О ПРАКТИЧЕСКОМ ОПЫТЕ МОДЕЛИРОВАНИЯ НОВОГО СЕРВИСА В КРУПНОМ ТОРГОВО-РАЗВЛЕКАТЕЛЬНОМ ЦЕНТРЕ

В статье рассматривается практический опыт авторов по разработке и внедрению нового сервиса «Шопинг налегке» для одного из крупных торговых центров Нижнего Новгорода. Для анализа работы торгового центра с новой услугой было проведено имитационное моделирование в Anylogic.

В настоящее время в Российских мегаполисах уверенными темпами расчет количество новых торгово-развлекательных центров (ТРЦ). Это приводит к росту конкуренции между ними. В этих условиях жесткой конкуренции важно находить новые способы привлечения покупателей.

Один из крупнейших ТРЦ Нижнего Новгорода решил внедрить новый, удобный для покупателей сервис «Шопинг налегке». Сервис заключается в возможности оставить покупки в специальных пунктах приема или прямо в любом из магазинов ТРЦ при наличии у покупателя специального мобильного приложения. Оставив покупку, клиент ТРЦ может посещать другие магазины, пункты питания и развлечений не обременяя себя дополнительной ношей. При желании или необходимости покинуть ТРЦ покупатель приходит на пункт приема с просьбой вернуть покупку или делает запрос на отгрузку с помощью мобильного приложения. В течение 10 минут специально обученный курьер должен доставить покупки к пункту выдачи, автобусную остановку или к машине клиента.
Пробный натурный эксперимент, а также специальный опрос, показали, что покупатели положительно оценивают новую услугу.
Компании-заказчику необходимо было рассчитать необходимое количество курьеров, количество персоналов и пунктов выдачи, вероятность задержки в выдачи покупки и другие показатели.
Для анализа такой сложной системы как ТРЦ был применен аппарат имитационного моделирования на базе Anylogic[1], с состав которого входит хорошо себя зарекомендовавшая пешеходная библиотека. В качестве парадигмы моделирования был выбран дискретно-событийный подход.
В качестве исходных данных для моделирования были использованы данные опроса, проводимого заказчиком среди посетителей ТРЦ, а также данных натурного эксперимента (скорости курьеров, временные задержки и т.д.). На рисунке 1 представлено годовое и недельное изменение интенсивности покупателей.

Также были представлены замеры почасового изменения интенсивности, для одной недели. На основе этих данных было получено почасовое изменение интенсивности покупателей в течение года. Почасовая интенсивность отдельно взятой недели представлена на рисунке 2.

На основе чертежей и схем ТРЦ было построено дискретное пространство модели. На рисунке 3 представлено окно эксперимента. Структура классов модели представлена на рисунке 4, процессная диаграмма модели представлена рисунком 5, магазина – рисунком 6, склада – рисунком 7, агента-курьера – рисунком 8.

Основной сложностью работы было моделирование работы курьера. По замыслу заказчиков курьеры должны выполнять работу, как по комплектации, так и по доставке покупок покупателю. Этот факт, а также достаточно большое количество магазинов формирует сложную логистику курьера и системы, выбирающей курьера для назначения задания. Во время обхода маршрута появляться новые покупки или клиенты и задача системы управления эффективно распределить новые задания. Из-за сложной логистики на уровне реализации возникает множество коллизий, которые могут привести к увеличению времени обслуживания клиента и вероятности задержки в выдачи покупки.

Полученная модель дает возможность определить пропускную способность сервиса «Шопинг налегке», оценить вероятность и количество задержек в обслуживании больше заданного времени, степень загрузки персонала и т.д. Комбинируя ее с реально работающей системой можно получить удобный и наглядный инструмент для проверки эффективности системы и проверки возможных вносимых изменений.

По результатам моделирования были даны рекомендации по количеству курьеров в определенные временные периоды (по часам суток и дням недели), конфигурации и количеству пунктов приема-выдачи покупок, емкости склада. Рассчитаны экономические показатели проекта.
На сегодняшний день сервис запущен и набирает обороты. Перспективой работы является актуализация данных по результатам собираемой статистики, а также прогнозирование действий на ожидаемый рост процента покупателей, пользующихся услугой.

Авторы: Липенков А.В., Усов С.П., Масягин С.В., Толстогузов М.В.
Выступление на ИММОД-2017, 18-20 октября, Санкт-Петербург
Статья на сайте разработчика www.anylogic.ru