問題

世界上最大的資源公司之一，銷售額超過800億美元，決定進入一個新的市場。該公司計劃新建一座鉀鹽礦，并將90%的產量用于出口。他們想要設計一個可靠的供應鏈，有高速的補給以及從自然和人為災害中恢復甚至受益的能力。 Amalgama和 Goldratt簽訂合同，設計鉀鹽采礦業務和完整的出站物流供應鏈。

在啟動項目之前，了解當前仿真系統產生的瓶頸非常重要。這個舊系統確實有一些幫助；但該模型表現得像一個黑盒，并且沒有經過中間推理就產生了結果。新項目采用了仿真建模的方法，將供應鏈過程可視化，增加結果的可信度，有助于：

• 設計具有高服務水平、低成本、低資本投入的供應鏈。
• 選擇最佳庫存管理策略——推動式、混合式或拉動式。
• 在礦山、港口和樞紐尋找存儲空間。
• 確定所需的鐵路車輛數量。

錯誤的決策可能會在20年內導致數億美元的利潤損失。

解決方案

模型需求：

• 具有易于調整的節點和鏈接，并可配置的性能參數。
• 包括隨機性、需求和供應的可變性以及中斷。
• 使用動畫表現相互依賴性和性能變化。
• 提供財務和運營績效指標。
• 執行單次運行實驗，方案比較和敏感性分析。

AnyLogic仿真軟件滿足了這些要求。允許工程師根據需求創建靈活且可配置的供應鏈模型。AnyLogic 建模闡明了站場（港口、集散中心等）內的進程，并展示了不同元素的工作方式和交互方式。

采礦物流流程從工廠和礦山儲存設施開始。在產品開采完畢后，首先確定將產品運至出口渠道還是國內市場，之后通過火車到達一個樞紐或港口，然后運往國外或當地分銷。

在基于智能體的模型中，海港和礦山以及卡車、火車和船都充當獨立的智能體，彼此進行交互。模型中還包括不同的隨機源，例如，罷工行動、天氣狀況、生產中斷、客戶需求變化等。模型中的圖表可以顯示供應鏈及其組件的輸出統計數據。

使用該模型，進行敏感性分析來定義供應鏈的最佳策略——推動式、混合式或拉動式。分析在系統中增加軌道車輛（從2.5萬輛增加到5.5萬輛），改變礦山和港口的庫容（從15萬噸增加到50萬噸），改變服務水平。世界一流的服務水平預定義為98％，標記為綠色，較低的服務水平標記為紅色和黃色。

該圖表顯示：推動方案不會給出任何性能提高；混合方案可以提供所需的性能水平；但是，更好的是實行拉動式方案，也就是使用3500輛30萬噸容量的鐵路車輛或4500輛25萬噸容量的鐵路車輛。而且在此方案下，系統在存儲容量方面反應非常靈敏。

在確定了最優策略后，將復雜性和波動性因素添加到模型中，觀察其對服務水平的影響。推動方案會受到新產品、新客戶、新樞紐或新端口的負面影響，而使用拉動式政策，無論在任何因素下，都能保持較高的服務水平。

之后對每項政策進行測試，以了解當可變性增加時每噸成本如何變化。推動式策略幾乎總是具有最高的每噸成本指數。當然，該圖也顯示，隨著波動性和復雜性的增加，每噸的成本會隨著時間的推移而增加。

最后，使用不同的參數(服務水平、營運資金、集散中心和港口庫存等)對結果進行比較，并對策略進行排序。

結果

AnyLogic 仿真建模直觀地描述了整個供應鏈過程，證明了拉動策略是最優的。這項政策以每噸最低的成本提供較高的服務水平，同時降低了周轉資金和投資要求。模型還展示了如何將額外的存儲容量發揮作用。拉動政策的其他主要優勢是:

• 可以保持世界一流的服務水平。
• 對市場需求和產品結構的變化更有彈性。
• 當庫存水平較低時，它提供自動優先排序功能。
• 在港口維持較低的庫存水平，從而阻止列車排隊。

之前公司采用的推動策略，由于沒有考慮需求的可變性，服務水平很差。該公司采用多產品供應鏈，當客戶開始要求某個產品時，可能會因為缺少可用存儲空間而丟失訂單。而拉動政策算法的作用則有所不同，它根據需求決定何時安全地減少或增加庫存，而不會丟失訂單。

模型功能包括：

• 敏感性分析——顯示供應鏈績效指標對鐵路車輛數量和港口存儲容量的敏感性。
• 方案比較——測試不同的庫存管理政策以及財務和運營結果。

方案比較功能詳細的提供了不同場景中各種模型參數的結果。例如，推/拉策略的每噸增量成本/銷售成本之差為每噸3美元。按每年1300萬噸計算，如果選擇了錯誤的策略，這意味著將損失3900萬美元的凈利潤。對于售出噸數參數，在使用相同容量和波動性時，推拉/政策結果之間存在410萬噸的差異。每噸乘以300美元，這錯誤的策略選擇將造成 12億美元的收入損失。

綜上分析，在選擇執行策略時，最終選擇拉動策略進行業務開發。