Le Groupe Airbus Group s’est joint au projet de l’Union Européenne ARUM (Adaptive Production Management – gestion de la production adaptative), qui a pour but de créer une solution IT pour la réduction des risques, la prise de décision et la planification pendant les montée en puissance du nouveau produit.
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.
Alstom est un leader mondial du secteur des transports. La société propose des services concernant de trains, de signalisation, de maintenance ainsi que des systèmes de transport intégrés. Parmi les produits d’Alstom figurent les trains à grande vitesse TGV et Eurostar. La société compte 105 sites et emploie plus de 34 000 personnes dans le monde. Alstom considère que l'innovation est cruciale pour relever les défis de la mobilité du futur. Ensemble, avec SimPlan, ils ont convenu de développer un système d’aide à la décision numérique pour la gestion de la maintenance de la flotte de trains.
SNCF Gares & Connexions a sollicité sa filiale AREP et la société de conseil en modélisation EMSYSS pour le développement d’un simulateur dont l’objet était d’optimiser l’exploitation du Transmanche de la Gare du Nord à Parisà travers la réduction du temps d’attente en amont et au niveau de contrôle des voyageurs. Le modèle permet de repérer, d’évaluer et de représenter les dysfonctionnements éventuels dans ces espaces.
L’Institut européen pour la recherche en énergie (EIFER), le centre de recherche né de la collaboration entre l’Institut de technologie de Karlsruhe et la société EDF, est une organisation qui s’intéresse à la décentralisation des systèmes énergétiques dans différents territoires et promeut les sources d’énergie renouvelables. Les systèmes énergétiques localisés n’ont pas besoin, au contraire des systèmes classiques, de transporter de l’énergie sur de longues distances, étant donné qu’ils se trouvent à proximité des points qu’ils desservent.
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.
La société d’exploitation de la Tour Eiffel (SETE) a utilisé le logiciel de simulation AnyLogic pour optimisation le flux touristique dans le monument. Avec son aide les ingénieurs ont augmenté le nombre de visiteurs sans des travaux d’aménagement mais avec la nouvelle organisation de mouvement des gens au sommet de la Tour.
Un entreprise publique d’électricité en France devait optimiser les itinéraires pour s’assurer que toutes les commandes étaient livrées à temps par des camions électriques. Ils ont décidé de développer un modèle d’optimisation des itinéraires de livraison à l’aide d’un logiciel de simulation, de visualiser le réseau logistique et de recueillir des statistiques. Pour refléter le système réel, l’équipe a dû tenir compte de la capacité de la batterie des camions, de l’énergie électrique des chargeurs et de nombreuses autres contraintes.
Microsoft est l’une des plus importantes sociétés technologiques au monde, avec un chiffre d’affaires qui dépasse 90 milliards de dollars US. L’entreprise a un catalogue comprenant plus de 30000 produits, dont les cycles de vie sont très variés, dispose de plus de 600 fournisseurs, 13 fabricants sous contrat et 52 centres de distribution. En 2015, Goldratt Research Labs a passé un contrat avec Microsoft afin de concevoir, valider, piloter et mettre en œuvre une solution de gestion de Supply Chain de bout en bout, qui s’appuie sur les bonnes pratiques de la « Théorie des contraintes ».
Meta avait besoin de configurer correctement ses nouveaux centres de données hyperscale afin d'améliorer les flux de travail, ainsi que d'analyser les goulots d'étranglement et la capacité de débit. Ils se sont notamment préoccupés de la manière d'optimiser la réception des rayonnages. À l'aide de la simulation, de l'optimisation et d'une expérience de Monte-Carlo, ils ont été en mesure d'identifier les exigences exactes nécessaires pour garantir que ce flux de travail de livraison de rayonnages était effectué de manière efficace et efficiente.