разработка сценариев проекта на основе имитационного моделирования. вкр ажигов работа. Цели и задачи

• Название: Цели и задачи
• Анкор: разработка сценариев проекта на основе имитационного моделирования
• Дата: 07.02.2022
• Размер: 0.79 Mb.
• Имя файла: вкр ажигов работа.docx
• Тип: Анализ; #354571
• страница: 1 из 4

ВВЕДЕНИЕ

На сегодняшний день все больше и больше компаний сталкиваются с необходимостью полной перестройки, или реинжиниринга бизнес-процессов для повышения устойчивости и конкурентоспособности в условиях глобализации мировой экономики и усложнения характера хозяйственной деятельности. Очевидно, что реижениринг требует тщательно разработок в методологических основах и применениях формальных методов для ее разработки с целью уменьшения отрицательных последствий неверных управленческих решений. Только при разработке имитационной модели бизнес процессов можно повысить эффективность работы компании. Анализируя эффективность модели, нам необходимо выявить проблемы, необходимость и суть решения, критерий выбора решения, заинтересованных лиц, альтернативные действия. Необходимо знать о различных подходах моделирования бизнес процессов компании, чтобы принятое решение было наиболее эффективным.

ЦЕЛИ И ЗАДАЧИ

Целью выпускной квалификационной работы является создание имитационной модели бизнес процессов компании, анализ ее эффективности и внесение соответствую корректив, а также основные определения и понятия, с ней связанные. В частности, предметом исследования являются следующие методы:

• 
  Имитационное моделирование
  
• 
  Агентное моделирование 
  
• 
  Дискретно-событийное моделирование 
  
• 
  Системная динамика
  

Результатом работы будет являться разработка имитационной модели бизнес процессов компании и ее полный анализ.

Задачи выпускной квалификационной работы:

1. 
   Выявление характеристик и особенностей данных методов
   
2. 
   Анализ причин необходимости данных методов
   
3. 
   Создание первичной модели по одному из данных методов, выявление недостатков текущей модели, ее оптимизация и ее оценка
   

Актуальность

Создание имитационной модели бизнес процессов является одной из наиболее сложных проблем в теории и практике моделирования. 
В дипломной работе приведены различные аспекты моделирования различных альтернатив и соответствующие методы прогнозирования и анализа эффективности модели, которые повышают конкурентоспособность предприятия в современных условиях постоянно

развивающихся рынков.

ГЛАВА 1. ТЕОРИЯ ИМИТАЦИОННОГО МОДЕЛИРОВНАИЯ

Основные понятия и определения

Моделирование — исследование объектов познания на их моделях; построение и изучение моделей реально существующих объектов, процессов или явлений с целью получения объяснений этих явлений, а также для предсказания явлений, интересующих исследователя. [1]

Имитационное моделирование (ситуационное моделирование) — метод, позволяющий строить модели, описывающие процессы так, как они проходили бы в действительности. Такую модель можно «проиграть» во времени как для одного испытания, так и заданного их множества. При этом результаты будут определяться случайным характером процессов. По этим данным можно получить достаточно устойчивую статистику.[3]

Само понятие имитационное моделирование появилось в середине 50ых годов ХХ века, когда начали появляться первые ЭВМ, а сами предприятия разрастаться очень быстро. Моделирование нужно для того, чтобы рассмотреть большое предприятие с различных сторон и оценить его возможности. Имитационную модель обычно строят тогда, когда:

• 
  Эксперименты на действующем объекте дороги по своей стоимости или невозможны изначально
  
• 
  Аналитическую модель невозможно выстроить по нескольким причинам -  в системе присутствует время, причинные связи, различные последствия и нелинейности, стохастические (случайные) переменные
  
• 
  Существует потребность в моделировании поведения системы на протяжении промежутка времени
  

Основная цель имитационного моделирования состоит в том, чтобы описать поведение исследуемой модели (системы), ссылаясь на результаты статистических анализов наиболее важных связей между её частями или, другими словами, — разработке симулятора исследуемой предметной области для проведения различных исследований над ней.

Имитационное моделирование позволяет наблюдать за поведением системы с течением времени, причём преимуществом является то, что самим временем в модели можно управлять: замедлять в случае с быстропротекающими процессами и ускорять для моделирования систем с медленной изменчивостью. Можно имитировать поведение тех объектов, реальные эксперименты с которыми дороги, невозможны или опасны. С наступлением эпохи, когда персональные ЭВМ не являются признаком сверх достатка. Создание сложной и уникальной продукции, как правило, сопровождается компьютерным 3D-имитационным моделированием. Эта точная и относительно быстрая технология позволяет накопить все необходимые знания, оборудование и полуфабрикаты для будущего изделия до начала производства. Компьютерное 3D-моделирование теперь не редкость даже для небольших компаний

Имитационное моделирование делится на несколько видов:

• 
  Агентное моделирование
  
• 
  Дискретно-событийное моделирование
  
• 
  Системная динамика
  

Агентное моделирование – метод имитационного моделирования, исследующий поведение децентрализованных агентов и то, как такое поведение определяет поведение всей системы в целом. В отличие от системной динамики, аналитик определяет поведение агентов на индивидуальном уровне, а глобальное поведение возникает как результат деятельности множества агентов (моделирование «снизу вверх»).[2]

Агент — некая сущность, обладающая активностью, автономным поведением, может принимать решения в соответствии с некоторым набором правил, взаимодействовать с окружением, а также самостоятельно изменяться.[1]

Само это направление в имитационном моделировании достаточно новое и появилось в начале 2000ых годов. Оно используется для исследования децентрализованных систем, функционирование которых определяется не глобальными правилами и законами (как в других парадигмах моделирования), а наоборот, когда эти глобальные правила и законы являются результатом персональной активности. Цель этих моделей — получить представление о глобальных правилах, поведении системы, исходя из поведения её отдельных активных объектов и взаимодействия их в системе. Основные программные продукты для данного вида моделирования

• 
  AnyLogic
  
• 
  Starlogo
  
• 
  Netlogo
  

Агентное моделирование включает в себя элементы теории игр, элементы усложненных систем, мультиагентных систем и эволюционного программирования, методы Монте-Карло.

Дискретно-событийное моделирование - подход к моделированию, предлагающий абстрагироваться от непрерывной природы событий и рассматривать только основные события моделируемой системы, такие, как: «ожидание», «обработка заказа», «движение с грузом», «разгрузка» и другие. [4]

Дискретно-событийное моделирование наиболее развито и имеет огромную сферу приложений — от логистики и систем массового обслуживания до транспортных и производственных систем. Этот вид моделирования наиболее подходит для моделирования производственных процессов. Основан Джеффри Гордоном в 1960-х годах.

Кроме переменных, определяющих состояние системы, и логики, определяющей, что произойдет в ответ на какое-то событие, система дискретно-событийного моделирования содержит следующие компоненты:

• 
  Часы 
  

Основной элемент системы, синхронизирующий ее изменения, т.е. возникновение событий.

• 
  Список событий 
  

Система моделирования поддерживает по крайней мере один список событий моделирования. Однопоточные системы моделирования, основанные на мгновенных событиях, имеют только одно текущее событие. В то время как многопоточные системы моделирования и системы моделирования, поддерживающие интервальные события, могут иметь несколько текущих событий. В обоих случаях имеются серьёзные проблемы с синхронизацией между текущими событиями.

• 
  Генераторы случайных чисел 
  

Дискретно-событийные модели делятся на детерминированные и стохастические, в зависимости от того, каким образом генерируются события и основные характеристики очередей: время наступления событий, длительность обслуживания, количество клиентов, поступающих в очередь в единицу времени. Стохастические дискретно-событийные модели отличаются от моделей Монте-Карло наличием часов.

• 
  Статистика 
  

Основные данные, которые собираются в системах дискретно-событийного моделирования:

• 
  Средняя занятость (доступность) ресурсов
  
• 
  Среднее количество клиентов в очереди
  
• 
  Среднее время ожидания в очереди
  
• 
  Условие завершения 
  

Условием завершения могут выступать:

• 
  Возникновение заданного события (например, достижение 10-минутного времени ожидания в очереди)
  
• 
  Прохождение заданного числа циклов по часам системы моделирования
  

Системы дискретно-событийного моделирования -- это, чаще всего, проблемно-ориентированные языки программирования или библиотеки для высокоуровневых языков. Наиболее известные:

• 
  Arena
  
• 
  AnyLogic
  
• 
  SIMSCRIPT
  
• 
  SLAM
  
• 
  SIMAN,
  
• 
  AweSim
  
• 
  GPSS
  

Системная динамика — парадигма моделирования, где для исследуемой системы строятся графические диаграммы причинных связей и глобальных влияний одних параметров на другие во времени, а затем созданная на основе этих диаграмм модель имитируется на компьютере. [3]

По сути, такой вид моделирования более всех других парадигм помогает понять суть происходящего выявления причинно-следственных связей между объектами и явлениями. С помощью системной динамики строят модели бизнес-процессов, развития города, модели производства, динамики популяции, экологии и развития эпидемии. Метод основан Джеем Форрестером в 1950 годах.

Модель системной динамики состоит из абстрактных элементов, представляющих свойства имитируемой системы. Выделяются следующие типы элементов:

• 
  Уровни 
  

характеризуют накопленные значения величин внутри системы. Это могут быть товары на складе, товары в пути, банковская наличность, производственные площади, численность работающих.

• 
  Потоки 
  

скорости изменения уровней. Например, потоки материалов, заказов, денежных средств, рабочей силы, оборудования, информации. Изображаются сплошными стрелками.

• 
  Функции решений (вентили)
  

функции зависимости потоков от уровней. Функция решения может иметь форму простого уравнения, определяющего реакцию потока на состояние одного или двух уровней.

• 
  Каналы информации
  
• 
  Линии задержки (запаздывания)
  

служат для имитации задержки потоков. Характеризуются параметрами среднего запаздывания и типом неустановившейся реакции. Второй параметр характеризует отклик элемента на изменение входного сигнала. Разные типы линий задержки имеют различный динамический отклик.

• 
  Вспомогательные переменные — располагаются в каналах информации между уровнями и функциями решений и определяют некоторую функцию. Изображаются кружком.
  

Описание компании

Для написания Выпускной Квалификационной Работы мною была выбрана компания LaModa (ООО «Купишуз»), в которой я проработал с сентября по декабрь 2021 года помощником менеджера по управлению проектов. Компания LaModa является франшизой самого популярного сайта по онлайн покупке одежды и аксессуаров в Европе Zalando, в Южной Америке компании Zafity, в Азии компании Locondo, в Африки компании Zando. В России компания первой и вошла на этот рынок, и она тут же завоевала доверие у покупателя, на данный момент клиентами компании стали более 500000 человек. За 3 года работы штат компании расширился с 3 до 480 человек, темпы роста превысили ожидаемый прогнозы в 3,75 раза, а объем привлеченных инвестиций составил 160 млн $. В марте 2012 года был запущен проект Lamoda.kz в Казахстане, став первым онлайн-ритейлером, вышедшим на этот рынок.

В компанию вложились крупные венчурные фонды такие как:

• 
  RocketInternet
  
• 
  JP Morgan
  
• 
  Tengelmann
  
• 
  HV Ventures
  
• 
  PRR
  
• 
  Instrument AB
  

Общий объем инвестиций на данный момент составил уже более 250 млн. $.

В данный момент LaModa крупнейший в России интернет-магазин, представляющий более 800 000 товаров и 700 подлинных мировых брендов одежды, обуви и аксессуаров. К сегодняшнему дню сайт посетили более 15000000 раз, из которых 35% аудитории зашли на портал впервые. Постоянная аудитория проекта 750000 человек



Рис. 1 – Развитие компании

Основной аудиторией данного проекта являются женщины, 30 лет.



Рис. 2 – Портрет аудитории

Самое большое влияние приходится на Москву и Московскую область – до 40% все аудитории, а на города миллионники до 62% в совокупности.



Рис.3 – География клиентов, помимо Московского региона

У компании LaModa развитая логистическая сеть и партнерские соглашения с ведущими транспортными компаниями, такими как СПСР, что гарантирует быструю и качественную доставку товара в любую точку нашей страны. Отлаженная система сервисного обслуживания клиентов обеспечивает быстрое и оперативное реагирование на все поступающие заявки. Партнерские соглашения с крупными медийными изданиями России позволяют эффективно проводить рекламные компании по продвижению бренда LaModa на территории страны.

Ключевыми преимуществами компании являются:

• 
  Широкий и ежедневно обновляющийся ассортимент
  
• 
  Самые актуальные коллекции одежды, обуви и аксессуаров
  
• 
  Консультации профессиональных стилистов
  
• 
  Собственный журнал о моде
  
• 
  Бесплатная доставка по всей территории РФ
  
• 
  Бесплатная примерка и возможность обмена размера
  
• 
  Возможность частичного или полного возврата
  
• 
  Бесплатная и круглосуточная служба поддержки
  
• 
  Гарантия подлинности продукции
  
• 
  Простой и удобный интерфейс сайта
  
• 
  Удобство размещения заказа
  
• 
  Интересные акции и скидки
  

Миссия компании –

«Создать уникальное FASHION-ПРОСТРАНСТВО в сети России и СНГ и обеспечить удовольствие от шопинга всем покупателям»

Штат компании делится на 4 основных отдела:

• 
  Отдел логистики
  

Самый крупный и самый важный отдел компании. Отвечает за цепочки поставок товаров от поставщиков к клиентам

• 
  Отдел информационных технологий
  

Отвечает за функционирование портала и его обновление

• 
  Внутренний отдел
  

Отвечает за отлаженную работу внутри команды LaModa

• 
  Отдел закупок
  

Отвечает за актуальность ассортимента на сайте компании.

Самой компании управляют 4 независимых и назначаемых менеджера и Германии, компания выстроила иерархичную структуру в каждом из 4 отделов.

С момента основания компании у нее не было собственного склада. Она арендовывала склада в близлежайших областях, но поскольку темпы роста превысили все ожидаемые прогнозы , то компания в оперативном порядке занялась организацией собственного склада. Предметом исследования ВКР является разработка имитационной модели первого собственного склада компании, открывшегося в декабре 2012 года, в Быково (МО). Имитационная модель позволяет учесть все факторы, включая самые незначительные, благодаря чему оценка эффективности будет максимально достоверной.

Так как мною должна быть разработана модель оптового склада, то при анализе предметной области я выбрал вид имитационного моделирования - дискретно-событийное. Оно прекрасно подходит под разрабатываемую мной модель, так как возможно будет учесть такие параметры как время, загруженность отдельных зон, а так возможно менять объекты и их пропускную способность.

Проанализировав программные продукты, подходящие для дискретно-событийного моделирования я выбрал ПО AnyLogic. AnyLogic — программное обеспечение, созданное для имитационного моделирования, разработанное компанией «XJ Tecnologies». Данное программное обеспечение обладает всеми современными инструментами, удобным графическим интерфейсом, а также допускает использование языка Java для разработки моделей.

Такое название это продукт получил из-за того, что в нем возможно моделирование во всех трех видах:

• 
  системная динамика;
  
• 
  дискретно-событийное (процессное) моделирование;
  
• 
  Агентное моделирование.
  

А также любое возможное объединение этих подходов в рамках модели. Первой версией была №4 — Anylogic 4.0, так как свой порядковый номер она получила после разработки прошлого программного продукта  — COVERS 3.0.

Большой скачек вперёд был сделан в 2003 году, когда был выпущен AnyLogic 5, ориентированный на бизнес-моделирование. Благодаря ПО AnyLogic появилась возможность разрабатывать модели в следующих предметных областях:

• 
  производство;
  
• 
  логистика и цепочки поставок;
  
• 
  рынок и конкуренция;
  
• 
  бизнес-процессы и сфера обслуживания;
  
• 
  здравоохранение и фармацевтика;
  
• 
  управление активами и проектами;
  
• 
  телекоммуникации и информационные системы;
  
• 
  социальные и экологические системы;
  
• 
  пешеходная динамика;
  
• 
  оборона.
  

Последней версией программы является AnyLogic 6.9.0. AnyLogic 6 написан на языке программирования Java в популярной среде разработки Eclipse. Anylogic 6 является кросс-платформенным программным обеспечением, работает как под управлением операционной системы Windows, так и под Mac OS и Linux.

AnyLogic включает в себя набор следующих стандартных библиотек:

• 
  Enterprise Library разработана для поддержки дискретно-событийного моделирования в таких областях как Производство, Цепи поставок, Логистика и Здравоохранение. Используя Enterprise Library, Вы можете смоделировать системы реального мира с точки зрения заявок (англ. entity) (сделок, клиентов, продуктов, транспортных средств, и т. д.), процессов (последовательности операций, очередей, задержек), и ресурсов. Процессы определены в форме блочной диаграммы.
  

• 
  Pedestrian Library создана для моделирования пешеходных потоков в «физической» окружающей среде. Это позволяет Вам создавать модели с большим количеством пешеходного трафика (как станции метро, проверки безопасности, улицы и т. д.). Модели поддерживают учёт статистики плотности движения в различных областях. Это гарантирует приемлемую работу пунктов обслуживания с ограничениями по загруженности, оценивает длину простаивания в определённых областях, и обнаруживает потенциальные проблемы с внутренней геометрией — такие как эффект добавления слишком большого числа препятствий — и другими явлениями. В моделях, созданных с помощью Pedestrian Library, пешеходы двигаются непрерывно, реагируя на различные виды препятствий (стены, различные виды областей) так же как и обычные пешеходы. Пешеходы моделируются как взаимодействующие агенты со сложным поведением. Для быстрого описания потоков пешеходов Pedestrian Library обеспечивает высокоуровневый интерфейс в виде блочной диаграммы.
  

• 
  Rail Yard Library поддерживает моделирование, имитацию и визуализацию операций сортировочной станции любой сложности и скомбинированные методы моделирования (дискретно-событийное и агентное моделирование), связанные с действиями при транспортировке: погрузками и разгрузками, распределением ресурсов, обслуживанием, различными бизнес-процессами.
  

В возможности AnyLogic включается графический язык и редактор моделирования, который также дает возможность пользователю расширять созданные модели при помощи языка Java. Интегрирования компилятора Java в AnyLogic открывает широкие возможности при создании моделей, а также создание Java-апплетов, которые можно открыть в любом интернет браузере. Эти Java-апплеты дают возможность с легкостью размещать модели AnyLogic на веб-страницах. В дополнение к Java-апплетам, AnyLogic Professional поддерживает создание Java-приложений, в этом случае пользователь может запустить модель без предварительной установки AnyLogic

План работы

Для создания имитационной модели склада компании LaModa я составил план работ:

1. 
   Описание склада
   

- в этом пункте описывается сам склад, его устройство, зоны, площади, выстраивается графическая модель

2. 
   Определение ролей
   

- здесь определяются участники процессов, их роли и важность этих ролей

3. 
   Описание основных бизнес процессов
   

- описываются основные процессы, происходящие на объекте , во время моделирования

4. 
   Определение основных показателей и параметров
   

- у каждого бизнес-процесса есть показатели, определяется и важность и взаимо связанность

5. 
   Создание модели
   

- на данном этапе происходит моделирование модели

6. 
   Проведение экспериментов
   

- над моделью проводятся исследования, происходит сбор данных, полученный при различных параметрах

7. 
   Подведение итогов
   

- в итоге подводится итоговая информация об эффективности данной модели