Problem:
Der Hafen von Le Havre, der größte Containerhafen in Frankreich benötigte Unterstützung bei der Entwicklung eines neuen multimodalen Terminals. Das neue Terminal sollte den Bereich beinhalten, wo Züge und Binnenschiffe Container für den weiteren Seetransport bringen. In diesem Bereich transportieren Kräne die Container von den Carriern und laden diese auf Shuttle-Wagons, die wiederum die Container zur Beförderung auf dem Seeweg transportieren. The AnyLogic Company entwickelte ein Simulationsmodell für die Bewegungen dieser Fahrzeuge. Das Simulationsmodell musste diese beiden Szenarien vergleichen:
- Basic (die Verwendung von einfachen, passiven Fahrzeugen, die durch Lokomotiven angetrieben werden)
- Advanced (die Verwendung von autonomen Fahrzeug, die sich ohne Lokomotiven fortbewegen)
Ziel war, in jedem Fall die Kosten, die Qualität des Services (Verweilzeit der Container im System) und mögliche Verbesserungen in der Netzwerkstruktur des Terminals zu messen.
Lösung:
Die Berater nutzten AnyLogic Rail Library, um ein Modell des Transportnetzwerkes zu erstellen. Bewegung von Schienenfahrzeugen, Kränen und andere Elementen des Netzwerkes wurden bei einem niedrigen Abstraktionslevel simuliert. Die Berater mussten zwei getrennte Modelle erstellen, weil die beiden Szenarien eine sehr unterschiedliche Logik beinhalteten. Die Modelle ermöglichten dem User folgendes:
- Die Zuordnung der Ankunftszeiten und der erforderlichen Abfahrtszeiten für jeden Container für das multimodale Terminal und die Seeverkehrsterminals (mit Trennung zwischen Schienen- und Flusstransport).
- Die Zuordnung der Ankunfts-und Abfahrtsfahrpläne von Zügen und Flussschiffen am multimodalen Terminal.
- Änderung der Merkmale von unterschiedlichen Anlagenteilen (Geschwindigkeit für die Fertigstellung der Maßnahmen) für die multimodalen Terminals und die Seeterminals.
- Die räumliche Verfügbarkeit der Container an den Terminals dynamisch registrieren.
- Die Kosten der verschiedenen Netzwerkelemente dynamisch registrieren, zusammen und separat.
- Den Status jeder Einheit und jedes Agenten im Netzwerk beobachten.
Ergebnis:
Die Ergebnisse beinhalten Statistiken, die für beide Szenarien erhoben werden. Die Kosten wurden für verschiedene Elemente des Netzwerkes berechnet, wie zum Beispiel Lokomotiven, Schienenfahrzeuge, Kräne und Docker. Die Daten der Service-Qualität zeigten, dass autonome Fahrzeuge effizienter und billiger waren als passive.
Durch die Nutzung des Simulationsmodells konnte der Kunde die beiden Organisationsmethoden der internen Schienenlogistik vergleichen, die optimale Methode wählen und den Mengenbedarf an Schienenfahrzeugen schätzen.
Die Daten aus den AnyLogic Modellen ermöglichten dem Kunden, die Machbarkeit des Terminal-Bauprojektes gegenüber potentiellen Investoren zu belegen.
