Maximisation du revenu net par voyage d’une flotte de Bateau-pousseurs

PROBLÈME:




InterBarge, un opérateur nautique de première, affilié à SCF Marine, une partie du Groupe Seacor Holding, gère le fret le long de la voie fluviale HPP (Hidrovia Parana Paraguay, située en Argentine, au Paraguay, au Brésil et en Uruguay) au titre d’un contrat de transport dédié. Les bateaux-pousseurs ainsi que des barges sont pré-assignés à ces contrats. Durant certaines saisons de l’année, ces ressources sont libérées de tout engagement contractuel et/ou comportent des capacités disponibles sur certains voyages.


Le défi de la compagnie consistait à utiliser cette capacité disponible comme une flotte, en maximisant le revenu net par voyage, et à livrer les frets contractuels en choisissant les meilleures tailles de convoi et les meilleures affectations de vaisseaux.


La direction a demandé comment planifier toutes ses opérations avec ce nouveau mode de flotte, sachant qu’il y a une indépendance complète, entre les bateaux-pousseurs, les barges et les contrats non dédiés, tout en incluant les contrats dédiés dans le système. Ils voulaient analyser le comportement de ce système dans lequel chaque bateau-pousseur décidait, d’une manière intelligente, lorsqu’il arrivait dans un port ou un point de passage, quelle était la meilleure route à suivre, et quelles barges il pouvait utiliser pour construire des convois temporaires.


Ite Consult a conclu que la simulation modélisée était le meilleur outil pour répondre à ces questions. Les buts du projet de simulation étaient:

  • Maximiser le revenu net par voyage généré par les véhicules et les ressources de la compagnie grâce à un outil de planification (choix des voyages à assurer, des contrats à signer, de l’allocation des bateaux-pousseurs et des barges, et bien davantage).
  • Evaluer les risques de l’acquisition de bateaux-pousseurs et de barges supplémentaires.
  • Créer un outil pour identifier les revenus et négocier un prix de fret contractuel.
  • Créer un outil pour planifier toutes les opérations sur le court et le long terme.

Solution:




Le modèle a été conçu avec AnyLogic, en utilisant les événements discrets et les méthodologies basées sur des agents. Les bateaux-pousseurs et les barges naviguent le long des rivières, s’arrêtent dans chaque nœud ou port, puis décident s’ils doivent utiliser celui-ci comme point de départ d’un transport contractuel non dédié. Les bateaux-pousseurs ou barges prennent des décisions en fonction de leur emplacement géographique au moment où la décision doit être prise. Le modèle calcule l’Affrètement à temps pour chaque contrat actif / disponible et recommande la meilleure configuration de convoi, en tenant compte de tous les paramètres et contraintes potentiels.


Les données saisies incluaient:

  • La demande, les voies fluviales disponibles et leur saisonnalité (contrats, produits, prix, frais et davantage).
  • Les flottes de bateaux-pousseurs et barges (type de ressource, capacité, vitesse, tirant, puissance, consommation de la soute, besoins en entretien, etc.)
  • Les spécifications des rivières et des ports (niveaux d’eau, les capacités de chargement et de déchargement, les tarifs pour chaque produit, et bien davantage). 
  • La distance entre les ports et les points de destination.
  • Les coûts d’exploitation et les horaires d’utilisation de la flotte et des opérations portuaires.

Modèle de logistique des voies fluviales

Animation de l’exploitation des barges

Contraintes et paramètres du modèle: 
  • Les routes / nœuds interdit(e)s aux bateaux-pousseurs du fait du niveau de l’eau ou des restrictions de drapeaux des rivières.
  • La capacité de charge des bateaux-pousseurs lorsqu’ils naviguent vers l’amont / l’aval. 
  • La vitesse des bateaux-pousseurs lorsqu’ils naviguent vers l’amont ou vers l’aval, chargés ou à vide. 
  • Consommation de la soute.
  • Offres hebdomadaires et saisonnalité des contrats.
  • Flotte pré-assignée.
  • Capacité des barges par type de barge, facteur cubique des produits, et niveau d’eau par mois.
  • Durées du chargement et du déchargement.

RÉSULTATS:




Le modèle simule une période de 5 années en moins de 300 secondes, tout en considérant près de 250 variables externes et options de scénarios multiples. Ce système d’aide à la décision permet aux utilisateurs d’identifier facilement le revenu net par voyage attendu et la demande de transport de fret fluvial, et crée des recommandations sur la stratégie à adopter.


Les utilisateurs peuvent s’appuyer sur un groupe d’indicateurs clés tels que les tonnes livrées par contrat, les durées et coûts de navigation, l’utilisation et l’emplacement des bateaux-pousseurs et barges, les durées d’amarrage et d’attente dans chaque port, la consommation de la soute , etc. Cette information permet aux gestionnaires de choisir la meilleure décision parmi celles fournies par le système. Cela leur permet de planifier les routes pour les bateaux-pousseurs et les convois à court et à long terme.


Les données résultantes sont exportées dans des fichiers Excel afin de faciliter des analyses ou rapports supplémentaires. Il est également possible d’intégrer le modèle avec des bases de données de l’infrastructure IT existante de la société.


Le modèle de simulation résultant utilise des saisies et des scénarios élaborés par l’utilisateur, et peut s’adapter facilement aux modifications et/ou aux nouvelles exigences.

More Case Studies

  • Simulation de la logistique du rail interne du Port du Havre
    Le port du Havre avait besoin d’aide pour construire un nouveau terminal multimodal. Il s’agissait de simuler le transfert des conteneurs entre les trains / péniches fluviales et les autres terminaux existants, qui transféraient eux-mêmes ces conteneurs en direction ou en provenance du transport maritime.
  • Optimisation du réseau ferroviaire français
    Le gestionnaire du réseau ferroviaire national voulait savoir si le transport de fret par rail pouvait être compétitif face au transport par camions. Il voulait rendre le transport par la voie camion-rail-camion plus efficace.
  • Simulation de la construction d’un tunnel à l’aide d’un tunnelier
    Le coût d’une heure d’arrêt d’un tunnelier (machine de forage de tunnel) est habituellement élevé et les gestionnaires de projet doivent s’efforcer d’éviter les retards dans la construction. Le but du projet de simulation, qui a été mené à l’université Bochum de la Ruhr en Allemagne, consistait à créer un modèle de simulation capable de déterminer les goulots d’étranglement dans les processus de construction du tunnel, afin de minimiser les pertes financières potentielles.
  • Modélisation de la capacité d’une gare de triage
    Aurizon est le premier opérateur de fret ferroviaire d’Australie, à la tête de plus de 700 locomotives et 16 000 wagons. Aurizon prend en charge le transport du charbon, du minerai de fer et des minéraux à grand échelle. Afin d’augmenter l’efficacité opérationnelle, l’entreprise a décidé de déplacer l’une de ses gares de triage dans une autre ville. Cette gare de triage gérait essentiellement l’entretien des wagons et des locomotives, ainsi que la préparation des locomotives.
  • Effet “coup de fouet” dans la chaîne d’approvisionnement des semi-conducteurs
    La direction de la chaîne d’approvisionnement d’Infineon, un gros fabricant de semi-conducteurs, voulait étudier l’effet coup de fouet affectant son marché afin de diminuer les dépenses et de mieux prévoir le comportement du marché. A l’aide du logiciel AnyLogic, elle a construit un modèle de chaîne d’approvisionnement, depuis les matières premières jusqu’au marché.
  • Sélection de la meilleure politique de gestion des stocks à l’aide de Gojii
    Les outils existants de gestion de la chaîne d’approvisionnement et les S&OP (Ventes et planning opérationnel) sont performants lorsqu’il s’agit de gérer l’approvisionnement afin de répondre à une «prévision» sélectionnée. Cependant, il n’y a pas de «prévision correcte» de la demande future, et les outils existants ne sont pas conçus pour sélectionner le meilleur niveau de demande pour l’entreprise. Il existe une «insuffisance d’outil» entre les données entrées sur les prévisions et la sélection du meilleur signal de demande (la "Prévision") pour gérer votre système S&OP. Gojii est l’outil créé par DecisioTech pour combler cette lacune.
  • Planification du réseau de distribution et optimisation du stock à l’aide de simulations
    Diageo est une entreprise multinationale britannique de boissons alcoolisées. Diageo Russie est l’un des cinq distributeurs majeurs de Russie de boissons alcoolisées en gros, une activité qui génère traditionnellement peu de marges, et dans laquelle le bénéfice est tributaire du niveau de service client et de coûts logistiques élevés. La société Diageo a cherché assistance auprès d’une société de conseil Amalgama, LLC, lorsqu’elle a dû faire face à une augmentation de son volume de ventes, sans pour autant réaliser de meilleurs profits du fait des coûts logistiques par unité.
  • Modélisation d’un réseau de transport centré sur le client
    La sphère des services de transports publics en Australie fait l’objet d’une transformation, afin de répondre à des changements démographiques. Afin de mieux répondre à ces nouveaux défis, les compagnies de transport publiques doivent comprendre le comportement de leurs réseaux du point de vue du consommateur.
  • CSX Solves Railroad Operation Challenges with and without AnyLogic Rail Library
    CSX is a US railroad company that operates about 21,000 route miles (34,000 km). AnyLogic allows the railroad industry users to simulate line-of-road, terminal, and yard problems. The following three projects, completed by CSX in 2014, covered a variety of tasks that were solved using AnyLogic software.
  • Simulation Modeling of Offshore Offloading System for Arctic Oil and Gas Condensate Field
    The Novoportovskoye oil and gas condensate field is located in the Yamal peninsula and owned by Gazprom Neft, the fourth largest oil producer in Russia. Oil from the field is transferred via 100km pipeline to the sea terminal at Cape Kamenny, where it is loaded into arctic cargo tanks for further transportation. The main issues in planning tanker transportation in an arctic region are the harsh ice environment and difficult sea conditions.