Что такое имитационное моделирование и как оно работает в логистике

Вы можете нажать на кнопку и увидеть, сколько денег будет приносить продукт, который только на стадии MVP. Добро пожаловать в мир цифровых двойников. Сегодня расскажем, как в нём разобраться.

Имитационное моделирование — это не просто красивая 3D-модель. Это точная цифровая копия вашего бизнеса, учитывающая все процессы, ресурсы и внешние факторы.

За счет получения виртуального слепка реальной среды, по сути, безрисковой песочницы.

«Безрисковая песочница» в контексте имитационного моделирования означает виртуальную среду, где можно безопасно экспериментировать с различными сценариями и изменениями без риска для реального бизнеса или процесса.

Цифровые двойники позволяют ответить на главный вопрос любого управленца: «Что если?»

И это только начало. Цифровые двойники активно внедряются в:

Компании создают цифровые копии всего: от отдельных производственных линий до целых месторождений и логистических сетей, а также интерфейсы управления ими.

Главное преимущество цифровых двойников — возможность проводить эксперименты там, где раньше это было невозможно или запредельно дорого.

Хотите проверить, как будет работать новая конфигурация нефтеперерабатывающего завода? Раньше это требовало миллиардных инвестиций и годов строительства. Теперь — нескольких недель работы с цифровой моделью.

Самый эффективный способ применения цифрового двойника — это сценарный анализ, то есть проведение экспериментов на двойнике.

Это система поддержки принятия решений в области планирования морской логистики на основе имитационного моделирования, разработку которой «корпорация» вела совместно с нами, Adeptum. Отличие этой системы в том, что она функционирует на разработанном под задачу ПО, которое проектирует визуальную часть и состоит из веб-приложения с интерфейсами, движком имитационного моделирования и BI-аналитикой. Всё в одном окне.

По итогам внедрения скорость планирования увеличилась на 85%, а вероятность допустить ошибку в расчетах из-за человеческого фактора снизилась сразу на 95%. Также цифровое решение было признано лучшим для отрасли нефтегаза и получило престижную премию ComNews.

Первым делом мы погрузились в изучение бизнес-процессов. Склады и офисы диспетчеров, анализ их работы и длинные диалоги с другими сотрудниками. Это помогло понять, как на самом деле функционирует система доставки.

Затем началась работа над концептуальной моделью. Мы реализовали схему, включающую основные элементы: центральный склад, сеть мелких складов, флот грузовиков разной вместимости, клиентов и маршруты доставки. Также отметили ключевые процессы: приём заказов, комплектацию, погрузку, доставку и разгрузку.

Следующим шагом была разработка математической модели. Это самая непростая часть. Мы переводили все элементы и процессы в язык математики, то есть использовали методы линейного программирования для оптимизации маршрутов и теорию очередей для моделирования процессов на складах. Целевой функцией мы выбрали минимизацию общих затрат при сохранении высокого уровня обслуживания.

Когда математическая модель была готова, началась её программная реализация. Потребовалось несколько недель интенсивного кодирования, чтобы перевести все формулы и алгоритмы в работающую программу.

Параллельно с этим мы разрабатывали веб-интерфейс, чтобы сделать модель доступной. Мы создали удобные формы для ввода данных о заказах, характеристиках транспорта и складов. Также добавили визуализацию результатов в виде графиков и карт.

В созданном веб-сервисе мы задали такие технические характеристики как показатели флота, портов, складов; параметры как фиксированных, так и переменных затрат на транспортировку, погрузку и т.д.

Веб-сервис в данном контексте — это онлайн-платформа или приложение, созданное для работы с имитационной моделью. Это интерфейс, через который пользователи могут взаимодействовать с моделью, вводить данные и просматривать результаты.

Он выстраивает весь сложный процесс доставки ресурсов на платформы и просчитывает параллельный многонитевой процесс с учётом возможных перебоев, поломок техники и любых других случайных факторов.

Запустили модель в интерфейсе, и начали процесс имитации. Объект морской логистики «работает» виртуально, и тут наблюдаем, как изменяются различные показатели во времени. Модель учитывает временные задержки на каждом отдельном участке цепочки, и пользователь видит весь процесс в динамике.

Для получения более полной картины провели несколько прогонов модели, каждый из которых соответствует определенной гипотезе или сценарию. В каждом прогоне меняли один или несколько входных параметров.

Так мы изучали влияние на систему. Изменяя входные данные, экспериментировали с разными сценариями и выбирали оптимальный план. Например, заметили, что при увеличении объёма баржи, снижается общее количество рейсов.

После завершения прогонов модели проанализировали результаты. Так мы сравнили разные прогнозы развития системы и выбрали тот, который соответствует потребностям и ожиданиям управленцев или собственников морской логистики. Внутри сервиса есть собственная BI-система для выдачи результатов.

Когда нашли оптимальный план доставки — реализовали его на практике. Аналогичный подход для оптимизации может быть применён и в других бизнес-процессах компании с помощью адаптации имитационной модели или создания новой.

Но есть ли у такого подхода подводные камни?

Имитационные модели учитывают множество параметров системы и взаимосвязи между ними, воссоздают работу системы во времени.

Имитационная модель — это безопасный полигон для любых экспериментов. Мы можем менять настройки и параметры, чтобы оценить их влияние, не рискуя нарушить работу реального продукта.

Анализируя поведение системы в разных условиях, отбираются оптимальные параметры и сценарии функционирования для реального продукта.

По сравнению с натурными испытаниями сложных технических систем, имитационное моделирование позволяет экономить от десятков миллионов до миллиардов рублей. Конечно, в зависимости от масштаба системы.

По нашим оценкам, экономия на этапе верификации и валидации может достигать 20-30% от общего бюджета проекта.

Для построения адекватно работающей модели нужны высококвалифицированные разработчики, качественная аналитика, консалтинг и много исходных данных о системе.

Чем сложнее объект моделирования, тем больше вам нужно знаний и вычислительных мощностей для разработки и расчетов модели.

Результаты работы модели очень сильно зависят от полноты и правдивости данных о моделируемой системе.

При внедрении модельных рекомендаций на практике могут возникнуть непредвиденные проблемы из-за факторов, неизвестных на этапе построения модели.

Главное — итеративный подход. Постоянно добавляйте детализацию, отслеживайте эффект от внедрения и корректируйте модель.

Цифровые двойники позволяют экспериментировать с моделями сложных систем в виртуальной среде, не рискуя реальными активами. Наш опыт показал, что продукт снижает издержки на 15-20% и повышает скорость планирования в разы.

Российский разработчик программного обеспечения для корпораций в нефтегазе, логистике и финтехе. Компания создает ИТ-решения, веб- и десктопные приложения, цифровые двойники, AI/ML, а также автоматизирует процессы в крупных организациях, деятельность которых влияет на качество жизни миллионов людей.

В 2024 году компания заняла первые места в Рейтинге Рунета, в категориях «Корпоративные решения/ПО под ключ» и «Автоматизация транспортной и авиационной логистики».