Discrete event simulation model of cargo port risk management

Bondareva Irina Olegovna; Zavarzin Danila Andreevich

doi:doi:10.24143/2072-9502-2025-2-125-136

Home / Journals / Vestnik of Astrakhan State Technical University. Series: Management, computer science and informatics / Volume 2025 Issue 2 / Discrete event simulation model of cargo port risk management

Discrete event simulation model of cargo port risk management

Submit manuscript Download PDF
Text

To cite

Citations:

DISCRETE EVENT SIMULATION MODEL OF CARGO PORT RISK MANAGEMENT

Journal: VESTNIK OF ASTRAKHAN STATE TECHNICAL UNIVERSITY. SERIES: MANAGEMENT, COMPUTER SCIENCE AND INFORMATICS Volume 2025 № 2 , 2025

Rubrics: MATHEMATICAL MODELING

UDC 004.8

Bondareva Irina Olegovna ¹

Zavarzin Danila Andreevich ²

Author and publication information

Authors:

1. Astrakhan State Technical University (Candidate of Technical Sciences, Assistant Professor; Head of the Department of Applied Informatics)

2. Saint Petersburg State University (Master’s Course Student)

Russian Federation

Type:

Article

DOI:

https://doi.org/10.24143/2072-9502-2025-2-125-136

EDN:

https://elibrary.ru/OHZACZ

Pages:

from 125 to 136

Status:

Published

Received:

26.02.2025

Accepted:

21.04.2025

Published:

15.05.2025

Subject area:

UDC 004.8

Language:

Russian

Keywords:

simulation modeling, discrete event model, risk management, logistics processes, cargo port, balanced scorecard

Abstract and keywords

Abstract (English):
The necessity of using simulation technology as the main component of the concept of risk-based management of the main processes of a cargo port is described. A detailed block-by-block formalized description of the structure of the developed discrete-event simulation model, which is the basic element of multi-approach simulation, is given. Formalized in the form of sets that include various elements of the model, the structure allows you to get the most accurate representation of the relationship between the various components of a discrete-event simulation model, to trace the mutual influence of each element, as well as to get an overall picture of the implementation of various processes, including logistics, implemented within the framework of port activities. The following are identified as structural elements of the model: modules that allow tracing the logic of execution of all processes occurring in the port; agents of the discrete-event simulation model, which are objects of execution of the studied processes of the port; events of the simulation model, reflecting specific operations carried out in the port; resources with which these operations are implemented; variables and parameters of the model as auxiliary elements intended for carrying out the necessary calculations and linking the various components of the model, as well as indicators for evaluating port activity calculated using a discrete event model. Each of the above-mentioned elements is also presented in the form of a set, detailed and described in detail. The developed discrete-event simulation model made it possible to implement the concept of risk-oriented management of the main processes of a cargo port, formulated in this paper and including the need to calculate indicators for evaluating port activity in order to predict the occurrence of possible risk situations. An example of an experiment with this simulation model is given, and the technology of its further use is described to develop recommendations for avoiding (minimizing) the risks of a cargo port.

Keywords:
simulation modeling, discrete event model, risk management, logistics processes, cargo port, balanced scorecard

Text

Text (PDF): Read Download

Введение

Традиционно Астраханская область является центром российского присутствия в Каспийском регионе, в связи с этим активное развитие сотрудничества с партнерами из прикаспийских стран является уже привычной задачей. Наряду с этим в современных геополитических реалиях все ярче проявляется тенденция нарастающего полномасштабного взаимодействия со странами Ближнего Востока, а также Южной и Восточной Азии [1]. Именно поэтому особое внимание уделяется развитию региона как транспортно-логистического узла, принимающего на себя функции транзитного центра товарообмена. Для выполнения данной задачи проделывается огромная работа по формированию логистической инфраструктуры Международного транспортного коридора «Север – Юг», привлекаются инвестиции, проводится работа по развитию Каспийского кластера, включая формирование портовой особой экономической зоны в п. Оля. Все вышеперечисленные меры направлены в первую очередь на повышение конкурентоспособности российских портов на Каспии и, как следствие, привлечение дополнительного грузопотока. Однако возможности повышения конкурентоспособности портов связаны не только с модернизацией их технического оснащения и созданием специфических экономических условий, но и с изменениями организационного характера, направленными на повышение эффективности стратегического управления деятельностью порта. В частности, для достижения конкурентных преимуществ необходимо большое внимание уделять оценке наступления возможных рисковых ситуаций и учитывать различного рода факторы влияния – как внешнего, так и внутреннего характера [2, 3]. Для решения этой задачи предлагается использовать технологии имитационного моделирования, позволяющие осуществлять эксперименты с построенной моделью-аналогом реальной организационной системы (в данном случае порта) с целью выработки рекомендаций по управлению деятельностью порта, ориентированных на минимизацию возможных рисков [4, 5].

Описание дискретно-событийной имитационной модели

Наиболее распространенным методом имитационного моделирования, максимально приближенно имитирующим поведение и производительность реального объекта или системы, является дискретно-событийное моделирование [6]. Рассмотрим его применение для оценки рисковых угроз грузового порта, а также возможности управления ими на примере разработанной имитационной модели.

Множество элементов дискретно-событийной имитационной модели управления рисками грузового порта DES_CPRM можно представить набором следующих множеств:

DES_CPRM = {SMod_DES, Ag_DES,
E_DES, R_DES, V_DES, P_DES, I_DES},

где SMod_DES – субмодели, на которые условно разделена дискретно-событийная модель для удобства выстраивания логики всех процессов порта; Ag_DES – множество агентов (транзактов) дискретно-собы-
тийной имитационной модели; E_DES – множество событий дискретно-событийной имитационной модели; R_DES, V_DES и P_DES – множества ресурсов, переменных и параметров дискретно-событийной имитационной модели соответственно; I_DES– множество показателей оценки деятельности порта, рассчитываемых в дискретно-событийной модели. Последовательно рассмотрим подробнее каждое из представленных множеств:

SMod_DES = {SMS_DES, SMT_DES,
SMW_DES, SMR_DES, SMLUO_DES, SMBSC_DES},

где SMS_DES – субмодель «Судно»; SMT_DES – субмодель «Грузовик»; SMW_DES– субмодель «Склад»; SMR_DES – субмодель «Заявка (запрос на оказание логистических услуг порта)»; SMLUO_DES – субмодель «Погрузочно-разгрузочные работы»; SMBSC_DES– субмодель «Сбалансированная система показателей»;

Ag_DES = {Ag_DES₁, Ag_DES₂, …, Ag_DESn},

где n – количество агентов, представленных в дискретно-событийной модели. В данном конкретном случае n = 7, т. е. Ag_DES = {Ag_DES₁, Ag_DES₂, …, Ag_DES₇}. В качестве элементов этого множества представлены следующие агенты (транзакты): Ag_DES₁ – приходящее в порт судно, Ag_DES₂ – приходящий в порт грузовик, Ag_DES₃ – конвой грузовиков, Ag_DES₄ – приходящий в порт груз, Ag_DES₅ – приходящая в порт партия грузов, Ag_DES₆ – приходящая в порт заявка клиента, Ag_DES₇ – запрос на судно, т. е. заявка (комплекс заявок) для погрузки груза на судно;

E_DES = {E^SMS_DES, E^SMT_DES,
E^SMW_DES, E^SMR_DES, E^SMLUO_DES}.

Элементы множества E_DES представляют события различных модулей дискретно-событийной модели. Рассмотрим подробнее каждое из них.

Описание событий субмодели «Судно»

Cубмодель «Судно» SMS_DES описывают 9 событий:

E^SMS_DES = {E^SMS_DES₁, E^SMS_DES₂, …, E^SMS_DES₉},

где E^SMS_DES₁ – событие генерации агентов (транзактов) Ag_DES₁; E^SMS_DES₂ – событие, имитирующее процесс прохождения судном пути до порта; E^SMS_DES₃ – событие, имитирующее процесс выбора причала (пирса) для подхода судна; E^SMS_DES₄ – событие, имитирующее процесс захвата агентом необходимого количества ресурсов; E^SMS_DES₅ – событие, имитирующее перемещение агента (транзакта) Ag_DES₁к выбранному причалу (пирсу); E^SMS_DES₆ – событие, имитирующее процесс нахождения судна в порту; E^SMS_DES₇ – событие, имитирующее процесс освобождения ранее захваченных ресурсов; E^SMS_DES₈ – событие, имитирующее процесс выхода судна из порта (перемещения судна на выход из порта); E^SMS_DES₉ – событие, имитирующее процесс уничтожения отработавшего агента (транзакта) «Судно» Ag_DES₁. Субмодель «Судно» как составная часть имитационной модели представлена на рис. 1.

Рис. 1. Субмодель «Судно» дискретно-событийной имитационной модели управления рисками грузового порта

Fig. 1. The Ship submodel of the discrete-event simulation model of cargo port risk management

Описание событий субмодели «Грузовик»

Следующую субмодель дискретно-событийной модели «Грузовик» SMT_DES описывают 14 событий:

E^SMT_DES = {E^SMT_DES₁, E^SMT_DES₂, …, E^SMT_DES₁₄},

где E^SMT_DES₁ – событие, имитирующее процесс прибытия агентов (транзактов) Ag_DES₂; E^SMT_DES₂ – событие, имитирующее процесс накопления шести грузовиков и сбора их в один конвой (формирование из шести агентов Ag_DES₂ одного агента Ag_DES₃(Ag_DES₃ = 6 · Ag_DES₂)); E^SMT_DES₃ – событие, имитирующее процесс прохождения конвоя грузовиков до порта; E^SMT_DES₄ – событие, имитирующее процесс извлечения единичных агентов (транзактов) Ag_DES₂ из составного агента (транзакта) Ag_DES₃; E^SMT_DES₅ – событие, имитирующее процесс удаления из модели агента (транзакта) Ag_DES₃; E^SMT_DES₆ – событие, имитирующее процесс создания агентов (транзактов) Ag_DES₂ и направления их в указанную точку дорожной сети; E^SMT_DES₇ – событие, имитирующее процесс выбора места для парковки; E^SMT_DES₈ – событие, имитирующее процесс управления движением грузовика в место назначения; E^SMT_DES₉ – событие, имитирующее процесс захвата для агента (транзакта) Ag_DES₂ необходимого заданного количества ресурсов (1 ресурс); E^SMT_DES₁₀ – событие, имитирующее процесс перемещения грузовика к месту разгрузки; E^SMT_DES₁₁ – событие, имитирующее процесс разгрузки грузовика; E^SMT_DES₁₂ – событие, имитирующее процесс перемещения грузовика на выезд из порта; E^SMT_DES₁₃ – событие, имитирующее процесс освобождения ресурсов, ранее захваченных агентом (транзактом) Ag_DES₂ на этапе E^SMT_DES₉; E^SMT_DES₁₄ – событие, имитирующее процесс удаления отработавшего агента (транзакта) Ag_DES₂ из модели. Субмодель «Грузовик» как составная часть имитационной модели представлена на рис. 2.

Рис. 2. Субмодель «Грузовик» дискретно-событийной имитационной модели управления рисками грузового порта

Fig. 2. The Truck submodel of the discrete-event simulation model of cargo port risk management

Описание событий субмодели «Склад»

Субмодель «Склад» SMW_DES описывают 9 событий:

E^SMW_DES = {E^SMW_DES₁, E^SMW_DES₂, …, E^SMW_DES₉},

где E^SMW_DES₁ – событие, имитирующее процесс генерации агентов (транзактов) Ag_DES₄; E^SMW_DES₂ – событие, имитирующее повреждение или потерю груза (или его части); E^SMW_DES₃ – событие, имитирующее процесс размещения агента (транзакта) Ag_DES₄ на территории порта; E^SMW_DES₄ – событие, имитирующее процесс извлечения агентов (транзактов) из диаграммы процессов; E^SMW_DES₅ – событие, имитирующее процесс интеграции агента (транзакта) Ag_DES₄ в диаграмму процесса; E^SMW_DES₆ – событие, имитирующее процесс извлечения необходимого количества груза (агент Ag_DES₄) и перемещения его со склада; E^SMW_DES₇ – событие, имитирующее процесс повреждения (потери) груза или его части с заданной долей вероятности; E^SMW_DES₈ – событие, имитирующее процесс накопления 30 единиц груза и формирования из них партии грузов Ag_DES₅(Ag_DES₅ = 30 · Ag_DES₄); E^SMW_DES₉ – событие, имитирующее процесс извлечения агентов Ag_DES₅из диаграммы процессов и передачи их в событие модуля SMLUO_DES. Субмодель «Склад» как составная часть имитационной модели представлена на рис. 3.

Рис. 3. Субмодель «Склад» дискретно-событийной имитационной модели управления рисками грузового порта

Fig. 3. The Warehouse submodel of the discrete-event simulation model of risk management of a cargo port

Описание событий субмодели «Заявка»

Субмодель «Заявка» SMR_DES описывают 17 событий:

E^SMR_DES = {E^SMR_DES₁, E^SMR_DES₂, …, E^SMR_DES₁₇},

где E^SMR_DES₁ – событие, имитирующее процесс включения агента Ag_DES₆, созданного в диаграмме состояния, в модуль «Заявка»; E^SMR_DES₂ – событие, имитирующее процесс формирования очереди заявок клиентов Ag_DES₆, ожидающих обработки; E^SMR_DES₃ – событие, имитирующее процесс обработки заявки клиента; E^SMR_DES₄ – событие, имитирующее процесс выбора типа заявки (экспорт/импорт); E^SMR_DES₅ – событие, имитирующее процесс отправки заявки для ожидания прихода судна (запускает событие E^SMS_DES₁ модуля «Судно» SMS_DES); E^SMR_DES₆ – событие, имитирующее процесс ожидания начала выполнения заявки, т. е. ожидания прихода в порт судна для погрузки; E^SMR_DES₇ – событие, имитирующее уровень удовлетворенности клиентов порта; E^SMR_DES₈ – событие, имитирующее процесс распределения груза между необходимым количеством грузовиков Ag_DES₂; E^SMR_DES₉ – событие, имитирующее процесс ожидания дальнейшего выполнения заявки Ag_DES₆; E^SMR_DES₁₀ – событие, имитирующее процесс отправки клиентом грузовиков Ag_DES₂в порт (запускает событие E^SM^T_DES₁); E^SMR_DES₁₁ – событие, имитирующее процесс накопления шести агентов Ag_DES₆для формирования комплекса заявок (агент Ag_DES₇(Ag_DES₇ = 6 · Ag_DES₆)) с целью дальнейшего запроса судна для осуществления погрузки; E^SMR_DES₁₂ – событие, имитирующее процесс распределения заявок по типу груза; E^SMR_DES₁₃ – событие, имитирующее процесс сбора комплексной заявки для погрузки на судно; E^SMR_DES₁₄ – событие, имитирующее процесс формирования заявки на погрузку на судно; E^SMR_DES₁₅ – событие, имитирующее процесс формирования очереди заявок для осуществления погрузки на судно; E^SMR_DES₁₆ – событие, имитирующее процесс сбора необходимого количества заявок Ag_DES₆ для создания комплексной заявки Ag_DES₇ для погрузки на судно; E^SMR_DES₁₇ – событие, имитирующее процесс ожидания начала погрузки со склада, запускает событие E^SMW_DES₅ субмодели «Склад», тем самым инициируя начало осуществления отгрузки со склада. Субмодель «Заявка» как составная часть имитационной модели представлена на рис. 4.

Рис. 4. Субмодель «Заявка» дискретно-событийной имитационной модели управления рисками грузового порта

Fig. 4. The Application submodel of the discrete-event simulation model of risk management of a cargo port

Описание событий субмодели «Погрузочно-разгрузочные работы»

Субмодель «Погрузочно-разгрузочные работы» SMLUO_DES описывают 17 событий:

E^SMLUO_DES = {E^SMLUO_DES₁,
E^SMLUO_DES₂, …, E^SMLUO_DES₁₇},

где E^SMLUO_DES₁ – событие, имитирующее процесс генерации агента «партия грузов» Ag_DES₅; E^SMLUO_DES₂ – событие, имитирующее процесс выбора терминала разгрузки; E^SMLUO_DES₃ – событие, имитирующее процесс разгрузки судна, осуществляется с помощью ресурса «кран»; E^SMLUO_DES₄ – событие, имитирующее процесс расформирования партии грузов Ag_DES₅ в первоначальные единичные грузы Ag_DES₄ (Ag_DES₄= Ag_DES₅ / 30); E^SMLUO_DES₅ – событие, имитирующее процесс уничтожения агента Ag_DES₅; E^SMLUO_DES₆ – событие, имитирующее процесс выбора типа склада для разгрузки в зависимости от типа груза, указанного в заявке; E^SMLUO_DES₇ – событие, имитирующее процесс размещения агента Ag_DES₄ на открытом складе, после полной разгрузки запускает событие выхода судна из порта E^MS_DES₈ субмодели «Судно» (SMS); E^SMLUO_DES₈ – событие, имитирующее процесс размещения агента Ag_DES₄ на крытом складе, после полной разгрузки запускает событие выхода судна из порта E^MS_DES₈ субмодели «Судно» (SMS); E^SMLUO_DES₉ – событие, имитирующее процесс интеграции агентов Ag_DES₅ из субмодели «Склад» (SMW) в субмодель «Погрузочно-разгру-
зочные работы» (SMLUO); E^SMLUO_DES₁₀ – событие, имитирующее процесс выбора терминала для осуществления погрузки; E^SMLUO_DES₁₁ – событие, имитирующее процесс ожидания прибытия судна в порт, агенты освобождают данное событие при поступлении команды о приходе судна в порт событием E^MS_DES₆ субмодели «Судно»; E^SMLUO_DES₁₂ – событие, имитирующее процесс захвата необходимого агенту количества ресурсов; E^SMLUO_DES₁₃ – событие, имитирующее процесс фиксации времени начала для агента Ag_DES₄ процесса погрузки; E^SMLUO_DES₁₄ – событие, имитирующее процесс перемещения агента с помощью захваченного в событии E^SMLUO_DES₁₂ ресурса «кран», т. е. событие погрузки груза (агента Ag_DES₄) на судно; E^SMLUO_DES₁₅ – событие, имитирующее процесс измерения времени, затраченного для Ag_DES₄ на процесс погрузки; E^SMLUO_DES₁₆ – событие, имитирующее процесс повреждения/потери груза во время погрузки; E^SMLUO_DES₁₇ – событие, имитирующее процесс освобождения захваченных событием E^SMLUO_DES₁₂ ресурсов. Субмодель «Погрузочно-разгрузочные работы» как составная часть имитационной модели представлена на рис. 5.

Рис. 5. Субмодель «Погрузочно-разгрузочные работы» дискретно-событийной имитационной модели
управления рисками грузового порта

Fig. 5. The Loading and unloading operations submodel of the discrete-event simulation model
of risk management of a cargo port

Описание ресурсов, переменных, показателей и параметров дискретно-событийной имитационной модели

Ресурсы дискретно-событийной модели управления рисками грузового порта представлены следующей совокупностью:

R_DES = {R_DES₁, R_DES₂, …, R_DES_t},

где t – общее количество типов ресурсов, представленных в дискретно-событийной модели.

Данная дискретно-событийная имитационная модель представлена ресурсами трех типов, т. е. t = 3:

R_DES = {R_DES₁, R_DES₂, R_DES₃},

где R_DES₁ – ресурсы типа «транспортер»; R_DES₂ – ресурсы типа «грузчик»; R_DES₃ – ресурсы типа «портальный кран».

Таким образом, ресурсы типа R_DES₁ используются в событиях E^SMT_DES₉,E^SMT_DES₁₃, E^SMW_DES₆, E^SMLUO_DES₇, E^SMLUO_DES₈; ресурсы типа R_DES₂ используются в событиях E^SMW_DES₆, E^SMLUO_DES₇, E^SMLUO_DES₈; ресурсы типа R_DES₃ используются в событиях E^SMS_DES₄, E^SMS_DES₇, E^SMLUO_DES₃, E^SMLUO_DES₇, E^SMLUO_DES₈, E^SMLUO_DES₁₂, E^SMLUO_DES₁₄, E^SMLUO_DES₁₇.

Множество V_DES представлено 82 переменными, используемыми в дискретно-событийной модели:

V_DES = {V_DES₁, V_DES₂, …, V_DES₈₂}.

В качестве переменных выступают значения, рассчитанные в ходе прогонов имитационной модели. Переменные могут быть основными и вспомогательными, т. е. рассчитываться дополнительно для дальнейшего расчета основной переменной, представляющей значение показателя оценки деятельности порта. Все имеющиеся в модели переменные представлены в табл. 1.

Таблица 1

Table 1

Переменные дискретно-событийной модели управления рисками грузового порта

Variables of discrete event model of cargo port risk management

Обозначение переменной	Имя переменной в модели	Источник получения значения переменной	Назначение расчета значения переменной
V_DES₁	CY	Модель системной динамики	Стоимость услуг, оказанных за период времени
V_DES₂	FactTimeWorkMachine	Считается в moveByCran1 – moveByCran10	Фактическое время работы машин и оборудования
V_DES₃	FactActualPerfomanceOfEquipment	Считается в moveByCran1 – moveByCran10	Фактическая производительность основного технологического оборудования
V_DES₄	AllShips	Считается в shipsSource	Считает общее количество судов
V_DES₅	EcologyShip	Считается в shipsSource	Считает количество судов, соответствующих стандартам экологичности
V_DES₆	Salary	Модель системной динамики	Считает общую зарплату в порту
V_DES₇	NumberWork		Считает количество сотрудников
V_DES₈	ShortFinancialInvestments		Считает общее число краткосрочных финансовых вложений
V_DES₉	NetProfit		Считает чистую прибыль
V_DES₁₀	RepeatCustomers	Считается в enter	Считает количество повторно обратившихся клиентов
V_DES₁₁	AllCustomers	Считается в delay2	Считает общее количество клиентов
V_DES₁₂	UnhappyCustomers	Считается вunhappyCus и unhappyCus1	Считает количество недовольных клиентов
V_DES₁₃	TotalLoadingTime	Считается в timeMeasureEnd1 – timeMeasureEnd5	Считает общее время погрузки
V_DES₁₄	TotalNimberRequest	Считается в Damaged1 – Damaged5	Считает общее количество выполненных заявок на погрузку
V_DES₁₅	NumberPZRWithout	Считается в PZRWithout и в PZRout1 – PZRout5	Считает количество погрузочно-разгрузочных работ без нарушения оговоренных сроков
V_DES₁₆	AllPZR	Считается в PZRWithout и в PZRout1 – PZRout5	Считает общее количество погрузочно-разгрузочных работ
V_DES₁₇	NumbersContracts	Считается в delay2	Общее количество заключенных контрактов

Окончание табл. 1

Ending of table 1

Обозначение переменной	Имя переменной в модели	Источник получения значения переменной	Назначение расчета значения переменной
V_DES₁₈	coefFinancialIndependence	Считается с помощью события UpdateParameters	Для расчета фактических значений показателей
V_DES₁₉	AssetTurnoverRatio
V_DES₂₀	AbsoluteLiquidityRatio
V_DES₂₁	CoefProfitability
V_DES₂₂	NumberRegularCustomers
V_DES₂₃	NumberNewCustomers
V_DES₂₄	NumberRepeatCustomers
V_DES₂₅	NumberDissatisfiedCustomers
V_DES₂₆	ReturnOnFunds
V_DES₂₇	CoefExtensiveUseEquipment
V_DES₂₈	CoefIntensiveUseOfEquipment
V_DES₂₉	AverageLoadingTime
V_DES₃₀	ReliabilityOfLoading
V_DES₃₁	PercentPZRCompletedTime
V_DES₃₂	AmountOfLostCargo
V_DES₃₃	EcologyShipPercent
V_DES₃₄	VolumeOfTaxes
V_DES₃₅	AverageSalary
V_DES₃₆	VolumeSocialTaxes
V_DES₃₇	AvailabilityOrders
V_DES₃₈	NumberQualifiedWorker	Считается с помощью события UpdateParameters
V_DES₃₉	TrainingCosts	Считается с помощью события UpdateParameters
V_DES₄₀	AverageSalary1	Считается с помощью события event	Рассчитывается для графического отображения достижения/ недостижения показателями фактических значений и достижения/ недостижения целей
V_DES₄₁	NumberQualifiedWorker1
V_DES₄₂	TrainingCosts1
V_DES₄₃	VolumeOfTaxes1
V_DES₄₄	VolumeSocialTaxes1
V_DES₄₅	EcologyShipPercent1
V_DES₄₆	AvailabilityOrders1
V_DES₄₇	CoefIntensiveUseOfEquipment1
V_DES₄₈	CoefExtensiveUseEquipment1
V_DES₄₉	ReturnOnFunds1
V_DES₅₀	AssetTurnoverRatio1
V_DES₅₁	PercentPZRCompletedTime1
V_DES₅₂	AverageLoadingTime1
V_DES₅₃	AmountOfLostCargo1
V_DES₅₄	ReliabilityOfLoading1
V_DES₅₅	NumberDissatisfiedCustomers1
V_DES₅₆	NumberRepeatCustomers1
V_DES₅₇	NumberNewCustomers1
V_DES₅₈	NumberRegularCustomers1
V_DES₅₉	CoefProfitability1
V_DES₆₀	AbsoluteLiquidityRatio1
V_DES₆₁	coefFinancialIndependence1
V_DES₆₂–V_DES₈₂	ovalN – ovalN19

Дискретно-событийная имитационная модель посредством переменных позволяет рассчитать следующие показатели оценки деятельности порта, на основе которых и осуществляется риск-ориентиро-
ванное управление:

I_DES = {I_DES₁, I_DES₂, …, I_DES₁₉},

где I_DES₁ – фондоотдача, рассчитывается с помощью переменной V_DES₁₉; I_DES₂ – коэффициент финансовой независимости (переменная V_DES₁₈); I_DES₃ – коэффициент абсолютной ликвидности (V_DES₂₀); I_DES₄ – коэффициент рентабельности собственного капитала (V_DES₂₁); I_DES₅ – количество постоянных клиентов (V_DES₂₂); I_DES₆ – процент клиентов, обратившихся повторно (V_DES₂₄); I_DES₇ – количество новых клиентов (V_DES₂₃); I_DES₈ – количество недовольных клиентов (V_DES₂₅); I_DES₉ – коэффициент интенсивного использования оборудования (V_DES₂₈); I_DES₁₀ – коэффициент экстенсивного использования оборудования (V_DES₂₇); I_DES₁₁ – объем налоговых отчислений за период (V_DES₃₄); I_DES₁₂ – объем социальных отчислений за период (V_DES₃₆); I_DES₁₃ – соотношение минимальной зарплаты к средней (V_DES₃₅); I_DES₁₄ – обеспеченность заказами (договорами) в днях (V_DES₃₇); I_DES₁₅ – доля судов, отвечающих стандартам экологичности (V_DES₃₃); I_DES₁₆ – безотказность погрузки (V_DES₃₀); I_DES₁₇ – количество утерянного (испорченного) при погрузке груза (V_DES₃₂); I_DES₁₈ – среднее время погрузки (V_DES₂₉); I_DES₁₉ – процент погрузочных работ, выполненных в срок (V_DES₃₁).

Помимо переменных, в дискретно-событийной модели используются параметры:

P_DES = {P_DES₁, P_DES₂, …, P_DES₅₂}.

Параметры представляют собой значения входных данных имитационной модели, вводимые в соответствующие поля начальной формы имитационной модели. Все имеющиеся в модели параметры представлены в табл. 2.

Таблица 2

Table 2

Параметры дискретно-событийной модели управления рисками грузового порта

Parameters of discrete-event model of cargo port risk management

Обозначение параметра	Имя параметра в модели	Источник получения значения параметра	Назначение
P_DES₁–P_DES₂₂	PlanIndicators1 – PlanIndicators22	editbox26 – editbox37, editbox39 – editbox48	Для сравнения с фактическими значениями показателей
P_DES₂₃	TotalAssets	editbox38	Значение совокупных активов
P_DES₂₄	COCcr	editbox1	Значение среднегодовой стоимости основных средств
P_DES₂₅	RezhimTimeFundMachines	editbox2	Значение режимного фонда времени работы машин и оборудования
P_DES₂₆	ObosnovonayProizvoditelnost	editbox3	Значение технически обоснованной производительности машин и оборудования
P_DES₂₇	ShortFinlInvest	editbox50	Значение краткосрочных финансовых вложений
P_DES₂₈	MoneyFunds	editbox49	Значение денежных средств
P_DES₂₉	CurrentObligations	editbox51	Значение текущих обязательств
P_DES₃₀	OwnFunds	editbox	Значение собственных средств
P_DES₃₁	AverageNumberDay	editbox18	Значение количества дней, необходимых для проведения работ по одному договору
P_DES₃₂–P_DES₃₈	QualifiedWorker1 – QualifiedWorker7	editbox4 – editbox10	Значение количества квалифицированных сотрудников по отделам
P_DES₃₉–P_DES₄₅	unQualifiedWorker1 – unQualifiedWorker7	editbox11 – editbox17	Значение количества неквалифицированных сотрудников по отделам
P_DES₄₆	TrainingCostsСargo	editbox19	Значение затрат на обучение грузового отдела
P_DES₄₇	TrainingCostsStorage	editbox20	Значение затрат на обучение складского отдела
P_DES₄₈	TrainingCostsCommercial	editbox21	Значение затрат на обучение коммерческого отдела
P_DES₄₉	TrainingCostsTallman	editbox22	Значение затрат на обучение тальманского отдела
P_DES₅₀	TrainingCostsTechnical	editbox23	Значение затрат на обучение технического отдела
P_DES₅₁	TrainingCostsProviding	editbox24	Значение затрат на обучение обеспечивающего отдела
P_DES₅₂	TrainingCostsManagement	editbox25	Значение затрат на обучение руководства

Описанная структура дискретно-событийной имитационной модели разработана в системе AnyLogic [7, 8] таким образом, чтобы в полной мере отражать все реализуемые в грузовом порту логистические операции, включая связанные с ними организационные процессы. Наряду с этим основными задачами разработанной имитационной модели являются предварительная оценка рисков, наступление которых возможно при реализации основной деятельности порта, поиск вариантов выхода из рисковых ситуаций и их предвосхищения. Именно на решение данных задач и ориентирована реализованная в дискретно-событийной модели концепция риск-ориентированного управления [9].

Концепция риск-ориентированного управления основными процессами грузового порта

В фокусе внимания данной концепции находится выстроенная логическая цепочка стратегических нарративов компании «Риск – Цель – Показатель». Связь данных понятий заключается в следующем: от показателей оценки деятельности порта зависит, будут ли достигнуты основные поставленные цели компании, недостижение которых рассматривается как наступление рисковых ситуаций [9, 10]. Таким образом, взаимозависимость каждого из представленных элементов данной цепочки является объектом исследования деятельности порта посредством имитационного моделирования с точки зрения недопущения подобного рода эксцессов. Дискретно-событийная модель, учитывая различные связи элементов портовой инфраструктуры, позволяет определить и проанализировать результирующие показатели оценки деятельности порта и тем самым выявить имеющиеся проблемы в достижении поставленных стратегических целей развития порта, а также предсказать наступление возможных рисков. По результатам данного анализа осуществляется поиск выхода из возможных рисковых ситуаций путем проведения экспериментов с учетом различного рода воздействий на систему-порт как внутреннего, так
и внешнего характера. В результате проведения экспериментов оценивается целесообразность и эффективность предлагаемых решений с целью их использования в качестве предупреждающих воздействий на реальном экономическом объекте. Для наглядности рассмотрим более подробно проведение эксперимента с построенной моделью.

Эксперименты с дискретно-событийной имитационной моделью

Рассматриваемая дискретно-событийная имитационная модель разработана с учетом максимального удобства для пользователя с точки зрения проведения экспериментов. Так, предусмотрена форма ввода первоначальных параметров, предполагающая возможность задания плановых значений показателей оценки результативности деятельности грузового порта, с которыми в дальнейшем осуществляется сравнение полученных фактических значений показателей с целью анализа достижимости поставленных целей и, как следствие, возможности наступления рисковых ситуаций. Помимо этого все цели и показатели представлены в виде сбалансированной системы показателей, т. е. имеется возможность непосредственно проследить достижимость целей и плановых значений показателей в динамике прогона модели. Наряду с этим предусмотрена цветовая индикация целей и показателей, позволяющая оценить возможность наступления риска недостижения той или иной цели, а также проследить конкретный показатель (или набор таковых), являющийся источником возможного рискового события. Фрагмент сбалансированной системы показателей
с индикацией достижения целей и показателей перспективы «Логистические процессы» в динамике работы дискретно-событийной модели представлен на рис. 6.

Рис. 6. Фрагмент результата прогона дискретно-событийной имитационной модели

Fig. 6. A fragment of the result of running a discrete-event simulation model

Представленный результат прогона имитационной модели можно интерпретировать следующим образом. Наиболее светлым оттенком серого цвета отмечены показатель «Процент погрузочно-разгру-
зочных работ, выполненных в срок» и цель «Своевременное выполнение погрузочно-разгрузочных работ». Этот цветовой индикатор показывает, что цель полностью достигнута, т. к. и значение показателя, оценивающего достижимость данной цели, оказалось не ниже планового значения. Чуть более темный оттенок серого подсвечивает показатели «Фондоотдача», «Среднее время погрузки», «Безотказность погрузки» и «Количество утерянного при погрузке груза», указывая на то, что данные показатели не достигли при прогоне плановых значений, но достаточно к ним приблизились. Несмотря на близость фактических значений указанных показателей к плановым, оцениваемые ими цели в рамках данной перспективы «Логистические процессы» оказались подсвечены самым темным оттенком серого цвета, что свидетельствует об имеющихся рисках недостижения данных целей. Это связано с тем, что цели «Повысить эффективность использования ресурсов», а также «Повысить качество погрузочно-разгрузочных работ» помимо вышеназванных показателей зависят от цели «Оптимизировать количество ресурсов порта», оцениваемой недостигнутыми показателями «Коэффициент экстенсивного использования оборудования» и «Коэффициент интенсивного использования оборудования». Грамотно составленный план проведения экспериментов с имитационной моделью позволяет выработать обоснованные управленческие решения по корректировке значений факторов, влияющих на деятельность грузового порта (состава и количества различных ресурсов, обеспечивающих реализацию логистических процессов, времени осуществления отдельных операций и т. п.).

Заключение

Разработана дискретно-событийная имитационная модель, позволяющая осуществлять управление рисками, возникающими в грузовом порту. Представлены подробное описание элементов, составляющих имитационную модель, а также их взаимосвязи. Построенная имитационная модель реализует концепцию риск-ориентированного управления основными процессами грузового порта, в основе которой лежит стратегия развития грузового порта. Ориентируясь на стратегическую карту порта, дискретно-событийная модель позволяет оценить достижимость поставленных целей, сравнивая получившиеся по результатам прогона модели фактические значения показателей оценки деятельности порта с их планируемыми значениями. На основе данной оценки осуществляется анализ возможных рисков порта, связанных с недостижением конкретных целей. В случае выявления рисковых ситуаций цветовая индикация проблемных целей и показателей, предусмотренная в анимационной схеме модели, которая соответствует сбалансированной системе показателей, позволяет выявить показатели, являющиеся источниками возникновения возможных рисковых ситуаций. Приведен и описан пример эксперимента с имитационной моделью. Суть проведения экспериментов с дискретно-событийной имитационной моделью заключается в оценке возможных вариантов корректировки значений внутренних факторов модели с точки зрения их положительного влияния на минимизацию рисков с целью получения рекомендаций для принятия решений по управлению рисками грузового порта.

References

1. Kondrat'ev V. Astrahanskaya oblast' v sisteme geo-politicheskih prioritetov Rossii v sovremennoj mezhdu-narodnoj obstanovke [Astrakhan Region in the system of Russia's geopolitical priorities in the modern international situation]. Available at: https://caspian.institute/product/kondratev-vladislav/astrahanskaya-oblast-v-sisteme-geopoli-ticheskih-prioritetov-rossii-v-sovremennoj-mezhdunarodnoj-obstanovke-38485.shtml (accessed: 22.02.2025).

2. Protalinskij O. M., Hanova A. A., Bondareva I. O. Imi-tacionnaya model' tekhnologicheskih processov gruzovogo porta [Simulation model of technological processes of a cargo port]. Vestnik Saratovskogo gosudarstvennogo tekhnicheskogo universiteta, 2010, vol. 4, no. 2 (50), pp. 134-144.

3. Latypova E. A., Bondareva I. O. Imitacionnoe mod-elirovanie kak sredstvo upravleniya logisticheskim predpri-yatiem na primere gruzovogo porta [Simulation modeling as a means of managing a logistics enterprise using the example of a cargo port]. Nauchno-tekhnicheskie vedomosti Sankt-Peterburgskogo gosudarstvennogo politekhnicheskogo uni-versiteta. Informatika. Telekommunikacii. Upravlenie, 2012, no. 6 (162), pp. 165-170.

4. Bondareva I. O., Latypova E. A. Imitacionnoe mod-elirovanie kak instrument kompleksnoj ocenki strategicheskih riskov logisticheskogo predpriyatiya [Simulation modeling as a tool for comprehensive assessment of strategic risks of a logistics enterprise]. Inzhenernyj vestnik Dona, 2017, no. 1 (44), p. 50.

5. Bondareva I. O. Upravlenie riskami transportno-logisticheskogo predpriyatiya na osnove logiko-veroyatnostnogo i imitacionnogo modelirovaniya [Risk man-agement of a transport and logistics enterprise based on logi-cal, probabilistic and simulation modeling]. Matematicheskoe i komp'yuternoe modelirovanie v ekonomike, strahovanii i up-ravlenii riskami, 2020, no. 5, pp. 29-35.

6. Hanova A. A., Bondareva I. O., Ganyukova N. P., Ere-menko O. O. Imitacionnoe modelirovanie biznes-processov: uchebnoe posobie [Simulation modeling of business process-es: a textbook]. Astrahan', Izd-vo AGTU, 2016. 280 p.

7. Modelirovanie portov i terminalov [Modeling of ports and terminals]. AnyLogic. Available at: www.anylogic.ru/ports/ (accessed: 22.02.2025).

8. Stankovets A. V. Station simulation with Anylogic in logistics. Logistika v sovremennom mire. Problemy i resh-eniya: materialy IV Nacional'noj mul'tiyazychnoj nauchno-prakticheskoj konferencii s mezhdunarodnym uchastiem (Novosibirsk, 24–28 maya 2021 g.). Novosibirsk, Izd-vo Sib. gos. un-ta putej soobshcheniya, 2021. Pp. 180-187.

9. Latypova E. A., Bondareva I. O. Upravlenie biznes-processami gruzovogo porta na osnove sbalansirovannoj sis-temy pokazatelej [Cargo port business process management based on a balanced scorecard]. Prikaspijskij zhurnal: uprav-lenie i vysokie tekhnologii, 2012, no. 4 (20), pp. 112-118.

10. Bondareva I. O. Kompleksnyj analiz riskov gru-zovogo porta na osnove logiko-veroyatnostnogo i imitacion-nogo modelirovaniya [Comprehensive risk analysis of a cargo port based on logical, probabilistic and simulation modeling]. Izvestiya Yugo-Zapadnogo gosudarstvennogo universiteta, 2020, vol. 24, no. 4, pp. 91-106.

This work is licensed under Creative Commons Attribution 3.0 Unported

Submit manuscript Download PDF
Text

To cite

Citations:

Confirmation

Регистрация