问题

马来西亚国家石油公司（Petronas）的供应链面临诸多挑战，包括运输延误、油气物流的不确定性、储罐空间不足以及规划流程迟缓等，这不仅导致供应链管理难度加大，也使问题修复成本居高不下。

解决方案

该公司借助 AnyLogic 搭建了仿真模型以识别瓶颈问题，同时结合了以下工具与流程：通过 Excel 自动提取数据、配备地图和图表功能的 Web 应用程序、每日邮件更新，以及一套 “调整 — 测试” 计划的三步流程。

结果

• 借助每日电子邮件更新，规划时间从数小时缩短至数秒
• 通过蒙特卡洛测试提前发现储罐满罐等问题，风险大幅降低。
• 团队通过共享模型信息，协作配合更为顺畅。
• 物料平衡清晰地记录了产品数量。
• 从棘手的货物提取（或装载）环节中总结的经验，催生出了机器学习相关构想及运输工具的改进方案。

简介：关于马来西亚国家石油公司

马来西亚国家石油公司（Petronas）是马来西亚石油与天然气行业的领军企业，业务涵盖炼油厂、仓库（储运站）以及连接马来西亚半岛与东马地区的物流网络。除能源核心业务外，该公司因与世界一级方程式锦标赛（Formula 1）的长期合作关系而享誉全球。

本案例研究将深入探讨马来西亚国家石油公司如何审视其供应链（从繁忙的炼油厂到分布广泛的仓库），并通过油气行业优化策略找到管理供应链复杂性的解决方案。

问题：应对油气行业物流中的不确定性

马来西亚国家石油公司（Petronas）的供应链是一张复杂的网络，从炼油厂延伸至马来西亚各地的仓库，其间不乏各种挑战。在炼油环节，生产过程可能遭遇各类问题 —— 例如延误或突发变动，这些都会扰乱整体计划。

此外，油气物流也存在难题：运输产品的船舶时常遇到状况，尤其是在多站停靠航线中（船舶需在一个仓库卸完货后再前往下一个），加之需求波动毫无规律，这让库存管理变得着实棘手。


仓库通过储罐储存产品，其中部分储罐与其他油气公司共用 —— 这给本就复杂的局面又增加了一层协调难度。另一大挑战是 “储罐满溢” 问题：当船舶提前抵达却没有卸货空间时，价值不菲的产品就会被困在船上。

除此之外，规划人员过去需要花费数小时手动整合数据，却没有明确的方法提前识别此类风险。由于炼油厂与仓库之间缺乏清晰的信息互通，很难制定出可靠的计划；而事后解决问题往往会对预算造成显著影响。

解决方案：通过仿真实现油气优化的成功

为应对这些挑战，马来西亚国家石油公司（Petronas）利用 AnyLogic 开发了一个仿真模型，旨在识别瓶颈并验证油气优化的输出结果。

该模型整合了来自多种数据源的信息，包括初始库存、提油曲线、船舶航线计划以及炼油厂生产预测等。随后，它会自动将这些数据汇总到 Excel 文件中，以便用户便捷地进行情景测试。

该仿真模型以月度为周期运行，与油气优化模型（一种混合整数线性规划模型）相结合，用于生成初步的船舶计划。随后通过适配现实中的非线性因素和不确定性因素，对这些计划进行优化。

一款由AnyLogic Cloud API驱动的定制化Web应用程序，为规划人员提供了直观的操作界面。它具备炼油厂和油库的地图视图功能，并通过高亮显示发出预警（例如用黄色标注关键事件）。此外，它还包含一个汇总视图，其中涵盖物料平衡数据、堆叠图表以及关键绩效指标（KPI）—— 如储罐满溢事件等。

一项自动化每日任务会在每天清晨提取最新数据，运行未来 30 天的仿真，并通过电子邮件向规划人员发送标注潜在问题的报告。规划人员遵循以下三步流程展开工作：运行基准仿真、调整输入参数（如船舶时刻表）以降低风险，以及执行蒙特卡洛实验以测试计划的弹性。

为何马来西亚国家石油公司选择 AnyLogic？

Petronas 为其仿真模型选择 AnyLogic 是因其满足公司需求，核心原因如下：

• 强大的 Java 基础：AnyLogic 基于 Java 开发，运行大型模型速度快 —— 相比之下，Petronas 此前某个项目使用的 Python 在这方面表现较慢。此外，Java 拥有庞大用户社区，能提供各类工具助力模型的规范化搭建。

• 实用的云功能：AnyLogic Cloud 支持 Petronas 轻松扩展模型规模、快速与团队共享，还能将模型与网络工具及 Python 对接以生成报告。

• 灵活的适配性：AnyLogic 支持 Petronas 根据自身供应链特点调整模型，且提供现成工具（例如流体相关工具）以加快搭建进度。

• 清晰的可视化：AnyLogic 支持用户创建简洁易懂的可视化内容。

仿真结果：为物流优化奠定基础

这款仿真模型对马来西亚国家石油公司（Petronas）的油气物流运作方式产生了重大影响 —— 将原本棘手的供应链管理变得更易于掌控。它不仅带来了切实可见的效益，为公司的日常运营提供助力，还为未来的持续改进开辟了新路径。以下是主要成果：

• 规划工作变得更快、更便捷，由于数据实现自动录入，规划时间从数小时缩短至仅几秒。如今，规划人员每天早晨都会收到邮件，其中包含未来 30 天的情况预测。

• 风险显著降低：借助蒙特卡洛测试，规划人员能够在储罐满溢等问题发生前就提前察觉。通过 “提前解决” 而非 “事后补救”，公司节省了大量成本。

• 团队协作效率提升：炼油厂、仓库及油气物流相关人员通过该模型能够获取一致的信息，从而实现集体讨论与规划，告别了以往 “靠猜测判断情况” 的状态。

• 信息透明度增强：物料平衡等新数据能精确显示各类产品的存放位置，帮助规划人员全面追踪从炼油厂到仓库的全流程 —— 这是以往无法实现的。

• 新的改进方向出现：马来西亚国家石油公司（Petronas）发现，预测仓库的客户提货情况存在一定难度，因此开始探索借助机器学习实现更精准的预测。此外，公司还计划实现船舶时间表的自动调整，并加强船舶维修监控。

借助 AnyLogic，马来西亚国家石油公司（Petronas）已显著增强其油气物流的稳定性与流畅性，并为未来应对油气优化供应链中的更多挑战做好了准备。

该案例研究由马来西亚国家石油公司的Marc Escandell Mari 和Nurul Musfirah Murad 在 2024 年 AnyLogic 会议上展示。

相关幻灯片可通过PDF格式获取。