Дискретно-событийная имитационная модель  управления рисками грузового порта

Бондарева Ирина Олеговна; Заварзин Данила Андреевич

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

Главная / Журналы / Вестник Астраханского государственного технического университета. Серия: Управление, вычислительная техника и информатика / Том 2025 Номер 2 / Дискретно-событийная имитационная модель управления рисками грузового порта

Дискретно-событийная имитационная модель управления рисками грузового порта

Отправить рукопись Скачать PDF
Текст

Цитировать

Цитирований:

ДИСКРЕТНО-СОБЫТИЙНАЯ ИМИТАЦИОННАЯ МОДЕЛЬ УПРАВЛЕНИЯ РИСКАМИ ГРУЗОВОГО ПОРТА

Журнал: ВЕСТНИК АСТРАХАНСКОГО ГОСУДАРСТВЕННОГО ТЕХНИЧЕСКОГО УНИВЕРСИТЕТА. СЕРИЯ: УПРАВЛЕНИЕ, ВЫЧИСЛИТЕЛЬНАЯ ТЕХНИКА И ИНФОРМАТИКА Том 2025 № 2 , 2025

Рубрики: МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ

УДК 004.8 Искусственный интеллект

Бондарева Ирина Олеговна ¹

Заварзин Данила Андреевич ²

Информация об авторах и публикации

Авторы:

1. Астраханский государственный технический университет (кандидат технических наук, доцент; заведующий кафедрой прикладной информатикиа)

2. Санкт-Петербургский государственный университет (магистрант)

Россия

Тип:

Статья

DOI:

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

EDN:

https://elibrary.ru/OHZACZ

Страницы:

с 125 по 136

Статус:

Опубликован

Получено:

26.02.2025

Одобрено:

21.04.2025

Опубликовано:

15.05.2025

Классификаторы:

УДК 004.8 Искусственный интеллект

Язык материала:

русский

Ключевые слова:

имитационное моделирование, дискретно-событийная модель, управление рисками, логистические процессы, грузовой порт, сбалансированная система показателей

Аннотация и ключевые слова

Аннотация (русский):
Описана необходимость использования технологии имитационного моделирования как основной составляющей концепции риск-ориентированного управления основными процессами грузового порта. Приведено подробное поблочное формализованное описание структуры разработанной дискретно-событийной имитационной модели, являющейся базовым элементом многоподходного имитационного моделирования. Формализованная в виде множеств, включающих различные элементы модели, структура позволяет получить максимально точное представление о взаимосвязи различных составляющих дискретно-событийной имитационной модели, проследить взаимное влияние каждого элемента, а также получить общую картину осуществления различных процессов, в том числе логистических, реализуемых в рамках портовой деятельности. В качестве структурных элементов модели выделены следующие: модули, позволяющие проследить логику выполнения всех процессов, протекающих в порту; агенты дискретно-событийной имитационной модели, являющиеся объектами выполнения исследуемых процессов порта; события имитационной модели, отражающие конкретные операции, осуществляемые в порту; ресурсы, с помощью которых данные операции реализуются; переменные и параметры модели как вспомогательные элементы, предназначенные для проведения необходимых расчетов и связи различных составных элементов модели, а также показатели оценки деятельности порта, рассчитываемые с помощью дискретно-событийной модели. Каждый из вышеназванных элементов представлен также в виде множе-ства, подробно детализирован и описан. Разработанная дискретно-событийная имитационная модель позволила реализовать концепцию риск-ориентированного управления основными процессами грузового порта, сформулированную в данной работе и включающую необходимость расчета показателей оценки деятельности порта с целью прогнозирования наступления возможных рисковых ситуаций. Приведен пример осуществления эксперимента с данной имитационной моделью, а также описана технология ее дальнейшего использования для выработки рекомендаций по недопущению (минимизации) рисков грузового порта.

Ключевые слова:
имитационное моделирование, дискретно-событийная модель, управление рисками, логистические процессы, грузовой порт, сбалансированная система показателей

Текст

Текст (PDF): Читать Скачать

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.

Список литературы

1. Кондратьев В. Астраханская область в системе геополитических приоритетов России в современной международной обстановке. URL: https://caspian.institute/product/kondratev-vladislav/astrahanskaya-oblast-v-sisteme-geopoliticheskih-prioritetov-rossii-v-sovremennoj-mezhdu-narodnoj-obstanovke-38485.shtml (дата обращения: 22.02.2025).

2. Проталинский О. М., Ханова А. А., Бондарева И. О. Имитационная модель технологических процессов грузового порта // Вестн. Сарат. гос. техн. ун-та. 2010. Т. 4. № 2 (50). С. 134–144.

3. Латыпова Э. А., Бондарева И. О. Имитационное моделирование как средство управления логистическим предприятием на примере грузового порта // Науч.-техн. ведом. Санкт-Петерб. гос. политех. ун-та. Информатика. Телекоммуникации. Управление. 2012. № 6 (162). С. 165–170.

4. Бондарева И. О., Латыпова Э. А. Имитационное моделирование как инструмент комплексной оценки стратегических рисков логистического предприятия // Инженер. вестн. Дона. 2017. № 1 (44). С. 50.

5. Бондарева И. О. Управление рисками транспортно-логистического предприятия на основе логико-вероятностного и имитационного моделирования // Математическое и компьютерное моделирование в экономике, страховании и управлении рисками. 2020. № 5. С. 29–35.

6. Ханова А. А., Бондарева И. О., Ганюкова Н. П., Еременко О. О. Имитационное моделирование бизнес-процессов: учеб. пособие. Астрахань: Изд-во АГТУ, 2016. 280 с.

7. Моделирование портов и терминалов // AnyLogic. URL: www.anylogic.ru/ports/ (дата обращения: 22.02.2025).

8. Stankovets A. V. Station simulation with Anylogic in logistics // Логистика в современном мире. Проблемы и решения: материалы IV Национ. мультиязыч. науч.-практ. конф. с междунар. участием (Новосибирск, 24–28 мая 2021 г.). Новосибирск: Изд-во Сиб. гос. ун-та путей сообщения, 2021. С. 180–187.

9. Латыпова Э. А., Бондарева И. О. Управление бизнес-процессами грузового порта на основе сбалансированной системы показателей // Прикаспийский журнал: управление и высокие технологии. 2012. № 4 (20). С. 112–118.

10. Бондарева И. О. Комплексный анализ рисков грузового порта на основе логико-вероятностного и имитационного моделирования // Изв. Юго-Запад. гос. ун-та. 2020. Т. 24. № 4. С. 91–106.

Контент доступен под лицензией Creative Commons Attribution 3.0 Unported

Отправить рукопись Скачать PDF
Текст JATS XML

Цитировать

Цитирований:

Подтверждение

Регистрация