Логистические модели АКБ «Русславбанк»

Задачи ремонта и замены оборудования

Любое оборудование со временем изнашивается и стареет, и поэтому требует своевременного предупредительного или восстановительного ремонта либо полной замены на новое оборудование.

Задачи ремонта и  замены оборудования позволяют:

определить такие сроки восстановительного ремонта и моменты замены оборудования, при которых минимизируются затраты на ремонт, замену за все время его эксплуатации;

определить такие сроки профилактического  контроля по обнаружению неисправностей, при которых минимизируется сумма  затрат на проведение контроля и ожидаемых  потерь от простоя оборудования вследствие выхода из строя некоторых деталей оборудования.

Задачи управления запасами

Задачи управления запасами возникают, когда экономический объект не может  работать без производственных или  товарных запасов, поскольку их отсутствие приводит к простоям, штрафам, потери клиентов, катастрофам и т.д.

Задачи управления запасами позволяют  ответить на следующие вопросы:

каковы оптимальные величины объема заказа на закупку или производство товара, периода поставок заказов, величины запаса, моментов подачи заказа товара, позволяющие минимизировать общие затраты на покупку, производство, доставку, хранение товара;

что выгоднее производить товар  или закупать его;

выгодно ли пользоваться скидками на покупку товара и т.п.

Задачи сетевого планирования сложных проектов

Примеры сложных комплексных проектов: строительство и реконструкция  каких-либо крупных объектов; выполнение научно-исследовательских и конструкторских  работ; подготовка производства к выпуску  продукции; проведение маркетинговых  и иных исследований.

Использование сетевых моделей  позволяет:

построить сетевой график, который  представляет взаимосвязи работ  проекта, что позволяет детально анализировать все работы и вносить  улучшения в структуру проекта  еще до начала его реализации;

построить календарный график, который определяет моменты начала и окончания каждой работы, минимально возможное время выполнения проекта, критические работы; позволяет оптимизировать параметры проекта: выявить и устранить проблемы в обеспечении работ исполнителями, снизить количество одновременно занятых исполнителей, сократить длительность отдельных работ и проекта в целом;

оперативно контролировать и корректировать ход выполнения проекта.

Задачи выбора маршрута

Типичной задачей выбора маршрута является нахождение некоторого маршрута проезда из одного города в другой, при наличии множества путей через различные промежуточные пункты. Задача состоит в определении наиболее экономичного маршрута по критерию времени, расстояния или стоимости проезда. На существующие маршруты могут быть наложены ограничения, например, запрет на возврат к уже пройденному пути, требование обхода всех пунктов, причем в каждом из них можно побывать только один раз (задача коммивояжера).

Задачи массового обслуживания

Задачи массового обслуживания посвящены изучению систем обслуживания очередей требований. Причина очередей в том, что поток требований клиентов случаен и неуправляем. Типичные примеры таких ситуаций - очереди пассажиров к билетным кассам, очереди абонентов, ожидающих вызова на междугородной АТС, очереди самолетов, ожидающих взлета или посадки.

Задачи массового обслуживания позволяют определить, какое количество приборов обслуживания необходимо, чтобы  минимизировать суммарные ожидаемые  потери от несвоевременного обслуживания и простоев обслуживающего оборудования.

Задачи упорядочения

Стандартная постановка задачи упорядочения (календарного планирования): имеется  множество деталей с определенными  технологическими маршрутами, а также  несколько станков, на которых детали обрабатываются. Тогда упорядочение заключается в определении такой очередности обработки каждой детали на каждом станке, при которой минимизируется суммарная продолжительность всех работ, или общее запаздывание обработки деталей, или потери от запаздывания и т.п.

Рассмотрим математические дисциплины, наиболее часто используемые при решении задач исследования операций.

Математическое программирование ("планирование") - это раздел математики, занимающийся разработкой методов  отыскания экстремальных значений функции, на аргументы которой наложены ограничения. Методы математического программирования широко используются для решения распределительных задач.

Линейное программирование (ЛП) - является наиболее простым и лучше всего  изученным разделом математического  программирования. В нем рассматриваются задачи, у которых показатель оптимальности представляет собой линейную функцию от переменных задачи, а ограничительные условия, налагаемые на возможные решения, имеют вид линейных равенств или неравенств. Соответственно нелинейное программирование рассматривает задачи с нелинейными целевыми функциями и ограничениями.

Задачи, решаемые с помощью сетевого моделирования (теория графов), могут  быть сформулированы и решены методами линейного программирования, но специальные  сетевые алгоритмы позволяют решать их более эффективно. Примеры: задачи нахождения кратчайшего пути, критического пути, максимального потока, минимизации стоимости потока в сети с ограниченной пропускной способностью и др.

Целевое программирование представляет собой методы решения задач линейного программирования с несколькими целевыми функциями, которые могут конфликтовать друг с другом.

Целочисленное линейное программирование используется для решения задач, у которых все или некоторые  переменные должны принимать целочисленные значения.

Динамическое программирование предполагает разбиение задачи на несколько этапов, каждый из которых представляет собой  подзадачу относительно одной переменной и решается отдельно от других подзадач.

Аппарат теории вероятностей используется во многих задачах исследования операций, например, для прогнозирования (регрессионный и корреляционный анализ), вероятностного управления запасами, моделирования систем массового обслуживания, имитационного моделирования и др.

Методы моделирования и прогнозирования временных рядов позволяют выявить тенденции изменения фактических значений параметра Y во времени и прогнозировать будущие значения Y.

Теория игр и принятия решений  рассматривает процессы выбора наилучшей  из нескольких альтернатив в ситуациях  определенности (данные известны точно), в условиях риска (данные можно описать с помощью вероятностных распределений), в условиях неопределенности (вероятностное распределение либо неизвестно, либо не может быть определено).

Методы и модели теории нечетких множеств позволяют в математической форме представить и использовать для принятия решений субъективную словесную экспертную информацию: предпочтения, правила, оценки значений количественных и качественных показателей.

 

4. Прогностика

 

Прогностика - наука о законах и способах разработки прогнозов динамических систем. Прогноз - научно обоснованное суждение о возможных состояниях (в количественной оценке) объекта прогнозирования (ОП) в будущем и/или альтернативных путях и сроках их осуществления.

Этапы процедуры прогнозирования:

-определение объектов прогноза.

-отбор параметров, которые прогнозируются.

-определение временных горизонтов прогноза.

-отбор моделей прогнозирования.

-обоснование модели

прогнозирования и сбор необходимых  для прогноза данных.

-составление прогноза.

-отслеживание результатов.

Основные тенденции развития современных  ЛС

В настоящее время выделяют три  основные тенденции развития типичных ЛС, определяющие сложность и значимость точного прогнозирования для  эффективного управления.

Первая тенденция - постоянное сокращение жизненного цикла ЛС (когда на смену одним ЛС приходят качественно новые). Еще 30-40 лет назад этот цикл был сопоставим с длительностью среднего трудового стажа работника, а теперь составляет обычно (на Западе) несколько лет.

Вторая тенденция определяется возрастанием количества возможных альтернатив решения изучаемой проблемы.

Третья тенденция определяется ростом затрат на создание и эксплуатацию подавляющего большинства ЛС. И этот факт предопределяет проблему прогнозирования  затрат, цен, тарифов, т.е. рост капитальных вложений в перспективе требует оценки эффективности их в соответствующем периоде.

 

5. Методы решения логистических  задач

 

Научную базу логистики составляет широкий спектр методов, разработанных  в рамках различных дисциплин. Перечислим некоторые из них.

Математика: теория вероятностей; математическая статистика; теория случайных процессов; теория матриц; факторный анализ, математическая логика; теория нечетких множеств и  др.

Исследование операций: линейное, нелинейное и динамическое программирование; теория игр; теория статистических решений; теория массового обслуживания; теория управления запасами; метод имитационного моделирования; метод сетевого планирования и управления; теория эффективности и др.

Техническая кибернетика: теория больших систем; теория прогнозирования; общая теория управления; теория автоматического регулирования; теория графов; теория информации; теория расписаний и др.

Экономическая кибернетика: теория оптимального планирования; теория эффективности; теория квалиметрии; функционально-стоимостной анализ; методы маркетинговых исследований; менеджмент; теория принятия решений; производственный менеджмент; стратегическое и оперативное планирование; ценообразование; управление качеством; управление персоналом; управление проектами; управление инвестициями; социальная психология; экономика и организация транспорта, складского хозяйства, торговли и др.

Прогностика: методы перспективного экономического прогнозирования; прогнозирование  временных рядов; регрессионный и корреляционный анализ; методы логического прогнозирования; экспертные методы и др.

 

 

Заключение

 

Моделирование, как целенаправленное представление анализируемого реального  или гипотетического бизнес-процесса, служит в управлении, прежде всего, двум целям.

Во-первых, это сохранение знаний о  структуре, законах функционирования и управления организации в формальном виде (структурное моделирование).

Во-вторых, наполнение модели реальными  данными и проведение компьютерной симуляции (имитации реального поведения объекта за отрезок времени) позволяет получить фактографическую основу для принятия решений.

Проведение имитационного моделирования, низвергающего постулат о “невозможности эксперимента в экономике”, стало  возможным благодаря развитию возможностей вычислительной техники, изучению процессов принятия решения человеком, и развитию дисциплины реинжиниринга.

Особенности моделирования в логистике  определяются содержанием самой  логистической концепции. Логистика  предполагает системный подход к  интегрированному и динамическому управлению материальными, финансовыми, информационными потоками в организации, сквозь функциональные границы подразделений. Это во многом перекликается с принципами системной динамики и понятием о бизнес-процессах.

Поведение организации, в терминах системной динамики, определяется ее информационно-логической структурой как системы, представляется в терминах потоков, а не функций, рассматривается в развитии и динамике.

Бизнес-процесс может быть определен  как целенаправленно преобразуемый и управляемый поток ресурсов.

Таким образом в поисках ответов  на вопросы: как формируются затраты  и доходы по логистической цепи, каковы ее критические параметры, факторы  развития, узкие места и возможности, в чем причины возникшей проблемы, каковы будут результаты планируемых решений – менеджеру логистики помогает компьютерное моделирование бизнес-процессов.

Управление в логистике характеризуется  учетом большого числа параметров, функциональных и корреляционных зависимостей, влияния стохастических факторов. Все они анализируются при построении модели, но не все включаются в нее.

Для принятия решения, модель должна отражать сущность проблемы, давая  обоснование, по словам А.Эйнштейна, “…по возможности очень простое, но не проще”. Полное отражение всех реальных зависимостей в модели невозможно или экономически неоправданно.

Как сказал основатель подхода тотального качества Э. Деминг: “Все модели неправильны, но некоторые модели полезны”.

Полезными модели становятся тогда, когда  при их построении выполняются на практике несколько методических правил.

Первое - Моделирование должно быть групповой работой. Это подразумевает  не только формирование рабочей группы специалистов разного профиля, но и  широкое вовлечение в сбор данных, оценку, тестирование, внесение предложений по модели менеджеров разного уровня и разных подразделений компании. Так достигается и работоспособность модели, и обучение персонала.

Второе- Моделирование должно тщательно  документироваться. Хорошей модели не повредит немного бюрократии. Все  варианты, персонализированные предложения, получаемые в результате выполнения первого правила должны быть зафиксированы. По результатам моделирования издаются нормативные, плановые документы, должностные инструкции и т.д.

Третье – Моделирование это  постоянный процесс. Структурные и имитационные модели служат средством обоснования решений, разработки сценариев, обучения и коммуникации персонала. Изменение постановки задачи, влияния внешних факторов, появления новых знаний могут требовать корректировки параметров модели.

Еще одним практическим моментом является выбор моделирования бизнес-процесса в состоянии “Как есть” или  “Как должно быть”. Как правило, в  методической поддержке коммерческих аналитических пакетов даются общие  рекомендации по этому вопросу. Особенностью российского реинжиниринга можно считать третью, в общем-то, спорную, форму моделирования – “Как будет”.