Problemstellung
Die Beraterfirma Sterling Simulation wurde von einem Pharmariesen beauftragt, ein Lieferkettenmodell zu erstellen. Der Kunde führte eines seiner Produkte in neue Märkte ein und wollte eine Umgestaltung seiner Lieferkette und ihrer Reaktion auf eine unsichere Nachfrage visualisieren. Das Ziel der Firma war es, die Lieferzeit bei einer Beibehaltung der Erfüllungsrate und einer Vermeidung von Auftragsrückständen oder entgangenem Umsatz zu reduzieren. Der Kunde benötigte ein flexibles Was-wäre-Wenn-Werkzeug für Risikominderungsanalysen.
Lösung
Der Kunde hatte zuvor ein ereignisorientiertes Lieferkettenmodell mit AnyLogic erstellt. Dem Modell fehlte es jedoch an Flexibilität, weil es nicht einfach an neue Bedingungen angepasst werden konnte. Ingenieure von Sterling Simulation boten eine Lösung an: Erstellung eines hybriden Modells, das agentenbasierte Lieferkettenkomponenten mit ereignisorientierten Prozessen kombiniert. Das neue Modell war einfacher zu konfigurieren und zu benutzen und erlaubte es, sowohl die Lieferkette selbst als auch die Prozesse innerhalb jeder Komponente zur Laufzeit zu erstellen.
Der Modellkern beinhaltete Agenten, die Folgendes darstellten:
- Produktionsanlagen, die einen oder mehrere Prozesse und geteilte Ressourcen beinhalteten.
- Produktionslinien, die Produktions- und Versandlogik umfassten.
- Schritte der Produktionsprozesse.
- Arten von Batches mit zuvor festgelegten Größen.
- Versandanfragen für Produktbatches.
Nach der anfänglichen Verarbeitung verwendete das Modell MRP Scheduling, um Produktionsanforderungen zu bestimmen. Die Nachfragevariabilität wirkte sich auf das Modell aus, da es Überschüsse oder Defizite des Mindestbestands erzeugte. Durch die Verwendung dieser Ergebnisse erreichten die Entwickler die obersten Ziele des Kunden, eine Befriedigung der Nachfrage und eine Reduzierung der finanziellen und betrieblichen Risiken.
Um zu bestimmen, ob produziert werden soll, berechnete das Modell die Summe der aktuellen Nachfrage und des gewünschten Mindestbestands. Falls das Ergebnis unter dem aktuellen Lagerbestands lag, wurde nichts produziert, andernfalls wurde für eine Erhöhung des Lagerbestands die Produktion gestartet.
Um das Modell zu überprüfen, konnte der Kunde die vorhandene Lieferkette nicht verwenden, da diese die neuen Märkte nicht enthielt. Unter Ausnutzung der Konfigurierbarkeit des Modells wurde dieses auf eine andere Lieferkette angewendet, für die Daten verfügbar waren. Hierdurch konnte gezeigt werden, dass die Logik des Modells richtig arbeitete.
Ergebnis
Das Modell demonstrierte, wie Techniken zur Reduzierung von Lieferzeiten den Lagerbestand in einem pharmazeutischen Modell reduzieren können. Die hybride Natur erlaubte es den Analysten, Lieferkettenkomponenten zu kombinieren, inklusive Produktionsanlagen und -linien mit Merkmalen von Produktions- und Versandflüssen, was das Modell sehr flexibel machte. Dies war hauptsächlich wegen den Multimethodenmodellierungsfähigkeiten von AnyLogic möglich, die agentenbasierte und ereignisorientierte Ansätze kombinieren. Aufgrund von AnyLogic wurde die Zeit zur Erstellung des Modells auch drastisch reduziert.
Um mehr Dynamik in das Lieferkettenmodell einzubeziehen und tiefergehende Experimente mit dem Modell durchzuführen, wollen die Firma und der Auftragnehmer das AnyLogic Modell nach anyLogistix, einer spezialisierten Software für den Entwurf und die Analyse von Lieferketten, überführen. Dieser Ansatz kann zu mehr Erkenntnissen für das leitende Management der Firma führen, auch falls die Lieferkette erweitert werden soll.
Projektpräsentation von Scott Hebert, Vizepräsident von Sterling Simulation: