Содержание к диссертации
Введение
ГЛАВА 1. Анализ информационных потоков на нефте-наливном терминале порта, выявление проблемной ситуации 13
1.1. Описание предметной области и анализ известных решений возникающих задач . 13
1.1.1. Системный анализ организации работы нефтеналивного терминала . 14
1.1.2. Обзор известных решений задач, свойственных в работе нефтеналивного терминала . 18
1.1.3. Особенности анализа погодных условий на примере работы Янгонского морского порта . 29
1.2. Проблемная ситуация как отражения задачи стабильности функ ционирования порта в условиях стохастических воздействий 30
Выводы по главе 1 . 31
ГЛАВА. 2. Разработка метода анализа уровня запасов на нефтеналивном терминале . 32
2.1. Построение имитационной модели процесса и постановка задачи 32
2.2. Анализ процессов в пределах периода T . 33
2.3. Введение модели потока событий и расчет движения запасов нефти 34
2.3.1. Обоснование выбора математического аппарата 36
2.3.2. Описание вероятностей изменения запасов нефти на терминале с использованием закона Пуассона 37
2.3.3. Вероятности распределения излишков и страховых запасов нефти 40
2.4. Определение страховых объемов хранилища с учетом вероятности появления излишков и дефектов запасов нефти 42
2.4.1. К инженерной методике использования результатов . 43
2.4.2. Определение требований к хранилищу при его сегментировании . 44
2.5.Учет вероятностного характера пополнения запасов . 44
2.5.1. Аналитические соотношения 45
2.5.2. Учет вероятностного характера пополнения запасов для важных частных случаев 47
2.5.3. Определение изменений объема хранилища . 49
Выводы по главе 2 53
ГЛАВА 3. Применение полученных результатов к условиям янгонского порта . 54
3.1. О выходном потоке и объемах нефтехранилища . 54
3.2. Влияние стохастических процессов входного потока на величину страховых запасов 56
3.2.1. Анализ статистических данных о погодных условиях в окрестностях Янгонского порта 57
Выводы по главе 3 65
ГЛАВА 4. Верификация полученных результатов методом компьютерного моделирования . 66
1. Моделирование заданного числа событий в случайном потоке 66
2. Накопление и статистическая обработка данных 68
Выводы по главе 4 . 81 CLASS ГЛАВА 5. Сравнительный анализ результатов исследований и использование результатов диссертации . 82 CLASS
5.1. Сравнительный анализ полученных результатов с известными . 82
5. 2. Использование модели для мониторинга состояния хранилища . 87
5. 3. Внедрение результатов диссертации 90
Выводы по главе 5 91
Заключение . 92
Список литературы
- Обзор известных решений задач, свойственных в работе нефтеналивного терминала
- Анализ процессов в пределах периода T
- стохастических процессов входного потока на величину страховых запасов
- Накопление и статистическая обработка данных
Обзор известных решений задач, свойственных в работе нефтеналивного терминала
Морские порты являются важнейшей частью в цикле работы любого промышленного парка или зоны переработки продукции на экспорт - в частности, и экономической деятельности развитых районов - в целом. Поэтому проблемы создания, эксплуатации и развития морских портов вызывает огромный интерес как у руководителей страны, органов государственного управления, так и у частных отечественных и иностранных компаний и инвесторов. Конкурентоспособность товаров на международном рынке в настоящий момент во многом зависит от транспортных расходов. Импорт сырья и экспорт продукции, реализуемый на крупных судах, позволяют существенно снизить транспортные расходы и привести к повышению эффективности инвестиций, а различные экономические проекты.
Основной задачей порта является перевозка грузов и пассажиров между водными и наземными видами транспорта. Порт также представляет собой транспортный узел, где встречаются различные виды транспорта: морского, речного, железнодорожного, автомобильного и трубопроводного.
Работа посвящена анализу стохастических процессов движения запасов на нефтеналивном терминале морского порта. Работа проводится, в частности, в интересах Янгонского морского порта. Янгонский порт – это самый крупный порт Республики Мьянма, использующийся для перевозки грузов между другими портами страны, а также для внешнеэкономических связей страны с зарубежными странами (рис.
Нефтеналивной терминал представляет собой совокупность структурных подразделений выполняющих различные операции общего технологического процесса. Технологический процесс полной обработки судна в порту регламентирует состав, последовательность и время выполнения операций по обслуживанию судна с момента его прибытия по момент отправления. Для составления последовательности грузовой обработки разрабатывают типовые технологические процессы полной обработки судов. Такие технологические в виде технологических карт комплексного процессы оформляются обслуживания.
Согласование потоков нефти на входе и на выходе хранилища можно рассматривать как типичную задачу логистики и управления запасами [28, 31]. Нефть из хранилища надо вывезти, иначе следующему танкеру некуда будет сливать нефть. Вместе с этим, надо чтобы бензовозы, которые приходят за нефтью, было чем загружать, чтобы в хранилище были некоторые запасы, иначе бензовозы будут простаивать вхолостую. Возникает задача определения объемов хранилища, выделенного для нефти, развозимой бензовозами – с учетом необходимых страховых запасов.
Как показано ниже, при анализе работы порта не удается обойтись только детерминированными методами – приходится вводить в рассмотрение стохастические процессы, имеющие место в реальных условиях, что обусловлено следующим. На терминале пересекаются интересы, по крайней мере, трех участников анализируемых процессов: это сам порт; это пароходство, предоставляющее танкеры; это заказчики нефти на берегу; автомобильное предприятие, предоставляющее бензовозы. У каждого из этих участников – свои правила работы, внешние и внутренние проблемы, так что свести все это в строгую единую систему с жесткими правилами не представляется возможным. Вместе с этим, определенные отклонения от корпоративных соглашений можно описать на вероятностном уровне, тем самым расширив границы анализируемых ситуаций.
В целом, рассматриваемые задачи принимают к задачам транспортной логистики. Проследим, как решаются задачи, свойственные в работе нефтеналивного терминала, в опубликованных работах.
Обзор известных решений задач, свойственных в работе нефтеналивного терминала В логистике транспорт играет значительную роль, связывая между собой отдельные экономические районы, компании, предприятия и фирмы. Логистический подход широко применялся во время Второй мировой войны, особенно американской армией. Большой англо-русский словарь и сегодня переводит слово «logistics» как: воен. 1) тыл и снабжение, 2) материально техническое обеспечение, 3) организация и осуществление работы тыла. Исходными данными для выбора оптимального вида транспорта для конкретной перевозки является информация: о характерных особенностях различных видов транспорта, их плюсы и минусы; о других задачах логистики, связанных с транспортировкой продукции, таких, как создание и поддержание оптимального уровня запасов, выбор вида упаковки и др. Стерлигова А.Н. в работе [1] пишет о том, что классический аппарат оптимизации уровня запасов был разработан еще в начале ХХ века в рамках раздела математики, получившего название «Теория управления запасами».
Анализ процессов в пределах периода T
Высокоэффективная торговля возможна в настоящее время только при условии системной организации распределения и сбыта, управления запасами на основе научных методов, компьютеризации учета, статистики, анализа, прогноза, обработки всей документации, позволяющей не только оптимизировать запасы, снизить расходы по хранению, но и значительно ускорить обслуживание покупателей.
Факторы, влияющие на размер страховых запасов, подразделяются на две группы — связанные с колебаниями спроса и определяемые условиями поставки. Учет первой группы факторов связан с прогнозированием величины спроса и вероятных величин отклонения спроса в расчетном периоде. Влияние второй группы факторов выражается в отклонениях интервалов поставок от заданных в системе из-за нарушений ритмичности производства товаров, опозданий подачи транспорта, задержек в пути и т. п. Все эти отклонения вызываются случайными и не зависящими одна от другой причинами, поэтому моделирование закономерностей этих отклонений выполняют по методологии изучения случайных массовых явлений. Например, выясняется, как часто встречается отклонение интервала поставки и какова наиболее вероятная величина отклонения. Критерием оптимальности, как отмечалось ранее, является минимизация расходов на пополнение и содержание запасов.
По существу страховой запас представляет собой просто разность между средним потреблением в течение заготовительного периода и точкой заказа. Чем выше точка заказа, тем выше уровень страхового запаса. Страховой запас предотвращает дефицит, когда фактический сбыт выше расчетного. Чтобы определить точку заказа, нужно определить уровень страхового запаса, который обеспечивал бы надлежащую степень защиты против дефицита. Чем выше точка заказа, тем меньше вероятность дефицита, но тем больше издержки по содержанию дополнительного запаса. Цель состоит в определении точки заказа так, чтобы потери от дефицита сбалансировались издержками на содержание сверхнормативного запаса. Вероятность возникновения дефицита служит основой для определения точки заказа. При этом, однако, следует определить допустимый уровень риска. Если предприятие ставит себе целью никогда не допускать дефицита запасов, оно вынуждено иметь излишние страховые запасы, и при этом такие большие, что более реалистично примириться с дефицитом и попытаться ограничить, лишь частоту его возникновения. Считается, что лучше выражать степень гарантии от дефицита в виде среднего интервала между моментами дефицита, чем в виде степени вероятности таких дефицитов.
В работе [17] Излагаются основные теоретические знания методов обработки анализа гидрометеорологической информации, базирующиеся на положениях теории вероятностей, математической статистики и теории случайных процессов. В этой работе описаны, что существует очень большое количество различных теоретических законов распределения (равномерный, Бернулли, Коши, Пуассона, нормальный, логнормальный, Гумбеля, Крицкого Менкеля, Джонсона, 13 кривых распределения Пирсона и др.). Наиболее употребительным является нормальный закон распределения. В гидрометеорологической практике, рассматривают законы распределения, зависящие от небольшого числа параметров.
Эффективность работы морского транспорта в значительной степени зависит от характера погоды и состояния поверхности моря. Подсчитано [18], что около 30 % всех судов несут потери именно из-за погодных условий. Статистика показывает, что почти половину эксплуатационного времени судно работает в условиях морского волнения, снижающего его скорость хода на 10– 15 %. Поэтому выбор наиболее благоприятного маршрута плавания является одним из важнейших решений, принимаемых капитаном перед выходом судна в море. При этом он опирается на информацию о погоде и состоянии поверхности океана, получаемую из прогностических центров.
Расчеты и прогнозы волнения на морях и океанах приобретают все более важное значение вследствие возрастающих запросов практики [19]. Для мореплавания, строительства и эксплуатации судов, портов, различных гидротехнических сооружений на побережье и шельфе, укрепления берегов и для других областей народного хозяйства, разнообразная деятельность которых постоянно зависит от волнения моря, важно знать размеры волн в том или ином, районе открытого моря или побережья. Среди других характеристик морского волнения наиболее важными являются максимальные высоты волн, так как высокие волны всегда представляют наибольшую опасность и для судов и для гидротехнических сооружений. Народнохозяйственные организации интересуются прогнозами различного характера, начиная от прогноза вероятностных (режимных) характеристик волнения за длительный период времени и кончая повседневными оперативными прогнозами волнения. Наиболее удобной для практического использования формой представления. Проблема управления запасами является одним из ключевых проблем логистики - наука, широко используется в экономике и междисциплинарной научно-исследовательской.
стохастических процессов входного потока на величину страховых запасов
Погодные условия существенно влияют на работу морского порта. Поэтому важная информация для всех морских организаций – прогнозы скорости ветра, состояние водной поверхности, высота волн и атмосферное давление2. По состоянию науки, появление неблагоприятных погодных условий является слабо предсказуемым, особенно в части их прогноза на значительное время. Поэтому во всем мире наблюдениям за погодой и обработке метеорологических данных уделяется большое внимание, и здесь широко применяют теорию случайных процессов.
Из литературы [15] известно, что «гидрометеорологические станции и посты расположены крайне неравномерно. Большая часть этих станций расположена на хорошо обжитой территории. На акватории океанов, в труднодоступных районах их почти нет. Кроме того, число метеорологических станций, на которых проводятся аэрологические наблюдения, явно недостаточно. Съемки крупномасштабных полей океана на больших акваториях обычно осуществляются только в периоды проведения исследований по международным программам несколькими судами одновременно… При выборе исходного материала необходимо соблюдать ряд требований, направленных на обеспечение однородности и репрезентативности данных… Полученные данные далее используют для определения макромасштабных корреляционных функций с учетом пространственных и временных параметров».
Применительно к Янгонскому порту и с учетом задачи, решаемой в диссертации, следует выделить некоторые особенности накопления и обработки метеорологических прогнозов.
В работе не рассматриваются экстраординарные погодные явления (типа цунами). Общая схема исследования показана на рис. 3.2. Данные, которые можно собрать от гидрометеослужб, позволяют накопить их за большой период времени. Применительно к Янгонскому порту нами ведется сбор метеорологических данных по региону Юго-Восточной Азии [39], начиная с октября 2010 г.
Данные о волнении моря Представленные данные метеонаблюдения за волнением моря в районе Янгонского порта показывают, что наибольшую вероятность имеют величина волнения моря 2 и 3 балла. Именно на эту погоду берут в расчет при определении длительности рейсов танкера. Но могут быть случаи, когда волнение моря составляет 1 балл, тогда танкеры идут быстрее. С другой стороны бывает, что волнение моря превышает 4 балла. При 4 баллах танкеры идут медленнее, при волнении моря в 5 баллов и более погода считается штормовой (рис. 3. 9).
Важно, что длительность шторма (как показывают накопленные нами данные) может достигать 78 часов, и на столько же может возрастать длительность рейса (рис. 3. 10). Таким образом, при среднем времени рейса Тном =336 часов задержка наАТрейса =78 часов составляет 23%.
Именно такие количественные параметры приходится учитывать при вероятностных расчетах страховых запасов нефти и объемов хранилища, а именно необходимый объем хранилища приходится при этом увеличивать на относительную величину 11,5% 23%. Волнение моря (в баллах) как иллюстрация , условия, влияющего на скорость движения танкера Рис. 3. 10. Отсчет волнения моря (в баллах) и учет штормовых условий
Вместе с этим, в условиях штиля на море, танкеры могут приходить и раньше обычного графика. Можно предположить, что в этом случае ЛТрейса достигает суток, и тогда из хранилища не будет вывезено соответствующее количество нефти. Чтобы компенсировать это несоответствие, как следует из результатов гл. 2, запасной объем хранилища для излишков нефти определится из условия:
При построении имитационной модели процесс вывоза нефти из хранилища (см. 2.1), нам потребовалось смоделировать различия кривых, вставленных на рис. 4. 1. При идеальной организации движения бензовозов, уменьшения запасов нефти проходило, был равномерно по пунктирной линии, указанной на рис 4.1.
На самом деле, бензовозы приходят с разными интервалами, и для дальнейшего рассмотрения потребовалось представить этот процесс, по крайней мере, графически.
Как была решена эта задача? Мы считаем, что на заданном интервале времени имеется М-единиц событий. Эти события должны случиться в произвольные моменты времени. Для этого мы использовали следующий прием.
Мы заводим массив на м-позиции, где № позиции соответствует моменту прихода очередного бензовоза. Этот массив предварительно обнуляется. Затем, заводится цикл, в котором вычисляется некоторый произвольный момент времени Т, как целая часть от случайного числа лежащего в диапазоне от нуля до единицы, умноженного на м –1. И к этому еще добавляться единица, для того чтобы рассчитать момент времени прихода очередного бензовоза. Округление до целого позволяет определить № целочисленной позиции момента времени, в который этот бензовоз появится.
Накопление и статистическая обработка данных
Возвращаясь к условиям работы Янгонского порта (рис. 5.1), можно предложить следующие применения для результатов, полученных в диссертации.
В этой системе хранилище и пароходство является только частью общей системы, связанной с транспортным предприятием и с предприятиями заказчиками. К тому же в своей работе руководство порта должно учитывать волнение на море, что прямо влияет на приход танкеров. Поэтому дополнительным участником процесса мониторинга выступает гидрометеослужба.
Для решения задач мониторинга может быть создана автоматизированная система, собирающая и накапливающая данные о текущих объемах нефтехранилища, а также располагающая данными о транспортных предприятиях, заказчиках, наблюдений гидрометеослужба, расписании пароходства и проч. Рис. 5.1. Использование модели движения запасов в работе руководителя
Все это нужно для того, чтобы иметь возможность анализировать прошлое, текущее состояние запасов нефти в хранилище и прогнозировать возможное движение запасов, и при необходимости принимать корректирующие решения путем дополнительного взаимодействия с другими участниками процесса. Важно, что такое дополнительное взаимодействие должно инициироваться только при необходимости, а если процесс развивается «нормально», то никаких специальных взаимодействий не требуется.
При этом разработанная нами модель, как вероятностная модель движения запасов позволяет в произвольный момент времени на интервале между приходами танкеров, объективно описывать текущее состояние хранилища. Для этого график изменения запасов может специально накладываться на график его теоретического распределения. И только тогда, когда вероятности текущего состояния запасов приближаются к некоторому критическому уровню, советовать руководителю вмешаться в процесс для ускоренного (или замедленного) изменения запасов путем согласованных действий с другими участниками процесса.
Для упрощения работы руководителя с вероятностными параметрами могут быть заранее рассчитаны и нанесены на графики специальные зоны: зеленые зоны, где процесс близок к оптимальному; желтые и оранжевые зоны, где начинается отклонение оптимального; красная зона - опасная зона. После этого, по запросу руководителя, ему не только просто показывают состояние запасов, но и зону, в которую попала система в текущий момент.
Кроме того, на этот же график могут быть выведены данные о прогнозировании прихода танкеров - как результат взаимодействия с пароходством и с гидрометеорслужбами. В последнем случае начинает «дышать» граница определенного интервала, отображаться возможное смущение границы очередного интервала, связанного с приходом очередного танкера и т.д.
Таким образом, использование разработанной вероятностной модели движения запасов в хранилище позволяет руководителю своевременно принимать решения для обеспечения его бесперебойной работы. 5. 3. Внедрение результатов диссертации
Результаты работы, а именно: математические методы и инженерные методики для описания и решения проблемы излишков и резервов для хранилищ с регулярным пополнением запасов, аналитические соотношения для закона распределения страховых запасов и излишков в нефтехранилище как усеченные (относительно точки т=М) слева и справа законы Пуассона, простые соотношения для инженерной методики определения доверительных интервалов, в том числе, при расчетах требуемых объемов хранилища - как пример эффективного применения научных результатов для практики внедрены в курсы учебных дисциплин: «Моделирование систем управления» кафедры «Системы автоматического управления и контроля» и «Программное обеспечение управляющих систем», «Системный анализ и математическое моделирование», «Программное обеспечение вычислительной техники и автоматизированных систем» (направления 230100 «Информатика и вычислительная техника») кафедры «Информатика и программное обеспечение вычислительных систем» Национального исследовательского университета «МИЭТ».
