Développement d’un réseau d’oléoducs: identification des goulots d’étranglement et choix des politiques correctes

Problème:




L’un des plus gros opérateurs d’oléoducs et de gazoducs d’Amérique du Nord livrait du pétrole à un client qui n’était pas toujours capable de recevoir les quantités livrées. L’opérateur devait quantifier les impacts du système en aval des livraisons différées. Il devait également déterminer si la capacité des réservoirs des terminaux pétroliers en amont et s’ils étaient capables de stocker les lots différés. Afin de mieux comprendre le comportement du système et les impacts sur le réseau global des problèmes existants, la société a autorisé le développement d’un modèle de simulation du réseau. Le projet a été mené par Company and Stream Systems Ltd d’AnyLogic.


Les objectifs commerciaux du projet étaient:

  • Comprendre et évaluer l’impact des décisions du client (par exemple, refuser ou accepter le produit) sur le comportement du réseau.
  • Identifier et éliminer les goulots d’étranglement sur un réseau de conduites de pétrole et de gaz multi-terminaux afin d’augmenter le débit du système.

La tâche du consultant était de créer un modèle qui soit suffisamment flexible pour que l’opérateur pétrolier et gazeux puisse redéfinir le problème et expérimenter avec le modèle pour résoudre d’autres défis.


 Oil Pipeline Simulation Model Interface

Oil Pipeline Model Interface and Animation

Solution:




Le modèle de simulation créé comprenait des terminaux, des réservoirs, des pipelines et des lots de pétrole. Chaque lot se voyait affecter un itinéraire comprenant des terminaux de départ et d’arrivée. L’itinéraire pouvait emprunter différents segments de pipeline et terminaux, et un lot pouvait être arrêté temporairement dans un terminal de transit en cours de trajet.


Les règles de compatibilité entre les types de pétrole étaient prises en compte lorsque différents types de produits empruntaient le même pipeline ou terminal.


Selon une probabilité définie à partir des données entrées, un lot pouvait changer d’itinéraire dans l’un des terminaux de transit. La vitesse du mouvement des lots pouvait changer en raison d’un manque de capacité disponible des réservoirs dans un terminal en aval ou de pannes d’équipements (les informations de fiabilité étaient tirées des données d’entrée).


Les résultats du modèle comprenaient:

  • L’historique du mouvement du lot.
  • Les capacités utilisées des terminaux et des réservoirs.
  • La vitesse et de débit du mouvement du lot dans les pipelines.

Le modèle comprenait également une animation du réseau sur la carte qui montrait visuellement l’emplacement de chaque lot et le statut du segment de chaque pipeline (normal/congestionné).


Résultats:




Les indicateurs de performance clés pris en compte pendant l’analyse des résultats du modèle étaient le débit et la capacité de l’infrastructure. Ainsi la société a été en mesure:

  • De découvrir les goulots d’étranglement du système.
  • D’évaluer les options d’atténuation (expérimentation avec le réseau en changeant les règles, en introduisant des éléments supplémentaires d’infrastructure).
  • D’évaluer et de mesurer les effets d’un changement de comportement du client sur le réseau.
  • D’étendre ce modèle en ajoutant des terminaux supplémentaires, des pipelines ou des réservoirs.
  • D’ajuster le modèle aux conditions fluctuantes.

L’analyse des résultats de l’expérimentation ont conduit à un changement de politique organisationnelle qui a permis d’économiser de 50 à 80 M de dollars en capital, et a créé un débit supplémentaire du réseau d’une valeur mensuelle de 2 M $ à partir de ce point. Ces résultats ont pu être atteints en investissant environ 3 M $, ce qui a constitué un résultat phénoménal.


Pourquoi choisir AnyLogic:




Tout d’abord, les spécialistes de l’opérateur ont suggéré de créer un modèle de simulation à un faible niveau d’abstraction. Ils étaient familiers avec la simulation des mouvements de pétrole dans les pipelines à un niveau moléculaire. Ces modèles étaient utiles pour détecter les fuites, les dynamiques des fluides et les problèmes hydrauliques, mais ils étaient bien trop complexes pour simuler les comportements du réseau.


Pour faire cela rapidement et aisément, à un niveau de précision et de fiabilité, ils devaient examiner le système à un plus haut niveau (par exemple, simuler les lots de pétrole, et non les molécules). Les consultants de Stream Systems ont convaincu l’opérateur de pipelines pétroliers et gazeux d’utiliser AnyLogic pour accomplir cette tâche. Les fonctions de modélisation du logiciel permettaient aux utilisateurs de choisir le niveau d’abstraction désiré pour résoudre les défis de l’entreprise.


Le modèle créé utilisait les capacités multi-méthodes d’AnyLogic au maximum. Le modèle consistait en une combinaison de trois paradigmes : méthode basée sur des agents, basée sur des dynamiques système et basée sur des événements discrets. Ceci a permis aux utilisateurs d’économiser du temps et des efforts qui auraient été consacrés à reproduire le système dans le modèle.

Visualisez la vidéo d’Allan Chegus et Dumitru Cernelev de Stream Systems Ltd. présentant cette étude de cas à la conférence AnyLogic de 2014:

 

More Case Studies

  • Applications de réponses aux désastres à l’aide de la modélisation basée sur des agents
    Dans son effort pour trouver des solutions opérationnelles pratiques pour trouver une réponse rapide et efficace à une crise imprévue ou une catastrophe naturelle, Batelle avait besoin de tester l’efficacité d’une mise enplace d’un abri en 48 heures dans un scénario d’abri nucléaire improvisé (IND). Le but visé était de réduire les doses de radiations reçues pendant une évacuation de masse non coordonnée, en comparant l’évacuation immédiate avec la mise en place d’un abri.