CC BY
0УДК 338
doi:10.52210/2224669X_2023_4_125
АГЕНТНОЕ МОДЕЛИРОВАНИЕ В УПРАВЛЕНИИ ОТРАСЛЕВЫМИ ЛОГИСТИЧЕСКИМИ СИСТЕМАМИ
А.А. Арский
Аннотация. В исследовании представлена авторская интерпретация направлений применения агентного моделирования в отраслевых логистических системах. Дана краткая характеристика преимуществ агентного моделирования при применении его алгоритмов в изучении систем взаимодействия субъектов как на макро- так и на микроуровне. К основным факторам отнесена конкурентная среда и качество внутрисистемного взаимодействия предприятий отрасли с торговыми и сервисными предприятиями, в том числе с логистическими аутсорсерами.
Ключевые слова: агентное моделирование в логистике, агентное моделирование, логистика
AGENT-BASED MODELING IN THE MANAGEMENT OF INDUSTRIAL LOGISTICS SYSTEMS
A. Arskiy
Abstract. The study presents the author's interpretation of the areas of application of agent-based modeling in industrial logistics systems. A brief description of the advantages of agent-based modeling in the application of its algorithms in the study of interaction systems of subjects, both at the macro and micro levels, is given. The main factors include the competitive environment and the quality of intra-system interaction between industry enterprises and trade and service enterprises, including logistics outsourcers.
Keywords: agency modeling in logistics, agency modeling, logistics
В условиях цифровизации отечественных логистических систем, обусловленных не только конкурентной необходимостью, но и трансформацией хозяйственных связей и построении новых цепей поставок, возрастает роль актуальных и эффективных методик прогнозирования, к которым необходимо отнести агентное моделирование.
Агентное моделирование, в контексте данного исследования, необходимо понимать как методику имитационного моделирования поведения отдельных субъектов системы с целью выявления закономерностей, которые в результате комплексного взаимодействия в системе, приводят ее к определенному результату. Аппроксимируя
модель агентного моделирования, возможно сформулировать авторский тезис о том, что агентное моделирование - это формирование модели взаимодействия частных задач и результатов субъектов системы, обеспечивающий ее результат. Что же влияет на качество результатов исследований в области взаимодействия субъектов? Влияние оказывает прежде всего эффект масштаба и напряженность конкурентного поля отраслевых рынков, в которых развернуты системы, на базе которых взаимодействуют субъекты. При этом возможно рассмотрение деятельности субъектов на суб-уровне, уровни отдела, цеха, филиала. Таким образом, актуальной задачей является исследование не только механизмов агентного моделирования, но и тех факторов макро- и микросреды логистических систем, в которых взаимодействуют субъекты системы.
Передовые исследования проблем агентного моделирования, проводятся на базе Лаборатории компьютерного моделирования социально-экономических процессов ФГБУН «Центрального экономико-математического института РАН» (далее ЦЭМИ РАН). На базе ЦЭМИ РАН проведены исследования в предметной области и опубликованы результаты исследований академика РАН, В.Л. Макарова, и член-корреспондента РАН, А.Р. Бахтизина - «Агентное моделирование сложного мира» (2022 г.) и «Мировые торговые войны: сценарные расчеты последствий» (2022 г.) [3; 4].
В то же время в учебно-методическом труде «Агент-ориентированные модели: учебное пособие» (Москва, 2022 г.), актуально и полно представлены преимущества агентного моделирования:
1. Агентное моделирование позволяют смоделировать систему, максимально приближенную к реальности. Степень детализации агентного моделирования, по сути, ограничена только возможностями компьютеров. Более того, в ряде моделей передвижение агентов задается без использования сложных формул, но с помощью заранее определенных маршрутов и простых правил, которые, с одной стороны, имитируют адаптивное мышление в процессе принятия решений, а с другой - позволяют получить неочевидные результаты на уровне агрегированных параметров. Примерами таких моделей могут быть модели, имитирующие передвижение пешеходов, покупателей в крупных торговых центрах, спецтехники на складах и т.д.
2. Агентное моделирование обладают свойством эмерджентности. К примеру, в одной из моделей разработанных в ЦЭМИ РАН имитируется работа транспортной системы г. Москвы, при моделировании которой определялось только поведение отдельных агентов, в то время как более общие явления - автомобильные пробки или параметр, отражающий уровень загруженности дорог города, - устанавливались уже в процессе работы модели.
3. Как следует из предыдущего пункта, важным преимуществом агентного моделирования является возможность построения моделей при отсутствии знаний о глобальных зависимостях в соответствующей предметной области. Важно представлять логику поведения отдельных агентов, а моделирование может помочь в получении более общих знаний об изучаемом процессе.
4. Агентное моделирование являются гибким инструментом, позволяющим легко добавлять агентов в модели и удалять их, а также менять параметры и правила их поведения [2].
Исходя из изложенного выше, возможно сформировать направления применения агентного моделирования в отраслевых логистических системах, с целью выработки эффективных решений по их модернизации, которая позволит реализовать те задачи по модернизации логистической инфраструктуры и трансформации экономических связей, стоящих перед экономикой России:
1. Разработка и исследование модели межсистемного взаимодействия субъектов логистических систем разноуровневых предприятий отрасли. Исследование конкурного воздействия на поведение субъектов, возможности к кооперации и картельным сговорам.
2. Исследование пластичности горизонтальных связей субъектов с целью гармонизации внутрисистемного взаимодействия субъектов.
3. Анализ взаимодействия субъектов системы с обслуживающими системами - логистического аутсорсинга, торговых и сервисных предприятий.
4. Изучение логики принятия управленческих и коммерческих решений, оказывающих влияние на ценообразование товаров и услуг, в аспекте логистических издержек.
При исследовании предметной области и построении моделей, не обходимо использовать эффективные методики сбора информации, требования к которой следующие:
1. Информация должна относится к субъектам системы и тем субъектам, которые взаимодействуют с ними в условиях заключенных контрактов, государственного контроля и конкурентного воздействия.
2. Информация должна обеспечивать актуальность исследования, в просторечье - информация должна быть «свежей», ориентированной на текущую дату или период планирования;
3. Достоверность информации - является ключевым условием, так как при построении модели на основе недостоверной информации, выхолащивается сам смысл моделирования.
К комплексу проблем применения теоретических моделей на практике, то есть приданию им прикладного значения и популяризации их применения, необходимо отнести сложность моделей как таковых и невозможности интерпретации полученных результатов в проектировании логистических систем непосредственно «на земле». В этих условиях возрастает роль специалистов-практиков, в арсенале которых будут знания, умения и навыки не только при использовании программного обеспечения имитационного моделирования, но и по его разработке и внедрению в систему планирования, что в условиях санкционных ограничений явится благом для отраслевого и регионального управления [1].
На базе Департамента логистики, Финансового университета при Правительстве РФ, проблема агентного моделирования рассматривается в контексте трансформации не только хозяйственных связей внутри страны, но и при формировании новых торгово-экономических связей в условиях санкционных ограничений. Перспективами развития агентного моделирования на базе лабораторного комплекса Университета, станет внедрение и использование технологии анализа больших данных (Big Data), обеспечивающих максимально точные результаты моделирования.
Библиографический список
1. Арский А.А. Проблемы применения информационных технологий в агропромышленном комплексе // Маркетинг и логистика. 2019. N° 1 (21).
2. МакаровВ.Л., БахтизинА.Р., Сушко Е.Д., СидоренкоМ.Ю., ХабриевБ.Р. Агент-ориентированные модели: учебное пособие. M., 2022.
3. Makarov V.L., Bakhtizin A.R., Epstein J.M. Agent-based modeling for a complex world. M., 2022.
<g!fc>
МОСКОВСКИЙ ФИНАНСОВО-ЮРИДИЧЕСКИЙ УНИВЕРСИТЕТ МФЮА
4. Makarov VL., Khabriev B.R., Bakhtizin A.R. [et al.] World Trade Wars: Scenario Calculations of Consequences // Herald of the Russian Academy of Sciences. 2020. Vol. 90. № 1.
А.А. Арский
кандидат экономических наук, доцент доцент департамента логистики
Финансовый университет при Правительстве РФ, г. Москва Е-mail: arskiy@list.ru
