Максимизация прибыли системы речных перевозок

Проблема:




InterBarge – это крупный оператор речного транспорта, который является частью компании SCF Marine, входящей в Seacor Holding Group. InterBarge занимается перевозкой грузов вдоль водного пути HPP (транспортная сеть бассейна рек Парана и Парагвай в Аргентине, Парагвае, Бразилии и Уругвае). Компания работает по системе долгосрочных договоров на перевозки, к которым приписаны буксиры и баржи. Некоторое время в году транспортные средства свободны от этих контрактных обязательств, и есть возможность принимать в караваны судов дополнительные баржи.


Компании было необходимо выяснить, как можно использовать свободные суда, максимизируя прибыль с перевозки и полностью выполняя обязательства по долгосрочным контрактам. Чтобы добиться этого, нужно было придумать механизм выбора лучшего размера каравана и правильного назначения судов на заказ.


Менеджмент стоял перед вопросом: как управлять системой в режиме использования свободного ресурса судов, когда нужно учитывать независимость между собой буксиров и барж, а также разовые и долгосрочные контракты? Им требовалось проанализировать поведение системы, где каждый буксир, приходя в порт или пункт отправления, мог бы принимать решение о лучшем маршруте и наборе барж для временного каравана.


Компания Ite Consult выбрала в качестве инструмента решения проблемы имитационное моделирование. Были выбраны следующие цели проекта по моделированию:

  • Создание инструмента планирования для максимизации прибыли с перевозки (принятие решений о доставках, контрактах, расположении буксиров и барж и т.д.).
  • Оценка рисков от приобретения новых буксиров и барж.
  • Создание инструмента для расчета прибыли и поддержки переговорных процессов по ценам перевозок. 
  • Создание инструмента краткосрочного и долгосрочного планирования операций.

Решение:




Модель была построена в AnyLogic с использованием дискретно-событийного и агентного методов. Буксиры и баржи передвигаются по рекам, останавливаются в каждом узле или порту и решают, следует ли начать в этом пункте перевозку по разовому контракту. Решения зависят от их местоположения в этот момент. Модель рассчитывает среднесуточный доход с судна (таймчартерный эквивалент) для каждого доступного контракта и выносит рекомендации по лучшей конфигурации каравана, принимая во внимания все параметры и ограничения.


Входные данные модели:

  • Спрос на речные перевозки с учетом сезонности (контракты, продукты, цены, сборы и др.).
  • Данные о буксирах и баржах (тип, вместимость, скорость, осадка, потребление топлива, требования по техобслуживанию и т.д.).
  • Особенности рек и портов (уровень воды, особенности погрузки/выгрузки, ставки за каждый продукт и т.д.).
  • Расстояния между портами и пунктами назначения.
  • Операционные затраты, время плавания и обслуживания в порту.

Имитационная модель речных перевозок

Анимация модели

Параметры и ограничения модели:
  • Ограничения по маршрутам для буксиров из-за уровня воды и ограничения по флагу.
  • Максимальная тяга буксиров по течению и против него.
  • Скорость буксиров по течению и против него (загруженный/разгруженный).
  • Потребление топлива.
  • Еженедельно обновляемые предложения по разовым перевозкам и фактор сезонности.
  • Назначенные заранее перевозки.
  • Вместимость барж по типу, объемы продуктов, уровень воды по месяцам.
  • Время погрузки и выгрузки.

Результат:




Модель воспроизводит пятилетний период работы судов меньше чем за 5 минут, принимая в расчет почти 250 внешних переменных и множественные сценарии. Система поддержки принятия решений позволяет пользователям определять ожидаемую прибыль с перевозки для текущих ресурсов и спроса, а также выдает рекомендации по выбору стратегий управления.


Пользователи получают набор ключевых индикаторов: доставленные тонны за перевозку, время и затраты на перевозку, показатели использования и расположение судов, время швартовки и ожидания в каждом порту, расход топлива и т.д. Эта информация позволяет менеджменту выбирать среди предоставленных системой решений лучшие. Они также получают возможность планировать маршруты для судов и караванов на долгий и короткий срок.


Выходные данные экспортируются в файлы Excel для удобства дальнейшего анализа. Также возможна интеграция модели с базами данных текущей IT-инфраструктуры компании.


Данная имитационная модель использует пользовательские сценарии и входные данные, а значит, легко может быть адаптирована к изменившимся условиям.

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.