Академические статьи

История возникновения и развития концепции Индустрия 4.0 основана на понятии четвёртой промышленной революции, которая в наше время разворачивается практически во всех индустриально развитых странах. Первая промышленная революция, связанная с появлением оборудования для механического производства, началась во второй половине 18-го столетия. Начиная с 1870-х годов, благодаря электрификации и разделению труда (тейлоризм), назрел переход ко второй промышленной революции (эпоха «нефти, газа, электричества»). Начало третьей промышленной революции, называемой также «цифровой революцией», приходится на 70-е годы прошлого столетия. Четвёртая промышленная революция является наблюдаемым, прогнозируемым и управляемым процессом, суть которого составляет массовое внедрение киберфизических систем в производство, а также в сферу обслуживания различных человеческих потребностей, включая труд, быт и досуг.

Технология грузоперевозок эстафетным методом с использованием съемных контейнеров, которая получила название «каматейнер» и начинает развиваться в ПАО «КАМАЗ», является основой транспортной логистики, которая может совершить революционные изменения в грузоперевозках.

Recargo использует агентное моделирование, применяя программное обеспечение AnyLogic 7, для построения схем зарядки электрических транспортных средств водителями Калифорнии. Целью моделирования является изучение потенциальной выгоды от использования концепции ‘Vehicle to grid’ (V2G). Данная концепция подразумевает двухстороннее использование электромобилей: машина подключается к общей энергосистеме для подзарядки или наоборот, отдает в сеть электроэнергию, если в этом есть необходимость. Подобная технология позволяет автовладельцам заряжать свои машины тогда, когда энергия стоит дешевле (например, в ночное время), и продавать ее энергокомпаниям во время пика энергопотребления по максимально высокой цене. Наша работа в AnyLogic продолжается всего несколько недель, но за это время с помощью удобного интерфейса AnyLogic 7 и Java-кода мы смогли создать и протестировать модель экспериментальной концепции, которая демонстрирует потенциал дальнейших, более сложных, этапов моделирования.

В статье разрабатывается имитационная модель принятия оперативных решений в логистической системе при возникновении непредвиденной ситуации на маршруте, корректировке опорного плана или выборе нового маршрута доставки.

Дистрибуция продуктов и товаров массового потребления – низкомаржинальный бизнес, особенностями которого являются большие объемы движения товаров и значительная доля логистических издержек в структуре расходов. Кроме того, компании-дистрибуторы вынуждены балансировать между избыточными запасами, замораживающими оборотные средства, и своевременным выполнением заказов, срыв которых может привести к потере клиентов. Поэтому для компаний, работающих в этой сфере, важна эффективность процессов планирования, управления запасами и логистики.

Система городского пассажирского транспорта крупного города – это сложная система, включающая в себя большое число взаимосвязанных и взаимодействующих между собой компонентов. Управление такой большой системой с каждым годом все усложняется в связи с ростом городов, уровнем автомобилизации, меняющимися потребностями граждан в обслуживании. Отечественный и зарубежный опыт доказал эффективность применения имитационного моделирования для оптимизации перевозок городского транспорта и принятия грамотных управленческих решений в этой сфере.

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.

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.

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.

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...