АННОТАЦИЯ 3
Введение 3
1 Нефтегазовый рынок РФ 4
1.1 Обзор нефтегазового рынка РФ 4
1.2 Логистика в нефтегазовой отрасли 11
2 Построение оптимизационной модели отгрузок продукции 21
2.1 Методология и математическое описание модели 21
2.2 Реализация модели на языке Python 24
3.3 Свойства построенной модели 45
Заключение 67
Список использованных источников и литературы 68
Приложение А Скрипт для первого эксперимента 72
Приложение Б Скрипт для второго эксперимента 73
Приложение В Скрипт для третьего эксперимента 74
Приложение Г Скрипт запуска эксперимента 75
В современных условиях, когда топливо является основой промышленного производства, необходимо правильно управлять не только количеством производимой продукции в рамках одного предприятия, необходимо управлять всей цепочкой создания стоимости, в том числе и процессом транспортировки продукции до конечного потребителя, ведь зачастую производственные мощности предприятия могут ограничиваться логистическими возможностями предприятия.
Объект исследования: процесс организации и планирования отгрузок
железнодорожным транспортом продукции с нефтеперерабатывающего предприятия.
Предмет: оптимизация процедуры формирования составов с продукцией.
Целью выпускной работы является создание оптимизационной модели, управляющая отгрузками продукции нефтеперерабатывающего предприятия.
Для достижения цели были поставлены следующие задачи:
1) Произвести обзор нефтегазового сектора;
2) Рассмотреть логистические особенности нефтегазового сектора;
3) Рассмотреть теоретические аспекты методов оптимизации;
4) Произвести обзор оптимизационной библиотеки Pyomo на языке Python;
5) Описать и создать математическую модель оптимизации отгрузок;
6) Испытать полученную модель на синтетических данных.
В ходе работы использовались общенаучные методы исследования, такие как анализ, синтез, логическое сопоставление, наблюдение, сравнительные методы. Также использовалось математическое моделирование и написание программного кода на языке Python.
Информационную и эмпирическую базу исследования составили методические пособия по нефтегазовой отрасли, учебники и статьи в сети Интернет о методах оптимизации, статистические данные с официального сайта Росстата, а также методические пособия и документация по библиотеке Pyomo, Pandas.
Работа состоит из введения, двух глав, заключения, списка использованных источников и литературы и четырёх приложений.
В первой главе был рассмотрен нефтегазовый рынок Российской Федерации в целом с различных сторон, в том числе его внутренняя структура.
Во второй главе был выполнен следующий перечень работ: рассмотрены основы методов оптимизации и целочисленного программирования, построена математическая модель, реализована система управления отгрузок с нефтеперерабатывающего предприятия и исследованы свойства построенной модели.
Российский нефтегазовый рынок, обладая колоссальным ресурсным потенциалом, прошел через значительные изменения за последние 20 лет, но сохраняет свое стратегическое значение для страны и мира. Сегодня отрасль находится в фазе адаптации к новой геополитической реальности, продолжая обеспечивать большие объемы добычи нефти и газа, развивая переработку и открывая новые маршруты для экспорта. Структура отрасли охватывает полный производственно-сбытовой цикл - от разведки недр до доставки топлива конечному потребителю - и включает множество высокотехнологичных сегментов.
Ведущие компании, среди которых «Газпром», «Роснефть», «Лукойл» и другие, формируют основу индустрии, продвигая проекты национального и глобального масштаба. Логистика - «кровеносная система» нефтегазового комплекса - опирается на разветвленную сеть трубопроводов, морские пути и железные дороги, которые совместно обеспечивают снабжение как внутреннего рынка, так и экспортных партнеров. Особенно важна синергия трубопроводного и железнодорожного транспорта, позволяющая надежно и гибко доставлять углеводороды по всему евразийскому пространству.
Главными результатами исследования являются построение модели и системы формирования составов и исследование свойств модели. Эффективность модели зависит нелинейно от количества агентов (при увеличении количества агентов эффективность растет, но при большом количестве агентов эффективность упирается в асимптоту) и зависит линейно от длины состава (при увеличении длины состава эффективность линейно убывает). Также было исследовано время работы алгоритма и показана отказоустойчивость построенной системы.
Таким образом, задачи работы были выполнены, в связи с чем, была достигнута цель исследования.
