問題：
RUSCONは、CIS地域の主要なコンテナ輸送会社の1つです。同社は、鉄道コンテナターミナルの1つを近代化し、施設全体とそのコンポーネントの最大容量を決定するためのコンテナヤード計画ソリューションを必要としていました。Dilibrium Consulting Companyのコンテナヤードシミュレーションの専門家に専門知識を求め、コンテナヤード、積み替え設備、鉄道インフラなどのターミナルコンポーネントをモデル化しました。
より詳細なコンテナターミナルシミュレーションのために、コンテナターミナルの次の特性が特定されました：
- 線路の長さは 3,000 m です。
- 施設には独自の入換用機関車があります。
- 一時保管エリアは22,000㎡以上です。
- 税関検査ゾーンと一時保管エリアには、20 フィートと40フィートのコンテナを保管できるオープンなコンテナ保管ヤード (2,500 TEU) があります。
- ターミナルは、コンテナフラットカー、ユニバーサルフラットカー、屋根付き鉄道車両、ゴンドラなど(受け取り/出発、積み降ろし) を提供します。
- ターミナルでは、2台のフレームクレーン、多数のフォークリフト、社内のトラクタートラックフリート、およびその他の付属設備を利用できます。
コンサルタントは、最良のシナリオを見つけるために、ターミナル開発のいくつかの異なるシナリオをシミュレートすることにしました。
解決策：
AnyLogicコンテナヤード計画環境でターミナルのデジタルツインを構築することが決定されました。この動的シミュレーションモデルは、従来の分析モデルとは異なり、施設を高い精度で反映します－実際のデータと仮想運用の結果の差異は 5%以内と推定されました。デジタルツインテクノロジーは、詳細なモデリングを提供し、さまざまなパラメーターだけでなく、非線形、非自明、および未知の依存関係や因果関係を考慮することができます。
コンテナヤードシミュレーションの出発点は、コンテナを積載した列車が鉄道の仕分けヤードに到着する時点です。その後、列車のダイヤに従い、線路を切り替えます。コンテナが空になった列車がターミナルを出発する瞬間が、シミュレーションの終点です。
プロジェクトの枠組みの中で、以下を含むすべての主要なターミナル運営がモデル化されました：
- 内部および隣接する鉄道物流
- 積み込まれたコンテナと空のコンテナのトラック輸送
- 保管ロジスティクス
- 税関チェックポイントでの処理
コンテナヤード計画モデル
コンテナターミナルシミュレーションモデルでは、2Dおよび3Dモデルアニメーションで、特定の領域にズームインして、そのコンポーネントの動作を見ることができました。このアプローチは、各施設エリアのプロセスを視覚的に制御するのに役立ちました。
3Dアニメーションは、プロセスの視覚的な制御に役立ちました。コンテナの場合、現在の状態を示すために色の割り当てが実装され、動的に変更されました：
- 赤いコンテナはまだ税関を通過していません。
- 緑色のコンテナは税関を通過し、荷降ろしの準備が整いました。
- 空のコンテナは黄色に着色されていました。
エンジニアは、モデルの実行中にデジタルツインから情報を収集し、運用データを転送する「仮想センサー」をコンテナヤード計画モデルに導入しました。これにより、シミュレートされた施設のパフォーマンスとモデルのキャリブレーションの追跡が容易になりました。データ収集におけるこのような徹底的なアプローチにより、デジタルツインを実際のコンテナヤードの運用と密接に一致させることができました。
車両基地シミュレーション最適化モデル
コンテナターミナルシミュレーション モデルが構築および調整された後、エンジニアはターミナル容量を決定し、分析モデルデータを検証することができました。端末モデルのパフォーマンス指標を「現状のまま」のシナリオと比較すると、分析モデルの精度は72%でしたが、シミュレーションモデルの精度は96%でした。
このモデルは、リスクのない仮想環境で、ターミナルの積み込み機であるフレームクレーンの動作をテストする際にも役立ちました。モデルは、クレーンのトロリーとスプレッダーの3軸の動きを反映しています。さらに、各クレーン操作の異なる時間が考慮されました。その結果、クレーン操作のボトルネックが検出され、最適化策が提案され、実験データによって裏付けられました。
AnyLogicでは、マテリアルハンドリングライブラリにより、ターミナルでの複雑なマテリアルハンドリング操作のシミュレーションが簡素化されます。コンベヤ、AGV、クレーンの操作を含む保管施設の詳細モデルを設計し、施設内のマテリアルワークフローを管理するために使用できます。
エンジニアは、内部の物流業務がコンテナターミナルシミュレーションの一般的なパフォーマンスにどのように影響するかについても分析しました。彼らはエクスプリメント（実験）を設定し、KPIがどのように変化するかを調べました。この作業の結果、インフラストラクチャをアップグレードし、端末のビジネスプロセスを再編成する方法に関するシミュレーションベースの推奨事項が作成されました。
結果：
実験が行われ、出力データが取得された後、エンジニアは施設のボトルネックと考えられる最適化シナリオを定義することができました。彼らは、さらなる最適化措置により、ターミナルの容量を57% 向上させることができることを発見しました。