Программные агенты позволят кардинально модернизировать управление цепочками поставок.

Для ИТ-проектов добиться лучшего просто невозможно: корпорация Procter & Gamble экономит 300 млн. долл. ежегодно, инвестируя менее 1% этой суммы. Действительно, использование в P&G моделирования на базе агентов помогло преобразовать систему цепочки поставки корпорации настолько кардинально, что теперь эту структуру уже больше не называют цепочкой поставки. Корпорация, выпускающая товары под такими известными торговыми марками, как Tide, Crest, Pringles, Pampers, Clairol и еще свыше 300 продуктов, теперь называет свои связи с 5 млрд. клиентов в 140 странах мира «сетью поставки».

«Цепочка означает нечто непрерывно следующее одно за другим, что требует последовательной обработки данных, — заметил Ларри Келлам, директор P&G по новаторским решениям для сети поставки. — Мы считаем, что она должна действовать как сеть, как Internet, так, чтобы любой мог получать доступ к информации».

Многие сведения, позволившие P&G преобразовать цепочку поставки в сеть, были получены из компьютерных моделей на базе агентов, разработанных фирмой BiosGroup. Это реальный пример того, что математики называют «моделированием сложных адаптивных систем на базе агентов», дисциплины, которую начали активно развивать BiosGroup и ряд других компаний, лабораторий и научных центров, расположенных, главным образом, в этом же регионе.

Идея состоит в том, что многие системы, которые очень сложны, фактически состоят из полуавтономных локальных агентов, действующих по нескольким простым правилам. Моделирование и изменение их поведения помогает понять и систему в целом.

Компьютерные модели на базе агентов пока еще не получили достаточного распространения и применяются по большей части компаниями, где имеются крупные, сложные сети поставки или транспортировки. Помимо P&G попытки внедрить такое моделирование и использовать все его преимущества, в частности добиться экономии затрат, сократить объем товарных запасов на складах и улучшить обслуживание клиентов, предприняли и другие компании.

  • Southwest Airlines использует программных агентов для оптимизации маршрутов грузовых перевозок.
  • Air Liquide America, производитель сжиженных промышленных газов, снизила затраты как на производство, так и на доставку благодаря применению моделирования на базе агентов.
  • Merck & Co. использует агентов для поиска наиболее эффективных способов распространения лекарств против СПИДа в Зимбабве.
  • Ford Motor применяет агентов для моделирования предпочтений покупателей, предлагаемых комплектаций автомобилей для поиска приемлемых компромиссов между затратами на производство и требованиями клиентов.
  • Edison Chouest Offshore, офшорная компания, специализирующаяся на предоставлении услуг, использует агентов для оптимизации дислокации в Мексиканском заливе своих судов.

В компьютерных моделях P&G программные агенты представляют отдельные компоненты системы поставки, такие как грузовики, водители, склады и так далее. Поведение каждого агента программируется с помощью правил, имитирующих реальное поведение. Например, «отправить данную машину по маршруту только после ее полной загрузки» или «увеличить производство шампуня в том случае, если товаров на складе останется меньше, чем на X дней».

Такое моделирование позволяет P&G выполнять анализ по сценарию «что, если» с тем, чтобы определить влияние новых правил снабжения на три основных параметра: уровень товарных запасов на складе, затраты на транспортировку и товарооборот магазинов. Эти модели анализируют альтернативные правила, касающиеся выполнения заказов и поставки, политики резервирования товаров в центрах доставки, оценок спроса и так далее.

«Некоторые из выводов оказались поразительными, а другие подтвердили наши предположения, не имевшие ранее данных для их обоснования», — заметил Келлам.

К примеру, модели показали, что зачастую выгоднее отправлять машины с неполной загрузкой, чего в P&G раньше никогда не делали. И хотя в результате затраты на транспортировку возрастут, P&G может получить большую прибыль, чем ранее, за счет уменьшения количества случаев полного отсутствия товаров в магазине.

«Моделирование на базе агентов убедило нас в необходимости провести ряд фундаментальных изменений, без которых мы не смогли бы добиться гибкости и адаптируемости», — подчеркнул Келлам, пояснив, что такие изменения были сделаны в следующих трех областях.

  • Смягчение жестких правил, иногда противоречащее здравому смыслу, для того, чтобы общая производительность сети поставки возросла. Это потребовало определенных психологических изменений, например, пришлось убеждать менеджеров по перевозке в том, что иногда следует отправлять грузовики полупустыми.
  • Увеличение гибкости в производстве. В результате данных, полученных путем моделирования, P&G кардинально переоснастила свои процессы производства. Отказ от длительных циклов выпуска одного продукта, предоставил возможность выпускать любой продукт каждый день, благодаря этому удалось уменьшить дефицит товаров и повысить качество обслуживания покупателей.
  • Увеличение гибкости в распространении. Например, теперь можно пополнить запасы товаров в фирме розничной торговли в течение 24 часов, учитывая, что обычно на это требуется от 48 до 72 часов.

P&G использует ПО управления цепочкой поставки корпорации SAP, но она заинтересовалась разработкой небольшой фирмы BiosGroup, когда многочисленные попытки снизить уровень товарных запасов практически ни к чему не привели. «Мы обратились к BiosGroup, поскольку их образ мыслей существенно отличался от нашего, — объяснил Келлам. — И большинство экспертов по логистике предлагали решения, очень напоминавшие то, что мы уже делали».

Компьютерное моделирование операций цепочки поставки, как это делают BiosGroup и P&G, сейчас требуют сочетания разработки внутреннего программного обеспечения и консультаций со специалистами. Но это могло измениться в результате соглашения, которое с помощью специалистов P&G было заключено между SAP и BiosGroup.

SAP уже представила прототипную реализацию агентов в своем программном обеспечении пополнения товарных запасов. Как сообщил Кристиан Нолл, вице-президент по управлению глобальной цепочкой поставки корпорации SAP, агенты прогнозируют вероятность дефицита товаров на основе данных о текущих товарных запасах, запланированных денежных поступлениях и предполагаемом спросе, и, когда эта вероятность превышает определенное пороговое значение, включается сигнал на пополнение товарных запасов.

SAP может представить прототипную технологию в своих продуктах, как заметил Нолл, но сейчас она помогает нескольким своим основным потребителям попробовать реализовать их в рамках проектов.

Нави Раджу, аналитик компании Forrester Research, заметил, что сеть поставки, реализованная в P&G, — это вид среды, которая по своей природе готова к внедрению моделирования на базе агентов.

«Ей присуще огромное разнообразие, она охватывает множество партнеров и требует серьезной координации и взаимодействия, — сказал он. — Если весь процесс не выполняется в рамках одной компании, для управления, контроля и оптимизации интегрированного процесса необходимо реализовывать подход «снизу вверх».

Согласно прогнозам Раджу, такая выполняемая «снизу вверх» оптимизация на базе агентов постепенно, хотя и не скоро, станет весьма популярной. «Руководители P&G смотрят вперед и в компании все время стремятся внедрять и изучать новые технологии, — сказал он. — Но большинство фирм опасаются инвестировать в неапробированные технологии».

Однако Раджу считает, что крупные компании, в частности SAP и IBM, в ближайшие два года выпустят пакеты оптимизации цепочки поставки на основе агентов. Затем, по его словам, эта технология будет «формировать свой имидж» как область деятельности, подходящий для доктора математики.

В то же время специалисты P&G считают, что к 2008 году программные агенты позволят совершить еще один серьезный рывок в развитии систем управления сетью поставки. Пока агенты используются для моделирования, однако они все больше и больше внедряются в операционное программное обеспечение P&G.

«То, что раньше считалось загадочной и сугубо теоретической гипотезой, сейчас начинает восприниматься как реальные бизнес-приложения, — заметил Джордж Деннер, президент консалтинговой компании Industrial Science, специализирующейся на вопросах моделирования. — Нам необходимы смелые, прогрессивные и мыслящие научно генеральные директора, стремящиеся понять физические основы работы своей компании».


Моделирование на базе агентов сложных адаптивных систем: вопросы и ответы

Что в этом контексте означает выражение «сложные системы»? Это некомпьютерные системы, такие как цепочка поставки компании. Система считается «сложной», если она содержит множество меняющихся и взаимодействующих друг с другом сил, которые невозможно понять в их совокупности или оптимизировать с помощью традиционных приложений «сверху вниз».

Каким образом можно справиться с этой сложностью? В целом эти системы сложны, но на локальных уровнях они используют всего несколько простых правил. Например, в системе цепочки поставки правило для обслуживания склада может быть следующим: «выполнять заказы по принципу «первым передан, первым выполнен» или «не отправлять эту машину на доставку до тех пор, пока она не будет загружена полностью». Десятки или сотни таких локальных «агентов» — например, диспетчеры грузовых перевозок — действуют автономно, формируя сложное поведение системы в целом. Можно моделировать это сложное поведение посредством программируемых агентов с помощью нескольких правил и предоставить им возможность взаимодействовать друг с другом. За счет оптимизации деятельности агентов на локальном уровне можно увеличить производительность всей системы.

Почему эти системы называют «адаптивными» и почему они иногда так напоминают колонии муравьев? Каждый из муравьев имеет очень примитивный мозг, но вместе они действуют на удивление продуманно и эффективно. Без какого-либо централизованного руководства они разделяют между собой обязанности, ищут пищу, строят и обслуживают свои муравейники, заботятся о потомстве и организуют отпор в случае атаки. Их колонии адаптируются; если перекрыть доступ к источнику пищи, муравьи найдут иной маршрут к нему. Сложные адаптивные системы функционируют также. Например, если фабрика A не в состоянии выполнить заказ клиента из-за временного отсутствия исходных материалов, то его может выполнить фабрика Б. Более того, фабрика Б сделает это «автоматически» в соответствии с простыми локальными правилами, без указаний центрального руководства.

Что означает «проявляющееся поведение»? Подобно муравьям, отдельные агенты могут изменять свои правила, чтобы адаптироваться к обстоятельствам, и это может повлиять на глобальное поведение системы, зачастую непредсказуемым образом. Иногда небольшие, локальные изменения оказывают на систему серьезное воздействие точно так же, как незначительные возмущения в атмосфере над Африкой могут привести к формированию урагана, который обрушится позже на Мексиканский залив. Моделирование на базе агентов поможет нам понять и предсказать это явление, а также определить новые правила для локальных агентов, которые позволят увеличить производительность системы в целом.

Поделитесь материалом с коллегами и друзьями