ZiD.Fjałkowscy.Przykład modelowania

1
Zbigniew Fjałkowski, Danuta Fjałkowska
Karkonoska Państwowa Szkoła Wyższa
w Jeleniej Górze
Przykład modelowania i symulacji zagadnienia logistycznego
w Vensim PLE1
WSTĘP
Podstawowym zadaniem każdego przedsiębiorstwa jest produkcja. Decyzje dotyczące
asortymentu, sposobu, czasu i rozmiaru produkcji, przebudowy potencjału produkcyjnego itp.
są kluczowe dla jego funkcjonowania. Ich podejmowanie wymaga informacji znacznie
wykraczającej poza zawartość informacyjnych baz danych organizacji tj. poza zwyczajowe
analizy ekonomiczne, ewidencje księgowe, sprawozdawczości finansowe i zarządcze czy
statystyki sprzedaży. Szczególnego znaczenia dla decydentów nabiera informacja
prognostyczna i ocena ex-ante mająca na celu określenie oraz ocenę zapotrzebowania na
konkretne działanie przeprowadzone przed jego wdrożeniem, co w znaczący sposób może
decydować o istnieniu przedsiębiorstwa w przyszłości.
Dobrym narzędziem zapewniającym możliwość odzwierciedlenia złożonych powiazań
występujących w procesach logistyki produkcji w ujęciu dynamicznym, a równocześnie
umożliwiającym eksperymenty symulacyjne dające prognozę skutków podejmowanych
decyzji na przyszłe kształtowanie zjawisk w tym zakresie, jest zamodelowanie zadanego
sytemu i w oderwaniu od rzeczywistości - sprawdzanie skutków działań przed ich podjęciem
w praktyce.
W artykule przybliżone zostały zagadnienia dotyczące modelowania i symulowania,
szczególną rangę nadając metodzie dynamiki systemowej (System Dynamics - SD).
Zaprezentowano też praktyczny przykład wykorzystania pakietu symulacyjnego Vensim PLE
do modelowania i symulacji zagadnień logistycznych procesu produkcyjnego.
1. POJĘCIA MODELOWANIA I SYMULACJI KOMPUTEROWEJ
Otaczającą nas rzeczywistość, zjawiska które w niej występują, cechuje wysoka
złożoność. Nie jesteśmy więc w stanie rozpoznać i opisać wszystkich elementów tej
rzeczywistości, oraz relacji zachodzących między nimi. Każdorazowe rozwiązanie
pojawiającego się problemu wymusza działania oparte na ciągu czynności, w których
możemy wyodrębnić logiczne etapy: analizy, syntezy i oceny. Takie czynnościowe podejście
do budowania odwzorowań (reprezentacji) rzeczywistości nazywa się modelowaniem a
wynik tego procesu – modelem. Jakość stworzonego modelu i jakość samego procesu
modelowania ma w każdym przypadku kapitalne znaczenie dla poprawności jego
rozwiązania, choć już na początku należy dokonać selekcji, wybierając i uwzględniając w
dalszych działaniach tylko niektóre spośród rozpoznanych (oczywiście konieczne, ze względu
na funkcję celu), elementy badanego systemu.
1
Pakiet symulacyjny Vensim jest produktem amerykańskiej firmy software’owej Ventana Systems. Wersja PLE
(Vensim® Personal Learning Edition) jest dostępna do pobrania bez opłat licencyjnych ze strony internetowej
producenta: http://www.vensim.com.
2
Słowo „model” wywodzi się z łacińskiego słowa „modus” – „modulus” co oznacza –
miara, obraz, sposób. Jego pierwotne znaczenie było związane z budownictwem i używano
go dla oznaczenia wzorca lub przedmiotu podobnego do innego przedmiotu2. Wg W.
Kurowskiego model to:
‒ taki dający się wymyśleć lub materialnie zrealizować układ, który
odzwierciedlając albo odtwarzając przedmiot badania, jest zdolny zastąpić go tak,
że jego badanie dostarcza nowej informacji o tym przedmiocie,
‒ zastępująca oryginał przyjęta forma reprezentacji, wykorzystywana do wyjaśniania
i przewidywania zachowania się tego oryginału w sposób adekwatny z punktu
widzenia celu rozważań.
Modelem danego rzeczywistego obiektu jest układ dający się wyobrazić lub materialnie
zrealizować, który, odzwierciedlając lub odtwarzając obiekt, zdolny jest zastępować go tak,
że jego badanie dostarcza nowych, nadających się do dalszego sprawdzania informacji o
obiekcie. Stanowi on odwzorowanie najistotniejszych cech badanego lub projektowanego
przedmiotu z punktu widzenia zadania, któremu służy w określonej rzeczywistości lub
abstrakcji. Ukazuje elementy składowe i relacje między przyczynami i skutkami oraz celami i
uwarunkowaniami lub ograniczeniami. Np. wg W. Falkiewicza modelem zjawisk jest „opis
interesującego nas fragmentu (...) rzeczywistości, uwzględniający tylko istotne jej elementy z
pominięciem mniej istotnych”3.
Opisywane w literaturze procedury badań naukowych i ich weryfikacji na drodze
eksperymentu wykazują, że termin „model” używany jest zasadniczo w dwóch różnych
znaczeniach:
1.
Dla oznaczenia teorii, która jest strukturalnie podobna do innej, co umożliwia
przechodzenie od jednej teorii do innej za pomocą zwykłej zmiany terminologii –
w tym znaczeniu model jest środkiem poznania.
2.
Dla oznaczenia systemu, do którego odnosi się pewna teoria praktyczna lub
teoretyczna dla uproszczonego odzwierciedlenia badanego systemu naturalnego –
taki model jest przedmiotem poznania.
Niezależnie od charakteru - każdy z powyższych modeli powstaje w konsekwencji
dobrze ustrukturyzowanego procesu modelowania. W najprostszym ujęciu czynności
procesu modelowania polegają na przybliżonym odtwarzaniu najważniejszych właściwości
oryginału (rzeczywistości), a głównym celem modelowania jest uzyskanie wiarygodnego
modelu, który umożliwia prześledzenie wariantów zachowania się obiektu w różnych
warunkach i daje możliwość antycypacji i aproksymacji skutków tych zachowań.
Na rysunku 1. zaprezentowany został uproszczony schemat tworzenia modeli –
uproszczony schemat proces modelowania.
Jest wiele sposobów modelowania. Do najbardziej wyrazistych i najczęściej spotykanych
należą modelowanie: fizyczne, matematyczne, cybernetyczne i komputerowe (informatyczne)
oraz systemowo-dynamiczne.
Modelowanie fizyczne polega na badaniu danego zjawiska na nim samym poprzez
odtwarzanie go w różnych skalach i badanie wpływu cech fizycznych oraz rozmiarów.
Doświadczenie jest prowadzone bezpośrednio na badanym procesie fizycznym. Modelowanie
fizyczne sprowadza się do zachowania stałości kryteriów podobieństwa określających model i
obiekt. Proces odtwarza się w kilku etapach przechodząc stopniowo do co raz większej skali
zmieniając odpowiednio wymiary liniowe. Metoda ta nadaje się jedynie do systemów
prostych.
2
W. Kurowski, Podstawy diagnostyki systemów technicznych. Metodologia i metodyka, Wydawnictwo Instytutu
Technologii Eksploatacyjnej, Warszawa-Płock 2007, s.19.
3
W. Flakiewicz, Podejmowanie decyzji kierowniczych, PWE, Warszawa 1973, s.94.
3
Rysunek 1. Schemat tworzenia modeli
Źródło: opracowanie własne na podstawie materiałów powielanych
Modelowanie matematyczne. Metoda ta jest stosowana do badania własności procesów
mających opis matematyczny. Najczęściej składa się z trzech etapów:
1. Stworzenie formalnego opisu badanego procesu: wyznaczenie modelu
matematycznego.
2. Ustalenie algorytmu wyznaczenia wartości liczbowych szukanych parametrów.
3. Sprawdzenie zgodności modelu z procesem.
Opis matematyczny modelu przedstawia się w postaci układu równań algebraicznych
lub różniczkowych. I tak:
‒ Model o parametrach złożonych opisuje procesy, w których zmienne zmieniają się
zarówno w czasie i w przestrzeni lub jeśli zmiany zachodzą tylko w przestrzeni, to
musi być ona więcej niż jednowymiarowa.
‒ Model o parametrach skupionych opisuje zmienne procesu, które nie zmieniają się
w przestrzeni.
‒ Model statyczny opisuje proces w stanie ustalonym (nie uwzględnia zmian
wielkości w czasie).
‒ Model dynamiczny opisuje proces w stanie nieustalonym.
Uznaje się, że procesy niedeterministyczne (uwarunkowane przyczynowo) można
praktycznie modelować wyłącznie matematycznie.
Modelowanie matematyczne jest znacznie tańsze od fizycznego, niezależnie od tego czy
porównuje się czas czy koszty realizacji badań. Wybór między nimi nie jest jednak tylko
prostą funkcją skracania czasu czy zmniejszania kosztów; ważny jest, przede wszystkim,
wynik modelowania – jakość i funkcjonalność powstałego modelu.
Modelowanie cybernetyczne. Wykorzystując oryginalny język służy ono celom
heurystycznym i teoretycznym, czyli stawianiu hipotez i wyjaśnianiu modelowanych
obiektów i procesów. Modele cybernetyczne pozwalają na całościową prezentację badanych
obiektów oraz procesów, umożliwiając tym samym zrozumienie logiki ich konstrukcji i
funkcjonowania. Zasadniczym przedmiotem modelowania cybernetycznego są procesy
4
regulacji, sterowania i kontroli. Ten ogólnopoznawczy charakter modeli cybernetycznych i
ich zdolność do adekwatnego odzwierciedlania procesów regulacji, sterowania i kontroli
sprawiają, że stosuje się je w wielu dziedzinach: w technice, zarządzaniu, ekonomii,
psychologii, socjologii i in. Do uzyskiwania informacji o obiektach rzeczywistych
wykorzystuje się odpowiadające im modele cybernetyczne. Opracowywanie takich modeli
jest dziś bardzo rozpowszechnione; stosuje się je np. przy projektowaniu instytucji (ze
wszelkimi jej zasobami), sieci handlowych, organizacji produkcji w przedsiębiorstwie,
działań logistycznych i transportowych, przedsięwzięć dotyczących magazynowania,
handlowych a nawet przy projektowaniu organizacji działań samorządów, organizacji nonprofit także NGO.
Modelowanie komputerowe to modelowanie przeznaczone do naśladowania
dynamicznego zachowania badanego systemu i odzwierciedlania, w wirtualny sztuczny
sposób, stanów danego systemu. Odzwierciedlenie następuje przy użyciu komputera
wyposażonego w specjalny program komputerowy zwany programem lub systemem
symulacyjnym.
Dobrym narzędziem, za pomocą którego można odzwierciedlić złożone dynamiczne
powiązania występujące np. w procesach logistycznych czy produkcyjnych, a równocześnie
przeprowadzać eksperymenty symulujące, dające prognozę możliwych skutków
podejmowania decyzji zarządczych w tych obszarach, jest modelowanie metodą dynamiki
systemowej. W polskiej literaturze przedmiotu można spotkać także inne nazwy tej metody,
tj.: modelowanie systemowo-dynamiczne, modelowanie dynamiki zachowania czy wreszcie
dynamika systemowa - DS4.
Dynamika systemowa jest metodą szczególnego podejścia do problemów zarządzania w
systemach gospodarczych, stosowana zasadniczo do analizy problemów słabo
ustrukturyzowanych, o dużej liczbie współzależności miedzy elementami, która umożliwia
budowę modeli symulacji ciągłej5. Powstała w oparciu o dorobek trzech dyscyplin
naukowych tj. tradycyjnej teorii zarządzania, cybernetyki oraz symulacji komputerowej,
pozwala na opisywanie systemów w formie powiazań interakcyjnych i kombinacyjnych.
Tradycyjne zarządzanie pomaga w identyfikacji problemu bądź zagadnienia (systemu), które
będzie modelowane. Pomaga w odpowiednim doborze zmiennych wpływających na
zachowanie systemu oraz wskazuje ścieżki przepływu informacji pomiędzy tymi zmiennymi.
Formułuje reguły decyzyjne odpowiedzialne za sterowanie modelem. Cybernetyka
odpowiada za powiązanie wybranych zmiennych budujących model w dodatnie lub ujemne
pętle sprzężenia zwrotnego oraz pomaga w strukturalizacji modelu matematycznego dla
budowanego systemu. Rozwiązanie takiego modelu, obejmującego często zależności
nieliniowe, wymaga odpowiedniej metody numerycznej, którą w wypadku dynamiki
systemów jest właśnie symulacja komputerowa6.
Podstawy teoretyczne tej metody stworzone zostały pod koniec lat pięćdziesiątych XXw.
przez Jaya W. Forrestera i jego współpracowników z Masachussetts Institute of Technology.
Według twórców - stosowanie metody SD polega na badaniu cech charakterystycznych
informacyjnego sprzężenia zwrotnego występującego w działalności gospodarczej, w celu
wykazania, w jaki sposób struktura organizacyjna, zwiększanie planów oraz opóźnienia
czasowe (obserwowane w decyzjach i działaniach) oddziałują na siebie i wpływają na
4
M. Łatuszyńska, Symulacja procesu produkcyjnego w ujęciu systemowo-dynamicznym, [w:] Systemy
Wspomagania Organizacji, Wydawnictwo Akademii Ekonomicznej w Katowicach, Katowice 2004.
5
J. Tarajkowski (red.), Elementy dynamiki systemów, Wydawnictwo Akademii Ekonomicznej w Poznaniu,
Poznań 2008.
6
M. Baran, Rozwinięcie symulacyjnego modelu dostosowania zatrudnienia do potrzeb produkcyjnych
przedsiębiorstwa Alfa w konwencji dynamiki systemów, „Zeszyty naukowe Politechniki Rzeszowskiej” 17/4,
Rzeszów 2010, s. 23.
5
powodzenie analizowanego przedsięwzięcia. Dzięki rozpatrywaniu badanego systemu, jako
spójnej całości w kontekście jego dynamiki, tworzone modele symulacyjne umożliwiają łatwe
odwzorowanie i zrozumienie nawet bardzo skomplikowanych relacji o nieliniowym
charakterze7.
Posługiwanie się dynamiką systemową oznacza przestrzeganie pewnej określonej
procedury modelowania. Procedurę tę prezentuje rysunek 2.
Rysunek 2. Procedura modelowania systemowo-dynamicznego
Źródło: A. Wawrzyniak, Zastosowanie metody dynamiki systemów do modelowania i symulacji
elektronicznych instrumentów płatniczych, [w:] Zeszyty Naukowe Uniwersytetu
Szczecińskiego, Szczecin 2011, s.102.
Oczywiście, praca nad budową modelu i jego wykorzystaniem daleka jest od prostego,
liniowego procesu przechodzenia z jednego etapu prac nad modelem do następnego.
W rzeczywistości obserwuje się częste powroty do etapów poprzednich i rozpoczynanie pracy
niejako od nowa. Cały proces można zilustrować w konwencji schematów przyczynowoskutkowych, jak zaprezentowano na rysunku 3.
Jeden i ten sam model systemowo-dynamiczny spełniać może równocześnie kilka
funkcji. Na przykład różnego rodzaju modele alokacyjne pozwalają zarówno wyjaśniać
zmiany rozmieszczenia zasobów materialnych, poszukiwać cząstkowych rozwiązań
problemów bardziej złożonych (funkcja heurystyczna) – wtedy na przykład gdy rozważa się
7
M. Łatuszyńska, A. Wawrzyniak, B. Wąsikowska, Przegląd oprogramowania do modelowania systemowodynamicznego, Studia Informatica nr 12, Szczecin 2000, s.18.
6
wzajemne związki społeczne i ekonomiczne przedsiębiorstwa – jak i wreszcie sterować
procesami alokacyjnymi.
Rysunek 3. Etapy prac nad budową modelu systemowo-dynamicznego i jego
wykorzystaniem
Źródło: W. Kwaśnicki, Dynamika systemów jako metoda nauczania, [w:] Symulacja komputerowa
w nauczaniu ekonomii, E. Radosiński (red.), Polskie Towarzystwo Symulogiczne, Wrocław
1998.8, s.13.
Operując na modelach można wykrywać ich własne wewnętrzne własności i
antycypować ten stan do rzeczywistości (praktyki). Model zatem, bez żadnych rzeczywistych
konsekwencji może być poddany manipulacji w celu wykrycia, co stałoby się, gdyby
przykładowy związek uległ zmianie. Działanie takie zwane jest symulacją.
W literaturze przedmiotu można zetknąć się z różnym ujmowaniem pojęcia symulacja.
Najczęściej (potocznie) określa się symulację jako „naśladowanie czegoś innego”, co znajduje
również odbicie w wielu definicjach naukowych. Jak np. twierdzi T. Witte, symulacja jest
badaniem systemu przy pomocy systemu zastępczego i nazywa ją - Ersatzsystem8. L. R. Klein
natomiast rozumie symulację jako proces numerycznego rozwiązywania modelu polegający
na wykonywaniu kolejnych sekwencji obliczeń9. B. i J. Szabanowie dowodzą, że badanie
przeprowadzone na modelu komputerowym „polega na obserwacji i analizie zmian w czasie,
zachodzących w modelu w wyniku działań wewnętrznych oraz oddziaływań zewnętrznych”10.
Na aspekt obserwacji zmian w czasie jako elementu charakterystycznego dla symulacji
zwraca uwagę wielu autorów. Na przykład u J. B. Gajdy przeczytać można, że „symulacja to
wprawianie modelu w ruch”11, a W. Tarnowski i S. Bartkiewicz wskazują, że celem
symulacji, oprócz badania wpływu na charakterystykę obiektu jego otoczenia i wewnętrznych
właściwości, jest również odtworzenie przebiegu procesu, przy czym odwzorowanie
8
T. Witte T., Simulationstheorie und Imre Anwendung auf betriebliche Systeme, Gabler Verlag, Wiesbaden
1973, s.17.
9
L.R. Klein, Wykłady z ekonometrii, PWE, Warszawa 1982, 119.
10
B. Szaban B., J. Szaban, Symulacja komputerowa systemów dynamicznych, Wydawnictwo Politechniki
Szczecińskiej, Szczecin 1983, s.21.
11
J.B. Gajda, Prognozowanie i symulacja a decyzje gospodarcze, Wydawnictwo C.H. Beck, Warszawa 2001,
s.1.
7
następuje przy pomocy komputera na podstawie modelu matematycznego12. Stojąc na
gruncie powyższego, przy uwzględnieniu wielu innych, tu nie przytoczonych definicji,
symulacje komputerowe można podzielić, m.in., ze względu na:
• Przewidywalność zdarzeń:
‒ stochastyczne - korzystają z generatora liczb pseudolosowych lub (bardzo rzadko)
losowych (szczególnie popularna jest tu Metoda Monte Carlo),
‒ deterministyczne - wynik jest powtarzalny i zależy tylko od danych wejściowych i
ewentualnych interakcji ze światem zewnętrznym.
• Sposób upływu czasu:
‒ z czasem ciągłym - czas zwiększa się stałymi przyrostami, jak w symulacji z czasem
dyskretnym, lecz wartości próbek sygnałów są interpolowane dla chwil pośrednich
pomiędzy momentami odczytu,
‒ z czasem dyskretnym - czas zwiększa się stałymi przyrostami, a krok czasowy dobiera
się optymalnie ze względu na zasobożerność systemu, jego wydajność i charakter
symulowanego obiektu i/lub zjawiska (mikrosekundy w obwodach elektrycznych i
miliony lat przy symulacji ewolucji gwiazd) – rysunek 4.
‒ symulacja zdarzeń dyskretnych - czas zwiększa się skokowo, ale jego przyrosty są
zmienne (ważniejsza jest tu sekwencja zdarzeń niż rzeczywisty lub wirtualny upływ
czasu).
• Formę danych wyjściowych:
‒ statyczne - wynikiem jest zbiór danych, statyczny obraz, itp.,
‒ dynamiczne - wynikiem jest proces przebiegający w czasie np. animacja,
‒ interaktywne - reagują na sygnały ze świata zewnętrznego np. operatora.
• Liczbę użytych komputerów:
‒ lokalne - przetwarzanie odbywa się na pojedynczym komputerze,
‒ rozproszone - przetwarzanie odbywa się na wielu komputerach połączonych w sieci
lokalnej (LAN) lub zewnętrznej np. Internet.
Rysunek 4. Symulacja ciągła i dyskretna - upływ czasu
Źródło: opracowanie własne na podstawie B. Mielczarek, Modelowanie symulacyjne
w zarządzaniu. Symulacja dyskretna, Oficyna Politechniki Wrocławskiej, Wrocław 2009.
12
J. Tarajkowski. (red.), Elementy dynamiki systemów, Wydawnictwo Akademii Ekonomicznej w Poznaniu,
Poznań 2008, s. 21.
8
Obecnie użycie komputera w symulacji uważa się za tak oczywiste, że utożsamia się
symulację z symulacją komputerową. Należy podkreślić, że w wielu publikacjach można
również znaleźć pojęcie symulacji w powiązaniu z grami operacyjnymi czy próbkowaniem
modelu (symulacje stochastyczne)13.
W niniejszym artykule za symulację przyjmuje się dokonywanie eksperymentów przy
wykorzystaniu programu komputerowego na dynamicznym modelu odwzorowującym
rzeczywisty system. Tak rozumiana symulacja posiada istotne zalety. W literaturze
przedmiotu wymienia się głównie zmniejszenie kosztów oraz skrócenie czasu w porównaniu
do analogicznych badań prowadzonych na systemie rzeczywistym. Mówi się również o tzw.
elastyczności modelu symulacyjnego, co oznacza łatwe wprowadzanie i uwzględnianie w
modelu zakłóceń, wymuszeń czy sygnałów wejściowych. Ponadto symulacja charakteryzuje
się powtarzalnością eksperymentów, przy czym dokonywanie eksperymentów na modelu jest
bezpieczne dla systemu realnego, gdyż nie narusza jego struktury14. Opracowanie
odpowiedniego komputerowego modelu symulacyjnego pozwala na przeprowadzenie
różnych (w czasie i przestrzeni) prób symulacji oraz oceny jakości zbudowanego modelu.
Umożliwia to na wykrycie nieprawidłowości zaistniałych w poprzednich etapach i podjęcie
działań zmierzających do poprawienia modelu. Na rysunku 5 przedstawiono przykład takiego
zachowania oraz strukturę generującego je systemu zamodelowanego przy użyciu
oprogramowania Vensim. Źródłem takiego przebiegu jest występowanie w systemie
przeważającej dodatniej pętli sprzężenia zwrotnego.
Rysunek 5. Model systemu generującego zachowanie dążenia do celu i uzyskane
charakterystyki stanu systemu w przebiegu symulacji
Źródło: R. Hoffmann, T. Protasowicki, Metoda dynamiki systemowej w modelowaniu złożonych
systemów i procesów, Biuletyn Instytutu Systemów Informatycznych nr 12, WAT, Warszawa
2013, s. 23.
13
J.B. Gajda, Prognozowanie.. op. cit., s. 4.
R. Zdanowicz, Modelowanie i symulacja procesów wytwarzania, Wydawnictwo Politechniki Śląskiej, Gliwice
2007, s. 47.
14
9
Na rysunku 6. przedstawiono przykładową strukturę modeli wielokanałowych systemu
obsługi z algorytmem FIFO oraz uzyskane charakterystyki stanu systemu w przebiegu
symulacji.
Rysunek 6. Model z algorytmem FIFO
Źródło: R. Hoffmann, T. Protasowicki, Metoda dynamiki systemowe…op. cit., s. 27.
Innym przykładem, zaprezentowanym na rysunku 7., jest diagram struktury procesu
produkcyjnego realizowanego metodą systemowo-dynamiczną przy użyciu specjalistycznego
oprogramowania Vensim PLE.
Rysunek 7. Przykład diagramu strukturalnego procesu produkcyjnego w notacji
pakietu symulacyjnego Vensim
Źródło: M. Łatuszyńska, Symulacja procesu produkcyjnego…op. cit., s. 37.
10
Na rynku funkcjonuje wiele programów komputerowych, które w mniejszym lub
większym stopniu wspomagają konstruowanie i rozwiązywanie modeli systemowodynamicznych. Jednymi z bardziej popularnych są: GPSS World, Matlab Simulink, IThink,
Stella, Powersim, StrategyDynamics, AnyLogic oraz, prezentowany już w tym artykule,
pakiet symulacyjny Vensim firmy Ventana Systems.
2. MODEL I SYMULACJA ZAGADNIENIA LOGISTYCZNEGO
Logistyka zajmuje się rozwiązywaniem praktycznych problemów kombinatorycznych,
związanych z ruchem i obsługą obiektów w systemie, przy ograniczeniach rzeczowych,
przestrzennych, logicznych i czasowych. Problemy logistyczne zwykle mają wykładniczą
złożoność obliczeniową i z tego względu są rozwiązywane za pomocą algorytmów
heurystycznych. W problemach tych występują zakłócenia losowe (np. pogodowe,
preferencje klientów, utrudnienia jakościowe, itp.). Ponadto zarządzanie logistyczne polega
na cyklicznym (np. codziennym, cotygodniowym itp.) rozwiązywaniu problemów tej samej
klasy, lecz dla zmieniających się warunków i danych. Modelowanie systemów i zagadnień
logistycznych opiera się na metodzie programowania wieloetapowego, a cechą
charakterystyczną tego modelowania jest porządek chronologiczny. Oznacza to, że każdy
kolejny stan interpretuje sytuację w systemie, która ma miejsce w późniejszym czasie15.
Przykład ilustrujący relacje miedzy modelem a wynikiem symulacji prezentuje rysunek 8.
15
F. Marecki, Logistyka dystrybucji i transportu, [w:] Zeszyty Naukowe Politechniki Śląskiej, Gliwice 2011, s.
238.
11
Rysunek 8. Model produkcja-dostawa-magazyn-sprzedaż generujacy wzorzec
zachowań „oscylacje” wykonamy w oprogramowaniu Vensim. Notacja
diagramów zasobów i strumieni
Źródło: C.W. Kirkwood, System Dynamisc Method: A Quick Introduction, Chapter 4 Basic Feedback,
Structures Arizona Martis, M.S. 2010.
Poniżej przedstawiono przykład modelowania i symulacji zagadnienia logistycznego.
Posłużono się pakietem symulacyjnym Vensim PLE, dedykowanym specjalnie na potrzeby
modelowania w konwencji SD.
Przykładowe zadanie: System planowania produkcji w firmie
Strategia produkcyjna pewnej firmy składa się z dwóch elementów:
1. Wzrostu lub zmniejszenia stanu zapasów magazynu w celu dostosowania
zapasów do stanu pożądanego.
2. Utrzymania stanu zapasów w magazynie na odpowiednio wysokim poziomie w
przewidywaniu przyszłego popytu.
W celach bezpieczeństwa firma zamierza utrzymywać dwa razy więcej zapasów
bieżących niż wynikałoby to z zapotrzebowania. Wielkość natężenia produkcji ustalona jest
jako cotygodniowa korekta 1/5 różnicy pomiędzy pożądanym a bieżącym zapasem.
Założenia dotyczące sposobu określania przyszłego (oczekiwanego) popytu oparte są na
popycie bieżącym (rzeczywistym). Strategia wyznaczania oczekiwanego popytu jest w
firmie następująca. Firma koryguje w każdym tygodniu 1/6 różnicy pomiędzy popytem
rzeczywistym a oczekiwanym. Kiedy zmienia się wartość popytu oczekiwanego, powoduje
to zmianę pożądanego poziomu zapasów oraz zmianę natężenia produkcji, zgodnie z przyjętą
strategią produkcyjną.
Po wyprodukowaniu produkt firmy jest przesyłany do magazynu. Realizacja dostawy do
klientów (wysyłka) jest dokonywana z magazynu na podstawie popytu bieżącego. Ponieważ
firma utrzymuje zapas przewyższający potrzeby dwukrotnie, istnieje przekonanie, że firma
12
jest w stanie sprostać dowolnemu popytowi (zapotrzebowaniu) ze strony swoich klientów.
Firma nie przewiduje sytuacji istnienia popytu niezrealizowanego (zapas ujemny). Czy
słusznie?
Zadanie: Zbuduj model symulacyjny opisujący dynamikę zmian liczebności
gatunkowych. Wykonaj schemat strukturalny oraz podaj równania modelu.
Wskazówka: zastosuj metodę Dynamiki Systemów; złożoność modelu: 7 zmiennych, 3
stałe; narzędzia informatyczne: IThink/Vensim16.
Rysunek 9. przedstawia schemat strukturalny zadania (IThink).
Zapas
Produkcja
Wsp korekty
produkcji
Wsp zapasu
Popy t
Zapas pozadany
oczekiwany
Wy sy lka
Popy t biezacy
Wsp korekty
popy tu
Zmiana popy tu
oczekiwanego
Rysunek 9. Schemat strukturalny ilustrujący treść zadania (IThink)
Źródło: Quick Tours in Powersim 2.5, op. cit.
Równania modelu przedstawiają wzory od (1) do (6) - program IThink:
(1)
(2)
(3)
(4)
(5)
16
Quick Tours in Powersim 2.5, pr. zb., Powersim Press, s.14-38.
13
(6)
Rysunek 10. wizualizuje symulację stanu bazowego, natomiast rysunek 11. ilustruje
sytuację, gdy dane początkowe zostały zamienione, tzn. wielkość popytu oczekiwanego
ustalono na 100.
1: Zapas
1:
2:
3:
4:
5:
2: Produkcja
3: Wy sy lka
4: Popy t biezacy
500
1
1:
2:
3:
4:
5:
5: Popy t oczekiwany
1
1
2
3
250
4
2
5
3
4
5
2
3
4
5
2
3
4
5
1
1:
2:
3:
4:
5:
0
1.00
13.25
25.50
Months
Page 1
37.75
50.00
13 gru 2004
19:33
Untitled
Rysunek 10. Eksperyment bazowy (dane jak w równaniach)
Źródło: Quick Tours in Powersim 2.5, op. cit.
1: Zapas
1:
2:
3:
4:
5:
1:
2:
3:
4:
5:
1:
2:
3:
4:
5:
2: Produkcja
3: Wy sy lka
4: Popy t biezacy
5: Popy t oczekiwany
500
1
1
250
0
2
1
1.00
3
1
4
2
3
5
13.25
Page 1
4
5
25.50
Months
2
3
4
5
2
3
37.75
19:35
4
5
50.00
13 gru 2004
Untitled
Rysunek 11. Eksperyment bazowy zmodyfikowany (Popyt oczekiwany = 100)
Źródło: Quick Tours in Powersim 2.5, op. cit.
Uwzględniając poniższe różnice w notacji zapisu równań wzory od (7) do (8)
14
Notacja programu IThink
• ZAPAS(t) = ZAPAS(t - dt) + dt * (DOSTAWA – WYSYŁKA)
INIT ZAPAS = 100
Notacja programu Vensim
• ZAPAS = INTEG (DOSTAWA – WYSYŁKA, 100)
(7)
(8)
- schemat strukturalny z użyciem Vensim PLE można przedstawić jak na rysunku 12.
Zapas
Produkcja
Wsp korekty
produkcji
Wysylka
Wsp korekty
popytu
Popyt biezacy
Wsp zapasu
Zapas pozadany
Popyt
oczekiwany
Zmiana popytu
oczekiwanego
Rysunek 12. Schemat strukturalny ilustrujący treść zadania z użyciem Vensim
PLE
Źródło: opracowanie własne
Rysunek 13. prezentuje ostateczne
uwzględnieniu wzrostu popytu bieżącego).
wyniki
eksperymentu
symulacyjnego
Wyniki
600 sztuka
300 sztuka/Week
400 sztuka/Week
300 sztuka
250 sztuka/Week
300 sztuka/Week
0 sztuka
200 sztuka/Week
200 sztuka/Week
0
Zapas : Zadanie
Popyt biezacy : Zadanie
Produkcja : Zadanie
5
10
15
20
25
30
Time (Week)
35
40
45
sztuka
sztuka/Week
sztuka/Week
Rysunek 13. Ostateczne wyniki symulacji w programie Vensim PLE
Źródło: opracowanie własne
50
(po
15
PODSUMOWANIE
Przeprowadzone rozważania dowodzą tego, iż modelowanie symulacyjne przy pomocy
pakietu Vensim PLE w konwencji dynamiki systemowej jest metodą, która może być z
powodzeniem stosowana do analizy problemów związanych z działaniami oraz
zagadnieniami logistycznymi. Modelowanie przykładowego systemu pozwoliło na
identyfikację poszczególnych elementów procesu przebiegających w tym systemie oraz na
graficzne przedstawienie ich zmienności. Pozwoliło też na:
‒ łatwiejszą obserwację dynamicznych zależności zachodzących pomiędzy
zmiennymi badanego systemu,
‒ lepsze zrozumienie mechanizmów przyczynowo-skutkowych związanych
z analizowanymi problemami,
‒ zbadanie możliwych skutków (pozytywnych i negatywnych) dowolnej liczby
wariantów decyzji,
‒ tworzenie bazy informacyjnej niezbędnej w prognozowaniu możliwego
zachowania się systemu w odpowiedzi na zmieniające się otoczenie wyrażone
poprzez zmianę wartości parametrów modelu.
Umożliwiło też nie tylko ogólną analizę systemu, ale także identyfikację działań, które
wnosiły oraz nie wnosiły wartości do poszczególnych elementów symulowanego procesu.
Według autorów zbudowany za pomocą programu symulacyjnego Vensim PLE model
symulacyjny można wykorzystać do przeprowadzenia wielu innych testów związanych z
weryfikacją założonych strategii zarządzania logistycznego, natomiast sam program, ze
względu na jego czytelność, prostotę i doskonałą funkcjonalność - do nieograniczonego
stosowania w projektowaniu nowych rozwiązań, jak i w przypadku analizy możliwości
optymalizowania warunków funkcjonowania rozwiązań już istniejących.
LITERATURA:
[1] Baran M., Rozwinięcie symulacyjnego modelu dostosowania zatrudnienia do potrzeb
produkcyjnych przedsiębiorstwa Alfa w konwencji dynamiki systemów, „Zeszyty naukowe
Politechniki Rzeszowskiej” 17/4, Rzeszów 2010.
[2] Flakiewicz W., Podejmowanie decyzji kierowniczych, PWE, Warszawa 1973.
[3] Gajda J. B., Prognozowanie i symulacja a decyzje gospodarcze, Wydawnictwo C.H.
Beck, Warszawa 2001.
[4] Hoffmann R., Protasowicki T., Metoda dynamiki systemowej w modelowaniu złożonych
systemów i procesów, Biuletyn Instytutu Systemów Informatycznych nr 12, WAT,
Warszawa 2013.
[5] Kirkwood C.W., System Dynamisc Method: A Quick Introduction, Chapter 4 Basic
Feedback, Structures Arizona Martis, M.S. 2010.
[6] Klein L. R., Wykłady z ekonometrii, PWE, Warszawa 1982.
[7] Kurowski W., Podstawy diagnostyki systemów technicznych. Metodologia i metodyka,
Wydawnictwo Instytutu Technologii Eksploatacyjnej, Warszawa-Płock 2007.
16
[8] Kwaśnicki W., Dynamika systemów jako metoda nauczania, [w:] Symulacja
komputerowa w nauczaniu ekonomii, E. Radosiński (red.), Polskie Towarzystwo
Symulogiczne, Wrocław 1998.
[9] Łatuszyńska M., Wawrzyniak A., Wąsikowska B., Przegląd oprogramowania do
modelowania systemowo-dynamicznego, Studia Informatica nr 12, Szczecin 2000.
[10] Łatuszyńska M., Symulacja procesu produkcyjnego w ujęciu systemowo-dynamicznym,
[w:] Systemy Wspomagania Organizacji, Wydawnictwo Akademii Ekonomicznej w
Katowicach, Katowice 2004.
[11] Marecki F., Logistyka dystrybucji i transportu, [w:] Zeszyty Naukowe Politechniki
Śląskiej, Gliwice 2011.
[12] Mielczarek B., Modelowanie symulacyjne w zarządzaniu. Symulacja dyskretna, Oficyna
Politechniki Wrocławskiej, Wrocław 2009.
[13] Quick Tours in Powersim 2.5, pr. zb., Powersim Press (s.14-38).
[14] Szaban B., Szaban J., Symulacja komputerowa systemów dynamicznych, Wydawnictwo
Politechniki Szczecińskiej, Szczecin 1983.
[15] Tarajkowski J. (red.), Elementy dynamiki
Ekonomicznej w Poznaniu, Poznań 2008.
systemów,
Wydawnictwo
Akademii
[16] Tarnowski W., Bartkiewicz S., Modelowanie matematyczne i symulacja komputerowa
dynamicznych procesów ciągłych, Wydawnictwo Politechniki Koszalińskiej, Koszalin
2000.
[17] Wawrzyniak A., Zastosowanie metody dynamiki systemów do modelowania i symulacji
elektronicznych instrumentów płatniczych, [w:]
Zeszyty Naukowe Uniwersytetu
Szczecińskiego, Szczecin 2011.
[18] Witte T., Simulationstheorie und Imre Anwendung auf betriebliche Systeme, Gabler
Verlag, Wiesbaden 1973.
[19] Zdanowicz R., Modelowanie i symulacja procesów wytwarzania, Wydawnictwo
Politechniki Śląskiej, Gliwice 2007.
STRESZCZENIE:
Przykład modelowania i symulacji zagadnienia logistycznego w Vensim PLE
W artykule przedstawiono przykład modelowania i symulacji zagadnień logistycznych
procesu produkcyjnego. Omówiono metodologię modelownia systemowo-dynamicznego;
zaprezentowano przykłady służące wyjaśnieniu atrakcyjności poznawczej tej metody w
oparciu o wykorzystanie techniki komputerowej i oprogramowaniu Vensim PLE – systemu
dedykowanemu metodzie SD.
17
ABSTRACT
An example of modeling and simulation of logistical issue in vensium ple
In the article an example of modeling and simulation of logistical issues of the production
process is presented. The methodology for the system-dynamic modeling is discussed;
examples, which explain the cognitive attractiveness of that method based on using computer
technology and the Vensim PLE software (the system dedicated to the SD method), are
presented.