Die Nettoeinnahmen der Schubbootflotte maximieren

Problem:




InterBarge, ein erstklassiger Wasserstraßenbetreiber und eine Tochtergesellschaft der SCF Marine, ein Teil der Seacor Holding Group, betreibt entsprechend eines Beförderungsvertrages Frachtdienste entlang der Wasserstraße des HPP Waterway (Hidrovia Parana Paraguay, mit Sitz in Argentinien, Paraguay, Brasilien, und Uruguay). Sowohl Schubboote als auch Bargen sind durch diese Verträge festgelegt. Während bestimmter Saisons des Jahres sind diese Ressourcen vertraglich nicht gebunden und / oder haben auf bestimmten Strecken Konvoi-Kapazität.


Die Herausforderung des Unternehmens bestand darin, diese freie Kapazität als Flotte zu nutzen, die Nettoeinnahmen der Schifffahrten zu maximieren und die Frachten des Beförderungsvertrages zu liefern, indem die besten Konvoi-Größen und Schiffszuteilungen gewählt wurden.


Die Geschäftsführer stellten die Frage, wie sie all ihre Abläufe durch diesen neuen Flotten-Modus planen sollten, wenn es eine komplette Unabhängigkeit zwischen Schubbooten, Bargen und nicht-spezialisierten Verträgen gibt, während gleichzeitig zweckbestimmte Verträge im System beinhaltet sind. Sie wollten das Verhalten des Systems analysieren, in dem jedes Schubboot beim Anlaufen eines Hafens oder einer vorübergehenden Anlaufstelle intelligent entscheiden würde, welche Route die beste ist und welche Bargen sie verwenden können, um temporäre Konvois zu bilden.


Ite Consult fand, dass die Simulationsmodellierung das beste Tool ist, um InterBarge diese Fragen zu beantworten. Das Simulationsprojekt hatte die folgenden Ziele:

  • Die Nettoeinnahmen aus den Schifffahrten der Firmenfahrzeuge und die Ressourcen durch ein Planungstool maximieren (dieses entscheidet, welche Fahrten unternommen werden, welche Verträge geschlossen werden, wo die Schubboote und Bargen bereitgestellt werden und mehr).  
  • Das Risiko eines neuen Erwerbs von Schubbooten und Bargen auswerten. 
  • Ein Tool erstellen, um die Einnahmen aufzuzeigen, und um vertragliche Frachtpreise zu verhandeln. 
  • Ein Planungstool erstellen, um alle Abläufe kurz- und langfristig zu planen.

LÖSUNG:




Das Modell wurde mit AnyLogic entworfen, sowohl die diskret-ereignisorientierte als auch die agentenbasierte Methodik wurden verwendet. Schubboote und Bargen navigieren entlang der Flüsse, stoppen an jedem Knotenpunkt oder Hafen und entscheiden dann, ob sie diesen als einen Startpunkt für einen nicht-spezialisierten Beförderungsvertrag verwenden sollten. Schubboote oder Bargen entscheiden zu dem Zeitpunkt, an dem die Entscheidung getroffen wird entsprechend ihrer geographischen Lage. Das Modell berechnet das Zeitcharteräquivalent für jeden aktiven/vorhandenen Vertrag und empfiehlt die beste Konvoikonfiguration, wobei alle potentiellen Parameter und Einschränkungen berücksichtigt werden.


Die Eingangsdaten beinhalteten:

  • Bestehender Bedarf der Wasserstraßen und Saisonbewegungen (Verträge, Produkte, Preise, Gebühren und mehr). 
  • Flotte von Schubbooten und Bargen (Ressourcentyp, Einströmung, Geschwindigkeit, Tiefgang, Leistung, Treibstoffverbrauch, Wartungsanforderungen und mehr). 
  • Fluss- und Hafenspezifikationen (Wasserstände, Möglichkeiten zur Be- und Entladung, Sätze für jedes Produkt und mehr). 
  • Entfernung zwischen den Häfen und den Zielpunkten. 
  • Betriebskosten und Timings der Flottennutzung und Hafenaktivitäten.

Logistikmodell Wasserstraße

Animation Barge-Betrieb

Modellrestriktionen und Parameter beinhalteten: 
  • Beschränkte Routen / Knoten für jedes Schubboot aufgrund des Wasserstandes der Flüsse oder Restriktionen durch die Flaggenkennzeichnung. 
  • Die Zugkraft der Schubboote beim Navigieren flussauf-/ oder flussabwärts. 
  • Die Geschwindigkeit der Schubboote beim Navigieren flussauf-/ oder flussabwärts, be- oder entladen. 
  • Treibstoffverbrauch. 
  • Wochenangebote und Saisonbedingtheit der Verträge. 
  • Zuvor festgelegte Flotte. 
  • Aufnahme der Bargen nach Bargentyp, kubischer Faktor der Produkte und Wasserstand nach Monat. 
  • Zeiten zum Be- und Entladen.

ERGEBNIS:




Das Modell simuliert eine 5-Jahresperiode in weniger als 300 Sekunden, und berücksichtigt dabei 250 externe Variablen und mehrere Optionen des Szenarios. Das Entscheidungshilfesystem erlaubt es den Usern, die erwarteten Nettoeinnahmen der Schifffahrten bei gegebenen Ressourcen, sowie den Bedarf an Wasserstraßen für Frachttransport zu erkennen, und erstellt Empfehlungen für die zu wählende Strategie.


Die User erhalten eine Gruppe von Schlüsselindikatoren, hierzu gehören die pro Vertrag gelieferten Tonnen, Navigationszeiten- und Kosten, Nutzung und Orte der Bargen und Schubboote, Liegezeiten und Wartezeiten in jedem Hafen, Treibstoffverbrauch etc. Durch diese Informationen können Manager von den Entscheidungsmöglichkeiten, die das System bietet, die beste Entscheidung treffen. Es hilft ihnen auch, die Routen für Schubboote und Konvois lang- und kurzfristig zu planen.


Die Ausgangsdaten werden in Excel-Dateien exportiert, um eine zusätzliche Auswertung und Analyse zu erleichtern. Das Modell kann auch mit Datenbanken in der bestehenden IT-Infrastruktur integriert werden.


Das resultierende Simulationsmodell verwendet anwendergesteuerte Eingangsdaten und Szenarien, und kann leicht an Änderungen und / oder neue Anforderungen angepasst werden.

More Case Studies

  • Simulation eines Tunnelbaus mit Hilfe einer Tunnelbohrmaschine
    Die Kosten des Ausfalls einer Tunnelbohrmaschine für eine Stunde sind üblicherweise hoch und Projektmanager müssen ihr Bestes tun, um unnötige Verzögerungen im Bau zu verhindern. Das Ziel des Simulationsprojektes, welches durch die Ruhr-Universität Bochum in Deutschland durchgeführt wurde, war es, ein Simulationsmodell zu entwickeln, das fähig ist die Engstellen im Tunnelbauprozess zu bestimmen, um finanzielle Verluste zu minimieren.
  • Peitscheneffekt in der Lieferkette von Halbleitern
    Das Supply Chain Management bei Infineon, ein sehr großer Hersteller von Halbleitern, wollte den Peitscheneffekt, auch Bullwhip-Effekt genannt, in ihrem Markt untersuchen, um Ausgaben zu senken und das Marktverhalten besser vorhersagen zu können. Sie haben AnyLogic-Software eingesetzt, um das Modell einer Lieferkette zu entwickeln - vom Rohmaterial bis zum Verkauf.
  • Simulation der internen Schienenlogistik für den Hafen von Le Havre
    Der Hafen von Le Havre in Frankreich benötigte Unterstützung für den Bau eines neuen multimodalen Terminals. Kernpunkt der Simulation war es, den Transfer der Container zwischen Schienenzügen / Frachtkähnen und anderen bestehenden Terminals zu fördern, die diese Container zum bzw. vom Seetransport überführen.
  • Optimierung der Französischen Bahn
    Der Betreiber eines Eisenbahnnetzes des Landes wollte wissen, ob der Schienengüterverkehr mit LKW-Transporten konkurrieren kann. Der Transport LKW-Bahn-LKW sollte effektiver werden.
  • Tragfähigkeitsmodell eines Bahnhofs
    Aurizon ist eines von Australiens größten Bahnfrachtunternehmen mit mehr als 700 Lokomotiven und mehr als 16.000 Wagons. Aurizon ist stark im Kohlen-, Eisenerz- und Mineraltransport vertreten. Um die Effizienz der Betriebsabläufe zu erhöhen, hat das Unternehmen entschieden, einen ihrer Bahnhöfe in eine andere Stadt zu verlegen. Dieser Bahnhof war vor allem für die Wagon- und Lokomotiven-Wartung, sowie für die Vorbereitung der Lok zuständig.
  • Die beste Lagerhaltungsstrategie mit Gojii auswählen
    Das bestehende Tool für Lieferkette und S&OP (Absatz- und Vertriebsplanung) sind hervorragend für das Lieferungsmanagement geeignet, um einer gewählten "Prognose" zu entsprechen. Es gibt jedoch keine einzige "korrekte Prognose" des künftigen Bedarfs, und bestehende Tools sind nicht dafür konzipiert, das beste Bedarfslevel für das Unternehmen auszuwählen.
  • Planungs- und Bestandsoptimierung des Vertriebsnetzwerks durch Simulation
    Diageo ist ein britisches, multinationales Unternehmen, das alkoholische Getränke vertreibt. Diageo Russland gehört zu den Top fünf der Großhändler von alkoholischen Getränken, welches traditionell ein margenschwaches Geschäft ist und bei dem der Reingewinn empfindlich auf den Grad der Kundenbetreuung und hohe Logistikkosten reagiert.
  • Modellierung eines kundenzentrierten Verkehrsnetzes
    Ein öffentliches Verkehrsunternehmen wandte sich an PwC Australien, um eine Lösung zu entwickeln, die eine kundenzentrierte Sicht ihrer Bahninfrastruktur bot und dem Unternehmen dabei half, die aktuellen Störfolgen für den Betrieb des Eisenbahnnetzes zu verstehen, und die Situation zu verbessern. Die PwC Berater entschieden sich, das Modell eines Verkehrsnetzes zu erstellen, das Zugbewegungen, Zwischenfälle und Kunden in Bahnhöfen und Zügen simulierte.
  • CSX löst die Herausforderungen des Bahnbetriebs mit der AnyLogic Rail Library
    CSX ist eine US-Eisenbahngesellschaft, mit einem Streckennetz von über 21.000 Meilen (34.000 km). AnyLogic bietet den Nutzern der Eisenbahngesellschaft die Möglichkeit, Probleme bezüglich des Streckenverlaufs, des Terminals und des Bahnhofs zu simulieren. Die folgenden drei Projekte, die 2014 von CSX abgewickelt wurden, deckten eine Vielzahl von Aufgaben ab, die durch die AnyLogic-Software gelöst wurden.
  • Simulation Modeling of Offshore Offloading System for Arctic Oil and Gas Condensate Field
    The Novoportovskoye oil and gas condensate field is located in the Yamal peninsula and owned by Gazprom Neft, the fourth largest oil producer in Russia. Oil from the field is transferred via 100km pipeline to the sea terminal at Cape Kamenny, where it is loaded into arctic cargo tanks for further transportation. The main issues in planning tanker transportation in an arctic region are the harsh ice environment and difficult sea conditions.