menée pour l’Etat de Washington State, Alan Mills, FSA MAAA ND, actuaire chercheur, et ses collègues ont reproduit cette partie du système de soins américain dans un modèle de simulation.