В статье описывается стохастическая имитационная модель для склада пустых контейнеров. Цель анализа - определить текущую эффективность операционных политик, связанных с размещением пустых контейнеров на складе, и выработать рекомендации по улучшению этих политик. Были смоделированы макеты склада и транспортных коридоров. Показатели эффективности - это ожидаемое время оборота транспортного средства, время использование крана и время пребывания контейнера в системе. Модель построена в Simio и взаимодействует с внешней базой данных (SQL Server), которая выполняет всю обработку данных. Во время имитационного запуска могут использоваться три внешних базы данных. Одна из них регистрирует текущую позицию и все остальные атрибуты контейнеров, хранящихся в хранилище. Для этой базы данных реализовано несколько запросов и процедур. Две другие базы, соответственно, содержат реестры истории всех перемещений контейнеров и грузовиков, и они особенно полезны для целей валидации, поскольку имитируют базы данных, используемые реальной системой.

В статье представлено исследование о мультимодальных перевозках и хранении сои и кукурузы. Исследование было вызвано проблемой, с которой столкнулась компания Multigrain. Была разработана имитационная модель для оценки и поиска лучшего варианта. Было проведено исследование локализации, чтобы снабдить модель лучшими складскими помещениями с логистической точки зрения. В идеале склад должен располагаться на ближайшей автомагистрали и на расстоянии 50 км от фермы. Выбор ферм производился с использованием Google Earth. Каждый склад, представленный в исследовании локализации, моделировался на основе стандартного макета, который имел все параметры хранилища. В дополнение к свойствам склада модель также имела входные данные о прибывающих грузовиках для загрузки и выгрузки, а также репликацию конкретных условий для каждого местоположения. Основной целью исследования было моделирование до 2019 года с прогнозируемым спросом на этот год и определение необходимой инфраструктуры для доставки запланированного производства в порты.

В статье представлены некоторые проектные и организационные проблемы, связанные с кросс-док-терминалами, сравнение аналитического и симуляционного подходов для решения этих проблем, а также практическое исследование реального кросс-док-терминала. Представленное в статье моделирование имитирует работу кросс-док центра в контролируемой среде. Для эксперимента было использовано программное обеспечение FlexSim GP v7.1.4 со встроенным оптимизатором OptQuest. Исследования проводились в реальной ситуации: полученное решение было реализовано для логистического провайдера. Основной целью оптимизации было найти самую короткую дорогу автопогрузчиков. Предлагаемое решение оказалось на 20% лучше, чем решение, используемое оператором. В новом решении дорога вилочных погрузчиков стала короче приблизительно на 20 000 метров. Оператор логистики ознакомился с результатами исследований и методологией решения проблемы, и теперь они рассматривают возможность использования имитационной технологии и оптимизации для принятия решений в своей деятельности.

Eastman - глобальная химическая компания, она высоко ценит надежные и гибкие цепи поставок, постоянно совершенствуя свои процессы. Цель данного исследования - выявить ключевые узкие места в критической цепочке поставок и рекомендовать оптимальные уровни запасов сырья, промежуточных продуктов и готовой продукции взаимосвязанных предприятий с учетом рисков спроса и предложения. ЛПР также хотели изучить влияние надежности логистики и долгосрочных остановок критически важных поставщиков на возможности цепи поставок Eastman. Во-первых, были созданы карты процессов, они использовались в качестве отправной точки для идентификации режимов и вероятности отказа каждой части системы. Затем была разработана имитационная модель системы «Как есть» с использованием Rockwell Software, Arena. Модель предсказала частоту сбоев, которые будут происходить на основе информации базовой системы. Модель была рассчитана на 30-50 повторений в течение 5 лет. Наконец, были определены потенциальные сценарии по улучшению и уровни запасов. Каждый сценарий оценивался по предложенным улучшениям, эффективности, выгоде

Шведская строительная индустрия подвержена серьезным проблемам, связанным с доставкой и хранением материала. Когда материалы хранятся на строительной площадке, возникает устаревание и кража, и дополнительное время тратится на возмещение украденного или испорченного материала. Эти недостатки часто не замечаются, до тех пор пока материал не понадобится для строительства. Распределительный центр может решить эту проблему. Вопрос заключается в том, где должен располагаться этот РЦ. Цель этого исследования состоит в том, чтобы сформулировать и решить с помощью моделирования оптимизационную задачу размещения объекта. Модель построена с помощью Arena, а для поиска оптимального решения была использована OptQuest. Местоположение РЦ оптимизировано в отношении различных целей, таких как минимизация стоимости или времени транспортировки, минимизация стоимости или времени хранения, а также минимизация разницы в стоимости и времени доставки на каждую строительную площадку.

В связи с экологической ответственностью, предприятия пытаются повторно использовать, реконструировать и переработать использованные продукты для снижения негативного воздействия на окружающую среду. Обратная логистика является одним из важных элементов для реализации такой устойчивой системы цепочек поставок. В данной статье предлагаются методологии моделирования и анализа систем цепочек поставок с обратными логистическими потоками, обсуждаются два типа обратной цепочки поставок: обратная логистика типа PUSH и обратная логистика типа PULL. Целями статьи являются: (1) предложить общую модель цепочки поставок с обратной логистикой для повторного использования продукта; (2) внедрить общие имитационные модели для системы тестового слоя с использованием общих моделей и (3) представить эффективность предлагаемой системы тестового слоя с помощью численных примеров. Параметры моделирования: * Продолжительность моделирования - 100 дней * Интервал заказов -5 дней. * Функция распределения объема заказа является равномерным распределением (U (6,10)).

В статье приводится алгоритм для решения однопериодной задачи маршрутизации запаса (IRP) со стохастическим спросом и возможными запасами. Подход сочетает в себе моделирование методом Монте-Карло и эвристику. Алгоритм использует пять различных политик обслуживания или уровней запасов для каждого клиента: (a) без пополнения; (б) пополнение до 25% возможной вместимости ; (c) пополнение до 50 %; (d) пополнение до 75% ; и (e) полное пополнение. Для каждой из политик вычисляются затраты на инвентаризацию в соответствии с ожидаемым спросом в этом периоде, а затем оценивается экономия маржинальной маршрутизации. Таким образом, для каждого клиента можно ранжировать каждую политику путем оценки ее общих затрат, то есть как затрат на инвентаризацию, так и маршрутизацию. Далее следует цикличное построение набора перспективных решений для IRP. На каждом цикле этого многозадачного процесса выбирается новый набор политик, выполняя асимметричную рандомизацию в списке рядов политики.