Содержание к диссертации
Введение
1. Постановка задачи автоматизации процессов принятия решений при проведении торговых операций в зерновом холдинге 10
1.1. Анализ процесса принятия решений по закупке и продаже зерна в зерновых холдингах РФ 10
1.2. Анализ существующих систем и методов поддержки принятия решений для оптовой торговли на зерновом рынке 26
2. Разработка модели автоматизированного процесса принятия решений и критериев эффективности 29
2.1. Моделирование автоматизированного процесса принятия решений по проведению торгово-логистических операций на оперативном уровне 29
2.2. Критерии эффективности решений по проведению торгово-логистических операций 48
2.3. Оценка рисков торгово-логистических операций 54
3. Разработка Алгоритмов Автоматизации Принятия Решений По Проведению Торговых Операций 63
3.1. Интерактивный алгоритм принятия решений по торговле зерном 63
3.2. Модели генерации и многокритериального выбора решений 71
4. Реализация автоматизированной системы управления торгово-логистическими процессами 81
4.1. Структура и функциональный состав системы 81
4.2. Разработка и внедрение системы 86
4.3. Эффект внедрения системы 87
Заключение 95
Список литературы 97
- Анализ существующих систем и методов поддержки принятия решений для оптовой торговли на зерновом рынке
- Критерии эффективности решений по проведению торгово-логистических операций
- Модели генерации и многокритериального выбора решений
- Разработка и внедрение системы
Анализ существующих систем и методов поддержки принятия решений для оптовой торговли на зерновом рынке
Высокая значимость для России собственных эффективных зерновых и зерноперерабатывающих отраслей имеет историческую обоснованность и конкретное современное содержание. Так, Доктрина продовольственной безопасности Российской Федерации [69] в качестве критерия для оценки состояния продовольственной безопасности определяет удельный вес отечественной сельскохозяйственной продукции в общем объеме товарных ресурсов в отношении зерна — не менее 95%. Производство зерновых и продуктов их переработки формируют рынок с ежегодным оборотом около триллиона рублей [45, 46]. Масштаб и значение зерновых и зерноперерабатывающих отраслей определяют внимание к зерновому рынку не только со стороны бизнеса и государственных органов, но и отражаются в большом объеме проводимых научных, маркетинговых исследований. Участники зернового рынка - это большой спектр предприятий:
Зерновые холдинги - это вертикально-интегрированные компании [66], осуществляющие закупку, подработку, хранение, переработку и продажу зерна и хлебопродуктов. Их образование - свидетельство развития зернового рынка и одновременно один из двигателей такого развития [65]. Целью интеграции является рост капитализации, сокращение издержек и «противостояние» действующим на сельскохозяйственном рынке рискам [20]. На зерновом рынке России функционирует ряд крупных ЗК, в состав которых входит один или несколько десятков предприятий (сельскохозяйственных производств, элеваторов, мукомольных, крупяных, комбикормовых заводов) в различных регионах РФ. Среди них: ОАО «Группа «РАЗГУЛЯЙ», ООО «Зерновая компания «Настюша», ОАО «АПК «ОГО», ОАО «Группа Компаний «Русагро» и другие. Годовая выручка таких холдингов достигает нескольких миллиардов рублей [28].
На рисунке 1.1 представлены субъекты зернового рынка и обслуживающие его структуры. Связи зернового холдинга с субъектами рынка реализованы посредством торговых операций, а обслуживающие структуры обеспечивают возможность проведения торговых операций, повышение их эффективности и их регулирование. Из рисунка можно сделать вывод, что эффективность функционирования холдинга на рынке определяется эффективностью товарно-денежных отношений с субъектами рынка и использования ресурсов обслуживающих структур.
Органы государственного регулирования и контроля Финансовые структуры (банки и др.) Страховые компании Транспортные компании Маркетинговые, консультационные, информационные Экологические Научные Рекламные и другие
Рис. 1.1. Участники зернового рынка. Несмотря на значительные финансовые ресурсы зерновых холдингов и большое количество исследований, посвящённых эффективности их функционирования [75, 20], сегодняшний уровень автоматизации управления торговлей в зерновых холдингах не соответствует возможностям современных информационных технологий.
Анализ процессов управления торговлей в зерновых компаниях позволяет выделить их общие принципы и способы их организации. Так, в зависимости от горизонта планирования и значимости решаемых задач уровни управления торговлей в зерновых холдингах могут быть разделены на тактический и оперативный (рис. 1.1).
На тактическом уровне управления осуществляется планирование закупок и продаж на период от нескольких недель до года, определяются максимальные/минимальные цены закупки/продажи и другие ограничения на параметры торговых операций, осуществляется координация оперативных решений, мотивация исполнителей и контроль исполнения директивного плана. Решения этого уровня обычно принимаются руководителями торговых департаментов зерновых компаний и основываются на текущих и прогнозируемых параметрах спроса, предложения зерна и продуктов его переработки, потребностей и мощностей собственных перерабатывающих предприятий, элеваторов и других данных.
Составленные на тактическом уровне планы закупки и продажи зерна, а также другие указания, которые в совокупности формируют управляющее воздействие [29] на процесс оперативного принятия решений, далее будут называться директивным планом.
На оперативном уровне управления (рис. 1.2) принимаются решения по проведению конкретных торговых операций, осуществляются переговоры с контрагентами, сбор данных о спросе, предложении, ресурсах, необходимых для проведения торговых операций, оперативное планирование, распределение задач директивного плана между трейдерами, мотивация и контроль исполнения заключённых контрактов, анализ результатов деятельности. Управлением процессами оперативного уровня занимается руководитель оперативного звена, например, начальник или заместитель начальника департамента торговли, старший трейдер. Подготовку вариантов оперативных решений по проведению торговых операций осуществляют трейдеры или менеджеры по продажам/закупкам зерна.
Торговая операция представляет собой множество из одной и более операций закупки и/или продажи зерна, а также производственно логистических операций, необходимых для их осуществления. Производственно-логистические операции – это операции перевозки, отгрузки, приёмки, хранения и подработки зерна.
Торговая операция проводится на основании конкретных заявок контрагентов или зерновой компании. Заявки – проекты контрактов контрагентов (т.е. предложения о покупке и продаже зерна) и планы закупки и продажи зерновой компании – включают информацию о цене, порядке платежей, сроках и базисе поставки [38] и параметрах партии зерна: объёме, качестве или требований к качеству, месторасположении. Для удобства обозначения, проекты контрактов контрагентов далее будут называться заявками контрагентов, а потребности зерновой компании – планами закупок и планами продаж.
Таким образом, процесс принятия оперативных решений по закупке и продаже зерна представляет собой процесс выбора наиболее эффективного множества контрактов на основе заявок контрагентов, планов закупки и продажи с учётом производственно-логистических затрат.
По наличию прогнозируемых параметров торговые операции могут быть разделены на стохастические и детерминированные. Все непрямые операции являются стохастическими. В то же время прямые операции могут быть названы детерминированными только условно, так как такие параметры, как сроки поставок и платежей контрагентов, достаточность собственных финансовых ресурсов и др. являются вероятностными.
Критерии эффективности решений по проведению торгово-логистических операций
Ограничения (1.4) и (1.5) означают, что суммарный объём операций по заявке должен либо быть равен нулю, либо попадать в диапазон от минимального до максимального значения объёма, указанного в заявке.
В процессе принятия решений кроме определения объёмов торговых операций осуществляется уточнение и изменение условий заявок контрагентов, выбор из вариантов порядка платежей. Именно поэтому a включает не только значения объёмов операций, но и соответствующие заявки.
Фактическое и планируемое состояние оперативного плана, ресурсов и контрактов изменяется под воздействием входящих и исходящих ресурсных потоков, образованных в процессе заключения и исполнения контрактов
В каждый момент времени планируемое состояние ресурсов представляет собой разницу между ресурсами, имеющимися на данный момент времени и ресурсами, зарезервированными для заключённых контрактов, находящихся в стадии выполнения. Аналогично, состояние планов закупки и продажи U определяется не только выполненными этапами контрактов, но и этапами, находящимися в процессе выполнения. Динамика изменения состояния ресурсов и оперативного плана во времени представлена на рис. 2.3. Состояние выполнения оперативного плана и обеспеченность ресурсами на момент времени tC
Большинство входных параметров (RFMA, RFFI, RFLG, AU, CN, ANOP, ANMAR) являются вероятностными, так как вероятностным является планируемое состояние незавершённых контрактов CN зернового рынка, вероятностные характеристики которых формализованы соответственно в ANOP и ANMAR, а остальные параметры (RFMA, RFFI, RFLG, Л V) от них зависят.
Состав участников процесса принятия решений и распределение обязанностей между ними зависит от принятой в каждой конкретной зерновой компании организационной структуры оперативного уровня управления, которая может быть реализована различными способами. В данной модели предлагается структура, приведённая на рисунке 2.4, так как она позволяет отразить основные особенности, связанные с разделением труда в процессе принятии решений.
Руководитель (торговой компании, торгового отдела или другого предприятия холдинга, осуществляющего оптовую торговлю) - это ЛПР, имеющее право подписания контрактов. Руководитель осуществляет общее управление процессами сбора исходных данных, подготовки вариантов решений, заключения и контроля исполнения контрактов, принимает решение о проведении торговых операций, распределяет задачи между отделами (при их наличии, что зависит от масштаба компании) или непосредственно между трейдерами.
Руководителю может подчиняться старший трейдер (или заместитель руководителя), управляющий трейдерами и представляющий руководителю согласованные с соответствующими службами компании проекты торговых операций в виде проектов контрактов, а также обоснование целесообразности их проведения. В процессе подготовки вариантов трейдеры осуществляют переговоры с контрагентами, используют информацию о спросе, предложении, состоянии контрактов, параметрах логистических ресурсов, в подготовке которой участвуют оператор базы данных и логист. На рис. 2.5 представлена обобщённая модель процесса принятия решений, дающая представление о его этапах (прямоугольники), исполнителях (подписи под прямоугольниками) и информационных потоках (стрелки). Непосредственно процесс анализа и принятия решений состоит из этапов 2-5, этап 1 – подготовительный, этапы 6-7 осуществляются после принятия решения. Рис.2.5. Структурно-функциональная модель процесса принятия решений с
использованием СППР.
На этапе (1) сбора данных подготавливается информация о невыполненных задачах оперативного плана AU, свободных ресурсах
RFI -RMA RLG , параметрах логистических услуг SRVLG, спросе и предложении контрагентов S , D , аналитическая информация о зерновом рынке ANMAR, в СППР вводятся критерии и ограничения СТ Часть этой информации может автоматически поступать в СППР из других учётных и аналитических информационных систем, часть - вводится в СППР вручную логистом (отслеживание вагонов, процессов отгрузки и приёмки) или оператором БД.
Степень детализации и периодичность обновления оперативного плана зависит от принятой в зерновой компании модели управления оптовой торговлей. Планы закупки (продажи) представляют собой множество заявок на покупку (продажу), покупателем (
Под общим ресурсом на рис.2.3 понимаются ресурсы, выделенные на период планирования: общий объём денежных средств с учётом возможности получения дополнительных заёмных средств, складские, производственные и транспортные мощности, собственная готовая к реализации продукция. Использованный ресурс - ресурсы, израсходованные в проведённых этапах контрактов, распределённый - ресурсы, зарезервированные для проведения заключённых контрактов.
Информация о свободном ресурсе в момент времени tc может быть представлена в виде множества состояний ресурсов от момента времени tc и до последнего события изменения ресурсов в соответствии с запланированными операциями:
Модели генерации и многокритериального выбора решений
Задачей перечисления вершин наиболее подробно с 1980-х годов занимаются Дэвид Авис (David Avis, Канада) и Комей Фукуда (Komei Fukuda, Япония). Алгоритм нахождения всех вершин многогранника [2], заданного системой линейных неравенств, предложенный Ависом, основан на том, что в вершине многогранника по меньшей мере d неравенств системы (3.2.1) обращаются в равенство (d=MN в нашем случае). Каждая вершина, таким образом, может быть отождествлена с набором d индексов – порядковых номеров неравенств, обращающихся в ней в равенства. Набор таких индексов называется базисным для данной вершины, или просто базисом. Набор дополняющих индексов называется кобазисом вершины. При этом оказывается, что вершины многогранника являются соседними, если наборы их базисных индексов различаются ровно по одному индексу.
Это позволяет для данной вершины путем замены одного базисного индекса кобазисным перебрать все ее соседние вершины, далее продолжить аналогичный процесс для каждого найденного соседа и так далее. Алгоритм находит всевозможные базисы для всех вершин многогранника. Представленный алгоритм рекурсивного поиска можно описать на псевдоязыке:
Поскольку количество вершин в многограннике заранее неизвестно, а лишь может быть оценено с помощью (3.2.2), то скорость всего алгоритма описывается произведением (3.2.2) O(M3N3), и таким образом имеет экспоненциальный рост. Фактическое время работы алгоритма зависит от исходной матрицы [1, 3] и производительности ЭВМ. Ниже представлены результаты экспериментальных расчётов, основанные на данных о спросе и предложении зерна из Приложения 3.
Из таблицы видно, что время работы алгоритма экспоненциально зависит от количества неизвестных (следовательно, увеличение производительности компьютера в несколько раз или использование параллельных вычислений не даст существенного выигрыша), а сам алгоритм может использоваться ЛПР для решения задач размерности до 36-40 неизвестных. Таким образом, задача полного перечисления вершин может быть использована для генерации решений только очень ограниченно.
Однако, для повышения эффективности использования алгоритма перебора вершин предлагаются следующие его варианты применения с учётом специфики задачи, стоящей перед ЛПР:
1) разбиение матрицы на блоки (по видам товара), размерность которых не будет превышать 25 переменных. Далее – нахождение всех вершин в каждом блоке. Далее – формирование декартового произведения найденных вершин в каждом блоке. Часть решений отсеются, так как не соответствует ограничениям.
2) поиск соседних вершин, соответствующих заданным линейным ограничениям. В этом случае будет осуществляться перечисление вершин только части многогранника решений, что должно существенно сократить длительность перебора.
3) направленный поиск с учётом нелинейных ограничений или нелинейной целевой функции.
Так, в табл. 3.2.2 представлен пример поиска вершин, соседних с вершиной с максимальной MR (№0), полученной методом линейного программирования. Размерность задачи M=10, N=10. Было найдено 110 соседних вершин, некоторые из которых представлены в таблице. Из таблицы видно, что вершин с максимальным значением MR несколько (№0, №40, №75) и уже среди них есть вершины с меньшим вероятностным отвлечением денежных средств (№75). Таблица 3.2.2. Пример поиска вершин и расчёта параметров альтернатив.
Номер вершины (альтернативы) Длительность, дней Отвлечение млн. руб. дней Среднесуточное отвлечение, млн. руб. Маржинальная прибыль, млн. руб Общий объём сделок, тонн Средняя MR на 1 тонну, руб/тонн Прибыль от продаж, млн. руб. Экономия на закупках, млн. руб. ш Фга S is Ш" в 43& 5
Так как критериев оценки эффективности сделки не менее десятка [Раздел 2.2], не учитывая возможных дисконтированных и стохастических критериев, то трейдеру, прежде всего, необходимо выбрать критерии, соответствующие текущей ситуации и способ оценки альтернатив, например, за счёт введения весовых коэффициентов и отбора Парето-оптимальных групп сделок. Выбранный набор критериев должен обладать свойствами полноты, действенности, разложимости, неизбыточности и минимальности [3]. С целью автоматизации процесса генерации и выбора альтернатив разработан подалгоритм многокритериальной генерации и ранжирования альтернатив, который входит в состав обобщённого алгоритма принятия решений (шаг 12). Этот алгоритм использует оптимизационные модели банка моделей СППР - модели линейного программирования, критериями в которых являются аддитивные по v линейные критерии, предложенные во второй главе: маржинальная прибыль MR , объём выполнения планов закупок и продаж V и объём отвлечения от ресурса RW (объём отвлечения денежных средств W менее нагляден при оценке альтернатив).
Разработка и внедрение системы
В случае выбора операции OP3 проведение операции OP1 или OP2 невозможно в виду недостаточности финансовых ресурсов. В случае выбора операции OP1 одновременно с ней возможно проведение операции OP2. Показатели эффективности совокупности операций OP1 и OP2 – операции OP1,2 – приведены в табл. 2. Как видно из таблицы, часть традиционных показателей эффективности этой операции значительно лучше показателей операции OP1 или операции OP2.
В день T0+10 в СОТ поступает информация об операции OP4. Если в день T0 было принято решение о проведении операции OP3, то для проведения OP4 недостаточно денежных средств; если о проведении операции OP1,2, то операция OP4 может быть проведена. Показатели эффективности проведения совокупности операций OP1, OP2 и OP4 – операции OP1,2,4 – представлены в табл. 4.4.
В случае проведения операции OP1,2,4 за период [T0, T0+32] будет заработано на 29% больше маржинальной прибыли, чем в случае проведения OP3, и состояние СОТ на конец периода будет более выигрышным. Поэтому выбор на первом шаге операции OP1,2 (опираясь на критерии, связанные с отвлечением денежных средств), а затем проведения OP4 является более предпочтительным. Но если бы операция OP4 была не доступна (отсутствие информации, возможности осуществления), то проведение операции OP3 вместо OP1,2 принесло бы за период [T0, T0+32] на 17% больше маржинальной прибыли.
Совокупность операций OP1 , OP2, и OP4 – операция OP1 ,2,4 – обладает наилучшими показателями, характеризующими конечный результат и, хотя для её проведения недостаточно финансовых ресурсов, процент отвлечения от ресурса менее 100%. В результате переговоров с покупателем была достигнута договорённость о снижении цены продажи, взамен чего покупатель взял на себя обязательство провести итоговый платёж в более ранний срок – см. OP1 и OP1 в табл. 4.3. Таким образом, предложенная модель позволяет ЛПР, во-первых, находить варианты изменения условий купли-продажи на условиях, выгодных как для СОТ, так и для контрагентов, а во-вторых, обоснованно делать для контрагентов уступки по срокам платежей, когда отвлечённые в связи с этим средства в любом случае не были бы задействованы в обороте, что способствует росту лояльности контрагентов.
В соответствии с исследованиями The Data Warehousing Institute [16] одними из основных результатов использования систем поддержки принятия решений и анализа данных оперативного уровня являются: повышение эффективности принятия решений на оперативном уровне, прозрачности бизнеса, сокращение издержек, повышение качества данных и способность решать проблемы до их появления. В то же время основные риски внедрения таких систем связаны с архитектурными проблемами и технологическими ограничениями, так как основная сложность заключается в необходимости оперативного, в течение нескольких секунд, анализа достаточно больших объёмов данных.
В большинстве случаев заранее оценить положительный эффект от внедрения СППР очень сложно, так как основное преимущество от использования таких систем заключается не в увеличении количества решений или сокращении трудозатрат на их принятие, но в повышении качества принимаемых решений [15].
Анализ опыта внедрения СППР по торговле зерном и результаты моделирования процесса принятия решений с использованием приведённых моделей показали, что эффект от внедрения СППР заключается в следующем: повышение оперативности принимаемых решений за счёт автоматизации сбора данных, расчёта критериев, переговоров, автоматической генерации альтернатив и наглядного представления информации; использование предложенных критериев эффективности позволяет ЗК проводить большее количество торговых операций за промежуток времени, причём средняя эффективность отдельных операций по стандартным критериям (маржинальная прибыль на тонну и др.) может оказаться ниже обычной, но общая эффективность может вырасти до 5-15% и выше; расчёт рисков и использование критерия вероятности достижения цели дают ЛПР более объективное представление об ожидаемой эффективности планируемых торговых операций, а также возможность снизить риски до момента заключения контрактов. В отличие от оценки рисков на основе интуиции и опыта ЛПР имеет количественную оценку изменения рисков в ответ на изменения условий контрактов. Было показано, что эти оценки могут отличаться в несколько раз; многокритериальная генерация и ранжирование решений при достаточно большом количестве заявок (от 25 и выше) позволяет повысить эффективность решений более чем на 10%.
Эффект внедрения СППР в конкретном зерновом холдинге зависит от существующей в нём внутренней организации торговли, количества и объёмов проводимых торговых операций и надёжности контрагентов.
