Modelización jerárquica de simulación de centros de distribución

El desafío

por Dusan Sormaz y Mandvi Malik (Universidad de Ohio)

Tal y como se presentó en la Conferencia de Simulación de Invierno de 2017

La preparación de pedidos es la operación más cara en un centro de distribución. Debido a una gran cantidad de mano de obra utilizada en la preparación de pedidos, el coste asociado a la mano de obra es alto. El objetivo de este trabajo es construir un modelo de simulación que ayude a los gestores de los centros de distribución a prever su rendimiento optimizando la configuración de los trabajadores. La investigación utiliza un enfoque jerárquico para construir un modelo de simulación. El modelo de simulación se divide en pequeños submodelos. Los submodelos son completamente independientes entre sí. Los submodelos pueden combinarse para crear varios modelos completos diferentes. En esta investigación, los submodelos se utilizan para construir un modelo de simulación de un centro de distribución industrial real. A continuación, el modelo se ejecuta durante veinticuatro horas y los resultados se comparan con el modelo de simulación plano del mismo centro de distribución.

Introducción

La simulación se ha convertido en una potente técnica utilizada por las empresas de la cadena de suministro como herramienta de apoyo a la toma de decisiones [1]. La simulación tiene muchas ventajas en la cadena de suministro, ya que puede ayudar a identificar los cuellos de botella y a realizar experimentos para minimizar el riesgo de cambios [2]. El objetivo de esta investigación es construir un modelo de simulación que pueda ser reutilizado para realizar diferentes modelos de centros de distribución. El modelo se construye utilizando Simio [3].

Existen dos enfoques para resolver un problema en Simio. El primer enfoque consiste en crear un modelo en el que la lógica del flujo de entidades se realiza por separado para cada objeto y se repite para cada objeto similar. Este modelo se denomina modelo de simulación plano que utiliza objetos estándar. Un segundo enfoque es un enfoque jerárquico que consiste en dividir el problema en varios subproblemas pequeños. En el enfoque jerárquico, se crea una biblioteca de submodelos. Los submodelos se utilizan como objetos para crear un modelo completo. Los submodelos pueden reutilizarse para crear otro modelo. El presente documento utiliza el enfoque jerárquico. Las ventajas de crear un modelo de simulación utilizando un enfoque jerárquico frente a un modelo de simulación plano son las siguientes [4]:

• Se pueden incluir todas las opciones para resolver un problema, lo que no es posible en un modelo de simulación plano,
• La validación y verificación se realizan más rápidamente y son más fiables, ya que la lógica se probaría en pequeños niveles de submodelo,
• Las modificaciones del modelo se realizan más rápidamente,
• A través de múltiples modelos y diferentes enfoques para el diseño del modelo, podemos llegar a construir mejores modelos en el futuro.

Para nuestro estudio, la aplicación del enfoque jerárquico permite obtener las siguientes ventajas:

• El modelo de bajo nivel puede reutilizarse para diferentes configuraciones del centro de distribución,
• Los modelos de componentes pueden utilizarse para otras políticas de llegada de pedidos,
• La verificación de los modelos de componentes individualmente permite un desarrollo más rápido del modelo.

La solución

Metodología

Para hacer un modelo de simulación del centro de distribución, el primer paso es hacer submodelos potenciales para las operaciones de picking en un centro de distribución. Esta investigación se centra en la estrategia de picking por zonas. En la estrategia de picking por zonas un trabajador es asignado a una zona y recoge los artículos de su zona. Un pedido puede tener artículos en varias zonas. La hipótesis utilizada en el diseño del modelo es que el centro de distribución está dividido en varias zonas. Hay niveles en el centro de distribución que contienen múltiples zonas. Hay torres que se componen de múltiples niveles. Un contenedor con un código de barras etiquetado llegará a una torre sólo si hay artículos que recoger de esa torre. Los operarios preparan los pedidos en las zonas. Hay cintas transportadoras para mover los contenedores de una ubicación a otra en el centro de distribución.

Los posibles submodelos creados son zona, nivel, torre, entreplanta, envío y submodelo de llegada. En este documento se describen los submodelos básicos. Éstos se definen a continuación:

• Submodelo de zona: Se crea un submodelo de zona de dos lados utilizando dos servidores. La lógica definida en el submodelo de zona es que un contenedor se dirigirá a una zona desde el transportador central si hay artículos que recoger en esa zona. Los contenedores se modelan como entidades padre que transportan artículos individuales pedidos, y cada artículo tiene propiedades que definen su ubicación en el centro de distribución. Se crearon las siguientes propiedades: ubicación de zona, tiempo de picking y trabajadores de zona. El tiempo de picking y la propiedad trabajadores se definirían en el modelo completo.
• Submodelo de nivel: Un submodelo de nivel se construye combinando varios submodelos de zona. Este modelo hereda todas las propiedades del submodelo de zona. La propiedad localización de zona se define aquí, esta propiedad proporcionaría un número de identificación a una zona en un nivel.
• Submodelo de torre: Un submodelo de torre se crea combinando varios niveles. La ubicación de nivel definida aquí es la misma que la ubicación de zona. En este modelo se define la lógica de un tote para llegar a un nivel en una torre. Se crea una propiedad de ubicación de torre. La figura 1 muestra los pasos para construir un submodelo de torre.
• Submodelo de torre de picking: Un submodelo de torre de picking se crea combinando varias torres. En este modelo se define la lógica de la unidad/carpeta que entra en una torre. La propiedad de ubicación de la torre también se define en este modelo.
• Modelo de Llegada: El modelo de llegada se crea para modelar la asignación de pedidos a totes. Define el número de artículos en un tote, utilizando una distribución empírica, y la política de clasificación del orden de picking de los artículos. Este modelo suele configurarse mediante datos históricos. Estos modelos se incorporan al modelo de nivel superior que se muestra en la Figura 2 y se explica en la sección siguiente.

El impacto empresarial

Caso práctico

Tras crear los submodelos, se realizó un modelo de simulación completo de un centro de distribución situado en Columbus, Ohio (Figura 2). Sormaz et. al [5] han realizado una simulación plana para el mismo centro de distribución. El centro de distribución tiene tres torres. Cada torre tiene tres niveles y cada nivel tiene ocho zonas. También hay un entresuelo con seis zonas. La simulación completa se realizó combinando los submodelos de torre de picking, entreplanta, torre de expedición y llegada. Las propiedades que se definieron en este modelo son el tiempo de picking, el número de trabajadores y el tiempo de embalaje.

Resultados

El modelo jerárquico se ejecutó durante veinticuatro horas y los resultados se compararon con el modelo de simulación plano de [5] del mismo centro de distribución. La tabla 1 presenta los resultados del modelo de simulación plano y del modelo jerárquico. Los resultados son comparables. Por lo tanto, el modelo es válido.
Tabla 1: Resultados de simulación del modelo de simulación plana y del modelo de simulación jerárquica (HM)

Conclusión

El modelo jerárquico presentado ayudaría al personal del centro de distribución a prever su rendimiento mediante la configuración de la población de trabajadores. La creación de modelos de componentes facilitó la verificación de la lógica del modelo, ya que cada submodelo se probó de forma independiente antes de utilizarlo en el modelo de nivel superior. El modelo de simulación se limita actualmente a la operación de picking y el trabajo futuro del modelo incluiría otras operaciones del centro de distribución. La construcción de un modelo jerárquico redujo el tiempo de implementación del modelo en un 40%.