Планирование поставок нефтепродуктов на автозаправки

Руководитель направления систем бизнес-аналитики BIA Technologies Станислав Воронин объясняет, как обеспечить бесперебойную работу АЗС с помощью математической оптимизации.

Пришло время поговорить об особенностях той или иной отрасли. В новой статье — сложность доставки нефтепродуктов на АЗС.

ПРОБЛЕМАТИКА

Для нефтяной компании «розничный магазин» — это автозаправка, и её первоочередная задача — поддерживать запас топлива, достаточный для удовлетворения потребительского спроса. Автомобилисты выбирают АЗС по сумме разных критериев (удобство местоположения, стоимость топлива, наличие магазинчика со снеками и т. п.), но без одной константы обойтись нельзя — наличия топлива. Как бы ни была прекрасна автозаправка, если на ней нет главного товара, покупатель будет потерян. Учитывая разнообразие предложений на рынке, потерян он может быть навсегда.

Но есть и обратная сторона медали: постоянно держать резервуары полными под завязку — экономически нецелесообразно. Избыточные запасы топлива на АЗС для бизнеса — это, с одной стороны, замороженные средства, а с другой — дополнительные ограничения по возможности слить целиком бензовоз. При высоких запасах в резервуарах чаще могут возникать ситуации простоя бензовозов на автозаправках в ожидании продаж, а также необходимость в дополнительных развозах, увеличивающих пробег транспортных средств.

Чтобы понять, в какой момент на конкретной АЗС закончится топливо конкретной марки и определить его оптимальные запасы, логисту нефтяной компании необходимо знать прогноз реализации — сколько автомобилей приедет в заданный период времени, и на какой объём они заправятся. Сделать прогноз вручную, «по ситуации» даже опытный специалист сможет, в лучшем случае, на сутки вперёд. Планировать на более длинный горизонт без внедрения автоматизированной системы прогноза реализации уже не получится.

Это лишь одна, ключевая, проблема логистики нефтепродуктов. Дополнительно задачу осложняет целый ряд специфических требований и параметров, которые необходимо учитывать при планировании:

1. Виды топлива

Заправка реализует разные виды топлива — бензин АИ-92, 95, 98, 100, дизельное топливо — спрос на которые разнится. На стандартной АЗС представлено около пяти видов топлива, и под каждый из них выделен отдельный резервуар. Ситуация, когда все резервуары оказываются на грани исчерпания одновременно, встречается довольно редко. При этом гонять отдельный бензовоз под каждый вид топлива неэффективно: объём монобензовоза превышает объём резервуара на АЗС. Проблему решают так называемые «компотные» бензовозы с цистерной, которая разделена на 4–5 отсеков. Логисту важно знать не просто общий прогноз реализации АЗС, но прогноз по каждому отдельно взятому виду топлива.

2. Виды бензовозов

В распоряжении логистов есть разные типы бензовозов, которые отличаются по объёму цистерны и количеству отсеков. Логист должен соотнести матрицу и понять, какие бензовозы способны доехать до тех или иных АЗС. Так, в крупных городах существуют небольшие заправки для самообслуживания нескольких легковых автомобилей. Отправлять на такие малогабаритные станции двадцатитонный бензовоз — попросту неразумно. Кроме того, нельзя забывать об ограничениях по стороне слива и необходимости наличия насосного оборудования.

3. Развозы

Как показывает практика, так называемых «развозов», когда бензовоз объезжает несколько АЗС за рейс, лучше избегать. Маршруты следует назначать так, чтобы за один рейс каждый бензовоз обслуживал только одну заправку (максимум — две, если они расположены рядом друг с другом).

4. Доступность дорог

Здесь всё понятно: бензовозы доставляют грузы повышенной опасности, так что не все дороги для них открыты. Внутри МКАД перемещение вообще возможно только по пропускам для спецтехники.

5. Пропуска

Нефтяные компании не только снабжают топливом АЗС, но и отгружают нефтепродукты мелкооптовым клиентам. Чтобы попасть на промышленные объекты, нужны пропуска и разрешения на въезд. Оформлять пропуска на весь автопарк, опять же, нецелесообразно.

6. Заправка на нефтебазе

Количество кранов налива на нефтебазе небезгранично. Поэтому отправить одновременно весь автопарк, состоящий из 20–30 бензовозов в регионе, не получится: бензовозы просто выстроятся в бесконечную очередь.

Как видно по этому калейдоскопу параметров, подобрать наиболее оптимальный график поставок нефтепродуктов вручную не на сутки, а на неделю вперёд достаточно проблематично.

РЕШЕНИЕ

Расскажу, как наши специалисты подходили к решению задачи, на примере осуществлённого проекта для нефтегазовой компании, которая входит в пятерку крупнейших и обладает собственной разветвленной сетью АЗС.

Внедрённая система содержит 4 компонента:

1. Предиктивная модель прогнозирования на среднесрочный горизонт

С данным заказчиком мы остановились на горизонте планирования на неделю вперёд. Модуль прогноза реализации выдаёт почасовой прогноз по каждому виду топлива на каждой отдельной станции. Данные о продажах и остатках топлива обновляются в системе каждые 5 минут. Исходя из накопленной статистики, система на базе эконометрических моделей и моделей с использованием нейронных сетей строит прогноз реализации на неделю вперёд. При этом учитываются сезонные колебания продаж, перепады температур, праздничные дни, выходные и текущие промоактивности компании.

2. Интегральное оптимизационное планирование

На основе полученного прогноза реализации на неделю и данных о доступном парке техники формируется интегральный план поставок нефтепродуктов. Оптимизационный эффект решения особенно заметен у популярных АЗС с высоким уровнем ежедневного спроса. Например, при недельном горизонте планирования система может предложить решение по переходу с ежедневного пополнения резервуаров на пополнение 6 дней в неделю. Каждый день машина привозит чуть больше топлива, чем нужно по прогнозу реализации, общий остаток в резервуаре растет, и на седьмой день поставка уже не требуется. Это весомый вклад с точки зрения минимизации количества рейсов для компании.

3. Оперативное оптимизационное планирование

На основе задания на перевозку, полученного на предыдущем этапе, система формирует детальный оперативный план на смену или сутки вперёд, в рамках которого из имеющегося автопарка выбираются конкретные бензовозы и выдаются задания. На уровне посуточного планирования модель решает задачу с другими KPI: сократить порожний пробег бензовозов, выстроить оптимальные маршруты и сделать как можно больше кругорейсов за сутки. Такой подход позволяет минимизировать количество бензовозов, которые требуются для доставки, и обеспечить наличие свободных машин в резерве, например, для покрытия непредвиденного спроса. Сам график движения выстраивается практически по минутам и учитывает все необходимые операции (оформление документов, слив топлива, очередь налива на нефтебазе и т. п.).

4. Подсистема диспетчеризации

На практике, планы редко исполняются со стопроцентной точностью. Дорога может оказаться перекрыта, водитель — отстать от графика, бензовоз — сломаться, а на конкретной АЗС может образоваться непредвиденный всплеск спроса. Для мониторинга подобных ситуаций была создана автоматизированная система диспетчеризации на основе событийно-инцидентной модели. Система отслеживает выполнение плана поставок в режиме реального времени и уведомляет диспетчера только когда видит, что возникает вероятность отклонения. Инцидентно-событийный подход к мониторингу позволяет полностью освободить диспетчера от рутинных операций вроде регулярного обзвона каждой АЗС.

Эффективность оптимизационного решения была доказана на практике. Более чем двухлетний опыт использования подобной системы показал, что автоматизированное планирование до 5% сокращает совокупные логистические затраты и до 25% — количество используемой техники для выполнения заданного объёма поставок по сравнению с планированием в ручном режиме. Это достигается за счёт того, что техника используется более эффективно: уменьшается количество развозов, незапланированных «горящих» поставок, общий суммарный пробег, а также снижается количество карбоновых выбросов в атмосферу.

Отдельный плюс: в случае расширения сети АЗС, компания может задействовать имеющийся транспорт без необходимости закупки нового, либо провести ревизию автопарка и продать наименее выгодные виды техники.

Благодаря внедрению модуля мониторинга до 50% сокращается трудоёмкость процесса диспетчеризации, что, в свою очередь, сокращает потребность в человеческих ресурсах.

Наконец, при оценке проекта оптимизации для другой крупной нефтегазовой компании, мы выяснили, что внедрение решения окупилось менее чем за полгода промышленной эксплуатации.

Интересно, что, несмотря на доказанную экономическую эффективность, важность отрасли для России и высокую конкуренцию на рынке, отечественные нефтяные компании пока почти не пользуются автоматизированными решениями по оптимизации перевозок. Отчасти это можно объяснить нежеланием планировать в дальней перспективе: разработка кастомизированной математической модели занимает много времени и стоит довольно дорого. Но она гарантированно окупится — единственное, что это не произойдёт мгновенно.

Ссылка на источник