Методология агентного моделирования развития территориальных систем лесозаготовительного производства
Автор: Гулин К.А., Дианов С.В., Алферьев Д.А., Дианов Д.С.
Журнал: Экономические и социальные перемены: факты, тенденции, прогноз @volnc-esc
Рубрика: Отраслевая экономика
Статья в выпуске: 6 т.17, 2024 года.
Бесплатный доступ
В работе исследуются методологические и практические аспекты создания агент-ориентированных моделей, обеспечивающих поддержку принятия решений по развитию территориальных систем лесозаготовительного производства. Целью исследования является развитие методологии агент-ориентированного моделирования, направленной на разработку моделей территориальной системы лесозаготовки. Научная новизна и значимость исследования заключаются в создании специализированных подходов к разработке моделей лесозаготовительных систем, в которых проработаны вопросы создания пространственной сети, возможностей ее интеграции с геоинформационными системами, обеспечения возможности адаптации к сервис-ориентированному подходу при формировании элементов, обеспечение возможности формирования поведения агентов в части использования пространственных элементов модели. Рассматриваются задачи по развитию территориальных систем лесозаготовительного производства в России, в том числе создания эффективной транспортно-логистической сети. Анализируется инструментарий, применяющийся для решения обозначенных задач. В большинстве исследований сформулирована одна и та же цель - снижение общих эксплуатационных затрат на заготовку древесины. В связи с этим агент-ориентированное моделирование может претендовать на роль значимого инструментария для решения названной задачи. Главной проблемой является отсутствие методологической основы построения моделей, поэтому говорить о возможности создания единой методологии на текущий момент нельзя, перечень решаемых задач зачастую является необозримым. При этом имеется возможность сузить спектр решаемых вопросов за счет концентрации внимания на отдельных предметных областях. Исходя из этого, авторы анализируют существующие подходы к созданию агентных систем и на их основе формулируют собственный подход к созданию агент-ориентированных моделей территориальных систем лесозаготовительного производства. Представлен алгоритм конкретных шагов и стадий, необходимых для проектирования и реализации агент-ориентированных моделей. Он включает разработку контекстной диаграммы моделируемой системы, методику формирования концептуальной и функциональной структуры модели, инвариантной к инструментарию агент-ориентирован-ного моделирования. Рассматриваются аспекты построения пространственной среды моделей на основе интеграции моделей с геоинформационными системами. На текущий момент создан концепт агент-ориентированной модели лесозаготовок на территории Бабушкинского муниципального округа Вологодской области, в среде моделирования AnyLogic проработаны основные аспекты его реализации. Для создания полноценной модели необходима заинтересованность со стороны лиц, способных обеспечить предоставление реальных данных.
Система лесозаготовки, транспортная доступность лесных ресурсов, транспортно-логистическая сеть, методология агент-ориентированного моделирования, сервис-ориентированный подход
Короткий адрес: https://sciup.org/147247182
IDR: 147247182 | DOI: 10.15838/esc.2024.6.96.10
Список литературы Методология агентного моделирования развития территориальных систем лесозаготовительного производства
- Аксенов К.А., Спицина И.А., Крохин А.Л. (2016). Сравнительный анализ методов разработки информационных систем на основе мультиагентного подхода // Компьютерный анализ изображений: Интеллектуальные решения в промышленных сетях (CAI-2016): сборник научных трудов. Екатеринбург: Учебно-методический центр Уральского политехнического института. С. 205—207.
- Алфимцев А.Н., Локтев Д.А., Локтев А.А. (2013). Сравнение методологий разработки систем интеллектуального взаимодействия // Вестник Московского государственного строительного университета. № 5. С. 200-208.
- Антонова Т.С. (2011). Рациональное размещение лесовозных автомобильных дорог при разработке проектов освоения лесов для заготовки древесины // Известия Санкт-Петербургской лесотехнической академии. № 197. С. 130-138.
- Антонова Т.С., Тюрин Н.А., Громская Л.Я. (2015). Методика размещения лесосек и транспортного освоения лесов лесозаготовительного предприятия на базе геоинформационных систем // Технология колесных и гусеничных машин. № 2 (18). С. 12-18.
- Бжеленко П.В., Антонова Т.С., Тюрин Н.А. (2021). Количественная оценка объемов лесного дорожного строительства для полного транспортного освоения лесов в Северо-Западном федеральном округе // Цифровые технологии в лесном секторе: материалы II Всероссийской научно-технической конференции-вебинара. Санкт-Петербург. СПб.: Санкт-Петербургский государственный лесотехнический университет имени С.М. Кирова. С. 32-34.
- Гончарова М.В. (2018). Разработка схемы лесовозных дорог с использованием теории графов // Молодые ученые в решении актуальных проблем науки: материалы Всероссийской науч.-практ. конф. студентов, аспирантов и молодых ученых. Красноярск. С. 30-32.
- Гулин К.А., Дианов С.В., Алферьев Д.А., Дианов Д.С. (2023). Проблемы агент-ориентированного моделирования формирования эффективной территориальной сети лесных дорог // Экономические и социальные перемены: факты, тенденции, прогноз. Т. 16. № 1. С. 68-84. DOI: 10.15838/esc.2023.1.85.4
- Зубарева М.Г., Цветков А.А., Хамуш А.Л. [и др.] (2016). Методологии проектирования мультиагентных систем // Технические науки в России и за рубежом. М.: Буки-Веди. С. 3-8.
- Ларин С.М., Громская Л.Я., Тюрин Н.А. (2022). Особенности транспортного обеспечения интенсивной модели лесного хозяйства // Сборник статей по материалам научно-технической конференции Института технологических машин и транспорта леса по итогам научно-исследовательских работ 2022 года. СПб.: Санкт-Петербургский государственный лесотехнический университет имени С.М. Кирова. С. 51-55.
- Мотовилов Г.К., Антонова Т.С., Тюрин Н.А. (2023). Обоснования региональной инфраструктуры пеллет-ного производства методом гравитационной модели // Сборник статей по материалам научно-технической конференции Института технологических машин и транспорта леса по итогам научно-исследовательских работ 2022 года. СПб.: Санкт-Петербургский государственный лесотехнический университет имени С.М. Кирова. С. 12-16.
- Николайчук О.А., Павлов А.И., Столбов А.Б. (2019). Методическое и программное обеспечение процесса гибкой разработки агентных имитационных моделей // Девятая всероссийская научно-практическая конференция по имитационному моделированию и его применению в науке и промышленности, Екатеринбург, 16-18 октября 2019 года. Екатеринбург: Издательство Уральского государственного педагогического университета. С. 215-222.
- Орлов А.М., Ковалев А.П., Громыко О.С., Грищенова Ю.А. (2022). О проблемах и перспективах заготовки древесины в лесах Дальнего Востока // Природообустройство. № 2. С. 108-115. DOI: 10.26897/19976011-2022-2-108-115
- Прядилина Н.К., Петров А.П. (2020). Использование практики разработки схем транспортного освоения лесов в региональных программах развития лесного сектора // Вестник Алтайской академии экономики и права. № 5. С. 152—158.
- Русецкая Г.Д. (2022). Реализация концепции устойчивого развития в управлении лесным хозяйством // Известия Байкальского государственного университета. Т. 32. № 3. С. 512—526. DOI: 10.17150/2500-2759.2022.32(3).512- 526
- Русецкая Г.Д., Санина Л.В. (2023). Переход к освоению интенсивной модели использования и воспроизводства лесов // Baikal Research Journal. Т. 14. № 1. C. 91-104. DOI: 10.17150/2411-6262.2023.14(1).91-104
- Швецов А.Н. (2016). Агентно-ориентированные системы: методологии проектирования. Вологда: Вологодский государственный университет. 192 с.
- Швецов А.Н., Дианов С.В. (2019). Методика разработки агент-ориентированных моделей сложных систем // Вестник Череповецкого государственного университета. № 1(88). С. 48-58. DOI: 10.23859/1994-06372019-1-88-5
- Acuna M. (2017). Timber and biomass transport optimization: A review of planning issues, solution techniques and decision support tools. Croatian Journal of Forest Engineering, 38(2), 279-290.
- Akhtari S., Taraneh S., Siller-Benitez D.G., Roeser D. (2019). Impact of inventory management on demand fulfilment, cost and emission of forest-based biomass supply chains using simulation modelling. Biosystems Engineering, 178, 184-199. DOI: https://doi.org/10.1016/j.biosystemseng.2018.11.015
- Almeida R.O., Munis R.A., Camargo D.A. et al. (2022). Prediction of road transport of wood in Uruguay: Approach with machine learning. Forests, 13(10), 1737. DOI: 10.3390/f13101737
- Asikainen A. (2001). Simulation of logging and barge transport of wood from forests on islands. International Journal of Forest Engineering, 12(2), 43-50. DOI: 10.1080/14942119.2001.10702445
- Audy J.-F., Ronnqvist M., D'Amours S., Yahiaoui A.-E. (2022). Planning methods and decision support systems in vehicle routing problems for timber transportation: A review. International Journal of Forest Engineering, 34(5), 1-25. DOI: 10.1080/14942119.2022.2142367
- Aydinel M., Sowlati T., Cerda X., Cope E., Gerschman M. (2008). Optimization of production allocation and transportation of customer orders for a leading forest products company. Mathematical and Computer Modelling, 48(7-8), 1158-1169. DOI: 10.1016/j.mcm.2007.12.025
- Azar A., Mashayekhi M., Mojataba A., Hossein S. (2021). Modeling steel supply chain and estimating its consumption through ABM methodology. Industrial management Perspective, 11(41), 33-51. DOI: 10.52547/jimp.11.1.33
- Balaman S.Y., Matopoulos A., Wright D.G., Scott J. (2018). Integrated optimization of sustainable supply chains and transportation networks for multi technology bio-supplier based production: A decision support system supplier based on fuzzy e-constraint method. Journal of Cleaner Production, 172, 2594-2617. DOI: 10.1016/j. jclepro.2017.11.150.
- Beaudoin D., LeBel L., Soussi M.A. (2013). Discrete Event Simulation to Improve Log Yard Operations. CIRRELT Working Paper. Quebec. Available at: https://www.cirrelt.ca/Doc
- Berg S., Bergstrom D., Nordfjell T. (2014). Simulating conventional and integrated stump- and round-wood harvesting systems: a comparison of productivity and costs. International Journal of Forest Engineering, 25(2), 138-155. DOI: 10.1080/14942119.2014.941640
- Bordón M., Montagna J.M., Corsano G. (2018). An exact mathematical formulation for the optimal log transportation. Forest Policy and Economics, 95, 115-122. DOI: 10.1016/j.forpol.2018.07.017
- Bordón M., Montagna J.M., Corsano G. (2021). Solution approaches for solving the log transportation problem. Applied Mathematical Modelling, 98(4), 611-627. DOI: 10.1016/j.apm.2021.06.003
- Borshchev A, Filippov A. (2004). From system dynamics and discrete event to practical agent-based modelling: Reasons, techniques, tools. In: Kennedy M., Winch G.W., Langer R.S., Rowe J.I., Yanne J.M. (Eds). Proceedings of the 22nd International Conference of the System Dynamics Society; July 25—29; Oxford (UK). Littleton (MA): System Dynamics Society.
- Borshchev A. (2014). The Big Book of Simulation Modeling: Multimethod Modeling with AnyLogic. Chicago, IL. Boukherroub T., LeBel L., Lemieux S. (2017). An integrated wood pellet supply chain development: Selecting among feedstock sources and a range of operating scales. Applied Energy, 198, 385-400. DOI: 10.1016/j. apenergy.2016.12.013
- Chung W., Contreras M. (2011). Forest transportation planning under multiple goals using ant colony optimization. In: Ant Colony Optimization Methods and Applications. DOI: 10.5772/13805
- Danilovic M., Stojnic D., Novkovic N., Dragan G.P. (2013). The state of forest roads and determining an optimum density of a forest road network using GIS. Forest Review, 44, 6—10.
- Dean D.J. (2011). Finding optimal routes for networks of harvest access roads using GIS-based techniques. Canadian Journal of Forest Research, 27(1), 11-22. DOI: 10.1139/cjfr-27-1-11
- Devlin G., Talbot B. (2014). Deriving cooperative biomass resource transport supply strategies in meeting co-firing energy regulations: A case for peat and wood fibre in Ireland. Applied Energy, 113, 1700-1709. DOI: 10.1016/ j.apenergy.2013.09.019
- Divenyi D., Dan A. (2013). Agent-based modeling of distributed generation in power system control. IEE Transactions in Sustainable Energy, 4(4), 886-893. DOI: 10.1109/TSTE.2013.2253811/
- Buka A., Bomber Z., Porsinsky T, Papa I., Pentek T. (2020). The influence of increased salvage felling on forwarding distance and the removal — a case study from Croatia. Forests, 12(1), 7. DOI: 10.3390/f12010007
- Flisberg P., Frisk M., Ronnqvist M., Guajardo M. (2015). Potential savings and cost allocations for forest fuel transportation in Sweden: A country-wide study. Energy, 85, 353—365. DOI: 10.1016/j.energy.2015.03.105
- Forsberg M., Frisk M., Ronnqvisty M. (2005). FlowOpt — a decision support tool for strategic and tactical transportation planning in forestry. International Journal of Forest Engineering, 16(2), 101—114. DOI: 10.1080/14942119.2005.10702519
- Frisk M., Gothe-Lundgren M., Jornsten K., Ronnqvist M. (2010). Cost allocation in collaborative forest transportation. European Journal of Operational Research, 205(2), 448—458. DOI: 10.1016/j.ejor.2010.01.015
- Grimm V., Railsback S.F., Vincenot C.E. et al. (2020). The ODD protocol for describing agent-based and other simulation models: A second update to improve clarity, replication, and structural realism. Journal of Artificial Societies and Social Simulation, 23(2), 7. DOI: 10.18564/jasss.4259
- Gronalt M., Rauch P. (2018). Analyzing railroad terminal performance in the timber industry supply chain — a simulation study. International Journal of Forest Engineering, 29(1), 162—170. DOI: 10.1080/14942119. 2018.1488913
- Han S.K., Murphy G.E. (2012). Solving a woody biomass truck scheduling problem for a transport company in Western Oregon, USA. Biomass and bioenergy, 44, 47—55. DOI: 10.1016/j.biombioe.2012.04.015
- Helo P., Rouzafzoon J. (2023). An agent-based simulation and logistics optimization model for managing uncertain demand in forest supply chains. Supply Chain Analytics, 4, 100042. DOI: 10.1016/j.sca.2023.100042
- Holzfeind T., Kanzian C., Gronalt M. (2021). Challenging agent-based simulation for forest operations to optimize the European cable yarding and transport supply chain. International Journal of Forest Engineering, 32(1), 77— 90. DOI: 10.1080/14942119.2021.1850074
- Jamaluddin J., Kamarudin N., Mohd Hasmadi I., Ahmad S.A. (2023). Optimizing timber transportation planning for timber harvesting using bees algorithm in Malaysia. Journal of Environmental Management, 340, 117977. DOI: 10.1016/j.jenvman.2023.117977
- Jamhuri J., Norizah K., Mohd Hasmadi I., Azfanizam A.S. (2021). Bees algorithm for forest transportation planning optimization in Malaysia. Forest Science and Technology, 17(2), 88—99. DOI: 10.1080/21580103.2021.1925597
- Jamhuri J., Norizah K., Mohd Hasmadi I., Siti A.A. (2020). Timber transportation planning using bees algorithm. IOPConference Series: Earth and Environmental Science, 463, 012171. DOI: 10.1088/1755-1315/463/1/012171
- Karttunen K., Lattila L., Korpinen O.-J., Ranta T. (2013). Cost-efficiency of intermodal container supply chain for forest chips. Silva Fennica, 47, 1—24. DOI: 10.14214/sf.1047
- Kogler C., Rauch P. (2018). Discrete event simulation of multimodal and unimodal transportation in the wood supply chain: A literature review. Silva Fennica, 52(4), 1—29. DOI: 10.14214/sf.9984
- Kogler C., Rauch P. (2019). A discrete event simulation model to test multimodal strategies for a greener and more resilient wood supply. Canadian Journal of Forest Research, 49, 1298—1310. DOI: 10.1139/cjfr-2018-0542
- Kons K., La Hera P., Bergstrom D. (2020). Modelling dynamics of a log-yard through discrete-event mathematics. Forests, 11(2), 155. DOI: 10.3390/f11020155
- Lin P., Contreras M.A., Dai R., Zhang J.A. (2016). A multilevel ACO approach for solving forest transportation planning problems with environmental constraints. Swarm and Evolutionary Computation, 28, 78—87. DOI: 10.1016/j.swevo.2016.01.003
- Lin P., Dai R., Contreras M.A., Zhang J. (2017). Combining ant colony optimization with 1-opt local search method for solving constrained forest transportation planning problems. Artificial Intelligence Research, 6(2), 27. DOI: 10.5430/air.v6n2p27/
- Lin P., Zhang J., Contreras M.A. (2014). Applying pareto ant colony optimization to solve bi-objective forest transportation planning problems. In: Proceedings of the 2014 IEEE 15th International Conference on Information Reuse and Integration. DOI: 10.1109/IRI.2014.7051970
- Lotfalian M., Peyrov S., Adeli K., Pentek T. (2022). Determination of optimal distribution and transportation network (wood transportation in Iran). Croatian Journal of Forest Engineering, 43(2), 313—323. DOI: 10.5552/ crojfe.2022.1779
- Lundbâck M., Hâggstrôm C., Fjeld D., Lindroos O., Nordfjell T. (2022). The economic potential of semi-automated tele-extraction of roundwood in Sweden. International Journal of Forest Engineering, 33(3), 271—288. DOI: 10.1080/14942119.2022.2103784
- Marques A.F., de Sousa J.P., Rônnqvist M., Jafe R. (2014). Combining optimization and simulation tools for short-term planning of forest operations. Scandinavian Journal of Forest Research, 29(sup1), 166—177. DOI: 10.1080/02827581.2013.856937
- Moad K., François J., Bourrières J.P., Lebel L., Vuillermoz M. (2016). A bi-level decision model for timber transport planning. In: 6th International Conference on Information Systems, Logistics and Supply Chain ILS Conference. June 1—4, Bordeaux, France. Mobini M., Sowlati T., Sokhansanj S. (2011). Forest biomass supply logistics for a power plant using the discrete-event simulation approach. Applied Energy, 88(4), 1241-1250. DOI: 10.1016/j.apenergy.2010.10.016
- Mohd Hasmadi I., Kamaruzaman J. (2009). Planning of access road using satellite technology and best path modeling. Modern Applied Science, 3(3), 83. DOI: 10.5539/mas.v3n3p83
- Naghavi S., Karbasi A., Kakhki M.D. (2020). Agent based modelling of milk and its productions supply chain and bullwhip effect phenomena (Case study: Kerman). International Journal of Supply and Operations Management, 7(3), 279-294. DOI: 10.22034/IJSOM.2020.3.6
- Najafi A., Richards E.W. (2013). Designing a forest road network using mixed integer programming. Croatian Journal of Forest Engineering, 34(1), 17-30.
- Niazi M.A. (2011). Towards a Novel Unified Framework for Developing Formal, Network and validated Agent-Based Simulation Models of Complex Adaptive Systems. Ph.D. Thesis. University of Stirling. Olsson B.A., Hannrup B., Jonnsôn M. et al. (2107). A decision support model for individual tree stump harvesting options based on criteria for economic return and environmental protection. Scandinavian Journal of Forest Research, 32(3), 246-259. DOI: 10.1080/02827581.2016.1236983
- Palmgren M., Rônnqvist M., Vârbrand P. (2003). A solution approach for log truck scheduling based on composite pricing and branch and bound. International Transactions in Operational Research, 10(5), 433-447. DOI: 10.1111/1475-3995.00420
- Palmgren M., Rônnqvist M., Vârbrand P. (2004). A near-exact method for solving the log-truck scheduling problem. International Transactions in Operational Research, 11(4), 447-464. DOI: 10.1111/j.1475-3995.2004.00469.x
- Parsakhoo A., Mostafa M., Shataee S., Lotfalian M. (2017). Decision support system to find a skid trail network for extracting marked trees. Journal of Forest Science, 63(2), 62-69. DOI: 10.17221/36/2016-JFS
- Peyrov S., Lotfalian M., Adeli K., Pentek T. (2021). Optimization of wood distribution and transportation network with emphasis on rail transport. Journal of Forest Research and Development, 7(3), 427-441. DOI: DOI: 10.30466/ jfrd.2021.121097
- Puodziunas M., Field D. Roundwood handling at a Lithuanian sawmill - discrete-event simulation of sourcing and delivery scheduling. Baltic Forestry, 14(2), 163-175+223.
- Rey P.A., Muñoz J.A., Weintraub A. (2009). A column generation model for truck routing in the Chilean forest industry. INFOR: Information Systems and Operational Research, 47(3), 215-221. DOI: 10.3138/infor.47.3.215
- Rix G., Rousseau L.M., Pesant G. (2015). A column generation algorithm for tactical timber transportation planning. Journal of the Operational Research Society, 66(2), 278-287. DOI: 10.1057/jors.2013.170
- Saranen J., Hilmola O.-P. (2007). Evaluating the competitiveness of railways in timber transports with discrete-event simulation. World Review of Intermodal Transportation Research, 1(4), 445-458. DOI: 10.1504/ WRITR.2007.017097
- Shabani N., Sowlati T. (2013). A mixed integer non-linear programming model for tactical value chain optimization of a wood biomass power plant. Applied Energy, 104, 353-361. DOI: 10.1016/j.apenergy.2012.11.013
- She J., Chung W, Kim D. (2018). Discrete-event simulation of ground-based timber harvesting operations. Forests, 9(11), 683. DOI: 10.3390/f9110683
- Sinha A.K., Aditya H.K., Tiwary M.K., Chan F.T.S. (2011). Agent-oriented petroleum supply chain coordination. Expert Systems with Applications: An International Journal, 38(5), 6132—6145. DOI: 10.1016/j.eswa.2010.11.004
- Skobelev P. (2015). Multi-agent systems for real time adaptive resource management. In: Leitao P., Karnouskos S. (Eds). Industrial Agents: Emerging Applications of Software Agents in Industry. Elsevier.
- Van Dyken S., Bakken B.H., Skjelbred I. (2010). Linear mixed-integer models for biomass supply chains with transport, storage and processing. Energy, 35(3), 1338—1350. DOI: 10.1016/j.energy.2009.11.017
- Wolfsmayr U.J., Merenda R., Rauch P., Longo F., Gronalt M. (2016). Evaluating primary forest fuel rail terminals with discrete event simulation: A case study from Austria. Annals of Forest Research, 59(1), 145—164. D0I:10.15287/afr.2015.428