2020/05/20 07:58:00

Имитация против интуиции: как сервисы математического моделирования упрощают жизнь бизнесу

Нынешний кризис напомнил всем о том, что наш мир на самом деле нестабильный, сложный и неопределенный. Один из способов добиться определенной устойчивости для бизнеса — точные прогнозы, основанные на данных и математическом моделировании. Мы попросили экспертов BIA-Technologies рассказать о том, как работают математические модели — сервисы, которые с высокой точностью имитирует ответ организации на любые управленческие воздействия.

Содержание

Основная статья: Цифровой двойник, Digital Twin of Organization, DTO

Цифровой двойник для бизнес-процесса

Технически модель представляет собой таблицы под которыми лежат алгоритмы. Специалисты собирают данные из различных источников и систем, обрабатывают их и формируют в комфортный для потребителя результат. Для пользователя это может быть специализированный интерфейс или интеграция в любую из используемых информационных систем. Если речь о имитационных моделях, то пользователь видит полноценную 3D или 2D модель реального объекта со всеми происходящими там процессами и параметрами, которые влияют на работу.

Один из способов добиться определенной устойчивости для бизнеса — точные прогнозы, основанные на данных и математическом моделировании

Созданная модель с высокой точностью имитирует ответ организации на любые управленческие воздействия: что будет если торговая сеть откажется от торговых точек и полностью перейдет режим онлайн-продаж и доставки, как эту доставку сделать эффективной, чтобы попадать в интервал 30 минут, сколько денег это будет стоить и имеет ли смысл браться. Все бизнес-функции, эффективность которых зависит от множества вариативных параметров, могут быть смоделированы и описаны математическими алгоритмами.

«
Наши специалисты выявляют взаимосвязи, оценивают взаимное влияние различных факторов и строят цифровую модель того или иного процесса в различных сценариях развития. Меняя входные параметры, заказчик может с высокой долей достоверности анализировать работу бизнес-функции, планировать и принимать решения о развитии, опираясь на точный прогноз,
говорит начальник отдела математических моделей, департамента математической оптимизации и моделирования BIA-Technologies Михаил Красильников.
»

Затем разрабатывают сервисы, позволяющие строить математические модели по запросу заказчика. Фактически это цифровые двойники с той разницей, что получившийся в итоге объект — это бизнес-процесс, отдельная функция или организация целиком, а не физическое здание или участок производства.Как зародилась масштабная коррупционная схема при внедрении ИТ в ПФР при участии «Техносерва» и «Редсис». Подробности 38.7 т

Михаил Красильников уточняет, что сейчас методами математического моделирования можно просчитывать эффективность планирования штатного расписания и выявлять потенциал по сокращению или наращиванию персонала при различных сценариях течения кризиса. Реализованы сервисы для составления эффективного расписания загрузки производственного персонала или транспорта. Оптимизация складских площадей, эффективная логистика и многие другие функции наши заказчики уже прогнозируют и строят на базе высокоточных математических моделей.

Кому будут полезны подобные сервисы: логистика, производство и здравоохранение

Фактически любой бизнес или процесс, включая социальные системы, можно оптимизировать и спрогнозировать с помощью математических моделей. Чем больше потерь несет бизнес из-за простоев и чем больше он зависит от корректного планирования, тем быстрее окупятся затраты на построение цифрового двойника. В среднем, по данным BIA-Technologies, через несколько месяцев эксплуатации цифровой модели процесса его себестоимость снижается на 15%.

В первую очередь цифровое моделирование процессов полезно в логистике и производстве. С одной стороны, логистическая компания наверняка выиграет от повышения точности планирования. С другой — эффективная загрузка производственных мощностей или прогнозирование износа оборудования, тоже описывается цифровыми моделями.

Для ритейла большие возможности открываются в области прогнозирования спроса, управление цепями поставок, управление торговыми точками и оптимизация логистики. А крупный инфраструктурный объект может с помощью данных оценить пропускную способность, управлять потоками и зонами с повышенной нагрузкой, создать планы экстренного реагирования и эвакуации, оценить доступности дорожной сети, парковок и общественного транспорта.

По очевидным причинам во время пандемии возник повышенный спрос на сервисы математического моделирования — в ближайшее время ситуация во всех сегментах будет сложной, а значит каждый процент экономии на издержках повышает устойчивость бизнеса. К тому же в условиях, когда нет возможности протестировать различные подходы на реальном бизнесе, математическая модель незаменима.

«
Если бы математическое моделирование было более популярно на текущий момент, его можно было быть использовать для оптимизации здравоохранения, что особенно важно сейчас. Можно описывать и оптимизировать размещение оборудования, расчет использования ресурсов, разработку графиков работы. Даже целостное планирование развития системы здравоохранения можно моделировать, прогнозируя выделение и распределение ресурсов,
утверждает Михаил Красильников.
»

Как будущее бизнеса прогнозирует BIA-Technologies

«
Мы развиваем подобную экспертизу уже более 10 лет. Сначала были индивидуальные проекты под запрос очень крупных заказчиков, мы начинали с очень сложных и крупных моделей, постепенно двигаясь к удешевлению и типизации. Таким образом услуга по моделированию бизнеса стала доступна уже в пределах более скромных бюджетов и сроков. Накопленная экспертиза очень глубоко затрагивает все логистические и транспортные процессы,
рассказывает начальник отдела разработки, департамента математической оптимизации и моделирования BIA-Technologies Михаил Гладких.
»

Сейчас компания предлагает два варианта работы: индивидуальная разработка модели и сервисов на ее основе или использование уже имеющихся наработок с адаптацией под потребности конкретного заказчика. Все зависит от того, насколько специализированные процессы модель описывает.

Разработка модели с нуля зависит от ее сложности, объема, количества параметров и состояния исходных данных. Если все процессы и параметры описаны, то можно сразу приступать к разработке базовой модели, на это уйдет от одного до трех месяцев. Михаил Гладких утверждает, что построение полноценного цифрового двойника для крупной территориально-распределенной организации может занять целый год. Сначала описывают один процесс или функционал, потом другой, потом модели объединяются вводятся общие параметры и коэффициенты влияния. Средний бизнес можно полностью описать за 5-6 месяцев.

«
При этом обычные информационные системы морально устаревают уже к запуску в эксплуатацию, они постепенно теряют актуальность и проигрывают по функционалу новым продуктам. Модель, напротив, со временем становится только полезнее и точнее, поскольку накапливаются данные. Так что если ее постоянно использовать и развивать не устареет никогда, она будет обучаться вместе с бизнесом,
резюмирует Михаил Гладких.
»

Три примера работы сервисов математического моделирования

Кейс №1: Оптимизация производства с помощью модели

Проблема: Заказчик хотел оптимизировать производство полуфабрикатов. Особенность была в том, что у бизнеса изначально очень сложная организационная структура, которая зависит от множества параметров: необходимо обеспечить производство свежими продуктами, распределить нагрузку между цехами, равномерно загрузить персонал, обеспечить правильное хранение и транспортировку. И все это с соблюдением сроков свежести сырья и условий транспортировки на фоне жесткого контроля соответствующих инстанций.

Решение: BIA-Technologies разработала модель, учитывающую все значимые параметры, которые в свою очередь перевели в финансовые величины с соответствующими весовыми коэффициентами. Спектр параметров охватывал управление маржинальностью, сроками изготовления, рисками простоев, алгоритмами движения партий, переналадками оборудования.

Компания предложила последовательно использовать базовую модель для небольших групп заказов. На первом шаге происходит оптимальное распределение стартовой группы заказов. На втором шаге у полученного решения фиксируются номер производственного центра для полуфабриката и порядок изготовления партий в нем. На третьем шаге к предыдущим заказам добавляется новая группа, распределение пересчитывается с учетом ограничений на предыдущем шаге. Таким образом новые партии могут встать перед, между или после распределенных ранее, может поменяться время начала изготовления партий. Но при этом сохраняется порядок следования предыдущих партий. Цикл работает до тех пор, пока не распределятся все заказы.

Результат: С помощью базовой модели получили оптимальное решение по распределению до 2 тысяч партий полуфабрикатов. Заказчик смог уйти от устаревшего алгоритма планирования, при которой новые заказы ставили в очередь исходя из приоритета. И теперь планирование идет в непрерывном режиме с учетом всех значимых факторов.

Кейс №2: Заменили интуицию моделью и сократили простои на 50%

Проблема: Заказчик хотел оптимизировать производственный процесс на предприятии. Было невозможно оценить потенциальную прибыль или убытки от реорганизации и оптимизации производства, поскольку не было данных для принятия решения и приходилось основывать на прошлом опыте и управленческой интуиции.

Решение: В рамках моделирования оцифровали все элементы производственной экосистемы, детализировали производственные процессы, оценили потенциал внедрения изменений и рассчитали схемы логистики. Затем приступили к проверке эффективности существующей системы и разработке возможных вариантов оптимизации. После было имитационное моделирование, оптимизация процессов и расчет эффективности оптимизации, а завершили реинжинирингом системы, практическим внедрением и оценкой результата.

Результат: Удалось снизить издержки на этапе реконструкции и повысить эффективность работы с поставщиками до 10%. Цифровая модель обеспечила точность прогнозирования производственных планов до 90% и сокращение простоев до 50%. Кроме того определили наилучшие конфигурации автоматических линий для производства.

Кейс №3: Математическое моделирование в эпоху COVID

Проблема: Этот пример напрямую связан с текущей ситуацией. Из-за пандемии крупный застройщик был вынужден приостановить строительство сразу нескольких объектов. Очевидно, что итоговые сроки сдачи объектов сдвигаются, но вот насколько — вопрос открытый.

Решение: BIA-Technologies прямо сейчас работает над моделью, которая позволит прогнозировать сроки окончания строительства в зависимости от различных сценариев снятия ограничений. Проект затронет построение оптимальных расписаний работы, балансировку расписаний в рамках всей компании, оценку влияния перераспределения сотрудников между значимыми объектами. С помощью этой модели заказчик сможет осуществлять ресурсное планирование таким образом, чтобы закончить объекты в максимально сжатые сроки.

Результат: Пока кейс на этапе доработки, но уже точно можно назвать основные бенефиты, которые получит заказчик. В первую очередь это оптимизированные графики строительства объектов, которыми можно прозрачно управлять. За счет точного планирования производительность персонала ощутимо вырастет, больше не будет затрат денег и времени на простои и неэффективные перераспределения персонала. Естественным следствием такого планирования станет оптимизация ФОТ. В среднем оптимизация расписаний с помощью математического моделирования приносит снижение затрат на ФОТ на 20% и увеличение производительности труда на 7%. Плюс выравнивание общей занятости и соблюдение требований законодательства.