Имитационное моделирование бизнес-процессов в среде AnyLogic

Повышение производительности системы  в AnyLogic возможно за счет анализа процессов с учетом большого числа характеристик ее элементов, включая случайные события и индивидуальные особенности поведения элементов.

Основные проблемы оптимизации:

— неочевидность эффективности разрабатываемых методов оптимизации;

— влияние одних процессов на другие не позволяет анализировать поведение элементов отдельно друг от друга;

— изменение поведения одного элемента может влиять на состояние всех в целом;

— большое количество характеристик каждого элемента усложняет процесс анализа.

Подход имитационного моделирования для оптимизации бизнес-процессов в AnyLogic:

• использование характеристик каждого элемента системы (количество, скорость, мощность, длительность ремонта и т.д.);

• разработка логики на основании процессов реального объекта с необходимым уровнем детализации для решения конкретной задачи;

• визуализация моделируемых процессов в 2D или 3D;

• подтверждение корректности логики модели на основании исторических данных;

• изменение характеристик системы вручную и прогон модели в AnyLogic на необходимом временном горизонте с целью сравнения показателей продуктивности.

Тестирование различных сценариев в AnyLogic позволяет выбрать более эффективный вариант;

• использование метода подбора параметров в AnyLogic решает задачу оптимизации путем подбора оптимального соотношения характеристик элементов системы, которыми можно балансировать при поиске решения.

Результаты использования метода:

• моделирование в AnyLogic годового цикла производства за 5 минут;

• точность расчета в AnyLogic за счет подтверждения корректности логики моделируемых процессов на исторических данных;

• логику процесса в AnyLogic можно изменить на столько, на сколько хватит воображения;

• динамичное моделирование в AnyLogic визуально покажет особенности процесса в разрезе времени;

• анализ результатов производства во времени;

• внесение изменений в поведение системы в процессе моделирования в AnyLogic;

• проверка эффективности оптимизационных решений в AnyLogic до их внедрения.

Планирование является трудоемкой задачей и требует серьезной проработки техники расчетов при использовании аналитических инструментов. Многие компании сталкиваются с проблемой повышения эффективности планирования, как краткосрочного, так и долгосрочного.

Проблема планирования связана с невозможностью аналитических инструментов учитывать большой объем характеристик процессов и вероятностные распределения событий в разрезе времени.

Основные задачи планирования:

• определение срока выполнения заданного объема работ на основании ее текущего состояния;

• поиск оптимальной комбинации состояния элементов системы в разрезе времени;

• расчет оптимальной даты поступления ресурсов для максимизации производительности и снижению уровня запасов на складе;

• динамика выполнения работ исходя из требований к производительности и частоте работ по обслуживанию оборудования.

Как имитационное моделирование решает проблему эффективного планирования:

• создание инструмента, способного рассчитывать состояние и производительность на необходимом временном горизонте исходя из текущей комбинации запасов, незавершенного производства, износа оборудования, разработки котлована, бюджета и любых других измеримых характеристик;

• тестирование сценариев с учетом изменения состояний во времени, например, добавление единиц техники во время моделирования;

• генерация расписания с датами формирования заявок на поставку материалов и объемами поставок;

• ручное управление процессом, например, добавление новых самосвалов при увеличении объемов выработки;

• формирование отчета по объемам выполненных работ в разрезе времени.

Наш подход к разработке инструментов эффективного планирования заключается в расчете будущего состояния системы исходя из ее бизнес-логики и текущего состояния.

Реализация инвестиционного проекта – непростая задача, что обусловлено трудоемким процессом оценки рисков и его экономической эффективности.

Наш подход к созданию технико-экономического обоснования проекта заключается в следующем:

• изучение текущих бизнес-процессов AS-IS;

• выделение KPI процессов, формирование методов расчета;

• разработка имитационной модели текущих процессов, создание модуля динамичного расчета KPI;

• разработка сценария моделирования с учетом реализации проекта TO BE;

• на основании полученных KPI до и после внедрения проекта, определяется его экономическая эффективность;

• формируется технико-экономическое обоснование.

Эффективность данного подхода заключается в следующем:

• визуализация проектируемых процессов в действии, с необходимым уровнем детализации;

• тонкая настройка логики реализует в виртуальном пространстве процессы максимально точно отражающие реальное поведение системы;

• динамичное моделирование учитывает поведение и взаимодействие всех элементов системы, что поможет получить максимально-точные расчеты KPI;

• возможность проведения экспериментов для поиска оптимальных значений характеристик проектируемой системы;

• получение статистики в процессе моделирования позволяет увидеть эффективность проекта в разрезе времени;

• проведение сравнительного анализа для подтверждения эффективности рассматриваемого проекта на фоне альтернативных.

Проблема оптимизации склада, как правило, возникает в процессе масштабирования складских решений компании. Рост объемов погрузочных и разгрузочных работ увеличивает дифференциал объема складирования, что в свою очередь требует выделения большего количества стеллажей и их ниш. Рост нагрузки на внутреннюю логистику склада может вызвать критические ситуации разного рода.

Задачи оптимизации работы склада:

• расчет оптимальной площади и вместимости мест складирования с учетом планируемых входящих и исходящих потоков;
• поиск оптимальной расстановки стеллажей, терминалов и другого оборудования;
• определение оптимального соотношения элементов внутренней логистики (погрузчики, рабочие и др.);
• определение оптимальных схем взаимодействия ресурсов склада с объектами складирования.

Подход имитационного моделирования к оптимизации склада:

• описание сценариев прибытия транспорта, длительности погрузки и разгрузки с учетом неравномерности;

• реализация основного сценария организации работы склада для дальнейших экспериментов и поиска оптимальных вариантов реализации системы;

• автоматизированный поиск оптимальных параметров системы (количество погрузчиков, терминалов, уровней и т.д.);

• выявление критических ситуаций в процессе моделирования с фиксацией времени и вида события (превышение очереди на разгрузку, нехватка площади и др.);

• изменение логики работы склада, сравнение результатов с начальным сценарием, выбор оптимального.

Эффект от использования метода имитационного моделирования:

• определение оптимальной площади на основании заполняемости склада в разрезе времени;

• сравнительный анализ альтернативных складских процессов в динамике;

• автоматизированный поиск оптимального соотношения складских ресурсов (погрузчики, сотрудники и т.д.);

• тестирование альтернативных сценариев логики взаимодействия элементов склада поможет определить более эффективную организацию процессов.

Имитационное моделирование изящно решает задачу по поиску оптимального варианта организации работы и расстановки элементов склада.

Для решения задачи максимально эффективно, консультанты NFP изучают принципы работы склада на месте, собирают исторические и плановые данные по объемам погрузки и разгрузки, собирают все необходимые измеримые характеристики элементов склада и на основании собранных материалов создают логику модели, полностью описывающую базовый сценарий организации склада.

Разработанная модель позволяет проводить эксперименты с измененными характеристиками элементов системы для поиска оптимального решения.

Разработка оптимизированной логистической цепочки должна учитывать поведение множества элементов, таких как: поставщики, покупатели, автотранспорт, маршруты доставки и т.д. При этом каждый элемент обладает уникальными характеристиками и поведением, на которое влияют не только внутренние, но и внешние процессы, что усложняет решение задачи оптимизации.

Моделирование цепей поставок необходимо, если:

• отсутствует централизация управления входящей/исходящей логистики;

• происходит формирование новых цепей поставок;

• производственный процесс тесно связан с большим количеством поставщиков (срывы поставок часто негативно влияют на производственный процесс);

• рассматривается проект по строительству нового дистрибьюторского центра и требуется принять решение об оптимальном расположении;

• планируется скачкообразное развитие сети складов;

• требуется оперативное планирование складских запасов;

• необходимо оптимизировать автотранспортный парк.

Как решает задачу имитационное моделирование:

• при моделировании используются карты ГИС в качестве основы для построения модели позволяет учитывать расположение складов, траекторию движения транспортных средств с привязкой к географическим объектам, таким как населенные пункты, магистрали, порты и т.д.;

• при моделировании в anyLogistix каждый элемент цепи поставок реализовывает в модели свой уникальный сценарий, опираясь на любые измеримые характеристики;

• при моделировании в anyLogistix разработка гибкой логики взаимодействия элементов цепей поставок определяет их поведение исходя из конкретной сложившейся в процессе моделирования ситуации;

• при моделировании в anyLogistix каждое событие системы (достижение пункта разгрузки, ожидание начала разгрузки, отправка запроса и т.д.) регистрируется и позволяет провести необходимые аналитические расчеты;

• перед запуском имитационной модели пользователь может изменять параметры системы исходя из текущей ситуации, в том числе с помощью импорта актуальной базы данных.

Имитационное моделирование, с использованием инструментов AnyLogic и anyLogistix, элегантно решает задачи оптимизации цепочек поставки за счет гибкой настройки под конкретную задачу компании.

Рост рентабельности компании возможен за счет эффективного использования ее активов. Стратегия управления активами должна включать в себя методику расчетов оптимальной структуры активов компании (производственных мощностей, самолетов, грузовиков, используемых зданий под производство и складирование и т.д.).

Задачи по оптимизации управления активами:

• поиск оптимального количества единиц техники с максимальной утилизацией, обеспечивающих бесперебойную работу предприятия;

• исследование альтернативных сценариев использования активов, например, перераспределение площадей под складирование, выделение свободной площади под другие нужды предприятия;

• расчет необходимого количества самолетов, в разрезе времени, для бесперебойной работы линии с учетом сезонных колебаний спроса;

• определение степени влияния планируемых изменений в структуре активов на систему в целом.

Как имитационное моделирование решает задачу оптимизации управления активами:

• разработка логики взаимодействия активов компании позволяет реализовать альтернативные сценарии его использования (перемещение, модернизация и др.);

• тестирование сценариев по изменению логики взаимодействия и расположения активов, например, перемещение оборудования, освобождение площади здания под организацию новых процессов;

• автоматизированный поиск оптимальных значений характеристик активов, перед их приобретением, таких как мощность, габариты, вместимость и т.д.;

• оценка степени риска для структуры активов, логики их взаимодействия;

• поиск баланса активов в случае влияния сезонных колебаний спроса, например, сравнение вариантов покупки и аренды оборудования.

При решении задач организации пассажиропотоков, таких как расположение мест обслуживания и терминалов, мест выдачи багажа и расстановки линий осмотра, в моделировании необходимо учитывать колебание количества поступающих пассажиров.

На частоту появления пассажиров могут влиять такие факторы как расписание прибытия поездов, расписание вылетов самолетов или время суток.

Помимо частоты прибытия,  в AnyLogic и anyLogistix возможны сценарии роста числа пассажиров в помещениях в случае задержки рейсов или возникновение других критичных ситуаций.

Для проведения исследований на предмет поиска оптимальной организации пассажиропотоков в аэропортах, железнодорожных вокзалах или станциях метро, необходим инструмент моделирования, способный показать движение потоков в динамике, учитывающий при этом неоднозначность поведения каждого человека в моделях  AnyLogic и anyLogistix.

Основные проблемы при поиске оптимальной схемы движения пассажиропотока:

• каждый человек ведет себя особенно, выбирает уникальную траекторию движения;

• необходимо учитывать статистическую информацию о времени обслуживания кассирами в зависимости от вида обслуживания, частоте прибытия пассажиров в разрезе времени и т.д.;

• влияние плотности потока на скорость движения каждого человека;

• необходимо учитывать влияние расписания рейсов, поездов, электричек и других транспортных средств на скопление пассажиров;

• деление потоков в процессе движения с учетом разных траекторий и скоростей движения.

Возможности пешеходной библиотеки в AnyLogic и anyLogistix:

• отрисовка стен и других преград, влияющих на направление движения;

• создание многоэтажных объектов с лестничными пролетами и эскалаторами;

• установка частоты поступления пешеходов с учетом изменения интенсивности во времени или при возникновении определенных событий (расписание рейсов, расписание работы метро и др.);

• установка скорости, направлений движения, расположение касс, терминалов и время обслуживания, расположение очередей.

Эффект от использования имитационного моделирования в AnyLogic и anyLogistix:

• тестирование сценариев распределения потоков движения (к стойке регистрации, месту выдачи багажа, залу ожидания) поможет выявить места скопления людей;

• тепловая карта плотности потока визуально покажет высоконагруженные трафиком места;

• проведение экспериментов с изменением количества касс, площадей зон ожидания или выдачи багажа поможет определить их оптимальные значения;

• отработка сценариев эвакуации в случае срабатывания пожарной сигнализации в помещении поможет определить оптимальное расположение эвакуационных выходов.

Разработка имитационных моделей  в AnyLogic и anyLogistix для оптимизации пассажиропотоков таких крупных объектов как аэропорты или транспортно-пересадочные узлы позволяет найти узкие места проекта до его реализации, когда еще есть возможность переписать сценарий пассажиропотока.