Preview

PROНЕФТЬ. Профессионально о нефти

Расширенный поиск

Имитационное моделирование как инструмент обеспечения эффективности планирования цепочек поставок в нефтяной отрасли

https://doi.org/10.51890/2587-7399-2023-8-3-179-185

Аннотация

Введение. Имитационное моделирование прочно вошло в рабочий процесс управления цепочками поставок в мире. Вертикально интегрированные нефтяные компании (далее — ВИНК) РФ также эпизодически применяют инструменты имитационного моделирования при проектировании цепочек поставок.

Цель. Представить на примерах возможность и эффективность применения инструментов имитационного моделирования при планировании и выстраивании нефтяной логистики. Статья содержит теоретический анализ возможности применения инструментов имитационного моделирования и практический обзор методов повышения эффективности с помощью применения имитационного моделирования при решении управленческих задач логистики в нефтяной отрасли.

Материалы и методы. Методика исследования базировалась на анализе публикационной активности в базе данных Scopus, WoS по соответствующим тематическим запросам.

Результаты. В результате применения имитационного моделирования можно добиться решения множества задач, связанных с выстраиванием цепочек поставок в нефтяной отрасли.

Заключение. Результаты проведенного исследования позволяют сделать вывод о том, что моделирование логистических процессов в нефтяной отрасли может быть успешно осуществлено с помощью имитационного моделирования. Это подтверждают и теоретические исследования, и практические разработки. Безусловным преимуществом использования имитационного моделирования является возможность построения модели в 3D до начала фактического инвестирования в факторы производства (перевалочные терминалы, транспортные средства и пр.). При этом к настоящему времени применение имитационного моделирования при решении возникающих задач в нефтяной логистике является скорее исключением, чем правилом. Важно расширять сферы и частоту его использования в целях экономии средств и повышения качества принимаемых решений.

Об авторе

Д. О. Шкляев
ПАО «Газпром нефть»
Россия

Даниил Олегович Шкляев — руководитель направления сопровождения новых проектов продуктового кластера «Перспективное развитие» дирекции логистики и операций с нефтью

190000, г. Санкт-Петербург, ул. Почтамтская, д. 3–5



Список литературы

1. Антонов А.В. Системный анализ. Учеб. для вузов. — М.: Высш. шк., 2004. — 454 с.

2. Боев В.Д., Кирик Д.И., Сыпченко Р.П. Компьютерное моделирование: пособие для курсового и дипломного проектирования. — Санкт-Петербург: ВАС, 2011. — 348 с.

3. Борщев А.В. Практическое агентное моделирование и его место в арсенале аналитика // Exponenta PRO. — 2004. — № 7–8 (3–4). — С. 38 –47.

4. Емельянов В.В., Ясиновский С.И. Имитационное моделирование систем. — Москва: МГТУ имени Н.Э. Баумана, 2009. — 583 с.

5. Каталевский Д.Ю. Основы имитационного моделирования и системного анализа в управлении: учебное пособие; 2-е изд., перераб. и доп. — М.: Издательский дом «Дело» РАНХиГС, 2015. — 496 с.

6. Карпов Ю.Г. Имитационное моделирование систем. Введение в моделирование с AnyLogic 5. — СПб.: БХВ-Петербург, 2005. — 400 с.

7. Кобелев Н.Б., Половников В.В., Девятков В.В. Имитационное моделирование. — Москва: ИНФРА-М, 2013. — 368 с.

8. Коршак А.А. Основы транспорта, хранения и переработки нефти и газа: учеб. пособие. — Ростов н/Д.: Феникс, 2015. — 365 с.

9. Кричевский М. Л., Серова Е.Г. Бизнес-анализ и принятие управленческих решений на основе данных и моделей. Теория, практика, инструменты. — Санкт-Петербург: Профессиональная литература, 2016. — 336 с.

10. Лукинский В.С. Модели и методы теории логистики: Учебное пособие. 2-е изд. — Санкт-Петербург: Питер, 2008. — 448 с.

11. Лукинский В.С., Серова Е.Г. Методы и инструменты интеллектуального анализа данных в цифровой логистике и управлении цепями поставок // Логистика и управление цепями поставок. — 2018. — № 87 (4). — С. 73–80.

12. Лычкина Н.Н. Имитационное моделирование экономических процессов. — Москва: Академия АйТи, 2005. — 164 с.

13. Садовничий В.А., Акаев А.А., Коротаев А.В., Малков С.Ю. Моделирование и прогнозирование мировой динамики. — Москва.: ИСПИ РАН, 2012. — 360 с.

14. Серова Е.Г. Имитационное моделирование в современном менеджменте // Сборник докладов Третьей всероссийской научно-практической конференции по имитационному моделированию и его применению в науке и промышленности, Имитационное моделирование. Теория и практика. — 2007. — С. 215–220.

15. Сумятина В.О., Шкляев Д.О. Имитационное моделирование как инструмент для моделирования процесса погрузо-разгрузочных операций с нефтепродуктами // Сборник трудов Девятой всероссийской научно-практической конференции по имитационному моделированию и его применению в науке и промышленности Имитационное моделирование. Теория и практика. — 2019. — С. 559–665.

16. Щербанин Ю.А. Транспортно-логистическое обеспечение и международные перевозки углеводородного сырья: Учеб. пособие. — 2-е изд., доп. — М.: ИНФРА-М, 2012. — 288 с.

17. Щербанин Ю.А. Логистика и трейдинг в нефтегазовой отрасли. В 2 книгах. Кн. 1. Основы логистики. Закупки и поставки в нефтегазовых логистических системах. — Москва: Российский государственный университет нефти и газа имени И.М. Губкина, 2015. — 279 с.

18. Albright S.C., Zappe C. J., Winston W.L. Data Analysis, Optimization, and Simulation Modeling. Canada, Cengage Learning, 2011, 1061 p.

19. Koen Haziel van Dam. Capturing socio-technical systems with agent-based modeling 32. Netherlands, Next Generation Infrastructures Foundation, 2009, 254 p.

20. Macal C., North M. Tutorial on agent-based modeling and simulation. [Journal of Simulation]. 2010, no. 4. Pp. 151 –162.

21. Parunak H.V.D. Industrial and Practical Applications of DAIH. [Multiagent Systems: A Modern approach to Distributed Artifi cial Intelligence]. 1999. Pp. 377–421.

22. Pidd M. Computer Simulation in Management Science 5th Edition. Wiley, 2004, 312 p.

23. Serova E. The Role of Agent Based Modelling in the Design of Management Decision Processes. Journal Information Systems Evaluation. 2013, no. 16, pp 74–84.

24. Serova E., Shklyaev D. Systems of distributed artifi cial intelligence for analysis of oil product transportation processes: evidence from Russia. [International Journal of Simulation and Process Modelling]. 2021, no. 2/3, pp. 106–115. https://doi.org/10.1504/IJSPM.2021.10041319

25. Sterman J. Business Dynamics: Systems Thinking and Modeling for a Complex World. McGraw Hill, 2000, 1008 p.


Рецензия

Для цитирования:


Шкляев Д.О. Имитационное моделирование как инструмент обеспечения эффективности планирования цепочек поставок в нефтяной отрасли. PROНЕФТЬ. Профессионально о нефти. 2023;8(3):179-185. https://doi.org/10.51890/2587-7399-2023-8-3-179-185

For citation:


Shkliaev D.O. Simulation as a tool for efficient supply chain planning in the oil industry. PROneft. Professionally about Oil. 2023;8(3):179-185. (In Russ.) https://doi.org/10.51890/2587-7399-2023-8-3-179-185

Просмотров: 244


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 2587-7399 (Print)
ISSN 2588-0055 (Online)