Регион: Выбрать регион
Сейчас: 29 марта 11:41:51
Пятница
Время: Красноярск (GMT+7)
На главную Написать письмо Карта сайта

Оптимизация функционирования логистических цепей поставок товаров в условиях неопределенности

В статье даны методологические основы анализа и моделирования цепей поставок в рамках транспортной компании. Рассмотрена общая схема управления заказами клиентов с помощью (мультиагентных) сложных систем.

Ключевые слова: Транспортная компания, цепь поставок, мультиагентные системы, звенья цепи, агенты, управление заказами, моделирование сложных объектов и систем, полимодельный комплекс, итеративное агрегирование.

A.S. Sinitsyna

Ph.D. (Tech.), Associate professor of the

Department "Logistics transport systems and

technologies "

Moscow State University of Railway

Engineering (MIIT)

Moscow, Russia

Improving the functioning of supply chains supply of goods under uncertainty

The article presents the methodological framework for the analysis and modeling of supply chains in the transport company. The general scheme of order management clients with the help of (multi-agent) complex systems.

Keywords: Transport company, supply chain, multi-agent systems, chain links, agents, order management, modeling of complex objects and systems, Multiple-complex, iterative aggregation.

 

В условиях развития рыночных отношений, структурного реформирования ОАО «РЖД», формирования инфраструктуры товарного обращения особое внимание предпринимательских структур, предоставляющих транспортно-логистические услуги, должно быть уделено эффективным методам повышения конкурентоспособности.

Оптимизация организационно-экономической устойчивости, как основополагающего фактора повышения конкурентоспособности транспортной компании может быть обеспечена на основе методов логистики, прежде всего системного подхода. В этом случае комплексно рассматривается вся цепочка товародвижения, включая поставку сырья и реализацию готовой продукции.

В современных условиях ведущие мировые компании, предоставляющие логистические услуги, пришли к выводу, что практически единственным резервом увеличения прибыли и конкурентоспособности является: оптимизация управления цепями поставок товаров (ЦП).

Общность коммерческих интересов участников логистической транспортной цепи доставки грузов обеспечивает возможность их функциональной интеграции. Сущность логистической интеграции состоит в возможности эффективного сотрудничества отдельных субъектов транспортного рынка ради достижения общих и частных целей.

Отличие задачи планирования и управления в транспортной компании (ТК) от классических задач теории управления и исследования операций состоит прежде всего в высоком уровне неопределенности, сочетании централизованного и децентрализованного управления, большом числе неконтролируемых факторов, наличии множества критериев оптимальности, активности активных звеньев ЦП. В связи с этим возможности использования классических моделей и алгоритмов принятия решений представляются достаточно ограниченными в силу недостаточного учета активности звеньев ЦП и факторов неопределенности.

Системные модели ЦП должны учитывать принципы описания многофазных (мультиагентных) сложных систем, позволяющих осуществлять постановку, решение и получение результатов расчетов на различных классах моделей, особенности адаптивного планирования и управления для обеспечения взаимодействия этапов планирования, мониторинга и регулирования [1] - [8].

Сложность и неопределенность ЦП во многом обусловлены взаимодействием активных звеньев (предприятий) цепи. В связи с этим представляется целесообразным привлечение аппарата мультиагентных (многофазных) систем (МАС) в качестве моделирования. MAC обладает множеством свойств, которые могут быть использованы для решения задач оптимизации в ЦП.

При рассмотрении ЦП в рамках ТК агенты выступают в роли элементов моделирования, что позволяет создать единую методологическую основу анализа и моделирования ЦП.

Агент определяется целым рядом характеристик, к основным из которых относятся [4]:

•информация о параметрах выполнения процесса, например текущий уровень запасов, доступных ресурсов и т. д.);

•база знаний агента;

•функция выбора, определяющая приоритетность входящих сообщений на основе базы знаний, текущего состояния и прио­ритетов (целей) агента.

Рассмотрим общую схему управления заказами клиентов с помощью мультиагентных систем (MAC) [4]. Она состоит из агентов управления заказами (отвечают за выполнение заказа, начиная от его приема и до окончания работ), аген­тов управления процессами (отвечают за реализацию отдельных процессов для выполнения заказов) и агентов управления предприятиями (представляют отдельные звенья ЦП в общей виртуальной структуре и отвечают за выполнение на них определенных технологических операций).

Поступившую от клиента заявку принимает один из агентов управления заказами. Он идентифицирует данный заказ на основе сопоставления его параметров с одним из имеющихся в базе кодов заказа и передает данный код агентам управления процессами. На основе комплексных моделей процессов и сценариев аген­ты управления процессами определяют функциональную структуру процесса выполнения заказа (структуру ЛЦ) и передают ее агенту управления заказом, который сохраняет данную структуру и передает ее дальше агентам управления предприятиями.

Каждый из агентов управления предприятиями предлагает свои возможности для выполнения определенных технологических oпeраций (сроки, затраты и т. д.) и передает эту информацию агенту управления заказом, который на основе имитационного моделирования оценивает различные альтернативные конфигурации ЦП, выбирает наилучшую и передает ее другим группам агентов. Агенты управления процессами и агенты управления предприятиями осуществляют оперативный анализ выполнения процессов и передают данную информацию агенту управления заказом, который осуществляет функцию контроля и при отклонениях от плановых показателей вносит оперативные изменения. По выполнении заказа он сообщает об этом клиенту. Наиболее ценные знания, полученные агентами в процессе выполнения данно­го заказа, сохраняются в их памяти и используются в дальнейшей работе.

Одной из характерных особенностей современного этапа решения проблем моделирования сложных объектов и процессов является тенденция создания и исследования соответствующих комплексов взаимосвязанных моделей, отражающих с различной степенью детализации различные аспекты функционирования и взаимодействия указанных объектов и процессов друг с другом и средой [1], [6] - [7]. Другими словами, в последнее время особую значимость начинают приобретать вопросы комплексного многокритериального описания и исследования конкретных предметных областей с учетом различных факторов неопределенности воздействия среды (внутренней и внешней) на рассматриваемые процессы в ЦП. При этом корректное взаимодействие (координация) разнотипных моделей становится возможной, как правило, при использовании комбинированных методов, алгоритмов и методик, позволяющих на конструктивной основе исследовать заданные классы задач моделирования.

При проведении обобщенного описания моделей широкое распространение получила теоретико-множественная концепция математики. Данная концепция основывается на описании модели системы как некоторого отношения, заданного на множествах, или как некоторой совокупности взаимосвязанных отношений. При этом множествам придается смысл множеств реальных физических элементов систем или множеств абстрактных элементов, привлекаемых для описания процессов в системе. График определяет связи, взаимодействия этих элементов, то есть то, что объединяет элементы в единое целое. Вместе с тем в рамках теоретико-множественного подхода к моделированию систем имеется целый ряд трудностей, связанных с конструктивным описанием взаимосвязей между различными видами и типами моделей систем, проведением анализа общих свойств моделей, отсутствуют средства, позволяющие отражать многоаспектность и разномасштабность моделируемых систем.

Теория категорий и функторов предоставляет современным исследователям конструктивные способы математического описания объектов через их соответствия (морфизмы), устанавливаемые между собой. В этом случае свойства некоторого заданного математи­ческого объекта (в нашем случае модели) ЦП, которые обычно формируются через его внутреннюю структуру, достаточно конструктивно выражаются через свойства отображений этого объекта в однотипные с ним объекты.

         В полимодельных комплексах отдельные элементы и функции исследуемого объекта описываются с помощью различных классов моделей на определенном уровне детализации. Связь и переходы между моделями реализуются в виде функторов (F) [4]. Координированное применение различных моделей позволяет повысить качество моделирования за счет компенсирования недостатков одних моделей преимуществами других, Полимодельные комплексы позволяют сформировать концепцию моделирования, основанную на возможности постановки проблемы, решения задачи и представления результатов моделирования в различных классах моделей, выбираемых в соответствии с целями и задачами моделирования, характером и структурой исходных данных и т. д. Пример таких полимодельных комплексов рассмотрен в частности в [1], [8] и основан на применении итеративного агрегирования.

Библиографический список

1.  Логистические транспортно-грузовые системы: Учебник для транспортных Вузов / Под ред. В.М. Николашина. – М.: Издательский центр «Академия», 2003. – 304 с.

2.  Бурков В.Н. и др. Большие системы: Моделирование организационных механизмов/ В.Н. Бурков, Б. Данев, Т.Б. Нанева и др. - М.: Наука, 1989. - 246 с.

3.  Мессаревич М., Мако Д., Такахара И. Теория иерархических многоуровневых систем. - М.: Мир, 1973. - 344 с.

4.  Иванов Д.А. Логистика. Стратегическая кооперация. М.: Вершина, 2006. - 176 с.

5.  Ильичев А.В., Грушанский В.А. Эффективность адаптивных систем. – М.: Машиностроение, 1987. – 232 с.

6.  Бурков В.Н., Новиков Д. Теория активных систем. – М.: Синтег, 1999.

7.  Моисеев Н.Н. Математические задачи системного анализа. – М.: Наука, 1981.

8.  Интерактивное агрегирование и его применение в планировании  Под ред. Л.М. Дудкина. – М.: Экономика, 1979. – 328 с.

ИСТОЧНИК: Логистика - евразийский мост: материалы 10-й Междунар. научн.-практ. конф. (14-16 мая 2015 г., г.Красноярск); Краснояр. гос. аграрн. ун-т, - Красноярск, 2015. -   582 с. - с. 273-276


Количество просмотров: 2434
теги:

Еще публикации:




Сергей Полунин: доверенное лицо Президента

Сергей_Полунин

Полунин Сергей молод. Ему всего лишь по состоянию на февраль 2024-го, 34 года. Вместе с тем, в декабре 2023 года он попал в список доверенных лиц Владимира Путина на президентских выборах 2024 года.

23.02.2024 09:53 // 2401





Стать автором
Логин:
Пароль:
Для входа в свой аккаунт или Регистрациии, воспользуйтесь выплывающим меню
Реклама