Моделирование логистических складских комплексов с использованием вычислительной техники Текст научной статьи по специальности «Компьютерные и информационные науки»

о ©

Моделирование логистических складских комплексов с использованием вычислительной техники

Logistics warehouse complexes modeling on computer machines

o; <

x

УДК 658.7:004.94

В. И. Дмитриев

заведующий лабораторией Международного института экономики и лингвистики Иркутского государственного университета, кандидат химических наук, профессор 664082, г Иркутск, ул. Улан-Баторская, д. 6; e-mail: dvi7@yandex.ru

V. I. Dmitriev

664082, Irkutsk, ul. Ulan-Batorskaya, 6; e-mail: dvi7@yandex.ru

О. Ю. Башарина

научный сотрудник Международного института экономики и лингвистики Иркутского государственного университета 664082, г. Иркутск, ул. Улан-Баторская, д. 6; e-mail: bashar@id.isu.ru

O. Yu. Basharina

664082, Irkutsk, ul. Ulan-Batorskaya, 6; e-mail: bashar@id.isu.ru

А. Г. Феоктистов

старший научный сотрудник Института динамики систем и теории управления СО РАН (г Иркутск), кандидат технических наук, доцент

664033, г Иркутск, ул. Лермонтова, д. 134; e-mail: agf@icc.ru

A. G. Feoktistov

664033, Irkutsk, ul. Lermontova, e-mail: agf@icc.ru

134;

А. В. Ларина

научный сотрудник Международного института экономики и лингвистики Иркутского государственного университета 664082, г. Иркутск, ул. Улан-Баторская, д. 6; e-mail: 64lzn@mail.ru

A. V. Larina

664082, Irkutsk, ul. Ulan-Batorskaya, 6; e-mail: 64lzn@mail.ru

Рассматриваются инструментальные средства моделирования современных логистических складских комплексов. Эти средства базируются на использовании распределенных вычислительных систем. Детальный анализ функционирования исследуемых комплексов осуществляется путем интеграции методов аналитического и имитационного моделирования.

The article reviews instrumental means of present-day logistics warehousing complexes modeling. These means are based on grid computing systems use. A detailed analysis of the studied complexes' functioning is made through the integration of analytic and imitation modeling methods integration.

Ключевые слова: складская логистика, моделирование, распределенные вычисления

Keywords: warehouse logistics, modeling, grid computing

Современные логистические складские комплексы (ЛСК) представляют собой сложно организованные хозяйственные объекты, ориентированные на управление грузопотоками больших объемов, в том числе на дистрибуцию товаров, вследствие чего они играют важную роль в экономике. Особое внимание исследователей и практиков привлекают региональные складские комплексы, поскольку значительное количество крупных российских производственных компаний, торговых сетей и иностранных ритейлеров выбирают в качестве основного направления сбытовых усилий расширение продаж продукции в регионах и остро нуждаются в качественных масштабных услугах складской логистики. В этой связи важнейшими задачами складского менеджмента становятся анализ и оптимизация организационно-функциональной структуры эксплуатируемых и проектируемых ЛСК.

На наш взгляд, одним из наиболее эффективных подходов к анализу процессов функционирования экономических объектов и управления ими является математическое моделирование. Надо заметить, что наиболее интенсивно экономико-математические исследования осуществлялись в 1960-1970-х гг. Основные научные результаты в этом направлении исследований связаны, в первую очередь, с именами А. Г. Аганбегяна, Л. В. Канторовича, В. В. Леонтьева, В. С. Немчинова и многих других отечественных и зарубежных ученых [1; 2]. В настоящее время известно и используется на практике множество экономико-математических моделей для различных отраслей производства, бизнеса и управления [3].

Сложность динамической структуры современных экономических объектов, обусловленная большим количеством важных характеристик процессов их функционирования и взаимосвязей между ними, требует построения согласованного семейства моделей, позволяющих проводить исследование этих объектов на разных уровнях детализации, что зачастую приводит к значительным техническим и методическим трудностям в его использовании. В настоящее время бурное развитие высокопроизводительной вычислительной техники актуализировало использование новых — основанных на парадигмах параллельного и/или распределенного программирования — технологий разработки, агрегирования и применения моделей сложных экономических объектов.

Процесс построения моделирующей программы, адекватно отображающей исследуемый объект, представляет собой во многом нетривиальную задачу. Ее решение требует от разработчика высокой математической и программистской квалификации, тем более

Специалист- « предметник » (логист складского комплекса)

Характеристики процессов функционирования JICK

£

Пакет моделирования «Warehouse Modelling Package»

Аналитическая модель JICK

Библиотека моделирующих программ

Конструктор параллельных программ

Параллельная моделирующая программа

Результаты моделирования

Распределенная вычислительная система

Статистические пакеты анализа

результатов моделирования

База расчетных данных

Распределенная имитационная модель JICK

Система распределенного имитационного моделирования

Библиотека сегментов модели процессов функционирования ЛСК

Библиотека коммуникационных

функций сегментов распределенной имитационной модели JICK

Конструктор распределенной имитационной модели JICK

Исполнительная подсистема

о ö

к <

Потоки управления

Потоки данных

Рис. 1. Схема моделирования ЛСК

когда речь идет о параллельной или распределенной программе. Таким образом, возникает потребность в высокоуровневых инструментальных средствах автоматизации этого процесса, которые позволили бы использовать весь потенциал высокопроизводительной вычислительной техники, что обеспечивает построение сложной технологической цепочки: от специалиста-«предметника», формулирующего задачу, к создающему модель математику, затем к программисту, и только после этого — к тем, кто занимается непосредственно вычислениями.

Современные программные комплексы класса систем автоматизированного управления складскими процессами (Warehouse Management System, WMS) [4], такие как «Фолио WMS», «AZ.WMS», «SmartStock. WMS», «Solvo.WMS», «Radio Beacon WMS» и многие другие, а также логистические системы класса систем планирования ресурсов предприятия (Enterprise Resource Planning, ERP) [5], например система «Microsoft Axapta», являются мощными и надежными инструментами управления складскими процессами. Зачастую в этих комплексах и системах до сих пор используются методы и средства последовательного моделирования. Вместе с тем, с возрастанием сложности модели время расчетов при последовательном моделировании значительно увеличивается и требует от нескольких дней до нескольких месяцев. Вследствие этого, с точки зрения необходимости принятия оперативных решений по управлению экономическим объектом на основе анализа его математической модели, приоритет получают средства параллельного или распределенного моделирования [6]. Такие средства позволяют задействовать при «прогоне» модели высокопроизводительную вычислительную технику, распределить нагрузку среди узлов вычислительной системы, сократить общее время моделирования и,

тем самым, повысить эффективность управления объектом.

В предлагаемой читателю статье рассматриваются инструментальные средства анализа современных ЛСК путем интегрированного применения методов аналитического и имитационного моделирования. Данные инструментальные средства реализованы на основе методологии модульного программирования и ориентированы, в отличие от соответствующих средств известных систем управления складскими процессами, на проведение расчетных работ в распределенных вычислительных системах. Подчеркнем, что использование модульного подхода обеспечивает ряд важных преимуществ. Мы имеем в виду, во-первых, достаточно гибкую модификацию и «безболезненное» развитие математического и программного базиса для моделирования ЛСК посредством добавления или замены модулей (программ) этого базиса новыми модулями, в том числе модулями уже разработанных библиотек программ. Во-вторых, быструю «точечную» реализацию дополнительных средств моделирования процессов функционирования ЛСК, не представленных в используемых системах управления этими комплексами.

Схема моделирования ЛСК с помощью рассматриваемых инструментальных средств, приведенная на рис. 1, включает два основных этапа. На первом этапе решается задача оптимизации основных параметров процессов функционирования ЛСК и выбора стратегий управления ими путем исследования аналитической модели комплекса с использованием параллельных вычислений.

На следующем этапе осуществляется оценка характеристик выбранных стратегий для окончательной реализации процессов функционирования ЛСК. Данная оценка определяется на основе статистических

данных, получаемых путем воспроизведения работы ЛСК во времени с помощью системы распределенного имитационного моделирования с сохранением логической структуры, связей между событиями и последовательности протекания их во времени, а также с учетом большого количества технологических деталей функционирования моделируемого объекта. Результаты моделирования фиксируются в базе расчетных данных и обрабатываются в дальнейшем с помощью различных универсальных и/или специализированных статистических пакетов.

Далее рассмотрим в определенной последовательности предлагаемые модели.

Аналитическая модель. В соответствии со своей организационно-функциональной структурой [7] и с учетом внешних возбуждающих воздействий ЛСК преобразует материальные, информационные и финансовые потоки, входящие в него в определенную единицу времени, в соответствующие выходные потоки. Основными характеристиками процессов функционирования ЛСК являются:

а) финансовые показатели;

б) количественные показатели процесса грузооборота;

в) показатели эффективности выполнения логистических операций, в том числе показатели качества

обслуживания клиентов.

Аналитическая модель ЛСК строится на принципах динамики экономических объектов и управления ими, изложенных в работе Т. К. Сиразетдинова [8], с учетом специфики организационно-функциональной структуры ЛСК. Основные финансовые показатели функционирования ЛСК, к примеру такие, как оценка потенциальной мощности услуг E(t), мощность освоенных услуг y(t), оценка мощности неосвоенных услуг EH(t), суммарный доход H(t); суммарные затраты G(t) и прибыль P(t), рассчитываются методами численного интегрирования и определяются соотношениями следующего вида:

E(t) = j е(т) dT ,

где функция е(т) определяет оценку потенциальной интенсивности оказания услуг ЛСК в момент времени т;

y(t) = j (u(T) - w(T)) dT ,

где функции u(t) и w(t) определяют соответственно объемы текущих и завершенных услуг ЛСК в момент времени т;

EH(t) = E(t) - y(t),

H(t) = j ¿h (т) dT

0

где функция Н1(г) определяет объем доходов от ¿-го вида услуги в момент временит;

G(t) = jjTz. (т) dT

jj=1

где функция Zj(T) определяет объем расходов на реализацию j-го вида услуги в момент времени t;

P(t) = H(t) - G(t).

В этих соотношениях характеристики, относящиеся к группам б) и в), учитываются в функциях е(т), u(t),

w(t), h(t) и z(t). Таким образом, предложенная авторами аналитическая модель обеспечивает возможность решения задач на основе всестороннего анализа процессов функционирования ЛСК с учетом взаимосвязей между различными группами их характеристик.

Технология решения задач в рамках данной модели базируется на методологии крупноблочного модульного программирования и позволяет реализовать как параллелизм по управлению, так и параллелизм по данным. Эффективное распараллеливание вычислений обеспечивает возможность оперативного проведения многовариантных расчетов с целью определения оптимальных показателей эффективности и устойчивости развития процессов функционирования ЛСК.

Рассматриваемая технология была реализована в виде пакета моделирования Warehouse Modelling Package (WMP). В данном случае 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 расчетных программ по непроцедурной постановке задачи вида: «зная M по заданным значениям параметров x1, x2, ..., xn вычислить значения параметров yj, y2, ..., yk», где M представляет собой описание параметров и вычислительных операций аналитической 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 (PVM) [9], позволяющую порождать динамические вычислительные процессы в разнородной среде. Синтезированные параллельные программы автоматически запускаются и выполняются в распределенной вычислительной системе, например, на вычислительном кластере.

В табл. 1 нами приведены сравнительные результаты времени решения ряда задач для ООО «Иркутский хладокомбинат» на персональном компьютере и на вычислительном кластере Международного института экономики и лингвистики (МИЭЛ) Иркутского государственного университета (ИГУ), узлы которого имеют характеристики вычислительных ресурсов, аналогичные характеристикам персонального компьютера. Приведенные результаты показывают, что с повышением сложности задачи время расчетов на персональном компьютере существенно увеличивается и поэтому требуется применение других, более производительных вычислительных средств.

Далее опишем имитационную модель. В качестве среды моделирования ЛСК выбрана система «General Purpose Simulation System (GPSS) World» [10], получившая широкое распространение для анализа дискретных процессов, благодаря наличию в своем составе средств построения адекватных, детализируемых с необходимой степенью точности моделей процессов такого рода.

Имитационная модель ЛСК конструируется на основе библиотеки сегментов на языке GPSS. В их числе сегменты, моделирующие поступление и обработку заявок клиентов, сборку товаров по этим заявкам, выполнение погрузочно-разгрузочных работ, перемещение товаров по зонам их складирования, загрузку и использование различного технического оборудо-

0

0

Таблица 1 <

Время решения задач

Задача моделирования Время решения задачи на персональном компьютере Время решения задачи на кластере (16 узлов)

Расчет планируемых финансовых показателей работы ЛСК 1-2 мин. 1 мин.

Определение оптимального варианта сдачи в аренду объектов ЛСК 15-30 мин. 1-2 мин.

Планирование расписания обслуживания клиентов с учетом потока случайных заявок 1 ч — 3 сут. 5 мин. — 4 ч

о ö

к <

вания, возникновение сбоев или отказов технических средств, передвижение и парковку автотранспорта, реализацию и доставку товаров клиентам и другие процессы. Исходя из необходимости анализа тех или иных технологических деталей процессов функционирования ЛСК, пользователь распределенной имитационной системы выбирает нужные сегменты из общего списка сегментов библиотеки. Далее конструктор имитационной модели ЛСК осуществляет ее компоновку на базе выбранных сегментов. Если для решения задачи требуется проведение расчетов в распределенной вычислительной системе, то конструктор имитационной модели ЛСК автоматически осуществляет ее декомпозицию (распределение) на слабо связанные сегменты. Распределенная имитационная модель ЛСК передается исполнительной подсистеме, осуществляющей размещение сегментов этой модели в узлах вычислительной системы и проведение массовых многовариантных расчетов. Распределенные вычисления выполняются на основе алгоритмов, реализующих консервативные методы синхронизации модельного времени при передаче сообщений [6].

С помощью системы распределенного имитационного моделирования для «Иркутского хладокомбината» был успешно решен ряд важных практических задач, и прежде всего задач оценки эффективности эксплуатации различного технического оборудования, планирования оптимальных схем проведения погрузочно-разгрузочных работ и определения оптимальных нормативов выполнения различныхлогис-тических операций. Использование распределенной вычислительной системы при проведении массовых многовариантных расчетов обеспечивает ускорение процесса решения задачи, приблизительно пропорциональное количеству узлов вычислительной системы.

Статистическая оценка адекватности используемой модели и возможности использования экспериментальных результатов с целью прогнозирования развития процессов функционирования ЛСК и управления ими может быть получена на основе информации из базы расчетных данных с помощью универсальных пакетов, таких как «MATHEMATICA», «Maple», «Matlab», «Mathcad» и других программных комплексов, включающих средства эконометрического анализа [11]. В случае интерпретации результатов имитационного моделирования целесообразно использовать инструментальные средства проведения дисперсионного и регрессионного анализов системы «GPSS World» [10].

Для эффективного внедрения технологий высокопроизводительных вычислений в различные сферы производства, бизнеса и управления необходима, как отмечал президент России Д. А. Медведев на совещании с членами Совета безопасности РФ по вопросам

создания и применения суперкомпьютеров, организация специальной системы подготовки кадров. В этой связи, одной из важнейших задач вуза в настоящее время является формирование необходимых теоретических знаний и практических навыков применения современных информационно-вычислительных технологий, в том числе параллельных и распределенных вычислений в их последующей повседневной производственной, коммерческой, финансовой или другой деятельности.

В МИЭЛ ИГУ была организована информационно-вычислительная среда и создан учебно-методический комплекс для имитационного моделирования экономических объектов [12]. Этот комплекс включает методические указания по организации расчетных работ на вычислительных кластерах, рабочие программы дисциплин и конспекты лекций, методические указания по лабораторным работам, учебные пособия, демонстрационные стенды, подборки типовых задач и примеров для решения задач на вычислительных кластерах и прикладное программное обеспечение по моделированию экономических объектов. Учебно-методический комплекс используется студентами различных специальностей (логистами, экономистами, маркетологами) при анализе работы экономических объектов (например, систем массового обслуживания: торговых точек, сервисных центров, банковских систем, предприятий бытового обслуживания и многих других), с которыми студенты имеют дело в своей практической деятельности. Инструментальные средства моделирования типовых экономических объектов составляют основу для использования средств высокопроизводительных вычислений в учебном процессе при выполнении студентами сложных ресурсоемких расчетов в рамках лабораторных, курсовых и дипломных работ, а также при проведении научно-исследовательских работ преподавателями вуза.

В данной статье нами представлен опыт разработки и применения высокоуровневых инструментальных средств моделирования ЛСК, накопленный в лаборатории методов автоматизации научных исследований и учебного процесса МИЭЛ ИГУ при активном сотрудничестве с Институтом динамики систем и теории управления СО РАН. Архитектура, принципы работы, способы и средства реализации рассмотренных инструментов обеспечивают широкий спектр использования их функциональных возможностей для моделирования и других экономических объектов в самых различных сферах деятельности.

Литература

1. Романовский И. В. Математико-экономические методы и модели: Библиографич. указ. М.: Изд-во АН СССР, 1981.

2. Нейлор Т. Машинные эксперименты с моделями экономических систем. М.: Мир, 1975.

< 3. Шелобаев С. И. Экономико-математические методы и

модели. М.: Юнити-Дана, 2005.

< 4. Obal P. Warehouse & Logistics Software Directory, WMS. J Tulsa: Industrial Data & Information, 2002.

° 5. О'ЛириД. ERP системы. Современное планирование и управление ресурсами предприятия. М.: Вершина, 2004.

х 6. Fujimoto R. M. Parallel and Distributed Simulation Systems. x New York: John Wiley & Sons, 2000.

^ 7. Дыбская В. В. Логистика для практиков: Эффективные ре-i шения в складировании и грузопереработке. М.: ВИНИТИ ¡5 РАН, 2002.

h 8. Сиразетдинов Т. К. Динамическое моделирование эконо-<с мических объектов. Казань: Фэн, 1996.

со

9. Немнюгин С. А., Стесик О. Л. Параллельное программирование для многопроцессорных систем. СПб.: БХВ-Петер-бург, 2002.

10. Боев В. Д. Моделирование систем. Инструментальные средства GPSS World. СПб.: БХВ-Петербург, 2004.

11. Дайитбегов Д. М. Компьютерные технологии анализа данных в эконометрике. М.: ИНФРА-М, 2008.

12. Феоктистов А. Г., Дмитриев В. И., Корсуков А. С., Ларина А. В. Средства и методы организации учебной ин формационно-вычислительной среды // Вестник Московского городского педагогического университета. Сер.: Информатика и информатизация образования. 2007. № 2 (9).

Оценка влияния темпов роста факторов при использовании многофакторных мультипликативных индексных моделей

Factors growth pace influence estimation in implementation of multi-factor multiplicative index models

519.67

Г. В. Суровицкая

начальник отдела планирования и анализа

управления системой качества Пензенского

государственного университета, кандидат

технических наук, доцент

440026, г Пенза, ул. Красная, д. 40; e-mail:

gvs_kachestvo@inbox.ru

G. V. Surovitskaya

440026, Penza, ul. Krasnaya, 40; e-mail: gvs_kachestvo@inbox.ru

Д. В. Шитов

ассистент кафедры Пензенского государственного университета 440026, г Пенза, ул. Красная, д. 40; e-mail: ShitovDenis@mail .ru

D. V. Shitov

440026, Penza, ul. Krasnaya, 40; e-mail: ShitovDenis@mail .ru

Предлагаемый метод оценки влияния темпов роста факторов при использовании многофакторных мультипликативных индексных моделей позволяет получить математически корректный результат при достаточно большом числе факторов. Разработано программное обеспечение реализации данного метода оценки, существенно упрощающего процедуру факторного анализа.

The suggested estimation method of factors growth pace influence in implementation of multi-factor multiplicative index models allows to get mathematically correct result with significantly large number of factors. For the implementation of this method was developed specific software which significantly simplifies factor analysis procedure.

Е. А. Балашова

преподаватель Пензенского регионального центра высшей школы (филиала) Российского государственного университета инновационных технологий и предпринимательства

440011, г Пенза, ул. Володарского, д. 6а; e-mail: balache@mail.ru

E. A. Balashova

440011, Penza, ul. Volodarskogo, 6a; e-mail: balache@mail.ru

Ключевые слова: факторный анализ, индексная модель, нетранзистивность, перестановки, оконный интерфейс, индивидуальные индексы, нормирующий множитель, граф вариантов, трехфакторные мо дели

Keywords: factor analysis, index model, non-transitivity, repositioning, window interface, individual indexes, normalizing factor, variants graph, three-factor models

Современный этап развития университетского образования в России отличается реализацией инновационных проектов образовательного менеджмента, направленных на совершенствование процедур управления университетами. В рамках данных проектов предлагается совершенствование процедур анализа данных, построенного на использовании перспективных направлений общего экономического анализа и факторного анализа на основе индексных моделей [1].

Как известно, суть детерминированного факторного анализа заключается в нахождении оценок влияния изменения каждого из факторов на абсолютное или относительное отклонение результирующего показателя. В этой связи, в детерминированном анализе при изучении различных процессов и явлений наибольший интерес, по нашему мнению, вызывают лишь два типа факторных моделей: