© Дарья Замятина, группа э602, ЭФ МГУ
В статье рассматривается логистическая система, для описания логистических потоков которой создаются коридоры, связывающие порты поступления и внутренние территории, где эти товары реализуются. При этом для осуществления оптимизации потоков товаров необходимо структурировать задачу, определив параметры территории, на которой осуществляются логистические поставки, и описать агентов. Децентрализованное принятие решения агентами позволяют создать достоверную логистическую систему несмотря на ряд существующих ограничений. Целью статьи является воссоздание этой логистической системы на основе симуляций.
Для построения модели авторы описывают основные факторы, влияющие на систему на микроуровне. В дальнейшем, с помощью агент-ориентированной модели данная система описывается, динамика модели изучается с помощью графов.
Логистическая система связывает порт, куда прибывают товары, и внутренние районы страны, куда товары должны быть доставлены в соответствии с «семью П» логистики: правильное время, правильное место, правильное количество, правильное качество, правильная цена, правильные условия, правильные потребители. Основные участники этой логистической цепочки – импортеры, экспортеры, транспортные компании, администрация портов, представители ритейла, которые участвуют в управлении товарными потоками, принимая децентрализованные решения. Таким образом, модель должна описывать логику этой логистической цепочки поставок с учетом возникающих между участниками логистического процесса отношениями.
Авторы опираются на разработанные модели (SMILE – Strategic Model for Integrated Logistics), в которых распределение товарных потоков осуществляется между множеством компаний, которые представляют различные регионы страны, при этом в некоторых из этих моделей вводятся центры дистрибуции, через которые товарные потоки проходят.
Другой моделью, на которую опираются авторы, является модель FAME (Freight Activity Microsimulation Model). Данная модель учитывает дезагрегированный характер принятия решения акторов, и строится на основе реальных наблюдений.
Авторы предлагают разбить логистическую цепочки на три части: порт, точка реализации и связующее звено. Порт характеризуется большими потоками товара. В то же время, эти потоки могут быть стандартизированы вследствие фиксированного размера контейнерных морских перевозок, а также существующего расписания прибытия морских судов. В противопоставление морским перевозкам, наземные перевозки характеризуются небольшими, но многочисленными потоками. При этом поставки осуществляются в конкретный момент времени.
Основные акторы логистической цепочки
1. Логистическая система порта
Поток товаров осуществляется в соответствии с заключенным между импортером и зарубежной компанией договором, обговаривающим размер, цену, срок поставки.
- Экспедитор (freight forwarder) – представляет интересы потребителя и организовывает перевозку товара.
- Международная транспортная компания (international transporter) – взаимодействие с экспедитором.
- Владелец судна (ship-owner) – осуществляет грузовую перевозку.
При этом транспортные издержки возлагаются на владельца судна и экспедитора, и зависят от расстояния и параметров груза. Также важно учитывать тот эмпирический факт существования задержки поставок, которую сложно предсказать математически вследствие сложности системы формирования расписания судов.
2. Связующее звено
- Логистическая компания (Logistic service provider) – которая помогает экспедитору оптимизировать и организовать логистику поставки с учетом хранения, перевозки и прочих операций.
Данные компании распределяют грузы между имеющимися товарными складами, создает систему перераспределения товаров между складами в соответствии с потребностями дальнейшей поставки.
3. Логистика городских территорий
- Магазины, фабрики – участвуют в конечном распределении товаров.
К особенностям данной системы можно отнести сравнительно небольшие размеры складов вследствие высоких цен на недвижимость в городе, что может побудить акторов данной части логистической цепочки перенаправлять товарные потоки в склады за пределами городов. При этом частота таких транспортировок возрастает. Одновременно, это приводит к возрастанию потребности доставки точно в срок, чтобы избежать перегрузки складов.
Таким образом, в случае задержки поставок в морской порт, логистическая компания может организовать поставку товара из пригородных складских помещений, что требует оптимизации расположения складов и потоков.
Инфраструктура логистической системы
Инфраструктура логистической системы может быть представлена инфраструктурой порта, при этом важно понимать такую особенность, что суда могут перевозить значительные объемы товаров, что экономит транспортные издержки, однако, сложно управлять точным временем поставки. Порты связаны с другими транспортными путями.Важно понимать, что скорость погрузки и разгрузки может зависеть от ряда показателей. При этом данное время также следует учитывать.
Инфраструктура связующего звена может быть представлена дорогами, железными дорогами и речными путями. При этом речные баржи также, как морские суда могут перевозить значительные объемы товаров.
Железнодорожный транспорт имеет ряд ограничений, однако, с точки зрения моделирования бывает сложно учитывать отдельные вагоны, и моделируется поезд целиком.
Другие наземные перевозки обладают тем недостатком, что могут быть перевезены незначительные по размерам партии, в то же время, эти партии могут быть доставлены практически в любую точку внутренних территорий страны.
Инфраструктура точки реализации
Инфраструктура точки реализации может быть представлена складами, центрами дистрибуции и другими логистическими объектами. При это авторы разделяют в зависимости от функций склады и дистрибуторские центры: в отличие от складов, которые просто аккумулируют товары, центры участвуют в перераспределении поступающих потоков. Логистические объекты осуществляют самые масштабные операции, включающие консолидацию товарных потоков, сортировку, упаковку или разгрузку, проверку качества и другие предзаказные операции.
Дополнительно следует отметить, каким образом авторы подходят к характеристике товара. Товары могут быть гетерогенны, однако, общее для всех товаров – это объем и вес поставки, что определяет стоимость транспортировки. Также на моделирование потока товаров могут повлиять налагаемые ограничения – условия хранения товаров, транспортировки и прочие условия.
Таким образом, всю логистическую систему можно приставить на рисунке 1.
Рис. 1. Логистическая цепочка с точки зрения агентов и инфраструктуры
Определение агентов и динамических графов
В основе агент-ориентированного моделирования в логистике лежит представление об агентах как о системе независимых предприятий. При этом данные агенты имеют собственность, отличаются индивидуальным поведением и возможностями с точки зрения участия в системе, а также могут взаимодействовать с другими агентами. Подобный подход позволяет описать систему с гетерогенными агентами, которая порождает многообразие взаимодействий между этими агентами.
Динамический граф представляет собой математическую фигуру, состоящую из вершин и дуг. С помощью графов моделируются взаимоотношения между агентами системы, а также представляют транспортную сеть. При этом авторы адаптируют классический подход к моделированию графов для того, чтобы учесть динамическую составляющую процесса. В этом случае динамический граф определяется как поток событий, генерирующихся процессом, который может использовать данные события для итеративного обновления графа.
Моделирование логистической системы
Агент-ориентированный подход позволяет учесть основные характеристики и ограничения, накладываемые на агента, а также динамику среды. При этом авторы моделируют как агентов и основных актров, и инфраструктуру (см. рис.2). Важно отметить, что модель отвечает реальным стратегиям агентов, которые зависят от типа товара, и учитывается, что два агента могут выбирать различную инфраструктуру для доставки товара. Динамика графа проявляется за счет того, что в процессе взаимодействия агенты могут оценить его эффективность и менять контрагентов.
Рис. 2. Представление взаимодействия между агентами с помощью графа
Проведение симуляций
В качестве кейс для симуляций была выбрана инфраструктурная развязка на реке Сена (см.Рис.3).
Рис. 3. Логистическая система на реке Сена, Франция
В модели используются 4 типа агентов: производитель товаров, склады (3000 агентов), логистические компании (2200 агентов), конечные пользователи (ритейлеры или фабрики, 7700 агентов). Производитель товаров связан с несколькими крупными складами, крупные склады связаны с местными складами, которые, в свою очередь, связаны с конечными пользователями (графическое представление см. рис. 4).
Рис. 4. Карта взаимосвязей агентов
Авторы задают несколько стратегий для агента «логистическая компания», который определяет потоки товаров. У данного агента присутствует ряд стратегий выбора складских помещений, которые могут зависеть от местонахождения конечного пользователя, а могут выбираться рандомно, а также стратегия пополнения складов.
С помощью генераций реальных данных авторы получили две модели (рис.5), которые описывают ситуацию на первый и на 80-ый день. Различие между моделями заключается в использовании разной стратегии пополнения складов в зависимости от порогового уровня остатков товара на складе.
Рис. 5. Результаты симуляций
Результаты можно интерпретировать следующим образом: снижение порога восполнения запасов оставляет недостаточно времени на их восполнение для логистических компаний, что приводит к тому, что их стратегии становятся менее гибкими и эффективными, а продукты менее доступными для конечного пользователя.
Таким образом, в статье рассматривается логистическая модель поставок от производителя товаров до конечного пользователя. Авторы учитывают принципы работы логистической системы, а также позволяет осуществлять процесс принятия решения. При этом проведенные симуляции на основе разработанной модели позволяют получить реалистичные результаты, а также сделать выводы относительно эффективности задаваемых стратегий.
Более подробно: [Demare T. Bertelle C., Dutot A., Lévêque L. Modeling logistic systems with an agent-based model and dynamic graphs // Journal of Transport Geography, Volume 62, June 2017, Pages 51-65].