CSX решает проблемы железнодорожных перевозок с AnyLogic

CSX – железнодорожная компания, контролирующая около 21 000 миль (34 000 км) железнодорожного полотна, включая одну из трех железных дорог Класса I, которая обслуживает большую часть Восточного побережья США.


Роль отдела планирования и управления железнодорожной сетью очень велика: его специалисты решают, какие направления развивать, чтобы удовлетворить растущий спрос, заботятся о том, чтобы инфраструктура могла предоставить высокий уровень сервиса, и уделяют большое внимание вопросам эффективности капиталовложений компании.


В отделе планирования применяется многоступенчатый подход к организации функционирования железнодорожной сети. Аналитические инструменты применяются для мониторинга текущего уровня сервиса, выявления появляющихся проблем и нахождения корневой причины сбоев (например, является ли проблема эксплуатационной или инфраструктурной).


Кроме того, специалисты отдела анализируют возможные решения возникающих проблем, включая инвестиционные вопросы, и пытаются понять, какие из них принесут наибольшую финансовую выгоду. Для этих вопросов недостаточно использовать обычные аналитические инструменты, поэтому эксперты CSX обращаются к имитационному моделированию. Они выбирают AnyLogic, потому что это ПО позволяет создавать модели разнообразных систем быстро и на нужном уровне абстракции.


С помощью AnyLogic пользователи из железнодорожной отрасли могут моделировать проблемы, возникающие в сетях, на станциях и в депо. В следующих трёх проектах компании CSX 2014 года ряд задач был решен при помощи AnyLogic.


Планирование инвестиций в линию MGA

Описание проблемы:




К железнодорожной линии, которой CSX владеет совместно с конкурентами, ожидался всплеск спроса со стороны нескольких угольных шахт. Высокий уровень конкуренции между двумя железнодорожными компаниями означал, что если одна из них не сможет удовлетворить растущий спрос на перевозки, это сделает вторая. CSX необходимо было разработать наилучшую стратегию эксплуатации/капитальных инвестиций для развития бизнеса. Вот вопросы, которые интересовали их в первую очередь:

  • Достаточно ли у них технических станций на линии для того, чтобы располагать там пустые составы для перевозки угля в ответ на растущие запросы шахт?
  • Где на линии лучше разместить дополнительные технические станции, если это необходимо?

Для ответа на эти вопросы эксперты использовали имитационные моделирование в AnyLogic.


Решение:

Оптимизация железнодорожной сети

Имитационная модель железнодорожной линии


Созданная модель сети поставок демонстрировала спрос на пустые составы от пяти угольных шахт, процесс удовлетворения этого спроса и расположение пустых составов на технических станциях на линии. Поезда были смоделированы в качестве агентов, которые двигались по железной дороге. Экспериментируя с заданными параметрами, пользователи могли увидеть, как разные факторы (напр., места на технических станциях или скорость загрузки вагонов на шахтах) влияют на поведение системы.


Модель не только помогла рассчитать производительность системы, но и показала, какие потери понесет компания из-за нехватки свободных составов.


Результат:




Модель позволила детально рассмотреть работу системы и посчитать ее максимальную производительность. Благодаря AnyLogic эксперты CSX поняли, что у компании не было достаточно места на технических станциях для стоянки пустых составов, чтобы удовлетворить растущий спрос. Кроме того, модель помогла определить, куда в первую очередь следует направить капитальные инвестиции.

Имитационная модель локомотивного депо

Имитационная модель локомотивного депо


Модернизация локомотивного депо в Нэшвилле

Описание проблемы:




Локомотивное депо в Нэшвилле, принадлежащее компании CSX, необходимо было расширить по причине модернизации железнодорожной сети. Составными частями комплекса были ремонтные пути и ремонтный цех (веерное депо). Отделу механики необходимо было выбрать наилучшую конфигурацию обновленного депо из восьми альтернатив, чтобы понять, какая из них позволит максимально использовать возможности объекта.

Решение:




С помощью специализированной железнодорожной библиотеки AnyLogic была построена модель локомотивного депо, в которой были протестированы различные варианты новой конфигурации.


В этой модели 72% локомотивов направлялись на мелкий ремонт на ремонтные пути и 22% - в ремонтный цех. Оставшиеся 6% распределялись по направлениям в соответствии с той проблемой, которая выявлялась после осмотра. Время обслуживания в каждом из двух объектов различалось.

Локомотивы двигались по депо со скоростью пять миль в час. Они ожидали обслуживания в общей очереди на 9 локомотивов. Локомотив подтягивался либо в очередь, либо в один из ремонтных объектов в зависимости от того, где было свободное место. Число свободных мест задавалось пользователем и могло быть изменено.

Результат:




Модель помогла экспертам отдела механики протестировать их предположения путем экспериментов с параметрами системы. Кроме того, она послужила инструментом поддержки принятия решений, облегчив выбор нужной конфигурации депо. Эксперты получили информацию, на которую можно опереться в разговоре с людьми, принимающими решения о финансировании проекта.


Эмулятор работы железнодорожной сети

Компания столкнулась с неожиданно большим спросом на услуги железнодорожных перевозок. В сочетании с суровой зимней погодой и ресурсными ограничениями, это привело в заторам на северном направлении железнодорожной сети CSX. Анализируя ситуацию впоследствии, эксперты компании хотели выяснить, что привело к подобным проблемам, и как можно избежать этого в будущем.


Эксперты поняли, что для более полного понимания ситуации будет лучше заменить традиционные аналитические методы визуальным эмулятором. Поэтому они решили воспроизвести прошлое поведение системы в AnyLogic, используя анимацию на ГИС-карте для лучшего понимания плотности транспортной сети, потока движения и заторов. Все данные относительно движения поездов импортировались в AnyLogic из базы данных, задавая поведение поездов в модели. Эмулятор анимированно воспроизводил движение поездов на основе статистических данных, что упростило понимание информации.


Моделирование железнодорожной сети

Моделирование железнодорожной сети



Видео моделей и выступление Джеремайи Дирнбергера из CSX на конференции AnyLogic 2014 г.


Другие проекты

  • Планирование сети дистрибуции и оптимизация складских запасов на основе имитационного моделирования
    Diageo – это международная компания со штаб-квартирой в Великобритании, занимающаяся производством алкогольных напитков. Российское отделение компании входит в пятерку крупнейших оптовых дистрибьюторов алкогольных напитков в стране. Diageo требовалось решить несколько вопросов, в первую очередь, тот факт, что рост продаж не приводил к существенному увеличению прибыли из-за высокой стоимости перевозки единицы товара.
  • Проектирование системы морской транспортировки нефти в арктических условиях
    Новопортовское – крупное нефтегазоконденсатное месторождение, разрабатываемое компанией «Газпром нефть». Нефть с месторождения поступает по 100-километровому трубопроводу к морскому терминалу, откуда после отгрузки перевозится до потребителей на арктических танкерах. Главная проблема при организации морских перевозок с месторождения – тяжелые ледовые условия, затрудняющие судоходство.
  • Исследование автопотока возле проектируемого транспортно-пересадочного узла “Волоколамская”
    Территория строящегося транспортно-пересадочного узла станции метро "Волоколамская" расположена в районе Митино Северо-Западного административного округа Москвы. Компания "ИТС-консалтинг" получила задачу проверить работоспособность проектируемой улично-дорожной сети при пиковых нагрузках в утренний и вечерний часы с учётом перспективного роста автопотока до 2025 года. Заказчиком проекта выступило ГУП "Московский метрополитен".
  • Развитие сети складов компании «Эльдорадо»
    Компании «Эльдорадо», владеющей сетью магазинов бытовой техники и электроники в 350 городах РФ, требовалось определить оптимальное количество складов и города их расположения для лучшего удовлетворения спроса покупателей и минимизации затрат на доставку и хранение товара. Анализ показал применимость для этой проблемы решения anyLogistix.
  • Выбор оптимальных решений в транспортной логистике
    Транспортная сеть одной из крупных российский пивоваренных компаний включает в себя крупный парк вагонов и грузового автотранспорта, а также собственные склады в нескольких регионах России. Компания планировала снизить себестоимость продукции за счет сокращения издержек на перевозку продукции от заводов до клиентов.
  • Моделирование прокладки тоннеля с использованием тоннелепроходческого комплекса
    Цена часа простоя тоннелепроходческого комплекса обычно очень высока, и менеджеры делают всё возможное, чтобы избежать его остановок. Целью моделирования, проведенного в Рурском университете, стало создание инструмента для определения узких мест в процессах при прокладке туннелей, помогающего снизить потери при простоях.
  • Моделирование железнодорожных перевозок в порту
    Перед заказчиком стояла задача проектирования нового мультимодального терминала на территории порта. Мультимодальный терминал предназначен для обработки импортного и экспортного контейнерного грузопотока, перевозимого железнодорожным и речным транспортом. Для организации взаимодействия мультимодального и морских терминалов заказчик планировал использовать челночные отправки железнодорожных составов.
  • Оптимизация железнодорожной сети Франции
    Оператор железнодорожной сети Франции хотел узнать, смогут ли железнодорожные грузовые перевозки конкурировать с автомобильными грузоперевозками. Заказчик хотел повысить эффективность перевозок способом «автодорога-железная дорога-автодорога».
  • Моделирование железнодорожного депо
    Aurizon – крупнейший оператор железнодорожных перевозок Австралии. Компании принадлежат более 700 локомотивов и 16000 вагонов. Один из основных грузов Aurizon – полезные ископаемые, транспортируемые от мест добычи до портов. С целью увеличения оперативной эффективности компания приняла решение перенести депо по ремонту локомотивов и вагонов из одного города в другой.
  • Моделирование эффекта кнута в цепи поставок
    Управление цепочек поставок в компании Infineon, крупном производителе полупроводников, хотело исследовать эффект кнута в цепочке поставок с целью снижения расходов и улучшения качества прогнозов поведения рынка. Они использовали AnyLogic для построения модели цепочки поставок от поставщика сырья до конечного потребителя.