Problème
Kernel est le premier fabricant et exportateur mondial d’huile de tournesol et fournisseur de produits agricoles du bassin de la mer Noire à travers les marchés mondiaux. L’entreprise possède 550 000 hectares de terrain et plus de 40 silos à grains, avec un volume total de stockage pouvant atteindre 2,8 millions de tonnes.
L’un des défis réguliers de l’entreprise est la planification, la récolte et le transport d’agro-produits. La planification exige l’examen d’une grande quantité de données d’entrée qui peuvent influer sur le rendement de l’ensemble de la chaîne d’approvisionnement, notamment :
- Calendrier de récolte
- Caractéristiques et emplacement des produits récoltés
- Capacité des silos à grains
- Caractéristiques de l’équipement d’ascenseur à grains
- Nombre de véhicules impliqués dans le transport de récolte
L’entreprise devait relever ce défi annuel sans investissements financiers supplémentaires et prévoir le comportement de la chaîne d’approvisionnement avec un nombre changeant d’équipement. Ils ont décidé d’analyser les opérations logistiques et d’effectuer l’optimisation du réseau logistique dans un environnement sans risque afin d’éviter des coûts supplémentaires. Ils ont commandé des recherches par la société de conseil Business Logic. Les consultants ont créé un modèle d’optimisation logistique numérique du réseau de la chaîne d’approvisionnement de l’entreprise à l’aide de la simulation AnyLogic.
Solution
Capture d’écran du modèle d’optimisation logistique
(cliquez pour agrandir)
Le modèle d’optimisation des opérations logistiques, développé par des consultants business Logic, reflétait la chaîne d’approvisionnement de Kernel, y compris les processus de transport des récoltes des champs aux ascenseurs, son traitement et son stockage dans les ascenseurs, le transport des ascenseurs vers les ports, et son expédition à l’intérieur des ports.
Les consultants ont appliqué plusieurs méthodes pour développer le modèle d’optimisation des opérations logistiques. Les composants de la chaîne d’approvisionnement étaient représentés en tant qu’agents, tandis que les processus de production dans les ascenseurs et les ports étaient simulés à l’aide de la modélisation des événements distincts. Le modèle reflétait également l’interaction entre les différents centres et équipements dans les ascenseurs et les ports, notamment :
- Déchargement de véhicules
- Opérations d’équipement de séchage et de lavage
- Stockage des marchandises dans le système d’ascenseur
- Transport ferroviaire des produits récoltés
La solution d’optimisation du réseau logistique développée permet aux utilisateurs de simuler les opérations de la chaîne d’approvisionnement et de mener des expériences avec ses composants afin de prévoir comment diverses circonstances affecteront les performances du réseau. Dans le modèle, les utilisateurs peuvent ajuster les caractéristiques de l’équipement, la vitesse du processus de séchage des récoltes, l’emplacement et la quantité d’ascenseurs, différentes stratégies de transport, et spécifier diverses caractéristiques des produits récoltés, comme son humidité.
Le modèle est également utile pour :
- Planification des opérations lors de la distribution des récoltes entre les silos, compte tenu des contraintes de volume de stockage, des capacités d’entrepôt et de la capacité des points de chargement/déchargement.
- Prise de décision lors de l’introduction de nouvelles aires de stockage, et l’optimisation des installations existantes ou la modernisation de l’équipement dans les ascenseurs.
- Planification de la distribution des récoltes et de l’utilisation de la capacité des ascenseurs en fonction des conditions météorologiques.
Résultat
Le modèle d’optimisation des opérations logistiques développé permet aux spécialistes de Kernel de :
- Mener des expériences numériques basées sur la chaîne d’approvisionnement, y compris des tests de stress, dans un environnement sans risque.
- Réduire le temps de planification avant le projet, le calcul d’un scénario unique a pris deux semaines et le modèle a aidé à le réduire à une heure.
- Déterminez la configuration de la chaîne d’approvisionnement optimisée par les coûts.
À la fin de la simulation, plusieurs rapports sont générés. Ces rapports contiennent des données sur le roulement de l’espace de stockage, l’équipement des ascenseurs, l’occupation des véhicules et d’autres indicateurs requis pour prendre des décisions sur la configuration de la chaîne d’approvisionnement et pour planifier les opérations de transport quotidiens.
Le modèle d’optimisation logistique est un outil utile de prise de décision pour la planification des opérations saisonnières de la chaîne d’approvisionnement. L’outil permet également aux utilisateurs de planifier la distribution des produits hebdomadaire, mensuelle et annuelle.