Методы решения логистических задач

Оглавление

 

 

 

 

 

 

 

 

 

 

 

 

 

1. ОБЩАЯ ХАРАКТЕРИСТИКА  МЕТОДОВ РЕШЕНИЯ ЛОГИСТИЧЕСКИХ  ЗАДАЧ

Объектом изучения логистики являются материальные и  соответствующие им финансовые и информационные потоки. Эти потоки на своем пути от первичного источника сырья до конечного потребителя проходят различные производственные, транспортные, складские звенья. При традиционном подходе задачи по управлению материальными потоками в каждом звене решаются, в значительной степени, обособленно. Отдельные звенья представляют при этом так называемые закрытые системы, изолированные от систем своих партнеров технически, технологи чески, экономически и методологически. Управление хозяйственными процессами в пределах закрытых систем осуществляется с помощью общеизвестных методов планирования и управления производственными и экономическими системами. 'Эти методы продолжают применяться и при логистическом подходе к управлению материальными потоками. Однако переход от изолированной разработки в значительной степени самостоятельных систем к интегрированным логистическим системам требует расширения методологической базы управления материальными потоками.

К основным методам, применяемым для решения научных  и практических задач в области логистики, следует отнести методы системного анализа, методы теории исследования операций, кибернетический подход и прогностику. Применение этих методов позволяет прогнозировать материальные потоки, создавать интегрированные системы управления и контроля их движением, разрабатывать системы логистического обслуживания, оптимизировать запасы и решать ряд других задач.

Принятие решений  по управлению материальными потоками до начала широкого применения логистики  в значительной степени основывалось на интуиции квалифицированных снабженцев, сбытовиков, производственников, транспортников. Развивая методологический аппарат, современная логистика, наряду с разработкой и использованием формализованных методов принятия решений, изыскивает возможности широкого применения опыта названной категории профессионалов. С этой целью разрабатываются так называемые системы экспертной компьютерной поддержки , позволяющие персоналу, не имеющему глубокой подготовки в логистике, принимать быстрые и достаточно эффективные решения.

Широкое применение в логистике имеют различные  методы моделирования, т. е. исследования логистических систем и процессов  путем построения и изучения их моделей. При этом под логистической моделью  понимается любой образ, абстрактный  или материальный, логистического процесса или логистической системы, используемый в качестве их заместителя.

2. МОДЕЛИРОВАНИЕ В  ЛОГИСТИКЕ

Моделирование основывается на подобии систем или  процессов, которое может быть полным или частичным. Основная цель моделирования - прогноз поведения процесса или системы. Ключевой вопрос моделирования «ЧТО БУДЕТ, ЕСЛИ...?»

Существенной  характеристикой любой модели является степень полноты подобия модели моделируемому объекту. По этому  признаку все модели можно разделить на изоморфные и гомоморфные.

Изоморфные  модели - это модели, включающие все характеристики объекта оригинала, способные, по существу, заменить его. Если можно создать и наблюдать изоморфную модель, то наши знания о реальном объекте будут точными. В этом случае мы сможем точно предсказать поведение объекта.

Гомоморфные модели - в их основе лежит неполное, частичное подобие модели изучаемому объекту. При этом некоторые стороны функционирования реального объекта не моделируются совсем. В результате упрощается построение модели и интерпретация результатов исследования. При моделировании логистических систем абсолютное подобие не имеет места. Поэтому в дальнейшем мы будем рассматривать лишь гомоморфные модели, не забывая, однако, что степень подобия у них может быть различной.

Следующим признаком  классификации является материальность модели. В соответствии с этим признаком  все модели можно разделить на материальные и абстрактные.

Материальные  модели воспроизводят основные геометрические, физические, динамические и функциональные характеристики изучаемого явления или объекта. К этой категории относятся, в частности, уменьшенные макеты предприятий оптовой торговли, позволяющие решить вопросы оптимального размещения оборудования и организации грузовых потоков.

Абстрактное моделирование часто является единственным способом моделирования в логистике. Его подразделяют на символическое и математическое.

К символическим  моделям относят языковые и знаковые.

Языковые  модели - это словесные модели, в основе которых лежит набор слов (словарь), очищенных от неоднозначности. Этот словарь называется «тезаурус». В нем каждому слову может соответствовать лишь единственное понятие, в то время как в обычном словаре одному слову могут соответствовать несколько понятий.

Знаковые  модели. Если ввести условное обозначение отдельных понятий, т. е. знаки, а также договориться об операциях между этими знаками, то можно дать символическое описание объекта.

Математическим  моделированием называется процесс  установления соответствия данному  реальному объекту некоторого математического объекта, называемого математической моделью. В логистике широко применяются два вида математического моделирования: аналитическое и имитационное.

Аналитическое моделирование - это математический прием исследования логистических систем, позволяющий получать точные решения. Аналитическое моделирование осуществляется в следующей последовательности.

Первый этап. Формулируются математические законы, связывающие объекты системы. Эти  законы записываются в виде некоторых  функциональных соотношений (алгебраических, дифференциальных и т. п.),

Второй этап. Решение уравнений, получение теоретических  результатов.

Третий этап. Сопоставление полученных теоретических  результатов с практикой (проверка на адекватность).

Наиболее полное исследование процесса функционирования системы можно провести, если известны явные зависимости, связывающие искомые характеристики с начальными условиями, параметрами и переменными системы. Однако такие зависимости удается получить только для сравнительно простых систем. При усложнении систем исследование их аналитическими методами наталкивается на определенные трудности, что является существенным недостатком метода. В этом случае, чтобы использовать аналитический метод, необходимо существенно упростить первоначальную модель, чтобы иметь возможность изучить хотя бы общие свойства системы.

К достоинствам аналитического моделирования относят  большую силу обобщения и многократность использования.

Другим видом  математического моделирования  является имитационное моделирование.

Как уже отмечалось, логистические системы функционируют  в условиях неопределенности окружающей среды. При управлении материальными  потоками должны учитываться факторы, многие из которых носят случайностный  характер. В этих условиях создание аналитической модели, устанавливающей четкие количественные соотношения между различными составляющими логистических процессов, может оказаться либо невозможным, либо слишком дорогим.

При имитационном моделировании закономерности, определяющие характер количественных отношений внутри логистических процессов, остаются непознанными. В этом плане логистический процесс остается для экспериментатора «черным ящиком».

Процесс работы с имитационной моделью, в первом приближении, можно сравнить с настройкой телевизора рядовым телезрителем, не имеющим представления о принципах работы этого аппарата. Телезритель просто вращает разные ручки, добиваясь четкого изображения, не имея при этом представления о том, что происходит внутри «черного ящика».

Точно так же экспериментатор «вращает ручки» имитационной модели, меняя при этом условия протекания процесса и наблюдая получаемый результат. Определение условий, при которых результат удовлетворяет требованиям, является целью работы с имитационной моделью.

Имитационное  моделирование включает в себя два основных процесса: первый -- конструирование модели реальной системы, второй -- постановка экспериментов на этой модели.

При этом могут  преследоваться следующие цели:

а) понять поведение  логистической системы;

б) выбрать стратегию, обеспечивающую наиболее эффективное функционирование логистической системы.

Как правило, имитационное моделирование осуществляется с  помощью компьютеров.

Условия, при  которых рекомендуется применять  имитационное моделирование, приведены  в работе Р. Шеннона «Имитационное моделирование систем -- наука и искусство». Перечислим основные из них.

1. Не существует  законченной математической постановки  данной задачи, либо еще не  разработаны аналитические методы  решения сформулированной математической  модели.

2. Аналитические модели имеются, но процедуры столь сложны и трудоемки, что имитационное моделирование дает более простой способ решения задачи.

3. Аналитические  решения существуют, но их реализация  невозможна вследствие недостаточной  математической подготовки имеющегося персонала.

Таким образом, основным достоинством имитационного  моделирования является то, что этим методом можно решать более сложные  задачи. Имитационные модели позволяют  достаточно просто учитывать случайные  воздействия и другие факторы, которые создают трудности при аналитическом исследовании.

При имитационном моделировании воспроизводится  процесс функционирования системы  во времени. Причем имитируются элементарные явления, составляющие процесс с  сохранением их логической структуры  и последовательности протекания во времени. Модели не решают, а осуществляют прогон программы с заданными параметрами, меняя параметры, осуществляя прогон за прогоном.

Имитационное  моделирование имеет ряд существенных недостатков, которые также необходимо учитывать.

1. Исследования с помощью этого метода обходятся дорого.

Причины:

• для построения модели и экспериментирования на ней необходим высококвалифицированный специалист-программист;
• необходимо большое количество машинного времени, поскольку метод основывается на статистических испытаниях и требует многочисленных прогонов программ;
• модели разрабатываются для конкретных условий и, как правило, не тиражируются.

2. Велика возможность  ложной имитации. Процессы в логистических  системах носят вероятностный  характер и поддаются моделированию только при введении определенного рода допущений. Например, разрабатывая имитационную модель товароснабжения района и принимая среднюю скорость движения автомобиля на маршруте, равную 25 км/ч, мы исходим из допущения, что дорожные условия хорошие. В действительности погода может испортиться и, в результате наступившего гололеда, скорость на маршруте упадет до 15 км/ч. Реальный процесс пойдет иначе.

Описание достоинств и недостатков имитационного  моделирования можно завершить  словами Р. Шеннона: «Разработка и применение имитационных моделей в большей степени искусство, чем наука. Следовательно, успех или неудача в большей степени зависит не от метода, а от того, как он применяется».

3. ЭКСПЕРТНЫЕ СИСТЕМЫ  В ЛОГИСТИКЕ

Под экспертными  системами в логистике понимают специальные компьютерные программы, помогающие специалистам принимать решения, связанные с управлением материальными потоками. Экспертная система может аккумулировать знания и опыт нескольких специалистов-экспертов, работающих в разных областях. Труд высококвалифицированных экспертов стоит дорого, однако, как правило, требуется не повседневно. Возможность получить совет экспертов по разным вопросам посредством обращения к компьютеру позволяет квалифицированно решать сложные задачи, повышает производительность труда персонала и в то же время не требует затрат на содержание штата высокооплачиваемых специалистов.

Применение  экспертных систем позволяет:

• принимать быстрые и качественные решения в области управления материальными потоками;
• готовить опытных специалистов за относительно более короткий промежуток времени;
• сохранять «ноу - хау» компании, так как персонал, пользующийся системой, не может вынести за пределы компании опыт и знания, содержащиеся в экспертной системе;
• использовать опыт и знания высококвалифицированных специалистов на непрестижных, опасных, скучных и тому подобных рабочих местах.

К недостаткам  экспертных систем следует отнести  ограниченную возможность использования  «здравого смысла».

Логистические процессы включают множество операций с разнообразными грузами. Учесть все особенности в экспертной программе невозможно. Поэтому, чтобы не поставить коробку весом в сто килограммов на коробку весом в пять килограммов здравым смыслом, дополняющим знания экспертной системы, должен обладать пользователь.