問題
Kernel社は、ヒマワリ油の世界有数の製造、及び輸出業者であり、黒海地域から農産物を世界市場に供給しています。同社は55万ヘクタールの土地と40以上の穀物倉庫を所有しており、総貯蔵量は最大280万トンです。
同社の定期的な課題の1つは、農産物の企画、収穫、輸送です。計画では、サプライチェーン全体のパフォーマンスに影響を与える可能性のある大量の入力データを考慮する必要があります。
- 収穫スケジュール
- 収穫産物の特性と位置
- 穀物倉庫の容量
- 倉庫設備の特徴
- 収穫物輸送に関わる車両数
同社は、追加の金融投資なしにこの年次課題に対応し、機器の数を変えてサプライチェーンの動作を予測する必要がありました。彼らは、余分なコストを回避するために、物流オペレーションを分析し、リスクのない環境で物流ネットワークの最適化を行うことにしました。彼らはビジネスロジックコンサルティング社による調査を委託しました。コンサルタントは、AnyLogic シミュレーションを使用して、同社のサプライチェーン ネットワークのデジタル物流最適化モデルを作成しました。
解決策
物流最適化モデルのスクリーンショット
(クリックして拡大)
ビジネスロジックのコンサルタント社が開発した物流オペレーション最適化モデルは、フィールドから倉庫への収穫物輸送のプロセス、倉庫での処理と保管、倉庫から港への輸送、港内での出荷などを含む、Kernel社のサプライチェーンを反映しています。
コンサルタントは、物流オペレーション最適化モデルを開発するためにいくつかの方法を適用しました。サプライチェーンの構成要素はエージェント（代理人）として表され、倉庫や港での生産プロセスはディスクリート・イベントモデリングでシミュレートされました。このモデルは、倉庫や港内での様々なハブと機器間の相互作用も反映しており、以下を含みます:
- 車両の荷下ろし
- 乾燥・洗浄装置のオペレーション
- 倉庫システムでの商品保管
- 収穫品の鉄道輸送
開発された物流ネットワーク最適化ソリューションにより、ユーザーはサプライチェーンのオペレーションをシミュレートし、その構成要素を使用して実験を行い、様々な状況がネットワークパフォーマンスにどのような影響を与えるかを予測できます。モデルでは、機器特性、収穫物乾燥プロセスの速度、倉庫の位置と数量、異なる輸送戦略、収穫品の様々な特性（湿気など）を指定することができます。
このモデルは、次の場合にも役立ちます。
- 倉庫間で収穫を分配する場合、貯蔵量の制約、倉庫の特性、および積み降ろしポイントの容量を考慮する場合の工程スケジューリング。
- 新しい保管エリアを導入する場合、および既存の設備を最適化する場合、または倉庫のエレベーター設備を近代化する場合の意思決定。
- 気象条件に応じて収穫物分配と倉庫の容量使用率を計画。
結果
開発された物流オペレーション最適化モデルにより、Kernel社のスペシャリストは次のことが可能です。
- ストレステストを含むデジタルサプライチェーンベースの実験をリスクフリーの環境で実施する。
- 計画時間を短縮する; プロジェクトの前は、単一のシナリオの計算は2週間かかっていたが、本モデルはそれを1時間に短縮した。
- コスト最適化されたサプライ チェーン構成を決定。
シミュレーションの終了時に、複数のレポートが生成されます。これらのレポートには、保管スペースの回転率、倉庫の機器、車両の占有率、およびサプライチェーンの構成を決定したり、毎日の輸送業務をスケジュールするために必要な、その他の指標のデータを含みます。
物流最適化モデルは、サプライチェーンの周期的な業務を計画するための意思決定支援ツールです。このツールを使用すると、ユーザーは週単位、月単位、および年単位で製品物流を計画できます。