Transcript Uz imitācijas modeļiem balstītās loģistikas sistēmu modeļi

Uz imitācijas modeļiem balstītās
loģistikas sistēmu optimizācijas
metodes
Baiba Zvirgzdiņa
Transporta un sakaru institūts
20.04.2012
e-pasts: [email protected]
Saturs
1. Loģistikas sistēmu imitācijas modelēšana
2. Imitācijas modeļu optimizācija
3. Promocijas darba uzdevuma nostādne
2
1. Loģistikas sistēmu imitācijas modelēšana
3
Loģistikas sistēmas kā imitācijas modelēšanas objekti
Noliktavas
Ražošanas transporta sistēmas
Kravu pārkraušanas punkti
Pasažieru termināli
Iekšēja loģistika
Loģistikas
sistēmas
Ārēja loģistika
Materiāli-tehniskas
apgādes sistēmas
Piegāžu ķēdes
Produkcijas realizācijas sistēmas
Transporta uzņēmumu tīkli
Tirdzniecības uzņēmumu tīkli
Apkalpošanas sfēras uzņēmumu tīkli
4
Loģistikas sistēmas modelēšanas galvenais mērķis:
funkcionēšanas rādītāju novērtēšana
Modeļa ieejas dati
Resursu parametri
Ieejas plūsmu parametri
Telpiskā izvietojuma parametri
Vadības parametri
Novērošanas perioda parametri
Imitācijas modelis
Modeļa izejas dati
Loģistikas
Ražīguma un caurlaides spējas
rādītāji
sistēmas
funkcionēšanas
process
Resursu izmantošanas
efektivitātes rādītāji
Klientu apkalpošanas kvalitātes
rādītāji
Ekonomiskie rādītāji
5
Loģistikas sistēmu funkcionēšanas novērtēšanai
biežāk izmantotie rādītāju veidi
• dažādu tipu notikumu skaitītāji plūsmās un sistēmas
statiskajās komponentēs (plūsmā ienākošo objektu skaits,
transportlīdzekļa braucienu skaits utt.)
• stāvokļa raksturlielumu novēroto vērtību summu uzkrājēji
(ienākušās kravas kopējais apjoms, summārais ceļš, kuru
nobraucis transportlīdzeklis, utt.)
• resursu, kas paredzēti objektu apstrādes operāciju veikšanai
(darba iekārtas, transportlīdzekļi, strādnieki utt.), noslodzes
koeficienti (pēc laika)
• telpisku resursu ietilpības izmantošanas raksturlielumi
(noliktavu laukumi, konteineru telpa, kuģu tilpnes utt.)
• statistiskie dati par objektu gaidīšanas laiku dažādos
sistēmas punktos (automašīnu rindā, kas gaida muitas
kontroles punktā; pircēju rindā pie kases utt.), kā arī dati
par atbilstošo gaidīšanas rindu garumu
6
Loģistikas sistēmu imitācijas modelēšanas līdzekļi
Universālās imitācijas
modelēšanas
sistēmas procesiem
ar diskrētiem
notikumiem
AnyLogic
Arena
AutoMod
Enterprise Dynamics
ExtendSim
FlexSim
GPSS
Plant Simulation
ProModel
QUEST
Simul8
WITNESS
IT sistēmas piegāžu ķēžu
menedžmentam
Specializētas
imitācijas
modelēšanas
sistēmas, kas
orientējas uz
piegāžu ķēdēm
PRODISI
LogicNet Plus
Supply Chain Builder
SimFlex
J.T. Edward
e-SCOR
Value Chain Managenemt
Picaso
Extend/SDI
Insight
Supply Chain Guru
CAPS Supply Chain
Designer
i2 Strategist
Manugistics SC Suite
Logic Net
Synquest
7
Loģistikas sistēmu imitācijas modeļu piemēri
Iekšējas
loģistikas
modelis
Produkcijas
distribūcijas
tīkla modelis
8
2. Imitācijas modeļu optimizācija
9
Optimizācijas problēmas būtība
Sistēmas parametriska optimizācija ir tās darbības uzlabošana, kad maina tās
atsevišķu parametru x vērtības ar mērķi atrast tādu kopu, kas nodrošina sistēmas
labāku uzvedību
Matemātisko modeli veido ar mērķa funkcijas f (x ) palīdzību (dažreiz arī bez
ierobežojumiem), kuru maksimizē vai minimizē:
f ( x )  max (min )
xD
xD
Pieejamo vērtību apgabals D tiek noteikts ar lineāras vai nelineāras sistēmas
ierobežojumu palīdzību:
0
D  x q j ( x )  q j ; j  1, m
x
Sistēmas parametri
Sistēma
f (x )
Mērķa funkcija
10
Matemātiskais optimizācijas uzdevums ar
robežnosacījumiem
Uzdevuma sarežģītība ir atkarīga no kritērija veida
q j (x ), kas nosaka pieļaujamo apgabalu
f (x )
un no funkcijas
Funkcijas var būt lineāras vai nelineāras, nepārtrauktas vai pieņemt diskrētas
vērtības. Atkarībā no tā var risināt uzdevumus ar:
 Lineārās programmēšanas
 Nelineārās programmēšanas
 Izliektās nelineārās programmēšanas
 Kvadrātiskās programmēšanas
 Lineārās diskrētās programmēšanas
u.c. metožu palīdzību
11
Globālās optimizācijas metodes
Praksē bieži ir jāsastopas ar t.s. globālās optimizācijas uzdevumu
Globāli optimāla risinājuma meklēšanas algoritmu var izmantot:
1. risinot sistēmas struktūras optimizācijas uzdevumus
2. risinot sistēmā notiekošo procesu optimizācijas uzdevumus
Globālās optimizācijas metodes satur mehānismu, kas ļauj izkļūt no lokālajiem minimumiem.
Tiek lietoti heiristiski paņēmieni, lai meklētu jaunus pievilkšanās apgabalus
Daudzos praktiskos uzdevumos globālā optimuma atrašana ir nesamērojami dārga, tādēļ
nākas samierināties ar suboptimāliem risinājumiem
Viens no paņēmieniem ir tā saukto metamodeļu būvēšana un to optimizācija
Vispārīgā “melnās kastes” modeļa gadījumā globālā optimizācija tiek veikta bez zināšanām
par kritērija funkcijas virsmu, ko nosaka kritērijs un ierobežojumi
12
Globālās meklēšanas metodes
Globālās metodes var iedalīt:
Determinētās metodes:
1) uz punktu bāzētās metodes, kuras rēķina funkciju diskrētos
punktos, kā piemēram vispārējās nolaišanās metodēs
2) uz apgabalu bāzētās metodēs, kas aprēķina funkcijas
vērtības kompaktos apgabalos, kā piemēram pārklāšanas metodes
Stohastiskās metodes, balstās uz varbūtībām:
1) Gadījuma meklēšanas metodes pa taisni
2) Sadalīšanu pa apakškopām
3) Aizstāšana ar vissliktāko punktu
4) Evolucionēšanas algoritmi, ģenētiskie algoritmi
5) Tabu meklēšana (tiek ieviests tabu saraksts, kas satur
informāciju par meklēšanas vēsturi)
13
Metaheiristikas dažādās klasifikācijas
14
Imitācijas modeļa optimizācijas princips
Izpildot imitācijas eksperimentus pie modeļa ieejas parametru dažādām
kombinācijām var izpētīt sistēmas uzvedību un atrast tādas kombinācijas,
pie kurām tiek novērotas izejas rādītāju vislabākās vērtības
Ieejas parametri
Imitācijas
modelis
Izejas rādītāji
Optimizācijas
algoritms
15
Optimizācijas metožu pielietošana imitācijas modelēšanas
paketēs
16
3. Promocijas darba uzdevuma nostādne
17
Imitācijas modeļu tipi
Imitācijas modeļi
Mikroskopiskie modeļi
Diskrētu notikumu
imitācijas modeļi
Tiek novērotas
sistēmas stāvokļu
izmaiņas nepārtrauktā
laikā un diskrētu
notikumu plūsmas.
Modeļi ir sevišķi
izplatīti ražošanā un
loģistikā
Mezoskopiskie modeļi
Sistēmu Dinamiskie
modeļi
Uz aģentiem bāzētie
imitācijas modeļi
Tiek aprakstīta aģentu
tiešā uzvedība savā
starpā un netiešā
iedarbība uz vidi, kurā
aģenti dzīvo.
Aģenti: cilvēki,
uzņēmumi, projekti,
transportlīdzekļi,
pilsētas, dzīvnieki,
kuģi, produkti, u.c.
Makroskopiskie modeļi
Relatīvi jauna
modeļu klase.
Modeļi balstās
uz gabaliem
pastāvīgām
plūsmām.
Modeļa
dinamikas
princips:
Discrete Rate
Attēlo sistēmas
nepārtrauktu
funkcionēšanas
procesu diskrētā
laikā ar mērķi
saprast un attēlot
sistēmas uzvedību
ar kvantitatīvu un
kvalitatīvu modeļu
palīdzību
18
Promocijas darba ideja
loģistikas sistēmu mezoskopiskie modeļi
+
modeļu metaheiristika optimizācija
Laiks, ko nepieciešams veltīt imitācijas modeļu optimizācijai, ir atkarīgs no
četriem faktoriem:
1. no modeļa ātrdarbības
2. no modeļa dimensijām
3. no optimizācijas algoritma efektivitātes
4. no pieprasītā tuvinājuma absolūtajam optimumam kārtas
Promocijas darba ietvaros tiek plānots izpētīt šo faktoru ietekmi uz loģistikas
sistēmu mezoskopisko modeļu optimizācijas procesiem
19
Paldies par uzmanību!
20