Моделирование цепей поставок

В данной статье рассматривается задача моделирования возможных путей доставки алюминия из Восточной Сибири (Богучанский завод) на территорию Китая (центры грузового поглощения- Шэньян и Шэньчжэнь). Разработка модели на базе дискретно-событийного подхода осуществлялась в среде AnyLogic. В процессе работы модель на основе накопленной статистики сама блокирует пути с наихудшими показателями эффективности логистических затрат. Моделирование показало, что для транспортировки груза в два пункта назначения целесообразнее всего использовать разные пути и виды транспорта.

В данной статье разбирается модель управления строительными работами для строительного холдинга «Wan Bao». Разработка имитационной модели осуществлялась в инструменте BPsim.MAS. Модель предназначена для оценки влияния управленческих решений на динамические характеристики процессов холдинга. Результаты имитационного эксперимента сохраняются в MS Project и MS Excel. Применение системы поддержки принятия решения на основе технологии гибридных агентов обеспечивает автоматизированное решение ЛПР многих задач анализа.

Адекватная оценка пропускной способности элементов воздушного пространства критически важна не только для выявления эффективности, но и для обеспечения безопасности полетов. В данной статье приводится детальное описание современного метода оценки с помощью имитационного моделирования воздушного движения с учетом конкретных условий управления ним. Далее приводится практический пример применения данного способа к сектору Киев-1 Московского центра организации воздушного движения. На основе планов полетов за наиболее интенсивный летний период получены значения интенсивности воздушного движения и временной загруженности диспетчера. Нормативная пропускная способность близка к среднему значению приведенных оценок.

Интеграция бизнес-процессов на предприятии нефтепродуктообеспечения представляет особую сложность ввиду специфики данной деятельности. В статье рассматривается модель анализа процессов управления подобного предприятия. Её разработка основана на системном представлении и динамическом моделировании потоковых процессов. Конечная цель исследования - модель, позволяющая сократить затраты на логистику и содержание автопарка. Исследователями применяется агентный подход к моделированию. Учитывается взаимосвязанные потоки, требования и стратегии индивидуальных элементов системы. На основе разработанной модели становится возможным решение различных аналитических и прогнозных задач. Также агентная модель легко расширяема, то есть можно без трудностей добавлять более детальные или новые условия.

В статье рассматривается пример принятия решения по оптимизации работы склада на основе данных имитационного моделирования. Анализируются три операции на складе: разгрузка фур, приемка товара, размещение товара на складе. Планируется увеличение грузопотока, но ввиду наличия неопределенности в прибытиях транспорта на склад требуется сымитировать данную ситуацию. Цель исследования - определить, сможет ли склад в его текущей конфигурации справиться с увеличенным грузопотоком. Для проведения имитации работы склада использована система бизнес-моделирования Business Studio. Для моделирования интервала между прибытиями фур использовался нормальный закон распределения с матожиданием 30 минут. В постановке задачи приведены значения всех необходимых параметров и располагаемых ресурсов для успешной разработки модели. Осуществлена имитация работы склада в течение одного рабочего дня с учетом имеющейся конфигурации склада. Анализ её результатов показал, что существующей пропускной способности склада недостаточно для обслуживания возросшего грузопотока. Предложено 2 решения: уве�

В данной статье разбирается моделирование проведения спортивного мероприятия, а именно - Олимпийских Игр Сочи 2014. Акцент в моделировании данной ситуации делается на моделировании прохождения потока всех людей. Основной особенностью процесса организации мероприятия является неопределенный характер возникновения потока (случайный, с неизвестным законом распределения). Моделируются классы событий, которые могут повлиять на движения потока. Методом исследования ситуации выступает имитационное моделирование, а в качестве теоретической основы используется теория массового обслуживания, модифицированная для этой задачи. Принимаются во внимание 2 гипотезы: 1) Внутри потока существует возможность обмена информацией об изменениях окружающей среды. 2) Поведения движения потока не детерминировано и зависит от происходящих событий. Движение групп посетителей описывают «интеллектуальные агенты», в основе поведения которых лежит концепция рациональности. Объекты моделирования - группы людей, представленные двумя корневыми классами с условными тремя группами внутри каждог

Ссылка на статью в elibrary: https://elibrary.ru/item.asp?id=18993938

В статье описывается стохастическая имитационная модель для склада пустых контейнеров. Цель анализа - определить текущую эффективность операционных политик, связанных с размещением пустых контейнеров на складе, и выработать рекомендации по улучшению этих политик. Были смоделированы макеты склада и транспортных коридоров. Показатели эффективности - это ожидаемое время оборота транспортного средства, время использование крана и время пребывания контейнера в системе. Модель построена в Simio и взаимодействует с внешней базой данных (SQL Server), которая выполняет всю обработку данных. Во время имитационного запуска могут использоваться три внешних базы данных. Одна из них регистрирует текущую позицию и все остальные атрибуты контейнеров, хранящихся в хранилище. Для этой базы данных реализовано несколько запросов и процедур. Две другие базы, соответственно, содержат реестры истории всех перемещений контейнеров и грузовиков, и они особенно полезны для целей валидации, поскольку имитируют базы данных, используемые реальной системой.

В статье представлено исследование о мультимодальных перевозках и хранении сои и кукурузы. Исследование было вызвано проблемой, с которой столкнулась компания Multigrain. Была разработана имитационная модель для оценки и поиска лучшего варианта. Было проведено исследование локализации, чтобы снабдить модель лучшими складскими помещениями с логистической точки зрения. В идеале склад должен располагаться на ближайшей автомагистрали и на расстоянии 50 км от фермы. Выбор ферм производился с использованием Google Earth. Каждый склад, представленный в исследовании локализации, моделировался на основе стандартного макета, который имел все параметры хранилища. В дополнение к свойствам склада модель также имела входные данные о прибывающих грузовиках для загрузки и выгрузки, а также репликацию конкретных условий для каждого местоположения. Основной целью исследования было моделирование до 2019 года с прогнозируемым спросом на этот год и определение необходимой инфраструктуры для доставки запланированного производства в порты.

В статье представлены некоторые проектные и организационные проблемы, связанные с кросс-док-терминалами, сравнение аналитического и симуляционного подходов для решения этих проблем, а также практическое исследование реального кросс-док-терминала. Представленное в статье моделирование имитирует работу кросс-док центра в контролируемой среде. Для эксперимента было использовано программное обеспечение FlexSim GP v7.1.4 со встроенным оптимизатором OptQuest. Исследования проводились в реальной ситуации: полученное решение было реализовано для логистического провайдера. Основной целью оптимизации было найти самую короткую дорогу автопогрузчиков. Предлагаемое решение оказалось на 20% лучше, чем решение, используемое оператором. В новом решении дорога вилочных погрузчиков стала короче приблизительно на 20 000 метров. Оператор логистики ознакомился с результатами исследований и методологией решения проблемы, и теперь они рассматривают возможность использования имитационной технологии и оптимизации для принятия решений в своей деятельности.

Eastman - глобальная химическая компания, она высоко ценит надежные и гибкие цепи поставок, постоянно совершенствуя свои процессы. Цель данного исследования - выявить ключевые узкие места в критической цепочке поставок и рекомендовать оптимальные уровни запасов сырья, промежуточных продуктов и готовой продукции взаимосвязанных предприятий с учетом рисков спроса и предложения. ЛПР также хотели изучить влияние надежности логистики и долгосрочных остановок критически важных поставщиков на возможности цепи поставок Eastman. Во-первых, были созданы карты процессов, они использовались в качестве отправной точки для идентификации режимов и вероятности отказа каждой части системы. Затем была разработана имитационная модель системы «Как есть» с использованием Rockwell Software, Arena. Модель предсказала частоту сбоев, которые будут происходить на основе информации базовой системы. Модель была рассчитана на 30-50 повторений в течение 5 лет. Наконец, были определены потенциальные сценарии по улучшению и уровни запасов. Каждый сценарий оценивался по предложенным улучшениям, эффективности, выгоде

Шведская строительная индустрия подвержена серьезным проблемам, связанным с доставкой и хранением материала. Когда материалы хранятся на строительной площадке, возникает устаревание и кража, и дополнительное время тратится на возмещение украденного или испорченного материала. Эти недостатки часто не замечаются, до тех пор пока материал не понадобится для строительства. Распределительный центр может решить эту проблему. Вопрос заключается в том, где должен располагаться этот РЦ. Цель этого исследования состоит в том, чтобы сформулировать и решить с помощью моделирования оптимизационную задачу размещения объекта. Модель построена с помощью Arena, а для поиска оптимального решения была использована OptQuest. Местоположение РЦ оптимизировано в отношении различных целей, таких как минимизация стоимости или времени транспортировки, минимизация стоимости или времени хранения, а также минимизация разницы в стоимости и времени доставки на каждую строительную площадку.

В статье приводится алгоритм для решения однопериодной задачи маршрутизации запаса (IRP) со стохастическим спросом и возможными запасами. Подход сочетает в себе моделирование методом Монте-Карло и эвристику. Алгоритм использует пять различных политик обслуживания или уровней запасов для каждого клиента: (a) без пополнения; (б) пополнение до 25% возможной вместимости ; (c) пополнение до 50 %; (d) пополнение до 75% ; и (e) полное пополнение. Для каждой из политик вычисляются затраты на инвентаризацию в соответствии с ожидаемым спросом в этом периоде, а затем оценивается экономия маржинальной маршрутизации. Таким образом, для каждого клиента можно ранжировать каждую политику путем оценки ее общих затрат, то есть как затрат на инвентаризацию, так и маршрутизацию. Далее следует цикличное построение набора перспективных решений для IRP. На каждом цикле этого многозадачного процесса выбирается новый набор политик, выполняя асимметричную рандомизацию в списке рядов политики.

В связи с экологической ответственностью, предприятия пытаются повторно использовать, реконструировать и переработать использованные продукты для снижения негативного воздействия на окружающую среду. Обратная логистика является одним из важных элементов для реализации такой устойчивой системы цепочек поставок. В данной статье предлагаются методологии моделирования и анализа систем цепочек поставок с обратными логистическими потоками, обсуждаются два типа обратной цепочки поставок: обратная логистика типа PUSH и обратная логистика типа PULL. Целями статьи являются: (1) предложить общую модель цепочки поставок с обратной логистикой для повторного использования продукта; (2) внедрить общие имитационные модели для системы тестового слоя с использованием общих моделей и (3) представить эффективность предлагаемой системы тестового слоя с помощью численных примеров. Параметры моделирования: * Продолжительность моделирования - 100 дней * Интервал заказов -5 дней. * Функция распределения объема заказа является равномерным распределением (U (6,10)).

В данной работе разбирается задача моделирования доступности терминалов нефтедобывающей платформы «Приразломная» в зависимости от погодных условий. При тактическом планировании погрузо-рузгрузочных операций на платформе важно учитывать окна погоды, когда характеристики внешней среды делают осуществление работ невозможным. Поскольку скорость выполнения данных операций напрямую влияет на интегральную эффективность транспортной системы в целом, то требуется моделирование всех интересующих элементов окружающей среды в явном виде. Для решения данной задачи были разработаны алгоритм динамического моделирования погодных условий и формализованный алгоритм определения доступности каждого грузового терминала по климатическим условиям. Подробно описываются методы вычисления количественных значений погодных параметров, приводится процедура генерации всех отслеживаемых параметров и причинно-следственные связи, действия алгоритмов и их визуализация. Большинство верификационных тестов подтвердили высокую степень адекватности реализованного алгоритма, то есть его

В данной статье разбирается пример разработки модели процесса, происходящего во всех зонах логистического центра, для проведения оптимизационных экспериментов. Сам процесс детально описан, приводятся ресурсы ЛЦ, длительность рассматриваемых операций и так же параметры функционирования розничных точек продаж. Модель разрабатывается с помощью продукта AnyLogic 7.0.2. Объекты моделирования делятся на 9 активных классов, суть каждого из которых описана. Имитация функционирования ЛЦ выполнена с использованием диаграммы дискретно-событийного моделирования. Также ключевые блоки модели детально объясняются, в том числе и на программном языке. Демонстрируется способы формирования расписания процесса и перерывов функционирования ресурсов. Визуализация выполняется инструментом разметки пространства, где отражается перемещение заявок по скрытым линиям. Диаграмма действия переходит в блоки решения, соответствующие наступлению того или иного события. Построенная модель достаточно полно отражает процесс прохождения товара через ЛЦ до передачи в розничную точку продаж. Она позво�

Цель данного исследования - разработка инструмента, способного решать задачи оптимизации круговых рейсов, основываясь на критерии длины маршрута. Для достижения цели разработаны прототип модели на MS Excel и модель в среде моделирования AnyLogic. Адекватность обеих моделей доказана совпадением результатов моделирования с решениями, получаемыми методами полного перебора на примерах малой размерности. Особенность данной задачи заключается в том, что количество возможных маршрутов N=n! ,где n количество пунктов захода судна, может находиться за пределом Бремермана. Следовательно, задача станет трансвычислительной, а решить ее возможно методом генетического алгоритма. В классической форме алгоритма при его цикличном движении возможно фиксирование алгоритма на локальном экстремуме пространства, именно поэтому в него вводятся механизмы мутации с определенной частотой. Но авторы данной работы отметили, что данный способ не подходит для решения задачи коммивояжера, поскольку существует вероятность повторения/утраты отдельных пунктов захода. Поэтому авторами был предложен механ

Рациональная сеть консолидации груза в цепи поставок является одним из главных определяющих экономической эффективности функционирования всей цепи. Для создания каркаса модели рационализации необходим инструмент, позволяющий принимать сопряженные управленческие решения в укороченные сроки. В данной статье демонстрируется такая модель, основанная на методе иерархической кластеризации, которая гарантирует разработку наиболее эффективной пошаговой стратегии организации сети консолидации груза на примере перемещения груза в хинтерленде морского порта. Моделирование производится средствами MS Excel. Все расчеты производятся по матрице мер близости: k_ij=(V_i*V_j)/(R_ij^2 ) , где k_ij - мера близости между пунктами i и j; V_ij-количество груза в пунктах i и j соответственно; R_ij^ - расстояние между пунктами i и j Схема конечной сети консолидации выполнена с использованием макросов. Корректность работы алгоритма проверена при помощи методов линейного программирования. Особенностью данной модели является возможность её использования при разных режимах: фиксированный пункт консолидации; �

В данной статье рассматриваются вопросы планирования информационного взаимодействия цепи поставок на примере планирования выполнения логистических операций в морском порту. Управление логистическими операциями в типовом морском порту рассматривается в рамках системного подхода к гибкому планированию и управлению всеми потоками товаров, поступающих в порт от поставщика или производителей, сортируемых на его узлах для последующей отправки до конечного потребителя. Цель планирования: максимизация объема доставленных товаров с учетом вводимых ограничений. Транспортно-логистическая сеть порта характеризуется структурной динамикой S_z , где 〖St〗_ik^z - структурное состояние динамики. В каждом подинтервале (t_(k-1);t_k] ТЛС находится в неизменном состоянии 〖St〗_ik^z . Тогда задача планирования выполнения операций сводится к нахождению оптимального решения u^* для S_z . Что представляет собой оптимальный план распределения потоков, который выражен вектором из 5 подвекторов, каждый из которых характеризует объем потоков товаров на каждом операционном этапе. Показатель объема до�