Предпроектное обследование склада нефтепродуктов Якутской нефтебазы

Содержание

Введение …................................................................................................................................3

Глава 1. Нефтеперерабатывающие  предприятия как объекты логистики ….............6

1.1. Обзор работ в области разработки систем поддержки принятия решений …..............6

1.2. Проблемы группирования продуктов  и смешивания различных типов  сырья.............7

Глава 2. Имитационное моделирование  организаций с использованием методов

имитационного моделирования...........................................................................................10

2.1. Обзор инструментальных средств  имитационного моделирования.............................10

2.2. Факторы выбора инструментальных  средств моделирования. Механизмы формирования системного времени………………………………………………………...12

2.3. GPSS - язык имитационного моделирования………………………………………….13

Глава 3. Предпроектное  обследование склада нефтепродуктов Якутской нефтебазы.

………………………………………………………………………………………………....18

3.1. Обследование склада нефтепродуктов Якутской нефтебазы ОАО «Саханефтегазбыт»…………………………………………………………………………..18

3.2. Разработка имитационной модели  на языке GPSS........................................................18

3.3. Расчетная работа………………………………………………………………………...19

3.4. Анализ и краткие выводы  расчетной работы.................................................................22

Заключение..............................................................................................................................24

Список использованных источников ………………........................................................25

Приложения.............................................................................................................................27

 

 

 

 

 

 

 

 

 

 

Введение

 

Современные условия рыночной конкуренции ставят перед промышленными предприятиями задачи реорганизации принципов управления хозяйственной деятельностью. Все больше предприятий применяет для оценки эффективности своей деятельности инновационные показатели, к которым относятся: объем товарно-материальных запасов, гибкость производства, качество продукции, показатели надежности и безопасности производства и воздействия производства на окружающую природную среду, оперативность выполнения заказов потребителей, длительность производственного цикла, а также ресурсоемкость продукции. Предприятия сталкиваются с задачей согласования спроса и предложения на множестве рынков, что часто требует выпуска продукции на заказ и во все более сжатые сроки. В этих условиях ведущие компании уже давно пришли к выводу, что ключом к успешному ведению предпринимательства и повышению экономической эффективности хозяйственной деятельности является логистическое управление цепью поставок продукции на основе анализа процессов и среды предпринимательства, а также применения методов прогнозирования [1].

Для снижения издержек и принятия управленческих решений предприятия традиционно учитывали только собственные ресурсы, ограничения и стратегии. Сегодня такой подход становится недостаточным. В соответствии с положениями общей теории систем (А. Чандлер, П. Лоуренс, Дж. Лорш) организация должна рассматриваться в единстве ее составных частей, которые неразрывно связаны с внешним миром. Поэтому при принятии решений по управлению предприятием необходимо дополнительно учитывать взаимодействие предприятия с поставщиками и потребителями. Также необходимо переработать существующие предпринимательские стратегии с целью задействования в процессах принятия решений информации о процессах в логистической цепи предприятия. Управление взаимосвязями в цепи поставок, или логистической цепи (ЛЦ), с целью достижения логистической синергии внутренних и межфирменных процессов предпринимательства называется логистической координацией, или управлением логистической цепью. [2]

Имитационное моделирование в  настоящее время находит широкое  применение при моделировании и  управлении сложными дискретными системами  и процессами, протекающими в этих системах[3].

Имитационный эксперимент - отображение  процесса протекающего в сложной дискретной системе в течение длительного времени, что, как правило, занимает несколько секунд или минут работы ЭВМ.

Проведение имитационного эксперимента позволяет сделать выводы о поведении  сложной дискретной системы и  особенностях без его построения, если это проектируемая система; синтезировать и исследовать стратегию управления; прогнозировать и планировать функционирование системы в будущем.

Методологическая основа моделирования - диалектико-математический метод  познания и научного исследования. Все то, на что направлена человеческая деятельность, называется объектом (от лат. objectum - предмет) [4]. Выборка методологии направлена на упорядочения получения и обработки информации об объектах, которые существуют вне нашего сознания и взаимодействуют между собой и внешней средой.

Научно-техническое развитие в  любой области обычно идет по пути: наблюдение и эксперимент - теоретические  исследования - организация производственных процессов[5].

Основная ценность имитационного  моделирования состоит в применении методологии системного анализа. Имитационное моделирование разрешает осуществить исследование анализируемой или проектируемой системы по схеме операционного исследования, которое содержит взаимосвязанные этапы:

- содержательная постановка задачи;

- разработка концептуальной модели;

- разработка и программная реализация  имитационной модели;

- достоверности модели и оценка  точности результатов моделирования;

- планирование и проведение  экспериментов;

- принятие решений.

Это позволяет использовать имитационное моделирование как универсальный подход для принятия решений в условиях неопределенности с учетом в моделях трудно формализуемых факторов, а также применять основные принципы системного подхода для решения практических задач.

Предметом исследования данной курсовой работы является имитационная модель работы склада нефтепродуктов Якутской нефтебазы ОАО «Саханефтегазсбыт».

Цель курсовой работы - разработать  имитационную модель предприятия с  помощью языка GPSS World.

Для достижения указанной цели определены следующие задачи исследования:

- изучение литературы;

- рассмотрение и анализ исследуемой  системы;

- разработка концептуальной модели;

- представление модели в виде  языка GPSS World;

- моделирование системы.

Тема, поднимаемая в данной курсовой работе, является актуальной, так как в  настоящее время, традиции и современные методы управления позволяют назвать ОАО "Саханефтегазсбыт" - лидером по реализации качественных нефтепродуктов в республике. Строятся новые, современные АЗС. Производятся модернизации АЗС г.Якутска, в частности АЗС-2 по ул. Труда, 4 и АЗС-3 по адресу Вилюйский тракт 3 км, где установлены современные высокоточные бензоколонки производства совместного российско-японского предприятия Tatsuno-S-Bench. В аккредитованной в Госстандарте России лаборатории (на Якутской нефтебазе п. Жатай) осуществляется постоянный, жесткий контроль качества нефтепродуктов, поступающую в сеть АЗС. [6]

Построение имитационной модели значительно  упрощает работу пользователя с любым  количеством информации, что очень повышает скорость работы и, соответственно, производительность труда.

Данная работа состоит из трех глав, которые отражают все этапы проделанной  работы. Первая глава посвящена обзору работы нефтеперерабатывающей промышленности. Вторая глава посвящена обобщенному содержательному описанию системы имитационного моделирования GPSS World. Третья глава полностью посвящена исследованию системы и разработки имитационной модели склада нефтепродуктов Якутской нефтебазы с помощью языка GPSS World.

 

 

 

 

Глава 1. Нефтеперерабатывающие предприятия как объекты логистики

1. Обзор работ в области разработки систем поддержки принятия решений

 

Предприятия химической промышленности и нефтепереработки являются объектами  логистики специального класса и  требуют комплексной оптимизации операций разработки, производства, продажи и использования химической продукции, оптимального управления запасами сырья, полупродуктов и ТЭР, предотвращения образования в технологических процессах производства источников оказывающих вредное воздействие на окружающую среду отходов и выбросов, обеспечения надежности и безопасности химико-технологических процессов с целью предотвращения аварий и снижения уровня химического риска. Управление химическим предприятием требует применения принципов ресурсосбережения на всех стадиях производства и переработки [7].

Логистическая цепь предприятий химической и нефтеперерабатывающей промышленности, как правило, имеют большую длину, а структура производственных связей предприятий является стационарной и негибкой.

Поэтому готовые решения по организации и управлению логистической цепи, используемые другими отраслями, неприменимы в химической отрасли, нефтепереработке и нефтехимии непосредственно.

Для оптимального управления промышленными  предприятиями в отечественной  и зарубежной литературе описано большое число систем поддержки принятия решений (СППР) для оптимизации отдельных видов производственно-хозяйственной деятельности промышленных предприятий — например, планирования, составления расписаний, управления товарно-материальными запасами, отбора предложений и формирования портфеля заказов.

Системы поддержки принятия решений  по оптимальному управлению хозяйственной  деятельностью нефтеперерабатывающих  предприятий на основе математического  моделирования и программирования

Управление нефтеперерабатывающими предприятиями требует решения  таких задач, как организация  снабжения сырой нефтью, составление  расписаний поставок, составление расписаний работы нефтехранилищ и ректификационных установок. Принятие решения при  этом обычно основано на применении математических методов, к которым относятся, например, методы линейного программирования, и определяется установленными руководством предприятия статичными предпринимательскими стратегиями и предписаниями. Работы в этой области направлены на решение двух основных классов задач: задач оптимизации производственных операций (первичной переработки, крекинга, смешивания) и задач планирования и составления производственных расписаний [8]. Некоторые исследования совмещают оба этих направления.

Li и Riggs (2000) предложили нелинейную  модель для оптимизации деятельности  в масштабах всего предприятия  для нефтеперерабатывающего завода (НПЗ). Они разработали нелинейные  математические модели для 4-х  основных установок переработки  нефти (ректификационной установки, установки каталитического крекинга, установки реформинга, установки производства бензиновой смеси) и применили упрощенные линейные модели для остальных видов оборудования. Однако эта модель не включает организацию закупок, транспортирования и хранения сырья, т.е. не учитывает функционирование цепи поставок НПЗ в целом.

 

2. Проблемы группирования продуктов и смешивания различных типов сырья

 

Несколько исследований было посвящено  проблемам группирования продуктов  и смешивания различных типов сырья. Rigby, Ladson & Warren (1995) провели анализ системы смешивания бензинов компании Texaco и ее развитие с использованием СППР, которая в настоящее время применяется на всех нефтеперерабатывающих заводах этой компании. Исследователи подчеркивают важность применения таких систем, приводя данные об нефтеперерабатывающих заводах, свидетельствующие об экономии свыше 30 млн. долларов в год. Adhya, Tawarmalani и Sahinidis (1999) применили для решения задачи о группировании продуктов метод неопределенных множителей Лагранжа. Amos, Ronnqvist и Gill (1997) решают эту задачу с использованием упрощенной нелинейной модели. Sullivan (1990) подчеркивает важность объединения производственных функций и операций с управлением процессами смешивания и стратегиями оптимизации для достижения оптимального результата в масштабах всего предприятия, т.е. для поиска глобального оптимума [8].

Еще одним важным классом задач  организации и управления производственной деятельностью нефтеперерабатывающего завода являются задачи планирования выпуска и составления производственных расписаний. К этому классу задач относятся задачи составления расписания поставок сырой нефти [Shah, 1996] распределения партий сырья по ректификационным установкам [Kim, Choi, Kim и Lee, 1999], составления расписаний переключения трубопроводов [Sasikumar, Prakash, Patil и Ramani, 1997] и т.д. В работе [Pinto, Joly и Moro, 2000] приведен обзор методов планирования и составления производственных расписаний на НПЗ. Они также обсуждают методы составления расписаний поставок сырой нефти, производства и распределения, производства топливных смесей и сжиженного нефтяного газа.

В последнее время, особенное внимание уделяется интеграции процессов  нефтепереработки с целью обеспечения  ресурсо- и энергосбережения на нефтеперерабатывающих заводах. Zhang, Zhu и Towler (2001) предложили модель для одновременной оптимизации системы материальных потоков нефти, потоков водорода, пара и энергоресурсов в структуре НПЗ. Их исследования показали, что параллельное решение задач оптимизации, в отличие от последовательного, обеспечивает большую прибыль. Al-Sharrah, Alatiqi, Elkamel и Alper (2001) анализируют интегрированное планирование в рамках промышленной группы нефтеперерабатывающих предприятий с точки зрения воздействия на окружающую природную среду. Показана эффективность этой модели для определения экологически безопасных, или экологически дружественных нефтепродуктов, которые в качестве полупродуктов могут выпускаться нефтехимической промышленностью Кувейта. Beamon (1998) опубликовал специализированный обзор литературы по моделированию процессов в ЛЦ производственных предприятий. Модели, включенные в этот обзор, подразделяются на детерминированные [Cohen и Moon, 1990; Williams, 1983], стохастические [Cohen и Lee, 1998; Lee и Billington, 1993; Svoronos и Zipkin, 1991] и имитационные [Towill, 1991; Towill, Naim и Wikner, 1992; Wikner, Towill и Naim, 1991]. Большинство этих работ посвящено отдельным областям управления логистической цепью, — например, управлению запасами, организации систем физического распределения, прогнозированию спроса, планирования, составления расписаний и т.д. Разработка формализованных моделей для системы масштаба логистической цепи связана с существенными принципиальными и вычислительными трудностями, поэтому математическое моделирование находит ограниченное применение для анализа полной структуры локальных цепей с учетом всех необходимых знаний и информации.