Цех внепечной обработки медного производства – отличный пример производства с множеством ограничений и зависимостей, которые требуют применения имитационного моделирования при принятии решений. Традиционный процессно-ориентированный подход предполагает использование многочисленных локальных оптимизационных правил моделирования производственных операций. Например, каждый раз, когда модели требуется принять решение, куда транспортировать ковш с горячим металлом, она ищет ближайший доступный конвертор, который может принять металл. Использование такого подхода к моделированию производства меди ведет к безвыходным ситуациям, таким как наличие слишком большого количества богатой массы и отсутствию доступных конверторов для ее переработки.
Для решения этой проблемы мы разработали планировщик — отдельный модуль, который генерирует сбалансированное расписание основных производственных процессов используя итеративный алгоритм с пошаговым ослаблением ограничений. Расписание передается в имитационную модель, которая воспроизводит производственные операции, пытаясь придерживаться расписания. Имитационная модель учитывает крановую логистику, ограничение количества ковшей, колебания длительностей производственных операций и множество других аспектов. Если модель начинает отставать от плана, она запрашивает у планировщика перепланирование – генерирование нового расписания исходя из текущего состояния производства. Такое взаимодействие планировщика и имитационной модели позволяет сформировать реалистичный план работы производственных агрегатов, который удовлетворяет большинству ограничений и зависимостей производственного процесса.
Имитационное моделирование – это стандарт де-факто для среднесрочного и операционного планирования в горнодобывающей области. Имитация отлично справляется с планированием операций горной добычи, при котором необходимо учитывать взаимодействие горной техники, пересекающиеся графики сервисных операций, сложную топологию и геологию подземных горных выработок, а также ограниченную вместимость бункеров и пропускную способностью конвейеров.
Как только создана модель, которая учитывает сотни параметров и разнообразные типы оборудования, возникает необходимость использования данных из различных источников. Актуальной становится задача ввода, поддержания и обновления этих данных. Топология шахты, например, меняется ежедневно, что осложняет применение имитационной модели на регулярной основе. В связи с этим у ведущих мировых горнодобывающих компаний возникает запрос на интегрированные имитационные системы с понятным пользователю интерфейсом, способные поддерживать принятие решений на всех временных горизонтах – от оперативного до стратегического. Именно этим путём пошёл второй по объёмам добычи в мире производитель никеля.
Рынок мобильных устройств характеризуется небольшим временем жизни продуктов, быстрой сменой предпочтений покупателей, низкой точностью прогнозирования спроса, но очень высокой стоимостью запасов. Средства, «замороженные» в запасах, могут существенно ухудшить финансовые показатели компаний. В проекте ставилась задача предложить алгоритмы планирования запасов готовой продукции, позволяющие уменьшить зависимость уровня запасов от точности прогноза. Имитационная модель использовалась для тестирования предлагаемых алгоритмов пополнения, демонстрации заказчику эффекта от использования алгоритмов и сравнения результатов, достигнутых с помощью предложенного алгоритма, с реальными данными прошлых периодов.
Крупнейшая российская нефтегазовая компания планирует развернуть сеть нефтедобывающих платформ в Северном Ледовитом океане. Обеспечение работы арктических буровых платформ требует большого количества логистических операций:
В 2013 году наша команда разработала имитационную модель подземных калийных рудников для консультационного проекта компании Эрнст энд Янг (EY). Имитационная модель создавалась для поиска последовательности выполнения производственных операций, обеспечивающей максимальную производительность горной выработки.
Оперативные перепланирования производства на сборочном конвейере приводят к незапланированному потреблению комплектующих, которое должно компенсироваться страховым запасом. При этом сложность расчета страхового запаса обусловлена, главным образом, большим количеством конфигураций автомобилей (29 признаков конфигурирования) и сложностью структуры конфигурируемых изделий (более 3 млн записей в полной спецификации всех конфигурируемых изделий).
Дистрибуция продуктов и товаров массового потребления – низкомаржинальный бизнес, особенностями которого являются большие объемы движения товаров и значительная доля логистических издержек в структуре расходов. Поэтому для компаний, работающих в этой сфере, важна эффективность процессов планирования и управления запасами.
Перед проектной командой ставились следующие задачи:
При моделировании пополнения запасов учитывались следующие факторы: