问题:
北美最大的油气管道经营商之一向其客户分批输油,然而某客户并不能将每批都按时接收。该经营商希望操作员量化下游延迟交货对系统的影响。他们也需要测定上游的输油站点是否能够承载被延迟的批次。该公司授权开发网络模拟模型以更好的理解系统行为和上述问题所造成的的整体影响。该项目由AnyLogic和Stream Systems Ltd.共同研发。
项目的商业目标为:
- 了解和评估客户决策(例如,拒绝或接受产品)对输油网络行为的影响。
- 识别并消除多终端油气管道网络中的瓶颈,以提高系统吞吐量。
顾问们的任务是建立一个可供油气管道经营商根据不同具体问题灵活重建的模型,并尝试使用该模型来解决其他问题。
解决方案:

仿真模型包括码头、存储槽、管道和输油批次的相关信息。模型指定了每批次输油路线的起始站和终点站。每批次油可从起始站出发,经过任意管道路线或其他站点到达终点站,也可在其输送路线中暂时被存储在任意中转站之内。
该模型考虑了同管道或站点存在不同类型产品的油型兼容规则。输入数据的概率集合包含每批次油可在中转站改变路线的可能性。由于下游输油站点存油容量不足和设备故障的可能性,输油速度也可能会发生变化(输入数据不包括可靠性的信息)。
模型的输出信息包括:
- 每批次油输送路线上的信息记载。
- 输油站点和存储槽的使用容量。
- 管道内输油速度和输油吞吐量。
该模型还包括了地图上每批次油当前地点和输油管道每部分当前状态(正常/堵塞)的动画信息。
结果:
该公司在分析模型结果数据时主要考虑的是吞吐量和基础设施容量。通过模型,公司能够:
- 发现系统瓶颈。
- 评估缓解方案(通过更改规则和设计,引入其他基础架构元素,对管道网络进行试验)。
- 评估和衡量客户的行为变化对网络的影响。
- 增加额外的站点、管道、和存储槽扩展模型。
- 根据实际情况的变化调整模型。
该公司根据实验结果的分析变更了组织政策,使他们能够节省5000-8000万美金的资金,并每月产生了200万美金的额外收益。而该公司只投入300万美金的投资就得到了显著的收获。
首先,运营商的专家建议创建低抽象级别的仿真模型。他们对分子水平上管内输油的仿真已经非常熟悉。 这些模型对于泄漏检测,流体动力学和液压问题很有用,但过于复杂以至于无法模拟管道网络行为。
他们需要找到一个更高层面上的具有较高准确性和可靠性系统模拟(模拟每批次油本身而不是它物理上的分子)。Stream Systems Ltd.的顾问说服了该油气经营商使用AnyLogic。它的多方法建模功能使用户可以选择所需的抽象级别来解决业务挑战。
创建的模型充分利用了AnyLogic的多方法建模能力。它是一个三种仿真建模方法的整合:基于智能体建模、系统动力学建模、离散事件建模。这使得用户可以节省时间和精力,在模型中重现管道网络的设计。
Stream Systems Ltd.的Allan Chegus和Dumitru Cernelev的项目演示。
