Проект

«Диджитал Дизайн» создает решение для автоматизации логистического инжиниринга в «Газпромнефть НТЦ»

Заказчики: Газпромнефть НТЦ

Санкт-Петербург; Информационные технологии



Дата проекта: 2018/06 — 2018/11

3 декабря 2018 года «Диджитал Дизайн» сообщил, что был выбран исполнителем проведения НИОКР ООО «Газпромнефть НТЦ» с целью дальнейшей разработки прототипа решения «Интегратор концептуального и логистического инжиниринга».

Результатом проекта должен стать сервис, который позволит учитывать транспортировку, складирование и другие операции, совершаемые при доставке материально-технических ресурсов (МТР), на этапе концептуального проектирования обустройства месторождения. Другими словами, сервис поможет рассчитывать, как быстрее и дешевле доставлять до месторождений различные строительные материалы.

Стоимость логистики будет рассчитываться на основе множества факторов: сведений о региональных грузопотоках, их пропускной способности, транспортных связях, географическом расположении точек хранения и других. Система должна автоматически выстраивать матрицу вариантов с учетом всех данных по трем группам затрат: транспортные, капитальные и эксплуатационные.

«
Важная часть решения задачи построения оптимальных планов капитального строительства – это 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. Можно решать это методом «грубой силы», перебирая все возможные варианты, но при большом количестве узлов сети такой перебор может занять много времени, поэтому он не подходит для практического использования. Существуют разные подходы к решению логистической задачи, которые базируются на подборе определенной эвристики, имитирующей действия специалиста. Но не всегда этот подход дает оптимальный результат, потому что специалист обычно решает задачу на базе накопленного опыта. В научной лаборатории разрабатываются 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 создания 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.
Илья Ашихмин, руководитель научной лаборатории «Диджитал Дизайн»
»