Содержание к диссертации
Введение
Глава 1. Транспортно-экспедиционная деятельность и логистика на современном этапе 9
1.1 .Транспортно-экспедиционная деятельность 9
1.2. Транспортный сервис за рубежом 22
1.3.Экспедиционные фирмы в России 26
1.4. Логистика и логистические центры 28
1.5.Нормативная база экспедирования 37
1.6. Защита интересов экспедиторов 40
Выводы к главе 1 42
Глава 2. Теоретические основы системной интеграции 43
2.1. Изменение роли транспорта в современной экономике 43
2.2. Системный подход - методология построения организаций 45
2.3. Организация взаимодействия - основной путь совершенствования систем
2.3.1. Структурное и функциональное взаимодействие 49
2.3.2. Взаимодействие в потоковых структурах и потоковых системах 51
2.3.3. Адаптивное взаимодействие и динамические резервы 56
2.3.4.Сущность взаимодействия подсистем 59
2.4. Экспедиционная фирма, как системный интегратор 60
Выводы к главе 2 73
Глава 3. Автоматизированный интеллектуальный анализ работы перевозчиков 75
3.1. Задачи интеллектуального анализа данных 75
3.2. Методы интеллектуального анализа данных
3.2.1. Статистические методы 78
3.2.2. Нейронные сети 78
3.2.3. Системы рассуждений на основе аналогичных случаев 79
3.2.4. Деревья решений 80
3.2.5. Эволюционное программирование 80
3.2.6. Генетические алгоритмы 81
3.2.7. Алгоритмы ограниченного перебора 81
3.3.Необходимость перехода к автоматизированному анализу 82
3.4.Преимущества автоматизированного анализа 83
3.5. Автоматизированная аналитическая система, как аппарат для новых видов анализа 90
3.6. Надёжность информационно-аналитических систем 93
3.7.Расчёт глубокого прогноза с помощью информационного хранилища 95
3.7.1.Переход от ручного прогноза к автоматизированному на базе
информационного хранилища 95
3.7.2. Принципы построения информационного хранилища 98
3.7.3. Взаимодействие с оперативными базами данных 100
3.7.4. Примеры расчёта глубоких прогнозов для углублённого анализа
3.7.4.1. Расчёт прогноза образования порожних вагонов и выгрузки с помощью информационного хранилища 101
3.7.4.2. Проверка прогноза образования порожних вагонов из гружёных.. 105
3.7.5. Глубокий прогноз подвода грузов к порту с помощью информационного хранилища 107
Выводы к главе 3 ПО
Глава 4. Согласование ритмов входных и выходных потоков 112
4.1. Задачи системного интегратора по согласованию ритмов 112
4.2. Согласование ритмов за счет перераспределения однородных потоков 112
4.3. Согласование ритмов за счет ускорения и замедления продвижения
потоков 117
4.4. Особенности управления подводом потоков при наличии разных собственников подвижного состава 121
4.5. Оптимальное управление ритмами отправления 124
4.6. Согласование ритмов при случайном разбросе во времени подвода подвижного состава в пункт стыка 125
4.7. Оптимальное управление оборотом вагонов частных собственников 137
4.8. Решение практических задач использования частных вагонов 143
Выводы к главе 4 148
Глава 5. Оптимизация процессов преобразования потоков 150
5.1. Задачи оптимизации 150
5.2. Выбор метода оптимизации 150
5.3. Оптимизация с использованием имитационной модели 158
5.4. Автоматизированное управление процессами при преобразовании потоков 163
5.5. Гибкое взаимодействие станций в транспортном узле 170
5.6. Автоматизированное построение моделей оптимизации 189
5.5.1.Принципы автоматизированного построения моделей 189
5.6.2. Пути развития автоматизации 192
5.7. Логистическая организация потоков в распределенной транспортно-складской системе 199
5.7.1. Принципы логистического построения 199
5.7.2. Результаты логистического управления 200
Выводы к главе 5 209
Глава 6. Прогнозирование транспортных потоков и его влияние на выбор параметров виртуальной системы 210
6.1. Развитие методов прогнозирования 210
6.2. Опыт прогнозирования грузопотоков в плановой экономике 211
6.3. Риски при прогнозировании перевозок в рыночной экономике 214
6.4. Снижение неопределенности прогноза методом глубокого моделирования транспортно-хозяйственных связей 21
6 6.5. Экономические последствия ошибочного прогноза транспортных потоков 218
6.6. Организация автоматизированного прогноза 220
6.7.Расчёт глубокого прогноза с помощью информационного хранилища 222
Переход от ручного прогноза к автоматизированному на базе информационного хранилища 222
Выводы к главе 6 224
Глава 7. Системный интегратор как научно-производственный холдинг 226
7.1. Необходимость холдинговой структуры 226
7.2. Анализ получения синергетического эффекта 230
7.3. Выбор типа организационной структуры холдинга 234
7.4. Выбор типа корпоративного управления 240
7.5. Организация научно-производственного холдинга
7.5.1. Возникновение отдельных фирм 244
7.5.2. Примеры организации некоторых перевозок экспедиционными фирмами 258
7.5.3. Создание холдинга и организация взаимодействия в нем 262
7.5.4. Технология взаимодействия предприятий Холдинга
7.5.4.1. Технологический процесс выполнения заявок 269
7.5.4.2. Построение единых технологий 271
7.5.5. Организация договорной работы 274
Выводы к главе 7 280
л. Заключение 281
Список литературы
- Логистика и логистические центры
- Организация взаимодействия - основной путь совершенствования систем
- Автоматизированная аналитическая система, как аппарат для новых видов анализа
- Согласование ритмов при случайном разбросе во времени подвода подвижного состава в пункт стыка
Введение к работе
Актуальность проблемы. Товарный обмен и связанные с этим транспортные потоки играют важную роль в экономике развитых стран. Организация транспортных потоков требует участия не только перевозчиков, но и сервисных фирм. Организация потоков экспортных, импортных и транзитных грузов воспринималась в качестве второстепенных операций. В США при посредничестве экспедиторов организуется перевозка более 90% объемов таких грузов, в Европе на экспедиторские компании приходится 70% объемов интермодальных перевозок. В России в секторе транспортно-экспедиционного обслуживания работает в общей сложности порядка 1700 предприятий, оказывающих транспортно-экспедиционные и посреднические услуги, в большинстве своем малопрофессиональные, не имеющие четко разработанной технологии.
Исследования показывают, что 85-95% общей продолжительности логистической цепи производственного цикла товародвижения составляет ожидание обработки, транспортировки и других операций, включая нахождение на складах.
Задачей логистики является выстроить процесс доставки грузов «от двери – до двери» с минимальными потерями на стыках, с минимальными совокупными затратами и временем продвижения потока. Организацию всего процесса доставки грузов с участием нескольких перевозчиков, владельцев складов, терминалов и сервисных компаний осуществляют экспедиционные фирмы. Отсутствие достаточно разработанного теоретического обоснования этих интеграционных процессов создает ряд трудностей при установлении технологических и экономических взаимоотношений между участниками перевозок и их нормативного и законодательного сопровождения.
В качестве объекта исследования выбран процесс доставки груза «от двери до двери».
Предметом исследования является взаимодействие перевозчиков и сервисных фирм, осуществляющих преобразование потока на стыках.
Целью исследования является разработка теоретических основ системной интеграции в процессе доставки груза, когда системным интегратором является экспедитор и его рациональной организационной формой будет научно-производственный холдинг.
Научная новизна работы. Впервые обосновывается роль и функции экспедитора, как системного интегратора, создающего на время доставки груза систему из перевозчиков и сервисных фирм по преобразованию потоков. Создана теоретическая основа совершенствования логистической организации доставки грузов «от двери до двери», сформулированы принципы организационного построения и технология работы экспедиционных фирм как научно-производственных холдингов. В том числе предположены:
– принципы выбора режимов работы перевозчиков и сервисных фирм для получения синергетического эффекта;
– технология построения автоматизированных аналитических систем для определения реальных возможностей перевозчиков и сервисных фирм;
– методика расчета стратегического прогноза потоков на основе развития экономических связей;
– оптимизация преобразования потоков в припортовых транспортных узлах и в распределенных транспортно-складских системах;
– организация потоков в системе «отправитель-транспорт-получатель» – согласованный подвод к портам, рациональный подвод в условиях неопределенности, управление оборотом частных вагонов;
– закономерности построения научно-производственных экспедиционных холдингов.
Методы исследования базируются на системном подходе и на использовании аппарата оптимизации, теории случайных процессов, имитационного моделирования и теории принятия решений.
Практическая значимость. Технология системной интеграции позволит улучшить взаимодействие перевозчиков и сервисных фирм и тем самым оптимизировать логистические цепочки по доставке грузов. Это существенно снизит стыковые потери. Методика построения аналитических систем и разработанные оптимизирующие процедуры дают возможность значительно улучшить работу как собственно экспедиционных фирм, так и перевозчиков и сервисных фирм. Методология организации научно-производственных экспедиционных холдингов позволит поднять на качественно другой уровень работу сотен экспедиторов в нашей стране.
Реализация результатов работы. На основе результатов исследований был создан и работает в течение 15 лет научно-производственный холдинг «СТРАТЕГ» (современные транспортные технологии государства). Холдинг включает три экспедиционные фирмы: Уральскую транспортную компанию, Уралконтейнер и Желдорэкспедицию, а также научную фирму «Контроллинг». Технология гибкого взаимодействия станций в припортовом транспортном узле была использована при разработке проекта узла Усть-Луга. Технология рационального взаимодействия в распределенных транспортно-складских системах использована при организации потоков в системе складов Москва – Уральский регион. Технология оптимального управления оборотом частных вагонов принята к рассмотрению в Первой грузовой компании.
Апробация работы. Основные положения и результаты диссертационного исследования обсуждались и были одобрены на: восьмой Международной конференции ИНФОТРАНС-2003(Санкт-Петербург, 2003г.); Международной научно-практической конференции «Августовские чтения – 2009. Актуальные проблемы стратегического менеджмента и развитие экономики» (Магнитогорск, 2009г.); Международной научно-практической конференции «Социально-экономическое развитие хозяйственных систем в современных условиях: опыт, проблемы, перспективы» (Магнитогорск-Москва, 2010г.); Международной научно-практической конференции по проблемам экономического развития в современном мире «Устойчивое развитие российских регионов: человек и модернизация» (Екатеринбург, 2011г.); Всероссийской научно-технической конференции «Проблемы и перспективы развития железнодорожного транспорта», посвященной 125-летию Свердловской железной дороги (Екатеринбург, 2003г.); шестой Общероссийской научной конференции «Перспективы развития вузовской науки» (Сочи, 2009г.); третьей Межрегиональной конференции «Инновационные проекты Большого Урала. Глобальная экономическая нестабильность и новые источники роста российской экономики» (Екатеринбург, 2008г.); Научно-практической конференции «Наука и инновации на транспорте» (Москва, 2009г); Практическом семинаре Свердловской железной дороги «Принципиальные вопросы взаимодействия участников рынка в условиях реформирования железнодорожного транспорта» (Екатеринбург, 2010г.); Конференции «Логистика Урала 2011. Эффективные решения» (Екатеринбург, 2011г.).
Основные результаты, представляемые на защиту:
– роль экспедитора, как системного интегратора в области перевозок;
– функции системного интегратора и их обоснование;
– организация потоков в системе «отправитель-транспорт-получатель» (согласованный подвод к портам, управление оборотом частных вагонов, рациональный подвод в условиях неопределенности);
– технология эффективного преобразования потоков на стыке «перевозчик-перевозчик» (оптимизирующие процедуры в припортовых транспортных узлах и в распределенных транспортно-складских системах);
– принципы построения автоматизированных аналитических систем для определения реальных возможностей перевозчиков и преобразователей потока;
– технология расчета стратегического прогноза потоков на основе развития экономических связей;
– закономерности построения научно-производственных экспедиционных холдингов.
Публикации.
Основные положения диссертационной работы опубликованы в 39 статьях. 13 статей опубликованы в журналах, входящих в Перечень изданий рекомендованных ВАК для публикации научных результатов диссертаций.
Объем работы.
Диссертация состоит из введения, семи глав, заключения, списка использованной литературы (142 наименования), три приложения. Основной текст – 269 страниц, включая 133 рисунка и 28 таблиц.
Логистика и логистические центры
Проблемы логистики в некоторых западных странах решаются на государственном уровне. В Швейцарии функционирует Европейский центр по логистике. В ряде городов Западной Европы организованы научные и учебные центры по подготовке специалистов для этой сферы. При крупных торгово-промышленных фирмах созданы отделы по логистике. В США в настоящее время большинство фирм используют в своей производственной и коммерческой деятельности принципы логистики. О важности данной проблемы свидетельствует факт преобразования в США национального совета по физическому распределению товаров в Комитет по логистическому управлению. Уверенно внедряется логистика и в странах Восточной Европы.
Таким образом, важнейший транспортный вопрос, с точки зрения логистики, состоит в том, какой вид транспорта целесообразно использовать для перевозки грузов потребителям, а если выбирается, например, железнодорожный или автомобильный транспорт, то кому должны принадлежать транспортные средства.
Исследования показывают, что 85-95% общей продолжительности логистической цепи производственного цикла товародвижения составляет ожидание обработки, транспортировки и других операций, включая нахождение на складах [33]. Поэтому сокращение простоев и времени ожидания, возможность создания непрерывного производства может дать заметный экономический эффект. Эта работа может проводиться по таким направлениям, как применение современного подъемно-транспортного оборудования, унификация транспортируемых грузов и используемых носителей, автоматизированное управление в сочетании с электронной обработкой данных. Существенной предпосылкой для повышения качества и экономичности обращения материалов являются логистические информационные системы. Возможности современной вычислительной техники особенно благоприятны для использования в логистических цепях [46,52,75,76].
Логистика оказала больше влияния на совершенствование и улучшение организации материально-технического снабжения. Как развитие общих принципов логистики в этой области зародился принцип «точно в срок», согласно которому закупка и доставка требуемых предприятию видов сырья, материалов должны производиться в соответствии с требованиями производства в точно назначенный срок. Организация работы логистических цепочек по такому принципу позволяет уменьшить складские запасы, сократить общую продолжительность производственного цикла.
Важно соблюдение общей концепции логистики и принципа «точно в срок», что создает необходимые условия для организации работы предприятия как оптимизированной интегрированной системы, где эффективно сочетаются вопросы снабжения, производства, транспорта, складирования и сбыта продукции. Реализация этих принципов может позволить достичь значительного экономического эффекта: эксплуатационные расходы могут сократиться на 15-20%, материальные запасы на складах - до 50%. Одновременно общая продолжительность производственного цикла может уменьшиться в несколько раз.
В последнее время логистика как наука все более широко применяет средства информатики и сеть Интернет. Создание интегрированных систем материальных потоков, основанных на взаимодействии информационных и транспортных систем, рассматривается как основной путь совершенствования промышленного производства на основе выполнения требований логистики.
В США 90% транспортно-экспедиционных фирм связаны между собой и с клиентами компьютерной сетью. В Европе такая же ситуация.
В связи с переходом к новому логистическому обслуживанию клиентов транспортные предприятия претерпели большие изменения. В настоящее время они ориентируются не только на организацию непосредственно грузовых перевозок, но и по праву рассматриваются как составные части общего процесса движения грузов. Транспорт все чаще берет на себя не только чисто транспортные функции по хранению, сортировке, упаковке и распределению продукции, освобождая отправителя от сбытовых и распределительных функций. Транспорт перестает быть обособленной отраслью экономики, продающей только услуги по перемещению продукции, а выступает как производитель широкого круга логистических услуг, готовый осуществлять комплексное транспортно-экспедиционное обслуживание.
Передача логистических функций транспорту связана с увеличением доли затрат на распределение продукции в соответствии с величиной затрат на производство. На основе принципов логистики была усовершенствована система «точно в срок». Эта система за рубежом получила название SDP (планируемая программа доставки). Система является эффективной специализированной системой доставки, которая обеспечивает надежное высококачественное транспортирование грузов. Основным положением этой программы является планирование замкнутой логистической цепочки перевозок. При использовании системы на каждого из партнеров налагаются жесткие обязательства. Маршруты, разработанные транспортными службами, изменения в маршруте требуют предварительного согласования со всеми партнерами. При возникновении каких-либо проблем транспортные службы должны достаточно гибко подойти к их решению.
Примером реализации транспортной логистики является автомобильный концерн Volkswagen, который только в пределах Германии имеет потребность в перевозке более 11 млн. т грузов различного назначения в год. Ответственность за планирование и управление всеми транспортными процессами концерна возложено на его дочернее предприятие V.A.G.T. Стратегическая задача этого предприятия состоит в обеспечении материально-технического снабжения производства и поставок продукции концерна на рынки на основе следующих критериев: надежность, быстрота, экономичность. Такой подход к предпринимательской роли предприятия исключает возможность беспрепятственного и исключительного использования автомобильного транспорта, создающего дополнительные нагрузки на дороги и окружающую среду.
Напротив, в условиях традиционного сотрудничества с железными дорогами предприятие V.A.G.T. стремится полностью использовать их системные преимущества при перевозках большого количества грузов на расстояния более 150 км.
Организация взаимодействия - основной путь совершенствования систем
Понятие системы имеет длительную историю. Еще в античности был сформулирован тезис о том, что целое больше суммы его частей. Понятие системы органически связано с понятием целостности элемента, подсистемы, связи, отношения, структуры, иерархии, многоуровневости и др. [15,18,21,36,47,85,118,122].
Термин используется, когда хотят охарактеризовать сложный объект как единое целое. Обычно система определяется как совокупность элементов (объектов), объединенных некоторой формой регулярного взаимодействия или взаимозависимости для выполнения заданной функции.
Л. Фон Берталанфи определил систему как "комплекс взаимодействующих компонентов" или как "совокупность элементов, находящихся в определенных отношениях друг с другом и со средой". Эти понятия до сих пор - основа использования понятий "системы". Сделав особый акцент не на том, что целое состоит из частей, а на том, что поведение и свойства целого определяют взаимодействия его частей, Л. Берталанфи превратил понятие в основу нового, преимущественно синтетического взгляда на мир.
Вопрос о причинах образования системы является узловым в системной теории. Само вовлечение компонентов или выбор из имеющегося множества происходит до и в процессе формирования цели и происходит это на основе исходной потребности. Потребность есть причинный системообразующий фактор, а цель - функциональный фактор. Таким образом, в определение системы вносится «цель». Теория систем и системный анализ (ТССА), как отрасль науки, может быть разделена на две, достаточно условные части:
Теоретическую, использующую такие отрасли, как теория вероятностей, теория информации, теория игр, теория графов, теория расписаний, теория решений, топология, факторный анализ и др.;
прикладную, основанную на прикладной математической статистике, методах исследования операций, системотехнике и т. п. Таким образом, ТССА широко использует достижения многих отраслей науки, и этот "захват" непрерывно расширяется.
Вместе с тем в теории систем имеется свое "ядро", свой особый метод — системный подход к возникающим задачам. Сущность этого метода достаточно проста: все элементы системы и все операции в ней должны рассматриваться только как одно целое, только в совокупности, только во взаимосвязи друг с другом.
Плачевный опыт попыток решения системных вопросов с игнорированием этого принципа достаточно хорошо изучен. Локальные решения, учет недостаточного числа факторов, локальная оптимизация на уровне отдельных элементов почти всегда приводили к неэффективному в целом, а иногда и опасному по последствиям результату.
Итак, первый принцип — это требование рассматривать совокупность элементов системы как одно целое или, более жестко, — запрет на рассмотрение системы как простого объединения элементов. Второй принцип заключается в признании того, что свойства системы не просто сумма свойств ее элементов. Тем самым постулируется возможность того, что система обладает особыми свойствами, которых может и не быть у отдельных элементов.
Весьма важным атрибутом системы является ее эффективность. Теоретически доказано, что всегда существует функция ценности системы — в виде зависимости ее эффективности (почти всегда это экономический показатель) от условий построения и функционирования. Кроме того, эта функция ограничена, а значит можно и нужно искать ее максимум. Максимум эффективности системы может считаться третьим ее основным принципом.
Четвертый принцип запрещает рассматривать данную систему в отрыве от окружающей ее среды как автономную, обособленную. Это означает обязательность учета внешних связей или, в более общем виде, требование рассматривать анализируемую систему как часть (подсистему) некоторой более общей системы.
Согласившись с необходимостью учета внешней среды, признавая логичность рассмотрения данной системы как части некоторой, большей ее, мы приходим к пятому принципу — возможности (а иногда и необходимости) деления данной системы на части, подсистемы. Если последние оказываются недостаточно просты для анализа, с ними поступают точно также. Но в процессе такого деления нельзя нарушать предыдущие принципы — пока они соблюдены, деление оправдано, разрешено в том смысле, что гарантирует применение практических методов, приемов, алгоритмов решения задач системного анализа.
Все, изложенное выше, позволяет определить термин система, как многоуровневая конструкция из взаимодействующих элементов, объединяемых в подсистемы нескольких уровней для достижения единой цели функционирования (целевой функции).
Автоматизированная аналитическая система, как аппарат для новых видов анализа
Сфера применения технологии интеллектуального анализа данных ничем не ограничена - она может быть везде, где имеются данные, представляющие производственные и коммерческие процессы. Но, в первую очередь, методы интеллектуального анализа готовы воспринять руководители и аналитики предприятий и организаций, реализующих проекты по созданию хранилищ данных. Они не без основания надеются, что использование методов интеллектуального анализа данных даст им ощутимые преимущества в конкурентной борьбе.
Технологии интеллектуального анализа данных позволяют выявить пять основных типов закономерностей предметной области. Ассоциация. Если несколько событий совершаются одновременно, то говорят об ассоциации. Последовательность. Если существует цепочка связанных во времени событий, то говорят о последовательности. Классификация. С помощью классификации выявляются признаки, характеризующие группу, к которой принадлежит тот или иной объект. Это делается посредством анализа уже классифицированных объектов и формулирования некоторого набора правил.
Кластеризация. Отличается от классификации отсутствием заранее заданных групп. С помощью кластеризации средства технологии интеллектуального анализа данных самостоятельно выделяют однородные группы данных.
Прогнозирование. Основой для всевозможных систем прогнозирования служит ретроспективная информация, представляемая в хранилище данных в виде временных рядов. Если удаётся построить математическую модель, адекватно отражающую динамику изменений, то с её помощью можно предсказать и поведение системы в будущем.
Рассмотрим классификацию методов интеллектуального анализа данных и их реализацию с помощью существующих систем OLAP. Наибольшее распространение среди предметно-ориентированных аналитических методов в области исследования данных получили методы технического анализа. Они представляют собой совокупность нескольких десятков методов прогноза динамики показателей, основанных на различных эмпирических моделях динамики предметной области. Эти методы могут быть весьма просты (например, методы, использующие вычитание тренда), но могут иметь и достаточно оригинальную математическую основу.
Последние версии почти всех известных статистических пакетов наряду с традиционными статистическими методами включают также элементы технологии интеллектуального анализа данных. Однако основное внимание в них уделяется всё же классическим методикам - корреляционному, регрессионному и факторному анализу. Недостатком систем этого класса считают необходимость специальной подготовки пользователя. Также следует отметить, что мощные современные статистические пакеты слишком «тяжеловесны» для массового применения и весьма дороги. Есть ещё один принципиальный недостаток статистических пакетов, ограничивающий их применение в технологии интеллектуального анализа данных. Большинство методов, входящих в состав пакетов, опирается на статистическую парадигму, в которой главными фигурантами служат усреднённые характеристики выборки. А эти характеристики при исследовании реальных объектов часто являются фиктивными величинами.
В качестве примеров распространённых пакетов, построенных на основе статистических методов, можно назвать SAS (компания SAS Institute), SPSS (SPSS), STATGRAPHICS, STATISTICA, STADIA и другие.
Эта методология имитирует построение нервной ткани из нейронов. В одной из наиболее распространённых архитектур, многослойном персептроне с обратным распространением ошибки, имитируется работа нейронов в составе иерархической сети, где каждый нейрон более высокого уровня соединён своими входами с выходами нейронов низлежащего слоя. На нейроны самого нижнего слоя подаются значения входных параметров, на основе которых нужно принимать какие-то решения, прогнозировать развитие ситуации и т.д. Эти значения рассматриваются как сигналы, передающиеся в вышележащий слой и изменяющиеся в зависимости от числовых значений (весов), приписываемых межнейронным связям. В результате, на выходе нейрона самого верхнего слоя вырабатывается некоторое значение, которое рассматривается как ответ, реакция всей сети на введённые значения входных параметров. Для того чтобы сеть можно было применять в дальнейшем, её прежде надо «натренировать» на полученных ранее данных, для которых известны и значения входных параметров и правильные ответы на них.
Основным недостатком нейросетевой парадигмы является необходимость иметь очень большой объём обучающей выборки.
Примеры нейросетевых систем - Brain Maker (CSS), Neuro Shell (Ward Systems Group), OWL (Hyper Logic).
Идея систем рассуждений на основе аналогичных случаев (case based reasoning - CBR) на первый взгляд крайне проста. Для того чтобы сделать прогноз на будущее или выбрать правильное решение, эти системы находят в прошлом близкие аналоги сложившейся ситуации и выбирают тот же ответ, который был для них правильным. Поэтому этот метод ещё называют методом «ближайшего соседа» (nearest neighbour). Системы CBR показывают очень хорошие результаты в самых разнообразных задачах. Их основным недостатком является то, что они не создают каких-либо моделей или правил, обобщающих предыдущий опыт. Примеры использующих CRB систем - KATE tools (Acknosoft, Франция), Pattern Recognition Workbench (Unica, США).
Согласование ритмов при случайном разбросе во времени подвода подвижного состава в пункт стыка
Эффективной мерой уменьшения рассогласования ритмов в пункте стыка является управление ритмами отправления. По сути, это будет адаптивное согласование ритмов производства и потребления. Наилучшие режимы согласования Если рассогласованность ритмов поставщиков и потребителей слишком велика и транспорт, используя все возможности перераспределения потоков, ускорения и замедления перевозок, все же не может их увязать, то ДТЗЗ не имеет решения. Возникает принципиально новая задача - согласовать ритмы поставщиков и потребителей таким образом, чтобы это соответствовало возможностям транспорта. Для решения этой задачи на базе ДТЗЗ сформулирован метод динамического согласования производства и транспорта.
Введем корректирующие переменные COi(t) в пунктах производства Р;, означающие уменьшение объема производства (J; (t) и соответственно увеличение qi(t-l) на величину COi(t) с производственными расходами с,0). В качестве критерия оптимальности примем экономический критерий минимума транспортных расходов, расходов на хранение и затрат на перестройку производственных программ поставщиков: Jj+J2+J3 - тіп , (4.16) где Т Jj = J] 2 сп(0 ип(0 - транспортные расходы; (4.17) t=0 pi ,Pj&p i j T J2 = 2І zl Cij(t) Uij(t) - затраты на хранение запасов; (4.18) t=0 pieP т J j = lci(0 Щ(і) - затраты на корректировку программ t=0 pisP производства при ограничениях, задаваемых: 124 а) уравнениями динамики изменения запасов у поставщика и динамики размещения производства: щ$+1)=щ0К10- Uffiytaft+lhaft) ; (4.19) PjSP б) уравнениями динамики изменения запасов у потребителей: щ/г+1)=щ/1)+ Ui/tijJ+q/t); (4.20) PjZP в) начальными и конечными условиями: иц(0)=и„ +и/Т)=0,щ(Т)=0; (4.21) г) условиями неотрицательности переменных запасов, поставок и корректирующих переменных: иу(і) 0,і j,i = j;G)i(t) :0. (4.22) Отметим, что в МДС стоимостные параметры и параметры сети также могут изменяться внутри периода расчета.
Таким образом, при исчерпании адаптивных возможностей транспорта необходимо уменьшить рассогласование ритмов производства и потребления. Метод МДС позволяет рассчитать минимально необходимую корректировку.
Такая ситуация возникает зачастую в морских портах. Несогласованность прибытия железнодорожных составов и морских судов приводит к большим потерям. Полное согласование обеспечить трудно, ибо присутствует значительный разброс во времени хода и поездов, и судов. Однако простой вагона и задержка огромного судна не сопоставимы по экономическим последствиям. Интегратору нужно выбрать режим подвода, чтобы суммарные потери были минимальны. Поэтому надежный подвод грузов требует упреждающего отправления.
Случайный разброс может присутствовать как во времени доставки, так и во времени потребления. Это может привести к дополнительным потерям даже при согласованных режимах подвода грузов и потребления, рассчитанных с помощью ДТЗЗ или МДС. Дополнительные затраты могут быть двух типов: затраты на дополнительное хранение грузов при раннем прибытии и ущербы от недопоставки при позднем (если склад не смог играть роль согласующего демпфера).
Для формирования задачи оптимизации в стохастической постановке необходимо сделать анализ взаимодействия отправителя и получателя в случайной среде. Сделаем это на примере взаимодействия распределительного склада со складом получателя. Детерминированный спрос и случайное время доставки Пусть время доставки Тц (t) поставки Ыц (t) имеет случайный разброс (рисунок 4.5), то есть в каждый момент отправления t оно будет (Тц ± ф;(t)) , где Ту - нормативное значение, ф At) - случайная величина. В этом случае, если время доставки будет (Ту —ф:(ф, возникнет раннее прибытие и, соответственно, дополнительное хранение груза. Если же время будет (Тц Л-ф-.(І)), то появляется эффект позднего прибытия и будет ущерб от недопоставки (в общем случае). Случайная величина ф(0 имеет какое-то распределение. При этом, как правило, удельная стоимость хранения Сі значительно меньше удельного ущерба от недопоставки С2. ДТЗЗ в стохастической постановке должна учитывать этот эффект (будет рассмотрено ниже).
