Принцип интеграции при управлении в логистических цепях поставок (ЦП) требует минимизации общих логистических издержек с учетом противоречивых целей участников ЦП, что приводит к необходимости решения многокритериальных оптимизационных задач, результаты решения которых задают целевые ориентиры, необходимые для привлечения эвристических методик. Особенностью таких задач в логистике является наличие параметров, связанных со случайными продолжительностями логистических операций.
Разработки по использованию методов интеллектуального анализа процессов (Process mining) для верификации агентных имитационных моделей или же генерации журнала событий в процессе работы агентных моделей в открытой печати не обнаружено. В данной статье рассматривается методика для верификации агентных имитационных моделей с применением технологии интеллектуального анализа процессов (Processmining), которая является расширением метода трассировки. Расширение заключается в автоматизации построения схемы работы имитационной модели на основе данных ее трассировки (журнала событий).
В связи с развитием информационно-сетевых технологий большой интерес представляет такая организационная структура, как виртуальное предприятие. Актуальной является проблема разработки и последующей программной реализации методов анализа и управления рисками виртуального предприятия. Рассматривается один из возможных подходов к управлению рисками, основанный на имитационном моделировании финансовых потоков виртуального предприятия с помощью метода Монте-Карло. Модель строится на основе агентного подхода с использованием программной среды Anylogic.
В работе предлагается методология построения имитационной модели сложной системы, предполагающая разработку комплекса имитационных моделей (КИМ), включающего модели двух типов. Модель первого типа – это модель высокого уровня абстракции. Она описывает процесс в целом, исследуя воздействие на него макропараметров и получая на выходе искомые макро-характеристики. Модель позволяет грубо и оперативно оценить работу всей системы и выработать управленческие рекомендации. Модели второго типа рассматривают процесс более детально при заданных значениях макрохарактеристик, полученных с помощью модели первого типа, позволяют учесть воздействие на процесс параметров более низкого уровня абстракции и получить уточненные характеристики процесса. Модели второго типа используются в роли стенда для детальной проверки рекомендаций, полученных с помощью модели высокого уровня абстракции, и выработки управленческих решений на уровне технологии производства.
Предложена методика трансляции модели из нотации ARIS eEPC в агентную имитационную модель AnyLogic. Поставлен эксперимент по трансляции модели описанной нотацией eEPC в агентную имитационную модель AnyLogic. Результаты работы могут использоваться аналитиками для сокращения времени проектирования в процессе реализации имитационных моделей, а также упрощения процесса последующей эксплуатации имитационных моделей.
Имитационные модели, выглядящие неестественно, нестройно, неадекватно сложно, некрасиво, скорее всего не являются полезными. Речь идёт, естественно, не столько о красоте интерфейса пользователя и анимации, сколько о простоте и понятности конструкций, использованных разработчиком внутри.
При проектировании нового порта или модификации существующего перед руководством и инженерами встаёт множество задач о выборе оптимального оборудования для выполнения различных внутрипортовых операций. С одной стороны, оборудование должно обладать техническими характеристиками и присутствовать в количестве, достаточном для обработки грузооборота порта, с другой стороны, инвестиции в оборудование и его обслуживание не должны превышать определённых границ бюджета. Подобные задачи встают для всевозможных типов оборудования порта, а именно, подъемно-транспортного оборудования, инженерных сетей, систем для обработки специальных типов грузов (накатных, наливных и др.), судов портового флота, железнодорожного оборудования и др.
Можно ли предсказать поведение потребителей? Каким образом наши клиенты делают свой выбор, и что, в конечном счете, играет решающую роль – низкая цена, удобство расположения офиса или вежливость и приветливая улыбка продавца, который общается с клиентами? Как оценить реакцию потребителей на изменения в маркетинговой стратегии или запуск нового продукта? Можно ли просчитать ответные шаги конкурентов и разработать стратегию конкурентной борьбы по аналогии с партией в шахматы, или такого рода решения всегда будут оставаться импровизацией, успех которой зависит только от таланта маркетолога? Многие руководители многое бы отдали, чтобы получить ответы на эти вопросы. Еще десять–пятнадцать лет назад такая постановка вопроса, возможно, вызвала бы улыбку или изрядный скепсис. Однако сегодня построение подобных прогностических моделей рынка стало реальностью благодаря поведенческой экономике и агентному моделированию.
Как пивоваренной компании проложить оптимальные маршруты для полутора тысяч железнодорожных вагонов, развозящих продукцию по всей России? Как ритейлеру понять, сколько складов и где нужно построить, чтобы обеспечить поставки в пятьсот магазинов в трехстах городах? А оператору сотовой связи узнать, насколько и за счет чего можно нарастить клиентскую базу? На все эти вопросы клиенты российской софтверной компании XJ Technologies получили ответы при помощи AnyLogic, инструмента имитационного моделирования. Начав освоение рынка с США, основатель XJ Technologies Андрей Борщев уже несколько лет продвигает свой продукт в России...