CC BY
125
УДК 004.942 Башарина Ольга Юрьевна,
старший преподаватель кафедры естественных дисциплин, Иркутский государственный университет,
тел. (3952) 521122, e-mail: [email protected] Носков Сергей Иванович,
д. т. н, профессор кафедры «Информационные системы и защита информации», Иркутский государственный университет путей сообщения, тел. (3952) 638322, e-mail: [email protected]
РЕШЕНИЕ ЗАДАЧ СКЛАДСКОЙ ЛОГИСТИКИ НА ОСНОВЕ ПРИМЕНЕНИЯ МЕТОДОЛОГИИ СИСТЕМНОГО АНАЛИЗА
O. Y. Basharina, S. I. Noskov
WAREHOUSE LOGISTICS TASKS SOLVING ON THE BASIS OF METHODOLOGY SYSTEM ANALYSIS
Аннотация. Рассматривается методика анализа, оценки и прогнозирования основных показателей функционирования логистического складского комплекса и описывается пример ее использования. Данная методика основана на интегрированном применении аналитического и имитационного моделирования с использованием распределенных вычислений. Она позволяет более детально анализировать деятельность логистического складского комплекса в динамике и использовать дополнительные средства моделирования процессов его функционирования, не представленные в системах управления складскими комплексами ERP- и WMS-классов. Рассматриваемая методика включает в себя следующие этапы: 1) построение концептуальной модели и постановка задачи; 2) формализация задачи; 3) построение имитационной модели; 4) планирование вычислительного эксперимента; 5) проведение эксперимента; 6) интерпретация результатов моделирования. Для построения имитационной модели функционирования складского комплекса используется система моделирования GPSS World Student Version, которая позволяет моделировать как дискретные, так и непрерывные процессы и максимально ориентирована на использование современных технологий, обеспечивающих высокую интерактивность и визуальное представление информации. Выполнение моделирования осуществляется путем многовариантных распределенных вычислений, что позволяет существенно сократить время решения задачи. В качестве распределенной вычислительной среды предлагается использовать вычислительные кластеры, организованные на базе персональных компьютеров учебно-образовательных и научных организаций. Значительное снижение трудозатрат при решении задач оценки функционирования складского комплекса с помощью данной методики позволяет сделать вывод об ее эффективности для рассмотренного класса задач.
Ключевые слова: складская логистика, системный анализ, моделирование, распределенные вычисления.
Ключевые The article overviews the methodology of analysis, estimation and scientific prognostication of main indicators of logistics warehouse complex functioning. The article describes the example of its implementation. The over-viewed methodology is based on the integrated implementation of analytical and imitating modeling with the help of distributive calculations. It allows more detailed analysis of the activities of logistics warehouse complex dynamics and use the additional funds for its functioning modeling processes that are not represented in the warehouse management systems and ERP WMS classes. The technique involves the following steps: 1) constructing a conceptual model and formulating of the problem; 2) formalizating the problem; 3) constructing a simulation model; 4) the computational experiment planning; 5) the experiment; 6) interpretating the simulation results. The models of complex system are based on the GPSS language. Modeling is carried out with the help of multiversion distributive calculations that allow reducing the time for task solution. As an example of distributive computing environment the computer clusters based on the personal computers of educational and scientific establishments are taken. A significant reduction in labor costs in solving assessment of the functioning of the warehouse with the help of this technique allows to make a conclusion about its effectiveness for the considered class of problems.
Keywords: warehouse logistics, system analysis, modeling, distributive calculations.
Введение
Современные логистические складские комплексы (ЛСК) представляют собой сложнооргани-зованные хозяйственные объекты, ориентированные на управление грузопотоками большой емкости, в том числе на дистрибуцию товаров, и вследствие этого играют важную роль в экономической сфере деятельности. Особое внимание привлекают региональные складские комплексы, так как сего-
дня значительное число крупных российских производственных компаний, торговых сетей и иностранных ритейлеров выбирают расширение сбыта продукции в регионах в качестве основного направления своего развития и остро нуждаются в качественных масштабных услугах складской логистики. Тенденция развития современных ЛСК заключается в постоянном расширении множества складских операций и повышении уровня их
Современные технологии. Математика. Механика и машиностроение
сложности. Вследствие этого эффективное управление складом становится исключительно важной и сложной проблемой. Чтобы справиться с неизбежным ростом числа операций и их усложнением, управление ЛСК должно базироваться на системном подходе. В этой связи важнейшими задачами складского менеджмента становятся анализ и оптимизация организационно-функциональной структуры как эксплуатируемых, так и проектируемых ЛСК.
Одним из наиболее эффективных подходов к анализу процессов функционирования экономических объектов и управления ими является математическое моделирование. К настоящему времени имеется широкий спектр экономико-математических моделей для различных отраслей производства, бизнеса и управления. Зачастую основное внимание в методах исследования экономических объектов уделяется статическим моделям, в то время как многие важные особенности поведения таких объектов могут проявиться только в динамике. Сложность динамической структуры современных экономических объектов, обусловленная большим количеством важных характеристик процессов их функционирования и связей между ними, требует построения согласованного семейства моделей, позволяющих проводить исследование этих объектов на разных уровнях детализации, и зачастую приводит к значительным техническим и методическим трудностям использования такого семейства моделей.
Современные системы управления складскими процессами класса WMS (Warehouse Management System) представлены такими программными комплексами, как Фолио WMS, AZ.WMS, SmartStock.WMS, Solvo.WMS, Radio Beacon WMS и многими другими. Такого рода программные комплексы включают средства моделирования складских процессов, но имеют, как правило, узкую специализацию и непригодны для моделирования многих логистических процессов, возникающих при совместном осуществлении функций складирования, транспортировки и торговли.
Логистические системы класса ERP (Enterprise Resource Planning), такие как, например, система Microsoft Axapta, являются мощными инструментами управления внутренними процессами предприятия, включая работу ЛСК. Однако такие коммерческие системы ориентированы в основном на крупные предприятия. Кроме того, в этих комплексах и системах используются, как правило, аналитические методы моделирования, не позволяющие учесть все детали технологических процессов и исследовать их в динамике, в отличие от имитационного моделирования.
В статье предлагается методика анализа, оценки и прогнозирования деятельности ЛСК и рассмотрен пример ее использования для решения задачи складской логистики.
Методика анализа, оценки и прогнозирования основных показателей деятельности складского логистического комплекса
Предлагаемая авторами статьи методика решения задач складской логистики основана на подходах к моделированию сложных систем, представленных в работах [1, 2], и ориентирована на использование распределенной вычислительной среды для проведения многовариантных расчетов [3]. Данная методика направлена на интеграцию аналитического и имитационного моделирования, что позволяет более детально анализировать деятельность складского комплекса в динамике и выполнять быструю точечную реализацию дополнительных средств моделирования процессов функционирования ЛСК, не представленных в используемых системах управления этими комплексами.
Рассмотрим этапы реализации данной методики.
1. Построение концептуальной модели и постановка задачи. На данном этапе предлагается использовать инструменты теории систем массового обслуживания. Целью теории систем массового обслуживания (СМО) является выработка рекомендаций по рациональному построению систем массового обслуживания, рациональной организации их работы и регулированию потока заявок, поэтому исследование СМО существенно при анализе функционирования такой сложной системы, как логистический складской комплекс. Отсюда вытекают задачи: установление зависимостей работы СМО от ее организации, характера потока заявок, числа каналов и их производительности, правил работы СМО.
2. Формализация задачи. Основным содержанием этого этапа является переход от словесного описания объекта к его математической модели как системы массового обслуживания. Модель должна быть адекватной, иначе невозможно получить положительные результаты решения поставленной задачи. Адекватной считается модель, которая с определенной степенью приближения отражает процесс функционирования системы во внешней среде [2].
3. Построение имитационной модели. Данный этап представляет собой практическую деятельность, направленную на реализацию идей и математических схем в виде имитационной модели, ориентированной на использование конкретных программно-технических средств.
4. Планирование вычислительного эксперимента. Составление плана проведения экспери-
ИРКУТСКИМ государственный университет путей сообщения
мента 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. В общем случае количество прогонов модели, необходимое для получения оценок наблюдаемой переменной с заданной точностью, зависит от следующих факторов: вида распределения наблюдаемой переменной, коррелированности между собой элементов выборки, наличия и длительности переходного периода [2, 4].
5. Проведение эксперимента. После составления имитационной модели и плана проведения вычислительного эксперимента можно приступить к расчетам. Вычисления рационально выполнять в два этапа: контрольные и рабочие расчеты, которые обычно включают в себя: а) подготовку наборов исходных данных; б) проверку исходных данных; в) проведение расчетов; г) получение выходных данных, т. е. результатов моделирования [2]. Для повышения эффективности вычислительного эксперимента и сведения к минимуму обработки выходной информации для интерпретации результатов моделирования целесообразно на данном этапе провести вычисление статистических характеристик [5-9].
6. Интерпретация результатов моделирования. Здесь необходимо перейти от информации, полученной в результате вычислительного эксперимента с имитационной моделью, к информации применительно к объекту моделирования, на основании которой и будут делаться выводы относительно характеристик процесса функционирования исследуемого экономического объекта.
Рассмотренная последовательность этапов отражает наиболее общий подход к построению и реализации модели логистического складского комплекса. Данная методика была использована
для решения ряда практических задач складского менеджмента [10-13]. Далее рассмотрим особенности использования данной методики для решения конкретной задачи складской логистики.
Задача
1. Постановка задачи. Для логистического складского комплекса как системы массового обслуживания можно сформулировать такую задачу: складской комплекс предоставляет услуги по проведению погрузочно-разгрузочных работ (ПРР) при использовании авто- и железнодорожного транспорта различной грузоподъемности. Для проведения таких работ используются специально оборудованные посты, технические средства и бригады грузчиков и карщиков. Также предусмотрена возможность наличия и учета работы лифтов на складе. Существуют нормативы проведения ПРР с учетом вида грузового транспорта, вида и категории груза. Невыполнение данных нормативов влечет за собой штрафные санкции.
В терминах теории массового обслуживания заявкой на обслуживание является транспортное средство, нуждающееся в ПРР, канал обслуживания — совокупность бригад, технических средств, выполняющих ПРР. Поступление транспортных средств происходит как по плановым, так и по случайным заявкам. Выполнение ПРР реализуется на основе очередей по принципу FIFO. Приоритет при обслуживании отдается 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 представ-
Т а б л и ц а 1
Характеристики модели
Характеристика Описание характеристики
Транзакты Транспортные средства (ТС) различной грузоподъемности (5 видов)
Приборы Бригады, участвующие в ПРР, каждая бригада включает: 2 грузчика, 2 кар-щика
Модельное время 43 200 минут (1 месяц)
Входные переменные Накладные расходы по проведению ПРР для каждого типа ТС; цена ПРР на 1 кг груза (зависит от вида груза); зарплата бригады; нормы времени ПРР на каждый тип ТС с учетом вида груза; величина штрафа за простой ТС
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 учета использования лифтов; наличие недоступности сервисов, обусловленных человеческими факторами, техническими неисправностями
Современные технологии. Математика. Механика и машиностроение
ление 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. Формализация задачи. Для решения поставленной задачи была разработана имитационная модель процесса проведения погрузочно-разгрузочных работ на складе. Характеристики модели представлены в табл. 1.
3. Построение имитационной модели. В соответствии с методологией, представленной выше, необходимо построить логическую схему модели обслуживания, которую можно представить в виде блок-диаграммы. Исследуемая задача моделирования ориентирована на использование языка GPSS, в котором уже предусмотрена символика изображения схемы модели на языке блок-диаграмм для реализации модели. Блок-диаграмма представляет собой набор с характерным очертанием блоков, соединенных между собой линиями. Вид каждого блока стандартен. Конфигурация
QUEUE
1
ENTER _
BR
ASSIGN
DEPART
блок-диаграммы модели отражает направления, по которым происходит движение перемещающихся элементов - транзактов. Работа модели заключается в перемещении транзактов от блоков к блокам [2].
Разработанная имитационная модель проведения погрузочно-разгрузочных работ на складе включает следующие сегменты: сегменты имитации поступления и обслуживания плановых заявок для ТС различных видов, сегменты имитации поступления и обслуживания случайных заявок, сегменты имитации неисправностей, зарядки каров и т. д.
На рис. 1 представлен сегмент «Поступление и обслуживание транспортного средства 1 -го вида по случайным заявкам». Транспортное средство поступает в систему в соответствии с равномерным законом 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 погрузки/разгрузки доход от выполнения ПРР
ADVANCE n1*P1
SAVEVALUE
T_prr
LEAVE
SAVEVALUE
Dohod
SAVEVALUE
Shtraf
Рис. 1. Поступление и обслуживание транспортного средства по случайным заявкам
1, C1
(Dohod), штраф за несоблюдение временных норм проведения работ ^ЫхаГ), грузооборот склада (Ог^).
В соответствии с методологией, приведенной выше, необходимо провести переход от блок-диаграммы GPSS к программе. Для этого разработана инструментальная система [14], обеспечивающая частичную или полную автоматизацию всех этапов методики. Для применения языка моделирования GPSS каждый блок блок-диаграммы заменяется соответствующим оператором GPSS. Для проведения многовариантных вычислительных экспериментов варьируемые переменные и используемые многоканальные устройства вынесены в подключаемые файлы. Модель проверена на накопленных статистических данных. В дальнейшем возможно использование модели для прогнозирования.
4. Планирование вычислительного эксперимента. Диапазоны и шаг изменения входных переменных были определены заказчиком. Тем самым было обусловлено большое количество наблюдений. Поэтому был проведен частичный факторный эксперимент по методике, представленной в работе [1].
Если случайные значения наблюдаемой величины не коррелированны и их распределение не меняется от прогона к прогону, то можно считать выборочное среднее нормально распределенным и требуемое число прогонов N модели определять по формуле
2
N = — • t
г2 ta
2
где в - заданная точность оценки наблюдаемой переменной, 8 - среднеквадратичное отклонение
наблюдаемой переменной, полученное на основе N0 пробных прогонов модели, ^ - аргумент функции Лапласа при заданном уровне значимости а/2.
При N = 20, а = 0,1 и в = 0,1 количество прогонов модели для наблюдаемых переменных равно 78 (из них 1 прогон для перехода в стацио-
нарный режим). Были проведены пробные прогоны для каждой наблюдаемой переменной, и в качестве необходимого количества прогонов модели выбрано максимальное значение. Пробные прогоны модели вошли в общее число прогонов.
5. Проведение эксперимента. Для вычислений были выбраны различные варианты исходных данных, полученных путем анализа реальных статистических данных за полгода, общее число вариантов равнялось 30. Имитировалась работа склада в течение 1 месяца. Для выполнения многовариантных заданий использовалась распределенная вычислительная среда [15, 16], позволяющая существенно сократить общее время проведения вычислительного эксперимента за счет параллельного выполнения этих расчетов.
6. Интерпретация результатов моделирования. Агрегированные результаты моделирования приведены в табл. 2.
На основе вышеприведенных результатов можно сделать вывод, что при проведении ПРР целесообразно использовать 3 бригады. Это значительно сокращает среднее время нахождения транспортного средства в очереди. В этом случае коэффициент простоя и требуемые экономические показатели остаются в допустимых пределах.
Заключение
В статье представлена методика решения задач складской логистики и рассмотрен пример ее использования для конкретной практической задачи. Особенностью данной методики является интегрированное применение аналитического и имитационного моделирования с использованием методов и средств системного анализа. Предложенная методика позволяет анализировать деятельность логистического складского комплекса в динамике и дает возможность решать «нестандартные» (с точки зрения программных комплексов ERP и WMS классов) задачи складского менеджмента. При решении ряда практических задач показана эффективность применения данной методики.
Т а б л и ц а 2
Показатель Количество бригад
2 3 4 6
Коэффициент изменения дохода 1,04 1,06 1,08 1,11
Коэффициент изменения себестоимости 0,78 0,88 0,98 1,18
Коэффициент изменения прибыли 0,26 0,19 0,11 -0,07
Рентабельность 33,55 % 21,19 % 10,75 % -5,61 %
Коэффициент простоя 0,28 0,30 0,31 0,32
Среднее время в очереди 4,86 2,04 2,02 1,95
Современные технологии. Математика. Механика и машиностроение
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Боев В.Д. Моделирование систем. Инструментальные средства GPSS World. СПб.: БХВ Петербург, 2004. 368 с.
2. Советов Б.Я., Яковлев С.А. Моделирование систем. М. : Высшая школа, 2001. 343 с.
3. Башарина О.Ю., Носков С.И. Методика анализа, оценки и прогнозирования динамики основных показателей функционирования складского логистического комплекса // Фундаментальные исследования. 2013. № 11. Ч. 6. С. 1103-1107.
4. Герцекович Д.А. Торговля в коридоре цен на основе эмпирических моделей // Изв. Иркут. гос. экон. академии. 2007. № 3. С. 34-37.
5. Лакеев А.В., Носков С.И. О множестве решений линейного уравнения с интервально заданными оператором и правой частью // Сибирский математический журнал. 1994. Т. 35, № 5. С. 1074.
6. Носков С.И. Построение эконометрических зависимостей с учетом критерия «согласованность поведения» // Кибернетика и системный анализ. 1994. № 1. С. 177.
7. Kreinovich V., Lakeyev A.V., Noskov S.I. Approximate linear algebra is intractable // Linear Algebra and its Applications. 1996. Т. 232. № 1-3. С. 45-54.
8. Lakeyev A.V., Noskov S.I. A description of the set of solutions of a linear equation with interval defined operator and right-hand side // Doklady Mathematics, 1993. Т. 47. № 3. С. 518.
9. Lakeyev A.V., Noskov S.I. Description of the solution set to linear equation with the intervally defined operator and right-hand side // Доклады Академии наук, 1993. Т. 330. № 4. С. 430.
10.Башарина О.Ю. Аналитическая модель логистического складского комплекса // Моделирование. Теория, методы и средства : материалы X Междунар. науч.-практ. конф. Новочеркасск : ЮРГТУ, 2010. С. 33-37.
11.Башарина О.Ю. Технология моделирования логистических складских комплексов в распределенной вычислительной среде // Материалы VII Восточно-Азиатск. экон. и культурного форума / ФГБОУ ВПО «ИГУ». Иркутск, 24-26 октября 2011 г. Иркутск, 2011. С. 83-87.
12.Башарина О.Ю., Горский С.А. Моделирование складской логистики: разработка и комплекси-рование в ORLANDO TOOLS // Программные продукты и системы. 2012. № 1. С. 89-91.
13.Дмитриев В.И., Башарина О.Ю., Феоктистов А.Г., Ларина А.В. Моделирование логистических складских комплексов с использованием вычислительной техники // Экономика и управление. 2010. № 6. С. 88-92.
14. Инструментальная система для автоматизации построения имитационных моделей / О.Ю. Башарина и др. // Моделирование. Теория, методы и средства : материалы VIII Междунар. науч.-практ. конф. В 2-х ч. Новочеркасск: Лик, 2008. Ч. 1. С. 38-39.
15.Бычков И.В., Опарин Г.А., Феоктистов А.Г., Корсуков А.С. Распределение заданий в интегрированной кластерной системе на основе их классификации // Вычислительные технологии. 2013. Т. 18, № 2. С. 25-32.
16.Опарин Г.А., Новопашин А.П., Феоктистов А.Г. Интегрированная инструментальная среда организации проблемно-ориентированных распределенных вычислений // Программные продукты и системы. 2013. № 1. С. 3-6.
УДК 6.21.38 Ешенко Анатолий Андреевич,
к. т. н., профессор кафедры электропривода и электрического транспорта, Научно-исследовательский Иркутский государственный технический университет,
e-mail: [email protected]
АСПЕКТЫ СИНТЕЗА АВТОМАТИЧЕСКИХ УПРАВЛЯЮЩИХ УСТРОЙСТВ ДВУСВЯЗНОЙ СИСТЕМЫ УПРАВЛЕНИЯ СЕРВОПРИВОДАМИ
МАНИПУЛЯТОРОВ
A. A. Eshenko
ASPECTS OF A MANIPULATORS SERVODRIVERS TWO-COHERENT CONTROL SYSTEM AUTOMATIC ACTUATION DEVICES SYNTHESIS
Аннотация. Задача управления электроприводом промышленного робота заключается в формировании управляющих воздействий на регуляторы положения отдельных сервоприводов. Многообразие методов синтеза автоматических управляющих устройств сервомеханизмов и сложность процедур их решения приводят к необходимости рассмотрения возможных методик, удобных для математического описания и наглядности применения в практике.
