Dr. Ola Johansson Lunds Tekniska Högskola 2010-10-12 · 2010-10-19 · Lunds universitet/Institutionen för designvetenskaper/Avdelningen för förpackningslogistik/2010-10-12 Slutsatser

Värdet av intelligenta förpackningar- Ett logistiskt perspektiv

Dr. Ola JohanssonLunds Tekniska Högskola

2010-10-12

Lunds universitet/Institutionen för designvetenskaper/Avdelningen för förpackningslogistik/2010-10-12

Förpackningar…

Smarta ???Aktiva ???Intelligenta ???


Vad är värdet av intelligenta förpackningar?


Studier och publikationer1. Supply chain integration obtained through uniquely labelled goods

– A survey of Swedish manufacturing industriesInternational Journal of Physical Distribution & Logistics Management, 39 (1) 2009.

2. The impact of Auto-ID on logistics performance – A benchmarking survey of Swedish manufacturing industriesBenchmarking: An International Journal. 16 (4) 2009.

3. The effect of asset visibility on managing returnable transport itemsInternational Journal of Physical Distribution & Logistics Management, 37 (10) 2007.

4. The impact of control strategies on the management of returnabletransport itemsTransportation Research Part E: Logistics and Transportation Review, 2010.

5. The effect of dynamic scheduling and routing in a solid waste management systemInternational Journal of Integrated Waste Management, Science and Technology, 26 (1) 2006.


• Enkätstudie skickad till 310 tillverkande företag i nio branscher.

• Svarsfrekvens: 49.8%• Fokus på system för att ge gods på olika nivåer ”unika

identiteter”, t ex genom streckkoder eller RFID• Frågeområden:

– Motiv till införandet av system– Hur systemet används intern och externt– Hur systemet påverkat logistisk effektivitet – Planer för framtiden

Intelligenta förpackningar i Svensk tillverkningsindustri


Intelligenta förpackningar i svensk tillverkningsindustri• Intelligenta förpackningar är ovanliga (4.6%

använder RFID)• Dock stort intresse för intelligenta förpackningar

(23% funderar på att implementera RFID inom de närmsta åren)

• Svagt stöd för hypotesen att intelligenta förpackningar resulterar i bättre logistisk effektivitet

• Logistisk effektivitet förbättras av informationsdelning både när det gäller frekvens och omfång, vilket stöds av intelligenta förpackningar


Ton/km2

< 22 - 55 - 10

10 - 2020 - 5050 - 100

100 - 200> 200

GothenburgJönköping

Arla Foods

Logistikfakta• Direktdistribution till ca

14’000 kunder• Ledtid mellan 4-24 timmar• Distributionscentralerna är

operativa 24 timmar/dygn, 7 dagar i veckan

• >120’000 rullcontainers




Simuleringsmodell

Baserat på RFID-data med mer än 340’000 transaktioner under 8 månaders tid


A. FörväntatHur Arla Foods förväntade sig att systemet skulle fungera om inget RFID-systemet introducerades samtidigt med rullcontainern

B. VerkligtHur Arla Foods systemet verkligen fungerar baserat påinsamlad data från RFID-systemet

C. PotentielltHur Arla Foods systemet skulle kunna fungera om RFID-systemet kombineras med korrekt reaktivt och proaktivt beteende för att kontrollera systemet

Scenarios


Investeringar Scenarios A B C Investment costs Roll containers 348,000 348,000 149,400 Tracking system* 0 18,750 18,750Total investments 348,000 366,750 168,150

52% reduktion i investeringar


Totalkostnad Scenarios A B C Operating costs Replacement 69,600 51,504 17,784 Repair and maintenance 7,371 7,371 7,371 Warehousing and handling 89,651 89,651 89,651 Tracking system* 0 2,500 2,500 Depreciation 55,680 59,299 26,323Total 222,301 210,324 143,628 Non-operating costs Cost of capital 34,800 36,675 16,815 Total costs 257,101 246,999 160,443

34% reduktion av totalkostnaden


Känslighetsanalys

Distribution for total costs reduction

0

5

10

15

20

25

30

35

29% 31% 33% 35% 37% 39%5% 5%

31.7% 35.9%

Regression sensitivity for total costs reduction

Std b coefficients

Cycle time class 10

Fault intensity

Cycle time class 27

Cycle time: Other

Cycle time class 70

Shrinkage reduction

Demand

-1 -0,75 -0,5 -0,25 0 0,25 0,5 0,75 1


0

5

10

15

20

25

30

35

29% 31% 33% 35% 37% 39%5% 5%

31.7% 35.9%


0

5

10

15

20

25

30

35

29% 31% 33% 35% 37% 39%5% 5%

31.7% 35.9%


Std b coefficients

Cycle time class 10

Fault intensity

Cycle time class 27

Cycle time: Other

Cycle time class 70

Shrinkage reduction

Demand

-1 -0,75 -0,5 -0,25 0 0,25 0,5 0,75 1


Std b coefficients

Cycle time class 10

Fault intensity

Cycle time class 27

Cycle time: Other

Cycle time class 70

Shrinkage reduction

Demand

-1 -0,75 -0,5 -0,25 0 0,25 0,5 0,75 1


Slutsatser

• Ökad insikt i hur flöde och styrning av rullcontainers hänger samman

• Beräkning av rullcontainerflotta• Kvantifiering av

kostnadsbesparingar• Känslighetsanalys pekar ut viktiga

parametrar


Den ”intelligenta” sopcontainern

• Utrustad med nivågivare och telekommunikationsutrustning

• Totalt 3’300 containrar utplacerade i Sverige

• Totalt 71 återvinningsstationer i Malmö

• Totalt 9 återvinningsstationer i innerstaden med 16 “intelligenta” containrar för insamling av kartong och wellpapp


Teoretisk modell

Maximal container kapacitet

Vikt(t)

MTBCStatic Planning

MTBCDynamic Planning

Risk

Viktfördelning av avfall i en container vid tiden t

MTBC = Mean Time Between Collection (Medeltid mellan insamling)Ökande MTBC Potential för besparingar


Teoretisk modell (en container)


5 10 15 20 250.00

2.75

5.508.25

0%

10%

20%

30%

40%

50%

60%

70%

80%

Fill Rate [kg/day]

Standard Deviation [kg/day]

Calculated Savings in a 20 Container System

70%-80%60%-70%50%-60%40%-50%30%-40%20%-30%10%-20%0%-10%

Modellen är tidsdiskretiserad genom att bara tillåta insamling vardagar under normal arbetstid

Teoretisk tidsdiskret modell (20 containrar)


5 10 15 20 250.00

2.75

5.508.25

0%

10%

20%

30%

40%

50%

60%

70%

80%

Fill Rate [kg/day]

Standard Deviation [kg/day]

Simulated Savings in a 20 Container System

70%-80%60%-70%50%-60%40%-50%30%-40%20%-30%10%-20%0%-10%

MAPE (Mean Average Percent Error) mellanberäknade och simulerade besparingar mindre än 0.14%

Simuleringsmodellen är validerad

Simulerad tidsdiskret modell (20 containrar)


Planeringspolicies

1. Nuvarande policy4. Hämta fulla och

”nästan fulla”containers

2. Hämta endast fulla containers

3. Hämta fulla och ”nästan fulla”containers

5. Model PredictiveController (MPC)

Statiskt DynamisktSt

atis

ktD

ynam

iskt

Sche

mal

äggn

ing

–N

är?

Ruttplanering – Var?


Slutsatser

• Dynamisk schemaläggning och ruttplanering har högst potential att minska kostnader vid låga, oregelbundna inflöden.

• Den grundläggande dynamiska schemaläggning och ruttplanering är den optimala lösningen för stora, “täta” system. Den är dock olämplig för mindre, spridda system.

• Det finns “smartare” policies för dynamisk schemaläggning och ruttplanering som fungerar väl för alla typer av system.

• Teoretiska beräkningar och simuleringsresultat stämmer överens med praktiska erfarenheter från fältet


Modell för värdet av intelligenta förpackningar

Modified from Ketzenberg et al., 2007.























Slutsatser• Intelligenta förpackningar är ännu så länge ovanliga.• Intelligent användande av intelligenta förpackningar är

förmodligen ännu ovanligare.• Bristen på förståelse kring hur intelligenta förpackningar

kan utnyttjas förklarar den långsamma implementationen

• Intelligenta förpackningar kan emellertid användas “smart” och stöder då beteende som förbättrar logistisk effektivitet.

• Modellen för värdet av intelligenta förpackningar utgör en startpunkt för att utvärdera när och hur intelligenta förpackningar kan användas.


Documents

Dr. Ola Johansson Lunds Tekniska Högskola 2010-10-12 · 2010-10-19 · Lunds universitet/Institutionen för designvetenskaper/Avdelningen för förpackningslogistik/2010-10-12 Slutsatser