Как имитационные модели помогают выстроить систему логистики: кейс Ozon

Руководитель направления имитационного моделирования Ozon Максим Низамов рассказывает о том, что такое цифровые двойники и как их использовать в развитии физической инфраструктуры логистики. Кейс был представлен на конференции Ai Stories. Как работает логистика в e-commerce. Для начала разберемся в том, как устроены процессы, которые предстоит моделировать. Как выглядит путь заказа в e-commerce: поставщики привозят товары на фулфилмент-фабрики, там их сначала принимают и раскладывают по полкам, а затем собирают в заказы, упаковывают и отправляют в сортировочные центры. Каждая фулфилмент-фабрика обслуживает определенные сортировочные центры, где коробки и пакеты с заказами получают курьеры и развозят в пункты выдачи, постаматы или к самим клиентам. В сутки на Ozon 2 млн человек выбирают из 2,5 млн товаров и делают более 100 тысяч заказов. И каждый из этих заказов мы должны доставить как можно быстрее, а для этого развиваем инфраструктуру логистики - фулфилмент-фабрики, сортировочные центры, сеть пунктов выдачи заказов и постаматов.

И здесь возникает множество вопросов как очевидных: в каких городах разместить логистические центры, так и тех, которые предусмотреть сложно: хватит ли мест на парковке сортировочного центра, сколько кладовщиков нанять, если четыре часа в сутки должны работать десять, а остальное время справятся и пять - и так далее. При чем тут модели. Имитационное моделирование - метод исследования, при котором система заменяется моделью, с достаточной точностью описывающей реальную систему (построенная модель описывает процессы так, как они проходили бы в действительности), с которой проводятся эксперименты с целью получения информации об этой системе. Именно возможность анализировать модель в действии отличает имитационное моделирование от других методов, например, от использования Excel или линейного программирования. Мы моделировали процессы в четырех областях: фулфилмент-фабрика, первая миля - путь посылок с фулфилмента на сортировочные центры, работа сортировочного центра, последняя миля - доставка посылок в постаматы, пункты выдачи заказов и к клиентам. Нам необходимо было учесть ограничения фулфилмента, перевозок первой мили, сортировочного центра и последней мили - сделать это в рамках excel-таблиц сложно, и всегда остается риск не учесть какие-либо факторы.

Как строится модель. Для построения модели, что очевидно, нужны данные - и в основе имитационной модели лежит информация о процессах. Поскольку все процессы на фулфилмент-фабриках Ozon отражаются в ИТ-системах, мы выгрузили логи по каждой операции. Один и тот же процесс, например, подбор товара, может занимать пять минут, а может - 15, поэтому мы строили распределения по времени для каждого процесса. Когда в модели создастся задание подобрать что-то - этот процесс займет сколько-то времени с вероятностью, заданной распределением. В своей работе мы использовали AnyLogic - один из самых продвинутых инструментов имитационного моделирования. Мы выбрали именно его из-за гибкости, наличия готовых отраслевых библиотек, интеграции с ГИС-картами и возможности запускать модели в облаке. Несмотря на то что большая часть процессов регламентирована, чтобы понять физические ограничения - например, ширину проходов между стеллажами или размер парковки, и максимально точно отразить их в модели, мы ездили на фулфилмент-фабрики и сортировочные центры и развозили заказы вместе с курьерами.

После того как модель готова, нужно проверить, насколько её поведение соответствует реальному - чтобы модель можно было использовать для принятия решений, точность совпадения должна составлять 95%. И как её использовать. Теперь можно менять вводные. Например, увеличить количество посылок, которые должен обработать фулфилмент (в реальности такой эксперимент провести сложно и рискованно). Дальше вступает в действие теория ограничений: как только исчезает одно узкое место, растет нагрузка на других этапах и появляются сложности, о которых раньше никто и не думал, потому что оно никогда не болело. Модели полезны как раз тем, что помогают увидеть такие проблемы и предусмотреть их решение. На следующем этапе модель можно оптимизировать - задать целевую функцию (все, что можно оцифровать) и разные способы оптимизации могут сказать, какой реальный максимум при текущих процессах и распределении времени может сделать склад или сортировочный центр. Кейс: как мы делили Москву. Год назад в Москве у Ozon было шесть сортировочных центров: два больших площадью 2-3 тысячи кв.м., и четыре маленьких - по 200-400 кв.м. Сейчас их семь, а через месяц будет девять - причем новые сортировочные центры будут площадью 4-5 тысяч кв.м.

В сезон площадь сортировочного центра будет утилизирована на 95%, поэтому нужно иметь сбалансированную систему, которая будет равно пропорционально загружена, чтобы потом не пришлось что-либо менять. Любое изменение инфраструктуры влечет за собой перенастройку множества систем - от работы фулфилмента до маршрутов курьеров. Цель моделирования - минимизация расстояния до клиента, если сортировочный центр далеко от точек доставки, курьер потратит время и бензин впустую. При этом важно привезти заказы вовремя - как только показатель онтайм снижается, повышается нагрузка на кол-центр, растет доля возвратов, расходы на обратную логистику и так далее. Важная особенность большого города - распределение заказов по районам и дням недели. Если в будние дни в бизнес-центры заказывают часто, то на выходных большая доля заказов приходится на спальные районы. Кроме того, сотрудники офисов выбирают время с 9 до 18, а вот дома заказ удобнее получить вечером в будний день или утром в субботу и воскресенье.

Это значит, что, во вторник в Москва Сити поедут два курьера на фургонах, а в субботу туда можно отправить одного на легковом автомобиле. И если отдать сортировочному центру центр Москвы, то по будням он будет перегружен, а по выходным - простаивать, а нагрузка ляжет на остальную инфраструктуру. Чтобы построить модель логистики в Москве, мы взяли распределения заказов по времени и геозонам, описание процессов работы курьера с учетом их длительности и даже вероятность, с которой курьер не успеет доставить заказы вовремя. Чтобы распределить зоны доставки между сортировочными центрами, курьеры ездили впустую меньше, а процент вовремя доставленных заказов был выше, мы меняли в модели зоны обслуживания, искали компромиссы. Насколько мы были правы, увидим в сезон - новый сортировочный центр откроется как раз к его началу. При каких условиях полезны модели. Моделирование можно использовать:
- когда учесть все ограничения в рамках простых инструментов невозможно и когда есть большой процент случайности. Так, со случайностями всегда связано человеческое поведение - в зависимости от опыта специалиста один и тот же процесс может занимать 5 или 25 минут;
- когда нужно протестировать сценарий, а в реальности сделать это слишком дорого или невозможно. Например, как изменятся пассажирские потоки, если изменить расписание рейсов в аэропорту - достаточно ли терминалов, стоек регистрации и зон досмотра;
- когда одни и те же люди в течение суток выполняют разные задачи. В грузовых терминалах портов одни и те же люди заняты на разгрузке, прибывающих по железной дороге контейнеров и загрузке судов;
- когда есть пиковая загрузка. Например, как должен работать светофор на перекрестке, если утром и вечером поток машин выше, причем утром большая их часть движется в одном направлении, а вечером - в противоположном.