Исследование работы морских паромных маршрутов на основе имитационного моделирования

Рост числа круизных судов участвует в региональной динамике и поэтому представляет собой не только определенные трудности, но и возможности для прибрежных портовых городов. Хорошее соотношение цены и качества и легкая доступность портов играют ключевую роль для круизных линий и их пассажиров, выбирающих регион Балтийского моря. Большинство портов легко доступны для воздушного и наземного транспорта - например, Копенгаген, Таллин, Хельсинки и т. д. [24].

Все портовые города стараются совершенствовать свои круизные терминалы и свою привлекательность. В регионе Балтийского моря Стокгольм был первым городом, построившим специальный круизный терминал.

Круизные операторы улучшают свое предложение, предоставляя новые возможности и маршруты. В Балтийском море деятельность носит сезонный характер, круизные лайнеры ходят в основном в период между ранней весной и поздней осенью и заходят обычно в более крупные города, такие как Копенгаген или Рига. А такие порты как Киль и Росток, находящиеся в Германии, привлекают большое количество круизных судов из-за их связи с более крупными городскими центрами. Кроме того, порты Германии действуют вместе с Копенгагеном как отправные точки для круизов. Это может быть объяснено более высокой плотностью населения в южных частях региона Балтийского моря и наличием соответствующих целевых групп в Западной Европе, которые способствуют росту большинства круизных пассажиров в Балтийском море [24].

Балтийский маршрут, предлагаемый почти каждым оператором, выглядит так: Росток, Копенгаген, Таллинн, Санкт-Петербург, Хельсинки, Стокгольм. Возможны очень небольшие вариации, в основном с дополнением в виде одного небольшого или среднего порта региона Балтийского моря или Европейского, который также, вероятно, будет поворотным портом, а не пунктом назначения.

Еще одной особенностью Балтийских круизов является большое количество внешних оборотных портов. Гамбург является наиболее важным из-за его близости, но в 2012 году было 23 других внешних порта (14 из них находятся в Великобритании). Это связано с характером этих портов, поскольку они служат узловыми пунктами, предлагая несколько основных направлений в дополнение к Балтийскому морю. Следует особо отметить Росток, популярность которого обусловлена его относительной близостью к немецкой столице Берлину. Порты среднего уровня: Киль, Рига, Гданьск и Гдыня находятся на основном маршруте Копенгаген-Санкт-Петербург. Единственными средними портами, которые, похоже, находятся на грани «прорыва» в основное русло (или фактически сделали это за последние пару лет), являются Висбю, Ренне и Гетеборг.

Кроме того, становится очевидным, что некоторые из крупнейших портов в Балтийском море, обслуживаемых круизными лайнерами (в частности, Хельсинки, Таллинн и Санкт-Петербург), находятся строго на приемной стороне движения, и они почти никогда не являются портами происхождения для самих круизов [29].

Однако круизное судоходство растёт, и проекты круизных терминалов усложняются. В настоящее время круизное судоходство в Балтийском море продолжает диверсифицироваться с целью захвата и удержания новых клиентов: короткие маршруты, поэтому более доступные по цене, тематические поездки, такие как фестивальные круизы, Балтийское море или норвежские фьорды [29].

Балтийское море продолжает оставаться одним из самых популярных круизных направлений и быстро реагирует на проблемы, связанные с огромным увеличением круизных перевозок. В связи с увеличением трафика возникает дополнительная нагрузка на портовую инфраструктуру, которая решается лучше, чем в среднем по Северной Европе. Порты фактически модернизируют свою инфраструктуру и создают адекватные условия для решения проблемы роста числа пассажиров и предстоящих задач.

Проанализировав статистику показателей круизного туризма в Балтийском регионе, можно сделать вывол, что Балтийское море обладает широкими перспективами для дальнейшего развития, которые обеспечивают высокую конкурентноспособность региона в сравнении с другими морскими районами в Европе.

2.4 Основные маршруты Балтийского моря

В качестве основы для имитационного моделирования была выбрана часть маршрута парома SPL Princess Anastasia: Хельсинки - Санкт-Петербург - Таллин.

Рисунок 8 Маршрут парома SPL Princess Anastasia [44]

SPL Princess Anastasia является круизным паромом компании St. Peter Line. Паром регулярно курсирует с 31 марта 2011 года по линии Санкт-Петербург -- Хельсинки -- Стокгольм -- Таллин -- Санкт-Петербург.

Используя портал marinetraffic.com, мы можем проанализировать интенсивность движения пассажирских судов по маршруту [45].

Рисунок 9 Интенсивность движения судов на Балтийском море за 2017 г. [45]

Как это работает? Marinetraffic.com является ресурсом, который позволяет осуществлять мониторинг перемещения судов на карте AIS (Automatic Identification System).

Схема работы для пользователя проста: по названию судна система покажет его местоположение в данный момент времени. Marinetraffic.com так же выдаст информацию о типе судна, его курсе и стране, которой оно принадлежит, пункте назначения, скорости движения и т.д.

При создании карты кораблей используется технология AIS - автоматическая система идентификации. На каждом судне установлен специальный передатчик, который сообщает необходимую информацию в эфир, используя радиоволны. Это не включает использование мобильной или спутниковой связи, поэтому данная технология дешевле своих аналогов. Поймать сигнал способен любой приемник, который работает на частотах ОВЧ или УКВ [49].

Основа действия АИС заключается в приёме и передаче сигналов по УКВ каналам между судами и базовыми станциями на суше. Непосредственный обмен информацией по УКВ волнам АИС представляется возможным в рамках УКВ радиосвязи, которые ограничены радиуусом примерно в 30 морских миль. Схематично принцип работы АИС изображен на рисунке 9.

Рисунок 10 Схема работы АИС

На рисунке мы видим судно, которое перемещается из точки А в точку В. Пунктирной линией обозначен радиус приема сигнала. В радиусе приема судно может передать сигнал базовой станции на берегу.

Сигнал с каждого корабля, владеющего АИС и располагающегося в зоне приёма УКВ, собирается в единую базу, где дальше подвергается анализу и обработке. В результате, он предоставляется сервисом в формате интерактивной карты.

В согласии с положениями, установленными Конвенцией SOLAS, оборудование с такими системами стало неотъемлемой частью судов, имеющих водоизмещение свыше 300 регистровых тонн и отправляющихся в путь, захватывая международные маршруты. Кроме того, оно обязательно и для судов с водоизмещением более 500 регистровых тонн, которые не совершают международные рейсы, а так же для всех пассажирских судов. Для кораблей с более низким водоизмещением допускается установка приборов класса Б.

Самые значимые факторы покрытия трансляции - мощность имеющегося передатчика и высота принимающей антенны. Минимальный радиус сигнала ретранслятора - 75 км. Этого расстояния достаточно, чтобы корабли узнали о присутствии друг друга на безопасном расстоянии.

В эфире транслируется статическая и динамическая информация. Первая включает в себя данные, которые не меняются во время плавания - это название и позывной судна, его идентификатор, габариты, номер MMSI, осадка, дата прибытия и отправления из терминалов, информация о конечном пункте прибытия. Динамическая информация - это те сведения, которые постоянно меняются, например: курс, координаты, скорость и угол поворота корабля. Эта информация получается с помощью GPS-систем и обновляется обычно раз в 10 минут.

Информация с АИС на судне может транслироваться с интервалами от 2 секунд до 6 минут и состоит из: номера MMSI, номера IMO, радиопозывного и названия плавсредства, габаритов, типа судна, местоположения судна (широты и долготы), времени (UTC), возраста информации (последнее время обновления), курса, скорости, угловой скорости поворота, навигационного статуса, пункта и времени прибытия (ЕТА), осадки судна, информации о грузе (класс\категория груза), количестве людей на борту, сигнала для предупреждения об опасности и так далее.

Такая технология быстро набрала популярность из-за её удобства: поймать сигнал можно с помощью антенны обычного радиоприемника. Кроме того, требуемое для трансляции оборудование сможет поместиться на любой яхте.

Сначала технология AIS была создана для безопасности плавания. Радары на судах иногда не могут распознать небольшое плавсредство. А в плохую погоду на море видимость падает и становится нулевой. Радиоволны нечувствительны к погодным условиям, поэтому система сможет распознать даже самые небольшие корабли при плохой видимости.

В наши дни появилась дополнительная сфера использования AIS - отслеживание коммерческого трафика. На портале marinetraffic.com карта судов в реальном времени демонстрирует корабли, их маршруты и другую важную информацию [45].

Кроме того, этот портал используют транспортные компании для мониторинга движения своих кораблей; заказчики - для контроля транспортировки грузов по морю; государственные службы - в качестве вспомогательного средства для контроля безопасности прибрежных вод; службы спасения - для быстрой реакции в экстренных ситуациях.

Сейчас ретранслирующие сигнал AIS буи расположены повсеместно - на берегу, специальных плавучих станциях и спутниках.



3. Построение имитационной модели паромных маршрутов Балтийского моря

3.1 Обоснование важности применения имитационного моделирования

Суть имитационного моделирования заключается в процессе проектирования модели, детально описывающей и воспроизводящей деятельность самой системы.

В качестве плюса имитационного моделирования предстает возможность управлять временем в пределах модели. Соответственно, время в моделях систем с замедленной изменчивостью может быть ускорено. Наряду с этим, для систем, в пределах которых происхождение процессов имеет очень высокую скорость, время может быть замедлено для осуществления детального анализа происходящих изменений в системе.

Процесс создания имитационных моделей состоит из следующих этапов [34]:

а) стадия создания концептуальной модели;

б) стадия внедрения модели с помощью средств из пакета имитационного моделирования;

в) стадия экспериментов на рабочей модели, сбор информации и анализ полученных результатов.

Далее приведены примеры сфер использования имитационного моделирования:

- в ИТ-инфраструктуре;

- в математическом моделировании исторических элементов;

- в движении всех видов транспорта;

- в логистике;

- в производственном сегменте;

- в управлении проектами;

- в вопросах рынка и конкуренции;

- в бизнес-процессах;

В настоящее время сфера применения имитационных моделей довольно широка. Этот метод в полной мере справляется с решением таких задач, как из области физики и математики, для которых он изначально создавался. А также методика имитационного моделирования обширно используется практически в каждой отрасли, где основа состоит из процессов, которые могут быть описаны посредством математического языка. К этому можно отнести и ряд производственных, логистических и иных всевозможных процессов, которые относятся к процессам передвижения автотранспорта, а так же воздушного, морского, железнодорожного транспорта и пассажиров.

В имитационном моделировании заключаются нижеприведенные подходы:

- системная динамика;

- дискретно-событийное моделирование;

- агентное моделирование [7, c. 36]

На сегодняшний день реализовано множество моделей, которые отражают и решают различного рода логистические проблемы. Каждая обладает своими достоинствами и недостатками. Тем не менее, все модели ориентированы на выполнение определенной задачи. Таким образом, модель выступает как совокупность всех трех парадигм имитационного моделирования.

По сравнению с использованием иных методик для моделирования и других экспериментов с реальными системами, метод имитационного моделирования обладает следующими достоинствами:

- экономия средств. Принятие важных решений не потребует от компании лишней траты на оплату труда рабочих, за которых может сделать работу модель. Затраты в данном случае ограничиваются только стоимостью программного обеспечения и консалтинговых услуг;

- скорость. На практике полный анализ эффективности или других показателей, например, новых сетей по распределению товаров или по изменению структуры складских помещений достигается посредством работы в течение нескольких месяцев. Используя для этих целей имитационную модель, возможно рассчитать показатели рациональности по новым данным за несколько минут, которые потребуются для проведения эксперимента;

- повторяемость. Современные условия требуют от предприятий быструю реакцию на динамику ситуации рынка. При проектировании имитационной модели возможно проводить бесконечное число опытов, вводя разные начальные параметрами, для определения наиболее подходящего варианта.

- достоверность. Обыкновенные расчетные математические способы характеризуются достаточно высокой степенью абстракции результатов. При их использовании обычно невозможно взять в расчёт важные факторы. В свою очередь, имитационные модели могут представлять собой строение проектируемой системы и её процессов в первоначальном виде без использования формул и строгих математических зависимостей;

- визуализация. Одной из способностей имитационных моделей является наглядное представление процессов и результатов деятельности моделирования в отрезки времени. Они могут схематично задавать структуру системы и выводить результаты в графическом формате. Это способствует наглядному представлению полученного решения и облегчает донесение идей до потребителей;

- многофункциональность. Способ имитационного моделирования может решать различные задачи из производства, логистики, финансовой сферы, здравоохранения и т.д. В каждом случае модель имитирует и воспроизводит реальные ситуации и проводит широкий спекрт экспериментов без влияния на реальные объекты [9, c. 3].



3.2 Выбор имитационного средства

В таблице 4 представлена классификация по существующим программам для имитационного моделирования:

Таблица 4

Программы для имитационного моделирования [9, c. 56]

Программы для парадигмы системной динамики	Программы для парадигмы дискретно-событийного моделирования	Программы для парадигмы динамической системы	Программы для парадигмы агентного моделирования
VenSim, eMPlant, Stella, Dynamo, SimuLab, AnyLogic, Arena, PowerSim, Ithink, Supply Chain Guru, SimBioSys, Plant Simulation, Tecnomatix и др.	Taylor Simulation, PowerSim Studio, Enterprise Dynamics, AutoMod, Pilgrim, GPSS, SIMUL8, SIMULA, Witness, SimScript, FlexSim SimProcess, Quest, Modelling, Promodel, Extend, AnyLogic, Arena и др.	Multisim VisSim, CSSL, MATLAB+Simulin, GASP, LabView, Easy5, Дорожныи? менеджер, PowerSim, Supply Chain Guru, MvStudium Dynamo, MIMIC и др.	C++, Ascape, SimAgent, Swarm+MAML, AnyLogic, SimBioSys, NetLogo, AgentSpeak, Java, TeleScript, Mason RePast, Oz и др.

По данным таблицы видно, что ряд программных продуктов повторяется в различных столбцах. Это указывает на то, что на сегодняшний день классификация программ по подобного рода признакам является довольно условной, так как современные программные средства для осуществления имитационного моделирования становятся все наиболее универсальны.

Имитационное моделирование по логистическим процессам зачастую осуществляют с применением программного обеспечения, которое носит название AnyLogic. В рамках программной среды AnyLogic можно успешно выполнять задачи по планированию действий во временном периоде с возможностью постоянно корректировать на базе сведений, которые периодически обновляются, а также по составлению долгосрочного и краткосрочного расписания. Для того чтобы создать сложное расписание, необходимо применить специальную комбинацию по имитационным моделям, которая позволит отыскать расписание, являющееся наиболее близким к оптимальному.

Гибкость программного продукта AnyLogic способствует рассмотрению процесса по управлению цепями поставок в совокупности с иными процессами организации, например, с процессом стратегического планирования, маркетинга, управления персоналом, предоставляя возможность достичь наиболее эффективные решения [6, c. 24].

В качестве наиболее трудного этапа выступает процесс по принятию решений. Причиной этому является то, что лицу, принимающему решение, требуется осуществить рассмотрение большого количества по взаимосвязанным, часто стохастическим событиям. Большая часть систем управления цепями поставок дает возможности только осуществлять мониторинг и документирование процесса, что представляет собой необходимую, но не основную составляющую.

Применение средств и методов по построению имитационных моделей способствует полной автоматизации процессов управления цепями поставок, начиная от хода принятия решения и заканчивая процессом мониторинга по их выполнению и документированию.

Ход имитационного моделирования может быть применён в области принятия решений на стадии проектирования и исследования структуры производственной, транспортной системы и иных.

Программный продукт AnyLogic объединил возможности по созданию гибридной модели на базе таких моделей, как модели системной динамики, дискретно-событийные модели и модели агентного подхода [7, c. 15].

На настоящее время системами моделирования предлагается широкий спектр по средствам и методам моделирования, которые основаны на современном уровне развития по информационным технологиям. Благодаря применению методов по имитационному моделированию и методов по рациональной организации труда, возможно разрабатывать комплекс мероприятий, направленных на повышение уровня эффективности логистики в анализируемой организации. Модели AnyLogic могут создаваться посредством применения инструментов всех подходов имитационного моделирования: дискретно-событийного, системной динамики и агентного моделирования.

Для проведения анализа процессов, которые проходят в мире, удобно их рассматривать в качестве последовательности по отдельным важным моментам - событиям. Подход к построению имитационных моделей, который позволяет представлять реальные действия в качестве подобных событий, приобрел название «дискретно-событийного».

Само понятие дискретного-событийного моделирования содержит возможность по анализу статистических данных по модели по истечении определенного временного периода и разнообразных параметров. При осуществлении ввода разнообразных данных, возможно проследить, как изменяется поведение каждого участника процесса [15, c. 32].

Далее проанализируем возможности практического использования этого программного средства в процессе моделирования различных видов транспортно-логистических процессов.

В программе Anylogic возможно разработать имитационную модель по любому предприятию. В ней представляется возможным рассмотреть различные зоны: разгрузки, приемки, временного хранения, складского помещения, комплектации, отгрузки. Экспериментально возможно провести создание модели и найти недостатки в рамках работы транспортно-логистических процессов. Модель способна показывать, как функционируют процессы в определенный период времени во всех зонах. Также модель позволяет сформулировать рекомендуемые мероприятия, рассчитать экономическую эффективность по всем предложенным мероприятиям и показать эффект в общем по совокупности выполнения всех мероприятий.

Таким образом, программной средой Anylogic представлен достаточно разнообразный набор инструментов и средств по моделированию материальных и сопутствующих им потоков для того, чтобы решать большое количество задач в управлении логистическими процессами [23, c. 9].

3.3 Моделирование на основе систем массового обслуживания

Имитационное моделирование систем массового обслуживания обычно заключается во всем процессе до получения численных характеристик по работе системы.

Материальный поток по своей природе таков, что на своем пути к потребителям, он преодолевает производственное, складское и транспортное звено. Организация и направление материального потока осуществляется различными участниками логистического процесса. Применение разнообразных методов по оптимизации и решению логистических задач способствует приведению данных процессов к наибольшей эффективности. В логистических системах, где требуется оптимизация, зачастую встречаются ситуации, в которых присутствует определенная очередь (это может заключаться в очереди по заказам покупателей или очереди по определенному оборудованию в рамках производства и т.д.) [22, c. 14].

Система массового обслуживания (СМО) изображает из себя такую систему, которая принимает в опредённый момент времени поступает множество заявок по обслуживанию. Наряду с этим, весь перечень поступивших заявок обслуживается при помощи существующих в системе каналов по обслуживанию [12].

Ход изменения состояния СМО из одного в другое осуществляется при воздействии конкретного события - поступления заявки и ее обслуживания. Последовательностью по появлению событий, которые следуют друг за другом в случайный момент времени, формируется своего рода поток событий. В качестве примеров по таким потокам в коммерческой деятельности выступают потоки, разные по своей природе - товара, денег, документации, транспорта, клиентов, потребителей, телефонных звонков, переговоров.

Порядок поведения системы зачастую определяется не одним, а сразу несколькими потоками событий. К примеру, обслуживание потребителей на складе определяется потоком потребителей и потоком обслуживания; в рамках этих потоков случайными являются параметры момента по появлению потребителей, параметр времени ожидания в очереди и времени, которое затрачивается на процесс обслуживания по каждому покупателю.

Наряду с этим, основная характерная черта потоков событий заключается в вероятностном распределении времени между смежными событиями. Существуют разнообразные потоки, отличающиеся своими параметрами.

Системы массового обслуживания характеризуются:

- средней скоростью обслуживания;

- средним временем ожидания в очереди;

- средним временем нахождения объекта в системе массового обслуживания;

- средней длиной очереди;

- средним количеством заявок;

- числом каналов обслуживания;

- интенсивностью потока заявок на «входе»;

- интенсивностью обслуживания заявок;

- интенсивностью нагрузки;

- коэффициентом нагрузки;

- относительной пропускной способностью;

- абсолютной пропускной способностью;

- процентом времени простоя;

- процентом обслуженных заявок;

- процентом упущенных заявок;

- средним количеством занятых каналов;

- средним количеством свободных каналов;

- коэффициентом занятости каналов;

- средним временем простоя каналов [9, c. 3].

С точки зрения моделирования на основе систем массового обслуживания, условия, при которых образуются очереди по заявкам (требованиям) на оказание обслуживания, возникают следующим образом: после прихода заявки в пределы обслуживающей системы, требование присоединяют к очереди иных (которые поступили ранее) заявок. Канал по обслуживанию осуществляет выбор требования из тех, которые ждут в очереди, для того, чтобы приступить к их обслуживанию. После того, как завершается процедура по обработке очередного требования, канал обслуживания переходит к обработке следующих требований, если такие существуют в блоке ожидания.

Цикл по работе систем массового обслуживания такого порядка может повторяться многократно на протяжении всего временного периода работы обслуживающих систем. Наряду с этим предполагается, что процесс перехода системы к обслуживанию следующего требования после того, как завершено обслуживание по предшествующему требованию, должен протекать мгновенно в случайный момент времени [46, c. 52].

Проанализировав главные аспекты работы систем массового обслуживания, можно отметить, что функциональные возможности по любой системе массового обслуживания определены рядом следующих важных критериев:

- вероятностное распределение моментов по приёму требований на обслуживание;

- вероятностное распределение времени продолжительности по обслуживанию;

- форма обслуживающей системы (по параллельному, последовательному или параллельно-последовательному принципу);

- число требований и производительность по каналам;

- дисциплина очереди;

- мощность источника заявок.

Основными параметрами для измерения эффективности функционирования систем массового обслуживания служат:

- критерий вероятности мгновенного обслуживания поступивших требований;

- критерий вероятности отказа в обслуживании поступивших требований;

- критерий относительной и абсолютной пропускной способности;

- критерий средней доли требований, по которым получен отказ в обслуживании;

- критерий среднего времени ожидания требований в очереди;

- критерий средней длины очереди;

- критерий средней прибыли от функционирования системы в момент времени.

Основной целью теории массового обслуживания выступает установление корреляции между факторами, которые определяют функциональные способности системы массового обслуживания, и эффективностью её работы.

В подавляющем большинстве примеров на практике система массового обслуживания является многоканальной. Соответственно, модели со множеством обслуживающих каналов вызывают несомненный интерес как предмет для исследования.

Таким образом, проанализировав принципы теории системы массового обслуживания, можно сделать вывод, что применение данной теории на практике в совокупности с системой имитационного моделирования способствует появлению перспектив в рамках открытия новых возможностей для осуществления сбора и анализа информации, построения наиболее точных моделей, которые наиболее полно описывают реальные объекты окружающего мира [46, c. 53].

3.4 Обоснование выбора имитационной модели

Процесс имитационного моделирования осуществляется при помощи персонального компьютера, поэтому для того, чтобы провести расчеты по переменным модели, необходима специализированная программа. Основные способы для того, чтобы реализовать имитационные модели, заключаются в системном анализе и дискретно-событийном моделировании.

Под системным анализом подразумевается процесс моделирования непрерывных и дискретных процессов, который основан на использовании математических моделей и численных методов.

Под дискретно-событийным моделированием подразумевается имитация, которая осуществляется в дискретные моменты времени, и базируется на процессе обработки происходящего в этот момент события.

Применение подхода на базе дискретно-событийного моделирования является весьма эффективным с позиции вычислительной сложности и обладает дополнительными преимуществами, по сравнению с системным и агентным подходом, которые состоят в том, что на интуитивном уровне он является легко понятным. В его основу заложена достаточно простая идея [37].

Изначально разработчиком модели тем или иным образом (при помощи графического интерфейса или программного кода) указывается последовательность по действиям и событиям, которые происходят в рамках моделируемой системы.

Далее осуществляется ввод данных в программу, и, базируясь на моменте наступления события, программным планировщиком располагаются все события в очереди. Имитация заключается в том, что извлекается каждое событие из очереди для последующего выполнения действия, которые соответствуют данному событию.

К примеру, для осуществления моделирования процесса по выполнению заказа пользователем выбирается задача или блоки для осуществления действий из палитры блоков, они соединяются вместе, и определяется, насколько часто происходит событие, и определяется частота, с которой наступает событие, или какое количество времени занимается выполнением соответствующих действий. Результатом проведенной имитации может быть собрана и обработана статистика по выполненным работам (действиям), возникших расходах, а также оценка других важных показателей.

Возможность построить имитационную модель на базе графического интерфейса представляет собой весьма эффективный инструмент для разработчиков модели, которая в значительной мере поспособствовала широкому внедрению дискретно-событийного моделирования. Графическое представление может быть разделено на две группы, состоящие из блочных диаграмм и диаграмм состояний [17, c. 25].

На сегодняшний день существует множество коммерческих и в свободной форме распространяемых программных средств, которые поддерживают процесс дискретно-событийного моделирования. Среди них существует ряд систем общего назначения и специализированные инструменты, которые предназначены для того, чтобы моделировать в определенных областях: обслуживания, бизнес-процессов, производства, логистики и т.д.

Интерфейс таких программных продуктов существенно различается друг от друга, но они все основаны на базе так называемого дискретно-событийного движка (engine), обеспечивающего перемещение требований сквозь блоки спроектированной системы посредством использования логики дискретно-событийного подхода.

Примерами инструментов, которые поддерживают такого рода подход в имитационном моделировании, могут быть представлены такие программные продукты как Any Logic, который будет рассмотрен далее в данной выпускной квалификационной работе, а так же Arena, Actor Pilgrim, GPSS/PC, GPSS/H, GPSS World, Object GPSS, SimProcess, Enterprise Dynamics, Auto-Mod и др [7, c. 11]

3.5 Структура имитационной модели

Для построения дискретно-событийной модели необходимо определить перечень всех основных событий, которые могут повлиять на изменение состояния системы, и осуществить группировку их по классам, критерием которой будет способ (алгоритм) реализации (свершения).

Каждое событие должно быть охарактеризовано, помимо класса, посредством набора параметров (атрибутов), которые используются в модели, и времени свершения (или интервала свершения, который отсчитывается, как правило, от текущих моментов).

Процесс планирования и реализации событий, которые разделяют временные интервалы, требует дополнительной информации, которая хранит запланированные события. Это осуществляется при помощи специального файла-календаря или списка. Так как календарь применяется не только для того, чтобы хранить события, но и для того, чтобы анализировать состояние по имитационному процессу, события в нем располагаются по порядку увеличения времени их свершения.

По ходу воспроизведения имитации осуществляется выборка событий из календаря и реализация их по очереди. Обновление имитационного времени осуществляется только после того, как произошла выборка события из календаря и когда стало известно время его свершения. Алгоритм задания по модельному времени в данном случае должен соответствовать явному оператору. Во время имитации календарь должен поддерживаться на надлежащем уровне посредством подпрограммы GRUP, которая вызывается после каждого обращения к календарю, которое сопровождается нарушением порядка по расположению его записей [8, c. 33].

После обработки любого события проиходит проверка условий по завершению прогона (прогон - это часть общего процесса имитации, который повторяет основные этапы имитации при вновь возникших данных, которые определяются случайными процессами):

а) завершилось ли время, которое отведено на процесс прогона;

б) существуют ли еще события в календаре;

в) прочие условия.

Если завершается очередной прогон, происходит вызов подпрограммой оформления отчета по этому прогону и определяются направления действий: продолжение проведения новых прогонов или завершение имитации.

После того, как завершены абсолютно все прогоны, вызывается процедура по обработке результатов по всем прогонам и оформляется итоговый отчет.

Процесс сбора данных осуществляется в любых местах программы моделирования и при любых моментах времени в соответствии с условиями разработанного алгоритма [35].

Переменные и параметры, которые используются в модели, могут быть разделены на четыре группы:

- системные, которые не зависят от моделируемых объектов и применяются в разнообразных задачах;

- пользовательские (объектные), которые определяются по типу объекта и которые вводятся разработчиком для очередной задачи заново;

- всепрогонные, которые относятся ко всей имитационной модели;

- прогонные, которые характеризуют отдельные прогоны.

Данные по всепрогонным параметрам задаются в рамках главного модуля, по прогонным - в рамках главного модуля (только по некоторым исходным значениям, применяемым в первом прогоне) и в рамках специализированной процедуры для каждого из прогонов.

После того, как запущена модель, ход инициализации системы выолняется на основе переменных в главном модуле и с помощью применения специализированной процедуры.

Поскольку алгоритм моделирования базируется на обработке событий, вызванных из календаря, важно запланировать по крайней мере одно событие до того, как впервые обратиться в календарь. Данную функцию осуществляет последний оператор с помощью использования процедуры по планированию.

Суть этой процедуры заключается в следующем: вся известная информация о будущем событии, например, его время осуществления, тип и т.д., передаётся в календарь. Время осуществления события обычно подразделяется на известную часть, которая обычно представляет из себя текущее время, и приращённое время. Благодаря этому, планирование совершения события можно осуществлять не по самому времени, а только по его приращению.

Фактический ход моделирования работы проектируемого объекта начинается с выборки первичного события из календаря, которое выполняет следующее условие: оно является минимальным по времени осуществления. Данные по такому событию необходимы для совершения нескольких операций. Например, уже рассмотренное минимальное время свершения события способствует обновлению модельного времени. Идентификатор класса требуется для поиска информации в соответствии с порядком реализации события. Атрибуты события используются для того, чтобы определить вектор действий в процессе симуляции [35].

Ход выявления программы по реализации события выполняется посредством специализированной процедуры, в рамках которой при её запуске передается код по событию. В таком случае программа может вызвать непосредтсвенно подпрограмму реализации или осуществить поиск встроенного алгоритма по свершению события.

По окончании реализации события проводится сверка результатов реализации с условиям завершения прогона. В случае, если прогон может продолжаться, календарь доступен для принятия обращений для того, чтобы извлечь последующее самое близкое по времени событие. Если необходимо завершить прогон, то информация, накопленная в процессе выполнения реализации, обрабатывается, а затем создается отчет о прогоне. Далее осуществляется проверка условий по окончании всех прогонов. Если прогоны требуют продолжения, процесс управления передается специализированной процедуре для того, чтобы выполнить очередной прогон. После того, как все прогоны будут окончены, будет сформирован итоговый отчет для всего моделирования.

Основным главным преимуществом рассмотренного процесса является то, что все главные этапы процесса проектирования модели в рамках дискретно-событийной парадигмы аналогично применяютя и для любого иного проектируемого объекта. Таким образом, процесс управления ходом имитации, вне зависимости от цели, присваивается отдельным процедурам системного вида - специальным процессорам имитации, которые вызываются из главного модуля перед началом первого запуска [9, c. 3].

При построении имитационной модели паромных маршрутов за основу было взято расписание движение паромов из ресурса marinetraffic.com. Было рассмотрено несколько паромов, которые совершали маршруты, ограниченные пунктами Санкт-Петербург, Таллин и Хельсинки. Пример расписания представлен на рисунке 11.

Рисунок 11 Расписание движения парома Megastar [45]

На рисунке видно, что портал может предоставить необходимую для моделирования информацию:

- название судна;

- Пункт отправления и прибытия;

- Местонахождение судна;

- Дата и время отправления и прибытия.

Кроме того, в рамках этой функции можно узнать и такие данные, как, например, вместимость судна или тип порта, но они не были приняты во внимание при построении имитационной модели.

Таким образом, подгрузив данные об отправлении и прибытии паромов по времени их расписания, мы можем получить имитационную модель их движения в реальном времени.

Всего было рассмотрено восемь паромов, которые курсировали по маршруту Санкт-Петербург - Хельсинки - Санкт-Петербург, Санкт-Петербург - Хельсинки - Таллин - Санкт-Петербург и Хельсинки - Таллин. Поскольку пять из восьми рассмотренных паромов имели одинаковый маршрут и приблизительно идентичное расписание, было решено объединить их в единую группу для удобства построения модели.

Таким образом, мы получаем следующую структуру модели (приложение В).

В первую очередь были сформированы группы паромов (рисунок 12), которые являются «входом» для нашей модели (элементы source). Названия групп соответствуют реальным названиям рассматриваемых кораблей. Первые три включают по одному рассмотренному судну, а последняя (Star) состоит из пяти почти аналогичных кораблей (Star, Megastar, Finlandia, Viking XPRS, Silja Europa), расписание которых было усреднено, так как почти не отличалось как временем стоянки в портах, так и временем в пути. Такое решение было принято для обеспечения более удобной и наглядной визуализации структуры модели.

На рисунке мы также видим элементы queue и conveyor, которые способствуют передвижению кораблей по дальнейшим заданным маршрутам.

Рисунок 12 Начало модели

Рассмотрим подробнее схему терминала (рисунок 13).

Рисунок 13 Модель порта Хельсинки

На данной схеме мы видим:

- сам терминал, которому задано время стоянки судов;

- очередь на терминал, на которую встают суда по установленному расписанию;

- четыре варианта выхода из порта, которые соответствуют маршрутам рассматриваемых кораблей.

Первое судно - Princess Anastasia - ходит по маршруту Хельсинки -Санкт-Петербург. Аналогичный маршрут имеет второе судно Clio, которое отличается от первого расписанием и временем стоянки в портах. Корабль Nieuw Statendam курсирует по маршруту Санкт-Петербург - Хельсинки - Таллин, а последняя группа, включающая пять паромов, захватывает только два порта - Таллин и Хельсинки.

Элементы type задают дальнейший путь движения судов, их скорость и расстояние между пунктами.

В конечном итоге, визуализация построенной модели выглядит следующим образом (рисунок 14).

Рисунок 14 Визуализация имитационной модели

На данном рисунке можно увидеть схематическую карту, пункты отправления и назначения моделируемых судов и линии маршрутов, по которым они будут ходить между этими пунктами. Далее рассмотрим показатели функционирования модели и возможности её применения на практике.

3.6 Практическая реализация имитационной модели

В результате построения имитационной модели, мы получили схему работы морских паромных маршрутов Балтийского моря, охватывающих пункты Хельсинки, Таллин и Санкт-Петербург.

Каждый терминал может быть исследован на предмет пропускной способности. При построении данной модели были построены графики, отражающие среднюю величину очереди на терминалы Санкт-Петербурга (рисунок 15), Таллина (рисунок 16) и Хельсинки (рисунок 17).

Рисунок 15 График средней длины очереди на терминале Санкт-Петербурга



Рисунок 16 График средней длины очереди на терминале Таллина

Рисунок 17 График средней длины очереди на терминале Хельсинки

На графике по оси Х обозначены единицы модельного времени, а по оси Y - величина показателя длины очереди.

Кроме того, данные графики позволяют увидеть величину длины очереди в момент времени при запуске модели. Чем ниже значение на графике, тем меньше очередь в терминал, а, значит, тем выше его пропускная способность. Для сравнения этого показателя на всех трех терминалах сразу в момент времени был построен следующий график (рисунок 18).

Рисунок 18 Средняя длина очереди на терминалах в момент времени

На данном графике мы можем увидеть, что самым низким показателем обладает порт в Санкт-Петербурге - 0,02. Показатели терминалов в Таллине и Хельсинки значительно выше составляют 0,836 и 0,704 соответственно. Можно сделать вывод, что пропускная способность терминала Санкт-Петербурга - самая высокая. Можно предположить, что полученные результаты на графиках обусловлены количеством рассмотренных судов на заданных маршрутах. Имеется в виду, что количество судов, заходящих в порт Санкт-Петербурга, меньше (их всего 3), чем тех кораблей, маршруты которых включают Хельсинки (8 судов) и Таллин (7 судов).

Таким образом, указав параметры входных потоков - расписание отправления и прибытия паромов, их пунктов отправления и назначения и расстояния между этими пунктами, было промоделировано поведение системы паромных маршрутов на Балтийском море и вычислены основные характеристики её эффективности - показатели средней длины очереди на терминалах Санкт-Петербурга. Хельсинки и Таллина.

Для формирования имитационной модели были использованы статистические данные о прибытии и отправлении паромов в рамках исследуемого маршрута, взятые с ресурса отслеживания судов marinetraffic.com.

Несомненным преимуществом такой модели является использование регулярно обновляющихся данных о реальном положении судов из источника marinetraffic.com. Точное расписание помогает сформировать наиболее подробную модель движения паромов. Однако одним из недостатков является то, в рамках исследования было взято расписание за 3 дня. Для получения более точных показателей потребуется охватить уже намного больший период времени.

Кроме того, при исследовании достаточно широкого периода времени, можно перейти к прогнозированию дальнейшей работы терминалов, что позволит поднять стратегическое управление на качественно новый уровень.

В процессе создания имитационной модели была выявлена проблема поиска наиболее полного объема внешних факторов, которые являются ограничением системы.

Главное преимущество практической реализации полученной модели имитации работы паромных маршрутов на Балтийском море заключается в том, что она может быть использована и для любых других схожих систем оптимизации маршрутов, так как модель позволяет изменять исходные данные.



Заключение

На сегодняшний день в Балтийском море образовалась разветвленная сеть портов. Практика организации маршрутных сетей морского пассажирского транспорта, включающая операции на терминалах, требует учета множества дополнительных параметров. Эти параметры определяются постоянным изменением показателей пассажиропотока, состава флота и др. и, как следствие, переменным движением и изменяющейся ролью терминалов.

Одно из основных условий развития маршрутной сети в рамках конкуренции между компаниями, участвующими в морских перевозках, - это привлечение пассажиропотока, его сосредоточение в портах и терминалах, формирование предпосылок по использованию паромов как альтернативного метода достижения цели.

Проведенное исследование, которое основано на анализе круизных и паромных линий и терминалов в Балтийском море, а так же их аспектов функционирования обосновало актуальность и необходимость построения имитационной модели организации морского пассажирского транспорта

«Входом» для построенной имитационной модели являются статистические данные перемещения судов, которые были взяты с ресурса marinetraffic.com. Впоследствии, они преобразуются в модель на «выходе» под влиянием внешних факторов. Особого внимания требуют параметры внешней среды, которые оказывают непосредственное влияние на пассажиропоток и маршруты паромных судов.

Основными параметрами, влияющими на пассажиропоток, являются как внешняя среда, так и ценовая конкуренция между организациями-перевозчиками на Балтийском море. Дополнительным параметром-ограничением выступает относительно небольшое расстояние между терминалами, которые образуют рассмотренный маршрут

В процессе создания имитационной модели была выявлена проблема поиска и анализа наиболее полного объема внешних факторов, которые являются ограничением системы.

В результате были получены следующие показатели средней длины очереди терминалов: порт Санкт-Петербурга - 0,02, порт Таллина - 0,704, порта Хельсинки - 0,836. На основе данных показателей можно сделать вывод, что пропускная способность терминала г. Санкт-Петербург является самой высокой из всех рассмотренных. Тем не менее, на данные показатели влияет рассмотренное количество судов в относительно непродолжительный период времени, что может говорить о невысокой их точности. Для дальнейших исследований потребуется анализ более обширной базы данных.

Для морских компаний-перевозчиков полученные результаты будут способствовать пониманию вариантов повышения конкурентоспособности и способы достижения более положительных экономических показателей. Полученная модель организации морской пассажирской транспортной сети может быть источником для дальнейшего исследования. На основе полученных данных можно выявить возможности развития данной транспортной сети и улучшения стратегического управления для компаний.

Более детальный анализ этой проблемы может внести глобальный вклад в разработку метода повышения устойчивости морского пассажирского транспорта, обеспечения роста конкурентоспособности организаций и улучшения экономических показателей.

Актуальной целью для будущих исследований становится анализ изменений в сетях маршрутов с течением времени и выявление массива переменных условий, влияющих на эти изменения с помощью проектирования соответствующих моделей. Для достижения более детальных результатов такая временная шкала должна входить в современные информационные системы как аналитический инструмент для мониторинга морского пассажирского транспорта.

Проектирование моделей организации маршрутной сети влечет за собой необходимость полного и детального представления всех логистических, транспортных, маркетинговых параметров на микро- и макроуровне, которые оказывают влияние на пассажиропоток, привлекательность отрасли морских перевозок в целом и организационные процессы на пассажирских терминалах.

При создании такой модели представится возможным применить её для отдельных элементов на микроуровне - например, для сети маршрутов определенного перевозчика. Тем не менее, эта перспектива формирует определенные трудности при формировании основных переменных или параметров, определяющих развитие на фиксированный период



Список использованных источников

1. Об изменении классификации пункта пропуска через государственную границу Российской Федерации в морском порту "Пассажирский порт Санкт-Петербург" по характеру международного сообщения с пассажирского на грузо-пассажирский: Распоряжение Правительства Российской Федерации от 13 марта 2015 года N 413-р // Распоряжение. 2015.

2. Доклад министра транспорта Российской Федерации на расширенном заседании Коллегии Министерства транспорта Российской Федерации 13 марта 2007 г.: Доклад министра транспорта РФ на расширенном заседании коллегии Минтранса РФ. 2012.

3. Программа развития транспортной системы Санкт-Петербурга и Ленинградской области на период до 2020 года: Постановление Правительства Санкт-Петербурга от 30 июня 2014 года N 552. -2014.

4. Социальное положение и уровень жизни населения России: Статистический сборник. М.: Госкомстат России. -2002, с. 106.

5. Тарифное руководство № 5-Р, часть 1 «Правила перевозок пассажиров и багажа, часть 2, Прейскурант № 14-02-01, «Тарифы на перевозки пассажиров и багажа речным транспортом»: Тарифное руководство. - 2001.

6. Боев В. Д. Компьютерное моделирование: Пособие для практических занятий, курсового и дипломного проектирования в AnyLogic7 // СПб.: ВАС. 2014. Т. 432.

7. Бочкарев А.А. Планирование и моделирование цепи поставок / А.А. Бочкарев. М.: Альфа-Пресс, 2008. 192 с.

8. Гаджинский А. М. Логистика: Учебник. -- 15-е изд., перераб. и доп. -- М.: Издательско-торговая корпорация «Дашков и К», 2007. -- 472 с.

9. Горев А. Э. Основы теории транспортных систем: учеб. пособие //СПб.: СПбГАСУ. 2010.

10. Дрейбанд Д. В. Совершенствование организационно-экономического механизма тарифного регулирования в сфере пассажирских перевозок // Н. Новгород. - 2004.

11. Дунаев О. Н. Управление транспортом в условиях рыночной экономики // М.: ГАУ. 1992.

12. Каратаева П. М. Имитационная модель паромной переправы «Балтийск-Усть-Луга» / Каратаева П. М., Савкин Д. А. Вестник Балтийского федерального университета им. И. Канта. Серия: Физико-математические и технические науки. 2007. №. 10.

13. Кириченко А. В., Введение в транспортную логистику / Кириченко А. В., Кузнецов А. Л., Ражев О. А., Фетисов В. А. - СПб.: Изд-во ГУАП, 2011. 228 c.

14. Крук Ю. Ю. О технологическом плане-графике обработки судна // Вісник Одеського національного морського університету. 2015. №. 2. С. 128-145.

15. Левкин Г. Г. Основы логистики/ Левкин Г. Г., Попович А. М. - Directmedia. - 2015.

16. Логунова Н. А. Мировой рынок круизной индустрии: особенности формирования и перспективы развития // Вісник Бердянського університету менеджменту і бізнесу. 2013. №. 2. С. 29-34.

17. Мезенцев К. Н. Моделирование систем в среде AnyLogic 6.4. 1 // Часть. 2011. Т. 1. С. 103.

18. Мельник Д. А. Морской транспорт как системообразующий элемент Балтийского транснационального транспортного региона // Вестник Балтийского федерального университета им. И. Канта. Серия: Естественные и медицинские науки. 2013. №. 1.

19. Рыжова Л.П. Автореферат диссертации, на соискание ученой степени доктора экономических наук // М. - 2014.

20. Рыжова Л.П. Безопасность судоходства на реках России // «Бюллетень транспортной информации». - 2018 г., № 4 (34), с. 28 -30.

21. Рыжова Л.П. Речной транспорт в системе государственного регулирования и рыночных отношений. //«Речной транспорт», 2010 г. № 1.79. «Рыночная экономика». Словарь под общ. редакцией Г.Я. Кипермана, «Республика», Москва. - 2013 г.

22. Толуев Ю. И. Моделирование и симуляция логистических систем / Толуев Ю. И., Планковский С. И. - Киев:«Миллениум». 2009.

23. Хэмди А. Таха. Введение в исследование операций.--7-е изд./Пер. с англ //М.: Вильямс. 2007.

24. Bekiashev K. A. International Federation of Shipmasters' Associations (IFSMA) / Bekiashev K. A., Serebriakov V. V. International Marine Organizations. Springer, Dordrecht, 1981. С. 134-139.

25. Jugoviс A. Organization of maritime passenger ports / Jugoviс A., Mezak V., Lonсar S. Pomorski zbornik. 2006. Т. 44. №. 1. С. 93-104.

26. Notteboom T. E. Port regionalization: towards a new phase in port development / Notteboom T. E., Rodrigue J. P. Maritime Policy & Management. 2005. Т. 32. №. 3. С. 297-313.

27. Serry A. Dynamics of maritime transport in the Baltic Sea: regionalization and multimodal integration // Proceedings of the 6th International Conference on Maritime Transport, 25-27 June 2014, Barcelona, Spain. 2014. С. 746-766.

...