Problème
Walmart, le plus grand détaillant par son chiffre d’affaires au monde, était à la recherche d’une technologie d’automatisation qui aiderait à compléter les commandes plus rapidement et à moindre coût dans le commerce d’épicerie en ligne, qui connait pleine croissance. Ils voulaient évaluer le concept de marchandises-à-personne (GTP) d’Alert Innovation, réalisé par Alphabot (un système AGV ou robotisé), qui pourrait automatiser le processus de ramassage d’épicerie en utilisant des chariots mobiles autonomes capables de fonctionner dans les trois dimensions au sein d’une structure de stockage à plusieurs niveaux. Les robots Alphabot, ou « bots », sont des véhicules autonomes qui peuvent rassembler des articles dans des zones de température ambiantes, réfrigérées et celle de congélation dans un système de stockage à haute densité et les amener à des opérateurs qui choisissent des articles individuels pour compléter la commande d’un client. Cette technologie était censée rendre le processus d’exécution des commandes en ligne plus efficace.
Le détaillant voulait évaluer la faisabilité du concept Alphabot et son adéquation pour Walmart, avant de réaliser un investissement financier important dans le développement de produits. Alert Innovation avait déjà effectué des de feuilles de calcul statiques pour le projet, mais Alert Innovation et Walmart ont convenu que les feuilles de calcul ne pouvaient pas être utilisées en raison de la complexité du système et de la variabilité de la demande et de l’exécution. Avant de faire des investissements et de déployer le système dans les magasins Walmart, il a été décidé de charger MOSIMTEC, une société de conseil en simulation, de concevoir un modèle de simulation de manipulation des produits pour une évaluation indépendante de la faisabilité technologique. Les objectifs de cette évaluation initiale de la modélisation étaient les suivantes:
- Comprendre le débit et les capacités de délai d’exécution du système Alphabot pendant les périodes de pointe de la demande des clients et évaluer les niveaux de service.
- Comprendre les faiblesses potentielles de la performance du système Alphabot avec des données réalistes de la demande et de variabilité.
- Identifiez la meilleure conception du système de manutention des produits (MHS), y compris la structure de soutirage, les bots automatisés et tous les postes de préparation des commandes requis pour différents profils de magasins.
- Comparez les besoins en dépenses en immobilisations préconisés par le modèle et ceux par analyse commercial basé sur les feuilles de calcul.
- Utilisez les résultats de modélisation : tels le débit et la cadence pour comparer les performances proposées de l’Alphabot par Alert avec d’autres technologies de stockage et de récupération automatisées (ASRS) et de marchandises- à-personne (GTP) de premier plan dans l’industrie.
La simulation de manipulation des produits aiderait non seulement à comprendre le coût réel du déploiement du système dans le monde réel, mais aussi à identifier les exigences propres aux magasins pour déployer Alphabot dans les nombreux magasins Walmart à l’avenir.
Solution
Pour modéliser le comportement et les opérations d’Alphabot dans un environnement simulé par ordinateur, avec la complexité et la variabilité du monde réel, MOSIMTEC a choisi pour le projet les capacités de simulation d’AnyLogic pour la manutention de produits. Les capacités de MOSIMTEC et d’Anylogic à construire dynamiquement les aménagements des installations à partir d’entrées de données, sans solliciter l’environnement de développement pour chaque changement de plan, contribueraient à réduire considérablement le temps de développement du modèle et permettraient une évaluation plus rapide de plusieurs configurations d’Alphabot. AnyLogic a également offert une facilité inégalée de déploiement afin que plusieurs ingénieurs Walmart puissent exécuter le modèle de conception de manutention des produits sans avoir besoin d’installer des logiciels supplémentaires ou d’acheter des licences de développeur coûteux. AnyLogic a également été sélectionné parce que le système AlphaBot nécessiterait une intelligence artificielle étendue et des algorithmes de contrôle. La capacité de AnyLogic à s’intégrer à Java a éliminé le temps excessif passé à réaliser les algorithmes IA comparativement à l’utilisation des languages script.
Étape 1: Modèle de simulation de manutention des
matériaux avec animation, y compris la simulation AGV
L’objectif initial de Walmart était de prendre une décision aller ou pas au lancement du projet Alphabot. En sept semaines, MOSITMEC a pu étudier le système, concevoir des algorithmes initiaux de contrôle pour la prise de décision des bots, construire le modèle de simulation de manipulation des produits, analyser les résultats et présenter ces résultats aux dirigeants de Walmart.
Dans le modèle final livré, les gestionnaires de Walmart pouvaient spécifier de différentes entrées, comme le nombre de bots, leur longueur, leur largeur, leur accélération et leur vitesse dans différents zones. Les configurations physiques de stockage, comme le nombre d’allées, de niveaux, l’espace entre les niveaux et le nombre de nombre de postes de finalisation de commandes, ainsi que d’autres composants physiques de ce système, étaient toutes configurables par l’intermédiaire des paramètres d’entrée du modèle. Les paramètres logiques de contrôle, y compris le choix de diverses approches d’affectation de travail ou l’établissement de divers seuils, ont également été exposés et disponibles pour que Walmart exécute sa propre analyse.
Étape 2: Modèle de simulation de manutention des
matériaux avec animation, y compris la simulation AGV
Les statistiques d’entrée et de sortie du modèle ont été intégrées dans un front-end Excel afin que les utilisateurs puissent facilement configurer et exécuter le modèle. À ce stade de l’évaluation du concept, MOSIMTEC a intégré l’animation de base du modèle en 3D qui s’est mise à l’échelle en fonction de plan défini par l’utilisateur dans Excel. Les résultats de sortie d’Excel comprenaient un rapport sommaire avec des mesures clés, log files, des comparaisons de scénarios, des diagrammes et des graphiques.
Après avoir terminé l’analyse indépendante des capacités du système, MOSIMTEC a fait la transition du modèle AnyLogic de conception de simulation de manipulation de produits à Alert Innovation pour une utilisation à long terme dans le logiciel de réglage des algorithmes de contrôle pour un éventuel déploiement de production. Sur la base des résultats de l’étape 1, Walmart a commencé à investir dans le développement du produit Alphabot. Les ingénieurs d’Alert ont utilisé le modèle de l’étape 1 comme base de l’étape 2 en augmentant le niveau de détail et en testant divers algorithmes de contrôle pour simuler différentes alternatives de conception de système. Les améliorations apportées au modèle comprenaient:
- Logique de mouvement plus spécifique pour les bots, y compris les chemins de bot, les réservations, la logique d’évitement des collisions et les profils de mouvement, en utilisant la modélisation basée sur le comportement des agents d’AnyLogic et les capacités de Java.
- Logique pour des zones séparées de température pour les articles stables, réfrigérés et congelés dans le système d’entreposage.
- Fonctionnalité de suivi des stocks dans les étagères pour suivre chaque élément du système.
- Logique de séquençage de bot pour aider à simuler des robots triant des éléments sur la palette.
Grâce au MHS mis à jour, les ingénieurs ont pu valider les hypothèses de conception du système d’origine et fournir des commentaires aux équipes de développement de produits Alphabot.
Le modèle du système Alphabot comprenant la simulation AGV
Résultat
En estimant les besoins en équipement nécessaires pour respecter divers seuils de temps de retournement, les sorties du modèle initial de conception de manutention des produits ont éclairé l’analyse de rentabilisation du déploiement d’Alphabot dans divers magasins du réseau de vente au détail de Walmart. Le modèle de simulation a quantifié la capacité de performance du système dans des conditions de demande non contraintes afin de comparer ses limites. Le modèle a montré qu’Alphabot serait en mesure de préparer 95% des commandes en moins de huit minutes, avec un temps moyen de préparation de moins de cinq minutes.
Le modèle initial a ensuite été mis à jour et élargi pour comprendre l’impact de diverses solutions de rechange détaillées en conception. Le modèle a aidé Alert à déterminé lesquelles alternatives de conception se traduiraient par le plus grand retour sur investissement, ainsi qu’un meilleur dimensionnement du système pour les futurs magasins.
Walmart et Alert Innovation ont lancé une mise en œuvre pilote d’Alphabot dans un supercentre Walmart à Salem, dans le New Hampshire, ainsi qu’un magasin phare à Bentonville, Arkansas.
Regardez la vidéo d’Amy Brown Greer, Dr. Christian Hammel et John Lert présentant cette étude de cas à la conférence AnyLogic, ou télécharger la présentation.
