Имитационная модель балкерного терминала

Заказчик: АО «Дальтрансуголь», дочерняя компания АО «СУЭК».
Задача: Исследование работы Терминала и вычисления его пропускной способности и отдельных компонентов в рамках реализации проекта «Увеличение мощности перевалки АО «Дальтрансуголь» до 40 млн. тонн угля в год.  

Кратко об объекте

Ванинский балкерный терминал - важнейший перевалочный пункт на пути к рынкам Азиатско-Тихоокеанского региона, расположенный в глубоководной бухте Мучке и находящийся в крайней точке Байкало-Амурской магистрали, является одним из самых молодых и современных угольных терминалов России. Имеет непосредственный выход к двум независимым железнодорожным магистралям — Транссибирской и Байкало-Амурской, которые, в свою очередь, связывают порт со всей территорией России.

  1. Терминал оснащен автоматизированной системой разгрузки вагонов и угольным складом объемом до 1,2 млн тонн.
  2. Текущий пирс способен принимать и обрабатывать суда типа Сapesize.
  3. По итогам 2020 года грузооборот составил 23 млн тонн угля.
  4. Автоматизированная конвейерная сеть длиной более 4 км.
  5. Протяженность железнодорожных путей необщего пользования более 50 км. 

Моделируемые процессы 

  1. формирование заявок на поставку грузов на терминал по железной дороге и заявок на отгрузку угля балкерами;
  2. движение поездов на прилегающей станции и внутренней железнодорожной логистики груженых вагонов: прибытие, сортировка, распиловка/разморозка груза, подача на разгрузку;
  3. разгрузка вагонов посредством автоматической системы вагоноопрокидывателей с учетом особенностей процесса в разное время года и погодный условий;
  4. транспортировка грузов по конвейерной сети, особенно в части моделирования работы виртуального диспетчера для разметки склада под выгрузку угля и построения маршрутов с учетом приоритетов грузов, марок угля, времени года, погоды, загруженности и степени наработки основного технологического оборудования и др.;
  5. погрузка угля на суда с учетов их дедвейтов и ограничений отдельных причалов по приему судов; приоритетов очереди, а также типов судов, для которых погрузка должна идти с разным контролем качества и скоростью и т.д.;
  6. движение порожних вагонов по внутренней железнодорожной сети, включая сортировку, отбраковку вагонов и отправку их на ремонт, формирование составов на отправку по железной дороге. 

Границы моделирования сквозного бизнес-процесса 

Точка входа: прибытие груженых вагонов в Парк приема Терминала.
Точка выхода: отправка порожних вагонов после Парка сортировки Терминала и отход погруженных судов из акватории. 

Решение 

Процесс разработки имитационной модели состоял из следующих этапов:

  1. Подготовка к моделированию
    На данном этапе специалистами ООО «Дилибриум» было проведено исследование объекта моделирования – Ванинского балкерного терминала – с выездом специалистов на объект. Были уточнены параметры сквозного технологического процесса, произведены натурные замеры отдельных технологических операций, проведено интервью с разными специалистами и службами терминала, собраны и проанализированы исторические данные о работе терминала, в результате чего были найдены статистические закономерности, которые впоследствии были использованы для построения модели.

  2. Проектирование модели
    На данном этапе была обобщена информация об объекте моделирования и сформирован документ-концепция имитационной модели, в котором были уточнены цели и задачи моделирования; определены границы моделирования; структура и технико-технологическая архитектура имитационной модели, а также описан основной набор возможностей, которые реализует имитационная модель и результаты моделирования.

  3. Разработка модели «как есть» (AS IS)
    На этапе проектирования имитационной модели было принято решение в первую очередь разработать имитационную модель терминала в существующей схеме развития «как есть». Это было важно для того, чтобы на построенной и достаточно глубоко детализированной модели установить достаточно точные значения параметров отдельных агентов и алгоритмов с тем, чтобы верифицировать модель в соответствии с историческими данными. В результате верификации имитационной модели терминала удалось достигнуть высокой достоверности в сравнении с историческими данными за 2019-2020 гг.
    Такой результат стал возможен благодаря высокой степени детализации технологических процессов в имитационной модели.

    Для моделирования технологических процессов и изменения состояния или поведения объектов модели были применены следующие методы имитационного моделирования, а именно:
    • метод агентного имитационного моделирования, для реализации поведения отдельных агентов;
    • метод дискретно-событийного моделирования, для моделирования технологических процессов работы Терминала.

  4. Доработка модели сценариями «как должно быть» (TO BE)
    К верифицированной имитационной модели AS IS с отлаженными процессами и параметрами были добавлены несколько экспериментов с измененным пространственным планированием терминала, новой расстановкой и новыми типами основного технологического оборудования для проверки гипотез по расчету максимальной пропускной способности терминала. Всего в модели было реализовано 5 различных вариантов конфигурации складов и наборов основного технологического оборудования, соответствующих различным вариантам перспективного развития Терминала.
Для решения задачи имитационная модель была разработана в программной среде Anylogic. С помощью «Железнодорожной библиотеки Anylogic» была смоделирована вся внутренняя ж/д логистика с достаточно обширной системой путей и технологических процессов. Конвейерная сеть была разработана на базе библиотеки потоков. Дополнительные технологические процессы были смоделированы с помощью программного кода на языке Java. 

Помимо моделирования железнодорожной и конвейерной логистики достаточно сложной задачей была разработка алгоритма маршрутизации груза с учетом планирования склада (выполняющего функцию временного хранения, если невозможны прямые маршруты с вагонов на судно), поскольку для выбора и построения маршрута необходимо было учитывать большое количество взаимосвязанных условий и параметров, а именно: 

  1. выбранный перед симуляцией этап модернизации;
  2. погодные условия (моделировались как по историческим данным, так и с задаваемыми коэффициентами отклонений);
  3. сезон (время года);
  4. доступность каждого ключевого узла=оборудования (более 80 ед.): занятость на линии, ТОиР, поломка;
  5. текущий заказ от диспетчера на выгрузку или погрузку;
  6. объем и марки груза в вагонах на Терминале и на подходе;
  7. объем и марки груза на Складе;
  8. текущая разметка находящегося на складе угля, в определенных Штабелях;
  9. приоритет операции (выгрузка/погрузка);
  10. дедвейт балкера в очереди на погрузку;
  11. и т.д.
Данный алгоритм был разработан с помощью библиотеки Anylogic – «Диаграмма состояний». 

Период симуляции модели учитывал полный календарный год (365 дней), включая сезонность и погодные условия. В течении данного периода собирались как операционные данные в режиме виртуального времени, так и статистика в разрезе год/месяц/сутки для всех основных процессов и единиц оборудования. По окончанию симуляции итоговые выходные данные статистики выгружались в отдельный excel файл для дальнейшего анализа результатов проведенных экспериментов.
В модели была учтена «Стохастичность», например случайные отклонения от статистических данных по поломкам / погодным условиям, или коэффициент ошибок/несостыковок при подаче на Терминал поездов и судов по причине человеческого фактора, внеплановых изменений в расписании РЖД, изменений со стороны Заказчика груза, погоды. Условно на пирс могло прийти судно, для которого не весь объем нужных марок угля находился на складе, и оставшаяся часть еще задерживалась в пути на Терминал. 

Результат 

Имитационная модель была верифицирована через этап AS-IS и с помощью множественных экспериментов по каждому варианту этапа модернизации была получена обширная статистика как максимальной производительности, так и показателей каждого узла оборудования (ТОиР, наработки, КТГ, КПИ и другие значения), которых в модели более 80 единиц. Так же с помощью проведенных экспериментов были определены узкие места для разных входных параметров. 

_____________________________

г. Санкт-Петербург, 2021г.