Логистический инжиниринг

Связаться

О направлении

Компании разрабатывают логистическую стратегию с целью оптимизации ресурсов и минимизации издержек. Существуют разные подходы для решения этой задачи, которые базируются на подборе определенной эвристики, имитирующей действия специалиста, но они не всегда дают оптимальное решение и зачастую неприменимы, когда необходимо учитывать большое количество динамически изменяющихся параметров.

В научной лаборатории Digital Design проводятся исследования в направлении автоматизации логистического инжиниринга и разрабатываются алгоритмы на базе машинного обучения, в частности обучения с подкреплением, которые позволяют найти оптимальное решение логистической задачи.

Какие задачи решает?

Концептуальное проектирование логистической стратегии:

  • определение элементов логистических схем;
  • расчет параметров логистической сети;
  • построение матрицы логистических вариантов;
  • оценка и ранжирование вариантов логистической стратегии;
  • разработка модели доставки грузов.

Минимизация стоимости хранения грузов:

  • оценка потребности конечных логистических узлов;
  • оценка пропускной способности промежуточных узлов;
  • планирование логистической сети с учетом складской мощности узлов;
  • минимизация сроков хранения грузов на промежуточных узлах цепи.

Минимизация стоимости доставки грузов:

  • расчет грузопотока в динамике;
  • формирование вариантов логистических схем доставки;
  • расчет стоимости доставки;
  • ранжирование вариантов по стоимостным критериям и выбор оптимального варианта.

Как это работает?

Кейс «Разработка информационной системы концептуального и логистического инжиниринга»

Почему это важно?

  • Ручное формирование логистической стратегии крупной промышленной компании неэффективно из-за необходимости учета большого числа узлов и параметров логистической цепи.
  • Появление новых элементов логистической цепи требует постоянного пересмотра стратегии доставки грузов.
  • Изменение параметров логистической цепи требует динамической переоценки маршрутов доставки грузов и выбора новой оптимальной логистической стратегии.
  • Действующие алгоритмы формирования логистической стратегии не позволяют эффективно работать с большим объемом данных, необходимо применять новые технологии в том числе машинное обучение.

Мнение эксперта

Илья Ашихмин
Илья Ашихмин Руководитель научной лаборатории
Важной частью решения задачи построения оптимальных планов капитального строительства является определение логистических цепочек, включающих как транспортную, так и складскую логистические задачи. Причем необходимо решать эти задачи таким образом, чтобы выполнялись нормативные сроки доставки при минимальной общей стоимости. Существует много подходов к решению данной задачи, но у всех есть как положительные, так и отрицательные стороны. В научной лаборатории разрабатываются альтернативные алгоритмы на базе машинного обучения, в частности обучения с подкреплением. Этот класс алгоритмов позволяет создавать самообучающиеся системы, которые используются при создании слабого искусственного интеллекта для решения таких задач, как создание системы управления беспилотными автомобилями, чат-ботов, ботов для управления персонажами в компьютерных играх. Такой же подход может быть использован и для решения задач логистики, когда мы обучаем алгоритм применять оптимальные и верные решения для минимизации целевой функции общей стоимости логистики при проектировании месторождения.

Партнеры по данному исследованию

Газпромнефть
Узнать больше

Я ознакомлен(а) с условиями политики в отношении обработки персональных данных и даю согласие на обработку персональных данных