Сейдахметов Алпысбай
к.э.н., профессор, Университет НАРХОЗ,
г.Алматы, Казахстан
E-mail: seid.alpys@yandex.ru
Тышканбаева Мансия Букарина
к.ф.-м.н, доцент КазНУ им.аль-Фараби,
г.Алматы, Казахстан
E-mail: mansya.bukar@yandex.ru
Ахметкалиева Сандигуль Кусмановна
к.т.н, доцент КазНУ им.аль-Фараби,
г.Алматы, Казахстан
E-mail: sandy-akhmetkali@mail.ru
Актуальность имитации рисковых ситуации в логистических системах обусловлено расширением круга возможностей для бизнес структур и увеличением количества участников в передвижении материальных потоков. Особенную роль данная ситуация играет в системе управлении цепями поставок, где прослеживаются связи различного характера, т.е. называемые связи контролируемые, неконтролируемые, а также просто наблюдаемые. Данный вопрос касается также и надежности цепи поставок. Практическая значимость и актуальность вопроса риск – менеджмента в логистике предприятий и цепях поставок, связано в умении оценить риск, и тем самым избежать потерь как финансовом, материальном так и временном аспекте.
Известно, что методы оценки рисковых ситуации и методология их применения на конкретные случаи в теоретическом аспекте рассмотрено на достаточно высоком уровне [1,2]. Однако конкретные задача минимизации рисковых ситуации состоит в недопущении потерь от рисков, которые осуществляются с помощью количественных и качественных методов. При оценке уровня риска особое место нужно отвести количественным методам, т.к. точность прогноза уровня риска зависит от результата принятий решении при альтернативном исходе, также и от оценки вероятности протекания риска.
Поскольку риск есть вероятностная категория, то возникает необходимость рассматривать его как вероятность возникновения определенного уровня потерь. Иными словами прибегать к имитационному моделированию рисковой ситуации, основу которого составляет метод Монте-Карло. Метод Монте-Карло является частным случаем имитационного (стохастической имитацией) моделирования и одновременно является синтезом и результатом развития численных методов, методов анализа чувствительности и анализа сценариев.
Математическая модель процесса может быть двух видов: аналитической (в виде формул) или имитационной (в виде алгоритма). Случайные параметры процесса могут быть заданы с помощью теоретических или эмпирических законов распределения для непрерывных или дискретных случайных величин. Выходные показатели (случайные величины) оцениваются как эмпирические распределения (например, в виде гистограмм), для которых в последующем могут быть подобраны соответствующие теоретические распределения. В целом схему постановки задачи имитационного процесса оценки риска можно представить в виде схемы (рис.1).
Имитационное моделирование рисков представляет собой серию численных экспериментов, с помощью которых получают эмпирические оценки степени влияния различных факторов (количество ездки, объемов груза, тарифов, цены, переменных расходов и др.) на зависящие от них показатели.
Рис. 1. Схема имитационного процесса со входными и выходными параметрами
Мнение исследователей по изучению поведения логистических систем cводятся к тому, что материальный поток является не только главной категорией логистики, но и в сочетании c понятием “управление потоком” становится основным логистическим инструментом.
Материальный поток можно охарактеризовать с помощью следующих основных параметров: начальный пункт потока (а), конечный пункт потока (b), траектория пути (S), длина пути (L), скорость перемещения объектов потока (V), время (t), промежуточные пункты (i), интенсивность потока (λ).
Пусть P– поток, LS – логистическая система. Тогда состояние потока может быть описано с помощью переменных, характеризующие его состояние (параметров) как функции от времени:
P (а, b, S, L, i, V, λ, t ) = f (t) (1)
Основным параметром, характеризующим поток, является его плотность, представляющая собой количество перемещаемых объектов в единицу времени. Объектом имитации может быть любая из переменных, характеризующая материальный поток, которая может подвергаться риску.
С точки зрения объекта управления в логистике условную классификацию потоков можно представить в виде двух укрупнённых видов потоков: детерминированных и стохастических. Детерминированные потоки (довольно редко встречается на практике) – это потоки, значения параметров которых являются определёнными на любой момент времени. Интервалы между событиями являются строго одинаковыми и равными определённой неслучайной величине. Поэтому детерминированные потоки также называют регулярными. Стохастические потоки – потоки, значения параметров которых являются случайными величинами. В том или ином состоянии система находится с некоторой вероятностью F.
Первый шаг при применении метода имитации состоит в определении функции распределения каждой переменной, которая оказывает влияние на формирование потока. При этом необходимо учитывать, что функция распределения являются нормальной. Для ее описания необходимо определить только два момента: математическое ожидание и дисперсию. Как только функция распределения определена, можно применять процедуру Монте-Карло.
Результат имитационного моделирования не имеет функциональное описание закономерностей связи параметров объекта или не «вычисляются по готовым формулам», как это имеет место при применении аналитических моделей, а являются только продуктом (статистической) обработки и интерпретации данных, наблюдаемых и фиксируемых в процессе обработки моделирующей программы на компьютере. Такой способ изучения логистических процессов принципиально не отличается от подходов, где применятся какие-либо математические модели. Поэтому имитационная модель исследуемого объекта, как объект измерений, в отличие от реальных систем, является системой «под рукой», но с некоторой идеализацией объекта.
О других особенностях применения имитационного моделирования для анализа процессов в логистических сетях рассмотрены в источниках [4] и [5].
В индустриально развитых странах применение имитационного моделирования логистических рисков является вполне обычной составной частью логистических проектов. В Западной Европе и США имеются достаточно много фирм, которые предлагают услуги такого характера. Это связано с тем, что заказчики разработку сложных (или дорогих) моделей поручают только специалистам, имеющих статус экспертов в области имитационного моделирования логистических систем, которые [4]:
- обладают базовыми инженерными и экономическими знаниями, необходимыми для понимания принципов функционирования определенных классов логистических систем;
- владеют методами системного анализа и управления проектами, необходимыми для корректной постановки задачи моделирования и организации всех этапов работ по реализации и использованию моделей;
- владеют независимыми от конкретных ПИМ общими методами имитационного моделирования, в особенности, математическими методами;
- владеют методами работы с одним или несколькими ПИМ и умеют создавать собственные компьютерные программы;
- знакомы с современными информационными технологиями, обеспечивающими интеграцию моделей в системах проектирования, планирования и управления.
В Казахстане имитационное моделирование рисков в логистических системах как вид профессиональной деятельности находится на стадии формирования и развития и известны использования следующих пакетов имитационного моделирования как ExtendSim, AnyLogic, GPSS World и GPSS/H. Поэтому в ближайшей перспективе с развитием логистических систем в республике предстоит значительная работа по использованию инновационных методов управления рисками в организации грузопотоков.
Библиографический список:
1. Толуев Ю.И, Планковский С.И. Моделирование и симуляция логистических систем/ Курс лекций 2009, kniga.seluk.ru›…toluev-plankovskiy…logisticheskih…
2. Т.Т. Ценина, Е.В. Ценина. Управление рисками: учеб. пособие / – СПб.: Изд-во СПбГЭУ, 2013. – 227 с.
3. Michael Siebrandt. Professionelles Risikomanagement in der Logistik: Praxishandbuch mit Arbeitshilfen und Beispielen. DVV Media Group/Deutscher Verkehrs-Verlag, 2010.
4. Толуев Ю.И., Некрасов А.Г., Морозов С.И. Анализ и моделирование материальных потоков в сетях поставок // Интегрированная логистика – 2005, №5, с. 7-14.
5. Толуев Ю.И. Применение имитационного моделирования для исследования логистических процессов // Имитационное моделирование. Теория и практика: Сб. Второй всероссийской научно-практической конференции – СПб.: ФГУП ЦНИИ ТС, 2005, с. 71-76.