+7 499 135-41-63 (ВЦ РАН)
   info@forecsys.ru
      или посмотреть карту сайта

Такском, 2017 год

Оценка поведения клиентов, выявление сегмента склонных к оттоку клиентов

Solut, 2017 год

Создание модели классификации деятельности сотрудника строительной компании

Avito, 2017 год

Конкурс анализа данных по созданию модели рекомендательной системы

Исследование: Временной/событийный подходы, 2017 год

Временной и событийный подходы к выявлению нестандартных ситуаций на биржевых торгах

Исследование: Новостной поток, 2017 год

Прогнозирование влияния новостного потока на изменение цен инструментов

Фонд перспективных исследований, 2017 год

Конкурс по созданию интеллектуальных технологий дешифрирования видовой аэрокосмической информации

ММВБ, 2016 год

Проект «САФРАН. Внедрение функциональности по выявлению практик манипулирования в высокочастной торговле на финансовых рынках»

Avito, 2016 год

Конкурс анализа данных по распознаванию категорий объявлений

Avito, 2016 год

конкурса анализа данных по распознаванию марки и модели автомашин на изображениях

ММВБ, 2016 год

Проект «САФРАН. Внедрение функциональности по мониторингу открытых инсайдеров»

Европлан, 2016 год

Оценка стоимости автомобилей на основании анализа базы данных объявлений аналогов

Фонд перспективных исследований, 2015 год

Конкурс для поиска лучшего отечественного коллектива, способного преодолеть существующие недостатки технологий распознавания лиц

НКО АО НРД, 2015 год

Разработка алгоритма обработки результатов проведения клирингового сеанса

Avito, 2015 год

Конкурс анализа данных, посвященный проблематике Uplift modelling для решения задачи распознавания отклика клиентов на маркетинговое предложение

РЖД, 2015 год

Прогнозирование объемов спроса на грузовые железнодорожные перевозки

Исследование: Геоанализ, 2015 год

Геоанализ кластеров клиентов крупного российского банка в г. Новосибирск

Исследование: Диаграмма Вороного, 2015 год

Использование диаграммы Вороного для распределения сотовых базовых станций

Avito, 2014 год

Конкурс по распознаванию контактной информации на изображениях

Сбербанк, 2014 год

Проведение пилотного проекта по управлению банкоматами

Банк Траст, 2014 год

Внедрение системы прогнозирования поведения клиентов и оптимизации кампаний целевого маркетинга Sell4Cast

Исследование: Оптимизация сети светофоров, 2014 год

Оптимизация сети светофорных объектов в г. Люберцы

Исследование: Модель светофорного объекта, 2013 год

Разработка программного инструмента оптимизации работы перекрестка

Исследование: Тепловые карты, 2013 год

Построение тепловой карты клиентов крупного ТЦ

Телемикс, 2012 год

Разработка прототипа системы рекомендаций видеоконтента

ОТП Банк, 2011 год

Конкурс анализа данных по решению задачи предсказания отклика клиентов на предложение новой услуги

Компания «Балтика», 2011 год

Автоматизация прогнозирования вторичных продаж

Промсвязьбанк, 2010 год

Оптимизация процесса стратегического управления инкассациями

ММВБ, 2010 год

Система анализа финансовых рынков «САФРАН 3.0»

ГК «Лама», 2010 год

Внедрение системы автоматического формирования заказа на распредительном центре компании

ЗАО «НСС», 2009 год

Внедрение BI/CRM систем Forecsys & Teradata

ГК «Видео Интернешнл», 2009 год

Улучшения системы прогнозирования компании

ГК «Лама», 2009 год

Внедрение системы прогнозирования спроса и управления запасами Goods4Cast

Банк «Петрокоммерц», 2009 год

Система поддержки принятия кредитных решений

М-Видео, 2008 год

Оптимизации процессов планирования продаж и закупок товаров

Компания «Балтика», 2008 год

Внедрение системы прогнозирования спроса и планирования продаж

ГК «Комстар – ОТС», 2008 год

Поведенческая сегментация клиентов

ГУ-ВШЭ, 2007 год

Внедрение системы Антиплагиат

Сеть «Связной», 2007 год

Создание и внедрение ИС «Ценообразование»

Сеть «Связной», 2007 год

Внедрение системы прогнозирования спроса

X5 Retail Group, 2007 год

Объединение процессов ведения номенклатуры нескольких розничных торговых сетей

ГВЦ РАО «ЕЭС России», 2006 год

Анализ отраслевых данных энергетических компаний

AntiPlagiat.ru, 2005 год

Интернет-сервис анализа текстов на наличие заимствований

АП «Домодедово», 2005 год

Решение для имитационного моделирования транспортной сети аэропорта

Яндекс, 2005 год

Технология выявления взаимосогласованных структур сходства пользователей и ресурсов

ТД «Перекресток», 2005 год

Система прогнозирования потребительского спроса Goods4Cast

Брок-Инвест-Сервис, 2005 год

Анализ и сегментация клиентской базы

ОАО «МТС», 2004 год

Исследование поведенческой сегментации клиентов

Банк «Петрокоммерц», 2004 год

Система поддержки принятия кредитных решений

«Интер РАО ЕЭС», 2004 год

Автоматизированная система поддержки принятия решений на энергетических рынках «Aprel 1.0»

РАО «ЕЭС России», 2001 год

Автоматизированная система поддержки принятия решений «Форель 1.0»

АП «Домодедово», 2005 год

Компания-заказчик: ЗАО «Международный аэропорт «Домодедово»

Сроки проекта:       май 2005 — ноябрь 2005

История проекта

Для качественного планирования аэропортом «Домодедово» действий по развитию необходим инструмент, позволяющий проверять эффективность решений проектировщиков и оценивать пропускную способность аэропорта на любом этапе реконструкции. Эффективным способом решения задач подобной сложности является имитационное моделирование.

В 2005 году компания Forecsys была выбрана ЗАО «Международный аэропорт «Домодедово» для разработки имитационной модели движения воздушных судов по наземной транспортной сети аэропорта.

В рамках проекта Forecsys разработала пилотную версии системы, результаты тестирования которой подтвердили компетентность компании в области имитационного моделирования деятельности аэропорта.

Особенности проекта

Заказчик преследовал следующие цели:

  • поддержка принятия решений стратегического, тактического и операционного планирования;
  • оптимизация:
    • наземной транспортной сети аэропорта;
    • последовательности проведения работ по реконструкции;
    • маршрутов руления воздушных судов;
    • расписания полетов;
    • расстановки воздушных судов на местах стоянки;
    • расположения мест стоянки на летном поле.
  • оценка эффекта от проведения мероприятий по реконструкции и изменению схем функционирования аэропорта;
  • снижение рисков принятия решений стратегического и тактического планирования (например, рисков реконструкции или построения объектов аэропорта);
  • снижение издержек по перепланировке перрона, сети рулежных дорожек и других объектов летного поля аэропорта.

Основа подхода

Имитационное моделирование — это метод, позволяющий строить модели, описывающие процессы так, как они проходили бы в действительности. Такую модель можно «проиграть» во времени как для одного испытания, так и заданного их множества. При этом результаты будут определяться случайным характером процессов. По этим данным можно получить достаточно устойчивую статистику.

Функциональные характеристики

Система имитационного моделирования движения судов в районе аэропорта Домодедово позволяет:

  • проводить загрузку и предобработку исходных данных (данные по конфигурации воздушной зоны аэропорта, расписания и др.);
  • выполнять множественные расчеты по модели при одинаковых параметрах для статистического анализа результатов;
  • осуществлять расчет различных статистических данных по построенным или сохраненным результатам анализа;
  • сохранять и загружать сценарий, группу сценариев, результаты расчетов;
  • проводить визуализацию исходных данных (карта воздушной зоны и летного поля, плановое и фактическое расписание, гистограммы нагрузки), моделируемого сценария, результатов расчетов.
Производительность системы

Моделирование одного дня деятельности аэропорта в среднем занимает около 40 секунд на рабочей станции с частотой процессора 2,4 ГГц и 1 Гб оперативной памяти.

Моделирование производится с детализацией в одну секунду.

Перспективы проекта

Пилотный проект показал перспективность использования имитационного моделирования для планирования развития аэропорта и оценки качества принимаемых инфраструктурных решений.

Планируемые направления совершенствования модели для увеличения качества и достоверности получаемых оценок:

  • учет влияния метеоусловий на деятельность аэропорта;
  • моделирование процесса перебуксировки воздушных судов между местами стоянок;
  • введение в модель точек временного отстоя судов и точек обработки противообледенительной жидкостью;
  • детализация скоростей движения воздушных судов на различных участках маршрута;
  • улучшение алгоритмов, моделирующих деятельность различных служб аэропорта и их взаимодействие между собой;
  • моделирование движения специальной техники и вспомогательных транспортных средств, эксплуатируемых в районе аэропорта.

Имитационная модель может быть также взята за основу при создании тренажера для диспетчеров аэропорта.