Применение имитационного моделирования

Компьютерное моделирование используется в бизнесе, когда проведение экспериментов на реальной системе невозможно или непрактично, чаще всего из-за их стоимости или длительности.

В отличие от физического моделирования, имитационное моделирование основано на компьютерных технологиях, использующих алгоритмы и уравнения. Имитационную модель можно анализировать в динамике, а также просматривать анимацию в 2D или 3D.

Возможность анализировать модель в действии отличает имитационное моделирование от других методов, например, от использования Excel или линейного программирования. Пользователь изучает процессы и вносит изменения в имитационную модель в ходе работы.

Преимущества имитационного моделирования

Безрисковая среда. Поддержка «What-If» сценариев, анализ изменений без реальных рисков

Оптимизация. Выбор и оптимизация целевой функции, которая может быть задана прибылью, временем, ресурсами

Визуализация. Детальное воссоздание процессов и объектов в 3D и 2D

Выбор концепций. Формирование концептуальных сценариев и сравнение их, анализ

Поиск узких мест. Выявление критичных зон и формулирование предложений по решению  существующих проблем

Детализация и точность.

Процесс создания и технологии разработки имитационной модели склада

  1. Исследование схемы склада, топологии, оснащения и существующих бизнес-процессов.
  2. Построение модели данных
  3. Построение имитационной модели «как есть» (AS IS)
  4. Верификация на существующих ретроспективных данных
  5. Выявление «узких мест» и построение гипотез оптимизации
  6. Построение имитационной модели «как будет» (TO BE)
  7. Формирование показателей для сравнения текущего и гипотетического состояния склада
  8. Получение значений показателей имитационных моделей

Инструменты имитационного моделирования

  • AnyLogic (Java)
  • AnyLogistix (Java/Python)

Оптимизационные пакеты

  • OptaPlanner (Java)
  • CPLEX (Java/Python)

Прогнозирование и предсказание

  • Классические модели машинного обучения (Python)
  • Reinforcement learning (Python)
  • Нейронные сети (Python)

Результаты имитационного моделирования

Задачи складской логистики решаемые в рамках имитационного моделирования (ИМ):

  • Определение необходимых габаритов и конфигурации складских пространств
  • Оценка достижения показателей различных вариантов технического оснащенности склада
  • Определение оптимальной топологии, зонирования, маршрутов комплектации, заполняемости и складских мощностей
  • Поиск оптимальной политики запасов с текущим или прогнозируемым грузопотоком
  • Краткосрочное и долгосрочное планирование складского персонала и других ресурсов задействованных в работе

3D визуализация работы имитационной модели

Реализованные проекты в области складской логистики

1. Имитационная модель склада продукции с паллетным хранением, поступлением и отгрузкой моно- и микс паллетами.

В рамках проекта выполнено:

  • AS IS модель, позволяющая оценивать потребность ресурсов и производительность складских зон и OPEX склада;
  • Обнаружено «узкое место» в зоне погрузоразгрузочных ворот – нехватка мест. В результате высокая неравномерность потребности персонала при размещении и комплектации паллет
  • Использование беспилотной техники
  • TO BE модель, позволяющая оценить эффект от внедрения роботизированной техники по заложенным показателям.

 

2. Имитационная модель центра по исследованию кернового материала, состоящего из лабораторий по исследованию керна и хранилищем, целью нахождения наилучшего варианта топологии и узких мест, оптимального количества ресурсов, минимизация затрат.

Проблема.  Нехватка места для размещения нового кернового материала  и неудовлетворительные условия хранения, приводящие к утрате свойств для исследования

В рамках проекта выполнено:

  • Оценка вариантов модернизации центра исследования керна
  • Разработка  оптимальной топологии кернохранилища и размещения лабораторий
  • Повышение емкости хранения
  • Рост производительности персонала

Заполните поля, помеченные звездочкой и нажмите "Узнать подробнее"