Моделирование логистической сети очистных сооружений британской коммунальной службы

Моделирование логистической сети очистных сооружений британской коммунальной службы

Из государственного отчета Великобритании за 2018 год, Наши отходы, наши ресурсы: выработка стратегии для Англии

Обзор и проблема: как коммунальные компании могут повысить эффективность систем очистки сточных вод?

Отрасль очистки сточных вод в секторе водоснабжения Великобритании оценивается в 8,7 миллиардов фунтов и обеспечивает работой 42 000 человек. Ежедневно через систему водоочистки страны проходит более 16 миллиардов тонн сточных вод. Всё большая часть сточных вод перерабатывается в биоресурсы, которые можно использовать для производства энергии или в других отраслях. В настоящее время в отрасли сокращается государственное регулирование и усиливается конкуренция, что создает возможности для внедрения инноваций на разных этапах в логистической сети очистных сооружений.

Возможности управления цепочками поставок и процессами водохозяйственного сектора Великобритании
Системная диаграмма оптимизации процесса очистки сточных вод

Коммунальным службам часто сложно обеспечить эффективность и устойчивость производственных процессов в логистической сети. Одним из перспективных решений является разработка и тестирование новых конфигураций очистных сооружений, которые позволяют преобразовывать биоресурсы в полезные побочные продукты, например, в электроэнергию. Такой подход целесообразен с экономической и экологической точки зрения и может способствовать улучшению качества жизни общества. Однако, чтобы эффективно использовать ресурсы, нужно создавать модели инновационных систем для тестирования их работы в реальной жизни.

Поэтому, когда британская коммунальная служба решила оптимизировать логистическую инфраструктуру объектов по водоочистке, она обратилась за консультацией к лондонской консалтинговой компании decisionLab. decisionLab специализируется на создании цифровых инструментов для поддержки принятия решений, которые основаны на технологиях имитационного моделирования и машинного обучения.

Прежде чем руководство коммунальной службы сделало какие-либо капитальные вложения, инженеры decisionLab должны были смоделировать и протестировать логистическую сеть, в которую входят объекты по водоочистке, в безрисковой виртуальной среде. При этом в процессе моделирования особое внимание планировалось уделить внедряемым инновационным процессам. С помощью имитационной модели инженеры могли оценить загруженность различных типов отстойников и анаэробных сбраживателей и оптимизировать их количество исходя из рентабельности инвестиций в новую инфраструктуру. Оптимизация позволила бы:

Эффективность имитационной модели зависела от её масштабируемости, способности анализировать и демонстрировать устойчивость работы системы и доказывать рентабельность инвестиций. Именно эти факторы обеспечили бы успех проекта.

Решение

Команда специалистов decisionLab воспользовалась AnyLogic для создания модели сети очистных сооружений, поскольку эта платформа подходит для создания моделей сложных сред. Многофункциональные инструменты AnyLogic позволяют сочетать агентный и дискретно-событийный подход к моделированию, что упрощает разработку модели. Кроме того AnyLogic предоставляет возможность визуализировать процессы в 2D и 3D формате, а также использовать ГИС-карты для моделирования логистических сетей в наглядном виде.

Консультанты decisionLab сфокусировались на двух задачах: понять, как обеспечить безотказность операций и гарантировать рентабельность инвестиций в новую инфраструктуру. Консультанты смоделировали четыре сценария:

Имитационная модель процесса очистки сточных вод, показывающая очистные сооружения обеззараживания (синий), спекания (желтый) и сбраживания (красный), а также маршруты между ними
Результаты сравнительного анализа четырех различных сценариев построения оптимальных маршрутов материально-технического снабжения, полученные с помощью модели

Результаты

В результате специалистами decisionLab была разработана имитационная модель логистической сети очистных сооружений для оптимизации промышленной экологии коммунальной службы. Эта модель может использоваться для улучшения планирования логистической сети и проверки различных предположений. С помощью модели были просчитаны различные сценарии, при этом учитывались следующие ключевые показатели эффективности:

Оптимизация производительности анаэробных сбраживателей с точки зрения расхода системы и обслуживаемого населения
Энергоотдача от инвестиций в анаэробные заводы в 2018 и 2019 годах

Консультанты выяснили, что наиболее эффективной будет сеть из распределенных по всей территории сбраживателей объемом 5-10 миллионов литров. Такой результат оказался неожиданным, поскольку первоначально, исходя из статического анализа, инженеры предполагали, что более продуктивными являются большие централизованные установки вместимостью от 10 до 20-30 миллионов литров. Такие крупные сбраживатели потенциально могли обрабатывать большие объемы жидкости, поэтому теоритически были способны обслуживать более высокую долю населения. Однако с помощью имитационной модели было доказано обратное. Результаты моделирования также показали, что анаэробные сбраживатели средних размеров обладали более высокими показателями с точки зрения энергоотдачи и численности обеспеченного очищенной водой населения.

Анализ, выполненный специалистами decisionLab, соответствовал требованиям компании-клиента. Полученные сведения позволили руководству коммунальной службы лучше понять процессы и подобрать альтернативные подходы оптимизации цепочки поставок. Выбранные с помощью модели инновационные инфраструктурные и логистические подходы позволят повысить отдачу c экономической и экологической точек зрения.



Посмотрите доклад, в котором доктор Ананд Даве рассказывает об этом проекте на конференции AnyLogic, или загрузите его презентацию.

Похожие проекты

Другие истории успеха