ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ ЛОГИСТИЧЕСКИХ ПРОЦЕССОВ

SIMULATION MODELING OF LOGISTICS PROCESSES

Alfiya Yunusova

Undergraduate, Federal State Budgetary Educational Institution of Higher Education Ufa State Aviation Technical University, Russia, Ufa

Аннотация. В работе использовалась модель Beer Game для управления логистическими процессами на предприятии. Имитационная модель была выполнена в пакете AnyLogic. Это позволило осуществить эксперименты и определить оптимальный размер запасов продукции на предприятии и складах его заказчиков.

Abstract. The work used the Beer Game model to manage logistics processes at the enterprise. The simulation model was made in the AnyLogic package. This made it possible to carry out experiments and determine the optimal size of product stocks at the enterprise and the warehouses of its customers.

Ключевые слова: логистические процессы; управление запасами; модель; моделирование; оптимизация; имитационное моделирование; затраты.

Keywords: logistics processes; inventory management; model; simulation; optimization; simulation; costs.

На сегодняшний день перед руководителями многих компаний возникает вопрос рационального управления логистическими процессами разного уровня, начиная с внутренней логистики предприятия и заканчивая глобальной логистикой (перевозка груза по всему миру). Для этого применяют различные методы: как аналитические, так и имитационные способы моделирования. При аналитическом моделировании логистические процессы описывают в виде некоторых функциональных соотношений (алгебраических, дифференциальных, интегральных уравнений).

Имитационное моделирование – это гибкий многофункциональный подход для описания процессов складской логистики, транспортной логистики и управления цепями поставок в планировании, контроле и управлении. Имитационная модель позволяет отображать взаимосвязи между элементами логистической системы, прогнозировать альтернативные варианты развития событий, помогает выявить ситуации, что требует особого внимания менеджеров, создавать отчеты для детального понимания поведения логистического системы и принимать стратегические решения. Целью предприятия является эффективное управление своими ресурсами, включая готовую продукцию, на всей цепи поставок в необходимое количество, в необходимой комплектации, в указанное время и по конкурентоспособной цене.

За последние годы значительно возрос интерес отечественных и зарубежных ученых к управлению логистическими процессами на предприятиях, таких как:

О.И. Бабина, Д.Дж. Бауэрсокс, Е.А. Бакаев, Р.Н. Цветной, В. Криковский, О.П. Углах, И.С. Рыкованова, З.М. Соколовская, Л.А. Янковская и другие. Ученые постоянно совершенствуют методики управления и стараются улучшить деятельность предприятия в целом. Бакаев Е.А. описал главные модели логистических процессов и современные информационные технологии для их реализации, уделил значительное внимание новым принципам и средствам логистического управления, разным логистическим концепциям. Бабина О.И. пыталась соединить аналитические и имитационные методы моделирования в логистике. В США ежегодно проводится Winter Simulation Conference, где представляются основные достижения имитационного моделирования цепей поставок. Однако, возникает необходимость в имитационном моделировании логистических процессов на основе специфики деятельности предприятия.

В процессе исследования использовался системный метод для отображения логистических процессов при построении имитационной модели применялись методы имитационного моделирования. Также для достижения поставленной цели методологической основой исследования стали такие приемы, как группировка и графическое представление результатов исследования

Целью исследования является проведение имитационного моделирование логистических процессов на предприятии с динамическим спросом, что позволит оптимизировать уровень складских запасов в цепи поставок при минимальных логистических затратах

Имитационное моделирование помогает при решении оптимизационных логистических задач, а также при:

- проведении экспериментов для определения изменения поведения изучаемого объекта (оценка воздействия на запасы, ресурсы, склады, количество выполненных заказов при динамическом спросе);

- анализе чувствительности модели при изменении различных параметров;

- определении оптимального размещения и размеров составов;

- определении оптимальных маршрутов доставки и количеству транспортных средств;

- формирование графика поставки продукции.

За последние годы широкое применение получила концепция оптимизации имитационного моделирования (simulation optimization), на базе которой разработаны пакеты оптимизации, интегрированные в системы имитационного моделирования и позволяющие пользователям автоматически находить оптимальные решения.

Имитационная модель – программа, позволяющая исследовать процесс функционирования системы путем проведения экспериментов на компьютере. Структура имитационной модели в значительной степени зависит от выбора подхода моделирования, соответствующее выбранному уровню абстракции на этапе постановки задачи моделирования

На сегодняшний день существуют три наиболее распространенных подхода к имитационному моделированию: системная динамика, дискретно-событийного моделирование (процессно-ориентированное), агентное моделирование. Для каждого из подходов разработаны свои пакеты имитационного моделирования.

Первые два подхода являются "традиционными" методами имитационного моделирования, появившимися в 50-60-х годах.

Агентное моделирование – относительно новый метод, получил широкое практическое распространение только после 2000 года, но уже успел набрать обороты. Системная динамика и дискретно-событийное моделирование рассматривают систему сверху вниз, работая на системном уровне. Агентное моделирование – это подход снизу вверх: создатель модели фокусируется на поведении личных объектов.

Системная динамика предполагает высокий уровень абстракции и используется в основном для задач стратегического уровня Процессно-ориентированный (дискретно-событийный) подход используется в основном на операционном и тактическом уровне. Применение агентных моделей включает задачи любого уровня абстракции: агент может представлять компанию на рынке, покупателя, проект, идею, транспортное средство, ресурсы и т.д.

Оптимизационная модель – модель, которая может включать одну (однокритериальная модель) или несколько (многокритериальная модель) целевых функций, позволяющих находить оптимальное решение по рассматриваемым альтернативам.

Оптимизация заключается в последовательном выполнении нескольких прогонов модели с разными значениями параметров и нахождении оптимальных результатов, при которых целевая функция достигает своего экстремума.

Структура оптимизационной модели состоит из трех основных элементов: целевой функции, ограничений и его переменных.

Целевая функция строится как математическое выражение, в состав которого входят исходные показатели и (иногда) заданные параметры модели. Ограничения модели сужают область допустимых решений модели, задают диапазон допустимых значений для переменных, удовлетворяющих всем заданным ограничениям, и тем самым позволяют находить приемлемые решения задачи моделирования. Ограничения могут быть двух типов: те, которые накладываются на одну переменную (иногда в литературе их называют границами) и накладываются на связи между переменными моделями (чаще их называют требованиями).

Пределы модели задают верхний и/или нижний диапазон значений переменных. Сменные модели – это величины, значение которых необходимо оптимизировать.

Как правило, работа алгоритмов оптимизации связана с необходимостью выполнять сотни и тысячи прогонов модели, поэтому требование высокой производительности оптимизационной имитационной модели очень важно. Основными факторами, влияющими на поисковую производительность есть следующие:

- степень стохастичности имитационной модели;

- количество сменных модели;

- начальные значения переменных модели;

- ограничения, налагаемые на переменные модели;

- вид целевой функции;

- скорость выполнения прогона модели.

Между элементами логистической системы, а именно: ритейлерами, оптовиками и предприятием возникают информационные и материальные потоки. Информационный поток представляет собой поток уведомлений между участниками логистической цепи (предприятием, дистрибьюторами, магазинами, поставщиками и другими) для обеспечения движения материального потока от одной логистической системы к другому или к конечному потребителю. Информационным входным параметром является спрос на продукцию, а выходным – исполнение заказа.

Материальный поток – поток ресурсов, готовой продукции и другие, характеризующиеся следующими параметрами: номенклатурой и количеством продукции; размерностью и весовыми характеристиками; физико-химическими особенностями материалов; условиями транспортировки и хранение; стоимостными характеристиками (тарифами) и другими. Материальным входным потоком является уровень запасов, транспортных средств, а выходным – отгрузка продукции (рис. 1).

Рисунок 1. Схема имитационной модели управления запасами между элементами логистической системы

В пакете AnyLogic была адаптирована задача Beer Game для мясоперерабатывающего предприятия АО "УМКК". Логистическая задача имитационной модели заключается в управлении цепочкой поставок, в состав в который входят ритейлеры, оптовики и предприятие.

Клиенты (покупатели) обращаются в магазины (ритейлеры) и формируют спрос на товар, который может изменяться в времени. Если товар в наличии - его продают, иначе – заказывают у оптовиков. При превышении спроса над предложением ведется учет задолженности по заказу. В начале каждого дня ритейлеры и оптовики проводят ревизию своих запасов и решают какое количество товара нужно заказать. Так же и на предприятии принимается решение о том, сколько единиц товара следует изготовить или заказать у поставщика (если это торговое предприятие). Целью имитационной модели является минимизация общих логистических затрат, связанных с хранением запасов, доставкой заказа и возможным дефицитом продукции.

В программе AnyLogic была построена оптимизация модели Beer Game. Оптимизация заключается в нахождении таких параметров модели, при которых достигается оптимальное значение заданной целевой функции. Также задаются ограничения на значения параметров и переменных моделей.

Таким образом, имитационное моделирование логистических процессов является неотъемлемой частью многих экономических проектов, направленных на создание или усовершенствование логистических систем. Результатом имитационного моделирования является разработка оптимальной стратегии управления, предполагающей решение поставленных логистических задач и проведение многочисленных экспериментов.

Благодаря пакету AnyLogic можно рассматривать логистические процессы как целостную систему, позволяющую достичь более эффективные решения. Управление логистическими процессами предполагает объединение рынка сбыта, распределением и производством таким образом, чтобы обеспечить высокий уровень обслуживания клиентов при общих минимальных затратах.

Примененная имитационная модель Beer Game для управления логистическими процессами позволила провести эксперименты и определить оптимальный размер запасов продукции на предприятии "УМКК" и складах его заказчиков при минимальных затратах.