Международный экономический форум 2011

К.т.н. Е.Н. Живикая, магистрант Т.А. Сафронова

Белорусский государственный университет информатики и радиоэлектроники, Беларусь

Информационный менеджмент – эффективный способ управления запасами в условиях неопределенности

Проблемы принятия решений занимают все большее место в современной науке. СППР присутствуют, в той или иной мере, в любой информационно-управляющей системе. По мере развития предприятия, упорядочивания структуры организации и налаживания межкорпоративных связей, проблема разработки и внедрения СППР становится особенно актуальной. [2]

Информационные ресурсы составляют одну из важнейших подсистем ресурсного потенциала фирмы, а информация является ключевым элементом логистических операций. Информация конкретизирует потребности объектов логистических систем и звеньев цепей. Информация становится логистическим производственным фактором. Благодаря ее эффективной обработке могут существенно сократиться расходы на складирование, достичь лучшего управление запасами, согласованности действий поставщика и потребителя, за­менить складирования готовой продукции складированием полуфа­брикатов. Благодаря оперативному использованию инфор­мации удается также ускорить транспортировку за счет согласован­ности всех звеньев транспортной цепочки. [3]

Многие решения принимаются в условиях риска и неопределенности. Рисунок 1 показывает, какие неопределенности возникают в ближайшем окружении фирмы.

Рисунок 1 – Неопределенности ближайшего окружения предприятия

В данной статье остановимся подробнее на неопределенностях связанных с деятельностью контрагентов. К ним относятся деловая активность (непостоянство спроса) и соблюдение обязательств (надежность) поставщиков.

Рассмотрим модифицированную формулу месячной прибыли Бродецкого (1):

(1)

Студентка____________Т. А. Сафронова

Руководитель_________О. А. Пичугова

Нормоконтроль _______О. В. Пеклина суммарные месячные затраты для многономенклатурной модели управления запасами с учетом потерь от замороженных в них денежных средств при реализации принципа временной стоимости денег.

(2)

Где – месячное потребление,– накладные расходы на каждую поставку, – затраты на хранение единицы материальных ресурсов за месяц,– цена закупки единицы материальных ресурсов, – месячной ставка наращения, действующая на рынке, т.е. ставка рефинансирования;– издержки доставки i-того вида материального ресурса, не включающиеся в накладные расходы на поставку соответствующей партии.

Вектор месячного потребления i-тых материальных ресурсов, т.е.

Где – количество материальных ресурсов,

Общий период поставки (в месяцах) определяется следующей формулой:

(4)

Выражение , рассматриваемое как функция переменной в области , имеет единственную точку минимума и для такой точки справедливо равенство:

(5)

Точка минимума (обозначим ее через ) для функции окажется расположенной в интервале т.е. левее рекомендуемой при традиционном подходе точки в аналогичной модели, когда временная структура процентных ставок не учитывается.

Интервал повторного заказа (общий):

(6)

Экономичный размер заказа [4]:

(7)

Месячное потребление рассматривается как произведение объема производства на норму расхода.

Как известно, спрогнозировать объем производства со 100% гарантией невозможно (для прогноза необходимо учитывать заказы покупателей на промышленную продукцию, наличие производственных мощностей и т.д.). Современное состояние большинства промышленных предприятий – старое оборудование, подверженное частым поломкам, непрогнозируемого характера. В связи с тяжелым экономическим положением предприятием приходится соглашаться с составлением портфеля заказов в текущем месяце, тем самым завышая размер заказов.

Импортное сырье добавляет неопределенности в сроках поставок, ценах на закупки, и как следствие, к росту собственных издержек. Чтобы компенсировать рост затрат приходится повышать цены на собственную продукцию. Покупатели занимают выжидающую позицию, чтобы получить для себя максимальную выгоды. И как следствие, рост запасов готовой продукции, рост запасов сырья и материалов.

Для сглаживания действия выше перечисленных факторов предлагается создание СППР на основе нечетких множеств. Структура СППР представлена на рисунке 2.

Рисунок 2 – СППР в области управления запасами

На рисунке 1 X1 , X2 и У – четкие входные данные, и - нечеткие входные и выходные данные.

Идентификация параметров модели осуществлена на основе обучения нейронных сетей.

Фуззификатор преобразует N-мерный входной вектор

в нечеткое множество А, характеризуемое функцией принадлежности

с четкими переменными.

В нечетких сетях применяется обобщенная гауссовская функция, которая определяется формулой (8):

где х – переменная, с – центр, – вариация

Дефуззификатор трансформирует нечеткое множество в полностью детерминированное точечное решение у. Нечеткое множество представляет зависимость:

Преобразование этого множества в единственное точечное решение осуществляется относительно среднего максимума:

где m обозначает количество точек переменной у, в которых функция принадлежности достигает максимального значения. [5]

Литература:

1. Гринберг А.С., Король И.А. Информационный менеджмент: Учеб. пособие для вузов. – М.: ЮНИТИ-ДАНА, 2003. – 415 с

2. Блюмин С.Л., Шуйкова И.А. Модели и методы принятия решений в условиях неопределенности. – Липецк: ЛЭГИ, 2001. –138 с

3. Сергеев В. И., Григорьев М. Н., Уваров С. А. Логистика. Информационные системы и технологии: Учеб. пособие – М.: Издательство «Альфа Пресс», 2008. – 608 с

4. Бродецкий Г.Л., Управление запасами: учеб. Пособие – М.: Эксмо, 2008 – 352 с.

5. Оссовский С., Нейронные сети для обработки информации/ Пер. с польского И.Д. Рудинкого. – М.: Финансы и статистика, 2002. – 344с.