Мультиагентные технологии — применение искусственного интеллекта для организации работы сложных систем в постоянно меняющихся условиях. О том, как «Газпром нефть» подключает искусственный интеллект к решению логистических задач и что из этого получается.
Благодарим редакцию корпоративного журнала "Сибирская нефть" ПАО «Газпром нефть» за предоставление данного материала.
Логистика — нервная работа. На бумаге или экране компьютера все может работать отлично. Но реальность иногда оказывается непредсказуемой. Стоит только каким-то обстоятельствам измениться, и весь стройный план разваливается. Когда же в период навигации не успевают доставить на стройку необходимое оборудование и сдача объекта в результате сдвигается на несколько месяцев, это может означать потери, исчисляемые миллиардами рублей — такова цена ошибок при реализации крупных нефтяных проектов.
Доставка грузов для обустройства труднодоступных месторождений за полярным кругом — особенно сложная и дорогостоящая задача. Транспорт в Заполярье работает по сезонному графику. Основные пути транспортировки материально-технических ресурсов (МТР) — временные зимние автодороги, проложенные по тундре (зимники), и летняя навигация водного транспорта. Между сезонными «окнами» доставка возможна только на вертолете. Впрочем, и эти имеющиеся пути работают не регулярно: капризная погода вносит свои коррективы. Так, например, в 2017 году летняя навигация для нужд проектов «Мессояха» и «Новый Порт» из-за неблагоприятных погодных условий началась лишь 1 июля.
Для решения таких и подобных им задач в последние годы пробуют применять такое направление информационных технологий, как мультиагентные технологии. Они особенно востребованы там, где высок уровень неопределенности, где большую роль играет постоянное взаимодействие большого количества участников, между которыми время от времени могут возникать конфликты, когда часто происходят события, способные существенным образом поменять ситуацию, а каждое новое решение может существенно повлиять на приятые ранее.
Надо признать, в наше время такие условия характерны практически для любого направления бизнеса. Однако в логистике они проявляются, пожалуй, наиболее выпукло. Тем не менее, современные логистические системы как правило жестко централизованы. Они хорошо приспособлены к работе в стабильной, устойчивой к изменениям и переменам среде, а любой пересмотр планов поставок представляет для них серьезный вызов.
Эффективность использования имеющихся в логистической системе возможностей зависит от того, как часто участники процесса будут запрашивать их актуальный статус, обновлять договоренности о тех или иных поставках и графики своей работы. Физические и психические возможности людей с этой точки зрения ограничены: каждый запрос и тем более достижение любой договоренности о перевозке требуют времени, а постоянное внесение корректив может быть очень утомительным. Не говоря уже о том, что люди в такой ситуации подвержены стрессу и могут вступать в совершенно непродуктивные конфликты.
В мультиагентной системе каждому участнику логистической цепи, среди которых поставщики, склады, транспорт, технологическое оборудование, заказы, потребители и т.д., ставится в соответствие программный агент — цифровой двойник, наделенный определенной логикой действий. Логику можно менять и дорабатывать в процессе работы. Наконец агенты, обладающие инструментами машинного обучения, способны совершенствоваться и со временем повышать свою эффективность самостоятельно.
Обычно агенты делятся на два больших класса — «заказы» и «ресурсы». Они находятся в поиске друг друга, так чтобы удовлетворить свои потребности наилучшим образом (за это и отвечает прописанная в программном коде агента логика). На начальном этапе все агенты свободны, заказы легко распределяются по ресурсам, которые лучше всего им подходят.
По мере того, как все ресурсы оказываются заняты, оставшиеся заказы начинают конфликтовать. Для разрешения конфликтной ситуации и нахождения компромисса агенты вступают в переговоры, которые продолжаются, пока не будет улажен конфликт и найдено оптимальное для всех решение.
Например, есть два заказа, которые хотят попасть на один транспорт, но место только одно. В этом случае заказ, у которого в запасе больше времени до срока исполнения заказа, уступит место заказу, работающему на грани срыва.
Особенность агентов в том, что ими не нужно управлять. Они сами ищут и находят то, что им нужно: других агентов, способных удовлетворить их потребности. В отличие от людей они способны совершенно невозмутимо отправлять все новые и новые запросы, бесконечно вести переговоры, устанавливать и обновлять договоренности. Психологический фактор не оказывает на них абсолютно никакого влияния. Они не устают и не отвлекаются. Все их действия обусловлены лишь четко прописанным набором задач и ограничений. А система в целом построена так, чтобы найти сбалансированный вариант решения, не ущемляющий ни одну из сторон.
При этом сами решения, которые формируются в процессе взаимодействия агентов в киберфизическом мире, не окончательны. Они носят рекомендательный характер, люди вольны с ними согласиться или продолжить поиск другого варианта.
Внедрением мультиагентных технологий сегодня занимаются крупнейшие мировые компании, вынужденные решать сложные логистические задачи. Так, например, проект, реализованный компанией Coca Cola, охватил 8 заводов и более 300 центров дистрибуции. Внедрение системы позволило мировому гиганту повысить выполняемость заказов на 7% и получить экономию на транспортные расходы до 20%.
Инфографика: Татьяна Удалова
Пилотным проектом, который позволил оценить возможности мультиагентных технологий в логистике, стала организация снабжения Новопортовского месторождения (разрабатывается «Газпромнефть — Ямалом») во время летней навигации 2017 года.
Проект «Новый порт» активно развивается: идет бурение, строятся объекты инфраструктуры. Неудивительно, что потребности в материально-технических ресурсах постоянно растут: плановые объемы доставки увеличились в этом году на 40%.
Во время летней навигации оборудование и материалы на Новопортовское месторождение поставляются через базу в городе Лабытнанги. Там их грузят на баржи и везут по Оби и далее по Обской губе до баз Заполярная (п. Новый порт) и Нурма (п. Мыс Каменный), откуда автомобильным транспортом доставляют на стройплощадки. Новая система должна была более оперативно реагировать на меняющиеся потребности, уменьшить затраты, связанные с неполной загрузкой барж, сократить риски штрафов из-за их вынужденного простоя.
Для того чтобы реализовать мультиагентную схему, было сформировано несколько агентов со своими потребностями и ограничениями. Это агенты потребностей в материально-технических ресурсах (то есть конечных получателей груза, которые конкурируют за него и за время разгрузки с другими потребителями), агенты грузов, агенты ресурсов разгрузки — причалов при базах хранения, агенты самих перевалочных складов, агенты барж и, наконец, агент навигации, обеспечивающий равномерность перевозок, обозначающий сроки навигации и стремящийся сократить ее общую стоимость.
Работает система следующим образом: агенты-потребители запрашивают необходимые грузы. Агенты грузов стремятся ответить на возникающие потребности, конкурируя при этом с другими грузами за место на складе. Агенты барж не желают двигаться недозагруженными и поэтому активно ищут новые грузы на свободные места, чтобы максимально эффективно использовать свои палубы, хотя срочная потребность в том или ином грузе может их подгонять. Агенты ресурсов разгрузки стараются, чтобы причальные стенки не простаивали без дела, а были загружены на свою номинальную мощность. Она же, в свою очередь, является тем ограничением, которое они вносят в выстраиваемую логистическую цепочку: в одно и то же время на разгрузке может стоять ограниченное количество барж. Склады также имеют определенную вместимость, при этом, в отличие от барж и причальных стенок, их задача — не заполниться под завязку, а наоборот по возможности освободить площади, сокращая объемы и сроки хранения МТР.
Пилот подтвердил эффективность технологии. Потери от недогруза барж удалось снизить. Риски штрафов за простой барж также уменьшились. Все участники процесса получили опыт применения нового инструмента на практике. Следующим этапом станет его распространение на весь процесс материально-технического обеспечения «Газпромнефть — Ямала» в рамках проекта «Смарт МТО».
«Проект призван сократить длительность реакции системы на изменения, сократить динамику роста запасов, повысить скорость и качество планирования, обеспечить контроль за поставками МТР подрядчиков и производством оборудования, сократить трудозатраты сотрудников, а также обеспечить большую прозрачность всего процесса», — рассказывает руководитель проекта «Цифровое месторождение» в «Газпромнефть-Ямале» Алексей Горбунов. Проект «Смарт МТО» стартовал в этом году и по плану должен быть реализован до конца 2019 года. Период окупаемости составит около 4 лет.
Полученный опыт предполагается распространять и на логистическую систему Мессояхи. Среди планов также внедрение мультиагентных технологий при организации бурения. «Бурение — также сложный процесс с большим количеством участников, сбои в планировании которого приводят к серьезным потерям. В рамках проекта „Цифровое бурение“ предполагается опробовать внедрение мультиагентных технологий, чтобы в реальном времени адаптировать план бурения исходя из меняющихся условий», — отметил Алексей Горбунов.
Текст: Александр Алексеев, Фото: Fotodom.ru, Инфографика: Татьяна Удалова
