Software optimization of resource allocation process in metro construction organizations: analysis of efficiency of existing methods

Full Text

Введение

В современных условиях сложной экономической ситуации, роста стоимости строительных материалов и введения ограничительных мер повышается значимость оптимизации процессов строительства. Оптимизация строительных проектов в организациях играет ключевую роль в достижении баланса между важнейшими аспектами, такими как стоимость, соблюдение графика и обеспечение высокого качества.

Оптимизация строительных проектов в организации направлена на эффективное использование ресурсов и снижение издержек. Путем анализа и оптимизации всех этапов строительного процесса можно достичь оптимального сочетания стоимости работ, соблюдения установленных сроков и обеспечения высокого уровня качества [5, 14].

Обеспечение материально-техническими ресурсами в области метростроительства является ключевым фактором, напрямую влияющим на успешность внедрения таких сложных инфраструктурных задач. Задержки в поставке необходимых строительных материалов, оборудования и техники могут привести к непредвиденному удлинению сроков метростроительных работ, увеличению сметных расходов не только на отдельные работы, но и на весь проект организации в целом [10].

Неэффективное распределение ресурсов может также привести к неравномерной загрузке строительной техники и транспортных средств, что ухудшает координацию работ и увеличивает общие затраты. Кроме того, это может вызвать другие значительные проблемы, такие как увеличение риска простоев, нарушение графиков подачи материалов и переработку персонала. На основании указанного оптимизация процесса распределения ресурсов становится критически важной в метростроительных организациях, чтобы обеспечить своевременное выполнение работ и минимизировать экономические затраты [2; 4]. Следовательно, проблема оптимального распределения доступных ресурсов становится критически важной и актуальной задачей в планировании и управлении метростроительными работами, особенно в условиях ограниченности ресурсов. Решение этого вопроса напрямую влияет на качество и результативность выполнения метростроительства, темп и ритмичность процесса строительства, затраты и эффективность использования трудовых ресурсов [3; 8].

Задачей настоящей статьи является разработка и оценка компьютерной модели для анализа и управления рисками задержек поставок в метростроительстве.

Цели, задачи и методы оптимального распределения ресурсов в метростроительных организациях

Методы программной оптимизации процесса распределения ресурсов представляют собой набор технологий, алгоритмов и программных решений, используемых для управления и оптимизации использования доступных ресурсов в проекте или организации. Они позволяют эффективно прогнозировать, планировать распределение различных ресурсов, таких как материалы, оборудование, рабочая сила и время, а также и управлять ими, чтобы повысить производительность и снизить затраты [7].

Программная оптимизация позволяет анализировать и моделировать производственные процессы, предсказывать потребности в ресурсах, оптимизировать планирование и управление проектами, а также принимать обоснованные решения по распределению ресурсов, что включает оптимизацию поставок материалов, управление рабочей силой, планирование использования оборудования и машин, а также оптимизацию временных ресурсов.

Программные инструменты для оптимизации процесса распределения ресурсов могут включать системы управления проектами, планирование ресурсов, прогнозирование спроса, моделирование и симуляцию производственных процессов, а также алгоритмы и методы оптимизации. Оптимальное распределение ресурсов в метростроительных организациях позволяет достичь следующих целей – таблица 1.

Таблица 1. Цели оптимального распределения ресурсов в метростроительных организациях

На сегодняшний день используется ряд способов решения задач оптимизации в строительстве. К ним можно отнести следующие методы: эвристические, метаэвристические и математические – таблица 2.

Таблица 2. Методы оптимизации в метростроительных организациях [9; 11]

В современной практике строительства метрополитена управленческий аспект и особенно вопросы оптимизации производственных процессов занимают центральное место. Многие из этих вопросов требуют применения математических и инструментальных методов для достижения наилучших результатов. Основные задачи, с которыми приходится сталкиваться в процессе строительства метро, включают содержимое таблицы 3.

Таблица 3. Основные задачи, с которыми приходится сталкиваться организациям в процессе строительства метро

Таким образом, процесс планирования и распределения ресурсов в метростроительных организациях требует стратегического мышления и грамотного управления. Задачи включают оптимальное распределение ресурсов между операциями, критическое определение операций при ограниченных ресурсах и управление доступными ресурсами. Решение этих вопросов включает математическое моделирование и сетевые графики для визуализации динамики работ [12].

Программные продукты для управления метростроительными проектами в организациях

Программные продукты, предназначенные для эффективного управления метростроительными проектами в организациях, играют ключевую роль в оптимизации планирования, распределения ресурсов и обеспечивают успешное выполнение работ (таблица 4).

Таблица 4. Программные продукты, разработанные для управления метростроительными проектами в организациях

Динамическое программирование – это метод оптимизации, который разбивает большую задачу на меньшие, более управляемые подзадачи, которое позволяет сохранять и повторно использовать решения подзадач, чтобы не решать их несколько раз, ускоряя таким образом процесс решения.

В программном контексте для решения подобных задач существуют различные инструменты и платформы. Например, Microsoft Project и Primavera P6 обладают функциональностью для управления ресурсами, что помогает оптимизировать использование оборудования и персонала. Помимо этого, существуют специализированные программные пакеты для моделирования и оптимизации ресурсов, такие как LINGO и GAMS, которые могут быть использованы для формирования и решения задач оптимизации на основе динамического программирования [1].

Если говорить о программных решениях, то важную роль могут сыграть такие инструменты, как библиотеки Python, например NumPy и Pandas для работы с данными, SciPy для статистических методов и scikit-learn для машинного обучения. Для более сложного вероятностного моделирования можно использовать такие пакеты программ, как PyMC3 или Stan. Для работы с большими данными используются надежные платформы Apache Hadoop или Spark. Кроме того, специализированное программное обеспечение, например AnyLogic, позволяет проводить более сложное моделирование систем, включая системы очередей и теорию массового обслуживания [6].

Говоря о программных решениях для управления запасами, следует отметить наличие специализированных инструментов, таких как SAP ERP или Oracle Supply Chain Management Cloud, которые позволяют выполнять сложные операции с запасами и цепочками поставок. С помощью этих систем можно отслеживать и управлять запасами в режиме реального времени, прогнозировать спрос, автоматизировать закупки и перезаказы, а также предоставлять подробную аналитику и отчетность.

R и MATLAB дают возможность прогнозировать будущие потребности в запасах на основе исторических данных и тенденций.

Среди программных решений для управления графиком в строительной отрасли широко используются информационные системы управления проектами (PMIS), такие как Microsoft Project, Primavera P6 и Asana. Указанные программные решения помогают планировать, организовывать и управлять ресурсными средствами, а также разрабатывать сметы ресурсов [13; 15].

Основные методы оптимизация процесса распределения ресурсов в метростроительных организациях

Проведенный анализ научной литературы позволил составить следующую сводную таблицу основных методов оптимизация процесса распределения ресурсов при реализации проектов в метростроительных организациях – таблица 5.

Таблица 5. Обзор основных методов оптимизация процесса распределения ресурсов в метростроительных организациях

Для более подробной программной реализации анализа рисков, связанных с задержкой поставок в метростроительстве, можно использовать Python с библиотеками Pandas для обработки данных, NumPy для математических расчетов и Matplotlib для визуализации результатов.

Сначала нам нужно определить данные, которые будут использоваться в анализе. Для этого создадим фиктивный набор данных, который включает различные типы рисков, их вероятность и потенциальное воздействие:

import pandas as pd

# Пример данных о рисках

risks_data = [

{‘Risk’: ‘Delay in Supply’, ‘Probability’: 0.3, ‘Impact’: 6000000},

{‘Risk’: ‘Increase in Material Cost’, ‘Probability’: 0.25, ‘Impact’: 3000000},

{‘Risk’: ‘Labor Shortage’, ‘Probability’: 0.2, ‘Impact’: 4000000},

# Добавляем другие риски по необходимости

]

risks_df = pd.DataFrame(risks_data)

Ожидаемая стоимость риска рассчитывается как произведение вероятности риска на его воздействие, что помогает определить, какие риски являются наиболее значимыми с точки зрения потенциальных потерь:

risks_df[‘Expected Cost’] = risks_df[‘Probability’] * risks_df[‘Impact’]

Теперь добавим стоимость мер по снижению риска для каждого из них. Это может включать страхование, дополнительные контракты на поставки и прочие меры предосторожности.

# Примеры стоимостей мер по снижению риска

risk_mitigation_costs = [500000, 200000, 300000] # Для каждого риска

risks_df[‘Mitigation Cost’] = risk_mitigation_costs

Далее необходимо определить ожидаемую стоимость риска с затратами на его снижение, чтобы определить, оправданы ли затраты.

risks_df[‘Cost-Benefit’] = risks_df[‘Expected Cost’] - risks_df[‘Mitigation Cost’]

Далее осуществляем вывод итоговых данные для анализа и принятия решений:

print(risks_df)

Можно также визуализировать эти данные, чтобы лучше понять распределение рисков.

import matplotlib.pyplot as plt

risks_df.plot(kind=’bar’, x=’Risk’, y=[‘Expected Cost’, ‘Mitigation Cost’], stacked=True)

plt.title(‘Risk Analysis for Metro Construction Project’)

plt.ylabel(‘Cost’)

plt.show()

Этот код создаст столбчатую диаграмму, показывающую ожидаемую стоимость и стоимость мер по снижению риска для каждого риска.

Результаты оценки предложенной модели представлены в таблице 6.

Таблица 6. Результаты оценки предложенной модели

Таким образом, Python со своим богатым арсеналом специализированных библиотек, включая Pandas для обработки данных, Scikit-learn для машинного обучения и Matplotlib для визуализации, представляет собой оптимальный инструмент для анализа и оптимизации распределения ресурсов в метростроительстве. Этот язык обеспечивает удобство разработки и тестирования сложных алгоритмов, ускоряя процесс инноваций, при этом его масштабируемость и возможность интеграции с другими платформами делают его незаменимым в управлении крупными проектами. Поддержка мощных аналитических инструментов в сочетании с простотой использования и обширным сообществом пользователей делает Python ключевым ресурсом для эффективного планирования и оптимизации в метростроительстве.

Выводы

Цели оптимального распределения ресурсов в метростроительных организациях включают повышение эффективности выполнения работ, сокращение времени проекта и минимизацию затрат, достигаемых через задачи определения критических операций и применение методов математического моделирования и сетевых графиков. Программные продукты, предназначенные для управления метростроительными проектами в организациях, обеспечивают комплексный контроль за планированием, ресурсами и выполнением работ, способствуя эффективной координации и успешной реализации проектных задач.

Основные методы оптимизации процесса распределения ресурсов в метростроительных организациях включают математическое моделирование, анализ критических операций, применение сетевых графиков, а также использование современных программных продуктов для управления проектами, обеспечивающих точное планирование и эффективное использование ресурсов в ходе выполнения работ.

Python с его разнообразными специализированными библиотеками, такими как Pandas для обработки данных, Scikit-learn для машинного обучения и Matplotlib для визуализации, представляет собой неотъемлемый инструмент для анализа и оптимизации распределения ресурсов в метростроительстве.

About the authors

Artem E. Sobin

Author for correspondence.
Email: view7goog757@gmail.com

PhD Student of Information Systems and Technologies Department

References

Supplementary files