Решение логистических задач с помощью приложения Stamm 4.3
Решение логистических задач с помощью приложения Stamm 4.3
Аннотация
Рассматриваются особенности решения логистических задач с помощью современных средств компьютерного моделирования. Применение специализированного программного обеспечения позволяет получить результаты оптимизации или оценки рисков при управлении логистикой в максимально короткие сроки. В работе анализируются различные пакеты прикладных программ, предназначенные для этой цели. Рассмотрены проблемы разработки моделей логистики, например, сложность данных, что может затруднить их анализ и использование для построения моделей, неопределенность некоторых факторов, используемых в подобных моделях, таких как изменения в спросе, транспортные задержки или проблемы с поставками, что усложняет прогнозирование и планирование, кроме того логистические сети могут быть очень большими и сложными, что требует учитывать множество переменных и ограничений. Представлена методика решения задач логистики в системе Stamm 4.3, основанная на объектно-ориентированном подходе, UML-моделировании и табличной имитации.
1. Введение
Использование компьютерного моделирования при решении задач оптимизации логистики предполагает некоторые особенности
, , , :1. Автоматизация процесса принятия решений. Компьютерное моделирование позволяет быстро создавать и анализировать различные сценарии, что упрощает процесс принятия решений.
2. Учет большого количества факторов. Логистические системы могут быть очень сложными и включать множество факторов, таких как время доставки, стоимость перевозки, объем груза и т.д. Компьютерное моделирование позволяет учитывать все эти факторы и оптимизировать работу системы в целом.
3. Возможность проведения экспериментов. С помощью компьютерного моделирования можно проводить эксперименты и проверять различные гипотезы, что позволяет улучшить работу логистической системы.
4. Более точный анализ данных. Компьютерное моделирование позволяет проводить более точный анализ данных и выявлять скрытые закономерности, что может привести к более эффективной оптимизации логистической системы.
5. Снижение рисков. Компьютерное моделирование позволяет предсказать возможные проблемы и риски, связанные с логистической системой, что позволяет принимать меры для их минимизации.
Существует значительное количество программного обеспечения, которое может использоваться для решения логистических задач. Отметим среди наиболее известных, выделяя особенности:
1. Excel – один из самых популярных инструментов для подобной цели. Он позволяет создавать таблицы, графики и диаграммы, а также проводить анализ данных и оптимизацию.
2. MATLAB – мощный инструмент для решения математических задач, включая логистические. Он предоставляет широкий спектр функций и инструментов для анализа данных, моделирования и оптимизации.
3. GAMS (General Algebraic Modeling System) – программное обеспечение, которое используется для моделирования и оптимизации логистических систем. Оно позволяет создавать и решать сложные математические модели с помощью специального языка моделирования.
4. Llamasoft – программное обеспечение, которое используется для оптимизации логистических систем и управления цепями поставок. Оно позволяет проводить анализ данных, моделирование и оптимизацию, а также предоставляет инструменты для управления рисками и принятия решений.
5. Simul8 – программное обеспечение, которое используется для моделирования и оптимизации бизнес-процессов и логистических систем. Оно позволяет создавать имитационные модели, анализировать данные и проводить оптимизацию.
6. AnyLogic – среда имитационного моделирования, используемая для моделирования и оптимизации сложных систем, включая логистические. Она предоставляет широкий спектр инструментов для моделирования, анализа и оптимизации, а также позволяет использовать различные методы моделирования, включая системную динамику, агентное моделирование и дискретно-событийное моделирование.
Кроме того, имеется много программных продуктов, решающих строго ограниченный перечень задач, например, использование динамического и стохастического программирования для решения оптимизационных задач
, оптимизация процессов и систем с использованием функций MatLab и Excel , моделирование и оптимизация цепей поставок .По данным компании XJ Technologies (производителя упомянутого выше пакета Anylogic), наибольшим спросом сегодня пользуются именно имитационные модели, реализованные для области логистики
.Рассмотренные выше пакеты программ в той или иной степени решают обозначенные проблемы при компьютерном моделировании логистических задач, обладая при этом определенными недостатками. Например, все вышеперечисленное – это коммерческие продукты с приличной ценой, кроме того, в связи с политикой западных санкций в отношении России многие из них просто недоступны нашим потребителям
.2. Объект и методы исследования
В качестве объекта исследования в данной работе выступают типовые логистические задачи. Для их решения используется некоммерческий продукт Stamm 4.3.
Данное приложение разрабатывается и совершенствуется автором более 20 лет, и если изначально система предназначалась для организации простейшего имитационного моделирования с помощью электронных таблиц, то в настоящее время доступны ряд функций, которые позволяют решать самые разные задачи
, , , .В качестве примера рассмотрим простейшую задачу оптимизации запасов, реализованную с помощью Excel. Данная модель учитывает однопериодную модель управления запасами. Необходимо определить размер заказываемой партии Part на какой-то будущий промежуток времени, если известно, что спрос D – случайная величина с нормальным законом распределения (среднее значение равно Mс, среднее квадратическое отклонение – Sс). В том случае, если спрос будет меньше той партии, которая была заказана, то издержки составят величину
где Ch – стоимость хранения единицы товара.
В случае, если заказанной партии окажется недостаточно для удовлетворения спроса, то затраты будут включать издержки дефицита
где Cd – штраф за дефицит единицы товара.
Задача решается многократным проигрыванием ситуации на складе с учетом заданного закона распределения спроса. В случае использования Excel имеет место псевдо-имитационное моделирование, так как варьирование спроса осуществляется в результате изменения связанных ячеек в соседних строках, а такие параметры модели как начальный уровень запаса и объем производства вводятся в модель вручную (рис. 1). Это связано с ограничениями Excel на использование перекрестных ссылок.
Рисунок 1 - Моделирование системы с однопериодным пополнением запаса в Excel
Рисунок 2 - Моделирование системы с однопериодным пополнением запаса в Stamm 4.3
Рисунок 3 - Окно контроля параметров при табличной имитации
Примечание: Stamm 4.3
Укрупненный алгоритм имитации с помощью ячеек в таблице предусматривает следующие действия (рис. 4). Инициализацию переменных виртуального модельного времени – начального значения (T0), конечного (Tmax) и шага моделирования (ΔT).
Рисунок 4 - Основной алгоритм табличной имитации
Примечание: Stamm 4.3
В случае решения большого круга задач в области логистики на транспорте, можно выделить объекты класса «Потребитель ресурсов». Экземплярами такого класса могут быть, например, автомобили, расходующие в процессе эксплуатации топливо, шины и т.п. Этот расход Y является функций внешних и иных факторов (X1, X2, … Xn) и времени. В свою очередь, этот класс имеет два принципиально разных производных класса, непрерывно расходующих ресурс с течением времени и потребляющие его дискретно. К особенностям последнего можно отнести изменение своего состояния в процессе потребления ресурса. Примерами второго подкласса являются автомобили, периодически проходящие плановое техническое обслуживание и нуждающиеся в замене некоторых деталей, масла и т.п. На рисунке 5 представлен алгоритм обработки объектов такого класса в табличной имитации. Данный алгоритм, как и сам класс, является абстрактным, его конкретная реализация будет зависеть от особенностей моделируемого объекта.
Рисунок 5 - Шаблон алгоритма «Объект потребитель ресурсов» в программе Stamm 4.3
3. Основные результаты
В процессе имитационного моделирования логистических задач, предусматривающих в качестве компонентов модели большого числа однотипных объектов, таких как автомобили, с целью экономии памяти ПК нецелесообразно использовать копии каждого из них во время всей жизни модели. Рассматриваемая в работе имитационная модель на базе электронных таблиц предусматривает обработку всех объектов на каждом шаге моделирования с чтением текущего состояния из базы данных и дальнейшим сохранением изменений (рис. 4, 5).
С использованием рассмотренных подходов было разработано несколько имитационных моделей в системе Stamm. Например, модель оптимизации запасов пневмобалонов автобусов (рис. 6).
Рисунок 6 - Модель оптимизации запасов пневмобаллонов в программе Stamm 4.3
Рисунок 7 - Ячейка-контроллер для обмена данными с таблицей «Buses»
Рисунок 8 - Лист с актуальными данными о состоянии автобусов «Buses»
Рисунок 9 - Лист с прогнозными данными о погоде и интенсивности эксплуатации «Weather»
Рисунок 10 - Табличная имитационная модель «Управление логистикой основных агрегатов к местам базирования вертолетов»
4. Заключение
Предложенные методы организации имитационных моделей табличного типа позволят сократить время на их разработку, а также использовать базу данных текущего состояния объектов в ходе имитационного эксперимента для дополнительного анализа и принятия решений как в ходе моделирования, так и при его завершении. Полученные результаты легко могут быть перенесены из рабочих листов Stamm в другие приложения, например, Excel.