AnyLogic Forum is moving to other platforms

This forum is now not officially supported and will be discontinued early in 2018. Registration and new topics are no longer possible.


To discuss AnyLogic-related issues, you are welcome to use LinkedIn user group and StackOverflow questions tagged with "anylogic".


Apparel Company Chose Location for New Distribution Center Using Simulation Modeling

Problem:




Fruit of the Loom (FOTL) is one of the largest US apparel manufacturers and marketers. The company was expanding, and the executives wanted to know if it would be beneficial, in terms of shipping costs, to add a new distribution center (DC) in the US, or to redistribute products to a pre-existing DC. The contractors decided to simulate the whole supply chain in order to visualize DC locations on a GIS map, and the supply network between them. Focusing on wholesales, the company considered distributors as customers. No small packages or end-users were involved in this case.


Solution:




AnyLogic simulation software was chosen due to its agent-based modeling capability. The team fit the description of the supply chain into the model, and defined the following as interacting agents with their own goals and rules, individual behavior, and interaction policies:

  • Distribution centers (location, number of units, overhead cost, startup cost)
  • Customers, or wholesalers (location, demand rate, total shipments, distance, shipment type etc.)
  • Trucks and trains (location, units, owner, destination)
  • Producers (Cotton farmers)
  • Processors (Yarn mills)


With AnyLogic, it was easy to test multiple scenarios and their variations. The input data (number of DC, suppliers etc.) was different for each variation.


The team found advantages of applying simulation at different stages. It enabled abstraction, simplifying a complex system by focusing on relevant details and estimating those.


When building the model, the team first looked at shipment data, focusing on the locations of high demand customers, as they made up 85% of all the company’s shipments. These distributors particularly used truckloads and rails. The team also considered shipments the customer received per year and the demand per shipment in units per customer. Last year demand indicators were used as model input.


To estimate the distance from DC to distributor, the team used GIS, which linked the agents of the model to their locations. Visualized data helped see the routing currently occurring throughout the supply chain and create more efficient routes.

The model presented a supply network and comprised the following agents with given parameters:

  • Distribution centers (location, number of units, overhead cost, startup cost)
  • Customers (location, demand rate, total shipments, distance, shipment type etc.)
  • Trucks and trains (location, units, owner, destination)

In order to minimize costs and determine optimal DC locations, location-allocation analysis was performed with several scenarios. It was based on customer demand, weight, and distance from the DC to the customer. Now AnyLogic has a supply chain and logistics specific tool called anyLogistix which tackles network optimization more efficiently.


Scenario #1 included the original DC and outlier customers, and did not show shipping cost reductions regarding products distributed from the DC. Then, the original DC was replaced with a new one at the same location. The variation concluded a cost reduction of $6000.


Supply Chain Simulation Modeling

In Scenario#2, the original DC was used with rerouting the shipment to other DCs, located on the east and west coasts of the US. The scenario resulted in a 42% cost reduction.


Supply Chain Computer-based Modeling


In Scenario#3, the network with the original DC was incremented with a new DC in GIS-location, defined by location-allocation analysis. Cost reduction appeared as 32%.


Supply Chain Simulation Software


Scenario#4 included the original DC rerouting products through another already existing DC and a new DC in optimal GIS-location. The scenario's results showed about a 45% cost reduction in the supply chain.


Agent-based Simulation Software


The report on the model runs for each DC could be exported as an Excel file.


After the experiments, the model was extended with the following agents to adjust to international supply chain:

  • Manufacturers
  • Additional distribution centers
  • Loading ports
  • Ports of discharge
  • Vessels
  • Additional trucks


Then the team could design the whole international supply chain and determine the optimal location of the DC, taking all agents into account.


Outcome:




While decisions made on people’s expertise, without diving into the data, may be considered as biased, data-driven insights from GIS and AnyLogic, paired with business knowledge, helped develop supply chain recommendations.


For this case, simulation modeling was used as an exploratory research tool to assess the suggestions on placing DCs throughout the country and prove their economical effectiveness in terms of manufacturing and customer’s supply chain.


The developers highly rated AnyLogic user-friendliness, which allowed them to drag and drop the elements and customize or expand the model to any conditions, which would benefit Fruit of the Loom’s international business.

Project presentation by Elizabeth Tyrie, Data Science Manager

 

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.
  • Design and Analysis of Marine System for Oil Transportation in the Arctic by Means of Simulation
    The Novoportovskoye oil and gas condensate field is located in the Yamal peninsula and is owned by Gazprom Neft, the fourth largest oil company in Russia. Oil from the field is transferred via a 100km pipeline to the sea terminal at Cape Kamenny (the Gulf of the Ob river), where it is loaded into arctic shuttle tankers for further transportation to Murmansk. The full field development will start in 2016 and continue for several decades.