KTU mokslininkas: sėkmingo verslo paslaptis – matematinių metodų taikymas

Svarbiausios | 2022-06-01

Šiuolaikiniame pasaulyje, kuriame verslo konkurencija auga vis sparčiau, tam kad verslas išliktų ir išvengtų didelių nuostolių, jis turi priimti skaičiais pagrįstus sprendimus. Tačiau daugeliui kyla klausimas, kaip ir kokius metodus pasirinkti? Ar yra vienas matematinis metodas, kuris tinka visiems verslo modeliams? Ar jie tinka kiekvienai įmonei?

Į šiuos klausimus verslininkams atsakyti padeda KTU Matematikos ir gamtos mokslų fakulteto mokslininkai (MGMF), kurie spręsti tokias problemas kviečia į penktus metus vyksiančias Matematinių sprendimų verslui ir pramonei dirbtuves.

Vienas iš matematinių verslo problemų sprendimų būdų yra matematinis optimizavimas. Jis įprastai naudojamas sprendžiant plačias ir sudėtingas verslo problemas, tokias kaip laivybos maršrutai, gamybos bei tiekimo grandinės planavimas, energijos paskirstymas, investavimas ir sprendimų priėmimas bendrąja prasme.

Optimizavimas supaprastina procesą išnagrinėdamas daugybę galimų sprendimų ir suranda geriausią sprendimo variantą. Plačiau apie tai, kaip veikia šis metodas, pasakoja KTU MGMF Matematinio modeliavimo katedros docentas Audrius Kabašinskas.

Audrius Kabašinskas
Audrius Kabašinskas

– Kodėl verslui aktualus matematinis optimizavimas, kuo jis naudingas ir kokias problemas padeda išspręsti? Ar jį gali pritaikyti visos įmonės ir pagaliau, kaip jį pritaikyti?

– Matematinis optimizavimas (MO) padeda protingiau pasirinkti, kaip efektyviau panaudoti ribotus išteklius siekiant geriausio rezultato. Modelis fiksuoja išteklius, reikalingus verslo procesui (žmones, sunkvežimius, žaliavas), apribojimus, kuriuos reikia įvykdyti (pvz., mašinų pajėgumą, fizinius suvaržymus) ir tikslą (pvz., sumažinti išlaidas, sumažinti vėluojančius pristatymus didinant pelną).

Šis modelis fiksuoja visų įmanomų sprendimų rinkinį ir kiekvieno jų kokybę. Tada matematinio optimizavimo sprendėjas naudoja daugybę sudėtingų algoritmų, kad surastų geriausius sprendimus. Verslas, turintis išteklių apribojimų, gali naudoti MO, kad surastų efektyviausią šių išteklių naudojimo ir paskirstymo būdą. Tikslu tampa maksimaliai padidintas veiklos efektyvumas ir atvertos naujos verslo galimybes.

– Sakoma, kad matematinis optimizavimas yra tarsi realaus sprendimo priėmimo „dvynys“? Kaip paaiškintumėte tokį modelio apibūdinimą?

– Gal tiksliau reikėtų sakyti „paprastesnis brolis“, nes paprastai matematikai realią problemą „truputį“ supaprastina ir padaro lengviau „įkandamą“, tačiau iš esmės galima teigti, kad matematinis optimizavimo modelis atspindi tikrąją verslo aplinką ir realias problemas. Šį modelį sudaro tokios dalys kaip sprendimo priėmimo kintamieji, apribojimai, verslo taisyklės, kurių būtina laikytis bei tikslai, kurių siekia įmonė.

– Matematinių sprendimų verslui ir pramonei dirbtuvėse sprendžiate įvairias matematines verslo problemas. Ar teko susidurti su tokiomis problemomis, kurias padėjo išspręsti matematinis optimizavimas? Jei taip, gal galite papasakoti plačiau, kaip išsprendėte tokią problemą?

– Su tokiomis problemomis susiduriame kone kiekvienose dirbtuvėse, nes beveik visose verslo šakose reikia optimizuoti arba patobulinti vieną ar kitą veiklą. Viena iš įsimintinesnių problemų buvo susijusi su atliekų, susidarančių gamybos procese, mažinimu.

Įsivaizduokite, kad tam tikro produkto gamybos procese iš didelio lakšto brangios žaliavos reikia išpjaustyti komponentus, kuriuos karpant lieka nemažai atliekų. Ta pati žaliava gali būti naudojama ir kitam, rečiau parduodamam produktui gaminti. Jei pjaustoma atskirai, atliekų susidaro daugiau nei pjaustant kartu, nes ruošinių formos yra skirtingos ir jas lengviau derinti. Mūsų užduotis buvo sugalvoti matematinį sprendimo būdą, kaip kombinuoti pjaustymą, kad komponenčių būtų paruošiama tiek, kiek reikia ir per trumpiausią laiką, o atliekų liktų kuo mažiau.

Išspręsti tokį uždavinį nėra sudėtinga, jei yra tik dvi komponentės ir du produktai, tačiau, jei komponenčių ir produktų skaičius didėja, tai problema yra sunkiai išsprendžiama, o ir gautas sprendinys gali būti neoptimalus. Tokiais atvejais gelbėja tinkamai parinkti optimizavimo algoritmai, šiuolaikinės technologijos ir atitinkama programinė įranga.

– Dirbtuvėse grupė mokslininkų per 5 dienas išsprendžia įvairias verslui kylančias problemas. Ar gaunate grįžtamąjį ryšį iš dalyvavusių įmonių apie sprendimų pritaikymą tolesnėje jų veikloje? Kokios įmonės dalyvauja dirbtuvėse šiais metais ir kokios jų užduotys jums – mokslininkams?

– Šiais metais dirbtuvėse dalyvauja trys bendrovės – „Girteka“, „Green Genius“ ir „Telia“. Tiesiogiai su optimizavimu yra susijusi „Green Genius“ (žaliosios energetikos sektoriaus) įmonės užduotis, tad apie tai galiu papasakoti plačiau.

Viena iš jų veiklos sričių yra biodujų gamyba, tad kyla įvairių iššūkių, susijusių su žaliavos surinkimu ir pristatymu į kelis gamybos taškus, taip pat kyla gamybinio tinklo plėtros klausimų. Žiūrint iš operacijų tyrimo srities perspektyvos – tai yra tipinė tvarkaraščių, logistikos ir tiekimo tinklo sudarymo problema. Ją ir imsimės spręsti.

Pasak šios įmonės žaliavų tiekimo vadovo, įmonė per dieną sutvarko tūkstančius tonų įvairių bioskaidžių atliekų visoje Lietuvoje, o per metus tai sudaro milijoną tonų. Biodujų žaliavą jie surenka iš visos Lietuvos biodujų jėgainių, esančių  skirtingose šalies vietose. Todėl įmonei kasdien tenka spręsti uždavinius, susijusius su logistika, t. y., kaip išvežioti ir išskirstyti žaliavas per jėgaines, kad būtų gautas kuo optimalesnis rezultatas.

Nepaisant didžiulių bioskaidžių atliekų surinkimo ir perdirbimo pastangų, įmonę riboja daug vidinių ir išorinių veiksnių, kuriuos ne visada pavyksta tinkamai įvertinti iš vidinių patirčių. Kita vertus, „Green Genius“ surenka ir perdirba daug bioskaidžių atliekų, tačiau kyla iššūkių jas tinkamai paskirstant. Dėl šios priežasties įmonė ir kreipėsi į mūsų fakultetą pagalbos.

Jų vadovas minėjo, kad jie turi kolegų, kurie ankstesniais metais sėkmingai dalyvavo analogiškuose KTU projektuose, todėl šį kartą ir jie patys apsisprendė dalyvauti matematinių sprendimų verslui ir pramonei skirtose dirbtuvėse.

Įmonė viliasi, kad šis projektas bus tęstinis, nes jie turi ir daugiau spręstinų problemų. Kadangi „Green Genius“ aktyviai plečia savo veiklą, tai duomenų srautas vis didėja, kurį tinkamai valdyti yra kritiškai svarbu tikintis maksimalios sėkmės. Jų vadovo teigimu, vienas pagrindinių įmonės tikslų yra CO2 mažinimas, todėl įmonė tikisi, kad sėkmingi projekto su KTU MGMF rezultatai gali ženkliai prisidėti prie šio tikslo įgyvendinimo.