ЛЕКЦИЯ 9. ДЕКОМПОЗИЦИЯ ЛОГИСТИЧЕСКОЙ СИСТЕМЫ

Как уже отмечалось, логистические системы функциониру­ют в условиях неопределенности окружающей среды. При упра­влении материальными потоками должны учитываться фак­торы, многие из которых носят случайный 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.

1. 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» [46].

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 (обращение с экспертными программами за короткий промежуток вре­мени формирует опытного специалиста, в то же время, задача повышения обучающих возможностей экспертных систем является сегодня актуальной, так как большинство программ не объясняют пользователю причины реко­мендуемых решений);

– 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.

Экспертные системы применяются на различных стадиях ло­гистического процесса, облегчая решение проблем, требующих значительного опыта и затрат времени. Например, на складе, при принятии решения о пополнении запасов, когда менедже­ру необходимо оценить большой объем разнообразной информа­ции: ожидаемые цены в разрезе закупаемых товаров, тарифы на доставку, необходимость одновременного пополнения запасов по разным позициям ассортимента и т. д. Использование здесь экс­пертных систем позволяет принимать не только правильные, но и быстрые решения, что зачастую не менее важно.

В качестве примера использования экспертных систем в складском хозяйстве приведем систему Inventory Management Assistant, IMA («помощник в складском менеджменте»), раз­работанную для логистического отдела Военно-воздушных сил США. Отдел обслуживает свыше 19 000 самолетов по всему ми­ру. Складская система отдела содержит 916 000 наименований запасных частей для самолетов. Цель создания IMA – помощь персоналу складов при решении задач, связанных с управлением запасами. Использование названной экспертной системы позво­лило на 8-10% повысить эффективность решения обычных про­блем. Эффективность решения вопросов в сложных ситуациях возросла на 15 - 18%.