Cyfrowy bliźniak magazynu - prognoza zatorów przed rampami w czasie rzeczywistym

Cyfrowy bliźniak magazynu - co modeluje przy rampach

Kierowcy stoją w kolejce, personel nie wie, którą dostawą zająć się najpierw, a opóźnienie w jednym miejscu przenosi się na kolejne okna. Przyczyną bywa brak wspólnego obrazu placu: awizacje są w jednym systemie, pozycje pojazdów w głowie ochrony, a stan rozładunku na tablicy przy rampie. Cyfrowy bliźniak magazynu ma ten obraz połączyć w jeden model, który odpowiada nie tylko na pytanie, co dzieje się teraz, lecz także co stanie się za czterdzieści minut.

Model jest wirtualną kopią placu manewrowego, na którym stoją rampy i pojazdy, aktualizowaną na podstawie danych z obiektu. Nie jest statycznym planem hali. Odwzorowuje stan z danej minuty: który pojazd stoi przy bramie, która rampa jest zajęta i ilu pracowników obsługuje rozładunek. Ogólną ideę takich modeli opisuje dokumentacja Azure Digital Twins jako platformy do tworzenia cyfrowych odwzorowań całych środowisk, a w logistyce placu ta sama zasada sprowadza się do kilku rodzajów obiektów i zdarzeń.

Różnice między bliźniakiem, symulacją a monitoringiem

Trzy narzędzia często się mylą, choć odpowiadają na różne pytania. Monitoring pokazuje stan bieżący, symulacja testuje scenariusze na zadanych założeniach, a bliźniak łączy stan bieżący z prognozą opartą na tych samych danych, które zasilają system operacyjny.

Reguła: prognoza zatoru ma sens tylko wtedy, gdy do ostrzeżenia dołączona jest decyzja, którą dyspozytor może jeszcze wykonać.

Źródła danych zasilające model

Model zasila kilka strumieni danych jednocześnie, a jakość prognozy zależy od najsłabszego z nich. Każdy strumień odpowiada innej części modelu i ma inne opóźnienie.

Harmonogram pochodzi z aplikacji awizacyjnej, a bieżące dane o zajętości miejsc oczekiwania z wizualizacji zajętości miejsc parkingowych. Rolę zapisu zdarzeń między systemami, czyli kiedy pojazd dotarł i kiedy zakończono obsługę, opisuje artykuł o roli YMS w łańcuchu dostaw.

Opóźnienie i waga źródeł

Źródła różnią się nie tylko dokładnością, lecz także wiekiem informacji. Odczyt z bramki ANPR jest dostępny w sekundę po zdarzeniu, awizacja powstaje dzień wcześniej, a wpis ręczny bywa uzupełniany po kilkunastu minutach. Model powinien przypisywać świeższym danym większą wagę i oznaczać wartości, których nie może potwierdzić drugim źródłem.

Jakość znaczników czasu

Najważniejszym polem w danych jest rzeczywisty czas rozpoczęcia i zakończenia rozładunku. Jeżeli system zapisuje go ręcznie po fakcie, historia obsługi jest zaniżona lub zawyżona, a prognoza dziedziczy ten błąd. Bramka ANPR, która odczytuje numer rejestracyjny, skraca ścieżkę: system porównuje numer z awizacjami i otwiera przejazd tylko dla pojazdu z zaplanowaną wizytą. Kolejki wjazdów przed bramą przedstawia artykuł o systemie kolejkowym wjazdów na teren zakładu.

Drugim ryzykiem jest luka w danych. Gdy czujnik przy rampie przestaje działać, model powinien zasygnalizować brak sygnału, a nie zakładać, że rampa jest wolna. Fałszywie wolna rampa daje prognozę zbyt optymistyczną i ostrzeżenie przychodzi za późno.

Prognoza zatoru - jak model liczy kolejkę

Algorytm porównuje tempo obsługi z przepustowością dostępnych ramp i szacuje, czy w najbliższym czasie dojdzie do spiętrzenia pojazdów. Podstawą jest bilans w slocie: liczba pojazdów, które przyjadą, minus liczba, którą rampy zdołają obsłużyć. Nadwyżka przechodzi do następnego slotu jako zaległość, a niewykorzystana przepustowość przepada.

Ten mechanizm da się zapisać w T-SQL rekurencyjnym wyrażeniem CTE, opisanym w dokumentacji jako WITH common_table_expression. Przykład (nazwy tabel ilustracyjne):

WITH Sloty AS (
    SELECT ROW_NUMBER() OVER (ORDER BY Slot) AS Nr, Slot, Przyjazdy, Przepustowosc
    FROM dbo.ObciazenieSlotow
    WHERE Data = @Data
),
Kolejka AS (
    SELECT Nr, Slot,
           CASE WHEN Przyjazdy > Przepustowosc THEN Przyjazdy - Przepustowosc ELSE 0 END AS Zaleglosc
    FROM Sloty
    WHERE Nr = 1
    UNION ALL
    SELECT s.Nr, s.Slot,
           CASE WHEN k.Zaleglosc + s.Przyjazdy > s.Przepustowosc
                THEN k.Zaleglosc + s.Przyjazdy - s.Przepustowosc ELSE 0 END
    FROM Kolejka AS k
    JOIN Sloty AS s ON s.Nr = k.Nr + 1
)
SELECT Slot, Zaleglosc FROM Kolejka ORDER BY Nr OPTION (MAXRECURSION 100);

Długość slotu jest parametrem modelu: krótszy slot, na przykład 15 minut, wychwytuje krótkotrwałe piętrzenia, ale daje bardziej niestabilne ostrzeżenia, a dłuższy uśrednia obciążenie i może przegapić zator, który trwa niecałą godzinę. Dla przykładu liczbowego (dane ilustracyjne): w slocie 08:00 mają przyjechać trzy pojazdy, a dwie rampy obsłużą dwa, więc zaległość wynosi jeden. W slocie 08:30 przyjeżdżają dwa pojazdy i zaległość nadal wynosi jeden. Dopiero w slocie 09:00, przy jednym pojeździe, kolejka się wyczerpuje.

Co dyspozytor robi z ostrzeżeniem

Ostrzeżenie z wyprzedzeniem daje czas na cztery rodzaje reakcji. Wybór zależy od tego, czy zator wynika z nadmiaru awizacji, czy z przeciągającego się rozładunku.

• Przesunięcie rezerwacji - jedno z okien w przeciążonym slocie trafia na wolny termin, uzgodniony z przewoźnikiem.
• Zmiana rampy - pojazd jest kierowany do doku, który obsługuje ten sam typ towaru, ale ma zapas przepustowości.
• Dodatkowa obsada - do rozładunku, który się przeciąga, dochodzi kolejna osoba albo wózek.
• Informacja dla kierowcy - pojazd zatrzymany przed bramą dostaje przewidywany czas oczekiwania.

Taka predykcja różni się od zwykłego monitoringu tym, że nie pokazuje wyłącznie stanu placu, lecz symuluje jego najbardziej prawdopodobny przebieg w kolejnych minutach. Dokładność zależy od jakości danych oraz od tego, czy czas obsługi w modelu odpowiada rzeczywistemu, dlatego bliźniak wymaga cyklicznej kalibracji na danych z ostatnich tygodni.

Zarządzanie placem manewrowym w systemie YMS

System klasy YMS pełni rolę warstwy operacyjnej, na której działa model. Zakres takiego systemu wraz z różnicami względem WMS opisuje artykuł o systemie YMS, a przydział doków i czasu obsługi - tekst o zarządzaniu dokami w magazynie. Centralnym elementem jest awizacja dostaw prowadzona online: przewoźnicy rezerwują terminy samodzielnie w wyznaczonych oknach czasowych, dzięki czemu pracownicy magazynu z góry wiedzą, czego się spodziewać.

Według opisu produktu Studio VSS.net wspiera zarządzanie placem w czasie rzeczywistym. Gdy transport się opóźni, system może zaproponować przesunięcie rezerwacji i wskazać inne wolne okno czasowe, a komunikacja z kierowcami odbywa się przez powiadomienia SMS albo aplikację mobilną. Zakres modułu awizacji opisuje artykuł o awizacjach w VSS.net, a mechanizm rezerwacji - strona o zarządzaniu oknami czasowymi VSS.net.

ANPR i obsługa bramy

Kamery zainstalowane na bramie odczytują tablice rejestracyjne, a system sprawdza, czy pojazd ma zaplanowaną wizytę. Jeśli tak, przejazd otwiera się automatycznie, a kierowca otrzymuje na telefon wskazówkę, na które miejsce postojowe lub do której rampy ma jechać. Automatyzacja skraca obsługę na bramie i zmniejsza udział ochrony w rutynowych czynnościach. Z punktu widzenia bliźniaka to najdokładniejszy znacznik czasu przyjazdu, jaki można uzyskać bez udziału człowieka.

Integracja z systemami WMS i ERP

Po zatwierdzeniu awizacji system WMS może przygotować miejsce na przyjęcie towaru, a po zakończeniu rozładunku informacja zwrotna trafia do ERP, gdzie aktualizuje stany magazynowe. Ręczne wpisywanie danych znika, a wraz z nim część błędów. Mechanizm przekazywania awizacji w konkretnym produkcie przedstawia artykuł o łączeniu VSS z WMS i ERP przy przyjęciach.

Podział pracy przy załadunku i rola algorytmów

Zarządzanie oknami załadunkowymi bez wsparcia systemu prowadzi do przestojów, bo zadania są przydzielane na bieżąco i z niepełnymi danymi. Algorytmy analizują dane z awizacji i na tej podstawie tworzą dynamiczny harmonogram pracy, co pozwala ograniczać zatory. Przepływ zadań jest planowany z wyprzedzeniem, a nie tylko korygowany po fakcie.

Po integracji YMS z WMS operator wózka widłowego dostaje polecenia na terminalu mobilnym. Rola człowieka pozostaje potrzebna, ale jego praca jest ukierunkowana przez system. Ogólne mechanizmy wykorzystania sztucznej inteligencji w magazynie opisuje artykuł o AI w logistyce magazynowej, a dopasowanie okien do pojemności doków - tekst o rezerwowaniu doków magazynowych.

Scenariusz dnia z przeciążoną rampą

Poniższy scenariusz jest ilustracją mechanizmu, a nie opisem konkretnego obiektu. Plac ma dwie rampy przypisane do dostaw paletowych, a na godzinę 08:00 potwierdzono trzy awizacje.

Godzina przed przyjazdem

O 07:00 model porównuje trzy potwierdzone awizacje z przepustowością dwóch ramp i widzi zaległość jednego pojazdu. Jednocześnie historia obsługi jednego z przewoźników wskazuje, że jego rozładunki przeciągają się względem okna. Ostrzeżenie trafia do dyspozytora z propozycją przesunięcia najmniej pilnej dostawy na slot 09:00, w którym zaległość wynosi zero.

Dyspozytor sprawdza w kalendarzu, czy przewoźnik z późniejszą dostawą ma zapas czasu w planie trasy, i potwierdza zmianę. System zapisuje ją razem z przyczyną i wysyła kierowcy nowy termin. Pojazd, który wcześniej czekałby na placu, w ogóle nie zjawia się o 08:00.

Godzina po zdarzeniu

Po zakończeniu dnia model porównuje przewidzianą kolejkę z rzeczywistą. Jeśli różnica w kilku slotach jest jednokierunkowa, oznacza to błąd w czasie obsługi zapisanym w modelu, a nie pechowy dzień. Kalibracja polega wtedy na przeliczeniu średniego czasu rozładunku dla danego przewoźnika i typu towaru na najnowszej historii.

Wdrożenie modelu etapami

Bliźniak wymaga danych, których część firm dopiero zaczyna zbierać, więc uruchamianie w jednym kroku zwykle się nie udaje. Praktyczna kolejność obejmuje cztery etapy:

1. Zapis czasów zdarzeń - czas wjazdu i wyjazdu oraz czas rozładunku rejestrowane automatycznie przez bramkę albo skan.
2. Bilans slotów w raporcie - zestawienie przyjazdów i przepustowości bez prognozy, sprawdzane przez dyspozytora.
3. Ostrzeżenia z propozycją działania - wysyłane tylko wtedy, gdy zaległość przekracza ustalony próg.
4. Kalibracja i automatyczne propozycje zmian - dopiero po kilku tygodniach potwierdzonej zgodności prognozy z rzeczywistością.

Kolejność ma znaczenie, bo ostrzeżenia oparte na niezweryfikowanych czasach obsługi szybko tracą zaufanie zespołu. Po kilku fałszywych alarmach dyspozytorzy przestają na nie reagować, nawet gdy model zaczyna działać poprawnie.

Wskaźniki oceny i ograniczenia modelu

Bliźniak, który nie jest oceniany, po kilku miesiącach przestaje być wiarygodny. Ocena wymaga stałych wskaźników zapisanych przed uruchomieniem. Raporty na danych systemu pozwalają je śledzić bez ręcznych zestawień.

Próg ostrzeżenia trzeba dobrać do kosztu fałszywego alarmu. Zbyt niski próg zasypuje dyspozytora komunikatami o zaległości jednego pojazdu, którą rampa wchłonie w następnym slocie. Zbyt wysoki wysyła ostrzeżenie dopiero wtedy, gdy kierowcy stoją już przed bramą. Wartość początkową warto ustawić konserwatywnie i obniżać ją, gdy błąd prognozy z ostatnich tygodni pozostaje niewielki.

Model nie przewidzi zdarzeń, których nie widzi w danych, takich jak awaria bramy czy wypadek na dojeździe. Tam, gdzie przyczyną zatoru jest zdarzenie losowe, prognoza może być tylko tak dobra jak sygnał, który do niej dotrze. Ostrzeżenie warto więc opatrywać poziomem pewności, a kalibrację powtarzać co kilka tygodni na aktualnej historii obsługi. Zakres wdrożenia systemu YMS, w tym role i awizacje, opisuje strona YMS24.