Содержание к диссертации
Введение
Глава 1. Задача исследования и оптимизации функционирования логистических складских комплексов 10
1.1. Содержательное описание реальной системы 10
1.1.1. Системный подход в логистике 10
1.1.2. Функционирование ЛСК 13
1.1.3. Системы управления ЛСК
1.2. Концептуальная модель ЛСК 17
1.3. Постановка задачи 22
1.4. Показатели эффективности 24
1.5. Статистическое исследование системы 31
1.6. Выводы по первой главе 38
Глава 2. Методы и инструментальные средства 39
2.1. Инструментальные средства 39
2.2. Аналитическая модель ЛСК 43
2.3. Имитационная модель ЛСК
2.3.1. Системы массового обслуживания 49
2.3.2. Имитационное моделирование 52
2.4. Методика анализа, оценки и прогнозирования изменения основных показателей функционирования производственного объекта 58
2.5. Выводы по второй главе 64
Глава 3. Вычислительный эксперимент 65
3.1. Средства проведения распределённых вычислений 65
3.2. Средства автоматизации проведения вычислительных экспериментов72
3.3. Методика планирования и проведения вычислительных экспериментов 75
3.4. Результаты решения практических задач с использованием разработанных методик и инструментальных средств 82
3.4.1. Аспекты решения задач 88
3.5. Выводы по третьей главе 97
Заключение 98
Литература
- Функционирование ЛСК
- Статистическое исследование системы
- Системы массового обслуживания
- Методика планирования и проведения вычислительных экспериментов
Функционирование ЛСК
Автоматизация складского комплекса может быть выполнена посредством специальных модулей, встроенных в ERP-системы [6, 97, 105, 111, 109] или с помощью специализированных систем управления складом - WMS-систем [67, 103]. Среди множества ERP систем, используемых в России, несомненными лидерами являются компании-производители: SAP, 1С, Oracle, Microsoft и Галактика. По данным компании IDC (International Data Corporation) в исследовании российского рынка программного обеспечения информационных систем управления предприятием (Russia Enterprise Application Software Market 2013-2017 Forecast and 2012 Vendor Shares) эти компании в 2011 и 2012 годах охватывали более 95% российского рынка.
Любая ERP-система требует постоянного обновления и доработки с привлечением обслуживающих специалистов высокой квалификации. Система Microsoft Dynamics АХ требует сложной процедуры обновления, что приводит к дефициту кадров и как следствие к высокой стоимости услуг сопровождения. Также, к минусам можно отнести продолжительное время её внедрения. Системы SAP могут быть быстро внедрены на предприятие, но при этом обладают низкой гибкостью использования и модификации, причем это относится и к программам для малого и среднего бизнеса. К тому же, обе упомянутые ERP-системы гораздо дороже российских аналогов. Из российских ERP-систем лидирует 1С:Предприятие. Преимуществами этой системы являются: простота обновления, гибкость модификации, разнообразие решений и ценовой показатель. По числу возможных одновременно работающих пользователей зарубежные аналоги впереди, из российских систем ведет Галактика-ERP. Она обладает меньшей стоимостью внедрения относительно цены лицензии, чем 1С: Предприятие, но при этом имеет двукратно продолжительный срок внедрения и цену за рабочее место.
Главное назначение WMS-систем состоит в том, что система позволяет управлять товарными потоками, проходящими через склад, материальными и человеческими ресурсами. Помимо этих минимальных требований мощные системы управления складом обладают такими дополнительными специфическими функциями, как управление клиентами (грузовладельцами), управление транспортными потоками по территории склада, управление закупками (заказами на поставку) и управление продажами (заказами на отгрузку и доставку).
По данным аналитического агентства TAdviser [112] за период 2011-2013 гг. в первую пятерку WMS-систем по количеству внедрений в России вошли: GESTORI Pro, 1С-Логистика: Управление складом (1C:WMS), Solvo.WMS, WMS Logistics Vision Suite, Infor SCM WM v.3.x (Exceed 4000). Следует отметить, что на сегодняшний день явного лидерства в данном сегменте не отмечается: 62% внедрений приходится на другие WMS системы.
Современные системы класса WMS включают средства моделирования складских процессов. Но такие средства имеют, как правило, узкую специализацию и не пригодны для моделирования дополнительных логистических процессов, возникающих при совместном осуществлении функций складирования, транспортировки и торговли.
Если функционирование ЛСК определяется большим числом величин, зависящих от времени или случайностей, а взаимосвязи между отдельными компонентами комплекса не помещаются в рамки простых взаимодействий, аналитическое описание системы становится чрезмерно сложным, что затрудняет получение требуемых результатов, и следует переходить к использованию имитационных моделей [32].
На сегодняшний день, на базе имитационного моделирования разрабатывают логистические проекты складов такие компании, как: Склад Менеджмент [71], Управление Логистическими Проектами «Параграфф» [106], Bestlog [91], R-Style Softlab Research [108], Logistics Field Audit [100], БАЛТ-ПЛЮС [90] и др. Также существуют основанные на компиляторах инструменты с графическим интерфейсом для создания моделей и анимацией, так называемые индустриальные симуляторы [34, 39, 78]: AnyLogic, Arena, AutoMod, eM-Plant, Enterprise Dynamics, Extend, ProModel, QUESTSimul8, WITNESS. Возрастающая сложность и размер моделей ЛСК, а также особенности их организации предъявляют значительные требования к вычислительным ресурсам при имитационном моделировании процессов функционирования подобных комплексов. Имитационное моделирование включает проведение на основе заданных критериев функционирования комплекса многократных экспериментов с различными вариантами модели ЛСК с целью: исследования технических возможностей оборудования; исследования различных вариантов размещения оборудования, технических работников и товаров; количественной оценки влияния определённых параметров системы; лучшего понимания динамичного поведения системы; разработки стратегии управления материальным потоком; определения воздействия стохастических величин; оптимизации используемых технических и человеческих ресурсов; разработки «запасных» стратегий; обеспечения надёжной и эффективной работы ЛСК.
С возрастанием сложности модели, расчётное время значительно увеличивается и может занимать от нескольких дней до нескольких месяцев. В связи с увеличением времени расчёта моделей, становятся актуальными средства распределённого имитационного моделирования [95, ПО], позволяющие задействовать в расчётах модели несколько компьютеров, распределять вычислительную нагрузку среди узлов вычислительной среды и, тем самым, сократить время моделирования.
Таким образом, возникает необходимость, во-первых, в распределённом имитационном моделировании, когда отдельные сегменты имитационной модели выполняются в распределённой среде - на различных узлах вычислительной сети, во-вторых, в автоматизации процесса построения множества вариантов имитационной модели с различной степенью детализации моделируемых процессов.
Методология построения концептуальной модели базируется на общих принципах структурного анализа предметной области: выделении взаимодейст вующих между собой объектов и их атрибутов, определение их отношений и ограничений на эти отношения. Затем согласование построенной модели предметной области с экспертом - специалистом по логистике.
Пусть О - множество объектов ЛСК, a Oh Оъ ..., От а О - подмножества товарных зон, помещений для хранения товаров, товарных групп, товаров, клиентов, уровней обслуживания клиентов, видов транспортных средств, логистических операций, программных модулей, реализующих модели логистических операций, показателей эффективности ЛСК, ограничений и других объектов предметной области. Множество А = {а\, аъ ..., аь\ включает атрибуты объектов из О. Каждый атрибут as имеет допустимую область значений Ds. Элементы множеств Оъ Оъ ..., От наделены соответствующими наборами атрибутов. Значения элементов множеств 0\, Оъ ..., От определяются значениями их атрибутов. Для формального описания модели производственного комплекса применяется следующая нотация [84]: К{ОІ{П\,П2):0$УЩ,ПА)/С), где Oiy Oj - множества объектов, связанные бинарным отношением R; щ, п2 - числа, определяющие соответственно минимальное и максимальное число элементов Ot, связанных с элементом Of, щ, щ - числа, определяющие соответственно минимальное и максимальное число элементов Oj, связанных с элементом Of, С - множество ограничений целостности, накладываемых на элементы Oj, участвующие в отношении R. Использование данной нотации позволяет детализировать связи между множествами элементами множеств типа «один-к-одному», «один-ко-многим» и «многие-ко-многим» и задать для них необходимые ограничения, определяемые конкретной предметной областью. На множестве логистических операций определены составные операции суммы, композиции, выбора и цикла, связывающие простые логистические операции.
Статистическое исследование системы
Данная модель базируется на принципах динамики производственных объектов и управления ими, изложенных в работе Т. К. Сиразетдинова [70], с учётом специфики организационно-функциональной структуры ЛСК. Аналитическая модель Ма строится путем определения математических соотношений (7)-(14) между объектами предметной области, соответствующих их связям в концептуальной модели Млск.
Предприятие несёт расходы Z(f) по предоставлению услуг где акі(т) - это количественный показатель к-то компонента расходов на обеспечение услуги щ в момент времени т. ЛСК требуется определять вероятные планы выполнения услуг, их сроков и возврата для учёта возможных финансовых поступлений. Для анализа эффективности реализации проекта и внесения корректирующих воздействий в ходе его выполнения предприятию необходимо производить расчёты показателей по предоставлению услуг за определённый период времени t.
Основные показатели функционирования ЛСК, к примеру, такие как оценка потенциальной мощности услуг E(i), мощность освоенных услуг (текущих и завершённых) y(t), оценка мощности неосвоенных услуг EH(t), суммарный доход H(t); суммарные затраты G(t), прибыль PR(t) и рентабельность RN(t) рассчитываются методами численного интегрирования и определяются соотношениями следующего вида:
В соотношениях (8)-(12) характеристики, относящиеся к количественным показателям грузооборота и показателям эффективности выполнения логистических операций учитываются в функциях e(f), u(f), w(f), h(f) и z(f). Процесс грузооборота оценивается по общепринятым показателям, таким, например, как: грузооборот склада, пропускная способность склада, себестоимость грузовой переработки, коэффициент использования складской площади (объёма), уровень механизации (автоматизации) складских работ, трудоёмкость и др.
Технология решения задач на данной модели базируется на методологии крупноблочного модульного программирования и позволяет реализовать как параллелизм по управлению, так и параллелизм по данным. Такое эффективное распараллеливание вычислений обеспечивает возможность оперативного проведения многовариантных расчётов с целью определения оптимальных показателей эффективности и стабильности развития процессов функционирования ЛСК. Рассматриваемая технология реализована в виде «Пакета моделирования складских процессов» WMP. Функциональное наполнение пакета WMP состоит из программ, моделирующих процессы функционирования ЛСК и реализующих вычислительные операции над объектами (параметрами) аналитической модели. Системная часть пакета WMP включает конструктор программ, осуществляющий автоматический синтез параллельных расчётных программ по непроцедурной постановке задачи вида: «зная Ма по заданным значениям параметров вычислить значения параметров уъ уъ ..., у к», где Ма представляет собой описание параметров и вычислительных операций аналитиче ской модели и информационно-логических связей между ними. Высокоуровневый пользовательский интерфейс пакета WMP обеспечивает специалисту-«предметнику» возможность формулировки постановок его исследовательских задач в терминах предметной области. В качестве средства поддержки параллелизма конструктор использует коммуникационную библиотеку Parallel Virtual Machine [59, 107], позволяющую порождать динамические вычислительные процессы в разнородной среде. Синтезированные параллельные программы автоматически запускаются и выполняются в РВС, например, на вычислительном кластере.
В разработанном автором диссертации программном комплексе WMP описание предметной области ЛСК, включает следующие параметры:
После имени операции в скобках слева от стрелки указан список входных параметров, справа - список выходных параметров операций. Операция PLAN выполняет параллельный запуск множества экземпляров соответствующих им модулей. Обработка этой операцией элементов параметров списков 04, Н, J, Ен, PR, RN происходит независимо друг от друга в отдельных процессах - экземплярах модулей этих операций.
Системы массового обслуживания
В форме выбирается модель, вид эксперимента (полный или частичный), для частичного необходимо указать долю сочетаний уровней факторов. Затем указывается число факторов и число уровней факторов, для каждого фактора задаются имя, тип данных и значения уровней. В отличие от инструментальных средств GPSS World в данном программном комплексе пользователь может задать неограниченное число факторов и уровней. Также задаётся имя наблюдаемой переменной, число прогонов модели для перехода в рабочий режим и число прогонов модели в рабочем режиме, предусмотрена возможность подключения дополнительных файлов. После заполнения всей необходимой информации анализ может быть запущен. Проведение анализа в программном комплексе организовано по следующей схеме: 1) Для каждого уровня значений факторов формируется текстовый файл, представляющий собой вариант прогона модели. В файле каждому фактору присваивается соответствующее значение уровня. Если значения уровня для фактора не определено пользователем, то ему присваивается значение первого уровня. 2) Формируется паспорт многовариантного задания с числом вариантов, равным числу уровней, и запускается на кластере. 3) Из полученных по каждому варианту прогона модели отчётов извлекается значение наблюдаемой переменной и присваивается соответствующему элементу матрицы. Элемент матрицы определяется исходя из сочетания значений факторов. Первый элемент всегда [1,..,1], где число единиц соответствует числу заданных факторов, а сама единица означает первый уровень значений фактора. У последующих элементов матрицы меняются значения в соответствии с изменением уровня. Если для фактора не указано значение уровня, то по умолчанию берется единица (первый уровень). 4) Полученная в результате экспериментов матрица передаётся процедуре ANOVA для проведения дробного факторного эксперимента. Процедура формирует отчёт и выводит результаты в виде таблицы.
Проведение дисперсионного анализа с помощью программного комплекса даёт следующие преимущества перед стандартными средствами GPSS World: число задаваемых факторов и их уровней не ограничено, каждое наблюдение проводится на своем вычислительном узле, что сокращает время проведения анализа.
Тестирование программного комплекса проводилось на кластере, созданном на базе компьютерного класса ИДСТУ СО РАН.
Все программные модули установлены на управляющий узел. Система имитационного моделирования GPSS World Student Version установлена на каждый узел кластера, в том числе и управляющий.
Результаты решения практических задач с использованием разработанных методик и инструментальных средств
С помощью разработанных автором методик и инструментальных средств был успешно решён ряд практических важных задач. Приведем некоторые из них. Задача 1. Анализ фондоёмкости выпускаемой продукции для производственного объекта. Исследуемый производственный объект (ООО «Завод Родник») осуществляет выпуск безалкогольных напитков с использованием различных технологических линий для розлива напитков и ряда складских объектов для хранения выпускаемой продукции. Спецификой решения данной задачи является необходимость моделирования как производственных, так и складских процессов. Комплексное моделирование производственно-складских процессов с использованием аналитических и имитационных методов исследования выполнено с помощью пакета моделирования складской логистики WMP. На основании результатов исследования управленческими службами производственного объекта были внесены коррективы в ассортимент и объём выпускаемой продукции, а так же проведена оптимизация схемы складирования товаров, что привело к снижению фондоёмкости продукции и повышению её рентабельности (рис. 18). 120% 1
Моделирование процесса ПРР для ООО «Иркутский хладокомбинат». Исследуемый складской комплекс осуществляет операции с входными и выходными материальными потоками на основе плановых и случайных заявок. В плановых заявках, формирующихся ежесуточно, содержится информация о времени поступления/убытия груза, времени обслуживания заявки, об объёме груза и требуемых для проведения работ ресурсах. Интенсивность поступления случайных заявок различна, поступление/убытие ТС различной грузоподъёмности подчиняется определённому вероятностному распределению. Для обслуживания заявок используются технические и человеческие ресурсы: электропогрузчики, водители электопогрузчиков, грузчики и кладовщики. Специфической особенностью проведения ПРР, как правило, не реализуемой в современных WMS, является необходимость учёта этажности складского комплекса и использования лифтов. Имитировалась работа складского комплекса в течение одного месяца. Результаты моделирования были использованы в управленческих службах хладокомбината при разработке методики формирования плановых и учёта случайных заявок клиентов, формировании состава и графика работ бригад грузчиков и кладовщиков, планировании технического обслуживания и обновления парка электропогрузчиков. В таблице 8 приведены результаты моделирования плановых и случайных заявок. Из полученных вариантов оптимальным является вариант В5, в варианте В6 показатели грузооборота выходят за область допустимых значений, определяемых пропускной способностью склада.
Моделирование уровня обслуживания ПРР для ООО «Иркутский хладокомбинат». Исследуемый складской комплекс предоставляет услуги по проведению ПРР при использовании авто- и железнодорожного транспорта различной грузоподъёмности. Существуют нормативы проведения ПРР с учётом вида грузового транспорта, вида и категории груза. Невыполнение данных нормативов влечёт за собой штрафные санкции. Необходимо определить такое количество ресурсов на складе (человеческих и технических), чтобы: среднее время ожидания транспортом ПРР было меньше заданного значения а; процент времени простоя персонала склада не превышал заданного значения Ъ\ экономические показатели процесса ПРР оставались в допустимых пределах. Результаты моделирования были использованы в управленческих службах хладокомбината при разработке нормативов ПРР и определении категорий «лояльных» клиентов. В частности, было проведено исследование влияния числа клиентов различных категорий на доход от ПРР. Исходя из моделируемых ограничений на объём хранения и пропускную способность склада, а также характеристик категорий клиентов (объём грузооборота, стоимость ПРР, интенсивность прихода и т.п.), оптимальным вариантом стало наличие 3, 6, 1, 11, 1 и 0 единиц клиентов для пяти исследованных категорий клиентов. Решение задачи определения уровня проведения ПРР подробно описано в разделе 3.4.1.
Имитационные модели разработаны в системе GPSS World Student Version, функционирующей под управлением операционных систем семейства Windows. Имитационное моделирование выполнялось на кластере разнородных персональных компьютеров МИЭЛ ИГУ с OS Windows NT и СУПЗ Condor (при решении различных задач число доступных компьютеров кластера изменялось от 4 до 20 единиц) и кластере из 12 однородных персональных компьютеров ИДСТУ СО РАН с OS Windows ХР и СУПЗ Condor. Общее число доступных ядер изменялось от 8 до 64 единиц. Параллельные вычисления для исследования аналитической модели выполнялись на кластерах МВС-1000 и «Blackford» Суперкомпьютерного центра при ИДСТУ СО РАН (http://hpc.icc.ru/). Число вариантов данных в вычислительных экспериментах изменялось от 100 до 10000. Для обработки одного варианта данных генерировалось индивидуальное задание для СУПЗ Condor.
Методика планирования и проведения вычислительных экспериментов
В терминах теории массового обслуживания заявкой на обслуживание является транспортное средство, нуждающееся в ПРР, канал обслуживания -совокупность бригад, технических средств, выполняющих ПРР. Поступление ТС происходит как по плановым, так и по случайным заявкам. Выполнение ПРР реализуется на основе очередей по принципу FIFO. Приоритет при обслуживании отдаётся плановым заявкам. Интенсивность возникновения технических неисправностей постов, недоступности сервисов из-за человеческих факторов и других случайных событий определяются законами вероятностных распределений случайных величин.
Для построения имитационной модели процесса обслуживания ЛСК была использована система моделирования GPSS World Student Version, которая максимально ориентирована на использование современных технологий, обеспечивающих высокую интерактивность и визуальное представление информации и позволяет моделировать как дискретные, так и непрерывные процессы.
В качестве критерия оценки эффективности процесса функционирования исследуемой системы выбрана такая характеристика, как прибыль. Исходные данные для решения поставленной задачи были получены путем анализа реальных статистических данных за полгода. 2 этап. Формализация задачи. Основным содержанием данного этапа является переход от словесного описания объекта к его математической модели как СМО. Для решения поставленной задачи была разработана имитационная модель процесса проведения погрузочно-разгрузочных работ на складе. Характеристики модели представлены в таблице 11. Таблица 11. Характеристики модели
Наблюдаемые величины Доход ПРР; себестоимость ПРР; штраф за простои ТС; прибыль ПРР; рентабельность ПРР; грузооборот склада; % времени простоя бригад; среднее время ожидания ТС обслуживания.
Особенности модели Разные ТС, включая железнодорожный транспорт; различная рентабельность; различные нормы времени проведения ПРР; различные виды груза; возможность учёта использования лифтов; наличие недоступности сервисов, обусловленных человеческими факторами, техническими неисправностями.
3 этап. Построение имитационной модели. Данный этап - это практическая деятельность, направленная на реализацию идей и математических схем в виде имитационной модели, ориентированной на использование конкретных программно-технических средств. Для рассматриваемой задачи необходимо построить логическую схему модели обслуживания, которую можно представить в виде блок-диаграммы, которая представляет собой набор с характерным очертанием блоков, соединенных между собой линиями. Вид каждого блока стандартен. Конфигурация блок-диаграммы модели отражает направления, по кото рым происходит движение перемещающихся элементов - транзактов. Работа модели заключается в перемещении транзактов от блоков к блокам.
Разработанная имитационная модель проведения ПРР на складе включает следующие сегменты: поступление случайных заявок, формирование плановых заявок, разгрузка товара, приёмка товара, грузопереработка, сбор возвратных и невозвратных отходов, отпуск товара, дистрибуция, погрузка, имитация неисправностей технических средств, продвижение модельного времени.
На рис. 21 представлен сегмент «Поступление и обслуживание транспортного средства 1-го вида по случайным заявкам». ТС поступает в систему по равномерному закону распределения. Время поступления анализируется. Если система доступна, определяются коэффициент загруженности ТС (К1), вид работ (погрузка или разгрузка) и ТС становится в очередь. Моделируется занятость и освобождение многоканального устройства (BR), вычисляются и суммируются с предыдущими значения наблюдаемых переменных: время погрузка/разгрузки (Т-prr), доход от выполнения ПРР (Dohod), штраф за несоблюдение временных норм проведения работ (Shtraf), грузооборот склада (Gruz).
Далее необходимо провести переход от блок-диаграммы GPSS к программе - каждый блок блок-диаграммы заменить соответствующим оператором GPSS. Для этого разработана инструментальная система, обеспечивающая частичную или полную автоматизацию всех этапов методики. Варьируемые переменные и используемые многоканальные устройства вынесены в подключаемые файлы для проведения многовариантных вычислительных экспериментов. Модель проверена на накопленных статистических данных. В дальнейшем возможно использование модели для прогнозирования. Фрагмент программного кода на языке GPSS World приведен в прил. 5. 120,6
Планирование вычислительного эксперимента. На данном этапе составляется план проведения эксперимента с указанием комбинаций переменных и параметров, для которых проводится моделирование системы. Имитационное моделирование представляет собой статистический эксперимент, поэтому при его проведении необходимо получить достоверный результат с заданной точностью. Диапазоны и шаг изменения входных переменных были определены заказчиком. Тем самым было обусловлено большое число наблюдений. Поэтому был проведен частичный факторный эксперимент по методике, представленной в работе [21]. Если случайные значения наблюдаемой величины не коррелированны и их распределения не меняется от прогона к прогону, то выборочное среднее можно считать нормально распределённым и требуемое число прогонов N модели определять по формуле (17): где є - точность оценки наблюдаемой переменной, За - среднеквадратичное отклонение наблюдаемой переменной, полученное на основе N0 пробных прогонов модели, ta - аргумент функции Лапласа при заданном уровне значимости а/2.
При N0=20, а=0,1 и Є =0,1 число прогонов модели для наблюдаемых переменных равно 78 (из них 1 прогон для перехода в стационарный режим). Были проведены пробные прогоны для каждой наблюдаемой переменной, и в качестве необходимого числа прогонов модели выбрано максимальное значение. Пробные прогоны модели вошли в общее число прогонов. 5 этап. Проведение эксперимента. После составления имитационной мо дели и плана проведения вычислительного эксперимента можно приступить к расчётам, которые обычно включают в себя: а) подготовку наборов исходных данных; б) проверку исходных данных; в) проведение расчётов; г) получение выходных данных, т.е. результатов моделирования. Для проведения многовари антных расчётов целесообразно использовать РВС, позволяющую существенно сократить общее время проведения вычислительного эксперимента за счёт па раллельного выполнения этих расчётов.
