Design and Analysis of Marine System for Oil Transportation in the Arctic by Means of Simulation

Problem:




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 full-size field development will start in 2016 and continue for several decades.


The main obstacle in arctic marine transportation is the harsh ice environment that makes vessel movement difficult. Most of the year, ships operate in an ice channel in the fast ice of Ob’ Bay, which is over 2 m in thickness and 500 km in length. For some months of the year, the open water area of Kara Sea is almost completely covered with drifting ice. To create the robust system of arctic oil transportation, Gazprom Neft had to solve the following tasks:


  • Define a sufficient amount of arctic oil tankers and the demand for icebreaker assistance. Calculate the expenses for the tankers’ fuel and freight of icebreakers in different ice conditions.
  • Design a temporary logistic scheme for oil transportation during 2016-2017, when tankers of low capacity and low ice class would be used. Gazprom Neft plans to put into operation new shuttle tankers with bigger capacity, in accordance with the step-by-step increase of cargo traffic. Consultants needed to define the performance of a temporary transport system during the 2016-2017 period.
  • Define the capacity of a shore-based storage facility that would be sufficient for usage in ice conditions of different severity. Storage overflow should be eliminated. Consultants needed to calculate the minimum volume of shore-based storage to meet the capacity requirements within all periods of field development. They also had to take into account, that the more severe the ice conditions, the more difficult it would be for tankers to provide the required rate of transportation and avoid the storage overflow.

Solution:




By the order of Gazprom Neft Novy Port LLC, the experts from Krylov State Research Centre incorporated, under common interface, ship calculation modules, GIS environment, and a logistic simulation model developed using AnyLogic. The simulation model reproduced the dynamics of shore-based storage loading, logics of ships’ motion, and interaction in probabilistic weather conditions, taking into account ice channel freezing.


Tankers were modeled as independent agents moving in the space and guided by the logic blocks of the simulation model. Simulation considered interaction between tankers and icebreakers, adjustment of tanker speed according to storage filling level, location of other tankers, ice conditions, and other factors.


GIS technology in the simulation model allowed for the analysis of a transportation system that considered geographic factors including sea bathymetry, navigating channels, areas of restricted navigation at sea, and shore line.


Since ice channel conditions significantly influence ship traffic, Krylov Centre experts added the following parameters to the model:

  • Characteristics and number of ice channels
  • Time after last pass of the vessel in channel
  • Air temperature
  • Wind and wave conditions
  • Criteria of new canal laying

Tanker Logistics Simulation Model Interface

Model Interface


Tanker Logistics Simulation Parameters Change

Changing parameters in different ice conditions

Result:




The application of simulation modeling technology allowed the experts to design a transportation system that considered the dynamics of ice channel freezing, tanker traffic, and storage filling. No analytical tool can consider these kinds of dynamic factors.


Based on multiple model runs, Krylov Centre experts defined the optimal storage volume to be sufficient in ice conditions of different severity.


Experts also recommended the best strategy to eliminate the risk of storage overflow. The model also showed the optimal number of channels in fast ice in different ice conditions, approximate dates of canal laying, and volume and terms for icebreaker support of tankers. Analytics defined the dynamics of putting tankers into operation, expenses for fuel, and icebreaker support in various scenarios during all periods of field development. The model also helped to plan system operation during the temporary period.

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.
  • Preventing “Bus Bunching” with Smart Phone Application Implementation
    In public transport, bus bunching refers to a group of two or more transit vehicles (such as buses or trains), which were scheduled to be evenly spaced running along the same route, instead running in the same location at the same time. Dave Sprogis, Volunteer Software Developer, and Data Analyst in Watertown, MA, used AnyLogic to confirm his thesis that preventing "Bus Bunching" would improve the experience of public transit bus riders.