Моделирование цепей поставок

Статья об имитационном моделировании цепей поставок с использованием гибридного подхода, сочетающего дискретно-событийную модель и модель системной динамики, на примере реально существующей цепи поставок высокой сложности.

Вебинар Д.А. Гаврилова - управление запасами в цепи поставок

Имитационное моделирование контейнерных терминалов и портов с использованием пакета Arena 14.

Применение программного продукта Vensim для моделирования цепей поставок на примере птицефабрики, а также краткий обзор литературы.

Статья о применении пакета Arena 11 для имитационного моделирования возвратной логистики компании XYZ Limited Company of North India.

Вебинар о преимуществах использования языка моделирования AMPL при разработке оптимизационных приложений

Видеозапись презентации Llamasoft о необходимости постоянной работы по моделированию и стратегической оптимизации ЦП

Решение задачи проектирования логистической сети дистрибьютора спортивных товаров с помощью Anylogic

Видеозапись презентации победителя конкурса MOPTA 2013 о составлении графиков работы операционных

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�

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

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�

В статье представлен долгосрочный совместный проект моделирования в области складской логистики. Проект состоял из шести этапов, причем первые три этапа были частью разработки и оценки новой технологии хранения. Эта технология представляет собой конкретный подход к сбору данных и включает в себя этапы процесса, такие как хранение поддонов продуктов, автоматическая депалетизация, хранение слоев и пакетирование изделий. В рамках второй части проекта технология была адаптирована к требованиям оптового торговца в США. Операции моделирования в рамках этой второй части начались с классического моделирования планирования и охватывали соперничество реального программного обеспечения управления, поддержку наращивания системы и, наконец, внедрение постоянной тестовой базы для оценки необходимых изменений программного обеспечения. В статье описывается технология и все этапы моделирования.

Один из крупнейших в России ритейлеров в области FMCG производил поставки в несколько сотен торговых точек в разных концах страны через единый распределительный центр площадью более 50 тыс. кв. м. Компания планировала изменить конфигурацию стеллажей и конвейеров на этом комплексе. Чтобы протестировать пропускную способность планируемой конфигурации, а также измерить показатели эффективности работы центра, было решено построить его имитационную модель. Проект выполнял отдел консалтинга компании AnyLogic.