O slideshow foi denunciado.
Utilizamos seu perfil e dados de atividades no LinkedIn para personalizar e exibir anúncios mais relevantes. Altere suas preferências de anúncios quando desejar.

Концепция проекта Optimal Management

874 visualizações

Publicada em

  • Entre para ver os comentários

  • Seja a primeira pessoa a gostar disto

Концепция проекта Optimal Management

  1. 1. Участник SAP Startup Focus Development Accelerator Резидент Инновационного центра «Сколково» Оптимальное Управление Мы применяем математические модели и методы оптимизации для управления предприятиями
  2. 2. Предпосылки 2 Начало периода Post Big Data Появление возможностей работы с большими данными и развитие средств выполнения сложных вычислений в сочетании с существующими областями знаний создаёт предпосылки для формирования на базе этих областей новых направлений, связанных с большими техническими, экономическими, социальными и биологическими системами, часто насчитывающими сотни миллионов элементов.
  3. 3. 3 Стратегическая цель и выбранный способ её достижения • • • Заложить основы нового направления в теории оптимального управления, связанного с оптимизацией показателей систем, имеющих очень большое число (миллионы) переменных управления; Отработать математические модели, походы и численные алгоритмы на больших техникоэкономических системах, не обращаясь к социальноэкономическим и биологическим системам, работа с которыми может потребовать решения правовых и нравственных проблем; Отработать технические и интеграционные аспекты на экономической оптимизационной задаче, для которой имеются разработанные математические модели.
  4. 4. 4 Цель проекта • Решить две актуальные проблемы управления предприятием на основе развитых математических моделей и применения высокопроизводительных вычислительных кластеров: ◦ Определение оптимальных внутренних цепочек поставок транснациональных компаний; ◦ Оптимальное распределение бюджета на создание и поддержку активов. • • Вывести разработанные продукты на глобальный рынок через SAP и/или партнёров SAP; Обеспечить выход из проекта через поглощение стратегическим инвестором или IPO.
  5. 5. Проблема №1 Оптимизация внутренних цепочек поставок транснациональных компаний Когда дочерние компании находятся во множестве стран, как определить самые эффективные товаропотоки и трансфертные цены? 5
  6. 6. Проблема №1 6 Оптимизация внутренних цепочек поставок транснациональных компаний • Расширение глобализации ведёт к усложнению цепочек поставок. • • Налоговые органы во всём мире увеличивают требования • Оптимизационные расчёты для компаний среднего размера часто требуют решения задач, формальная постановка которых содержит миллионы переменных и несколько терабайтов данных. Применяемые на практике техники оптимизации цепочек поставок предполагают решение задач линейного программирования, такой подход ограничивает возможности оптимизации.
  7. 7. Проблема №1 7 Оптимизация внутренних цепочек поставок транснациональных компаний • В настоящее время задачи оптимизации логистики и налогообложения решаются последовательно: - - затем для найденной схемы товаропотоков системы оптимизации налогообложения рассчитывают трансфертные цены, обеспечивающие максимум прибыли глобальной компании; • сначала системы SCM планируют цепочки поставок и вычисляют товаропотоки, обеспечивающие минимум затрат; в обоих случаях решаются задачи линейного программирования. Результат такой последовательной оптимизации не является оптимальным решением. Только одновременно оптимизируя и товаропотоки, и трансфертные цены, можно найти вариант цепочек поставок, при котором прибыль будет максимальной. Однако в этом случае математическая задача усложняется и для её решения требуется очень много ресурсов.
  8. 8. Проблема №1 8 Оптимизация внутренних цепочек поставок транснациональных компаний • Одновременная оптимизация товаропотоков и трансфертных цен в рамках решения задачи квадратичного программирования может привести к увеличению прибыли до 5% и более. • Чем сложнее логистическая сеть и больше по ней проходит товарных позиций, тем больший эффект получается в результате одновременной оптимизации трансфертных цен и товаропотоков.
  9. 9. Проблема № 2 9 Оптимальное распределение бюджета на создание и поддержку активов • Когда крупная компания, владеющая миллионами активов, планирует свой бюджет на создание и поддержку активов на очередной период, необходимо его распределить и обосновать сделанное распределение. Сразу возникают вопросы: - - Когда необходимо провести модернизацию активов? - • Что более эффективно – создавать новые активы (шахты, электростанции, цеха, транспортные магистрали, магазины и т.д), или поддерживать существующие? Как рационально распределять ресурсы, избегая запоздалых выводов по результатам уже понесенных затрат? Существующие EAM-системы не содержат методов, позволяющих обоснованно ответить на поднятые вопросы. На практике используются гипотезы и выбор стратегии, которая "выглядит правильной".
  10. 10. Проблема №2 10 Оптимальное распределение бюджета на создание и поддержку активов Мы предлагаем для распределения бюджета использовать систему оптимального управления, а количество переменных управления сократить за счёт применения ранжированных портфелей проектов.
  11. 11. Проблема №2 (ИМ) Прогнозирование КПЭ предприятия с учётом технологических связей между активами 11
  12. 12. Проблема №2 (MDM) 12 Генерация мастер-данных об активах для разных приложений и модулей ERP Необходимы для решения Проблемы №2
  13. 13. 13 Проблема №2 (MDM) Генерация мастер-данных об активах для разных приложений и модулей ERP • Отсутствие единой модели активов приводит к проблемам: ৹ ৹ ৹ Противоречия в мастер-данных, используемых различными приложениями; Неполные и / или некорректные связи между одними и теми же активами в разных приложениях; Высокие затраты на поддержку нескольких совместимых между собой представлений мастер-данных об активах. • Из-за высоких затрат на ведение независимых параллельных представлений мастер-данных, компании вынуждены использовать малое число приложений для решения задач управления активами. В результате эти приложения становятся очень сложными, и в настоящее время отсутствуют реализации полного комплекса задач управления активами. • Применение унифицированной модели мастер-данных об активах и автоматическая генерация на её основе различных представлений мастерданных для разных приложений позволит устранить имеющиеся ограничения.
  14. 14. 14 Наш подход Big Data, Big Calculations, Big Simulations, Optimal Control of Big Systems Hadoop Cluster SAP ERP SAP PPM SAP APO • • • SAP HANA Математические и имитационные модели – десятки Тб данных Десятки тысяч узлов, миллионы ядер Использование теории оптимального управления и методов оптимизации, имитационного моделирования, новых параллельных численных методов Моделирование и оптимизация на базе SAP HANA и Hadoop Бесшовная интеграция с SAP Business Suite
  15. 15. Продукты 15 Взаимосвязи между продуктами проекта Флагманским решением проекта является связка из системы оптимального управления, имитационной модели и системы управления мастер-данными: Параллельно опережающими темпами разрабатывается оптимизатор внутренних цепочек поставок транснациональных компаний, на котором отлаживаются архитектура и решения по интеграции бизнес-приложений SAP, SAP HANA и Hadoop: Оптимизатор внутренних цепочек поставок транснациональных компаний Математическая модель и новые параллельные численные методы решения квадратичной задачи оптимизации внутренних цепочек поставок транснациональных компаний
  16. 16. Продукты Все продукты и время выхода на рынок для каждого 16
  17. 17. Перспективы Управление большими социальноэкономическими системами 17
  18. 18. Перспективы Управление большими социальноэкономическими системами 18
  19. 19. 19 Команда • CEO более 10 лет работает на руководящих позициях • Научный руководитель проекта - всемирно известный учёный • В проекте также участвуют 2 доктора наук и 2 кандидата наук • Участники проекта имеют более 200 публикаций по оптимальному управлению и оптимизации • В проекте участвуют сертифицированные консультанты по приложениям SAP и разработке • В команде опытные руководители проектов и архитекторы • Члены команды имеют международный опыт • Команда сочетает опыт специалистов и энтузиазм молодёжи за счёт привлечения талантливых студентов профильной кафедры МГТУ им. Баумана (в этом году – 2 магистранта)
  20. 20. 20 Команда • • • • Андрей Сухобоков – генеральный директор, 30 лет опыта управления в ИТ. Руководитель более 60-ти успешных проектов. Более 10-ти лет опыта работы с SAP. Имеет административный опыт руководства ИТ-компанией численностью до 100 человек и опыт организации новых направлений бизнеса. Александр Позняк, проф., д.т.н. – научный руководитель проекта, действительный член академии наук Мексики, Специализируется в области теории оптимального управления. Опубликовал более 160 статей и 14 книг. Руководил 35 диссертационными работами. Валерий Чёрненький, проф., д.т.н. – руководитель группы имитационного моделирования, действующий преподаватель и декан кафедры ИУ5 в МГТУ им. Баумана. Имеет более 50 публикаций и 10 книг в области ERP и имитационного моделирования. Рустам Хайруллин, проф., д.ф.м.н. – руководитель группы оптимизационных алгоритмов оптимизации цепочек поставок, профессор Московского государственного строительного университета. Обладает опытом решения задач оптимизации цепочек поставок.
  21. 21. 21 Почему сейчас • Одним из членов проектной команды защищена кандидатская диссертация, в которой разработаны методы и архитектура основных продуктов проекта: o • • o Сформирована команда, состоящая из докторов и кандидатов наук, а также архитекторов приложений, чьи исследования и опыт охватывают методы оптимального управления, оптимизации и имитационного моделирования Консультанты команды, обладают необходимым предшествующим опытом: o o o o o • • В диссертации были разработаны архитектура и методы решения 3х задач, одна из которых была реализована в продуктах компании SAP (автор получил акт внедрения от SAP) Продукты для решения 2х оставшихся задач будут реализованы в данном проекте 2 проекта по внедрению SCM для транспортировки нефтепродуктов в крупнейших компаниях; 2 проекта по внедрению систем имитационного моделирования в компаниях-лидерах сетевой электроэнергетики и газовой промышленности; 3 проекта по внедрению систем управления активами для крупных компаний нефтяной отрасли, энергетики, а также при транспортировке нефти; 1 проект по управлению инвестициями для энергетики; 1 проект по оптимальному управлению вычислительными ресурсами группы мэйнфреймов на основе метода адаптивного выбора вариантов Командой создан прототип Системы управления мастер-данными об активах Оборудование для SAP HANA и кластеров Hadoop становится все более мощным и распространенным
  22. 22. 22 Бизнес-модель • • Помощь SAP Startup Focus Development Accelerator и «Сколково» на начальных этапах Выход на рынок через SAP, партнёров SAP и консалтинговые компании Компания будет получать свой доход от: • Реализации лицензий на созданные продукты o Продажи через SAP o Продажи через партнеров SAP 50% доходов остаётся компаниям, продавшим лицензии на продукты o Прямые продажи • Реализации консалтинговых услуг по разработке математических и имитационных моделей, а также услуг по обучению и консультированию партнеров, осуществляющих внедрение
  23. 23. Объем рынка 23 Аналитические оценки • Рынок SCM был оценен Gartner в 7.7 миллиардов долларов в 2011 году o o • Рынок SCM для транснациональных компаний представляет не менее 25% общего рынка SCM и эта доля будет расти по мере расширения глобализации Более 10 000 компаний в этом сегменте потенциально заинтересованы в наших продуктах Рынок EAM достигнет в 3 миллиарда долларов к 2016 году согласно ARC Advisory Group o o • Примерно у 50% компаний, использующих сейчас EAM-системы, имеется большое количество активов. Эти компании - наши потенциальные клиенты Более 10 000 компаний в этом сегменте потенциально заинтересованы в наших продуктах Рынок MDM был оценен Gartner в 1.5 миллиарда долларов в 2011 году с CAGR 20% в 2010-2015 годах o Совместно сегменты рынка MDM о клиентах и рынка MDM о продуктах занимают 2/3 рынка MDM. Новые сегменты (как MDM об активах) растут в год на 50% и более o Более 20,000 компаний потенциально заинтересованы в наших продуктах (те, кто внедряет оптимизацию или имеет 4 и более приложения с данными об активах)
  24. 24. Объём рынка 24 Более 10 000 потенциальных клиентов в мире для каждого продукта. Примеры • Крупные транснациональные компании o BP, EADS, ArcelorMittal, Nestle, AT&T, Toyota Motor, Sony, Intel, Pfizer, Pepsico, Merck, Du Pont, ABB, Газпром, Сбербанк и т.д. • Крупные корпорации с большим числом активов o РАО РЖД, ФСК ЕЭС, АК Транснефть, РусГидро, нефтяные компании, металлургические компании, X5 Retail Group и т.д. • Правительственные и муниципальные структуры, управляющие большим числом активов • Верхний сегмент средних транснациональных компаний o Burberry, Bionorica, Kronotex, ОМК (Объединённая металлургическая компания), Русское море, Борец, и т.д. • Верхний средних сегмент компаний с большим числом активов o Компании электрогенерации, Региональные электрические и тепловые сети, Региональные трубопроводные компании и т.д.
  25. 25. Конкуренция 25 Конкуренты SCM: SAP, Oracle, JDA Software и др. компании оптимизируют прибыль изменяя товаропотоки при постоянных трансфертных ценах. Global Tax Planning от THOMSON REUTERS оптимизирует прибыль изменяя трансфертные цены при постоянных товаропотоках. Совместное последовательное применение этих решений не обеспечивает истинный оптимум. EAM: Accenture создает имитационные модели для долгосрочного управления парком активов без средств оптимизации. Число возможных вариантов моделирования огромно. Вероятность, что для моделирования будет выбран оптимальный вариант - очень мала. MDM: Riversand, Stibo Systems и Tibco Software утверждают, что их системы управляют мастер-данными об активах. Но эти системы могут только поддерживать параметры амортизации и работать с цифровыми активами (схемами, изображениями и пр.). Они базируются на обычных платформах, ориентированных на Закупки, Сбыт, E-Commerce и пр. Различные представления одних и тех же активов для разных приложений не поддерживаются.
  26. 26. 26 Продажи & Маркетинг Взаимодействие с потенциальными клиентами и партнёрами o У нас имеется письменное подтверждение о востребованности наших продуктов от двух крупных российских компаний o В настоящее время мы ведём переговоры о проведении тестового оптимизационного расчёта с ещё одним клиентом - крупной транснациональной компанией o Мы заключили реселлерское соглашение о продаже своих продуктов с группой европейских компаний. o На рынке пока нет аналогичных продуктов, и даже если они появятся, то потенциальный спрос таков, что в ближайшие годы, практически, не будет конкуренции за клиентов. o Масштабируемая бизнес-модель позволит со временем нарастить продажи до 100 и более лицензий в год по каждому продукту. o На рынке приложений для крупных компаний стоимость лицензий такова, что продажа 2х лицензий на продукт обычно покрывает все затраты на разработку этого продукта.
  27. 27. Инвестиции Привлечение инвестиций на текущую стадию Потенциальные посевные инвесторы: • Research & Development Capital специализируются на посевных инвестициях в ИТ • Almaz Capital Fund II специализируются на инвестициях в ИТ раундов А и В, но может участвовать в посевных инвестициях совместно с посевным инвестором (50 на 50). Инвестиции будут в виде вкладов в уставный капитал. Мы прошли предварительную экспертизу в обоих компаниях. Предполагаемая общая сумма инвестиций $400K. Инвесторы ожидают решения «Сколково» о выделении гранта. Базовой стратегией выхода соинвесторов из Проекта является поглощение компании стратегическим инвестором. Если этого не произойдёт, то компания продолжит своё развитие и выйдет на IPO. 27
  28. 28. Инвестиции 28 Потенциальные стратегические инвесторы • крупные международные ИТ-компании, занимающиеся разработкой и внедрением приложений на платформах SAP, в том числе SAP, Accenture и др.; • крупные консалтинговые компании, включая компании большой четвёрки; • компании - разработчики и поставщики больших вычислительных кластеров и программного обеспечения для них (HP, IBM, Fujitsu Siemens Computers и др.); • международные компании, предоставляющие клиентам вычислительные мощности на больших кластерах (Amazon, Rackspace, Google и др.); • международные компании, разрабатывающие программное обеспечение для обработки больших объёмов данных (Informatica, Tibco, Teradata и др.).
  29. 29. 29 Контакты Контактные лица: • В России – Андрей Сухобоков телефон: +7 903 577 9667 e-mail: andrey.sukhobokov@optimalmngmnt.com • В США – Виталий Баклыков телефон: +1 240 620 1229 e-mail: vitaliy.baklikov@optimalmngmnt.com

×