24 февраля 2021

Подсистема выполняет комплексное моделирование, планирование и оптимизацию бизнес-операций всей цепочки создания ценности - планирование и оптимизация сложных производственных процессов переработки жидких углеводородов и оптимизацию разветвленных логистических операций, планирования и составления графиков для обширных разнородных географически распределенных производственных площадок.

Практически все задачи планирования являются NP-полными (Non-deterministic polynomial - недетерминированная полиномиальная задача) задачами комбинаторной оптимизации. Для решения NP-сложных задач используют эвристические методы, не гарантирующие нахождение оптимального решения, но позволяющих достаточно быстро получать решения приемлемого качества. К наиболее эффективным и популярным эвристическим методам относятся так называемые метаэвристики - обобщенные стратегии поиска оптимума в пространстве решений. Начальная их реализация, как правило, достаточно проста и позволяет быстро получить практический результат. В подсистеме для решения задач комбинаторной оптимизации используется метаэвристический метод Late Acceptance Hill Climbing.

В подсистеме используется необходимая нормативно-справочная информация по бизнес процессу, технологические карты, подготовлен набор заказов на выполнение производственно-технологических операций, проведены вычисления оптимального решения. Так как проект пилотный, то для оценки результатов оптимизации разработан сервис, позволяющий сопоставить результаты оптимизационного планирования и планы, полученные традиционным способом; обеспечена фиксация производственно-экономических показателей.

Основу бизнес-процесса составляют технологические карты, которые описывают процессы выработки, переработки, хранения сырья на производственных площадках. Технологическая карта определяет, какие операции выполняются на производственной площадке, сколько и каких ресурсов потребляется и производится при выполнении операции, временные, стоимостные и ёмкостные ограничения.

В первую очередь решение оптимальной задачи оценивало соблюдение минимальных и максимальных ограничений на хранение сырья на каждой производственной площадке (резервуарный парк, станции). Во вторую очередь решение оптимальной задачи оценивало стоимости операций транспортировки и хранения. Итоговое решение сохраняется, как набор плановых заказов по всей производственно-логистической цепочке, содержащих операции согласно использованному при расчете набору технологических карт. Результатом оптимального решения являются: плановые объемы сжиженного газоконденсата (СГК) отгружаемого вагонами каждый день по каждому возможному маршруту; распределение сырья между резервуарными парками; распределение работ по сливу/наливу продукции на эстакадах. 

Иногда целевые показатели бизнес-процесса не удаётся оптимизировать без нарушения ограничений существующего производства и логистики. Например: не достаточно порожних вагонов, не достаточно путей для хранения груженых/порожних вагонов, или переполнение резервуарных парков по приему/хранению сырья. Одной из ключевых характеристик подсистемы оптимизации является предоставление пользователям большего количества времени на анализ и предотвращение проблем выполнения производственной программы, за счёт возможности отдавать предпочтение сценариям, в которых нарушения происходят ближе к концу рассчитываемого периода. Это позволит принять своевременные управленческие решения и привлечь дополнительные ресурсы для выполнения производственной программы.

В подсистеме реализован сервис, позволяющий формировать отчёты и диаграммы для выполнения план-фактного анализа. После ввода фактических данных об исполнении производственной программы возможен анализ основных производственно-экономических показателей, сопоставление плановой и фактической себестоимости бизнес-процесса с себестоимостью оптимизированного бизнес-процесса.