案例研究

微软是全球最大的科技公司之一，销售收入超过900亿美元。现在，越来越多的销售收入来自销售物理设备，这使公司面临极具复杂性和不确定性的状况。该公司拥有超过30,000种产品生命周期变化较大的产品，600多家供应商，13家合同制造商和52个配送中心，产品分销到191个国家。

基于智能体的汽轮机运行和维护（ATOM）模型是由DecisionLab Ltd和西门子共同开发的数字孪生仿真模型。数字孪生仿真西门子航空衍生燃汽轮机部门的全球维护维修和大修（MRO）运营。该模型由供应链中已有的实时数据驱动，能够使用复杂的仿真和数据分析方法来优化西门子的车队运营，从而实现数据驱动决策，提高客户运营和资产管理的生产率和效率。

半导体需求不稳定，高度依赖创新周期，由于其波动性，半导体供应链容易出现牛鞭效应。供应链短缺和冠状病毒危机加剧了这些挑战。本案例展示了Infineon的供应链工程师如何使用仿真建模优化他们的供应链并减轻牛鞭效应。

葛兰素史克（GSK）是2014年全球第六大制药公司。该公司正在新市场上推出一种新的疫苗产品，该产品需要与以往不同的分销网络。因此，需要设计一个新的供应链并使其与制造流程保持一致。

鲜果布衣（FOTL）是美国最大的服装制造商和销售商之一。该公司正在扩张，经理们想知道新增一个配送中心（DC）和将货物重新分配到原有的配送中心，哪种方式在运输成本方面更合算。承包商决定对整个供应链进行仿真，以便在GIS地图上可视化配送中心的位置和供应网络。公司以批发商为中心，将分销商视为客户。本项目不涉及小包裹和终端用户。

巴西零售公司Lojas Renner S.A.打算改变配送业务。他们使用AnyLogic仿真了最后一英里的配送业务，并在规划客户配送方面获得了有价值的结果。

Intel工厂中有一种特定的设备经常故障，导致生产受到限制。如果故障比较容易修复，工厂内的技术员会把它修好。而如果故障相对复杂，这个损坏的设备就会被寄回到供应商维修中心修理。由于这些昂贵的零件对工厂运转十分重要，维修耗时也比较长，所以准备一些额外备用的零件防止停工是很必要的。但是有些工厂因为零件故障生产受到限制，而有些工厂买了过多的备用零件。

对于一个每年处理150亿个包裹的物流网络，仿真建模可以极大的为所有利益相关者节省关键指标开支。在Pitney Bowes的案例研究和演示中，您将了解到如何做到这一点。

Estafeta 是墨西哥最大的包裹货运公司之一。由于电子商务的大幅增长，他们希望加大对运送包裹网络的投资，以充分利用这一优势。为了了解预算资本支出的最佳用途，他们与 VP Consulting 合作开发了数字孪生系统，以帮助他们回答这个问题。此外，得益于这一物流数字孪生系统，他们的网络吞吐量提高了 21%。

SimWell 利用 AnyLogic 作为逆向物流软件，帮助 RPM eco 优化了回收供应链，最大限度地提高了卡车收集的材料重量。他们利用物流中的预测分析技术开发了端到端解决方案，从而减少了零次取货，提高了每次取货的平均重量。