Имитационное моделирование цепей поставок на основе системной динамики
Опубликовано №1 (96) февраль 2020 г.
АВТОРЫ: БАЖИНА Д.Б., ЛУКИНСКИЙ В.С., НИКОЛАЕВСКИЙ Н.Н.
РУБРИКИ: Имитационное моделирование
Аннотация
В работе рассмотрены вопросы, связанные с моделированием функционирования цепей поставок как важнейшего этапа принятия управленческих решений. Контекст логистики и управления цепями поставок в общем случае рассматривает движение и преобразование материального потока, а также сопутствующих ему финансовых, информационных и др. потоков. При это отмечается необходимость исследования характеристик потока именно в динамике, так как движение потока происходит именно с течением времени. Указанные обстоятельства определяют предпочтительность выбора средств имитационного моделирования для разработки соответствующих моделей, так как такой подход по своей сути предполагает реализацию алгоритма функционирования моделируемой системы в виртуальной временной среде.
Анализ литературы, с одной стороны, позволил сделать вывод, что традиционный подход определения характеристик процессов функционирования, предполагающий последовательное решение задач в разрезе элементов цепей поставок, ограниченно или вовсе не учитывает особенности реальных процессов, в рамках которых возможна изменчивость параметров в течение времени. С другой стороны, отмечается недостаточность проработки конкретных рекомендаций по построению моделей на базе принципов системной динамики как подхода в области имитационного моделирования, который в свою очередь может позволить учесть изменчивость характеристик протекания процессов. Указанные обстоятельства определили конечную цель исследования, в части которого реализуется построение имитационной модели цепи поставок для наглядной демонстрации возможностей используемого подхода. При этом результаты могут быть полезны как с практической точки зрения для промышленных предприятий, так и для дальнейших исследований.
Ключевые слова: имитационное моделирование имитационная модель системная динамика моделирование цепей поставок моделирование поддержка принятия управленческих решений принятие решений
Сравнительный анализ принципов распределения ограниченного количества запаса в логистической сети
Опубликовано №6 (95) декабрь 2019 г.
АВТОРЫ: ЕРМОЛИНА М.В., ЗАХОДЯКИН Г.В.
РУБРИКИ: Имитационное моделирование Информационные технологии в логистике и SCM Управление запасами
Аннотация
В статье рассмотрена ситуация распределения ограниченного количества запаса готовой продукции в собственной двухэшелонной логистической сети предприятия. Данная сеть состоит из центрального распределительного склада и нескольких региональных складов, обслуживающих клиентов компании. Предполагается, что каждый региональный склад ежедневно рассчитывает свою потребность в продукте с учётом прогнозируемого спроса, запаса в наличии, страхового запаса и времени доставки с центрального склада. Таким образом, менеджерам известен уровень потребления и объем запаса каждого из складов, который корректируется благодаря регулярному обмену информацией. Прогнозирование спроса и планирование отгрузок происходит централизованно.
Под ограниченным запасом понимается размер запаса готовой продукции на центральном складе, недостаточный для удовлетворения суммарных потребностей региональных складов в продукте. Ситуация ограниченного запаса может иметь различную протяжённость во времени.
Для принятия решения о распределении используются принципы распределения ограниченного запаса, т.е. набор правил, определяющих объём и очерёдность отгрузок с центрального на региональные склады продукции с ограниченным запасом.
В рамках статьи были поставлены и решены следующие задачи:
- определить факторы, влияющие на решение о правилах распределения ограниченного запаса
- создать классификацию применяемых принципов распределения ограниченного запаса
- определить влияние целей бизнеса на выбор предпочтительного принципа распределения
- построить имитационную модель и проверить, какой принцип распределения наилучшим образом способствует достижению выбранной цели
Предполагается, что полученные результаты можно будет использовать для формирования правил распределения ограниченного запаса на предприятиях с собственной сетью распределения, и для формирования алгоритмов распределения в информационных системах (модулях) класса DRP.
Ключевые слова: управление запасами имитационное моделирование имитационная модель моделирование цепей поставок распределение запасов оптимизация запасов оптимизация распределения запасов DRP
Имитационное моделирование многоуровневой системы управления запасами в системах распределения
Опубликовано №4 (93) октябрь 2019 г.
АВТОРЫ: КОНОТОПСКИЙ В.Ю., МЕНЬШИКОВА Е.В., ВЕРХОВСКАЯ М.В.
РУБРИКИ: Имитационное моделирование Управление запасами
Аннотация
Методом численного моделирования исследуется влияние параметров простого дискретного потока товарно-материальных ресурсов (ТМР), проводимого через логистическую трехуровневую систему распределения, а также параметров самой системы на универсальные характеристики ее эффективности – относительные уровни текущих запасов в системе и показатели дефицита для конечных потребителей. Под параметрами потока имеются в виду уровень его мощности и вариация последней. Под параметрами системы – тип применяемой модели управления запасами (УЗ) и быстрота реакции на требования на поставку очередной партии ТМР. Поток требований потребителей, поступающих на нижний уровень системы и вызывающих движение ТМР через систему, соответствует закону Пуассона. Испытываются четыре простейшие модели УЗ, причем в каждом случае одна и та же модель используется на всех уровнях системы. В результате получено соответствующее количество (общее – 66, приведенное в статье – 22) экспериментальных зависимостей и адекватных им уравнений регрессии. Дана их краткая интерпретация с точки зрения экономических аспектов распределительной логистики. Сделаны выводы относительно характера использования выявленных зависимостей и направлений дальнейшего исследования данной проблематики. Исследование (его объект и примененные технологии) не привязано жестко ни к конкретной области логистики (торговля, промышленность, логистический сервис, и т.п.), ни к иерархическому уровню объекта моделирования (отрасль, дистрибьюторская компания, однозаводское предприятие, производственное объединение, крупное производственное подразделение и т.п.).
Ключевые слова: управление запасами система распределения имитационное моделирование имитационная модель интегрированное планирование материальные потоки стохастическая модель эффективность управления эффективное управление пополнением запасов эффективность управления запасами
Обоснование параметров сервисной политики при поставке запчастей для оборудования с помощью агентного имитационного моделирования
Опубликовано №3 (92) июнь 2019 г.
АВТОРЫ:
ЗАХОДЯКИН Г.В. - старший преподаватель, Кафедра Информационных систем и технологий в логистике, факультет бизнеса и менеджмента. Национальный исследовательский университет Высшая школа экономики (Москва, Россия)
РУБРИКИ: Имитационное моделирование Управление запасами
Аннотация
Добывающие отрасли российской промышленности активно развиваются, формируя привлекательный рынок для поставщиков горнодобывающего оборудования. Однако сегодня клиенты на этом рынке предъявляют жесткие требования как к условиям первичной поставки оборудования, так и к качеству послепродажного обслуживания и снабжения запасными частями. Это требует от поставщиков оборудования детального анализа цепей поставок, разработки экономически обоснованной политики обслуживания клиентов и настройки своей цепи поставок для реализации этой политики. Для обеспечения качества послепродажного обслуживания поставщики оборудования вынуждены создавать запасы деталей и комплектующих на своих складах и разрабатывать политики управления этими запасами. В данной статье предложен основанный на агентном имитационном моделировании подход, позволяющий прогнозировать ключевые показатели эффективности управления запасами, находить значения параметров политики управления запасами и исследовать компромисс «сервис – затраты». Приводится описание концептуальной модели поставок запчастей и реализации этой модели с использованием пакета Anylogic 8.4. Рассмотрен пример использования этой модели для определения экономически обоснованных параметров политики управления запасами запчастей для поставщика насосного оборудования для горнодобывающей и горно-обогатительной промышленности, действующего на российском рынке. С использованием модели определены необходимые для достижения заданного уровня сервиса параметры политики управления запасами. Исследована зависимость совокупных логистических затрат компании от целевого уровня сервиса.
Ключевые слова:
Моделирование логистических систем для достижения устойчивости функционирования на основе динамических звеньев
Опубликовано №2 (91) апрель 2019 г.
АВТОРЫ:
МАЙОРОВ Н.Н. - Доцент, к.т.н., Департамент логистики и управления цепями поставок, Национальный исследовательский университет «Высшая школа экономики» (Санкт-Петербург, Россия)
КОРОЛЕВА Е.А. - д.т.н., профессор, Заведующий кафедрой транспортной логистики, Государственный университет морского и речного флота имени адмирала С.О. Макарова (Санкт-Петербург, Россия)
РУБРИКИ: Надежность и устойчивость цепей поставок Имитационное моделирование
Аннотация
Успех любого логистического предприятия в условиях развития цифровой экономики напрямую зависит от системы принятия решений с учетом динамического характера окружающей среды и оптимального построения внутренней структуры. В стремлении обеспечить устойчивое экономическое положение в условиях конкуренции на рынке уделяют больше внимания как мониторингу процессов и анализу системы управления, так и задачам прогнозирования. При этом классические модели на основе имитационного моделирования процессов и систем (для исследования моделей управления) предлагается дополнять анализом на основе структурных схем и динамических звеньев. Использование динамических звеньев значительно расширяет функционал методов моделирования и позволяет не только исследовать движение запасов, но и моделировать управляющие воздействия на систему для достижения заданных параметров. Моделирование процессов на основе динамических звеньев позволяет исследовать вопросы устойчивости логистических систем, оценить влияние возмущений на систему и элементы.
Представленная в статье модель управления для логистической системы реализована по принципу управления по обратной связи, что дополнительно способствует формированию более точной системы принятия решений. Данная модель имеет возможность масштабирования для различных уровней планирования и учитывает динамический характер процессов в логистической системе с учетом влияние внешней среды. Помимо этого, в статье дополнительно приводятся границы применения имитационного моделирования в среде AnyLogic для исследования систем управления, что обосновывает практическую важность использования структурных схем и динамических звеньев для логистических систем.
Ключевые слова:
Имитационное моделирование динамичных цепей поставок
Опубликовано №6 (89) декабрь 2018 г.
АВТОР: Лычкина Н. Н.
РУБРИКИ: Имитационное моделирование Обзоры и аналитика
Аннотация
Настоящая статья исследует возможности современного имитационного моделирования в задачах дизайна и моделирования цепей поставок, как систем обладающих структурной и динамической сложностью, исследование которых необходимо проводить с учетом множественных факторов риска и неопределенности, рассматривая и оценивая эффективность, динамичность, гибкость и адаптивность ЦП на основе множества показателей, используемых в логистической практике. Применение имитационного моделирования требует адаптации современных менеджериальных методик и подходов, применяемых в логистической практике, с техникой имитационного моделирования. Рассмотрены полезные управленческие методики, основанные на применении техники имитационного моделирования в анализе и моделировании ЦП, приводятся методики построения концептуальных моделей ЦП и анализа ЦП с применением имитационного моделирования, итерационные имитационно-оптимизационные процедуры комплексного исследования и оптимизации ЦП.
Проводится также рассмотрение возможностей различных парадигм имитационного моделирования для анализа ЦП, обзор связанной научной литературы. В частности, показано, что процессное имитационное моделирование эффективно для описания сетевой структуры и логистических процессов в ЦП и активно применяется в проектах реинжиниринга на основе SCOR-рекомендаций. Системно-динамические модели адаптивных цепей поставок позволяют изучать сложное взаимодействие материальных, информационных и финансовых потоков в ЦП, проводить анализ устойчивости ЦП, согласовывать бизнес-стратегию и логистическую стратегию компании. Агентно-ориентированное имитационное моделирование позволяет описывать поведение, процессы сотрудничества, кооперации, координации и межорганизационного взаимодействия участников ЦП, реконфигурируемые сетевые структуры ЦП
Ключевые слова:
Влияние цифровизации на процессы организации и функционирования логистических систем
Опубликовано №5 (88) октябрь 2018 г.
АВТОРЫ:
РУБРИКИ: Имитационное моделирование Информационные технологии в логистике и SCM
Аннотация
Результаты интенсивного развития и распространения информационных технологий, в последнее время определяемые как процессы цифровизации, явились основой возникновения тенденций к значительным изменениям в экономике страны. При этом важно понимать, что процессы цифровой трансформации требуют соответствующей реакции для создания среды, способствующей развитию стратегически значимых отраслей, в том числе промышленного производства. Указанные обстоятельства определили целесообразность реализации на государственном уровне таких программ как «Цифровая экономика» и «Национальная технологическая инициатива», в рамках которых прорабатываются вопросы поддержки развития промышленности в условиях цифровизации.
Фокусируясь на процессах функционирования логистических систем и цепей поставок промышленных предприятий, важно отметить, что вследствие обстоятельств развития и распространения информационных технологий в рамках процессов цифровизации экономики открываются новые возможности обмена информацией между отдельными производственными, логистическими и вспомогательными системами и их элементами, а также производимой и обслуживаемой в рамках последних продукцией и внешней средой, что в общем итоге позволит формировать внушительные массивы данных. При этом результаты обработки соответствующей информации будут ложиться в основу принципов непрерывного улучшения процессов функционирования посредством самоорганизации и самостоятельного принятия решений активными компонентами указанных систем.
На начальных этапах исследования был проведен анализ научных работ отечественных и зарубежных авторов в области организации логистических систем в рамках современных концепций развития промышленного производства в условиях цифровизации, к которым в том числе относится концепция «Индустрия 4.0». При этом по результатам анализа отмечается, с одной стороны, значительное влияние рассматриваемых преобразований в будущем в части организации и функционирования логистических систем, а с другой стороны, недостаточная степень проработанности вопросов определения соответствующих характеристик процессов в рамках задач организационного проектирования. Данные обстоятельства определили актуальность проведения исследования, целью которого стала разработка инструментальных средств для обоснования характеристик логистического процесса в условиях цифровизации. Для этого была сформирована обобщенная структура цифровой логистической системы и определены требования к процессам функционирования. Принимая во внимание особенности указанной структуры и состав требований к процессам функционирования, был сделан вывод о целесообразности использования средств имитационного моделирования для решения задач организационного проектирования. При этом предлагается использовать традиционные парадигмы в реализации имитационных моделей, к которым относятся дискретно-событийное и агентное моделирование. Отдельно отмечается возможность применения подхода на стыке двух указанных парадигм, предполагающего использование их основных преимуществ, что выражается в использовании принципов дискретно-событийного моделирования для описания процессов функционирования систем, наделяемых в свою очередь характерными особенностями мульти-агентной среды.
Ключевые слова:
Распределение товаров в складской сети: синтез специальных процедур оптимизации
Опубликовано №4 (75) август 2016 г.
АВТОРЫ: Бродецкий Г.Л., Дыбская В.В., Гусев Д.А, Кулешова Е.С.
РУБРИКА Оптимизация и экономико-математическое моделирование Управление запасами Имитационное моделирование
Аннотация
Исследования новых эффективных возможностей оптимизации решений, связанных с задачами распределения товаров в складской сети, сегодня являются особо актуальными. Цель этой статьи - помочь практикам, работающим в указанной области, в освоении новых подходов и методов для нахождения наилучших решений применительно к задачам указанного типа, которые позволят использовать имеющиеся скрытые резервы повышения эффективности работы таких систем. В частности, речь пойдет о возможности учета при оптимизации стратегии распределения товаров ряда важных факторов, таких как: 1) возможность выбора промежутка времени для планирования поставок по заказам магазинов; 2) возможность имитации заказов от магазинов с учетом заданных распределений вероятностей для случайных размеров таких заказов; 3) возможность адаптации выбора к предпочтениям ЛПР; 4) возможность снижения транспортных издержек на поставки, используя решения задач транспортного типа для разыгранных значений случайных заказов. В статье представлены такие процедуры, которые соотносятся с задачей определения наилучшего решения для задачи распределения товара в складской сети по многим критериям. Указанные процедуры оптимизации предполагают синтез следующих процессов при выбранном промежутке времени для планирования решений о поставках. 1) Имитационное моделирование с разыгрыванием случайных заказов магазинов на очередном таком промежутке времени по методу Монте-Карло. 2) Использование процессов аналитической иерархии для сравнения важности частных критериев для ЛПР. 3) Минимизация издержек транспортировки и хранения товара в виде задачи линейного программирования (для уже разыгранных сценариев случайных заказов магазинов применительно к анализируемым альтернативам с возможными стратегиями принятия и исполнения заказов). В статье будет показано, что реализация комплекса отмеченных процедур позволит формализовать задачу выбора решения как задачу многокритериальной оптимизации. После этого выбор наилучшего решения можно будет проводить на основе традиционных разработок теории, причем с адаптацией такого выбора к предпочтениям ЛПР. Такие процедуры выбора будут представлены в отдельной статье.
Ключевые слова:
Методы имитационного моделирования цепей поставок
Опубликовано №4 (75) август 2016 г.
АВТОР: Толуев Ю.И.
РУБРИКА Имитационное моделирование
Аннотация
Хотя имитационное моделирование уже с начала 90-х годов применяется для решения задач анализа и проектирования цепей поставок, не до конца решенными остаются как методологические, так и технологические вопросы разработки моделей сложных цепей поставок. Дополнительные вопросы в данной области возникают, с одной стороны, в связи с возможностями применения таких современных программных продуктов как Supply Chain Guru или anyLogistix, а с другой – из-за появления в узлах цепей поставок принципиально новых технических средств и технологий, ориентированных, в частности, на реализацию концепции Industry 4.0. В первой части статьи рассматриваются такие подходы к моделированию цепей поставок, которые на сегодняшний день можно считать стандартными. Во второй части статьи описываются два относительно новых направления в области имитационного моделирования цепей поставок. Первое направление связано с применением парадигмы моделирования Discrete Rate (дискретные интенсивности), в второе – с перспективами работы с моделями в режиме эмуляции. Путем применения парадигмы Discrete Rate можно создавать модели, которые получаются не только компактнее и прозрачнее дискретно-событийных, но и значительно быстрее обрабатываются на компьютере, так как число моделируемых событий может быть сокращено на несколько порядков. При работе с моделями в режиме эмуляции появляется возможность как разрабатывать, так и испытывать реальные алгоритмы управления всеми видами подвижных объектов в таких узлах логистических цепей, как склады, перегрузочные терминалы или логистические центры
Ключевые слова:
Введение
Статья могла бы иметь более емкое и привлекательное название: «Современные методы и инструменты аналитического и имитационного моделирования логистических систем и цепей поставок».Однако автор отказался от такого названия по вполне определеным причинам. Писать только о современных, то есть появившихся в течение последних 10-15 лет методах нет смысла, так как основываются они, как правило, на хорошо известных методах, без владения которыми невозможно грамотно и осмысленно применять новые методы. Понятие «инструменты» не включено в название статьи, так как задачу составления их подробного обзора автор перед собой не ставил, хотя отдельные инструменты в статье будут названы. Кроме того, автор старается сформулировать и обосновать мысль о том, что владение методами анализа и моделирования процессов в логистических системах и цепях поставокявляется более важным фактором, чем наличиевозможности работать с соответствующими программными средствами,то есть инструментами, которые, как правило, можно просто купить. Наличие у аналитика даже самых современных инструментов не является гарантией того, что он будет способен успешно выполнить работы по исследованию конкретной системы. Решающим фактором в данной ситуации является именно квалификация аналитика, основанная на знании соответствующих методов и позволяющая ему осознанно выбирать и применять наиболее подходящие, то есть адекватные, инструменты. Более того, чем сложнее и шире становится палитра возможностей современных инструментов анализа и моделирования, тем более высокие требования предъявляются к уровню так называемых базовых знаний аналитика, включающих в себя элементы инженерной и экономической математики, математической статистики, исследования операций, системного анализаи программирования.
В названии статьи не делается акцент на понятии аналитического моделирования, хотя, как будет показано ниже, комплексное исследование цепей поставок предполагает применение такого вида математического моделирования. Интересным является тот факт, что оно не сводится сегодня только к классическим методам математического (например, смешанного целочисленноголинейного) программирования, а включает в себя любые статические расчеты показателей для оценки процессов движения, хранения и обработки потоков грузов и товаров, основанные на заданных объемах поставок для определенного горизонта планирования.Метод Монте-Карло, при котором некоторые входные параметры аналитической модели объявляются случайными величинами, относится к этому же виду моделирования.В качестве инструмента для работы со многими типами аналитических моделей с успехом могут применяться электронные таблицы, например, в форме MSExcel.
Основное содержание статьи посвящено «настоящему» имитационному моделированию, которое предполагает построение и использование компьютерных моделей динамических процессов в логистических системах и цепях поставок. Понятие «логистическая система» исключено из названия статьи, так как ниже будет показано, что системы производственной, складской или транспортной логистики автоматически становятся объектами имитационного моделирования, если оно применяется для исследования материальных потоков в цепях поставок. В первой части статьи рассматриваются такие подходы к моделированию цепей поставок, которые на сегодняшний день можно считать стандартными. Во второй части описываются два относительно новых направления в области имитационного моделирования, эффективность которых ещё должна быть подтверждена практикой исследования реальных цепей поставок.
Стандартные подходы
Уже начиная с 90-х годов прошлого века, было создано большое количество имитационных моделей как конкретных цепей поставок (ЦП), так и пакетов программ, поддерживающих создание таких моделей. В одной из работ (Толуев, 2008) приводится список, включающий в себя 31 работу по имитационному моделированию ЦП из числа опубликованных с 1998 по 2007 годы в материалах ежегодно проводимой в США конференции Winter Simulation Conference (WSC). Абсолютное большинство моделей ЦП как в те времена, так и сегодня создаются на базе дискретно-событийной парадигмы, но регулярно появляются также работы, где описываются модели, основанные на принципах системной динамики (Angerhofer and Angelide, 2000). Основы и опыт такого весьма абстрактного с точки зрения практики функционирования ЦП моделирования подробно описан Campuzano и Mula (2011). Агентный подход в последние годы также применяется для моделирования ЦП, так как «участники цепочки поставок (компании-производители, оптовые торговцы, розничные продавцы) могут быть представлены как агенты со своими индивидуальными целями и правилами» (Borshchev, 2013a; 2013b).
В последние 10-15 лет стало принятым обозначать место и задачи имитационного моделирования в рамках методики или программного продукта, предназначенного для комплексного исследования ЦП, которое часто называется проектированием ЦП (Supply Chain Design) или оптимизацией ЦП (Supply Chain Optimization).Специалисты фирмы LLamasoft в конце 90-х годов ввели понятие четырехшагового подхода (Four Step Approach), сутью которого является объединение технологий имитационного моделирования и оптимизации для решения стратегических проблем планирования ЦП (Hicks, 1999). На рис. 1 можно видеть, что на первом шаге для оптимизации сетевой структуры ЦП используются методы математического программирования, а собственно имитационное моделирование используется на следующих трех шагах.
Рис. 1. Определение четырехшагового подхода к исследованию ЦП (Hicks, 1999)
На втором шаге на базе дискретно-событийной парадигмы создается имитационная модель ЦП, которая позволяет оценивать основные показатели функционирования ЦП при заданных внешних и внутренних условиях. На третьем шаге проводятся эксперименты, направленные на поиск наилучших стратегий управления процессами в ЦП. Наконец, на четвертом шаге с помощью имитационной модели исследуется устойчивость ЦП по отношению к случайным воздействиям, которые могут возникать в процессе её функционирования. Основные принципы четырехшагового подхода используются фирмой LLamasoft[1] в рамках инструмента Supply Chain Guru (Chwif, Barretto and Saliby, 2002).
В статье Kumar и Nottestad, опубликованной уже в 2013 году, очень подробно описывается содержание всех четырёх шагов процесса моделирования и оптимизации ЦП (рис. 2), при этом на первом шаге в качестве дополнения предлагается процедура оптимизации уровней запасов в заданной цепочке складов (Multi-Echelon Inventory Optimization).
Рис. 2. Развитие четырехшагового подхода к исследованию ЦП (Kumar and Nottestad, 2013)
Описывается процедура применения четырехшагового подхода к иссследованию и оптимизации ЦП конкретного предприятия. Дискретно-событийная модель ЦП построена с применением пакета имитационного моделирования WITNESS. Процедуры оптимизации реализованы с помощью программного обеспечения IBM ILOG suite.
В 2014 году фирма The AnyLogic Company представила продукт AnyLogic Logistics Network Manager, который в 2015 г был переименован в anyLogistix[2]. В продукте anyLogistix сохранены и значительно расширены принципы применения имитационного моделирования ЦП, определённые в рамках четырехшагового подхода. На рис. 3 можно видеть, что имитационное моделирование предлагается использовать на четырёх последних шагах процедуры исследования ЦП, реализуемой с помощью anyLogistix.
Рис. 3. Шаги исследования ЦП с применением anyLogistix[3]
Особенностью anyLogistix является тот факт, что этот продукт полностью интегрирован с пакетом имитационного моделирования AnyLogic, в результате чего разработчики моделей ЦП получают возможность разрабатывать как угодно детальные имитационные модели отдельных узлов ЦП, которые могут представлять собой поставщиков, склады, транспортные каналы или производственные предприятия (Толуев и Реггелин, 2015). Модели, создаваемые с помощью AnyLogic (Карпов, 2005), могут основываться на трёх известных парадигмах имитационного моделирования (дискретно-событийное, системно-динамическое и агентное моделирование) и использоваться для отображения не только материальных, информационных и финансовых потоков, но и как угодно сложных стратегий управления запасами, обработки заказов и распределения продукции. Рис. 4 иллюстрирует тот факт, что исследование конкретной ЦП начинается с разработки сценариев её функционирования, которые воспроизводятся с помощью моделей различного типа. Процесс исследования ЦП носит циклический характер, в ходе которого многократно повторяются фазы разработки сценариев, их анализа с помощью моделей и интерпретации результатов моделирования.
Рис. 4. Анализ сценариев функционирования ЦП с применением anyLogistix (Попков, 2016)
В рамках всех описанных выше подходов предполагается проводить оптимизацию процесса функционированияЦП с использованием имитационных моделей. Для ознакомления с современным состоянием дел в этой области можно обратиться к работе Толуева и Змановской (2016).
Часть вторая. Новые направления
Использование парадигмы «дискретные интенсивности»
Быстродействие любой имитационной модели определяется объемом вычислений, которые надо выполнить в течение заданного времени прогона. При использовании парадигмы «дискретные события» для прямого отображения поведения реальных объектов в логистических системах число обрабатываемых событий, например, при моделировании 8-часовой рабочей смены, может достигать десятков тысяч. Модели, основанные на принципах системной динамики, при достаточно больших значениях «дельта Т» работают, конечно, значительно быстрее, но они, в принципе, не применяются для анализа систем обработки материальных потоков, например, в течение 8-часовой рабочей смены. Понятие агентного моделирования как парадигмы относится только к особенностям концептуальной модели, так как с точки зрения программной реализации такие модели являются чисто дискретно-событийными.
Четвёртая парадигма имитационного моделирования основывается на комбинации непрерывных потоков объектов с событиями, связанными с изменениями в этих потоках. Такие модели не относятся к классу обычных гибридных моделей, в которых для моделирования непрерывных процессов в промежутках между событиями применяется принцип «дельта Т». Основное допущение заключается в том, что интенсивность любого потока между моментами её изменения остается постоянной величиной. В результате интегральное количество конкретного потока или размер запаса в накопителе изменяются во времени по линейному закону и появляется возможность легко вычислять, в какие моменты времени эти величины будут достигать каких-либо «критических значений», например, закончится количество паллет, выгружаемых из автомобиля, или, наоборот, контейнер, стоящий под погрузкой, будет заполнен до конца. Такое планирование событий для кусочно-непрерывных процессов обеспечивает специальный механизм отсчета времени, который принципиально отличается от тех, которые применяются в моделях с дискретными событиями или в моделях, использующих принцип «дельта Т».
Данная парадигма имитационного моделирования достаточно подробно описана в работе Толуева и Змановской (2011). Программно она впервые была реализована в 2007 году в пакете ExtendSim версии 7 под названием Discrete Rate (дискретная интенсивность) (Krahl, 2009). В 2015 году в пакете AnyLogicпоявилась библиотека моделирования потоков (Fluid Library), которая также позволяет в полной мере реализовать парадигму «дискретные интенсивности». Разработчики обоих продуктов ориентировались, прежде всего, на моделирование процессов перемещения и хранения жидкостей, насыпных грузов или больших количеств раздельных объектов, например, бутылок на линии розлива. Однако путем введения понятия мезоскопического моделирования удалось показать большие преимущества данной парадигмы при разработке имитационных моделей ЦП (Reggelin and Tolujew, 2011; Hennies, Reggelin, Tolujew and Piccut, 2014).
Практика разработки первых моделей свидетельствует о том, что в моделях ЦП важной является возможность изменения типа потока.Например, прибытие автомобиля с паллетами есть дискретное событие, которое порождает непрерывный поток выгружаемых паллет. И наоборот: после окончания погрузки автомобиля, которая моделируется как непрерывный процесс, появляется событие «конец погрузки» и автомобиль продолжает своё движение в модели как объект дискретного потока. На рис. 5 показан пример модели пункта разгрузки автомобилей, реализованной в пакете ExtendSim. В пакете AnyLogicесть четыре блока, которые позволяют соединять блоки библиотеки моделирования потоков с процессной библиотекой: Fluid To Agent, Agent to Fluid, Fluid Pickup и Fluid Dropoff.
Рис. 5. Пример взаимодействия дискретного и непрерывного потоков
На рис. 6 показана структура мезоскопической модели зоны приемки грузов на складе. Отдельные паллеты появляются в модели только при моделировании операций «Контроль и предварит. сортировка». Во всех остальных фрагментах модели процессы перемещения паллет отображаются как непрерывные процессы с заданными интенсивностями (единица измерения – паллеты в час).
Рис. 6. Мезоскопическая модель, построенная с использованием парадигм «дискретные события» и «дискретные интенсивности»
Преимущества мезоскопического подхода проявляются уже на этапе разработки концептуальной модели, так как разработчик модели оперирует со значительно агрегированными (по сравнению с дискретно-событийными моделями) характеристиками ресурсов и обрабатываемых потоков. Мезоскопические модели получаются не только компактнее и прозрачнее дискретно-событийных, но и значительно быстрее обрабатываются на компьютере, так как число моделируемых событий может быть сокращено на несколько порядков. Они, как правило, оказываются значительно точнее обычных непрерывных моделей, так как устраняются известные негативные эффекты, связанные с использование конечного шага времени «дельта Т» для представления процессов в модели (Толуев и Змановская, 2011).
Работа с моделями в режиме эмуляции
Понятие эмуляции хорошо знакомо специалистам, занимающимся разработкой и тестированием программного обеспечения, предназначенного для управления техническими системами, например, отдельными роботами или целыми автоматизированными складскими комплексами. Суть эмуляции в таких случаях её применения заключается в том, что объект управления заменяется компьютерной (имитационной) моделью, которая взаимодействует с реальными управляющими программами. Модель имеет в своём составе сенсорную часть, откуда посылаются сигналы от различных «датчиков и счетчиков», соответствующих устройствам реальной системы. Управляющие программы обрабатывают эти сигналы и вырабатываюткоманды управления, которые воспринимаются исполнительной частью модели. Модель адекватно реагирует на команды управления, т.е. в ней происходят такие же изменения, какие должны происходить в реальной системе. Пример с подробным описанием опыта применения эмуляции при отладке программного обеспечения для управления сложной конвейерной системой в зоне комплектации большого склада содержится в работе Spieckermann, Stauber и Bleifuß (2012).
О перспективах более широкого применения метода эмуляции при моделировании ЦП следует говорить по той причине, что в обозримом будущем предполагается появление технологий нового поколения как в производственных, так и логистических системах Так, правительство Германии в 2011 году провозгласило Industry 4.0 в качестве ключевой составляющей стратегии развития страны в области высоких технологий (Kagermann, Wahlster and Helbig (eds.), 2013). Аналогичные программы разрабатываются в США (например, Industrial Internet Consortium) и Японии (Industrial Value-Chain Initiative). Понятие Industry 4.0 основывается на четырех компонентах: киберфизические системы (Cyber-Physical Systems), «Интернет вещей» (Internet of Things), «Интернет услуг» (Internet of Services) и «Умное предприятие» (Smart Factory) (Фонд МСБ, 2015).
В рамках развития концепций Industry 4.0 в области логистики и ЦП следует ожидать появление множества объектов, к которым относится расширенное понятие «умный» (Smart). На этих объектах будут установлены электронные блоки, с помощью которых объекты будут «знать» своё назначение в логистическом процессе, контролировать своё текущее состояние и поддерживать коммуникации с другими «умными» объектами, а также с соответствующими системами управления. «Умными» в этом смысле станут различные виды изделий, грузов,товаров и носителей грузов. Также и люди, выступающие в роли пассажиров, будут снабжены соответствующими устройствами. Разумеется, что средства производства в логистических системах (складское и подъемно-транспортное оборудование, технические средства всех традиционных видов транспорта) будут оснащены «умными» модулями, с помощью которых они будут взаимодействовать как с обслуживаемыми логистическими объектами (грузами, пассажирами и т.п.), так и с системами управления. Дальнейшее развитие в области логистики и ЦП получат технологииRFID, IndoorNavigation, GlobalPositioning, Tracking&Tracing, WiFi,AugmentedReality, Bluetooth-Beacons, CloudComputingи др.
При разработке дикретно-событийных или агентных моделей процессов в транспортно-складских системах всё чаще будет появляться необходимость отображения потоков данных, которые циркулируют в среде «умных» объектов (Brandau and Tolujevs, 2013). В то время как моделирование процессов движения таких объектов во времени и пространстве давно не составляет проблем для специалистов, адекватное отображение процессов управления объектами в условиях интенсивного информационного взаимодействия является очень непростой задачей. Давно применяется подход, при котором стратегии управления являются частью имитационной модели и они реализуются в модели с помощью внутреннего языка программирования пакета моделирования. Но при очевидном повышении сложности алгоритмов управления в будущем более эффективными будут решения, при которых управляющие программы создаются как внешние программы, с которыми взаимодействуетчисто «логистическая» часть модели. Если основная цель моделирования заключается при этом в разработке или проверке самих управляющих программ, то имитационная модель будет применяться в классическом режиме эмуляции.
Выводы и рекомендации
При имитационном моделировании ЦП самым главным остается вопрос о выборе уровня детализации при отображении процессов в различных узлах исследуемой системы. Попытка прямого отображения процессов с использованием дискретно-событийной или агентной парадигмы может привести к проблеме объема работ, который надо будет выполнить при создании множества фактически отдельных моделей. Известно, что разработка модели одного склада, перегрузочного терминала или логистического центра может потребовать нескольких недель работы аналитика, поэтому разработка моделей десятков таких узлов, входящих в состав больших ЦП, является задачей, которая не может быть решена в приемлемые сроки. Переход на парадигму системной динамики для всей модели ЦП часто делает модель настолько абстрактной, что она становится фактически бесполезной при попытке решать практические задачи. Использование парадигмы «дискретные интенсивности» может существенно упростить и ускорить разработку моделей отдельных узлов ЦП, но этот тип моделей можно применять только в случаях, когда отказ от отображения отдельных объектов в потоках не приведёт к недопустимой потере точности результатов моделирования.
Решение обозначенной проблемы может заключаться в применении различных парадигм моделирования для отдельных узлов ЦП. Метод «дискретных интенсивностей» может применяться для узлов, для которых известны «гарантированные» пропускные способности, привязанные к определённому времени суток или дням недели. Для узлов, где применяются сложные стратегии управления потоками или достаточно часто проявляются мешающие случайные факторы, могут разрабатываться дискретно-событийные или агентные модели. Искусство аналитика будет заключаться тогда в том, чтобы для каждого узла ЦП сначала выбрать, а затем безошибочно применить наиболее подходящий метод моделирования.
ЛИТЕРАТУРА
|
Попков, Т. (2016), «Уникальные цепочки поставок –успех ваших проектов» Презентация фирмы The AnyLogic Company |
|
Толуев, Ю.И. (2008), «Имитационное моделирование логистических сетей», Логистика и управление цепями поставок, №2, С. 53-63. |
|
Карпов, Ю. (2005), Имитационное моделирование систем. Введение в моделирование с AnyLogic 5, БХВ-Петербург, Санкт-Петербург, Россия |
|
Толуев, Ю. и Змановская, Т. (2016), «Оптимизация транспортно-складских систем с применением имитационных моделей», Логистика, Часть 1, № 1, С. 42-45; Часть 2, № 2, С. 34-36 |
|
Толуев, Ю. и Реггелин, Т. (2015), «Концептуальные модели процессов в потоковых системах логистики», Логистика, № 1, с. 62-67 |
|
Толуев, Ю.И. и Змановская, Т.П. (2011), «Метод численного моделирования процессов в потоковых системах логистики», Логистика и управление цепями поставок, №3, С. 81-90 |
|
Фонд МСБ (2015), «Так что же такое Industry 4.0.?», URL: http://www.msbfond.ru/about/treatment/tak_chto_zhe_takoe_industry_4_0_/ (Дата обращения 30 June 2016) |
|
Borshchev, A. (2013a), «Multi-Method Modeling», Proceedings of the 2013 Winter Simulation Conference, Washington, DC, USA, 08 – 11 December, 2013, pp. 4089-4100 |
|
Brandau, A. and Tolujevs, J. (2013), «Modelling and analysis of logistical state data», Transport and Telecommunication, Vol. 14, no 2, pp. 102-115 |
|
Campuzano, F. and Mula, J. (2011), Supply Chain Simulation: A System Dynamics Approach for Improving Performance, Springer, London, UK |
|
Chwif, L., Barretto M.R.P. and Saliby E. (2002), «Supply Chain Analysis: Spreadsheet or Simulation?», Proceedings of the 2002 Winter Simulation Conference, San Diego, CA, USA, 8-11 Dec. 2002, pp. 59-66 |
|
Hennies, T., Reggelin, T., Tolujew, J. and Piccut P.-A. (2014), «Mesoscopic supply chain simulation», Journal of computational science, Vol.5, Issue 3, pp. 463-470. |
|
Hicks, D. A. (1999), «A Four Step Approach for Integrating Simulation and Optimization Technologies to Solve Strategic Supply Chain Planning Problems», Proceedings of the 1999 Winter Simulation Conference, New York, NY, USA, pp. 1215-1220 |
|
Kagermann, H., Wahlster, W. and Helbig, J. (eds.) (2013), Recommendations for implementing the strategic initiative INDUSTRIE 4.0, Final report of the Industrie 4.0 Working Group |
|
Krahl, D. (2009), «ExtendSim Advanced Technology: Discrete Rate Simulation», Proceedings of the 2009 Winter Simulation Conference, Austin, TX, USA, 13-16 Dec. 2009, pp. 333-338 |
|
Kumar, S. and Nottestad D.A. (2013), «Supply chain analysis methodology – Leveraging optimization and simulation software», OR Insight, Vol. 26, Issue 2 , pp 87-119 |
|
Reggelin, T. and Tolujew J. A. (2011), «A Mesoscopic Approach to Modeling and Simulation of Logistics Processes», Proceedings of the 2011 Winter Simulation Conference, Phoenix, AZ, USA, 11-14 Dec. 2011, pp. 1513-1523 |
|
Spieckermann, S., Stauber, S. and Bleifuß, R. (2012), «A Case Study on Simulation and Emulation of a New Case Picking System for a US Based Wholesaler», Proceedings of the 2012 Winter Simulation Conference, Berlin, Germany, 9-12 Dec. 2012, pp. 1490-1501. |
Определение потребной вместимости склада
Опубликовано №5 (52) октябрь 2012г.
АВТОРЫ: Пилипчук С.Ф., Радаев А.Е.
РУБРИКА Логистика складирования Логистическая инфраструктура Имитационное моделирование
Аннотация
Показано, что обоснование потребной вместимости склада является одной из ключевых задач организационного проектирования логистических систем. Существующие модели и методы не в полной мере или вовсе не учитывают стохастический характер параметров, определяющих потребную величину складского запаса. В статье для обоснования потребной вместимости склада разработана имитационная модель, реализованная в программной среде AnyLogic.
Ключевые слова
