WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!


 

На правах рукописи

БОЧКАРЕВ АНДРЕЙ АЛЕКСАНДРОВИЧ

ТЕОРИЯ И МЕТОДОЛОГИЯ ПРОЦЕССНОГО ПОДХОДА

К МОДЕЛИРОВАНИЮ И ИНТЕГРИРОВАННОМУ ПЛАНИРОВАНИЮ ЦЕПИ ПОСТАВОК

Специальность 08.00.05

Экономика и управление народным хозяйством:

логистика

А В Т О Р Е Ф Е Р А Т

диссертации на соискание ученой степени

доктора экономических наук

Санкт-Петербург

2009

Диссертационная работа выполнена на кафедре логистики и организации перевозок ГОУ ВПО «Санкт-Петербургский государственный инженерно-экономический университет»

Научный консультант:

доктор экономических наук, профессор

Зайцев Евгений Иванович

Официальные оппоненты:

доктор технических наук, профессор

Герами Виктория Дарабовна        

доктор экономических наук, профессор

Горев Андрей Эдливич

доктор экономических наук, профессор

Уваров Сергей Алексеевич

Ведущая организация:

ГОУ ВПО «Государственный университет – Высшая школа экономики» (г. Москва)

Защита состоится «___» __________ 2009 г. в ____ часов на заседании диссертационного совета  Д 212.219.01 при ГОУ ВПО «Санкт-Петербургский государственный инженерно-экономический университет» по адресу: 191002, г. Санкт-Петербург, ул. Марата, д. 27, ауд. 324.

С диссертацией можно ознакомиться в библиотеке ГОУ ВПО «Санкт-Петербургский государственный инженерно-экономический университет» по адресу: 196084, г. Санкт-Петербург, Московский пр., д. 103-а.

Автореферат разослан «___» _____________ 2009 г. 

Ученый секретарь

диссертационного совета,

доктор экономических наук,

профессор                               Н.В. Чепаченко

1. ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы исследования. Последние годы ознаменованы возрастанием интереса ученых и – в еще большей степени – практикующих хозяйственников к логистике и управлению цепями поставок. Глобализация рынка товаров и услуг, а также революционные изменения в информационных технологиях требуют обеспечения четкости физических потоков поставок как необходимого условия обязательной непрерывности хозяйственных процессов.

Внешняя среда, в которой осуществляются логистические операции, постоянно претерпевает изменения под воздействием изменения рынка и условий конкуренции. Для того чтобы своевременно и адекватно реагировать на эти изменения, любой компании нужна методология систематического планирования, проектирования и реинжиниринга логистической системы, позволяющая учитывать сложившиеся обстоятельства и оценивать возможные альтернативы ее развития. В проектной логистике глобального формата активно развивается новое направление – проектирование цепи поставок. Это новый вид логистических систем, управление которыми с позиций минимизации общих затрат, увеличения прибыли, улучшения обслуживания потребителей и снижения влияния на систему факторов неопределенности, называют управлением цепями поставок.

В настоящее время российские специалисты, занимающиеся логистическим планированием и моделированием цепи поставок, сталкиваются с рядом проблем, связанных с недостаточным развитием теории и методологии планирования и моделирования цепи поставок.

Во-первых, сложные, многофакторные, нестационарные процессы (материальные, информационные, финансовые и др.) требуют для своего описания и последующей оптимизации управленческих решений привлечения адекватных источников информации, мощного аналитического аппарата и современных компьютерных технологий. Несмотря на бурное развитие информационных технологий совершенствование моделей и методов планирования и моделирования цепи поставок, уточнение существующих моделей и алгоритмов и разработка новых может стать реальным путем повышения точности расчетов и эффективности принятия решений в данной области.

Во-вторых, на рубеже XX – XXI веков произошла смена парадигм в теории логистики и управления цепями поставок. На смену ресурсной парадигме пришла инновационная, в основу которой положена инфраструктурная, организационная и информационная интеграция цепи поставок. Сущность инновационной парадигмы заключается в целостном рассмотрении бизнес-процессов в цепях поставок. Новое понимание интегрированной логистики и управления цепями поставок не может привести автоматически к повышению успешности контрагентов цепи и требует развития новых концепций, методов и моделей, основанных на процессном подходе к моделированию и интегрированному планированию цепи поставок.

В-третьих, внешняя среда, в которой функционируют компании, являющиеся контрагентами в цепи поставок, характеризуется высокой степенью неопределенности и риска. Принятие решений в условиях неопределенности и риска требует применения адекватных методов моделирования. В частности, совместное применение стохастического программирования и планирования сценариев для построения и оптимизации интегрированных моделей цепей поставок, а также моделирование структурно-функциональной надежности цепи поставок является относительно новыми областями анализа, требующими своего дальнейшего развития.

Необходимость решения этих проблем и определяет актуальность проведения исследований в данном направлении.

Степень разработанности проблемы исследования. В той или иной форме теоретические и методологические вопросы, связанные с этой проблематикой, являлись предметом исследования в работах Р. Баллоу, Д. Бауэрсокса и Д. Клосса, М. Кристофера, Д.М. Ламберта, Дж. Р. Стока, Д. Уотерса, А. Харрисона, Р. ван Хоука, Дж. Шапиро, Дж. Шатта и др. Существенный вклад в разработку теории и методологии моделирования и логистического планирования внесли труды отечественных ученых: Б.А. Аникина, В.И. Бережного, Г.Л. Бродецкого, Е.В. Будриной, В.Д. Герами, А.Э. Горева, А.П. Долгова, В.В. Дыбской, Е.И. Зайцева, В.К. Козлова, П.В. Куренкова, В.С. Лукинского, Л.Б. Миротина, А.Г. Некрасова, Ю.М. Неруша, А.В. Парфенова, В.И. Сергеева, А.Н. Стерлиговой, С.А. Уварова, В.В. Щербакова и др.

Несмотря на достигнутые результаты ряд теоретических и методологических проблем связанных, в частности, с развитием процессного подхода к моделированию и интегрированному планированию цепи поставок требуют проведения дальнейших исследований.

Цель диссертационного исследования – разработка теоретических основ и совершенствование методологических положений процессного подхода к моделированию и интегрированному планированию цепи поставок.

В соответствии с поставленной целью в данной работе решались следующие задачи:

  • анализ современного состояния и перспектив развития теории логистики и управления цепями поставок;
  • анализ современного состояния и перспектив развития информационных технологий в управлении цепями поставок;
  • исследование методологических основ процессного подхода к моделированию и интегрированному планированию цепи поставок;
  • разработка иерархической классификации оптимизационных моделей управления цепями поставок;
  • разработка комплекса моделей транспортного типа, предназначенных для оптимизации доставки мелкопартионных грузов;
  • разработка интегрированных моделей цепи поставок, в том числе, транспортно-складской и производственно-транспортно-складской модели;
  • развитие теории и методологии процессного подхода к определению надежности цепи поставок, разработка модели структурно-функциональной надежности цепи поставок;
  • развитие методологии планирования доставки мелкопартионных грузов применительно к условиям крупного города, разработка алгоритм планирования доставки мелкопартионных грузов методом локализации, проведение вычислительный эксперимента, подтверждающего его эффективность.

Предметом исследования является теория и методология моделирования и интегрированного планирования цепи поставок, в частности, методы и модели оптимизации бизнес-процессов в цепях поставок, методы и модели планирования цепи поставок.

Объектом исследования являются бизнес-процессы предприятий и организаций, входящих в логистические системы (сети, цепи поставок, каналы).

Теоретической и методологической базой диссертации послужили исследования, фундаментальные и прикладные разработки отечественных и зарубежных ученых в области экономической теории, теории управления, теории логистики и управления цепями поставок, методологии моделирования и прогнозирования, теории управления бизнес-процессами, системного анализа, исследования операций и математических методов принятия решений.

В процессе диссертационного исследования были использованы методы системного, логистического и экономического анализа, исследования операций.

Научная новизна диссертационной работы заключается в следующем:

  • выявлены проблемы развития теории логистики и управления цепями поставок, доказано, что развитие теории и методологии моделирования и интегрированного планирования цепи поставок требует структуризации, совершенствования и корректировки аналитического инструментария;
  • предложены и обоснованы принципы процессного подхода к моделированию и интегрированному планированию цепи поставок, отражающие накопленные теоретические знания о развитии методов моделирования бизнес-процессов в цепях поставок;
  • разработаны положения процессного подхода к моделированию и интегрированному планированию цепи поставок, которые предусматривают интеграцию SCOR-, структурных и функциональных моделей с математическими моделями бизнес-процессов в цепях поставок, что позволило разработать алгоритм моделирования бизнес-процессов в цепи поставок;
  • исходя из результатов сравнительного анализа методов моделирования бизнес-процессов в цепях поставок определены и обоснованы факторы, влияющие на выбор того или иного метода моделирования;
  • разработана иерархическая классификация оптимизационных моделей управления цепями поставок, которая позволяет уточнить области применения  моделей, а также служит концептуальной основой для выбора метода и средства решения конкретных задач планирования бизнес-процессов в цепях поставок;
  • разработан комплекс моделей транспортного типа, предназначенных для оптимизации доставки мелкопартионных грузов, в том числе, математическая модель задачи о распределении заказов по транспортным средствам, математическая модель задачи о разбиении всей зоны обслуживания на сектора развозки;
  • уточнена математическая постановка задач транспортно-складского и производственно-транспортно-складского типа, предложено совместно использовать методы стохастического программирования и планирования сценариев, что позволяет преодолевать вычислительные проблемы, возникающие при решении данных задач;
  • уточнено понятие надежности цепи поставок, предложена концепция и разработана модель структурно-функциональной надежности, которая позволяет решить задачу обеспечения требуемой безотказности поставок с минимальными затратами;
  • разработана методика и предложен алгоритм планирования автотранспортной доставки мелкопартионных грузов методом локализации, позволяющий  эффективно с учетом всех накладываемых ограничений решать задачу разработки маршрутов автотранспортной доставки в условиях крупного города.

Практическая значимость результатов исследования состоит в том, что предложенные в работе методологические подходы, методы, модели и алгоритмы способствуют разработке и принятию обоснованных и рациональных решений в управлении цепями поставок. Использование этих методов, моделей и алгоритмов в стратегическом, тактическом и оперативном логистическом планировании позволит снизить логистические затраты и повысить эффективность бизнес-процессов.

В учебном процессе результаты исследования используются для преподавания дисциплин «Транспортировка в цепях поставок», «Логистика городских транспортных систем», «Управление проектами в логистике», «Проектирование и моделирование в транспортных системах».

Апробация работы. Результаты исследования докладывались на ряде международных и всероссийских конференций, в частности, на Международных научно-практических конференциях «Логистика: современные тенденции развития» (г. Санкт-Петербург, 22, 23 апреля 2004 г.; 21, 22 апреля 2005 г.; 20, 21 апреля 2006 г.; 16, 17 апреля 2009 г.), II Всероссийской конференции с международным участием «Инфокоммуникационные и вычислительные технологии и системы» (г. Улан-Удэ, 1-4 июля 2006 г.), IV Международной научно-практической конференции «Логистика и управление цепями поставок: современные тенденции в Германии и России» (Германия, г. Коттбус, 6-9 мая 2009 г.).

Публикации. Основные положения и выводы диссертационной работы изложены в 29 публикациях общим объемом 45,1 п.л., в том числе: двух монографиях, трех учебных пособиях, 24 научных статьях, из них 8 – в изданиях, рекомендованных ВАК РФ.

Структура работы. Диссертация состоит из введения, пяти глав, заключения, списка использованной литературы, содержащего 215 наименований, и пяти приложений.

2. ОСНОВНЫЕ РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЯ

Определено современное состояние и проблемы развития теории логистики и управления цепями поставок, доказано, что дальнейший прогресс теории и методологии моделирования и интегрированного планирования цепи поставок требует структуризации, совершенствования и корректировки существующего аналитического инструментария.

Внешняя среда, в которой осуществляются логистические операции, постоянно претерпевает изменения под воздействием изменения рынка и условий конкуренции. Для того, чтобы своевременно и адекватно реагировать на эти изменения, любой компании нужна методология систематического планирования, проектирования и реинжиниринга логистической системы, позволяющая учитывать сложившиеся обстоятельства и оценивать возможные альтернативы ее развития. В проектной логистике глобального формата активно развивается новое направление – проектирование цепи поставок. Это новый вид логистических систем, управление которыми с позиций минимизации общих затрат, увеличения прибыли, улучшения обслуживания потребителей и снижения влияния на систему факторов неопределенности, называют управлением цепями поставок.

Управление цепями поставок – это интеграция ключевых бизнес-процессов (в основном логистических), начинающихся от конечного потребителя и охватывающих всех посредников и поставщиков товаров, услуг и информации, добавляющих ценность для потребителей и других заинтересованных лиц.

Основными объектами моделирования в цепях поставок является сетевая структура и протекающие в них бизнес-процессы. Соответственно, существуют объектный и процессный подходы к определению цепи поставок.

С точки зрения объектного подхода цепь поставок – это связная структура бизнес-единиц, объединенная отношениями поставщики – фокусная компания – потребители в процессе создания и реализации товаров в рыночных условиях, имеющих ценность для конечного потребителя.

С точки зрения процессного подхода цепь поставок – это последовательность потоков и процессов, которые имеют место между различными контрагентами (звеньями) цепи и комбинируются для удовлетворения требований потребителей в товарах и услугах. Именно этот подход к моделированию и интегрированному планированию цепи поставок считается наиболее перспективным. Его развитие связано с формированием рынка потребителя и развитием аутсорсинговых технологий.

Вопрос о количестве ключевых бизнес-процессов в цепях поставок является дискуссионным. По мнению Дж. Стока и Д. Ламберта управление цепями поставок есть управление восемью ключевыми бизнес-процессами: взаимодействие с потребителем; обслуживание потребителей; управление спросом; выполнение заказов; управление производственным потоком; снабжение; разработка продукции и доведения ее до коммерческого использования; управление возвратными потоками. А. Харрисон и Р. ван Хоук в состав ключевых бизнес-процессов включают также маркетинг и розничные продажи. В SCOR-модели рассматривается пять ключевых бизнес-процессов.

SCOR-модель (Supply Chain Operations Reference-model – рекомендуемая модель операций в цепях поставок) была разработана и одобрена Советом по цепям поставок (Supply Chain Council), независимой некоммерческой организацией, как межотраслевой стандарт управления цепями поставок. SCOR-модели интегрируют в себе хорошо известные концепции реинжиниринга, бенчмаркинга и оценивания бизнес-процессов.

Независимо от количества бизнес-процессов и охватываемых каждым процессом бизнес-функций, на первое место должно быть поставлено интегрирование ключевых бизнес-процессов по всей цепи поставок и управление этими процессами. Предпосылками развития методологии процессного подхода к моделированию и интегрированному планированию в цепях поставок, по нашему мнению, являются:

  1. развитие конкуренции, вызванное переходом от рынка продавца к рынку покупателя, что послужило толчком к развитию логистики в целом и, в частности, развитию информационных технологий управления взаимоотношениями с клиентами, поставщиками и посредниками, таких как CRM (Customer Relationship Management), SRM (Supplier Relationship Managagement) и ERM (E-business Relationship Management);
  2. использование процессного подхода в качестве межотраслевого стандарта управления цепями поставок (SCOR-модели);
  3. отсутствие обобщенных, иерархически связанных математических моделей в рамках процессного подхода. SCOR-модель является описательной моделью, что является ее основным недостатком. Планирование в цепях поставок требует применения математических моделей и формальных алгоритмов в рамках процессного подхода и SCOR-моделирования.

Развитие любого научного направления, в том числе и моделирования и интегрированного планирования цепи поставок, включает в себя три этапа. Во-первых, развитие теории на основании обобщения научных исследований и практического опыта. Во-вторых, развитие методологии, понимаемой как учения о структуре, организационной логике, методах и средствах деятельности. Практически это означает, что для решения конкретной проблемы в данной предметной области необходим набор идей, формальных методов, моделей и алгоритмов. В-третьих, разработка методик решения конкретных задач с использованием формальных методов, моделей и алгоритмов.

В настоящее время методология процессного подхода к моделированию и интегрированному планированию цепи поставок еще не сформировалась полностью, что и определяет актуальность проведения исследований в данном направлении. По нашему мнению, для разрешения данной проблемы, прежде всего, следует привести в соответствие бизнес-процессы и математические модели их описывающие, разработать иерархию моделей и определить те бизнес-процессы, для которых отсутствуют адекватные математические модели. Следующий этап – разработка математических моделей, методов и алгоритмов оптимизации тех бизнес-процессов, для которых эти модели, методы и алгоритмы отсутствуют. Ряд методологических вопросов, связанных с этой проблематикой, включая модели и алгоритмы планирования и моделирования в цепях поставок, рассмотрен в работах отечественных и зарубежных ученых. Другие – требуют дальнейших теоретических исследований, составляющих основу нового, интеллектуально-аналитического направления в логистике.

Предложены и обоснованы принципы процессного подхода к моделированию и интегрированному планированию цепи поставок, отражающие накопленные теоретические знания о развитии методов моделирования бизнес-процессов в цепях поставок.

Процессный подход широко применяется в таких областях как управление качеством, управление проектами и проектирование информационных систем. Управление логистическими системами (сетями, цепями поставок, каналами) является относительно новой областью применения процессного подхода. Тем не менее, анализ функционирования логистических систем, накопленные теоретические знания о развитии методов моделирования бизнес-процессов в цепях поставок позволяют сформулировать ряд принципов процессного подхода. По нашему мнению, процессный подход к моделированию и интегрированному планированию цепи поставок базируется на следующих принципах:

  1. конкуренции цепей поставок;
  2. аутсорсинга бизнес-процессов в цепях поставок;
  3. интеграции операций и процессов;
  4. тотальных (совокупных) затрат;
  5. компенсации издержек посредникам по основным бизнес-процессам в цепях поставок;
  6. клиентоориентированности цепи поставок;
  7. нормирования рисков в цепях поставок;
  8. виртуализации запасов и резервирования каналов поставок;
  9. независимости и достаточного разнообразия бизнес-процессов;
  10. иерархичности в моделях бизнес-процессов.

При несомненной важности всех вышеперечисленных принципов следует отметить, что в основе теории процессного подхода к моделированию и интегрированному планированию цепи поставок лежит технология аутсорсинга бизнес-процессов. Интегрированное планирование цепи поставок – задача логистического оператора, который формирует структуру цепи поставок и задает требования к бизнес-процессам, поставляемым аутсорсерам. Для этого у оператора должны быть инструментальные средства для интеграции моделей разных процессов (алгоритмы интеграции моделей).

Контрагенты в цепи поставок зачастую должны использовать неоптимальные для себя бизнес-процессы в интересах всей цепи поставок. Безусловно данные контрагенты имеют право на компенсацию своих издержек, связанных с использованием неоптимальных бизнес-процессов. Поэтому, вторым важнейшим принципом является принцип компенсации издержек посредникам по основным бизнес-процессам в цепях поставок.

В процессе моделирования и интегрированного планирования цепи поставок должно быть обеспечено достаточное разнообразие сценариев бизнес-процессов. Отдельные бизнес-процессы должны быть независимыми и оптимальными с позиций их владельца. Эти условия являются необходимыми, поскольку позволяют решать задачи моделирования для не связанных между собой бизнес-процессов. Таким образом, третьим важнейшим принципом является принцип независимости и достаточного разнообразия бизнес-процессов.

Разработаны положения процессного подхода к моделированию и интегрированному планированию цепи поставок, которые предусматривают интеграцию SCOR-, структурных и функциональных моделей с математическими моделями бизнес-процессов в цепях поставок, что позволило разработать алгоритм моделирования бизнес-процессов в цепи поставок.

Различия между процессным и объектным подходами к моделированию цепи поставок отражены в табл. 1. По нашему мнению, данные различия заключаются в следующем. Во-первых, независимо от метода моделирования (SCOR-, структурное или функциональное моделирование) при процессном подходе всегда разрабатываются описательные модели. Возможности оптимизации бизнес-процессов в рамках описательных моделей ограничены, что является основным недостатком данного подхода. В рамках объектного подхода разрабатываются математические модели, как правило, сетевые графы или модели математического программирования. Например, разработку плана автотранспортной доставки или оптимизацию размещения распределительного центра можно выполнить путем создания и оптимизации соответствующей модели линейного (ЛП) или нелинейного программирования (НЛП).

Во-вторых, при процессном подходе используются различные уровни описания процессов. Например, SCOR-модель включает в себя три уровня детализации процессов (глобальный уровень, конфигурационный уровень и элементный уровень), функциональная модель в нотации IDEF0 включает в себя контекстную диаграмму и диаграммы декомпозиции (количество уровней декомпозиции в данной модели может быть произвольным). В рамках объектного подхода независимо от вида модели, которой представлен объект моделирования, описание этого объекта является всегда одноуровневым. Как правило, цепи поставок представляют собой большие и сложные динамических систем, одноуровневое описание которых представляет собой серьезную проблему. По нашему мнению, именно метод описания объекта моделирования является основным недостатком объектного подхода к моделированию цепи поставок.

Сравнительный анализ двух подходов к моделированию цепи поставок позволяет сделать следующие выводы:

  1. процессный подход является более гибким в плане описания объекта моделирования, так как предполагает различные уровни детализации (декомпозиции) бизнес-процессов в цепях поставок;
  2. опираясь на описательные модели в рамках процессного подхода сложно выполнить оптимизацию бизнес-процессов, поэтому необходимо на основании SCOR-моделей, структурных или функциональных моделей разрабатывать математические модели бизнес-процессов. Например, в управлении проектами моделью верхнего уровня является структура разбиения работ  (Work Breakdown Structure – WBS), на основании ее разрабатываются сетевая модель проекта, которая преобразуется в модель линейного программирования и оптимизируется для нахождения критического пути в сетевом графе (см. табл. 1).

Аналогичный подход, по нашему мнению, может быть использован при моделировании цепи поставок. Общий алгоритм моделирования бизнес-процессов в цепи поставок представлен на рис. 1. Сначала должны быть разработаны описательные модели – SCOR-модель или функциональная модель бизнес-процесса, на основании которой должна разрабатываться математическая модель, позволяющая оптимизировать бизнес-процесс по определенным показателям (критериям). Затем необходимо провести анализ данной модели с точки зрения возможности получения аналитического решения и численного результата. Если аналитическое решение получить невозможно или сложно, то в этом случае модель следует изучать с помощью имитационного моделирования. Заканчивается процесс моделирования анализом результатов расчетов и их применением для решения исходной проблемы. В данном алгоритме реализуются принципы процессного и системного подходов к моделированию цепи поставок. Следует заметить, что процесс решения сложной проблемы за­нимает достаточно продолжительное время, в течение которого, вообще го­воря, может измениться как само содержание исходной проблемы, так и на­личие необходимых для ее решения ресурсов. Поэтому на схеме, предлагаемого алгоритма,  предусмотрен отдельный этап – коррекция и доработка модели, который может начать выполняться с любого момента изменения исходной ситуации или в результате возникновения признаков неадекватности модели на любом из этапов моделирования.

Таблица 1

Процессный и объектный подходы к моделированию цепи поставок

Подходы к моделированию / типы моделей

Методы моделирования

Продвижение товаров в цепи поставок

Поставщик

Снабжение

Производство

Дистрибуция

Клиент

Процессный подход / описательные модели

SCOR

Структурное

Функциональное

Объектный подход / математические модели

Сетевое

Аналитическое

Рис. 1. Алгоритм моделирования бизнес-процессов в цепи поставок

Исходя из результатов сравнительного анализа методов моделирования бизнес-процессов в цепях поставок определены и обоснованы факторы, влияющие на выбор того или иного метода моделирования.

Предложенный алгоритм моделирования бизнес-процессов в цепи поставок (см. рис. 1) предполагает использование различных методов для разработки качественных (описательных) моделей бизнес-процессов. В связи с этим возникает проблема выбора метода моделирования наиболее целесообразного в каждом конкретном случае. При всем многообразии различных графических нотаций (стандартов), используемых при функциональном моделировании систем и процессов, наибольшее распространение получили диаграммы функционального моделирования IDEF (Integration Definition for Function Modeling) в рамках общей методологии структурного анализа SADT (Structured Analysis and Design Technique) и диаграммы потоков данных DFD (Data Flow Diagrams). IDEF0 и DFD – методы структурного моделирования материальных и информационных систем, IDEF3 – метод потокового моделирования материальных и информационных систем. Перечисленные методики являются универсальными средствами моделирования систем и процессов. На сегодняшний день единственным специализированным методом моделирования бизнес-процессов в цепях поставок является SCOR-моделирование.

Сравнительный анализ методов моделирования бизнес-процессов в цепи поставок представлен в табл. 2. Основными факторами, влияющими на выбор метода моделирования являются: спектр возможностей того или иного метода, цель моделирования, инструментальная поддержка моделирования. С точки зрения широты спектра возможностей, безусловно, универсальные методы функционального моделирования превосходят метод SCOR-моделирования. Это превосходство заключается в неограниченном количестве уровней декомпозиция бизнес-процессов и более гибком формате представления модели в виде структурных диаграмм IDEF0, IDEF3, DFD.

С точки зрения цели моделирования выбор не столь очевиден. Например, если целью моделирования является разработка или модернизация конфигурации цепи поставок, то, безусловно, целесообразно использовать методику SCOR-моделирования, предназначенного именно для этой цели. Если моделирование преследует другие цели, например, описание одного бизнес-процесса, разработка или модернизация информационной системы компании, то целесообразно использовать методы функционального моделирования, так как они являются более гибкими и имеют инструментальную поддержку в виде программных продуктов, предназначенных для проектирования материальных и информационных систем (AllFusion Process Modeler, ARIS). Кроме того, в AllFusion Process Modeler имеется возможность преобразования диаграммы IDEF0 в сетевую модель, а диаграммы IDEF3 в имитационную модель, для чего используют технологию экспорта данных из AllFusion Process Modeler в MS Project и пакет имитационного моделирования Arena, соответственно.

Таблица 2

Сравнительный анализ методов моделирования бизнес-процессов

в цепи поставок

Возможности /

Инструментальная среда

Метод моделирования

SCOR

Функциональное

Поддерживаемый стандарт

SCOR

IDEF0, IDEF3, DFD

Ограничение на количество объектов на диаграмме

Нет

От 2 до 8 функциональных блоков (в AllFusion Process Modeler)

Возможность декомпозиции

Ограниченная декомпозиция: глобальный уровень (типы процессов), конфигурационный уровень (категории процессов), элементный уровень (декомпозиция процессов)

Неограниченная декомпозиция. Возможность декомпозиции на различные типы моделей

Формат представления моделей

SCOR-карта, процессная SCOR-модель, географическая модель цепи поставок

Структурные диаграммы IDEF0, IDEF3, DFD

Вид анализа

Описание состояния процесса «как есть» и определение будущего процесса «как должно быть».

Анализ функционирования аналогичных компаний и установление целевых показателей на основе лучших результатов.

Анализ лучшей практики

Описание состояния процесса «как есть» и определение будущего процесса «как должно быть».

Анализ информационной полноты и достоверности.

Анализ методической корректности функциональной модели.

Функционально-стоимостной анализ

Цель моделирования

Описание деятельности фокусной компании в цепи поставок (географическое размещение производства, товарные потоки, организационная структура).

Разработка / модернизация конфигурации цепи поставок

Описание одного бизнес-процесса.

Описание деятельности компании с различных точек зрения.

Разработка / модернизация информационной системы компании

Инструментальная среда

Нет

AllFusion Process Modeler,

ARIS

Возможность преобразования SCOR-модели / функциональной модели в математическую модель

Нет

Преобразование диаграммы IDEF0 в сетевую модель

(AllFusion Process Modeler + MS Project).

Преобразование диаграммы IDEF3 в имитационную модель (AllFusion Process Modeler + Arena)

Разработана иерархическая классификация оптимизационных моделей управления цепями поставок, которая позволяет уточнить области применения  моделей, а также служит концептуальной основой для выбора метода и средства решения конкретных задач планирования бизнес-процессов в цепях поставок.

Вопросы классификации моделей и методов теории логистики рассматриваются в ряде работ, однако, многие попытки классификации и систематизации моделей и методов, возможных для использования в логистике, а следовательно, и определение сфер их применения, выглядят довольно хаотично. Например, в модель включаются разные по измеримости массивы информации, совершенно несопоставимые друг с другом; переменные модели очень условны; отсутствуют ограничения, которые и должны определить решаемость модели, ее реалистичность.

Проведенное исследование используемых в логистике экономико-математических моделей и методов позволяют сделать вывод о том, что необходимо уточнение существующих классификаций. В результате предложена иерархическая классификация моделей управления цепями поставок, представленная на рис. 2.

На верхнем уровне иерархии все модели предлагается делить «по бизнес-функциям» на два типа: модели учета издержек (транзакционные) и модели операций (аналитические).

Дальнейшая классификация разрабатывалась только для моделей операций, которые на втором уровне иерархии предлагается делить «по степени определенности» на два класса: детерминированные и неопределенные.

На третьем уровне иерархии предлагается делить модели на группы «по математическим свойствам». При этом детерминированные модели будут подразделяться на линейные, нелинейные и многоцелевые модели, а неопределенные модели – на модели принятия решений, игровые модели, модели управления запасами, модели прогнозирования, модели систем массового обслуживания и  имитационные модели.

На четвертом уровне предлагается делить все оптимизационные модели «по охватываемому временному интервалу» на статические (однопериодные) и динамические (многопериодные).

На пятом уровне предлагается деление всех статических и динамических моделей «по виду переменных» на четыре подгруппы: с непрерывными переменными, с целочисленными переменными, с булевыми переменными, с переменными смешанного типа, т.е. одна часть переменных является непрерывными, а другая часть целочисленными или булевыми. Такие модели в специальной литературе называют также моделями смешанного программирования.

Рис. 2. Классификация оптимизационных моделей

управления цепями поставок

На шестом уровне предлагается делить все оптимизационные модели (и статические, и динамические) «по бизнес-процессам» на следующие группы: планирования снабжения, производственного планирования, планирования распределения, транспортные и интегрированные модели цепей поставок, в частности, транспортно-складская модель, производственно-транспортно-складская модель, интегрированная модель цепи поставок и маркетинга, интегрированная модель цепи поставок и финансового планирования и др.

В настоящее время появились новые исследования в области теории и практики проектирования нечетких систем и неопределенного программирования. В данных работах, в частности, наряду со стохастическим программированием рассматриваются также нечеткое программирование, неточное программирование, нечетко-случайное программирование, случайно-нечеткое программирование и другие виды неопределенного программирования. К построению различных моделей неопределенного программирования приводит различие в математических свойствах величин, отражающих неопределенность. Этот новый взгляд на классификацию моделей «по степени определенности» нашел отражение на рис. 2.

Классификация неопределенных моделей не представлена рис. 2, но она, по нашему мнению, должна соответствовать общепринятой классификации. Например, модели принятия решений, подразделяются «по предположениям о поведении природы» на три подгруппы: модели принятия решений в условиях определенности, модели принятия решений в условиях риска и модели принятия решений в условиях неопределенности. Модели прогнозирования подразделяются «по категориям» на причинно-следственные модели и модели временных рядов.

По нашему мнению, основных свойств базовых компонентов модели (переменных, ограничений, целевой функции) оказывается вполне достаточно для классификации большинства конкретных моделей оптимизации цепей поставок, встречающихся на практике. Представленная выше иерархическая классификация моделей управления цепями поставок, позволяет глубже понять, где применяются и как используются те или иные модели, а также служит концептуальной основой для адекватного выбора метода и средства решения конкретных задач того или иного класса.

Разработан комплекс моделей транспортного типа, предназначенных для оптимизации доставки мелкопартионных грузов, в том числе, математическая модель задачи о распределении заказов по транспортным средствам, математическая модель задачи о разбиении всей зоны обслуживания на сектора развозки.

В диссертации рассматривается подкласс задач целочисленного линейного программирования, которые в исследовании операций получили наименование задачи транспортного типа. Интерес к этим задачам обусловлен не только спецификой их формализации и прикладной значимостью, но и рядом других причин, среди которых отметим следующие.

Во-первых, для задач транспортного типа естественным и удобным является их графическое представление в виде графа специального вида. Это представление в ряде случаев позволяет преобразовать к задачам транспортного типа даже такие задачи исследования операций, которые на первый взгляд не имеют с ними ничего общего, например, задачу о назначениях, и использовать для их решения эффективные вычислительные алгоритмы.

Во-вторых, транспортные модели часто включаются в качестве подмоделей в интегрированные транспортно-складские и производственно-транспортно-складские модели, имеющие большое прикладное значение в логистике и управлении цепями поставок.

Как правило, в специальной литературе по исследованию операций транспортную задачу линейного программирования связывают с перевозками массовых однородных грузов. По нашему мнению, модели транспортных задач могут с успехом применяться и при оптимизации доставки мелкопартионных грузов. В диссертации показано, что модели транспортных задач могут с успехом применяться и при оптимизации доставки мелкопартионных грузов. Рассмотрен процесс создания и оптимизации подобных моделей на конкретных примерах.

В диссертации рассмотрена локальная задача обеспечения поставок мелкопартионных грузов, предложена математическая постановка задачи о распределении заказов по транспортным средствам и методика ее решения. Особенностью данной задачи является то, что клиенты компактно расположены внутри одного территориального района и обеспечиваются с одного склада. Такое упрощение имеет практическое обоснование. Во-первых, при договоре аренды автомобиля часто обговаривается район его использования и время, но не оговаривается последовательность объезда грузоотправителей и грузополучателей по строгому маршруту следования. Во-вторых, в связи с постоянными изменениями ситуации на дорогах, маршруты следования транспортных средств изменяются. В-третьих, если клиенты расположены компактно, то эффект от оптимальной маршрутизации незначительный.

Предположим, что нам необходимо обеспечить множество клиентов грузами в количестве . Для перевозки грузов может быть задействовано множество автомобилей . Каждый j-й автомобиль характеризуется грузоподъемностью и затратами на использование . Введем переменные , принимающие значение . Очевидно, что принимает значение 1, если i-й клиент включен в рейс j-го автомобиля, и значение 0, если i-й клиент не включен в рейс j-го автомобиля. Введем дополнительные переменные , принимающие значения:

и рассмотрим задачу математического программирования с булевыми переменными:

(1)

при ограничениях

(2)

Целевая функция (1) равна реальным транспортным расходам. Первая группа ограничений в системе (2) нам гарантирует, что все клиенты будут обслужены. Вторая группа ограничений в (2) одновременно гарантируют обслуживание только арендованными автомобилями и удовлетворение условий грузоподъемности. Третья группа ограничений в (2) ограничения на количество обслуживаемых одним автомобилем клиентов L, которые косвенно учитывают ограничения по времени доставки. Условие двоичности переменных и выражены в последних двух строках системы ограничений (2). Данная задача относится к классу обобщенных задач о назначениях (Generalized Assignment Problem – GAP).

В диссертации предложены математические модели, являющиеся дальнейшим развитием проблемы маршрутизации автотранспортной доставки при перевозках мелкопартионных грузов. Данные модели позволяют более полно учитывать транспортные расходы, индивидуальное время обслуживания для каждого клиента, использовать различные критерии при решении данной задачи.

Предложена методика «локализации» задачи автотранспортной доставки, т.е. разбиение клиентов на сектора развозки и решение локальной задачи внутри каждого сектора; дана математическая постановка задачи разбиения всей зоны обслуживания на сектора развозки, целевая функция которой минимизирует протяженность маршрутов доставки.

Сущность задачи о разбиении клиентов на сектора развозки состоит в том, чтобы всех имеющихся клиентов разбить на отдельные непересекающиеся подмножества так, чтобы общая величина спроса всех клиентов в каждом подмножестве не превышала заданной предельной величины, и при этом протяженность маршрутов была бы минимальной.

Тогда математическая постановка задачи о разбиении всей зоны обслуживания на локальные сектора развозки может быть сформулирована следующим образом:

,  (3)

при ограничениях:

(4)

где r – общее количество подмножеств разбиения, равное количеству имеющихся транспортных средств; – расстояние между i-м и j-м клиентами; – булевы переменные (, если i-й клиент входит в k-е подмножество разбиения, и , если i-й клиент не входит в k-е подмножество разбиения); – количество груза, которое требуется доставить i-му клиенту; w – максимально допустимый суммарный вес заказов всех клиентов в данном подмножестве разбиения, равный грузоподъемности транспортного средства.

Первое строка в системе ограничений (4) означает то, что клиент обязательно принадлежит одному из подмножеств (зоне обслуживания), вторая строка в системе ограничений (4) гарантирует, что общий вес заказов всех клиентов в одной зоне не более w. Последнее ограничение в системе (4) обеспечивает выполнения общего условия – переменные должны принимать булевы значения.

Таким образом, задача о разбиении всей зоны обслуживания на сектора развозки сформулирована как задача булева программирования.

Уточнена математическая постановка задач транспортно-складского и производственно-транспортно-складского типа, предложено совместно использовать методы стохастического программирования и планирования сценариев, что позволяет преодолевать вычислительные проблемы, возникающие при решении данных задач.

В управлении цепями поставок важное прикладное значение имеют модели смешанного линейного программирования: транспортно-складская модель и производственно-транспортно-складская модель. Они создаются путем построения множества подмоделей, поэтому относятся к классу интегрированных моделей цепи поставок. При создании и оптимизации таких моделей возникает ряд проблем, связанных с математической постановкой задачи, выбором критерия оптимизации, методов и средств решения задачи. Анализ литературных источников показывает, что для интегрированных моделей цепи поставок, как правило, дается частная математическая постановка задачи. В работе дана общая постановка транспортно-складской и производственно-транспортно-складской задачи.

Транспортно-складской задачей называют задачу о размещении центров распределения (складов), сформулированную и представленную в виде модели смешанного программирования.

Рассмотрим математическую постановку задачи. Введем двоичные переменные решения   и положим , если склад j арендуется и – нет, .

Введем следующие обозначения коэффициентов переменных модели линейного программирования:

ежемесячная стоимость аренды j-го склада;

– количество автофургонов, отправленных со склада j в регион i;

– средние транспортные издержки на отправку одного автофургона со склада j в регион i;

– пропускная способность (мощность) j-го склада;

– спрос i-го региона (рынка).

Таким образом, математическая постановка данной задачи имеет следующий вид.

Найти минимум целевой функции

  (5)

при ограничениях

(6)

Первая строка в системе ограничений (6) – это ограничения по пропускной способности (мощности) складов. Если , то со склада j невозможно отправить ни один автофургон. Вторая строка в (6) гарантирует удовлетворение спроса в i-м регионе. Третье и четвертое ограничения – традиционные для классической транспортной задачи ограничения на неотрицательность и целочисленность  переменных . Последнее ограничение указывает, что переменная должна быть двоичной.

Таким образом, очевидно, что представленная модель относится к группе интегрированных моделей цепей поставок и содержит две подмодели: транспортную модель и складскую модель или модель выбора варианта размещения склада.

Производственно-транспортно-складской задачей называют задачу оптимизации сетевой структуры цепи поставок, сформулированную и представленную в виде модели смешанного программирования.

Сети поставок крупных компаний являются сложными системами, характеризующимися большим количеством элементов и различными типами взаи­мосвязей между ними, многомерный анализ которых требует добавления существенных деталей о процессах, ресурсах, мощностях и затратах в каналы распределения. Данная информация может быть получена в результате оптимизационного моделирования сетей поставок.

Логика построения модели данной задачи представлена на рис. 3.

Рис. 3. Логика построения производственно-транспортно-складской модели

На рис. 3. представлены следующие подмодели: 1 – модель производства существующего завода; 2 – модель производства нового завода; 3 – модель транспортирования; 4 – модель продаж.

Введем следующие обозначения коэффициентов и переменных модели математического программирования:

– множество индексов рынков сбыта;

– множество индексов видов продукции;

– множество индексов заводов;

– множество индексов используемых производственных ресурсов;

– множество индексов периодов планирования;

издержки на единицу j-ой продукции на k-м заводе;

переменные объем производств j-ой продукции на k-м заводе в течение года;

транспортные затраты на поставку единицы j-ой продукции на i-й рынок с k-го завода;

переменные величина поставок j-ой продукции на i-й рынок с k-го завода в течение года;

цена единицы j-ой продукции;

количество l-го ресурса на k-м заводе;

дополнительное количество l-го ресурса на k-м заводе при расширении завода;

суммарная величина продаж j-ой продукции на всех рынках;

продажи j-ой продукции на i-м рынке;

максимальный объем продаж j-ой продукции на i-м рынке;

инвестиции на расширение существующего завода, произведенные в году t;

инвестиции на строительство нового завода, произведенные в году t;

инвестиции на создание нового изделия ;

бинарные переменные, соответствующие выбранному варианту инвестиционного решения относительно затрат на расширение существующего или строительство нового завода;

бинарные переменные, соответствующие выбранному варианту инвестиционного решения относительно затрат на создание нового продукта.

Тогда модель производственно-транспортно-складской задачи можно представить в следующем виде:

  (7)

где сумма дисконтированного чистого дохода; дисконтированный чистый доход за год t; чистый доход за год t; годовая ставка процента.

Функция чистого дохода в целевой функции (7) представляет собой модель следующего вида:

(8)

при ограничениях

  (9)

  (10)

Функция (8) представляет собой чистый доход за год t, который вычисляется путем вычитания из валового дохода с продаж издержек производства, стоимости транспортировки с заводов на рынки, инвестиционных затрат на расширение существующего завода, строительство нового завода и создание нового изделия.

Система ограничений (9) является локальной, т.е. переменные и константы определены в рамках конкретного года t рассматриваемого периода планирования. Первая группа ограничений в системе (9) – это ограничения для модели производства. Если значение переменной , то доступны ресурсы в количестве . Если значение переменной , т.е. инвестиции в расширение существующего или строительство нового завода произведены в данном году, то доступны дополнительные ресурсы в количестве .

Вторая и третья группа ограничений в системе (9) – это ограничения для модели транспортирования. Первое из этих ограничений – ограничение по предложению, которое равно величине производства j-го изделия на k-м заводе . Второе ограничение в модели транспортирования означает, что величина поставки изделий на соответствующий рынок не должна превышать прогноза максимальных продаж j-го изделия на i-м рынке . Замыкают систему (9) ограничения на неотрицательность и целочисленность переменных и .

Система (10) – это ограничения на глобально определенные переменные и . Первое ограничение в (10) указывают на то, что инвестиции на расширение существующего завода и на строительство нового завода могут быть осуществлены только один раз в течение рассматриваемого периода планирования. Второе ограничение в (10) указывает на то, что инвестиции в производство нового продукта могут быть осуществлены либо на существующем, либо на новом заводе. Последние два ограничения в (10) указывают на то, что переменные и являются булевыми.

При нахождении численного решения данной задачи возникает ряд вычислительных проблем. Во-первых, модель (7)-(10) относится к классу моделей смешанного программирования т.к. в целевую функцию и ограничения входят целочисленные переменные и , наряду с булевыми переменные и . Во-вторых, данная модель является динамической, охватывающей несколько временных периодов. В-третьих, это модель стратегического планирования, предназначенная для анализа решений по различным сценариям, следовательно, она является стохастической.

Эти проблемы лежат в области теории математического программирования и связаны с тем, что для решения задач смешанного программирования в настоящее время не разработаны достаточно мощные эффективные с вычислительной точки зрения алгоритмы поиска решения. В настоящее время активно развивается относительно новая область анализа стратегий – планирование сценариев. В диссертации предлагается совместно использовать методику планирования сценариев и стохастическое программирование для нахождения оптимального решения производственно-транспортно-складской задачи.

Уточнено понятие надежности цепи поставок, предложена концепция и разработана модель структурно-функциональной надежности, которая позволяет решить задачу обеспечения требуемой безотказности поставок с минимальными затратами.

Практика применения технологий и управленческих моделей SCM выявила серьезные проблемы в обеспечении надежности цепей поставок. В частности, это касается методов резервирования услуг, оценки безотказности при их реализации и формировании моделей структурной (схемной) надежности, описания и оценивания рисков разрыва цепей поставок, оценивания функциональных рисков в цепях поставок путем моделирования и других. В диссертационной работе рассматривается одно из направлений в развитии моделей оптимизации планирования поставок с учетом надежности (безотказности) исполнения этих планов. Предложенный подход и реализующий его алгоритм позволяют решить задачу обеспечения требуемой безотказности поставок, установленной на стадии нормирования, с минимальными затратами.

       Обеспечение требуемой безотказности в процессных моделях цепей поставок типа SCOR связано с необходимостью резервирования каналов поставок. Для этого требуется разработать функциональную модель сети поставок, эквивалентную ей модель структурной надежности и определить понятия функционального (операционного) отказа.

Рассмотрим ситуацию, возникающую при реализации технологии JIT - Just in Time.  Пусть поставки осуществляются консолидировано, в виде одной отправки. Функциональный отказ определяется как событие, состоящее в превышении планового времени t0 поставки заказа объемом Q0. При этом F(t>t0) – вероятность превышения планового времени исполнения заказа в полном объеме. Пусть P0(t0) – заданная вероятность безотказной работы. Для обеспечения этого уровня безотказности необходимо сформировать сеть из n  каналов путем анализа рынка поставщиков и оценки их потенциальных функциональных возможностей. Функциональное условие безотказности i-го канала поставок будет определяться выражением

  (11)

где i – потенциальная интенсивность поставок по i-му каналу.

       Из (11) следует, что в сети возможны два типа каналов: основные – с возможным объемом поставок qi = it0 Q0 и вспомогательные – не обеспечивающие самостоятельно требуемый объем поставок за плановое время. Вспомогательные каналы можно объединять в цепочки на условии

(12)

Из основных каналов и цепочек вспомогательных каналов формируется сеть поставок с последовательно-параллельной схемой структурной надежности. Оптимальный план поставок находится в результате решения задачи математического программирования.

Найти минимум целевой функции

  (13)

при ограничениях

(14)

где Ci, qi – себестоимость и возможный объем (мощность) поставок по i-ой цепочке соответственно (qi= it0);  P(t t0) – безотказность поставок, определенная по модели структурной надежности.

Функциональная модель поставок. Схему организации поставок рассмотрим на примере обеспечения процесса «Source» в классической SCOR-модели (рис. 4). Пусть в результате решения задачи нормирования определено требование к безотказности , которое оговаривается с ответственным поставщиком или оператором поставки (поставщиком 1-го уровня). При невозможности выполнения контрактных условий самостоятельно ответственный поставщик формирует на принципах аутсорсинга сеть поставщиков 2-го уровня, которые, в свою очередь, могут формировать на тех же принципах сети 3-го, 4-го  и т.д. уровня. Под отказами в рассматриваемой сети поставок понимаются независимые события, состоящие в нарушении контрактных условий по одному или нескольким функциональным параметрам. Например, таким, как время, последовательность, комплектность или объем поставки, как в данной модели (см. рис. 4).

Рис. 4. Функциональная схема сети поставок:

Q0 – требуемый объем поставок за плановое время t0; Pi, qi, Ci – вероятность безотказной работы, мощность и себестоимость поставок по i-му каналу соответственно

       Модель структурной надежности. Пусть под функциональным отказом понимается разрыв цепи из-за поставки ниже уровня спроса Q0. Для обеспечения требуемой безотказности ответственный поставщик формирует собственную сеть из поставщиков 2-го уровня с каналами разной мощности {q1, q2, … qn}, удельной стоимости {С1, С 2, … С n} и надежности поставок {P1, P 2, … P n}. При этом сеть должна обеспечивать безотказность поставок по объему Q0 за плановое время t0 не ниже P0 с минимальными затратами S0. Оптимальный план поставок в этом случае находится в результате решения задачи математического программирования:

  (15)

при ограничениях

(16)

где: – постоянные затраты на обслуживание каналов поставок;

– функция, определяемая схемой структурной надежности.

       Данная модель обеспечивает гибкость поставок с заданной безотказностью за счет возможности регулирования объемов поставок по каналам. Издержки регулирования определяются постоянными затратами на обслуживание задействованных каналов. Проблемой является расчет безотказности, требующий составления схемы структурной надежности, эквивалентной функциональной модели поставок. Сложность заключается в большом количестве возможных функциональных состояний системы, особенно в многоуровневых сетях поставок. Поэтому следует объединять поставщиков в цепочки на условии возможности совместно обеспечивать требования к установленным критериям функциональности.

Допустим в системе управления поставками, имеющей трех независимых поставщиков 2-го уровня мощностью  q1, q2 и q3 необходимо обеспечить поставки объемом Q0. Причем  q1 > Q0, q2 < Q0 и  q3 < Q0 , но q2 + q3 > Q0. На рис. 5 представлены функциональная (а) и эквивалентная ей структурная (б) схемы поставок для данной задачи. По схеме (б) находим .

Рис. 5. Функциональная (а) и эквивалентная ей модель

структурной надежности (б)

       Для аутсорсинговых технологий в процессной модели управления поставками характерны простые одноуровневые функциональные схемы:

  1. с n-каналами неограниченной мощности;
  2. с n-каналами ограниченной мощности, превышающей спрос

;

  1. с наличием m-каналов ограниченной мощности, меньшей спроса

.

Эквивалентными этим моделям схемы структурной надежности будут последовательно-параллельными.

       Задача (15)-(16) относится к задачам с ограниченной, но превышающей спрос мощностью каналов (второй тип). При этом отказ системы управления поставками происходит при отказе всех каналов, что соответствует параллельной схеме объединения поставщиков 2-го уровня в сеть, обеспечивающей безотказность .

       В моделях третьего типа каналы с мощностью меньшей спроса объединяются в последовательные структуры (цепочки) совместно обеспечивая требуемый объем поставок . Сформированные таким образом цепочки включаются параллельно в общую сеть поставок (рис. 5 б). При этом работоспособность таких цепочек обеспечивается совместной работой всех входящих в них каналов поставок.

Рассмотренный алгоритм оптимизации планирования позволяет учитывать надежность поставок по задаваемому функциональному критерию. Он ориентирован на аутсорсинговые технологии в управлении цепями поставок и для его реализации необходима информация не только об издержках, но и о функциональных возможностях потенциальных поставщиков, надежности исполнения ими своих функций. При этом общее требование к надежности поставки в необходимом объеме со стороны оператора цепи может быть определено в результате решения задачи нормирования.  В целом алгоритм планирование поставок с учетом функциональной надежности поставщика можно представить в виде последовательности следующих этапов:

  1. построение функциональной схемы работы сети с указанием всех поставщиков 2-го уровня и их характеристик;
  2. определение понятия отказа и установление значения критерия по функциональным возможностям поставщиков, исходя из требований заказчика;
  3. составление последовательно-параллельной схемы и модели расчета структурной надежности, исходя из требований к безотказности поставки и функциональных возможностей поставщиков;
  4. определение оптимального плана поставок, обеспечивающего минимум издержек при соблюдении требований к безотказности.

Рассмотренная модель, относящаяся к классу моделей функциональной надежности цепи поставок, может быть основой для решения многокритериальных задач планирования многономенклатурных поставок. Особенностью таких задач является использование нескольких критериев безотказности (время, полнота, последовательность, комплектность поставки) или их комбинации. Отказы в этом случае будут представлять собой независимые, но совместные события. Например, по критерию комплектности поставки возможны ситуации, когда поставщики 2-го уровня только совместно могут удовлетворить требования заказчика.

Разработана методика и предложен алгоритм планирования автотранспортной доставки мелкопартионных грузов методом локализации, позволяющий  эффективно с учетом всех накладываемых ограничений решать задачу разработки маршрутов автотранспортной доставки в условиях крупного города.

В управлении цепями поставок крупных компаний, включающих десятки поставщиков, несколько распределительных центров и тысячи потребителей важное место занимает проблема оптимизации доставки мелкопартионных грузов в условиях крупного города. Решение данной проблемы подразумевает поиск решения двух взаимосвязанных задач: во-первых, задачи оптимального закрепления потребителей за поставщиками, во-вторых, задачи разбиения потребителей на группы или всей обслуживаемой территории на зоны обслуживания и сектора развозки. Оптимизация в обоих случаях должна приводить к минимуму транспортных расходов в распределительной сети.

Содержательную постановку задачи планирования доставки мелкопартионных грузов в условиях крупного города можно сформулировать следующим образом.

Организовать отправку мелких партий грузов большому количеству клиентов, таким образом, чтобы получить оптимальные маршруты следования грузовых автомобилей при минимальных транспортных затратах. При этом должны быть выполнены ограничения, накладываемые на время доставки товаров, которые, как правило, зависят от режима работы клиентов и особенностей поставляемых товаров, грузоподъемность автомобиля, количества заказов, включаемых в рейс одного автомобиля и т.д.

Целесообразно общую (глобальную) задачу оптимизации доставки мелкопартионных грузов в условиях крупного города разбить на ряд локальных задач, т.е. задач, в которых рассматривается не все множество складов, клиентов и возможных маршрутов, а только их часть, которую мы называем – локальная система доставки. Локальная система доставки – это система, в которой клиенты расположены недалеко друг от друга и их обеспечение осуществляется от одного грузоотправителя (базы, склада, терминала).

Решением задачи локализации, т.е. сведения общей задачи оптимизации доставки мелкопартионных грузов к локальной, будет решения задачи разбиения всей зоны обслуживания на сектора развозки или клиентские группы закрепления секторов развозки (клиентских групп) за грузоотправителями (базами, складами, терминалами).

Алгоритм планирования доставки мелкопартионных грузов методом локализации представлен на рис. 6. Данный алгоритм включает пять этапов планирования, каждый из этапов представлен соответствующим блоком или группой блоков (см. рис. 6).

Рис. 6. Алгоритм планирования доставки мелкопартионных грузов

методом локализации

Сначала формируется база данных (блок 1), включающая сведения о количестве транспортных средств (ТС), их типе и грузоподъемности; количестве грузоотправителей и грузополучателей; ограничениях, накладываемых грузоотправителем и грузополучателем на партию груза, которая может быть отправлена и получена соответствующим субъектом; временных ограничениях по доставке грузов в пункты назначения и их вывозу из пунктов отправления; затратах на выполнение рейса (или на доставку партии груза конкретному грузополучателю) и другие.

На основе полученной информации определяется транспортно-технологическая система (ТТС) доставки грузов (блок 2). Предлагается выделять две ТТС доставки грузов: глобальную и локальную. Локальная система доставки определена выше.

В противном случае, т.е. если доставка осуществляется из нескольких пунктов и/или клиенты расположены далеко друг от друга, то данная система является глобальной системой доставки в масштабе данного города. Следовательно, необходимо провести декомпозицию общей задачи на ряд подзадач, каждая из которых является локальной. Декомпозиция общей задачи планирования доставки на локальные задачи заключается в последовательном выполнении следующих двух этапов.

Во-первых, решается задача разбиения всех клиентов по признаку близости территориального расположения на группы, регионы или сектора развозки (блок 3). Решаться эта задача может разными методами. В первом приближении разбивают всю обслуживаемую территорию на регионы, причем границы регионов совпадают, как правило, с границами административных районов. Затем каждый регион разбивают на сектора развозки, границы которых совпадают с границами микрорайонов или городских кварталов. Вместе с тем, широкое распространение в настоящее время получили методы кластерного анализа. Например, метод k-средних или метод нечетких c-средних. Метод k-средних принадлежит к группе итеративных методов кластерного анализа. Сущность их заключается в том, что процесс классификации начинается с задания некоторых начальных условий (количество образуемых кластеров, порог завершения процесса классификации и т.д.). Метод k-средних реализован в таких популярных пакетах статистического анализа, как STATISTICA и SPSS, а метод нечетких c-средних – в универсальном математическом пакете MATLAB.

Во-вторых, решается задача об оптимальном закреплении групп клиентов (регионов, зон обслуживания) за поставщиками однородной продукции. Данная задача формулируется и решается как классическая транспортная задача (блок 4). Очевидно, что решение данной задачи имеет смысл в том случае, если каждый заказ конкретного клиента может быть отгружен из любого склада, т.е. склады являются многономенклатурными, отсутствует их специализация.

Затем, с использованием программных продуктов ГИС-класса (например, Top Logistic, Деловая карта или аналогичных) решается задача маршрутизации автотранспортной доставки для ТС, обслуживающих каждую группу клиентов (блок 5).

Таким образом, декомпозиция общей (глобальной) задачи планирования доставки мелкопартионных грузов на ряд локальных подзадач, в соответствии с изложенным выше алгоритмом, позволит находить эффективное решение в тех случаях, когда доставка заказов осуществляется от нескольких складов сотням или даже тысячам клиентов ежедневно.

В диссертационной работе поставлен и проведен вычислительный эксперимент, основная цель которого доказать эффективность предлагаемой методики решения задачи планирования автотранспортной доставки мелкопартионных грузов в условиях крупного города методом локализации.

В качестве исходных данных использованы реальные данные о развозке заказов клиентам Московского и Фрунзенского районов города Санкт-Петербурга, предоставленные менеджерами дистрибьюторской компании ЗАО «Холдинг 78» (всего 110 заказов, общим весом 29357,2 кг).

Для определения эффективности предлагаемой методики были рассмотрены пять вариантов решения: базовый вариант (маршруты  автотранспортной доставки сформированы диспетчерами компании ЗАО «Холдинг 78»), расчеты с использованием Деловой карты и встроенных в нее алгоритмов расчета маршрутов (варианты 2.1 – 2.4); расчеты по предлагаемой методике по трем альтернативным вариантам.

Предложены три варианта локализации, т.е. сведения общей задачи планирования автотранспортной доставки мелкопартионных грузов к локальной задаче.

Вариант 3 заключается в последовательном решении двух задач: разбиения клиентов на группы и закрепления групп клиентов за поставщиками (складами), представлен на рис. 6.

Вариант 4 заключается в решении тех же задач, но в другой последовательности. Во-первых, решается транспортная задача, т.е. проводится закрепление клиентов за распределительными центрами. В результате решения данной задачи формируются зоны обслуживания для каждого распределительного центра. Во-вторых, проводится разбиение сформированных зон обслуживания на кластеры (группы клиентов) по признаку близости территориального расположения.

Вариант 5 отличается от варианта 4 тем, что на завершающем этапе планирования (блок 5) решается задача о распределении заказов по транспортным средствам как задача булевого программирования по предложенному алгоритму, см. формулы (1)-(2). Маршрутизация в данном случае не проводится, поскольку предполагается, что водители транспортных средств, работающие в одних и тех же секторах развозки, определяют маршрут самостоятельно.

Результаты расчета основных показателей, характеризующих эффективность решения по каждому из возможных вариантов, представлены в табл. 3.

Таблица 3

Результаты вычислительного эксперимента

№ п/п

Параметр / Показатель для сравнения

Базовый вариант

Применение Деловой карты / Вариант

Решение методом локализации

2.1. Начинать с отдаленных точек

2.2. Выбирать попутные заказы

2.3. Определять дальние направления

2.4. Искать самые выгодные совмещения

Вариант 3

(кластеризация закрепление групп клиентов за поставщиками маршрутизация)

Вариант 4

(закрепления клиентов за поставщиками кластеризация маршрутизация)

Вариант 5 (решение задачи о распределении заказов по транспортным средствам)

1

Суммарные транспортные издержки, руб., в том числе:

53200

43200

44000

38000

41600

38000

28000

30800

 

по группе клиентов "Центр"

 

18400

22000

16400

19200

16400

13600

13600

 

по группе клиентов "Сервис"

 

24800

22000

21600

22400

21600

14400

17200

2

Общее число задействованных единиц ТС, из них:

17

14

14

12

13

12

8

9

 

ГАЗ-3302 «Газель» г/п 1500 кг

7

7

6

5

4

5

1

1

 

ГАЗ-52 г/п 2500 кг

6

4

4

3

5

3

0

2

 

ГАЗ-3307 г/п 4500 кг

4

3

4

4

4

4

7

6

3

Суммарное время движения ТС по маршрутам, час.

57,94

56,26

56,09

54,96

56,09

53,89

54,56

4

Суммарное расстояние, пройденное ТС, км

 

356,5

313,2

256,3

268,6

256,3

233,2

266,0

5

Общий вес перевезенного груза, кг

29357,2

29357,2

29357,2

29357,2

29357,2

29357,2

29357,2

29357,2

6

Провозная способность подвижного состава, кг

43500

34000

37000

33000

36500

33000

33000

33500

7

Коэффициент использования грузоподъемности

0,67

0,86

0,79

0,89

0,80

0,89

0,89

0,88

Базовый вариант по сравнению с другими вариантами дает наихудший результат по всем рассматриваемым показателям. Основная причина состоит в том, что в системе доставки задействовано избыточное число автомобилей, в основном, марки ГАЗ-3302 «Газель», грузоподъемностью до 1,5 тонн (рис. 7). Избыток автомобилей связан с традиционной системой распределения заказов и прокладки маршрутов строго в границах административных районов города, когда даже близко расположенные клиенты, относящиеся к разным районам, не могут включаться в маршрут одного автомобиля, что приводит к недогрузке ТС и необходимости формирования дополнительных маршрутов.

Рис. 7. Количество задействованных единиц ТС

в различных вариантах  расчета

Оценка результатов по варианту 2 показывает, что применение ГИС Деловая карта привело к улучшению результата по сравнению с базовым вариантом на 17,3…28,6% по суммарным транспортным издержкам и на 17,6…31,8% по коэффициенту использования грузоподъемности. Необходимо отметить, что применение каждого из четырех, заложенных в Деловую карту, алгоритмов приводит к разным результатам. Результаты расчетов, полученных средствами Деловой карты с применением различных алгоритмов, сильно варьируются по отдельным показателям. Например, вариант расчета 2.3 «Определять дальние направления», дает лучшие результаты по показателям: суммарные транспортные издержки,  общее число задействованных единиц ТС, суммарное расстояние, пройденное ТС и коэффициент использования грузоподъемности. В то же время по показателю суммарное время движения ТС по маршрутам наилучший результат дает вариант 2.4 «Искать самые выгодные совмещения». Это затрудняет анализ результатов и выбор наилучшего решения, полученного с использованием Деловой карты (сравните графы «Применение Деловой карты / Вариант 2.3» и «Применение Деловой карты / Вариант 2.4» в табл. 3). Следует отметить также, что оптимизация по критерию минимум транспортных издержек не реализована в Деловой карте и проведение этих расчетов требует дополнительных усилий и затрат времени пользователя.

Наилучшим из рассматриваемых альтернативных вариантов алгоритма планирования доставки мелкопартионных грузов является вариант 4. Улучшение по сравнению с базовым вариантом составило 47,4% по транспортным издержкам и 31,8% по коэффициенту использованной грузоподъемности. Расчеты по варианту 5 показывают, что в случае, когда клиенты компактно расположены внутри одного территориального района и обеспечиваются с одного склада, решение задачи о распределении заказов по транспортным средствам дает существенный эффект. В рассматриваемом примере эта методика позволила улучшить результат по сравнению с базовым вариантом 42,1% по транспортным издержкам и на 29,9% по коэффициенту использования грузоподъемности.

Таким образом, результаты расчетов свидетельствуют об эффективности предложенного алгоритм планирования доставки мелкопартионных грузов методом локализации, позволяющего  эффективно с учетом всех накладываемых ограничений решать задачу разработки маршрутов автотранспортной доставки в условиях крупного города, а также подтверждают правильность последовательности решения задач планирования, которая была определена в алгоритме.

3. ОСНОВНЫЕ ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

Монографии:

  1. Бочкарев А.А. Автоматизация планирования и моделирования цепи поставок : монография / А.А. Бочкарев. – СПб.: СПбГИЭУ, 2008. – 291 с. –17,0 п.л.
  2. Бочкарев А.А. Особенности планирования доставки мелкопартионных грузов в условиях крупного города // Особенности развития отраслевых рынков: транспорт : монография / Е.В. Будрина [и др.]; под ред. д-ра экон. наук, проф. Е.В. Будриной. – СПб.: СПбГИЭУ, 2007. – С. 182-212. – 14,2/1,5 п.л.

Учебные пособия:

  1. Бочкарев А.А. Планирование и моделирование цепи поставок : учебно-практическое пособие / А.А. Бочкарев. – М.: Издательство Альфа-Пресс, 2008. – 192 с. – 12,0 п.л.
  2. Бочкарев А.А. Решение задач транспортного типа в Excel : учеб. пособие / А.А. Бочкарев. – СПб.: СПбГИЭУ, 2003. – 52 с. – 3,0 п.л.
  3. Бочкарев А.А. Транспортная логистика. Решение транспортных задач в Microsoft Excel : учеб. пособие / А.А. Бочкарев. – СПб.: Изд-во Политехн. ун-та, 2006. – 62 с. – 4,0 п.л.

Статьи в изданиях, рекомендованных ВАК РФ:

  1. Бочкарев А.А., Зайцев Е.И. Имитационные модели и системы в цепях поставок и логистике / А.А. Бочкарев, Е.И. Зайцев // Вестник ИНЖЭКОНА: Серия «Экономика». – 2008. – Вып. 2(21). – С. 190-199. – 1,0/0,5 п.л.
  2. Бочкарев А.А. и др. Информационная поддержка транспортировки в логистике / А.А. Бочкарев, Н.Ю. Иващенко, В.Н. Трегубов // Вестник СГТУ.  – 2009. – №3 (35). – Вып. 2. – С. 122-127. – 0,3/0,1 п.л.
  3. Бочкарев А.А. и др. Информационные технологии в управлении цепями поставок / А.А. Бочкарев, Ю.Р. Нурулин, С.Ф. Пилипчук // Научно-технические ведомости СПбГПУ: Серия «Инноватика». – 2008. – Вып. 3(56). – С. 124-128. – 0,6/0,2 п.л.
  4. Бочкарев А.А. Использование методов линейного программирования при решении задачи закрепления зон обслуживания за терминалами / А.А. Бочкарев // Вестник ИНЖЭКОНА: Серия «Экономика». – 2009. – Вып. 1 (28). – С. 227-238 – 1,0 п.л.
  5. Бочкарев А.А., Клочков В.Н. Методология планирования доставки мелкопартионных грузов в условиях крупного города / А.А. Бочкарев, В.Н. Клочков // Вестник СГТУ. – 2008. – №4 (36). – С. 147-160. – 1,0/0,5 п.л.
  6. Бочкарев А.А., Кирина И.В. Применение оптимизационного моделирования для стратегического планирования цепи поставок / А.А. Бочкарев, И.В. Кирина // Вестник ИНЖЭКОНА: Серия «Экономика». – 2006. – Вып. 4 (13). – С. 173-183. – 1,0/0,5 п.л.
  7. Бочкарев А.А. Решение задачи нечеткой кластеризации в системе MATLAB / А.А. Бочкарев // Вестник ИНЖЭКОНА: Серия «Экономика». – 2007. – Вып. 4(17). – С. 235-242. – 0,7 п.л.
  8. Васильев И.Л., Бочкарев А.А. Локальная задача обеспечения поставок мелкопартионных грузов / И.Л. Васильев, А.А. Бочкарев // Вестник ИНЖЭКОНА: Серия «Экономика». – 2005. – Вып. 4(9). – С. 230-234. – 0,6/0,3.

Основные статьи и доклады, опубликованные автором

в научных сборниках и журналах:

  1. Бочкарев А.А. Анализ программных продуктов для оптимальной маршрутизации перевозок грузов / А.А. Бочкарев // Логистика и управление цепями поставок, – 2005. – №5 (10). – С. 16-20. – 0,3 п.л.
  2. Бочкарев А.А. Алгоритм планирования доставки мелкопартионных грузов в условиях крупного города / А.А. Бочкарев // Логистика: современные тенденции развития: V Международная научно-практическая конференция 20, 21 апреля 2006 г.: Тез. докл. / СПб. – СПбГИЭУ, 2006. – С.29-34. – 0,2 п.л.
  3. Бочкарев А.А. Интегрированные модели цепи поставок / А.А. Бочкарев, И.В. Кирина // Логистика сегодня. – 2006. – №6 (18). – С. 344-359. – 1,0/0,5 п.л.
  4. Бочкарев А.А. Классификация моделей управления цепями поставок / А.А. Бочкарев // Развитие транспорта и логистики: проблемы тенденции и технологии: сб. науч. тр. / Редкол.: В.С. Лукинский (отв. ред.) [и др.]. – СПб.: СПбГИЭУ, 2007. – С. 31-35. – 0,2 п.л.
  5. Бочкарев А.А. Методика планирования доставки мелкопартионных грузов в условиях крупного города / А.А. Бочкарев // Инфокоммуникационные и вычислительные технологии и системы: Материалы II Всероссийской конференции с международным участием. – Т.1. – Улан-Удэ: Изд-во Бурятского университета, 2006. – С. 64-68. – 0,2 п.л.
  6. Бочкарев А.А. Методологические аспекты моделирования цепей поставок / А.А. Бочкарев // Логистика: современные тенденции развития: VIII Международная научно-практическая конференция 16, 17 апреля 2009 г.: Тез. докл. / СПб. – СПбГИЭУ, 2009. – С. 40-42. – 0,2 п.л.
  7. Бочкарев А.А. Проблема классификации потребителей в управлении цепями поставок крупных компаний / А.А. Бочкарев // Коммерция и логистика: Сб. науч. тр., Вып. 4 / Под ред. В.В. Щербакова и А.П. Долгова.– СПб.: Изд-во СПбГУЭФ, 2004. – С. 22-26. – 0,2 п.л.
  8. Бочкарев А.А., Бадокин О.В. Проблема оптимизации мелкопартионных перевозок / А.А. Бочкарев, О.В. Бадокин  // Логистика: современные тенденции развития: IV Международная научно-практическая конференция 21, 22 апреля 2005 г.: Тез. докл. / СПб. – СПбГИЭУ, 2005. – С. 30-33. – 0,2/0,1 п.л.
  9. Бочкарев А.А. Решение задачи маршрутизации перевозок мелкопартионных грузов в управлении цепями поставок крупных компаний / А.А. Бочкарев // Логистика: современные тенденции развития: III Международная научно-практическая конференция. 22, 23 апреля 2004 г.: Тез. докл. – СПб.: СПбГИЭУ, 2004. – С. 27-29. – 0,1 п.л.
  10. Бочкарев А.А., Горбатенко Д.В. Решение задачи о назначениях в управлении цепями поставок мелкопартионных грузов / А.А. Бочкарев, Д.В. Горбатенко // Логистика сегодня. – 2004. – № 5.  – С. 12-19. – 0,6/0,3 п.л.
  11. Бочкарев А.А., Анисимова О.Н. Решение задачи оптимизации доставки мелкопартионных грузов в условиях крупного города методом локализации / А.А. Бочкарев, О.Н. Анисимова // Логистика сегодня. – 2008. – № 3.  – С. 162-181. – 1,0/0,5 п.л.
  12. Бочкарев А.А. Решение задач транспортного типа с использованием табличного редактора Excel / А.А. Бочкарев // Организация перевозок с применением принципов логистики: Сб. науч. тр., СПб.: СПбГИЭУ, 2003. – С. 24-30. – 0,3 п.л.
  13. Бочкарев А.А. Унифицированная методика оптимизации маршрутов в цепях поставки товаров / А.А. Бочкарев  // Логистика сегодня. – 2004. – № 2. – С. 36-42. – 0,5 п.л.
  14. Васильев И.Л., Бочкарев А.А. Математические модели локальной задачи по обеспечению поставок мелкопартионных грузов / И.Л. Васильев, А.А. Бочкарев // Логистика сегодня. – 2006. – №1 (13). – С. 32-39. – 0,6/0,3 п.л.
  15. Зайцев Е.И., Бочкарев А.А. Модель функционально-структурной надежности цепи поставок / Е.И. Зайцев, А.А. Бочкарев // Logistics and Supply Chain Management: Modern Trends in Germany and Russia: IV Германо-российская конференция по логистике и управлению цепями поставок 6 – 9 мая 2009 г.: Тез. докл. – Геттинген: CUVILLER VERLAG, 2009. – С. 187-195. – 0,4/0,2 п.л.
  16. Лукинский В.С. и др. Оценка влияния размещения складской сети на транспортные расходы / В.С. Лукинский, А.А. Бочкарев, О.Ю. Пеховский, И.А. Цвиринько // Экономика и менеджмент на транспорте: Сб. науч. тр.: Вып. 2., СПб.: СПбГИЭУ, 2002. – С. 99-106. – 0,4/0,1 п.л.
 





© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.