Имитационное моделирование цепочки поставок в AnyLogic К.М

Имитационное моделирование цепочки поставок в AnyLogic
К.М. Макарова
Саратовский государственный университет, Саратов, Россия
E-mail: [email protected]
Управление цепями поставок играет важную роль в процессе управления сложной
системой. Наиболее значимым является определение параметров заказа, таких как что,
когда и в каких количествах заказывать. В реальных условиях цепь поставок это весьма
сложная система, поэтому её функционирование трудно и иногда даже невозможно
исследовать аналитическим путём. Для разработки таких систем хорошо подходит
имитационное моделирование. Целью моделирования является принятие обоснованных,
целесообразных управленческих решений. Компьютерное моделирование становится
сегодня обязательным этапом в принятии ответственных решений во всех областях
деятельности человека в связи с усложнением систем, в которых человек должен
действовать и которыми он должен управлять.
Simulation modeling of supply chain in AnyLogic
K. M. Makarova
Saratov State University, Saratov, Russia
The supply chain management plays an important role in the management of complex systems.
The most important is determination of the order parameters, such as what, when, and in what
quantities to order. In reality, the supply chain is a very complicated system, so its operation is
difficult and sometimes impossible to investigate analytically. For the development of such
systems is used simulation modeling. The purpose of modeling is to make informed and
appropriate management decisions. Computer simulation now is a mandatory step in making
responsible decisions in all areas of human activity with the increasing complexity of systems in
which people must act, and which he must manage.
Гибкость продукта AnyLogic дает возможность рассматривать процесс
управления цепочками поставок в совокупности с другими процессами,
такими, как стратегическое планирование, маркетинг, управление
персоналом,
позволяя
достигать
более
эффективных
решений.
Цель управления цепочками поставок состоит в объединении рынка сбыта,
системы распределения, производства и закупки таким образом, чтобы
клиенты обслуживались на более высоком уровне при одновременном
снижении затрат.
Наиболее сложным этапом, является процесс принятия решений, т.к.
необходимо проанализировать множество взаимосвязанных, часто
стохастических событий. Имитационное моделирование позволяет
полностью автоматизировать процесс управления цепочками поставок от
принятия решений до мониторинга их выполнения и документирования.
В данной работе было изучено влияние параметров управления запасами
в цепи поставок на её производительность с использованием метода
имитационного моделирования.
В данной имитационной модели представлены два основных агента. Вопервых, это дистрибьютор, т.е. фирма, осуществляющая оптовую закупку
товара у крупных промышленных производителей с целью последующего их
сбыта ритейлерам. И, соответственно, ритейлер – розничный продавец
товара. Дополнительным агентом является транспортное средство,
осуществляющее доставку товара от дистрибьютора к розничной точке.
В случае потребности в запасе розничная точка размещает заказ у
дистрибьютора, и заказ транспортируется в розничную точку. Розничная
точка формирует заказ при достижении определенного порогового уровня
запаса. Срок доставки зависит от расстояния между дистрибьютором и
розничной точкой. В модели используются следующие параметры: уровень
спроса (его значение генерируется нормальным распределением со
стандартным отклонением 18 и математическим ожиданием 80), текущий
уровень запаса (начальный уровень запаса равен 500 единицам товара) и
величина оптимального размера заказа (начальный уровень размера заказа
также равен 600 единицам). Также в системе происходит два вида событий:
а) каждый день запас уменьшается на величину спроса; б) если текущий
уровень запаса равен нулю, то выполняется пополнение запасов.
На графике ниже представлена динамика изменения уровня запаса в
зависимости от периода при заданных параметрах. Точками 1 – 5 показаны
моменты генерации спроса. «Скачки» в модели соответствуют этому уровню
спроса, равному 80. В 15 день работы модели текущий запас близок к нулю,
выполняется мгновенное пополнение запасов на величину, равную 600.
Таким образом, при уровне запаса 600 единиц и пороговом уровне
запаса 500 единиц наблюдаются следующие результаты:
- Издержки на хранение товара - 226 960 денежных единиц;
- Транспортные расходы - 30 941,125 денежных единиц;
- Общие расходы - 260 901,125 денежных единиц;
- На последнем шаге работы модели уровень запасов равен 438
единицам товара;
- За 100 дней работы модели наблюдается один случай возникновения
дефицита, т.е. когда спрос превышает уровень имеющегося запаса.
Рисунок 1
Динамика изменения уровня запаса
В пакете AnyLogic есть возможность проведения оптимизационного
эксперимента. В данной задаче с его помощью получилось найти значения
порогового уровня запаса и размер заказа при пополнении запаса, при
которых общие издержки были бы минимальны.
Запуская оптимизационный эксперимент, получаем следующий
результат: минимум функции общих издержек достигается при величине
размера заказа – 420 единиц и пороговом уровне запаса - 380 и равен
171 307,98 денежным единицам.
Таким образом, в ходе проведённого эксперимента стало возможным
сделать вывод о том, что построение имитационных моделей и проведение
оптимизационных экспериментов над ними чрезвычайно необходимо не
только в сфере логистики, но и практически в любой сфере экономики, так
как это позволяет снизить затраты и, что самое важное, определить наиболее
выгодные пути осуществления бизнеса.
СПИСОК ЛИТЕРАТУРЫ
1. Карпов Ю. Г. Имитационное моделирование систем. Введение в моделирование с
АnyLogic 5. – СПб.: БХВ-Петербург, 2009 – С. 400.
2. Бочкарев А. А. Планирование и моделирование цепи поставок: учебно-практическое
пособие. // Издательство «Альфа-Пресс», 2008 г. – С.132 – 156.
3. Толуев Ю.И. Применение имитационного моделирования для исследования
логистических процессов // Имитационное моделирование. Теория и практика: Сб. Второй
всероссийской научно-практической конференции – СПб.: ФГУП ЦНИИ ТС, 2005, с. 7176.