Développement du réseau d’entrepôts

Application réussie du système d’aide décisionnelle anyLogistix.


PROBLÈME:




Eldorado Company, un immense réseau de revendeurs d’électronique en Russie, avec des magasins dans 350 villes, avait besoin de déterminer le nombre optimal d’entrepôts, ainsi que leur localisation, afin de mieux répondre à la demande des consommateurs et de minimiser les dépenses de livraison et de stockage. L’analyse a montré que le problème pourrait être résolu avec l’introduction du système d’aide décisionnelle anyLogistix. Les données d’entrées fournies par le client décrivaient les emplacements potentiels des entrepôts: le coût du loyer, les investissements de construction de bâtiments nouveaux ou la modernisation d’entrepôts anciens, le niveau moyen et le coût de stockage, les coûts globaux de personnel et de sécurité, etc. Le modèle de simulation inclus dans la simulation comprenait les coordonnées GIS des entrepôts et des magasins de détail, et les distances entre les cités.

Solution:




Visualisation du réseau logistique sur la carte Le système permettait au client de simuler en détail plusieurs sortes d’activité:

  • Base quotidienne (model time): les marchandises qui sont vendues dans les magasins, et les pertes dues aux pénuries des articles demandés sont comptabilisées.
  • Base hebdomadaire: le stock est réapprovisionné à un seuil cible défini, les coûts de transport sont comptabilisés, et les paiements à crédit aux fournisseurs planifiés.
  • Base mensuelle: les seuils des entrepôts sont renouvelés en fonction des niveaux de vente des magasins, des itinéraires des entrepôts aux magasins sont créés et les expéditions aux franchisés sont planifiées.

Les chiffres de ventes mensuelles sont conformes aux chiffres de vente moyens, tandis que les ventes quotidiennes sont générées de manière aléatoire.


Les utilisateurs peuvent mener plusieurs expérimentations avec le modèle. L’expérimentation de variation des paramètres vérifie tous les scénarios possibles de positionnement des entrepôts, en tenant compte des entrepôts «fixés» et de leur nombre maximal. Le produit de cette expérimentation est la meilleure combinaison d’entrepôts qui coûte le moins cher. En fonction de ces informations, l’expérimentation d’optimisation calcule l’espace au sol des entrepôts. Dans une expérimentation simple, un utilisateur choisit manuellement les entrepôts dans la liste, et lance le modèle avec cette combinaison afin de visualiser les statistiques résultantes.

SOLUTION RETENUE:




La solution permettait au client de choisir la variante de positionnement optimale d’un entrepôt parmi 63 000 combinaisons. Les coûts de mise en œuvre du logiciel sont rentabilisés pendant les deux premiers mois de travail lorsque l’on utilise le système de réseau de distribution recommandé par le modèle. Le système d’aide à la décision est censé fonctionner pendant une longue durée, car cela permet aux utilisateurs de trouver de nouvelles configuration du système de distribution au cas où la situation du marché change (modification des tarifs de transport, paramètres d’entrepôts, nombre des magasins et montant des ventes, etc.).


Supply Chain Optimization Software

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.
  • Maximisation du revenu net par voyage d’une flotte de Bateau-pousseurs
    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. Le défi de l’entreprise consistait à utiliser la capacité des bateaux non dédiée aux engagements contractuels comme une flotte, maximisant ainsi le revenu net par voyage.
  • 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.