Примеры проектов

  • AnyLogic моделирует пассажиропоток на вокзалах к Олимпиаде Сочи-2014
    НИИАС, организация, специализирующейся на управлении движением и инфраструктурой железных дорог, смоделировала 5 вокзалов для совмещенной автомобильной и железной дороги Адлер — горноклиматический курорт Альпика-Сервис, строящейся для Олимпиады в Сочи.
  • Моделирование пассажиропотоков в пересадочном узле Малого кольца Московской железной дороги
    Запуск пассажирского движения по Малому кольцу Московской железной дороги должен снизить напряжение на дорожную сеть Москвы и разгрузить метро. Многие станции этой дороги будут связаны с метрополитеном и радиальными ветками железной дороги с помощью транспортно-пересадочных узлов. Пассажиропотоки на одном из будущих узлов были смоделированы при помощи AnyLogic компанией «ИТС Консалтинг» для ОАО «МКЖД».
  • 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.
  • Планирование и оптимизация автоматизированного производства
    Centrotherm Photovoltaics AG – это мировой поставщик технологий и оборудования для рынка солнечной энергетики, полупроводников и микроэлектроники. Компании требовалось определить лучшие конфигурации фабрики и автоматизированной производственной линии для минимизации затрат и максимизации пропускной способности и надежности работы.
  • Моделирование распределительного склада фармацевтической компании
    Cardinal Health – компания с многомиллиардным оборотом, работающая в сфере дистрибуции и логистики фармацевтических товаров. Каждый день компания сталкивается со множеством логистических задач, типичных для распределительных складов, которые осложняются спецификой фармацевтической сферы. Компания использовала агентное моделирование для различных бизнес-задач, что позволило ей экономить 3 000 000 долларов ежегодно.
  • GE моделирует производство для поддержки принятия решений в реальном времени
    При запуске нового продукта – батарей Durathon, компании General Electric необходимо было увеличивать объемы выпуска продукции в условиях неопределённости одновременно с модернизацией производственных процессов и снижением себестоимости товаров. Специалисты GE использовали имитационное моделирование для решения этих задач.
  • Развитие сети нефтепроводов: поиск узких мест и выбор стратегий
    Один из крупнейших операторов нефтепроводов в Северной Америке столкнулся с проблемой, которая возникала, когда один из ее крупных клиентов отказывался получать доставленную нефть. Оператору требовалось оценить влияние неполучения партий нефти на работу транзитной сети. Нужно было понять, смогут ли существующие нефтяные терминалы и хранилища вместить партии, доставка которых задерживается.
  • Моделирование пассажиропотоков в аэропорту Франкфурта
    Аэропорт Франкфурта, крупнейший международный авиационный узел, внедрил систему активного управления терминалом для контроля пассажиропотоков с помощью динамических электронных табло. Система основана на измерении текущего пассажиропотока и прогнозировании его изменений посредством симуляционной модели, разработанной с использованием инструмента имитационного моделирования AnyLogic.
  • Моделирование склада для выбора оптимального алгоритма забора товара
    Компания Kuehne+Nagel , являющаяся одним из лидирующих логистических провайдеров в мире, получила от одного из своих клиентов заказ на планирование нового склада, который должен был обслуживать 13 000 заказов или 750 коробок ежедневно. Необходимо было разработать наилучший алгоритм для обработки нескольких заказов одним рабочим.