Оптимизации перевозок

Большую роль в технико-экономической оптимизации параметров изделия может сыграть его функционально-стоимостный анализ (ФСА), одной из главных аксиом которого является та, что в каждой конструкции имеются резервы снижения себестоимости. При описании потребительских свойств конструкции в методе ФСА используется функциональный подход, т. е. изделие рассматривается не как совокупность составляющих его элементов, а как объект реализации различных функций, в том числе и ненужных, затраты на выполнение которых составляют часто 5—10% себестоимости изделий. В методологии ФСА используются формы коллективного поиска лучших решений — «мозговой штурм», конференция идей, морфологический метод (см. п. 3.3), метод контрольных вопросов и др.

Предложенная методика оптимизации параметров системы профилактического ремонта топливораздаточного оборудования может быть использована при.решении практических задач повышения экономической эффективности работы АЗС.

На нижнем уровне решаются задачи оптимизации параметров планируемых или реконструируемых объектов — групп (или отдельных крупных) газовых или газоконденсатных месторождений и систем (или локальных изолированных) магистральных газопроводов. При этом газотранспортное предприятие (ГТП) как объект планирования может быть представлено и отдельным газопроводом, и системой связанных закольцованных магистральных газопроводов. Аналогично на уровне газодобывающих предприятий (ГДП) в качестве объектов планирования могут рассматриваться как отдельные крупные газовые или газоконденсатные месторождения, так и группы месторождений, в которых объекты иногда значительно отличаются друг от друга по своим основным технико-экономическим и геолого-промысловым показателям. /Некоторые месторождения могут быть многопластовыми с сильными газогидродинамическими связями между отдельными пластами, что, естественно, должно учитываться при перспективном планировании разработки таких месторождений. На верхнем уровне в качестве объекта планирования рассматривается ЕГС страны.

Механическая система как правило создается, тестируется и оптимизируется на историческом ряде цен одного актива. Одной из главных задач создания хорошей МТС является предотвращение ее подгонки под конкретные исторические данные, которые наверняка не повторятся в будущем. Эффективным способом проверки МТС на излишнюю подгонку является переход на другие активы без изменения параметров системы. Если при переходе на исторические ряды цен других активов без повторной оптимизации параметров система продолжает показывать удовлетворительные результаты, то это повышает вероятность того, что она окажется прибыльной в реальной торговле. При этом надо иметь в виду, что если активы высококоррелированы, то это существенно снижает ценность такой проверки. Если же при переходе с ряда цен исходного актива (на котором МТС создавалась и оптимизировалась) на ряд цен высококоррелированного с ним актива система разваливается, то это служит веским основанием для отказа от нее.

При оптимизации параметров системы простой скользящей средней с 1993 по 1995 гг. наибольшую прибыль дали 10-дневная краткосрочная скользящая средняя и 34-дневная долгосрочная скользящая средняя. Но для 1990-1993 годов параметры были другими. В этом периоде использовалась 18-дневная краткосрочная скользящая средняя и 48-дневная долгосрочная скользящая средняя. Если бы в период между 1994 и 1998 годами использовались оптимизированные параметры, полученные для 1993 г., то у нас получились бы следующие результаты:

Полученные итоги несколько отличаются не только друг от друга но и от других результатов по рынку бондов. Они также отличаются и от результатов, полученных в результате оптимизации самого рынка франка. После оптимизации параметров оптимальной оказалась 19 дневная краткосрочная скользящая средняя, в то время как оптимальная долгосрочная скользящая средняя была 27-дневной. Результаты в рамке вверху страницы были получены в результате тестирования.

1. Работа никогда не заканчивается. Когда вы покидаете исторические пределы системы, для вас вновь начинается время дерготни, тестирования и оптимизации параметров.

Еще один важный момент — оптимизация параметров моделей. При проведении тестов часто необходимо настраивать параметры некоторых компонентов (например, модели входа, выхода или их частей), чтобы обнаружить наилучший набор параметров и/или увидеть, как поведение модели меняется со сменой параметров. Возможно проведение нескольких видов оптимизации параметров модели. При ручной оптимизации пользователь задает параметр, который будет варьироваться, и пределы его изменения; причем пользователь может одновременно управлять двумя или более параметрами, получая результаты в виде таблицы, показывающий влияние значений параметров на показатели системы. Другой метод — «лобовая» оптимизация, существующая в нескольких разновидностях: наиболее часто — это прогонка каждого из параметров через все возможные значения. Если параметров много и их границы широки, прогонка может растянуться на годы. При этом лобовая оптимизация может быть вполне приемлема при малом количестве параметров и узких пределах их значений. Другие методы лобовой оптимизации не столь полны и не всегда способны найти оптимальный набор параметров, но работают гораздо быстрее. Последний из методов, используемый для мощной оптимизации (а в неумелых руках — для подгонки параметров под выигрыш в прошлом), — это генетические алгоритмы. Подходящий генетический алгоритм может быстро обнаружить хороший ответ (пусть даже не общий оптимум) даже из большого числа параметров с широкими пределами значений. Генетический оптимизатор — важный инструмент в арсенале разработчика торговых систем, но использоваться он должен осторожно, поскольку существует возможность «подгонки», т.е. получения набора параметров, «подогнанного» под исторические данные, который име-

Как и генетическая оптимизация, моделирование отжига — очень мощная стохастическая методика, основанная на естественном явлении, которое может находить глобально оптимальные решения и работать с неупорядоченными функциями эффективности. Моделирование отжига эффективно решает комбинаторные проблемы, включая известную «задачу о коммивояжере» или проблему оптимального расположения миллионов элементов современных интегральных микросхем, например компьютерных процессоров. Методы, основанные на моделировании отжига, не следует ограничивать комбинаторной оптимизацией; они могут быть легко приме-неныдля оптимизации параметров с реальными значениями. Следовательно, оптимизаторы, основанные на моделировании отжига, применимы к широчайшему кругу задач, включая задачи, интересующие трейдеров.

До этого момента мы обсуждали только работу моделей, тестируемых на целом портфеле. При тестировании было сделано множество замечаний, касающихся особенностей работы той или иной системы на определенных рынках. Зачастую отмечалось, что данная модель, видимо, работает на этих рынках хорошо, а другие модели на них же — плохо. Нет сомнений, что путем подбора лучших сочетаний моделей и рынков можно создать портфель систем для торговли портфелем рынков. При изложении результатов тестов в данной книге были отмечены хорошие сочетания рынков и моделей без дополнительной оптимизации параметров.

6. Вообще говоря, значение оптимизации параметров сильно преувеличено.

Прежде чем решать вопросы оптимизации перевозок при строительстве объектов транспорта нефти и газа, необходимо рассмотреть структуру перевозимых грузов и способы их доставки к месту работ.

Применительно « задаче оптимизации перевозок светлых нефтепродуктов основными требованиями при районировании выдвигаются следующие: сетка районов должна охватывать наибольшую часть транспортно-экономических связей страны

В статье [14] рассматривается математическая модель оптимизации перевозок нефтепродуктов несколькими видами транспорта. Эта модель матричная. Она была разработана для перевозок автомобильного бензина и дизельного топлива железнодорожным, речным и трубопроводным транспортом, причем рассматривался лишь один нефтепродуктопровод, имеющий ограниченную пропускную способность. Это ограничение для модели является существенным, поскольку позволяет свести ее к обыч-

ной ТЗЛП ввиду балансов между поставками и потреблением по каждому продукту. Существенно для моделирования и равенство удельных затрат на перекачку по нефтепродуктопроводу для всех рассматриваемых видов продуктов. Поэтому данная модель может быть использована лишь для одного трубопровод да и такого набора продуктов, который удовлетворяет последнему условию. Число видов транспорта с неограниченной пропускной способностью для модели несущественно. Для решения возникающей задачи могут быть использованы любой метод и программа (для ЭВМ) решения ТЗЛП в матричной постановке. Следует подчеркнуть при этом слабую заполненность матрицы (большое число нулевых элементов). На примере задачи оптимизации перевозок нефтепродуктов Поволжья по критерию минимизации тарифов [,14] была выявлена высокая эффективность предложенной модели по сравнению с фактическим вариантом (экономия транспортных затрат по данным за май 1965 г. составила более 1 млн. руб., или 25%) и сово< купностью отдельных решений оптимальных однопродуктовых задач (по тем же данным транспортные расходы были снижены более'чем на 0,5 млн. руб.). Высокая эффективность наблюдалась и в дальнейшем при решении практических задач'.

В статье [12] рассмотрена еще более общая модель, применение которой не ограничивается рамками задач транспортировки светлых нефтепродуктов. В этой модели по сравнению с предыдущей снимаются условия специфического прохождения отдельных видов транспорта (трубопроводов) и равенства удельных затрат транспортировки по этим трубопроводам различных продуктов. Это позволяет использовать модель для решения различных задач оптимизации перевозок многих продуктов несколькими видами транспорта. Каждый из этих видов транспорта может иметь как ограниченную, так и неограниченную пропускную способность на отдельных коммуникациях транспортной сети. Как и в предыдущей модели, предполагается необязательным баланс между наличием и спросом по продуктам, а сопоставляемые по отдельным коммуникациям показатели целевой функции (критерий оптимальности — минимум издержек) могут включать затраты собственно транспортировки, начально-ко-

Непосредственное снабжение -сети АЗС города осуществляется нефтебазами, которые, в свою очередь, получают нефтепродукты от НПЗ. Транспортировка нефтепродуктов от НПЗ к нефтебазам производится через распылительные пункты, которые производят распределение горюче-смазочных материалов между нефтебазами. Нефтебазы могут располагаться как в самом городе, так и за его пределами, поэтому при оптимизации перевозок горюче-смазочных материалов от нефтебаз к АЗС представляется правомерной постановка вопроса об изменении мощностей нефтебаз таким образом, чтобы суммарные затраты на транспортировку нефтепродуктов и .капитальные вложения на изменение структуры нефтебаз становились минимальными. Однако изменение структуры нефтебаз (мощность, ассортимент и др.) может повлечь ;за собой дополнительные транспортные расходы по их снабжению. Отсюда очевидно, что оптимизация мощностей нефтебаз и планов перевозок нефтепродуктов от нефтебаз к АЗС невозможна без учета транспортных связей между нефтебазами, распылительными пунктами и НПЗ.

Так как перегруппировка мощностей нефтебаз не изменяет суммарной потребности города, можно без особой потери точности утверждать, что изменение мощностей нефтебаз города не повлияет на оптимизацию планов прикрепления городов к НПЗ. Задачу оптимизации перевозок 'Нефтепродуктов от НПЗ к распылительным пунктам, нефтебазам и АЗС целесообразно решать в следующем виде. Первоначально решается задача прикрепления городов к НПЗ. Мощность нефтебаз города полагается существующей. Затем решается задача оптимизации перевозок нефтепродуктов внутри города от нефтебаз к АЗС. При решении этой задачи предполагается, что мощность нефтебаз может колебаться в определенных пределах, учитываются необходимые капитальные вложения на изменение единицы мощности нефтебазы и дополнительные транспортные расходы, связанные с перетранопортировкой нефтепродуктов. Выход первой задачи — план прикрепления городов к НПЗ с указанием вида транспорта, осуществляющего перевозку, второй — план нормальных грузопотоков при снабжении АЗС и оптимальные мощности городских нефтебаз.

Необходимо отметить, что выводы, сделанные по оптимизации транспортных связей, верны и для прочих потребителей нефтепродуктов. Для решения транспортной задачи по оптимизации перевозок горюче-смазочных материалов от нефтебаз к АЗС и прочим централизованным потребителям необходимо расширить условия задачи на соответствующее число потребителей.

12. Калика В. И. Математические аспекты постановки и решения одной задачи оптимизации перевозок.— Математические методы в экономических исследованиях, 1971, с. 77—87.

24. О математической модели задачи оптимизации перевозок нефтепродуктов несколькими видами транспорта. — Транспорт и хранение нефти

Происходившее в дологистический период быстрое развитие нерельсового транспорта, особенно автомобильного, заметно повысило его роль в товародвижении. Предпочтение стало отдаваться оптимизации перевозок. В качестве критерия эффективности последних выступали минимальная цена за перевозку грузов транспортом общего пользования и минимальные транспортные затраты на перевозку собственным подвижным составом. Вследствие этого

Навигация

Главная

Новое

Акционер Америка Агрессивность