Aperçu
Cementos Argos est un leader du marché du ciment et du mélange prêt à l’emploi en Colombie et le quatrième producteur de ciment aux États-Unis. L’entreprise compte plus de 8 000 employés et un chiffre d’affaires de 3 milliards de dollars.
L'entreprise opère dans 16 pays et comprend 13 cimenteries, neuf installations de broyage, 340 centrales à béton et 33 ports et terminaux. Argos fournit du ciment pour les deux secteurs, industriel et vente au détail. Les spécialistes créent de la valeur pour les clients grâce à des produits et des solutions innovants.
Problème
Argos dispose de deux vraquiers et de 31 terminaux. Chacun des terminaux a une capacité différente de stockage en silo, des restrictions provisoires et portuaires différentes, et des opérations de terminaux qui ont été prises en compte dans le modèle.
Les ingénieurs d’Argos modéliseraient l’approvisionnement en ciment dans Excel, en utilisant des rapports mis à jour pour chaque terminal : ventes quotidiennes, rapport d’inventaire et planification des stocks. De plus, ils ont fait la mise à jour et la planification chaque semaine, ou sur demande.
Compte tenu des contraintes du système, les spécialistes établiraient manuellement un plan d’approvisionnement. Ces contraintes étaient connues par l’expérience plutôt que modélisées dans un système. La modélisation dans Excel a donné la visibilité de seulement 15 jours entre la planification des opérations et l’exécution.
Pour améliorer la visibilité et la précision du processus global de planification de l’approvisionnement en ciment, Argos a opté pour la modélisation par simulation dans AnyLogic.
Pour le projet de modélisation par simulation, Cementos Argos avait trois objectifs principaux :
- Évitez les pénuries de ciment sur chaque marché.
- Utilisez 100 % de la capacité du navire.
- Optimiser les temps de décharge pour éviter les retards de rotation ou les surestaries.
Solution
À l’aide d’AnyLogic, Argos a développé et analysé un modèle de simulation pour l’approvisionnement en ciment en vrac des terminaux des Caraïbes orientales. Le modèle a ensuite été exporté en tant qu’application Java autonome.
Les vraquiers d’Argos ont transporté du ciment d’une usine de Carthagène vers des terminaux d’Aruba, de la Dominique, d’Antigua, de Saint-Martin et de Saint-Thomas. Ces emplacements ont été cartographiés avec la forme de carte SIG dans le modèle de simulation.
Sur l’écran des paramètres du modèle, les utilisateurs pouvaient entrer les informations sur les terminaux, y compris des variables telles que les stocks initiaux et la demande projetée dans chaque segment de marché. Le modèle a également pris en compte des paramètres tels que la capacité de stockage, le taux d’emballage et les heures de travail.
Pour les navires, les données d’entrée du modèle contenaient les variables suivantes : itinéraires assignés, répartition proposée du volume, plages de vitesse et retards de départ. Le modèle a également tenu compte des paramètres des navires, notamment la capacité et les taux de chargement et de déchargement.
Le modèle de simulation pourrait également lire les données d’entrée et les exporter vers le même fichier Excel.
Les développeurs ont utilisé AnyLogic Fluid Library pour simuler le chargement et le déchargement des navires, ainsi que le stockage, l’emballage et l’expédition du ciment à partir des terminaux. Ils ont également utilisé les éléments de planification AnyLogic pour simuler les heures de travail des terminaux.
Les ingénieurs de Cementos Argos ont utilisé une approche de simulation basée sur le comportement des agents et des cartes d’état pour modéliser le comportement des navires. Pour simuler des paramètres stochastiques (vitesse du navire, demande de ciment, etc.), ils ont appliqué des probabilités intégrées ou des distributions personnalisées. Les utilisateurs peuvent également spécifier la date de début et l’heure de la simulation (en heures).
Les ingénieurs pouvaient visualiser les résultats de la simulation sur des graphiques et dans des tableaux.
Pour le terminal cimentier, les résultats du modèle comprenaient :
- Pénuries de stock et temps accumulé sans stock
- Stock final prévu pour chaque produit
- Ventes mensuelles par terminal
- Demande quotidienne par produit
Pour le navire, les données de sortie contenaient :
- Heures d’arrivée et de départ
- Temps de permanence
- Rapport d’inventaire du ciment
- Profil de vitesse
- Profil de vitesse
Résultats
En simulant des opérations d’approvisionnement en ciment, Argos a étendu sa visibilité de 15 à 30-35 jours. La société a également créé et analysé différents scénarios d’approvisionnement en ciment à l’aide d’AnyLogic. Les développeurs de modèles pourraient facilement tester les scénarios, apporter les ajustements nécessaires et éventuellement choisir la meilleure option.
Grâce à la modélisation par simulation, la surveillance des navires et les mises à jour des ventes et de la production ont été effectuées mensuellement plutôt qu’hebdomadairement, ce qui a permis aux ingénieurs de gagner beaucoup de temps.
Pour mesurer la performance du modèle, les ingénieurs d’Argos ont défini des KPI et comparé les résultats aux objectifs.
Les résultats avec les indicateurs clés de performance de simulation :
- Aucune rupture de stock aux terminaux pendant certaines périodes, ce qui entraîne des revenus stables.
- Utilisation de la capacité des navires – 99 %.
- Réalisation du plan d’approvisionnement – 84 % (l’objectif était de 80 %). Cet indicateur cl » de performance a été mesuré en tonnes métriques (une tonne métrique équivaut à 1 000 kilogrammes) de ciment.
Avantages du modèle de simulation
Grâce à AnyLogic, Argos a optimisé la planification de son approvisionnement en ciment et l’utilisation de la capacité des navires. En outre, la simulation a permis d’examiner les goulots d’étranglement du système et d’identifier les risques possibles tels que les ruptures de stock, les retards d’expédition, etc. Cela a amélioré la disponibilité du produit dans le système réel.
De plus, la modélisation a permis de réduire les coûts de main-d’œuvre et les heures supplémentaires. En conséquence, en 2021, Argos a vendu des volumes plus élevés qu’en 2020 avec le même coût unitaire.
Prochaines étapes
Les ingénieurs d’Argos allaient ajouter une définition de destination autonome pour les navires dans le modèle. De cette façon, les navires pourraient choisir eux-mêmes la prochaine destination optimale.
Les ingénieurs aimeraient également combiner l’heuristique avec la technologie d’apprentissage par renforcement pour augmenter l’efficacité du choix du navire (agent).
Regardez la vidéo sur cette étude de cas présentée par Cementos Argos à la conférence AnyLogic 2021.
