Маркетинг и логистика

Арский Александр Александрович

Аннотация: статья посвящена формализации проблем агентного моделирования логистических систем Арктической зоны России и ее социально-экономических процессов. Выделяются две основные проблемы, решение которых в полной мере может повысить качество экономического планирования сложных логистических систем региона. Формируются подходы к решению проблем прогнозирования как условия, влияющие на экономический потенциал региона.

В последние годы Арктической зоне России уделяется повышенное внимание, обусловленное как общим развитием российского социума, так и развитием интереса мировых игроков на различных мировых рынках к Арктике. Формально интерес международных блоков и ряда стран возможно подразделить на три группы: 1. Экономический интерес, как-то альтернативные логистические маршруты (Северный морской путь), недропользование, туризм и добыча водных ресурсов (рыба, моллюски и т.д.); 2. Интерес обеспечения безопасности, как-то присутствие в Арктике военного флота, баз и т.д. 3. Геополитический интерес, по своей сути являющийся слагаемым из первых двух интересов, описанных выше. Интересы регулируются международным законодательством и отвечают современным реалиям трансформации мировой экономики, что обусловлено геополитическими аспектами формирования многополярного мироустройства, при котором, в отличие от однополярной модели, существуют несколько центров, формирующих не только экономическую, но и политическую повестку развития континентов и отдельных территорий, что требует эффективных механизмов прогнозирования, обеспечивающих результаты высокой точности на макроуровне.

Среди инструментов экономического анализа особое место занимает агентное моделирование. Агентное моделирование концентрирует свое внимание на изучение действия индивидуальных субъектов чье самостоятельное поведение оказывает влияние на прочие субъекты и чьи параметры также учтены в модели. В отличие от системного анализа, оперирующего ограниченным инструментарием – математическим аппаратом, в агентном моделировании можно использовать в формировании результата факторы макро- и микросреды, например, логистические системы, которые могут исчисляться десятками, если не сотнями. При этом их факторное воздействие друг на друга может усиливаться или ослабевать с течением времени [1].

Аппроксимированным примером может служить учет расхода моторного топлива на маршруте, который необходимо учитывать не только при организации перевозок, но и при конкурентном ценообразовании в коммерческой среде или государственном бюджетировании. Как правило, алгоритм системного анализа предусматривает две нормы расхода топлива в двух же состояниях. Две нормы расхода – период зима, период лето, состояния же – груженый транспорт или порожний транспорт. Таким образом, вариаций объема топлива при учете факторов среды (сезон и нагрузка на транспорт) не является неопределенным множеством – так как составляет четыре варианта реализации: зима-груженый, зима-порожний, лето-груженый, лето-порожний. В случае же с применением агентного моделирования, помимо данных факторов сезонности и загруженности кузова транспорта, возможно ввести параметры – качество дорожного полотна, направление ветра, влажность воздуха, количество остановок на маршруте, время холостого хода двигателя при остановке и т.д., соответственно в некотором роде, количество факторов – множество [2]. Безусловно, аппроксимация агентного моделирования до совокупности набора факторов не обеспечивает доставочную точность прогнозирования, а ведь именно в интересах планирования производится интерпретация результатов агентного моделирования с определением приоритета поведения агента и прочих его активностей, носящих второстепенный характер.

От точности прогнозирования зависит качество разрабатываемых планов на разные периоды времени. Ошибки при планировании недопустимы, так как локализация и исправление их последствий может потребовать значительных затрат. Логистические системы являются своего рода «кровеносными сосудами» экономики региона. Именно работа трансформационных центров, складов, транспортных предприятий, дорожных служб и технологической инфраструктуры – непременное условие обеспечения распределения произведенной регионом продукции и снабжением региона потребительскими товарами. Не случайно, что проблемам развития Арктической зоны пристальное внимание уделяет Президент и Правительство России, генерируя, внедряя, финансируя и реализуя программы развития арктических регионов. Однако среда развития России динамична, она не стоит на месте и то, что было сделано вчера уже не является преимуществом на глобальном рынке сегодня, когда санкционные ограничения стали грязным инструментом недобросовестной конкуренции. В этой связи поиск эффективных моделей развития Арктической зоны является непрерывным динамическим процессом, при котором новые программы развития приходят на смену уже реализованным. Президент России В.В. Путин в 2023 году заявил: «С ним (регионом Арктики) мы во многом связываем укрепление энергетического потенциала нашей страны, расширение логистических возможностей, обеспечение национальной безопасности и обороны. И потому дальнейшее комплексное освоение и обустройство этих территорий является для нас неоспоримым приоритетом».

Какие эффекты может дать агентное моделирование Арктической зоне России, ведь в текущих условиях, когда жизнь граждан России в Арктической зоне нуждается в улучшении уже сегодня? Для ответа на этот вопрос приведем лишь некоторые проблемы, снижающие экономическую эффективность в Арктической зоне, и, соответственно, препятствующие реализации ее потенциала, а также решения, путь к которым могло бы проложить агентное моделирование:

1. Проблема транспортной доступности. Данная проблема напрямую несет угрозу жизни и здоровью коренных народов арктической зоны. Суровые условия климата, непростая эпидемиологическая ситуация, связанная с недавней пандемией COVID-19, отсутствие всесезонных транспортных магистралей, дефицит транспорта высокой проходимости – негативные факторы, формирующие проблему транспортной доступности. Решить данную проблему возможно посредством разработки модели медицинского обслуживания и доставки критически важных товаров на отдельные территории, посредством оптимальной локализации логистических комплексов, носящих характер оперативных комплексов продовольственной и медицинской помощи. Агентная модель позволят на основе анализа демографического состава жителей региона и состояния их здоровья, а также физического расположения объектов жилого комплекса или кочевых стоянок спрогнозировать потребность в пополнении припасов и медицинском обслуживании. При организации таких оперативных центров возможно устройство медицинского фельдшерско-акушерского пункта с необходимым транспортом и запасом медикаментов. Так же на случай разгула стихии или при других непредвиденных факторах может предусматриваться склад топлива, запчастей и продуктов питания для оперативной помощи жителям территории. Оптимальная локализация позволит разместить такой оперативный центр в местах, имеющих наименьшее логистическое плечо [3].
2. Проблема внутренней миграции населения. Важнейшей задачей в управлении Арктической зоны является контроль миграционных процессов. Недопустима массовая миграция ценных специалистов из Арктической зоны в регионы с более мягким климатом и более выгодными условиями труда. Более выгодные условия необходимо создавать в Арктической зоне. Этому также может помочь агентное моделирование, способное смоделировать потребности в рабочей силе и ее квалификации в зависимости от программ промышленного и сельскохозяйственного развития региона. При этом модель позволит определить потребности молодых специалистов, потребности в доступе к товарам и услугам по ассортименту и качеству, сопоставимым с центральными регионами России. Кроме того, модель позволит спроектировать развитые пути сообщения внутри региона, что в свою очередь будет иметь мультипликативный эффект для развития транспортного и туристического потенциала территории.

Важным аспектом любой научной работы на местах является подготовка квалифицированных научных кадров для решения не только повседневных задач развития, но и для формирования видения по реализации будущего потенциала территории и потенциала, образованного в результате действия факторов макросреды [4; 5].

В целях повышения точности прогнозирования при разработке имитационных моделей предлагается вести исследования в формате изменения объема учета совокупности факторов с их возможным ранжированием. Так, например, при прогнозировании объемов моторного топлива необходимо учитывать сезон транспортирования и хранения в условиях Арктики с учетом физико-химических свойств моторного топлива, так, например, при транспортировке дизельного топлива в железнодорожных цистернах может образовываться парафиновый осадок, образованный при охлаждении дизельного топлива.

Конечно, прежде всего, необходимо обратить внимание на подготовку российских ученых в области агентного моделирования, подготовка которых возможна на базе ФГБУН «Центральный экономико-математический институт РАН», на базе его лабораторий, а именно Лаборатории компьютерного моделирования социально-экономических процессов, где проводятся непрерывные исследования в этой предметной области, активизированные в последние годы.

Таким образом, сформулированы две основные проблемы агентного моделирования логистических систем Арктической зоны России, решение которых не только в плоскости фундаментальной науки, но и на практике поможет развить экономический потенциал Арктической зоны России.

Популяризация исследований в области агентного моделирования применительно к Арктической зоне России, территориям Новороссии, Дальнего Востока и других территорий является заделом для формирования не только продовольственной безопасности России, но и ее технологического суверенитета, сопутствовать которому будет динамичный рост экспортного потенциала российских товаров и услуг.

Список использованных источников:

1. Makarov V.L., Bakhtizin A.R., Epstein J.M. Agent-based modeling for a complex world. – 2nd edition, revised. – M.: Scientific publications department, GAUGN, – 2022. – 74 p. ISBN 978-5-6045843-4-7
2. Has the COVID-19 pandemic affected maritime connectivity? An estimation for China and the polar silk road countries / G. Tianming, V. Erokhin, A. Arskiy, M. Khudzhatov // Sustainability. – 2021. – Vol. 13, No. 6. – DOI 10.3390/su13063521.
3. Арский А. А. Проблемы применения агентного моделирования в проектировании логистических систем // Логистика. – 2024. – № 3(208). – С. 28-30.
4. Спартак А. Н. Переформатирование международного экономического сотрудничества России в условиях санкций и новых вызовов // Российский внешнеэкономический вестник. – 2023. – № 4. – С. 9-35. – DOI 10.24412/2072-8042-2023-4-9-35.
5. Спартак А. Н. Долговременные тренды и новые явления в международной торговле / А. Н. Спартак, А. Е. Лихачев // Российский внешнеэкономический вестник. – 2018. – № 2. – С. 7-24.

УДК 330

Арский А. А. — кандидат экономических наук, доцент, старший научный сотрудник Лаборатории компьютерного моделирования социально-экономических процессов, ФГБУН «Центральный экономико-математический институт РАН», Москва, Россия.

E-mail: arskiy@list.ru

Agent-based modeling of economic processes in the Arctic zone of Russia

Arskiy A. — Candidate of economic sciences, associate professor, Senior research fellow, Laboratory for computer modeling of socio-economic processes, Central economics and mathematics institute of the Russian Academy of sciences, Moscow, Russia.

Annotation: The article is devoted to the formalization of the problems of agent modeling of logistics systems of the Arctic zone of Russia and its socio-economic processes. Two main problems are identified, the solution of which can fully improve the quality of economic planning of complex logistics systems of the region. Approaches to solving the problems of forecasting, which factor influences the economic potential of the region, are formed.