Содержание к диссертации
Введение
Глава 1. Исследование особенностей коммерческой деятельности предприятий оптовой торговли. моделирование в управлении деятельностью оптового предприятия 9
1.1. Исследование и анализ коммерческой деятельности торгового предприятия 9
1.2. Анализ моделей управления запасами 24
1.3. Исследование подходов к имитационному моделированию для анализа деятельности хозяйствующего субъекта 39
1.4. Выводы к главе 1 51
Глава 2. Построение имитационной модели управления запасами оптового предприятия 52
2.1. Обоснование и выбор схемы имитационной модели управления запасами оптового торгового предприятия 52
2.2. Построение имитационной модели управления запасами оптового предприятия 63
2.3. Анализ возможностей программных сред имитационного моделирования для построения и реализации имитационной модели управления запасами оптового предприятия 72
2.4. Выводы к главе 2 92
Глава 3. Реализация имитационной модели управления запасами и анализ результатов моделирования 95
3.1. Подготовка исходных данных для реализации имитационной модели управления запасами 95
3.2. Реализация имитационной модели. верификация модели, проведение экспериментов и анализ результатов имитационного моделирования движения товарных запасов 105
3.3. Рекомендации по использованию имитационной модели для улучшения действующей системы управления запасами оптового предприятия 124
Заключение 135
Литература 138
Приложение 1 145
Приложение 2 148
Приложение 3 150
- Анализ моделей управления запасами
- Построение имитационной модели управления запасами оптового предприятия
- Подготовка исходных данных для реализации имитационной модели управления запасами
- Рекомендации по использованию имитационной модели для улучшения действующей системы управления запасами оптового предприятия
Введение к работе
Актуальность темы исследования. Бурное развитие сферы услуг в последнее десятилетие привело к значительному увеличению числа торговых предприятий. В настоящее время доля торговли в валовом внутреннем продукте (ВВП) страны составляет 18 - 20 % (данные Росстата 2006-2010 гг.). В торговле сегодня работает около 12 млн. человек, это примерно 18 % от общего количества занятых в экономике страны. Число предприятий торговли в 2010 г. составило примерно 1 млн. 790 тыс. ед., т.е. 37,1 % всех предприятий России, в том числе 26,5 % —предприятия оптовой торговли.
Исследование различных аспектов деятельности предприятий оптовой торговли показало, что одной из наиболее важных задач для этих предприятий является эффективное управление запасами. Это обусловлено тем, что на сбытовые запасы приходится основная часть вложений денежных средств и основная доля прибыли, полученной предприятием оптовой торговли. Таким образом, эффективная деятельность по управлению запасами является основным фактором обеспечения конкурентоспособности и устойчивого положения предприятия на современном рынке.
В теории управления запасами существуют две основные теоретические модели управления запасами, в которых критерием оптимизации является минимум общих издержек на поддержание запаса: модель с фиксированным размером заказа и модель с фиксированным интервалом времени между заказами. Эти теоретические модели (и их модификации) имеют широкий ряд ограничений и допущений, что затрудняет их практическое применение. Кроме того, в современных условиях не актуален приведенный выше традиционный критерий оптимизации запаса, так как возможные потери от дефицита товара оцениваются многими оптовыми предприятиями значительно выше, чем издержки на поддержание дополнительного страхового запаса; а значение организационной составляющей общих издержек, связанных с запасом, нивелируется при работе с широким ассортиментом товара.
Существующие на практике колебания спроса, возможность срыва поставок и другие факторы неопределенности означают, что для нахождения удовлетворительных решений проблем, связанных с управлением запасами, существующие аналитические модели не эффективны. Многие специалисты считают, что в условиях влияния двух и более факторов неопределенности целесообразным средством решения задач в сфере управления запасами является имитационное моделирование. Однако, для среднего и малого бизнеса, составляющего основную долю предприятий оптовой торговли, стоимость разработки решений такого уровня является слишком высокой. В данной ситуации решение проблемы видится в создании типовой имитационной модели, предназначенной для поддержки принятия решений в сфере управления запасами предприятия оптовой торговли.
Степень разработанности проблемы. Проблемам организации, анализа и повышения эффективности деятельности торговых предприятий, включая деятельность по управлению запасами, посвятили свои труды известные российские и зарубежные ученые: Аванесов Ю.А., Балабанова Л.В., Басовский Л.Е., Бауэрсокс Д.Дж., Беляев Ю.А., Бочаров В.В., Васькин Е.В., Бахрушина М.А., Волгин В.В., Герасимов Б.И., Голиков Е.А., ДаненбургВ., Денисова А.Л., Егоров В.Ф., КлочкоА.Н., Костоглодов Д.Д., Кристофер М., Лайсонс К., Линдере М.Р., Лунёва A.M., Мельник М.М., Молоткова Н.В., Панкратов Ф.Г., СаввидиИ.И., Серегина Т.К., Синяева И.М., Стаханов В.Н., Уляхин Т.М., Шерр П., Щур Д.Л. и многие другие.
В теории управления запасами основополагающей признана работа Р. Уилсона, посвященная определению оптимального объема заказа. На основе модели Уилсона многие исследователи разрабатывали методы и модели управления запасами, предназначенные для решения разнообразных задач по обоснованию экономичного объема заказа при различных стратегиях управления, по определению необходимого уровня страхового запаса, в том числе в задачах со стохастическим спросом, по управлению многономенклатурным запасом и др. Выработкой решений таких задач
занимались Волочиенко В.А., Гаджинский A.M., Инютина К.В., Канке А.А., Лукинский B.C., Микитьянц СР., МыльникВ.В., Нагапетьянц Н.А., НерушЮ.М., Рыжиков Ю.И., Стерлигова А.Н., Титаренко Б.П., Уотерс Д., Хруцкий Е.А., Чхартишвили А.Г., Шапиро Дж., Шикин Е.В., Шукаев А.И. и др.
Вместе с тем, известные методы и модели имеют множество ограничений, что значительно сужает область их применения. С другой стороны, все аналитические методы оптимизации запаса могут учесть не более 2-х факторов неопределенности. Расчеты показывают, что значения нормы страхового запаса, полученные с использованием различных методов на одинаковых исходных статистических данных, могут существенно отличаться, иногда в 7 раз.
Для расчетов и анализа в сфере управления запасами в условиях неопределенности считается целесообразным применение имитационного моделирования. Специализированные имитационные модели для решения этого круга задач разрабатываются и применяются как индивидуальные решения, в основном на крупных предприятиях . Такие модели, как правило, отражают специфику деятельности одного конкретного предприятия, и они не доступны для публичного обсуждения и/или использования.
Таким образом, актуальной является проблема разработки имитационной модели деятельности типового оптового предприятия в сфере управления запасами, предназначенной для широкого использования торговыми предприятиями, включая средние и малые. Это позволяет сформулировать цель и задачи диссертационного исследования.
Цель и задачи исследования. Целью диссертационной работы является разработка имитационной модели деятельности типового оптового предприятия, обеспечивающей поддержку принятия решений в сфере управления запасами для специалистов средних и малых оптовых предприятий.
Для достижения цели были поставлены и решались следующие задачи:
1 Лукинский B.C. Нормирование сбытовых запасов - один из логистических методов управления цепями поставок [В Интернете]. - 12.03.2012 г. - .
2Лычкина Н.Н. Имитационное моделирование экономических процессов: Учебное пособие. — М.: ИНФРА-М, 2012. - 254 с.
выявить основные факторы неопределенности, присутствующие в работе логистической цепи типового оптового предприятия и выбрать метод решения задачи оптимизации уровня запасов предприятия, обеспечивающий достоверность полученных результатов в условиях неопределенности;
определить основной критерий оптимизации товарного запаса применительно к деятельности типовых оптовых предприятий;
проанализировать методы, способствующие повышению эффективности работы с многономенклатурным ассортиментом;
разработать концепцию имитационной модели управления запасами типового предприятия оптовой торговли;
реализовать на уровне программного модуля концепцию имитационной модели деятельности типового оптового предприятия в сфере управления запасами, провести ее испытания, проверить и подтвердить адекватность имитационной модели;
разработанную имитационную модель использовать для создания группы типовых блоков «Управление запасами» в электронной библиотеке универсальной имитационной среды УИМ-1;
подготовить методические рекомендации по эксплуатации созданной модели специалистами оптовых предприятий.
Объектом исследования выступила деятельность предприятий оптовой торговли в части организации и реализации процессов управления запасами, на примере оптового предприятия, специализирующегося на продаже широкого ассортимента товаров народного потребления крупными партиями.
Предметом исследования явились математические методы и модели управления запасами для различных условий неопределенности; методы имитационного моделирования, используемые в решении экономических задач, применительно к деятельности предприятий оптовой торговли.
Теоретическую и методологическую основу исследования составили труды, посвященные имитационному моделированию экономических задач (работы Бусленко Н.П., КобелеваН.Б., Власова С.А., ДевятковаВ.В.,
Емельянова В.Ф., Карпова Ю.Г. и др.), а также исследования отечественных и зарубежных ученых в сфере управления запасами предприятия.
В исследовательской работе использовались общенаучные и специальные методы исследования: системный анализ, экономико-математическое моделирование, имитационное моделирование, а также положения теории вероятностей, математической статистики, теории управления запасами.
Область исследования. Работа выполнена в соответствии с Паспортом специальности 08.00.13 - Математические и инструментальные методы экономики
Научная новизна диссертационной работы заключается разработке имитационной модели деятельности типового оптового предприятия в сфере управления запасами. В диссертации получены и выносятся на защиту следующие результаты:
на основе анализа деятельности оптовых предприятий выявлены основные факторы неопределенности, влияющие на уровень сбытовых запасов: случайность спроса и времени поставки, возможность резервирования товара покупателем; обоснована целесообразность применения методов имитационного моделирования в качестве поддержки принятия управленческих решений в сфере управления запасами типового оптового предприятия;
сформулирован актуальный для современных условий жесткой конкуренции критерий оптимизации товарного запаса применительно к деятельности оптовых предприятий: минимальный уровень запаса, обеспечивающий бездефицитное удовлетворение потребности покупателей;
разработана методика исследования однородности структуры отгрузок при управлении многономенклатурным запасом, базирующаяся на применении метода корреляционного анализа;
разработана на концептуальном уровне, формализована и описана на языке А-систем пользователя (ЯАП) имитационная модель управления запасами типового предприятия оптовой торговли;
концептуальная модель деятельности типового оптового предприятия в сфере управления запасами (п.4) реализована программно (на языке GPSS); разработанная имитационная модель верифицирована, результаты имитации апробированы на конкретных примерах;
созданная имитационная модель внесена в электронную библиотеку имитационной среды УИМ-1 в качестве типового блока «ИМ управление запасом», который с помощью параметрической настройки позволяет имитировать динамику изменения показателей товарного запаса при варьировании условий деятельности предприятия оптовой торговли;
имитационная модель деятельности по управлению запасами типового предприятия оптовой торговли структурирована, формализована и подготовлена для ввода в различные среды, поддерживающие имитационное моделирование, в качестве типового блока (комплекса типовых блоков) для имитации основных показателей деятельности предприятия в сфере управления запасами.
Теоретическая и практическая значимость результатов работы. Теоретическая значимость результатов исследования заключается в совершенствовании, на основе использования имитационного моделирования, методического обеспечения управленческой деятельности персонала предприятий оптовой торговли, направленной на повышение эффективности работы по управлению запасами.
Практическая значимость работы состоит в возможности использования разработанной имитационной модели управления запасами на предприятиях оптовой торговли с целью оптимизации сбытового запаса этих предприятий в условиях неопределенности по заданному критерию; для повышения обоснованности принятия решений при планировании, контроле и анализе, разработке программ действий, направленных на улучшение действующей системы управления запасами. Результаты исследований доведены до конкретных алгоритмов, методик и рекомендаций, использование которых позволяет уменьшить объем страховых запасов, сократить издержки на создание и поддержание запасов, ускорить оборачиваемость запасов, улучшить другие
показатели работы предприятия, а также получить статистические данные для развития (модернизации) представленной имитационной модели. Апробация и внедрение результатов исследования:
Основные положения и результаты диссертационной работы были представлены автором в докладах на конференциях: III Всероссийская молодежная конференция по проблемам управления (ВМКПУ'2008) в Институте проблем управления им. В.А. Трапезникова РАН (7-8 апреля 2008 г.); Международная научно-практическая конференция «Инновационный путь развития РФ как важнейшее условие преодоления мирового финансового кризиса» (21-22 апреля 2009 г., г. Москва, ВЗФЭИ); Международная научно-практическая конференция «Экономика, наука, образование: проблемы и пути интеграции», посвященная 80-летнему юбилею ВЗФЭИ (26-27 октября 2010 г., г. Москва, ВЗФЭИ).
Результаты диссертации использовались для научных работ ФГБОУ ВПО «Всероссийский заочный финансово-экономический институт» по заказам Министерства образования и науки Российской Федерации в соответствии с планом фундаментальных исследований по темам: «Разработка универсального языка пользователя при имитационном моделировании сложных экономических систем. Фундаментальное исследование», «Разработка первой версии российского пакета имитационного комплекса моделирования (ИКМ) для экономических приложений».
Основные результаты исследования используются в практической деятельности ООО «ГрейдОптим» в качестве поддержки при принятии управленческих решений, направленных на оптимизацию сбытовых запасов. Это позволило предприятию увеличить оборачиваемость запасов по отдельным товарным группам на 4 - 7 %.
Материалы исследования используются кафедрой «Экономико-математические методы и модели» в ФГБОУ ВПО «Всероссийский заочный финансово-экономический институт» в преподавании учебных дисциплин «Экономико-математические методы и прикладные модели», «Математические методы в экономике».
Все результаты подтверждены соответствующими справками.
Публикации по теме диссертации. По теме исследования опубликовано 5 печатных работ общим объемом 1,7 п.л. (весь объем авторский), в том числе 3 статьи объемом 1,1 п.л. в рецензируемых научных журналах, определенных ВАК Минобрнауки России.
Структура диссертации. Диссертация состоит из введения, трех глав, заключения, списка литературы, содержащего 109 источников, и трех приложений. Общий объем работы составляет 151 страницу.
Анализ моделей управления запасами
В общем случае управление запасами в оптовом звене предполагает их нормирование, оперативный учет и контроль состояния, регулирование в зависимости от конъюнктуры рынка. Запасы должны формироваться в соответствии со спросом, а их уровень — обеспечивать бесперебойное удовлетворение потребностей покупателей.
Для обеспечения ритмичной непрерывной работы предприятия с минимальными товарными запасами отдельные виды запасов нормируются. Нормирование запасов — это установление экономически обоснованных норм запаса, необходимых для нормальной работы. Задачей нормирования является достижение рационального соотношения между необходимостью обеспечения бесперебойной (бездефицитной) работы предприятия и минимизацией издержек, связанных с «замораживанием» активов компании в запасах.
При нормировании запасов используются различные методы [102, с. 161-162)]; прямого счета, расчетно-аналитический, коэффициентный.
Метод прямого счёта основан на расчёте запасов по каждому элементу запасов с учетом изменений в уровне организационно-технического развития предприятия, в системе продвижения товара на рынке, логистической системе и системе расчетов с поставщиками и покупателями предприятия.
Расчетно-аналитический метод основан на укрупненном расчёте норматива запаса с учетом соотношения темпов роста объемов производства (продаж) и размера нормируемого запаса в предыдущем периоде.
Коэффициентный метод базируется на показателях величины нормативов предшествующего периода с учетом изменений в условиях производства, снабжения, реализации товаров и методах расчёта.
Задача управления запасами состоит в определении периодичности и размеров пополнения запасов с целью удовлетворения заданного спроса и минимизации общих затрат на поддержание запаса. Решению этой задачи служат модели управления запасами.
В зависимости от характера спроса модели управления запасами подразделяются на детерминированные и вероятностные (стохастические) [15,с.23-24; 29; 50, с.337; 68, с.134-135; 95, с.586]:
а) детерминированной называется модель, если функции, входящие в уравнение запасов, не носят случайного характера: статическая (если все параметры модели не изменяются во времени) и динамическая (если параметры изменяются во времени);
б) стохастической называется модель, если хотя бы одна функция уравнения запасов является случайной: стационарная (если функция плотности вероятности случайной величины неизменна во времени) и нестационарная (если функция плотности вероятности изменяется во времени).
В классической постановке задача управления запасом ставится следующим образом [103, с.297-299]. Пусть задана информация о поставках товара, спросе на товар, издержках и условиях хранения товарных запасов. При этом спрос d, является случайной величиной с известным законом распределения. Распределение вероятностей случайной величины dt задается непрерывной функцией распределения Р(х) с плотностью распределения f(x). Полные издержки склада пропорциональны объему хранимого запаса и/или объему дефицита, в зависимости от того, имеется ли товар на складе. Требуется определить объем заказа на пополнение запаса q,, минимизирующий средние полные издержки.
Среди наиболее применяемых в торговле моделей (систем) управления запасами выделяются три основные модели и их модификации [31, с.252-260; 36, с.101-103; 93, с.702-721]:
- модель с фиксированным размером заказа «точка заказа»;
- модель с фиксированным интервалом между заказами (система с постоянной периодичностью);
- модель управления запасами с двумя уровнями (8-8 система).
Эти модели с различной степенью детализации и модификации описаны в специализированной литературе [3, с.231-253; 6, с.105-107; 8, с.167-186; 22,с.359-371; 31, с.253-260; 50, с.336-348; 68, с.291-304; 85; 87, с.372-378]. 1.2.1.1. Модель с фиксированным размером заказа
В данной модели приняты следующие допущения;
1) рассматривается один вид товара с постоянной ценой с за единицу;
2) спрос постоянный и непрерывный с интенсивностью ё единиц товара в год;
3) организационные издержки s, связанные с выполнением заказа (оформление, доставка, разгрузка, пр.) не зависят от количества единиц товара в одной партии;
4) издержки на хранение запаса к за единицу товара в год постоянны;
5) размер заказа (партии) д единиц является постоянной величиной.
Построение имитационной модели управления запасами оптового предприятия
Результаты исследований, проведённых в предыдущем параграфе, позволили сделать вывод о целесообразности применения методов имитационного моделирования для оптимизации уровня запасов оптового предприятия, приняв критерием оптимизации минимум запаса, обеспечивающего бездефицитную работу.
При построении имитационной модели управления запасами оптового предприятия в качестве теоретической основы принимаем подход к имитационному моделированию, заложенный основателем российской школы имитационного моделирования Н.П. Бусленко, в основе которого лежат элементарные блоки, выполняющие типовые функции. При построении блок-схемы имитационной модели (ИМ) каждый значимый элемент реального объекта или процесса представляется в ИМ типовым элементарным блоком (ТЭБ), выполняющим функцию, сходную с той, которая имеет место в реальности [41, 42].
Рассмотрим процесс управления запасами исследуемого Предприятия «как есть» с позиции обеспечения достаточности информации для построения имитационной модели, целью создания которой является изучение поведения товарного запаса в условиях изменчивого спроса и колебаний интервала времени от момента размещения заказа поставщику до момента поступления товара на склад.
В работу цепи поставок включены отдельные подразделения Предприятия и элементы внешней среды — покупатели и поставщики. Подразделения Предприятия, включенные в цепь, выполняют следующие функции: Отдел продаж осуществляет взаимодействие с заказчиками, оформление заказов, согласование сроков поставки, предоставление информации складу о заказах для отгрузки на определённую дату; Отдел закупок отвечает за анализ продаж, прогнозирование спроса, контроль складских остатков, взаимодействие с поставщиками, формирование заказов на поставку, информирование склада о предстоящих поступлениях (товаре в пути); Склад осуществляет прием поступлений, хранение и учёт товара, комплектацию заказов, отгрузку укомплектованного товара покупателям.
Описанный процесс управления запасами Предприятия можно рассматривать как типовой для предприятий оптовой торговли и использовать его как базу для построения концептуальной схемы имитационной модели управления запасами, в которой должны быть учтены следующие факторы неопределенности: случайность спроса, колебания времени поставки товара поставщиком, разброс длительности резервирования товара для покупателя на время согласования заказа. Отметим, что в рассматриваемом нами частном случае исключается вероятность срыва поставок по вине Поставщика, так как роль поставщика выполняет Транзитный склад (Рис. 2.1). Таким образом, поданный Предприятием заказ на поставку товара исполняется в полном объёме и поступает на оптовый склад в полной комплектации. В общем случае вероятность невыполнения поставщиком своих обязательств отгрузить товар в необходимом объёме может быть учтена при разработке имитационной модели, однако это целесообразно только в случае работы с ненадежными поставщиками.
На концептуальном уровне имитационная модель управления запасами типового оптового предприятия представляется в виде схемы (Рис. 2.9) [33, 34, 35], которая содержит блоки, заменяющие наиболее значимые звенья цепи поставок предприятия оптовой торговли; эти блоки выполняют функции, сходные с реальными. В зависимости от реальных условий функционирования объекта и постановки задачи исследования схема может быть детализирована либо агрегирована (укрупнена). Детализированные схемы ИМ могут содержать множество элементов и иметь сложную топологию, тогда при их построении рекомендуется использовать специализированные методологии, например: IDEF0 (методология, используемая для создания функциональной модели, отображающей структуру и функции системы, а также потоки информации и материальных объектов, преобразуемые этими функциями) [74, 94], UML (Unified Modeling Language - унифицированный язык моделирования) [54]. Для создания и описания агрегированных схем (схем «верхнего уровня»), отражающих с высокой степенью абстракции только наиболее существенные объекты (агрегаты) и связи исследуемой системы, можно воспользоваться более простыми, доступными и понятными неподготовленному пользователю средствами, например программным продуктом MS Visio, являющимся расширением стандартного пакета офисных программ MS Office.
Представленная в виде блок-схемы имитационная модель (Рис. 2.9) работает следующим образом: Блок О (Покупатель) представляет собой генератор случайных чисел, который по заданной схеме или в соответствии с определённым законом распределения посылает сигнал (заявку) Блоку 1 — Менеджеру продаж. Блок 1 является агрегированным и включает в себя логический блок и блок задержки. Таким образом, Блок 1 моделирует две операции: логическую (проверка менеджером наличия необходимого количества товара на складе) и операцию задержки на время (случайная величина), необходимое для обработки заявки и согласования с Покупателем деталей отгрузки. Обработав заявку Покупателя, Блок 1 посылает сигнал (заявку на отгрузку) на Склад — Блоку 2. Блок 2 является накопителем (сумматором) и моделирует изменение складского запаса при выполнении операций отгрузки и приёмки товара. Получив сигнал от Блока 1, Склад отгружает указанное количество товара в зону комплектации, а затем покупателю, и посылает сигнал (информацию об изменении складского запаса) в Блок 1 и Блок 4 (Менеджер закупок). Менеджер закупок является логическим блоком и фактически реализует модель управления запасом, принятую на предприятии. При выполнении условия формирования заказа (точка заказа) Блок 4 посылает сигнал (заказ на поставку) в Блок 5 (Поставщик), который реализует задержку на время поставки товара. Поступление поставки на склад является сигналом для Блока 2 на изменение (пополнение) товарного запаса.
Для формализации представленной схемы ИМ составлено её описание на языке А-систем пользователя (ЯАП) (Таблица 2.3). ЯАП рассматривается как недостающее звено между глубокими знаниями особенностей моделируемого процесса, которыми владеет специалист предметной области, и навыками программиста-разработчика имитационных моделей. Теоретические основы и методика применения ЯАП подробно рассматриваются [41, 42], обзор дан в параграфе 1.3.2 настоящей работы.
Подготовка исходных данных для реализации имитационной модели управления запасами
Важным этапом в реализации имитационной модели является определение исходных значений параметров модели (всех ее блоков). Выбор исходных значений параметров напрямую связан с характером исходных статистических данных, поставляющих информацию о работе моделируемой системы «как есть». Для предварительной обработки имеющихся исходных данных широко используются методы теории вероятностей и математической статистики [15, с.15-16].
Для реализации имитационной модели (ИМ) управления запасами в соответствии с разработанной концептуальной схемой (2.2, Рис. 2.9) необходимо определить исходные значения параметров каждого блока ИМ. В агрегированном виде концептуальная схема ИМ (Рис. 3.1) удобна для восприятия параметров, функций и связей каждого из блоков ИМ [33].
1) Блок «Покупатель» является генератором случайных чисел, имитирующим интенсивность спроса (частоту поступления заказов покупателей).
Параметрами Блока О являются:
1) единица модельного времени (час, день, неделя и т.д.);
2) закон распределения спроса в моделируемом периоде;
2) Блок «Менеджер продаж» имитирует задержку во времени, необходимую для обработки и согласования поступившего заказа покупателя. Параметром блока является закон распределения времени задержки;
3) Блок «Склад» является накопителем, который имитирует изменение складского запаса во времени. Параметрами блока являются:
1) начальный уровень запаса — это уровень запаса на момент начала моделирования (шт.);
2) ёмкость накопителя (склада) — максимальная вместимость склада (шт.); это ограничение может отсутствовать;
3) текущий складской запас — это системный параметр блока Склад, отражающий текущее состояние запаса в каждый момент модельного времени. К значению этого параметра периодически происходит обращение из других блоков модели.
4) Блок «Менеджер закупок» реализует схему (модель) управления запасом, действующую на предприятии. Параметрами блока являются:
1) периодичность поверки складского запаса — интервал времени между проверками уровня товарного запаса на складе (количество дней);
2) максимальный запас — нормативное значение максимального уровня складского запаса, до которого производится пополнение склада (шт.);
3) точка заказа — установленный уровень складского остатка (запаса), определяющий необходимость размещения нового заказа поставщику (шт.).
5) Блок «Поставщик» имитирует время поставки товара (т.е. время от момента размещения заказа до поступления товара на склад). Параметром блока является закон распределения времени «отставания» пополнения склада от момента заказа (дни).
Определение исходных значений параметров блока «Покупатель»
Блок Покупатель (Рис. 3.1) генерирует транзакты (сигналы), которые должны имитировать спрос, поступающий на моделируемое предприятие оптовой торговли. Здесь и далее под транзактом будем понимать динамический объект имитационной модели, имитирующий различные потоки: информационные, материальные, событий и пр. (см. 2.3, стр. 72), что соответствует сложившейся терминологии [10, 32, 40]. В зависимости от экономического смысла, который пользователь модели назначает транзакту, определяются значения параметров блока.
1) Параметр «Единица модельного времени». Выбор единицы модельного времени основан на следующем рассуждении. Например, если транзакты ассоциируются с поступающими на предприятие заказами покупателей, частота поступления которых составляет несколько заказов в час, то за единицу модельного времени целесообразно принять одну минуту; тогда интервал между поступлениями транзактов-заказов будет задаваться в минутах. В рассматриваемом нами случае статистические данные о поступлениях заказов покупателей на предприятие отсутствуют; а имеются только итоговые данные о ежемесячных отгрузках (см. 2.1, стр.55). На основании имеющихся данных возможно получить величину среднедневного спроса, разделив величину отгрузки за месяц на фактическое количество рабочих дней в этом месяце. Тогда для имитации среднедневного спроса за единицу модельного времени принимается 1 день; в каждую единицу модельного времени (каждый день) появляется один транзакт, имитирующий среднедневной спрос.
2) Параметр «Закон распределения спроса». Для определения исходных значений этого параметра используются статистические данные о продажах (отгрузках) в рассматриваемом периоде. При исследовании характера закона распределения случайной величины спроса важное значение имеет качество исходных статистических данных (их полнота, точность, целостность, непротиворечивость, степень детализации). Как отмечалось выше, в рассматриваемом случае мы можем располагать данными о ежемесячном среднедневном спросе, поступавшем Предприятие в течение 3-х лет. В соответствии с обоснованным решением о целесообразности проведения исследований на основании данных в натуральном выражении (см. 2.1, стр. 49) вычислим среднедневной спрос. Результаты расчёта величины ежемесячного среднедневного спроса dtj, где г- году- месяц, за 3 года представлены ниже (Таблица 3.1).
Анализ исходных статистических данных показывает, что среднедневной спрос можно считать условно однородным на временных интервалах протяженностью 1 - 3 месяца. Это позволяет сделать вывод о том, что для получения адекватных результатов имитационных экспериментов следует устанавливать период времени моделирования равный количеству рабочих дней в интервале 1 - 3 месяца работы предприятия. Значения исходных параметров модели не изменяются в течение заданного периода моделирования.
Дополнительно отметим, что на основании анализа исходных статистических данных, проводимого экспертом, выявляется закон распределения спроса, который в имитационной модели может быть задан в аналитической форме, например: равномерный, треугольный, нормальный, пуассоновский или в виде таблицы, содержащей эмпирический ряд распределения случайной величины спроса.
Определение исходных значений параметров блока «Менеджер продаж»
Блок «Менеджер продаж» (Рис. 3.1) «принимает» транзакт, сгенерированный блоком «Покупатель», который имитирует среднедневной спрос. «Менеджер продаж» выполняет функцию проверки наличия товара на складе. Проверяется выполнение следующего условия: если размер заказа Покупателя, определённый в параметре входящего транзакта, меньще или равен размеру текущего складского запаса, то заказ отгружается Покупателю, в противном случае, транзакт удаляется из модели и попадает в статистику невыполненных заказов. Эта функция предопределена в имитационной модели и не требует дополнительной настройки пользователем.
Параметр «Закон распределения времени обработки заказа» является единственным параметром блока «Менеджер продаж», исходное значение которого должно быть определено пользователем модели. В реальной деятельности предприятия для согласования заказа с покупателем менеджер затрачивает некоторое время. В имитационной модели блок «Менеджер продаж» «задерживает» продвижение транзакта на заданное время. В нашем случае из-за отсутствия статистических данных по отдельным заказам покупателей значение этого параметра может быть определено только методом экспертной оценки. На основании экспертной оценки специалиста предприятия исходное значение параметра принимаем равным единице — 1 день задержки.
Рекомендации по использованию имитационной модели для улучшения действующей системы управления запасами оптового предприятия
Проведённые в предыдущих главах и параграфах исследования показывают, что многочисленные факторы неопределённости, существующие в современной экономической среде, оказывают значительное влияние на эффективность деятельности оптового предприятия в части управления запасами. К таким факторам относятся: колебания спроса, возможность задержки или срыва поставок, пр. Таким образом, решить задачу оптимизации запасов аналитическими методами, предполагающими построение адекватной вероятностной математической модели, учитывающей два и более фактора неопределенности, не представляется возможным. Для решения этой задачи построена, реализована, верифицирована и апробирована имитационная модель управления запасами типового предприятия оптовой торговли.
Представленная в настоящей работе имитационная модель позволяет находить ответы на типовые вопросы, возникающие в сфере управления запасами оптовых предприятий (оптовых баз), имеющих склад (свой или арендованный) для хранения товаров, закупаемых на собственные (заёмные) средства с целью последующей перепродажи мелкооптовым предприятиям, розничным торговцам и др. В структуре имитационной модели учтены факторы неопределенности, которые оказывают влияние на процесс товародвижения описанного выше оптового предприятия:
- спрос;
- время поставки товара;
- время резервирования товара (на период согласования заказа с покупателем);
- возможность недопоставки товара поставщиком.
Настоящие методические рекомендации по использованию представленной имитационной модели (руководство по эксплуатации) подготовлены для освоения работниками оптовых предприятий, принимающих решения в сфере управления запасами, принципов работы с имитационной моделью. Рекомендации содержат следующие разделы:
1) Сбор и обработка статистических данных, поставляющих информацию о процессе движения запасов;
2) Определение и настройка исходных параметров модели;
3) Проведение экспериментов с имитационной моделью и обработка результатов моделирования.
Статистические данные являются объективными свидетельствами выполнения операций, обеспечивающих движение товарного потока; они необходимы для определения законов распределения случайных величин: спроса, времени поставки товара поставщиком, времени резервирования товара под заказ покупателя, вероятности недопоставки товара поставщиком. Перечисленные факторы являются параметрами имитационной модели управления запасами.
При исследовании законов распределения случайных величин большое значение имеет качество исходных статистических данных: полнота, точность, степень детализации, целостность и непротиворечивость. В связи с этим при сборе и подготовке статистических данных, необходимых для обеспечения работоспособности имитационной модели и достоверности результатов экспериментов, следует учитывать следующие рекомендации.
Для определения закона распределения спроса используются статистические данные о продажах (отгрузках) в заданном периоде. Здесь важную роль играет степень детализации данных, которая может быть реализована на различных уровнях:
1) Уровень среднедневного спроса. Этот уровень характеризуется самой низкой степенью детализации и, соответственно, не даёт высокой точности результатов имитационного исследования. Для обеспечения этого уровня детализации достаточно иметь данные о ежемесячных отгрузках за несколько лет, на основании которых определяются:
- величина среднедневного спроса по месяцам для каждого года исследуемого периода &ц (где г- год, ]- месяц), которая рассчитывается делением величины отгрузки за месяц на фактическое количество рабочих дней в этом месяце;
- минимальные и максимальные значения среднедневного спроса (d-minj dmaXj) каждому -м месяце года.
Таким образом, на этом уровне детализации статистических данных делается предположение о равномерном законе распределения спроса с параметрами dmin, dmax (нижняя и верхняя границы интервала области определения случайной величины спроса).
2) Уровень дневного спроса. Для обеспечения такого уровня детализации необходимо иметь данные о ежедневных отгрузках в исследуемом периоде, например за 3 месяца. Тогда рассматривается статистический ряд ежедневных отгрузок dh в котором приблизительно 60 уровней/ наблюдений (это произведение числа рабочих дней в месяце и числа месяцев, т.е. і = 1,60). Ряд является достаточно длинным, поэтому для определения закона распределения случайной величины используются методы теории вероятностей и математической статистики.
В каждом интервале считается количество попавших в него ежедневных отгрузок dt и вычисляется вероятность такого попадания (удельный вес отгрузок в интервале в общей численности отгрузок периода наблюдений). Таблица, содержащая интервальные значения отгрузок и соответствующие им вероятности, является фактическим законом распределения случайной величины, который задан в табличной форме. Закон распределения, заданный в виде таблицы, используется для выполнения настройки соответствующего параметра имитационной модели.
В случае необходимости нахождения аналитической формы закона распределения, наиболее близкой к фактическому распределению, потребуются дополнительные исследования, которые в отдельных случаях целесообразно провести. Коротко отметим, что наиболее часто встречающимися в экономической практике законами распределения являются; равномерный, треугольный, нормальный, пуассоновский, экспоненциальный. Предположения о равномерном или треугольном законах распределения оправданы в случаях ограниченности исходных статистических данных, когда известны только границы области изменения случайной величины (нижняя и верхняя), а для треугольного распределения должен быть известен еще один параметр— мода (наиболее часто встречающееся значение признака). Принадлежность фактического распределения к нормальному приближённо оценивается при сопоставлении величин статистических характеристик признака: моды, медианы, среднего значения; в случае их близости распределение считается нормальным [22, с.356]. Близость фактического распределения к пуассоновскому определяется сравнением средней величины вариации фактора и её дисперсии. При выполнении условия: (х — а) = О распределение считается пуассоновским [22, с.356; 39,с.355].
3) Уровень заказа покупателя. Это самый высокий уровень детализации статистических данных о покупательском спросе, который предполагает сбор и накопление данных о каждом поступившем на предприятие заказе: время поступления, объем (по артикулам). Обработка данных проводится с применением описанных выше подходов; определяются частота поступления заказов и закон распределения объёма заказа, характеризующие спрос в рассматриваемом периоде. Очевидно, что процесс обработки данных на этом уровне детализации является значительно более трудоемким по сравнению с предыдущими уровнями.
Практика показывает, что разброс значений показателя «время поставки товара поставщиком» оценивается многими оптовыми предприятиями приблизительно, и точная статистика по этому показателю отсутствует. Таким образом, из-за отсутствия статистических данных применение методов математической статистики для выявления закона распределения этой случайной величины невозможно; используются методы экспертных оценок.
В целях повышения достоверности результатов имитационных экспериментов необходимо организовать сбор статистических данных: время размещения заказа поставщику, время поступления товара на склад. Эти данные позволяют получить статистическую совокупность значений показателя «продолжительность поставки» (время поставки), на основании которой выявить фактический закон распределения значений этого показателя и использовать его для настройки соответствующего параметра имитационной модели.
