蘇寧のデジタルツインプラットフォームが倉庫の効率向上に貢献

【51CTO.comオリジナル記事】

「物理システムのデジタルコピーを使用してリアルタイムで最適化する」— Söderberg

全国に24の物流センター、60の地域物流センター、1,105万平方メートルの倉庫面積を持つ蘇寧にとって、倉庫運営の効率性の向上とより迅速な配送の実現は常に蘇寧物流のたゆまぬ追求であった。

倉庫業務の効率を改善するために、業界ではさまざまなソリューションが開発されてきました。たとえば、商品の販売量に基づいてピッキング場所が割り当てられ、最も頻繁にピッキングされる商品がピッキングテーブルに最も近い場所に配置されます。また、顧客の注文が分割されてグループ化されるため、ピッキング時に同じ棚エリアを訪れる回数が減ります。さらに、倉庫が分割されるため、ピッキング注文のグループを完了するために倉庫中を走り回ることがありません。上記の方法はすべて、ピッキング時にピッキング担当者が歩く距離を短縮し、ピッキングの効率を向上させることを目的としています。

ただし、ピッキングは倉庫業務の一部にすぎません。倉庫業務には、倉庫保管、棚入れ、保管、補充、仕分け、梱包、出荷も含まれます。実際、これらのリンク間には強い相互影響があり、1 つのリンクの改善と最適化によって別のリンクのパフォーマンスが犠牲になり、全体的なパフォーマンスが低下する可能性もあります。例えば、商品が入庫時に一番近い棚に置かれると、商品を棚に置く作業の効率は上がりますが、ピッキングや補充の効率が低下する可能性があります。

システムシミュレーションからデジタルツインへ

したがって、倉庫管理などの複雑なシステムを最適化する場合、システム内の代替運用戦略の有効性を評価する必要がありますが、これは多くの場合、実験を通じてのみテストできます。ただし、実際のシステムで実験を実施すると、システムの正常な動作が妨げられ、コストがかかる可能性があります。さらに、倉庫活動の各リンクには複数の戦略またはアルゴリズムから選択でき、各戦略またはアルゴリズムには決定する必要のある異なるパラメータがあるため、さまざまな組み合わせが可能です。最適な戦略の組み合わせを見つけるには、多くの実験が必要になる場合がありますが、実際のシステムではそれが実行できないことがよくあります。

このような場合、システムシミュレーションは適切なアプローチとなることがよくあります。システム シミュレーションでは、システム モデルに対する実験を使用して、システムの動作や特性を実証および調査します。機械、電気、化学、水利、生産、物流、輸送、通信、経済、金融、気象、環境など、さまざまなシステムの設計と改善に広く使用されています。

従来のシミュレーション研究は、主にコンサルティング業務を対象としています。特定のシステムに従って、技術者がプロセス研究とデータ分析を行い、対応するシミュレーションモデルを手動で構築し、シミュレーション実験を行って最適化ソリューションを取得し、それを運用にフィードバックして実行します。蘇寧は全国に約100の物流センターを構えており、従来のシミュレーションの考え方に従ってシミュレーションモデルを一つ一つ手作業で構築すると、初期のモデリングに多くの人的資源と物的資源が必要になるだけでなく、その後のメンテナンスコストも莫大なものになります。

従来のシミュレーション方法の欠点に対応するため、学界と産業界が共同でデジタルツインの概念を提案しました。デジタルツインという用語は、2010年にアメリカ航空宇宙局（NASA）が発表したレポート[1]にまで遡ることができ、シミュレーションベースのシステムエンジニアリングの開発方向であるとみなされていました。それ以来、デジタルツインの概念は産業界や学界で急速に普及し、ガートナー社によって4年連続でトップ10の戦略的開発技術の1つに挙げられています。

デジタルツインには多くの定義があります。私が好む定義の1つは、「リアルタイムの最適化のために物理システムのデジタルコピーを使用する」というものです[2]。この定義は、デジタル ツインが物理システムのデジタル モデルであることを明確にするだけでなく、その役割がシステムのリアルタイム最適化を実行することであることも明らかにします。従来のシミュレーション モデリング手法と比較すると、デジタル ツインの特徴は次のとおりです。

• デジタルツインでは、収集された情報に基づいてシステムによってデジタルモデルが自動的に生成されますが、従来のシミュレーションモデルは通常手動で開発されます。
• デジタル ツインはシステムの現在の状態と過去の状態を反映しますが、従来のシミュレーション モデルは通常、過去の一定期間にわたるシステムの全体的な特性を反映します。

蘇寧デジタルツインプラットフォーム

上記のコンセプトに基づいて、Suning Artificial Intelligence R&D CenterとSuning Logistics Research Instituteが共同でSuning Digital Twin Platformを開発しました。 Suningのデジタルツインプラットフォームは、物理システムからデジタルツインへのマッピングを実現し、システムの最適化要件に応じてシミュレーションモデルを自動的に生成し、シミュレーション実験を実行し、シミュレーションの最適化を行い、最適化結果を物理システムにフィードバックすることで、物理システムとデジタルツインの間の閉ループを完成させます。

図1: 蘇寧のデジタルツインプラットフォームの全体アーキテクチャ

Suning のデジタル ツイン プラットフォームの全体的なアーキテクチャを図 1 に示します。システム最適化の実際のニーズに基づいて、物理システムのリアルタイムのデジタルイメージを保存せず、代わりに、物理システムの情報を毎日一定の間隔で抽出して、物理システムの毎日のデジタルツインスナップショットを形成します。最適化の要件がある場合、戦略オプティマイザーは、手動構成または最適化アルゴリズムに基づいて戦略アルゴリズムライブラリから一連の戦略アルゴリズムを選択し、選択されたデジタルツインスナップショットとともにシミュレーションモデルジェネレーターを介して対応するシミュレーションモデルを生成し、そのモデルをシミュレーターに注入してシミュレーション実験を実行します。戦略オプティマイザーは、シミュレーション実験の結果に基づいて新しい戦略アルゴリズムの組み合わせを生成し、満足のいく最適化ソリューションが得られるまで新しいラウンドのシミュレーション反復を実行します。最適ソリューションにおける運用戦略は、システムのフロントエンドを通じてシステムの運用管理担当者にフィードバックされ、対応するアルゴリズムとパラメータが生産システムに接続されます。

大規模倉庫における蘇寧デジタルツインプラットフォームの実践

長年の開発を経て、Suningは完全なサプライチェーンと全国規模の倉庫・配送物流ネットワークを構築しており、Suningのデジタルツインプラットフォームは物流とサプライチェーンの管理と最適化に大きな価値をもたらすことができます。すべてのシナリオとチェーン全体の総合的な計画を総合的に考慮した結果、まずは大規模倉庫部門にデジタルツインプラットフォームを導入することを選択しました。

（１）生産システムのデジタルツインへのマッピング

生産システムをデジタル ツインにマッピングするには、空間マッピング、プロセス マッピング、データ マッピングという 3 つのマッピングの側面が含まれます。

空間マッピングの観点から見ると、大規模な倉庫管理は主に倉庫内の施設のレイアウトに反映されます。倉庫内の設備のレイアウトがほとんど変わらないことを考慮すると、IoT テクノロジを使用して情報を収集するコスト効率は非常に低くなります。フロントエンドのビジュアル インターフェイスを通じてデータを手動で入力して、物理的な倉庫からデジタル ツインへの空間マッピングを生成することを選択しました (図 2 を参照)。

プロセスマッピングでは、大規模倉庫業務プロセスを入庫、ピッキング、シフトの3種類のプロセスに抽象化し、シミュレーションモデルジェネレータが呼び出すプロセスコンポーネントライブラリを形成し、入庫、棚入れ、ピッキング、補充、仕分け、出荷など、大規模倉庫業務の全プロセスをサポートします。

データ マッピングには主に、倉庫管理システム (WMS) とビッグ データ プラットフォーム間の定期的なデータ交換から得られる在庫状況、ジョブ タスク、ジョブ リソースなどの情報が含まれます。

図2: 空間マッピング構成インターフェース

（２）ウェアハウス戦略とそれに対応するアルゴリズム

デジタルツインプラットフォームを構築する目的は、大規模倉庫の運用を最適化することです。そのため、商品の分類、貨物スペースのレイアウト、貨物スペースの割り当て、注文のバッチ処理、補充などの問題を含む、一般的な倉庫運用戦略をプラットフォームに統合しました（図3）。問題の種類ごとに複数の戦略から選択できます。デジタル ツイン プラットフォームを使用すると、一連の戦略を手動で選択し、対応するパラメータを指定して、倉庫最適化ソリューションのシミュレーション評価を実行できます。また、シミュレーション最適化アルゴリズムを使用して、戦略とパラメータを自動的に選択して最適化することもできます。

図3: 一般的な倉庫運営戦略

（３）パフォーマンス分析とシステムの可視化

大規模倉庫の場合、当社が主に重視する業績指標としては、総作業時間、総作業距離、作業完了時間、作業種別ごとの作業時間・作業距離、各荷役班・各設備の稼働率などが挙げられます。デジタル ツイン プラットフォームの助けを借りて、シミュレーションを通じて実際の物理システムで実行される代替戦略とアルゴリズムのパフォーマンスを取得し、これを使用してシステムの最適化計画を決定することができます。

デジタルツインプラットフォームの助けを借りて、物理システムも視覚化しました。図4は、物理システム内の各保管棚内の商品に対応するABC分類と、各棚通路の混雑状況を示しています（実際のシステムでは保管棚の数が非常に多いため、画像の表示効果を確保するために、ここでは模式図を示しています）。物理システムの視覚的な表示により、倉庫管理者やオペレーターは倉庫内の問題や改善すべき領域をより直感的に特定できるようになります。

図4：ピッキング場所における実際の商品の分布（模式図）

要約と展望

蘇寧のデジタルツインプラットフォームは、まず大規模倉庫部門に導入され、受領、入庫、ピッキング、収集、補充、仕分けなどの倉庫業務プロセス全体を考慮し、蘇寧の大規模物流センター向けにグローバル最適化ソリューションを提案している。南京大規模物流センターを例に挙げると、プラットフォームが推奨する戦略計画を実施した後、倉庫全体の運営効率が15％以上向上しました。効率を向上させると同時に、各リンクと各エリアのリソース投入が合理的に最適化され、割り当てられることで、リソース投入量が大幅に削減され、倉庫運営の効率向上とコスト削減の目標を達成しました。

デジタル ツイン プラットフォームの開発を通じて、デジタル ツインに関するいくつかの新たな理解が得られました。

（１）多くの複雑なシステム最適化シナリオでは、物理システムと完全に同期した理想的なデジタルツインを構築する必要はありません。アプリケーションの実際のニーズ、現在の技術能力、システムの入出力などに基づいて、適切なデジタルツインテクノロジーソリューションを選択できます。デジタルツインには IoT や 5G は必要ありません。

（２）デジタルツインプラットフォームは、物理システムのデジタルツインを構築し、シミュレーションモデルを自律的に生成し、シンプルで使いやすいソリューション構成インターフェースを提供することで、シミュレーションの最適化は技術者のみが実行できるという制限を変えます。従来のシミュレーションモデリング技術と比較して、デジタルツインプラットフォームはシミュレーションモデリングの効率を大幅に向上させ、シミュレーション最適化の適用しきい値を下げました。

デジタルツインの応用はまだ始まったばかりです。人工知能、産業インターネット、仮想現実などの技術の発展とともに発展し、最終的には生産と生活の隅々にまで統合され、大きな価値を生み出すでしょう。

[1] Shafto, M., et al. (2010). 「技術領域12: モデリング、シミュレーション、情報技術および処理ロードマップ草案」アメリカ航空宇宙局 (NASA).

[2] Söderberg, R., et al. (2017). 「個別生産におけるリアルタイム形状保証のためのデジタルツインに向けて」CIRP Annals, 66(1), 137–140.

著者について:

蘇寧テクノロジーグループの人工知能研究開発センターのオペレーション最適化責任者である曹慧氏は、オペレーションズ・リサーチ、統計、機械学習、システムシミュレーション、ビッグデータなどの技術的手法を組み合わせて、物流、サプライチェーン、マーケティングなどの分野のデジタル化を実現するインテリジェントなアプリケーションとプラットフォームの構築に取り組んでいます。科学技術部、国家自然科学基金委員会などの国家省庁や委員会から数多くの科学研究プロジェクトを引き受け、サプライチェーン管理、インテリジェント製造、物流システム最適化などの分野で国内外の多くの著名な企業や機関と数多くの科学研究協力を実施し、関連分野の世界クラスの国際ジャーナルに10本以上の学術論文を発表しています。

[51CTO オリジナル記事、パートナーサイトに転載する場合は、元の著者とソースを 51CTO.com として明記してください]