Наводиться опис імітаційних моделей управління матеріальними запасами. Запропоновано алгоритми імітаційних моделей, створена автоматизована система «Запас» і виконано моделювання. Перевагою імітаційного моделювання є можливість моделювання складних систем в тих випадках, коли утруднено використання аналітичних методів, необхідно враховувати стохастичний характер протікають в системі процесів, компоненти системи змінюються в часі і взаємодіють.

Анотація наукової статті з економіки і бізнесу, автор наукової роботи - Грибанова О. Б., Міцель А. А.


Algorithmic imitation control models of material stock at warehouse

Description of imitation control models of material stock is presented. Algorithms of imitation models are suggested, automation system «Stock» has been developed and simulation has been carried out. The advantage of imitation modelling is a possibility to simulate complex systems in the cases when it is difficult to use analytical methods and it is necessary to take into account stochastic character of current processes in the system, system components changing in time and interacting.


Область наук:
  • Економіка і бізнес
  • Рік видавництва: 2006
    Журнал: Известия Томського політехнічного університету. Інжиніринг ГЕОРЕСУРСИ
    Наукова стаття на тему 'Алгоритмічні імітаційні моделі управління матеріальними запасами на складі'

    Текст наукової роботи на тему «Алгоритмічні імітаційні моделі управління матеріальними запасами на складі»

    ?чеських міркувань, в той час як в рамках вирішення завдання прогнозування на основі нейронних мереж може бути поставлена ​​задача оптимізації архітектури мережі під конкретне навчальне безліч.

    По-друге, використання різних архітектур мереж, випадковість вибору початкових сінапті-чеських коефіцієнтів, а також використання інших параметрів мережі призводить до того, що передбачення різних нейронних мереж, навчених на одних і тих же прикладах, можуть відрізнятися. Явно «невдалі» варіанти мереж відпадають на етапі тестування. А більш-менш «вдалі» мережі слід використовувати спільно, організувавши так званий комітет мереж, застосовуючи для прийняття рішення значення виходів усіх, хто входив до комітету мереж.

    Легко показати, що середнє значення виходів комітету має давати кращі передбачення, ніж середня мережу з цього комітету. В силу нерівності Коші маємо:

    1 L 1 L

    Т' < L2 '

    L 1 = 1 L i = i

    де s - помилка / -ої мережі в комітеті, L - кількість мереж в комітеті.

    СПИСОК ЛІТЕРАТУРИ

    1. Шарп У.Ф., Александер Г., Бейлі Дж.В. Інвестиції. - М .: Инфра-М, 1998. - 1028 з.

    2. Єжов А.А., Шумський С.А. Нейрокомпьютинг і його застосування в економіці і бізнесі. - М .: МІФІ, 1998. - 222 с.

    3. Панфілов П.М. Введення в нейронні мережі // Сучасний трейдинг. - 2001. - № 2. - С. 12-17.

    Вступ

    Управління матеріальними запасами являє собою сукупність заходів щодо забезпечення їх раціонального рівня в виробничо-комерційних системах. Невід'ємною складовою частиною цих систем є логістичні системи [1].

    Отриманий висновок говорить про перевагу використання середнього значення виходів комітету нейронних мереж для прийняття рішення. Більш того, можна використовувати не середнє значення виходів, а середнє зважене. Ваги вибираються адаптивно, максимізуючи ефективність прогнозів комітету на навчальній вибірці. У підсумку, кращі мережі будуть вносити найбільший внесок, в той час як передбачення мереж, що дають гірші результати, будуть вносити менший внесок, і не будуть псувати передбачення [2].

    Подальші дослідження повинні бути спрямовані на оптимізацію процесу предобработки даних. Відомо, наприклад, що останні дані більш значущі для навчання. Крім того, фінансові ряди сильно зашумлені, особливо на коротких проміжках часу (внутрішньоденних котируваннях), що ускладнює навчання і визначення правил торгівлі.

    На основі проведених експериментів можна зробити висновок, що застосування нейронних мереж при побудові адекватної моделі можуть допомогти отриманню прибутку під час роботи на фінансових ринках.

    4. Розенблатт Ф. Принципи нейродинаміки. Перцептрони і теорія механізмів мозку. - М .: Світ, 1965. - 302 с.

    5. Уоссермен Ф. нейрокомп'ютерних техніка. - М .: Світ, 1992. - 250 с.

    6. Горбань О.М. Навчання нейронних мереж. - М .: СП «Параграф», 1990 - 160 с.

    7. Інтернет-брокер "Альфа Банку». - http://alfadirect.ru/

    Проблема оптимізації запасів виникає у багатьох підприємств і є досить актуальною, оскільки надлишки запасу заморожують кошти і знижують фінансову активність, а їх недолік викликає перебої в роботі фірми.

    В літературі [2-4] наводиться велика кількість математичних моделей, які рассма-

    УДК 681.51.015.26:330.43

    Алгоритмічні імітаційні моделі УПРАВЛІННЯ МАТЕРІАЛЬНИМИ ЗАПАСАМИ НА СКЛАДІ

    Є.Б. Грибанова, А.А. Міцель

    Томський державний університет систем управління та радіоелектроніки E-mail: Ця електронна адреса захищена від спам-ботів. Вам потрібно увімкнути JavaScript, щоб побачити її.

    Наводиться опис імітаційних моделей управління матеріальними запасами. Запропоновано алгоритми імітаційних моделей, створена автоматизована система «Запас» і виконано моделювання. Перевагою імітаційного моделювання є можливість моделювання складних систем в тих випадках, коли утруднено використання аналітичних методів, необхідно враховувати стохастичний характер протікають в системі процесів, компоненти системи змінюються в часі і взаємодіють.

    Мал. 1. Блоки системи управління запасами

    тріваются в рамках теорії управління запасами. Серед них широкого поширення набули дві моделі: економічного розміру запасу EOQ (Q-модель) (Economic Order Quantity) і періодична (Р-модель) [5]. Існують різні думки про можливість їх застосування в умовах Російської економіки. Проте, на їх основі побудовано досить багато модифікацій, які враховують ті чи інші додаткові умови.

    Таким чином, для вирішення даної задачі застосовуються такі методи як лінійне програмування, стохастична оптимізація, апарат інтервального аналізу, динамічне програмування, теорія масового обслуговування, теорія адаптації. Для завдань з апріорної невизначеністю (в попиті, постачання, часу затримки і т. Д.) Розглядаються такі підходи як теорія множин, а також підхід, заснований на концепції «невідомих, але обмежених» (невідомий попит належить заданій множині).

    З розвитком обчислювальної техніки для вирішення завдань управління запасами набув поширення метод імітаційного моделювання. З'явився ряд публікацій, присвячених використанню даного методу при дослідженні та оптимізації складських систем. Однак в літературі недостатньо повно дано опис алгоритмів моделей. У даній статті запропоновані алгоритми моделювання деяких систем управління запасами, розроблені на основі модифікації класичного алгоритму.

    імітаційні моделі

    Як свідчить світова практика, метод імітаційного моделювання може бути успішно використаний для оцінки варіантів структурної побудови складних людино-машинних складських систем з метою досягнення їх оптимальних параметрів і функціонально-вартісних характеристик в рамках діючих ограни-

    чений [6]. Даний метод спирається на облік можливих змін в системі, що виникають в результаті дії різних факторів, т. Е. Дає відповідь на питання «що буде, якщо ...».

    У нашій роботі [7] описана автоматизована система «Запас», реалізована на основі об'єктно-орієнтованого підходу. У програмі «Запас» передбачено моделювання кожного блоку (об'єкта) за допомогою обраних методів (рис. 1). Це дозволяє проводити імітаційне моделювання різних систем управління запасами, шляхом комбінування моделей. Нижче будуть розглянуті моделі, які були включені в програму.

    Серед імітаційних моделей класичної є Q-модель, алгоритм якої наводиться в [8, 9]. За правилами даної моделі чергове замовлення на поставку здійснюється в момент, коли величина запасу знизилася до рівня (точка замовлення). Існує також Р-модель, згідно з якою розміщення замовлення здійснюється через заздалегідь визначений період часу. Алгоритм цієї моделі був побудований на базі стандартного шляхом внесення наступних змін (рис. 2). У цьому алгоритмі вже не використовується ознака подачі заявок, і не виключено, коли подача заявки буде здійснена раніше, ніж буде доставлена ​​попередня партія. Тому для зберігання значення обсягу партії використовується не змінна, а масив.

    Попит на товар в системах управління запасами може бути:

    • детермінованим або стохастичним;

    • безперервно розподіленим або дискретним.

    Час доставки також може бути випадковим або

    детермінованим (в тому числі рівним нулю).

    Моделювання випадкових величин в програмі відбувається згідно з алгоритмами, представленими в [9]. Вхідні дані (попит, час доставки) можуть мати нормальний, показовий, рівномірний або дискретний закон розподілу.

    При виникненні дефіциту незадоволений ний попит може не враховуватися в наступні періоди (вважається, що покупці взяли ре шення про покупку товару у інших фірм). Ця схема зазвичай використовується в класичних моделях. В іншому випадку величина попиту накопичується. Т. е. Покупці отримають свій товар, як тільки він надійде на склад. У двох цих випадках рівень запасу при моделюванні обнуляється в разі його від'ємного значення. Однак у другому варіанті перш, ніж здійснити цю операцію потрібно виконати ряд дій. На рис. 3 приведена модифікація стандартного алгоритму для моделювання відкладеного попиту.

    На основі описаних в [1] математичних моделей EBQ (Economic Batch Quantity) і EPQ (Economic Production Quantity), були створені іміта-

    Мал. 3. Алгоритм моделювання відкладеного попиту. Spros - величина попиту, SprosOtl - відкладений попит, Level - поточний рівень запасу

    Також в програмі «Запас» обсяг партії може бути випадковим, дорівнює попиту за попередній період, і розраховуватися виходячи з максимального значення рівня запасу [10].

    Ручний режим роботи програми «Запас» дозволяє проводити моделювання динамічних систем. В цьому випадку вхідні параметри моделі змінюються в часі. Наприклад, величина попиту може змінюватися в залежності від днів тижня.

    Мал. 4. Алгоритм імітаційного моделювання доставки і попиту в системах, що функціонують за схемою EBQ і EPQ. Сиг-ге ^ ЛТЕ - поточне модельне час; Т - період моделювання; Т - час, протягом якого доставляється товар на склад; Q - обсяг партії товару; MassivPaгtDost - масив, що містить значення доставляється партії товару для кожного моменту часу

    Розглянемо тепер способи розрахунку витрат в системах управління запасами. Функція витрат моделі як правило включає три види витрат: зберігання, розміщення замовлення, штрафу за дефіцит, які можуть залежати від обсягу та / або бути постійними, а також не враховуватися при моделюванні. Також за допомогою програми «Запас» можна проводити моделювання систем, в яких враховуються знижки на замовлений товар при обсязі партії більше заданого.

    Можна зробити висновок, що оскільки кожне підприємство має свої особливості в управлінні грошовими потоками, організації виробництва, постановці задачі моделювання, то функція витрат буде змінюватися. Наприклад, в [11] витрати на утримання запасів включають витрати на зв'язаний капітал, що розраховується як добуток ціни товару на ставку дисконтування. В [12] наводиться імітаційна модель, вхідні дані для якої беруться з первинної бухгалтерської звітності, а сумарні річні витрати включають втрати маржинального прибутку і витрати, викликані омертвлянням капіталу. Крім того, можуть бути використані показники: рівень обслуговування покупців, виконання плану реалізації, оцінка роботи постачальників (своєчасність доставки), скорочення зайвих запасів, рентабельність активів і т. Д.

    Приклад імітаційної моделі

    Для прикладу розглянемо модель EBQ до наступних правил:

    • попит є дискретною випадковою величиною з заданим законом розподілу;

    • час поставки - безперервна випадкова величина з нормальним законом розподілу;

    • поставка партії товару здійснюється протягом певного проміжку часу;

    • заявка на поставку подається періодично. Графік рівня запасу представлений на рис. 5. Задамо початкові дані моделі:

    • початковий рівень запасу, 7 ^ = 1000 шт .;

    • штраф за дефіцит одиниці товару, Р = 0 Д.Є. (Грошових одиниць);

    • ціна зберігання одиниці товару, Н = 3 д.е .;

    • середній час поставки партії товару на склад, М = 2 дня;

    • середньоквадратичне відхилення часу поставки партії товару, ст = 1 день;

    • вартість поставки одиниці товару, з = 1 д.е .;

    • витрати на доставку, незалежні від обсягу, К = 10 Д.Є. .;

    • інтервал подачі заявок, 1 = 5 дн .;

    • період моделювання складу, 7 = 20 дн .;

    • число випадкових реалізацій, N = 50;

    • середній щоденний попит, М5 = 100 шт .;

    I 1

    Рис.5. Рух рівня запасу. Т "0 ра на склад

    - час поставки това-

    • середньоквадратичне відхилення щоденного попиту, а = 10 шт .;

    • доставка товару здійснюється з інтенсивністю 200 шт. в день.

    Закон розподілу попиту: при попиті 90; 100; 110 і 120 шт. в день імовірність цього попиту складе відповідно 0,2; 0,4; 0,1 і 0,3.

    Як показник ефективності приймемо середні витрати.

    Загальні витрати розраховуються за формулою

    I, = I + I ,

    заг зак хр >

    де Ьзак - витрати на доставку; ? Хр - витрати на зберігання.

    Витрати за доставку кожної партії рівні

    ^ = До + с • е,

    де Ьзак] - витрати на доставкуу-ой партії.

    Витрати на зберігання товару розраховуються наступним чином:

    = 1е • і >

    де? ^ - витрати на зберігання товару в / -му періоді; Н - вартість зберігання одиниці товару.

    Результати моделювання наведені в таблиці, статистичні дані (для випадку, коли обсяг партії 400 шт. Доставляється протягом двох днів) представлені на рис. 6.

    Таблиця. Результати моделювання (модель EBQ)

    Обсяг партії, шт.

    200

    400

    600

    800

    1000

    Дійсність, дн.

    Середні витрати, ВО.

    на зберігання на доставку загальні

    24921 840 25761

    47928 1640 49568

    61371 2440 63811

    78165 3240 81405

    91728 4040 95768

    Припускаючи, що потрібно визначити оптимальний обсяг партії товару (якщо відома інтенсивність доставки), при якому середні загальні витрати мінімальні, проаналізуємо результати. Можна зробити висновок, що при зменшенні обсягу

    2

    3

    4

    5

    Мал. 6. Статистичні дані при обсязі партії 400 шт.

    Е 1000 ю

    про

    | -1П1Х1

    Т]

    Про

    / Л

    12 13]

    Період, день

    fei.

    S 9 10 11 12 13 14 15 Ig 17 18 19 20

    г;

    Л г j

    % __ /

    - Л;

    У

    | Загальні затрать! д.

    Період, день

    ЕШ

    \ У У f

    \ - л / г \ \ i

    \ 1 / V 1 V 1

    * V 1

    | Про Бщіе затр ати, д. Е. Середньо «з

    Період, день

    Мал. 7. Динаміка загальних витрат при обсязі партії: а) 200; б) 1000; в) 400 шт.

    партії знижуються витрати складу. Цей висновок очевидно, оскільки зі зменшенням обсягу партії зменшуються витрати на доставку, а також знижуються витрати зберігання в зв'язку зі зменшенням рівня запасу. Таким чином, при нульовому обсязі партії витрати будуть мінімальні і включати тільки витрати зберігання, поки в результаті попиту запас не буде дорівнює нулю. Однак в цьому випадку (при зменшенні обсягу партії) відбувається зниження рівня обслуговування клієнтів, виникає дефіцит товару, а в даній моделі не був врахований штраф за відсутність одиниці товару на складі. На рис. 7 наведено динаміку загальних витрат, які зменшуються при обсязі партії, що дорівнює 200 шт. (Т. К. Попит перевищує доставку і відбувається зниження рівня запасу), збільшуються, якщо обсяг партії дорівнює 1000 шт. (А також 600 і 800 шт.) (Доставка товару перевищує попит і відбувається затоварення складу) і коливаються в межах певних значень для об'єму 400 шт. (Попит і доставка «компенсують» один одного).

    На рис. 8 приведено вікно, що містить статистичні дані попиту (якщо поставка здійснюється протягом одного дня і обсяг партії при цьому дорівнює 200 шт.), В яких можна побачити наявність дефіциту товару, в той час як для значень обсягу партії на рис. 6 дефіцит відсутній.

    З розглянутих вище варіантів логічно вибрати той, коли попит і доставка приблизно однакові (при обсязі партії 400 шт., Що доставляється протягом двох днів), оскільки в цьому випадку не

    буде затоварення складу і доставка задовольняє попит, т. е. знижується ймовірність дефіциту товару.

    Крім того, для визначення оптимального обсягу замовленої партії товару потрібно вирішити, чи припустимо наявність дефіциту в системі управління запасами. Якщо наявність дефіциту не допустимо, то вибирається мінімальний обсяг партії, при якому дефіцит дорівнює нулю. Інакше, потрібно вирішити, в якій кількості можливий дефіцит, і вибрати мінімальний обсяг партії, при якому дефіцит не перевищує допустимого значення.

    висновок

    Імітаційне моделювання являє собою ефективний, а іноді і єдиний спосіб дослідження складних систем. У статті запропоновані алгоритми імітаційних моделей управління запасами, розроблені шляхом модифікації класичного алгоритму. В імітаційних моделях відсутні обмеження на вид залежностей між параметрами, стан зовнішнього і внутрішнього середовища. Наприклад, аналітична модель EBQ управління запасами [1] передбачає миттєву доставку, детермінований попит, рівність нулю початкового рівня запасу. Імітаційна ж модель дозволяє здійснювати будь-яку стратегію поповнення і контролю запасу, враховувати стохастичну природу попиту і часу доставки, розглядати різні схеми поведінки покупців при дефіциті і т. Д.

    Як приклад наведена імітаційна модель EBQ з періодичної стратегією подачі заявок, випадковим дискретним попитом і випадковим часом доставки, розподіленим по нормальному закону. Розглянуто рішення оптимізаційної задачі. В результаті проведення серії обчислювальних експериментів знайдений оптимальний обсяг замовленої партії товару виходячи з вимоги відсутності дефіциту і запобігання затоварення складу. Було встановлено, що при меншому обсязі партії знижується рівень обслуговування, а при більшому - рівень доставки перевищує споживання, внаслідок чого зростає кількість запасу товару на складі, а, отже, витрати замовлення і зберігання.

    Моделювання виконано за допомогою програми «Запас».

    Мал. 8. Статистичні дані попиту

    СПИСОК ЛІТЕРАТУРИ

    1. Григор'єв М.Н., Долгов А.П., Уваров С.А. Логістика. - М .: Гардарики, 2006. - 463 с.

    2. Рижиков Ю.І. Теорія черг і управління запасами. СПб .: Пітер, 2001. - 384 с.

    3. Таха Х.А. Введення в дослідження операцій. - М .: Видавничий дім «Вільямс», 2005. - 912 с.

    4. Джеймс С., Дональд Ф., Деніел Л. Сучасна логістика. -М .: Видавничий дім «Вільямс», 2005. - 624 с.

    5. Терьошкіна Т. Логістичний підхід до управління запасами // Логістика. - 2002. - № 2. - С. 21-24.

    6. Принципи імітаційного моделювання складів // Логістика. - 2003. - № 4. - С. 33.

    7. Бойченко І.В., Грибанова Є.Б., Міцель А.А. Автоматизована система імітаційного моделювання управління запасами // Інформаційні системи: Тр. постійно діючого науково-технічного семінару / Том. держ. ун-т систем упр. і радіоелектроніки, Від. проблем інформатизації ТНЦ СО РАН; під ред. А.М. Корикова. - Вип. 4. - Томськ, 2006. - C. 118-125.

    8. Міцель А.А., Грибанова Є.Б. Імітаційне моделювання економічних об'єктів: Лабораторний практикум. - Томськ: Вид-во НТЛ, 2005. - 160 с.

    9. Варфоломєєв В.І. Алгоритмічне моделювання елементів економічних систем. - М .: Фінанси і статистика, 2000. - 203 с.

    10. Глазков Я. Планування матеріальних запасів // Логінфо. -2004. - № 5-6. - С. 50-53.

    11. Федоров С.С. Управління запасами: розрахунок за формулою Вільсона // Логінфо. - 2003. - № 2. - С. 60-63.

    12. Биков А. Оптимізація запасів на основі імітаційного моделювання // Логістика. - 2004. - № 1. - С. 19-21.

    УДК 336.762.3: 681.324

    КРИТЕРІЇ УСПІХУ РОЗКРИТТЯ ІНФОРМАЦІЇ В INTERNET В ПРОЦЕСІ ВИПУСКУ ДЕРЖАВНИХ ЦІННИХ ПАПЕРІВ

    А.А. Четверіна

    Томський державний університет систем управління та радіоелектроніки E-mail: Ця електронна адреса захищена від спам-ботів. Вам потрібно увімкнути JavaScript, щоб побачити її.

    Приймаючи рішення про організацію публічного позики, адміністрація регіону і муніципалітету повинна подбати про добре ставлення до планованому випуску потенційних інвесторів. До числа найбільш важливою для інвестора інформації при прийнятті рішення про вкладення грошей в цінні папери належить інформація про бюджет, економічних умовах, структурі боргових зобов'язань і державний устрій і динаміці розвитку політичних відносин регіону або муніципального освіти.

    1. Введення

    У всьому світі до числа найбільш надійних цінних паперів відносяться не тільки облігації держави, а й облігації регіонів і муніципалітетів. Хоча найчастіше вони не настільки високодохідними, як облігації компаній і банків, зате їх погашення гарантується бюджетом органу влади. А якщо мова йде про регіон або муніципалітеті з сильною економікою і хорошою репутацією, то тим вище довіра до таких цінних паперів.

    Уявімо, що інвестор, який не проживає в регіоні Х, вирішив вкласти свої заощадження в цінні папери даного регіону. Щоб дізнатися, наскільки даний суб'єкт кредитоспроможний, сучасному кредитору навіть з дому виходити не треба. Комплексну оцінку здатності позичальника до повного і своєчасного виконання боргових зобов'язань на весь термін погашення боргу або період обігу цінного паперу з урахуванням прогнозу можливих змін економічного середовища і соціально-політичної ситуації відображає рейтинг кредитоспроможності, який можна подивитися на сайті рейтингового агентства [1]. Проте, такі агентства розкривають методологію присвоєння рейтингу тільки в загальних рисах, і дізнатися, чому саме цей регіон отримав саме такий рейтинг неможливо.

    При прийнятті рішення про організацію облігаційного випуску емітенту, адміністрації суб'єкта або муніципального освіти, необхідно подбати про ставлення до них потенційних інвесторів і їх облігаційного випуску. Сформувати хорошу репутацію можна за допомогою якнайповнішого розкриття інфор-

    ції про регіон і планованому позику [2]. Ідеальним варіантом представляється розміщення такої інформації в Internet.

    2. Виділення критеріїв оцінки прозорості

    Для оцінки інформаційної відкритості суб'єктів РФ необхідно виявити критерії. Під критеріями в даній статті пропонується розуміти ту інформацію, яка допоможе інвестору оцінити регіон в якості емітента.

    Запропонований на сервері органів державної влади республіки Карелія список критеріїв для оцінки відкритості: державний борг, бюджет, податкова база [3] - не в повній мірі відображає сучасні вимоги до інформації, необхідної для якісного представлення економічної ситуації в регіоні або муніципальній освіті. Пропоновані ж як запитуваної інформації рейтинговими агентствами у адміністрацій пункти не можуть бути представлені в повному обсязі на офіційній сторінці суб'єкта РФ або муніципалітету. Причиною цього є необхідність даних пунктів відображати не тільки економічну ситуацію і кредитну історію регіону, але думки про авторитетність влади, характер висловлювань незалежних економістів про ситуації, що склалася в цілому [1]. Розглянувши всі запропоновані способи оцінки розкриття інформації та проаналізувавши їх з точки зору розміщення на офіційному сайті суб'єкта або муніципального освіти, було вирішено запропонувати таку шкалу критеріїв.

    Виділимо найбільш значущі для інвесторів критерії в першому наближенні. Отримані при пер-


    Завантажити оригінал статті:

    Завантажити