Системный подход означает, что каждая система является интегрированным целым даже тогда, когда она состоит из отдельных, разобщенных подсистем

Широкое применение в логистики получили различные методы моделирования.

Моделирование – исследование логистичеких систем и процессов путем построения и изучения их моделей.

Под моделью в данном случае понимается отображение логистической системы (абстрактное или материальное), которое может быть использовано вместо нее для изучения ее свойств и возможных вариантов поведения.

Основная цель моделирования – прогноз поведения системы. Ответ на вопрос: Что будет, если…?

По степени полноты подобия логистических моделей моделируемым объектам модели делят на:

- изоморфные: включают все характеристики объекта, то есть по существу могут заменить оригинал. В этом случае мы сможем точно предсказать поведение объекта; Однако построить и исследовать изоморфную модель практически невозможно вследствие неполноты и несовершенства знаний о реальной системе и недостаточной адекватности методов и средств такого моделирования. Поэтому практически все модели, используемые в логистике, являются гомоморфными, которые представляют собой модели, подобные отображаемому объекту лишь в отношениях, характерных и важных для процесса моделирования.

- гомоморфные: неполное подобие модели изучаемому объекту, частичное подобие; некоторые стороны функционирования реального объекта не моделируются совсем.

Гомоморфные модели делятся на материальные и абстрактно-концептуальные.

По степени материальности модели:

- материальные: воспроизводят основные геометрические, физические, динамические и функциональные характеристики изучаемого объекта или явления; например, уменьшенные макеты предприятий оптовой торговли, позволяющие решить вопросы оптимального размещения оборудования и организации грузовых потоков;

- абстрактные.

Материальные модели находят в логистическом управлении ограниченное применение, что связано с трудностью и дороговизной воспроизведения на такого рода моделях основных геометрических, физических и функциональных характеристик оригинала и крайне ограниченными возможностями варьирования их в процессе работы с моделью. например, уменьшенные макеты предприятий оптовой торговли, позволяющие решить вопросы оптимального размещения оборудования и организации грузовых потоков;

Поэтому для логистики в основном используются абстрактно-концептуальные модели, которые подразделяют на символьные и математические.

Абстрактные модели:

- символические: языковые – словесные модели; знаковые – с помощью условных обозначений);

- математические: аналитические (например, с помощью решения уравнений); имитационные (меняют условия протекания процесса и наблюдают за полученным результатом; как правило, осуществляется с помощью компьютеров); графические; табличные.

Абстрактные модели:

- символические: языковые – словесные модели; знаковые – с помощью условных обозначений); Информацию, полученную с помощью использования символьных моделей, неудобно обрабатывать (хотя это и возможно) для дальнейшего использования в системах логистического управления. Поэтому наибольшее распространение в процессе создания и эксплуатации систем логистического управления получили математические модели. Математическое моделирование бывает аналитическое и имитационное.

- математические: аналитические (например, с помощью решения уравнений); имитационные (меняют условия протекания процесса и наблюдают за полученным результатом; как правило, осуществляется с помощью компьютеров).

Имитационная модель - это компьютерное воспроизведение развертывания во времени функционирования моделируемой системы, т. е. воспроизведение ее перехода из одного состояния в другое, осуществляемое в соответствии с однозначно определенными операционными правилами. Имитационные модели широко применяются для прогнозирования поведения логистических систем, при проектировании и размещении предприятий, для обучения и тренировки персонала и т. д.

Классификация моделей и методов (из В.С. Лукинский):

1. Модели и методы, предназначенные для решения задач в «условиях определенности», без ограничений со стороны внешней среды;

Модели и методы этой группы получили наибольшее распространение. К ним относятся:

· модели выбора (поставщика, посредника, перевозчика, экспедитора, типа транспортного средства и т.д.);

· модели прогноза (количества сырья, готовой продукции, текущего запаса на складе и др.);

· модели выявления номенклатурных групп (ABC, XYZ);

· аддитивные временные модели («точно-во-время» (точно в срок));

· модели управления запасами и т.д.

2. Модели и методы, предназначенные для решения задач в условиях риска и неопределенности (например, «нечетких множеств»), но без конкуренции;

1) модели, использующие оптимизационные процедуры, в частности, линейного программирования. Например, транспортные задачи закрепления поставщиков и потребителей, задача коммивояжера, различные комбинированные методы. Это модели, в которых отсутствуют оптимизационные процедуры или используется один критерий оптимизации

2) модели, охватывающие две и более логистические операции или функции. Очевидно, что модели второго вида формируются с использованием моделей первого вида. Это многокритериальные оптимизационные модели:

· определение оптимальной величины заказа (закупочная и складская логистика);

· алгоритмы управления запасами (закупочная, складская и транспортная логистика);

· формирование номенклатуры и ассортимента распределительных и торговых центров различных уровней;

· выбор вида транспорта и способа перевозки.

Метод теории нечётких множеств и структур является методом математического моделирования (поскольку используют формальный математический аппарат), использующим в качестве входных данных экспертные оценки (ибо с использованием последних осуществляется в теории нечётких множеств построение функции принадлежности).

Например, для определения зоны эффективной коммерческой деятельности оптовых компаний, для определения товарной группы.

Задача определения зоны эффективной коммерческой деятельности оптовых торговых компаний:

Пусть X = (Х1, Х2,..., Xn) - множество розничных торговых компаний,

Y = (Y1, Y2,..., Yp) - множество признаков оптовых торговых компаний,

Z = (Z1, Z2,..., Zm) - множество оптовых торговых компаний.

В качестве входных данных принимаются следующие далее функции принадлежности, которые в свою очередь являются экспертными оценками. ФR: X*Y ® [ 0, 1 ] есть функция принадлежности нечеткого бинарного отношения R. Для всех Xi, принадлежащих Х, и всех Yj, принадлежащих Y, функция ФR(Xi, Yj) - степень важности признака Yj по оценке компании Xi при определении им предпочтения оптовой компании. ПS: Y*Z® [ 0, 1] есть функция принадлежности нечеткого бинарного отношения S. Для всех Yj, принадлежащих Y, и всех Zk, принадлежащих Z, функция ПS (Yj, Zk) - степень принадлежности (в смысле совместимости) компании Zk с признаком Yj.

Результатом работы пакета является m множество розничных компаний, где m - число оптовых компаний. Множество с номером i (i=1,...,m) является множеством розничных компаний, предпочитающих оптовую компанию с тем же номером i из множества Z другим его конкурентам.

Для решения задачи определения товарной группы:

Пусть X = (X1, X2,..., Xn) - множество товаров.

Пусть Y = (Y1,Y2,..., Yp) - множество признаков товаров и

Z = (Z1, Z2,..., Zm) - множество покупателей.

Результатом работы пакета является m множество покупателей, где m - число товаров. Множество с номером i (i=1,...,m) является множеством покупателей, предпочитающих товар с тем же номером i из множества Z другим товарам.

3. Модели и методы решения логистических задач в условиях конкуренции ( включают все элементы логистической системы (сети, цепи или канала)):

1) модели анализа издержек с последующим реинжинирингом логистических систем;

2) модели синтеза или проектирования логистических систем с использованием принципов «минимизации общих логистических издержек» или «экономических компромиссов».

Дата добавления: 2014-01-20