Применение имитационного моделирования
Имитационное моделирование не требует какой-то особенной специфики данных или проблемы работы. Оно может быть применено во многих сферах бизнеса и позволяет оценить нынешнее состояние системы и влияние на не внедряемых изменений. Аналогично и рассматриваемой проблемы, с помощью моделирования можно построить модель сети железнодорожных грузоперевозок на припортовые станции исходя из данных, которые были получены от РЖД. С помощью имитационного моделирования автор преследует цель решить следующие задачи:
Построить модель транспортной сети региона, в котором расположены припортовые станции и оценить параметры функционирования системы в том виде, в котором она представлена сейчас;
Смоделировать внедрение в сеть сухого порта или логистического центра и оценить, как данное изменение повлияет на эффективность сети.
-
Модель Северо-Кавказской железной дороги
Участком сети, рассматриваемой в работе в дальнейшем, будет являться Северо-Кавказская железная дорога. Данная дорога была выбрана так как на ней расположены один из крупнейших российских портов в городе Новороссийск и потому что туда отправляются все виды грузов, транспортируемых по железнодорожной сети. Узлами сети были выбраны припортовые станции, расположенные на дороге. Информация об узлах транспортной сети и объемах перевозимых грузов за период с декабря 2015 года по март 2016 года была взята из данных, полученных из компании (см. Таблицу 6). Для моделирования использовалась программа Anylogic версии 7.3.1.
Таблица 6 Данные о станциях Северо-Кавказской ж/д
Название станции
|
Регион
|
Грузооборот за период (вагоны)
|
Махачкала
|
Республика Дагестан
|
1128
|
Туапсе
|
Краснодарский край
|
197367
|
Новороссийск
|
Краснодарский край
|
400371
|
Грушевая
|
Краснодарский край
|
115291
|
Темрюк
|
Краснодарский край
|
20192
|
Вышестеблиевская
|
Краснодарский край
|
94622
|
Кавказ
|
Краснодарский край
|
18169
|
Ейск
|
Краснодарский край
|
15106
|
Таганрог
|
Ростовская область
|
12770
|
Азов
|
Ростовская область
|
14264
|
Заречная
|
Ростовская область
|
9214
|
Кизитеринка
|
Ростовская область
|
3316
|
Усть-Донецкая
|
Ростовская область
|
217
|
С помощью программного обеспечения узлы были расположены на карте (см. Приложение 12). Anylogic позволяет использовать настоящие карты и настоящие железнодорожные магистрали, что позволяет визуально оценить как перемещаются грузы. Станции, с которых отправлялся груз не учитывались, так как целью работы является достижение равномерной доставки на станции назначения и в связи с этим рассматриваются только данные об объемах прибывающих грузов; время доставки считается постоянным и не значимым для работы. Далее, для моделирования нынешнего состояния системы были использованы также данные об объемах групп грузов, поступающих на станции (см. Таблицу 7). Всего для моделирования использовалось 9 номенклатур грузов, которые в сумме составляют 98% всего грузооборота за период. Объем перевозок остальных групп грузов незначителен. В модели также было учтено, какой объем каждой группы грузов был отправлен на какую станцию за период.
Таблица 7 Объем погрузки номенклатур грузов
Номенклатура груза
|
Объем погрузки за период (вагоны)
|
Лесные грузы
|
13478
|
Черные металлы
|
167380
|
Каменный уголь
|
90957
|
Зерно
|
85783
|
Химикаты и сода
|
11889
|
Химические удобрения
|
35034
|
Нефть и нефтепродукты
|
438372
|
Железная и марганцевая руда
|
29134
|
Грузы в контейнерах
|
10606
|
В итоге была получена имитационная модель, в которой были отражены припортовые станции, группы грузов и объем их суточной погрузки на припортовых станциях. Данные объемы были смоделированы исходя из законов распределения, которые были заранее проверены. Для групп грузов, суточной объем погрузки которых не попадал ни под один закон распределения, было использовано эмпирическое распределение. Распределение грузов по станциям назначения было также взято из данных за обозначенный период (соответственно, какая доля от всего объема погруженных грузов определенной номенклатуры отправлялась на ту или иную станцию). Для проверки модели, она была запущена на период, аналогичный периоду, за который имеются данные, а именно 122 дня. Полученные результаты представлены в Таблице 8 (значения погрузки на некоторых станциях скорректированы, с учетом того, что в модели рассмотрены не все номенклатуры грузов; на большинстве станций обрабатываются только те группы грузов, которые рассмотрены в модели). Архитектура модели в программе Anylogic представлена в Приложении 13. Как видно, полученные значения суточной погрузки как номенклатур грузов, так и на припортовых станциях, практически аналогичны эмпирическим данным, что говорит о том, что модель корректна. Следовательно, на ней можно в дальнейшем проверять влияние изменений, которые автор будет вносить для решения управленческой проблемы.
Таблица 8 Значения, полученные после моделирования
Номенклатура груза/припортовая станция
|
Эмпирические данные
|
Объем погрузки (вагоны)
|
Отклонение от эмпирических данных
|
Лесные грузы
|
13478
|
12200
|
9%
|
Черные металлы
|
167380
|
169600
|
1%
|
Каменный уголь
|
90957
|
89900
|
1%
|
Зерно
|
85783
|
86100
|
0%
|
Химикаты и сода
|
11889
|
10780
|
9%
|
Химические удобрения
|
35034
|
35110
|
0%
|
Нефть и нефтепродукты
|
438372
|
448400
|
2%
|
Железная и марганцевая руда
|
29134
|
26300
|
10%
|
Грузы в контейнерах
|
10606
|
10600
|
0%
|
Махачкала
|
1128
|
1200
|
6%
|
Туапсе
|
193420
|
193600
|
0%
|
Новороссийск
|
392364
|
389800
|
1%
|
Грушевая
|
115291
|
116200
|
1%
|
Темрюк
|
19788
|
18200
|
8%
|
Вышестеблиевская
|
94622
|
97200
|
3%
|
Кавказ
|
18169
|
19200
|
6%
|
Ейск
|
14800
|
15000
|
1%
|
Таганрог
|
12770
|
11700
|
8%
|
Азов
|
14264
|
15200
|
7%
|
Заречная
|
9214
|
9300
|
1%
|
Кизитеринка
|
3250
|
2800
|
14%
|
Усть-Донецкая
|
217
|
210
|
3%
|
Всего
|
882633
|
888990
|
0,7%
|
Графики суточной погрузки на припортовых станциях согласно имитационной модели представлены в Приложении 14 и Приложении 15 (не представлены станции Кизитеринка, Махачкала и Усть-Донецк ввиду малых объемов; станция Новороссийск вынесена отдельно). На них, как и на графиках погрузки по эмпирическим данным, видно, что погрузка осуществляется неравномерно, что в дальнейшем необходимо исправить. Также, была проведена проверка гипотез о законах распределения суточной погрузки на припортовые станции по данным, полученным в результате моделирования. Результат показал, что только на пяти станциях объем погрузки распределен согласно нормальному закону, а на семи никакого закона распределения не было. Это говорит о том, что суточный объем погрузки на этих станциях не равномерен.
-
Моделирование Северо-Кавказской железной дороги с установкой логистического центра
На основе модели, описанной в предыдущем параграфе, была создана аналогичная модель, но было добавлено новое звено – логистический центр. Он был расположен в разных местах и, в зависимости от расположения, соответствовал концепции сухих портов, находящихся на отдалении от порта или близко к порту. Были смоделированы ситуации добавления одного центра, который бы осуществлял работу со всеми припортовыми станциями Северо-Кавказской железной дороги и одного центра, который работал бы с некоторыми станциями.
Для начала рассмотрена модель с внедрением большого логистического центра, в который бы поступали все грузы, следующие на порты, расположены в регионе Северо-Кавказской железной дороги и с которого они бы далее отправлялись на станции назначения. Для этого в исходную модель было добавлено дополнительное звено (модель в Anylogic представлена в Приложении 16), а после этого оценены полученные данные об объемах погрузки на припортовых станциях (кроме станций Кизитеринка, Махачкала и Усть-Донецк ввиду их очень малой загруженности). Графики суточной погрузки представлены в Приложении 17 и Приложении 18 (только припортовая станция в Новороссийске так как объема погрузки на ней не сопоставимы с другими станциями). Даже на графиках видно, что объем погрузки стал значительно более равномерным, но, чтобы оценить изменения более точно, был проведен анализ распределений случайных величин, которыми в данном случае также выступал объем погрузки на станцию. Для этого были проверены гипотезы о виде распределения. Анализ показал, что практически на всех станциях, суточный объем погрузки распределен согласно нормальному закону, что говорит о том, что говорит о том, что с высокой вероятностью можно ожидать погрузку в объеме, расположенном в некоем узком диапазоне значений, что говорит о равномерности прибытия. На двух станциях не подтвердились гипотезы о нормальном распределении (станции Азов и Таганрог), но также была отмечена высокая частота попадания значений в узкий интервал. То есть, результаты лучше, чем в модели, описывающей нынешнюю ситуацию, и основная цель была достигнута, управленческая проблема решена.
Далее, была протестирована модель с логистическим центром, который бы работал со всеми станциями, кроме Новороссийска. Именно такой был вариант был принят на рассмотрение так как Новороссийский порт наиболее важный в регионе и, возможно, было бы выгоднее направлять грузы, отправляющиеся с него на экспорт, напрямую, минуя логистический центр. Остальные же станции менее важны и объемы перевозок на них существенно ниже. При этом, на них погрузка менее равномерна. То есть для них, внедрение логистического центра могло бы увеличить эффективность. Была построена модель в Anylogic (см. Приложение 19) и были собраны данные об объемах суточной погрузки на припортовые станции (см. Приложение 20 и Приложение 21). Далее были проверены гипотезы о виде распределения случайной величины. В итоге на всех станциях, кроме трех (Азов, Ейск и Таганрог) наблюдался нормальный закон распределения. Чтобы выбрать модель с логистическим центром из двух проверенных, были сравнены значения среднеквадратического отклонения суточных объемов погрузки (см. Таблица 9). На 6 станциях лучший результат был показан в модели с общим логистическим центрам. На двух станциях (Азов и Таганрог) в обоих случаях не было нормального распределения, так что результат не показателен. Еще на одной станции (Ейск) в модели с общим логистическим центром результат хуже, но имеется нормальное распределение, что говорит в его пользу. То есть, модель с общим логистическим центром более эффективна. Также, наибольшее различие между моделями отмечено на станциях, на которых объемы погрузки наибольшие (Вышестеблиевская, Новороссийск и Туапсе), что также говорит в пользу первой модели.
Таблица 9 Сравнение СКО для двух моделей с логистическим центром
Станция
|
СКО с единым лог. центром
|
СКО с лог. центром для всех станций кроме Новороссийска
|
Азов
|
51,2 (нет распределения)
|
48,9 (нет распределения)
|
Вышестеблиевская
|
135,5
|
161,2
|
Грушевая
|
159,2
|
159,8
|
Ейск
|
58,6
|
45 (нет распределения)
|
Заречная
|
34,8
|
41,6
|
Кавказ
|
51
|
62,4
|
Новороссийск
|
405,7
|
446,5
|
Таганрог
|
45,6 (нет распределения)
|
45 (нет распределения)
|
Темрюк
|
63,2
|
55,6
|
Туапсе
|
239,4
|
273,4
|
Соответственно, если рассматривать вариант размещения логистического центра на Северо-Кавказской железной дороге, то необходимо делать его достаточно большим, чтобы он мог работать со всеми припортовыми станциями и грузами. Установка центра, который бы не обслуживал Новороссийск также позволит достичь равномерной погрузки на большинстве станций, но эффект не такой сильный.
|
