В.В. Мокшин,
профессор кафедры КМТ, д-ртехн. наук,профессор
Альметьевский филиал Казанского национального исследовательского технического университета им. А.Н. Туполева-КАИ
Приводится описание имитационной модели в среде AnyLogic, который успешно применяется во многих сферах. Приводится описание модели функционирования аэропорта.
Ключевые слова: имитационное моделирование, система AnyLogic, оптимизация.
На сегодняшний день все больше и больше людей отдают предпочтение воздушным перелетам. И из-за того, что возрастает конкуренция, так же возрастает проблема необходимости в поиске и применении рациональных способов уменьшении среднего времени, проведенного в аэропорту, а это достигается путем минимизирования очереди в кассах и пунктах прохождения осмотра.
Одним из главных способов является – увеличение пунктов обслуживания. В пункты обслуживания относится: Стойки регистрации пассажиров, Стойки контроля посадки пассажиров, Регистрация пассажиров с помощью планшетного ПК и мобильного принтера агентами свободно передвигающимися по территории аэропорта.
AnyLogic – это программное обеспечение для имитационного моделирования. Обладает современным графическим интерфейсом и позволяет использовать язык Java для разработки моделей.
Компьютерное моделирование является лучшим средством изучения каких-либо объектов, процессов реальной жизни. Моделирование обходится в разы дешевле и практично, ведь в действительности изучать на практике какие-либо процессы, бывает крайне затратным или даже невозможным. С помощью данного способа, можно сильно сэкономить и упростить разработку и оптимизацию процессов.
Главной характерной чертой моделирования является выделение самых важных качеств, но это не говорит о том, что нельзя учитывать менее важные свойства. Как раз эта черта делает моделирование необходимым этапом в разработке и изучении сложных систем.
В данной статье, мы хотим рассмотреть один из способов минимизирования времени, которое тратится в аэропорту. Мы считаем, что данный способ подойдет для большинства аэропортов, так как у нас используются современные методы оптимизации.
Мы начнем с создания модели, в которой пассажиры прибывают в аэропорт и движутся к выходу на посадку. Логику модели мы зададим с помощью AnyLogic. Ключевые объекты моделируемого пространства мы задали с помощью фигур разметки пространства.
Структурная схема модели показана на рис.1.
Рис.1. Структурная схема представления модели.
В процессе разработки имитационной модели пользователю доступна «Палитра компонентов моделей», приведённая на рис.1. Она включает в себя совокупность библиотек по отдельным тематическим разделам. Одной из основных библиотек AnyLogic является Пешеходная библиотека, с помощью которой строится структурная схема модели. По своей функциональной принадлежности объекты этой библиотеки подразделяются на несколько категорий.
Так же наша модель содержит моделирование движения групп пешеходов. Мы можем собирать пешеходов в группы, менять формы групп и расформировывать группы с помощью специальных объектов Пешеходной библиотеки. Каждая группа заменяет собой элемент логической схемы.
В данной модели мы желаем найти оптимальное количество персонала для достижения требуемого минимизирования среднего времени клиента, которое он тратит на покупку билета.
Данная проблема решается, путем оптимизации, при которой выбранные параметры модели будут систематически изменяться для минимизации или максимизации значения целевого функционала. Для этого мы проверим нашу модель в виртуальном эксперименте указав все наши требования.
Для оптимизации мы выбрали общие параметры регистрации, параметры контроля безопасности, параметры таможенного контроля, среднее время заезда и параметры паспортного контроля.
Стойка регистрации для регистрации клиентов на рейс открывается за 2 часа до полета, с учетом этого мы будем искать оптимальное количество стоек регистрации. Главным критерием для нас будет служить поток клиентов его будем задавать с помощью событий отвечающих за прибытие клиентов. 
Использовать будем данные параметры:
Для максимальной загруженности будем использовать 2 клиента в минуту, для средней – 1 и для минимального потока – один клиент в 2.5 минуты
Максимальная загруженность
При максимальном потоке в аэропорту, время регистрации заняло 9.3 минуты. С учетом этого мы можем сказать, что одна стойка может обслужить лишь 12 клиентов, в данном случае видим, что очередь к стойке для обычных клиентов более чем из 12 людей и соответственно не все клиенты смогут попасть на свой рейс. С бизнес классом таких проблем нет.
Так же хочу заметить, что большую часть времени работало от 6 до 8 стоек, т.е. другие просто простаивали.
Оставив 8 стоек для регистрации, можно добавить к каждому рейсу еще одну стойку. Таким образом сможет обслуживаться 24 человека на каждый рейс, с учетом максимальной загрузки самолета из 22 человек.
Средняя загруженность
При среднем потоке в аэропорту, время регистрации заняло 9.5 минуты. С учетом этого мы можем сказать, что одна стойка может обслужить12 клиентов, в данном случае видим, что очередь к стойке для обычных клиентов в среднем равна от 10 до 14 чем и соответственно все клиенты смогут попасть на свой рейс. С бизнес классом очередь еще меньше.
Так же хочу заметить, что большую часть времени работало от 3 до 6 стоек, т.е. другие просто простаивали.
В данной ситуации можно оставить лишь 6 стоек для регистрации.
Минимальная загруженность
При минимальном потоке в аэропорту, время регистрации заняло 8 минут. С учетом этого мы можем сказать, что одна стойка может обслужить 15 клиентов, в данном случае видим, что очередь к стойке для обычных клиентов более чем из 6 людей и соответственно не все клиенты смогут попасть на свой рейс. С бизнес классом таких проблем нет.
Так же хочу заметить, что большую часть времени работало от 4 до 6 стоек.
Тут отличным решением будет оставить 4 стоки регистрации, каждая стойка сможет обслуживать сразу два направления с учетом слабого потока клиентов. Так же мы можем сократить время открытия стойки перед началом посадки на рейс с 120 минут до 90 минут.
Вывод: мы спланировали стратегию поиска оптимального количества стоек регистрации в праздничные и обычные дни.
Библиография
1. Мокшин В.В., Сайфудинов И.Р., Кирпичников А.П. Рекурсивный алгоритм построения регрессионных моделей сложных вероятностных объектов / Вестник Технологического университета. 2017. Т. 20. № 9. С. 112-116.
2. Мокшин В.В., Якимов И.М. Метод формирования модели анализа сложной системы / Информационные технологии. 2011. № 5. С. 46-51.
3. Якимов И.М., Кирпичников А.П., Мокшин В.В. Моделирование сложных систем в имитационной среде AnyLogic / Вестник Казанского технологического университета. 2014. Т. 17. № 13. С. 352-357.