DEVELOPMENT OF SIMULATION SYSTEMS AND DECISION-MAKING METHOD IN THE LOGISTIC FIELD
Nevolina A. L., Aksyonova O. P., Smoliy E. F.
Ural Federal University named after First President of Russia B. N. Yeltsin
19, Mira st., Yekaterinburg, 620002, Russian Federation
e-mail: *****@***ru
Abstract - This work considers the need for a system of decision-making in the field of logistics. The necessity of such a product, and addresses issues related to this type of business, the specific traffic and voyage planning. Development directions of open multi agent scheduling and simulation system was determined. Decision support method and system BPsim was developed for logistic.
РАЗРАБОТКА СИСТЕМЫ МОДЕЛИРОВАНИЯ И МЕТОДА ПРИНЯТИЯ РЕШЕНИЙ В ОБЛАСТИ ЛОГИСТИКИ
, ,
ФГАОУ ВПО “Уральский Федеральный Университет им. первого Президента Ельцина”
ул. Мира,19, Екатеринбург, 620002, Россия
e-mail: *****@***ru
Аннотация — В работе рассматривается необходимость создания системы принятия решений в области логистики. Обосновывается необходимость такого продукта, и рассматриваются проблемы, сопутствующие данному виду бизнеса, специфика перевозок и планирования рейсов. Определены направления разработки открытой мультиагентной системы планирования и имитационного моделирования. Для решения задач логистики разработаны метод принятия решений и система BPsim.
I. Введение
Решение логистических задач лежит в основе успешного ведения бизнеса. Увеличение количества транспортных средств на дорогах и объёма грузоперевозок служит основанием для создания эффективной системы принятия решений, способной прокладывать оптимальный маршрут, распределять время отправки грузов, рассчитывать и избегать возникновения очередей при разгрузке.
С данной проблемой сталкиваются как сети розничной торговли, так и крупные металлургические предприятия. Такие объекты имеют распределённую систему внешних и внутренних складов и широкий охват точками розничной и оптовой торговли. Основная задача, стоящая перед системой – cпланировать рейс и загрузку транспортного средства необходимым товаром, согласно перечню заказов (как внутренних - для нужд производства, так и внешних - в соответствии спросу).
Эффективным средством анализа очередей, возникающих на постах погрузки/разгрузки является имитационное моделирование. Спецификой предметной области логистики является включение в контур управления лица, принимающего решения (ЛПР), в большинстве случаев им является диспетчер. Квалифицированный и опытный диспетчер обладает знаниями и навыками, позволяющими ему эффективно планировать и управлять логистической цепью. Однако, данные знания (эвристики) могут быть перенесены в систему принятия решений с использованием аппарата экспертных систем.
Создание систем имитационного моделирования (СИМ) является одним из перспективных направлений развития систем принятия решений. В настоящее время наблюдается существенный интерес к области мультиагентных систем (МАС), спецификой которых является наличие сообществ взаимодействующих агентов, отождествляющихся с лицами, принимающими решения [1-2]. Важной областью применения мультиагентных технологий является моделирование. Подходы к проектированию МАС разделяют на две группы: базирующиеся на объектно-ориентированных методах и технологиях, и использующие традиционные методы инженерии знаний [3]. Характерной особенностью применяемого в настоящее время программного обеспечения имитационного моделирования (ИМ) является ориентированность на пользователей-программистов, что создает значительные трудности для участия в создании и эксплуатации моделей пользователей, которые не обладают навыками программирования, но являются специалистами в своей области [1].
II. Основная часть
Методология решения задачи рационального построения транспортно-распределительной системы предприятия базируется на использовании элементов теории линейного программирования, теории составления расписаний, аппарата имитационного, мультиагентного и экспертного моделирования. Для решения задачи составления эффективного плана перевозок транспортно-распределительной системы предлагается метод последовательного улучшения исходной схемы перевозок, который основан на теории линейного программирования, а также имитационной модели работы транспортных средств. Метод программно реализован в комплексе систем поддержки принятия решений BPsim [1-2, 4-5], предназначенного для моделирования организационно-технических систем. Архитектура программного комплекса BPsim, построена на принципах трехуровневой иерархической мультиагентной архитектуры InteRRaP. Метод состоит из следующих этапов:
1. Генерация информационных структур, соответствующих заказам от магазинов, на основании информации о текущем состоянии остатков товара. Первый этап заключается в генерации заказов на основе информации о текущих остатках товаров.
2. Определение для каждого заказа поставщика (склада) и маршрута поставки. На втором этапе осуществляется выбор поставщиков для заказов. При помощи модифицированного транспортного алгоритма производится подбор поставщика для каждого заказа.
3. Планирование: Закрепление за каждым заказом транспортного средства и определение сроков исполнения. Решение задачи загрузки транспортного средства с учетом характеристик товаров (габаритов, условий транспортировки). Третий этап предусматривает разработку расписания перевозок для каждого транспортного средства. На данном этапе для каждого заказа определяется транспортное средство и время выполнения таким образом, чтобы минимизировать расходы на перевозку и объемы упущенной прибыли в результате простоев.
Этапы 1 – 3 программно реализованы в фреймовой экспертной подсистеме [1, 5], машина логического вывода которой использует в своей основе конструктор диаграмм поиска решений (рисунок 1), построенных на основе диаграмм последовательности языка UML.
Рис. 1. Диаграмма поиска решения
Fig. 1. Decision search diagram
4. Ручная проверка/корректировка плана-графика экспертом.
5. Проверка и корректировка плана-графика на мультиагентной имитационной модели, решение задачи анализа узких мест, возникающих на постах погрузки/разгрузки [1-2].
Этапы метода программно реализованы в комплексе систем поддержки принятия решений BPsim
Для поддержки задачи диспетчеризации в комплексе BPsim разработан блок диагностики ситуаций / корректировки плана. Отдельные ситуации корректировки плана представлены в виде диаграмм поиска решения, разработанные для интеллектуального агента планирования. Система BPsim применяется для решения задачи развоза топлива по сети автозаправочных станций в г. Екатеринбурге.
Исходя из основных этапов метода, проведем анализ существующих систем используемых в логистике: AnyLogic - универсальная система имитационного моделирования, Magenta - мультиагентная система планирования. Система AnyLogic используется для задач планирования в основном компанией производителем, которая привлекает разработчиков для адаптации системы к решаемой задаче. Областью применения системы Magenta являются задачи логистики с минимальным участием диспетчера - система самостоятельно решает как задачу планирования, так и диспетчеризации. К недостатку данной системы относится "нервозность", проявляющаяся в постоянной корректировке планов транспортных средств при обработке новых ситуаций в реальном масштабе времени.
№ | Параметр | BPsim | Magenta | AnyLogic |
1 | Проектирование концептуальной модели, загрузка гео-данных | +/+ | +/+ | нет/+ |
2 | Описание процессов логистики | + | + | + |
3 | Ресурсы, средства | +/+ | +/+ | +/+ |
4 | Иерархическая модель процесса | + | нет | + |
5 | Агенты | + | + | + |
6 | Блок эвристик | + | + | нет |
7 | Планирование | + | + | + |
8 | Диспетчеризация автоматическая / ручная | +/+ | +/нет | нет/нет |
9 | Анализ узких мест | + | нет | + |
10 | Интерфейс программиста / предметника | +/+ | +/+ | +/нет |
Таблица 1. Сравнительный анализ систем
Table 1. Comparison of simulation systems
Сравнительный анализ систем (таблица 1) показал, что наибольшей функциональностью для задач логистики обладают системы BPsim и Magenta.
III. Заключение
Мультиагентное планирование является результатом гибридизации распределенных вычислений, дискретно-событийного моделирования и экспертных систем. Для решения задач планирования и диспетчеризации в области логистики разработан метод на основе интеграции имитационного и экспертного моделирования, мультиагентного подхода.
Работа выполнена в рамках договора № 02.G25.31.0055 (проект 2012-218-03-167).
IV. References
[1] Aksyonov K. A. Theory and practice of decision support tools. Germany, Saarbrucken: LAP LAMBERT Academic Publishing GmbH & Co. KG, 2001. 341 p.
[2] Aksyonov K. A., Bykov E. A., Dorosinskiy L. G., Smoliy E. F., Aksyonova O. P. (2011). Decision Support based on Multi-Agent Simulation Algorithms with Resource Conversion Processes Apparatus Application. Multi-Agent Systems - Modeling, Interactions, Simulations and Case Studies. Faisal Alkhateeb, Eslam Al Maghayreh and Iyad Abu Doush (Ed.), ISBN: 978-953-307-176-3, InTech, 2011. pp.301-326. Available from: Available from: http://www. /articles/show/title/decision-support-based-on-multi-agent-simulation-algorithms-with-resource-conversion-processes-appar (accessed 30 April 2014).
[3] Andrejchikov A. V. Intellektual'nye informacionnye sistemy. [Finansy i statistika]. 2004. 424 p.
[4] Aksyonov K. A., E. kov, Wang Kai, Aksyonova O. P. Application of simulation-based decision support systems to optimization of construction corporation processes. Proceedings of the 2012 Winter Simulation Conference (WSC 2012). Berlin, Germany. 2012. Available at: http://informs-sim. org/wsc12papers/includes/files/pos172.pdf (accessed 12 February 2014)
[5] Aksyonov K. A., Bykov E. A., Skvortsov A. A., Aksyonova O. P., Smoliy E. F. Intelligent system for scheduling transportation within gas stations network. Proceedings of the 2012 Winter Simulation Conference (WSC 2012). Berlin, Germany. 2012. Available at: http://informs-sim. org/wsc12papers/includes/files/pos194.pdf (accessed 12 February 2014).
