CC BY
64
Моделирование факторов риска в закупочной логистике промышленного предприятия
► КРЫЛАТКОВ Пётр Петрович
Доктор экономических наук, профессор кафедры организации машиностроительного производства
Уральский федеральный университет имени первого Президента России Б.Н. Ельцина
620002, РФ, г. Екатеринбург, ул. Мира, 19 Тел.: (343) 375-48-05 E-mail: pekryl@mail.ru
^ КАЛИНИНА Наталья Евгеньевна
Кандидат экономических наук, доцент кафедры организации машиностроительного производства
Уральский федеральный университет имени первого Президента России Б.Н. Ельцина
620002, РФ, г. Екатеринбург, ул. Мира, 19 Тел.: (343) 375-48-05 E-mail: nkalinina@rambler.ru
Ключевые слова
ПРОМЫШЛЕННОЕ ПРЕДПРИЯТИЕ ЛОГИСТИКА ЗАКУПОК НЕОПРЕДЕЛЕННОСТЬ РИСК
ЭКОНОМИЧЕСКИЕ ПОСЛЕДСТВИЯ РИСКА ВЫБОР РЕШЕНИЯ
JEL classification
C44, D81
Аннотация
Представлена одна из актуальных проблем в управлении цепями поставок - учет факторов неопределенности и, как следствие, риска в логистике закупок. Отмечена специфика проявления фактора неопределенности для промышленного предприятия. Рассмотрены факторы и структура пространства неопределенности промышленного предприятия. Выделены экономические и неэкономические последствия риска при принятии решений. Обоснована необходимость развития инструментальных средств учета рисков при принятии решений на оперативном уровне управления поставками. Предлагается метод дерева решений заменить табличным представлением результатов решения. Для правильного позиционирования лиц, принимающих решения, выделяются зоны рискованных, умеренных и консервативных вариантов решения. Констатирована явная недостаточность использования моделей, основывающихся на каком-либо одном показателе, оценивающем экономические последствия принимаемых решений.
ВВЕДЕНИЕ
К настоящему времени экономическая наука и практика накопили значительный объем представлений относительно природы риска, его особенностей и методов управления им в различных сферах бизнеса. Необходимо особо отметить работы основоположников и последователей классической теории риска: Дж. фон Неймана, О. Моргенштерна, Э. Бореля, А. Вальда, У. Шарпа, Г. Марко-вица [17], Л. А. Заде [4] и др.
Следует, однако, подчеркнуть, что большинство из них раскрывает в основном вопросы управления инвестиционной и биржевой деятельностью. Современные зарубежные авторы: Е. Кулинска [15], Ю. Курудчи [16], Ц. С. Сун [18], а также ряд отечественных авторов: С. Б. Богоявленский [2], Н. П. Тихомиров [13], Р. К. Аю-пов [1], Л. Н. Коршунова [6], Б. А. Лагоши [11] и другие исследователи, развивают и адаптируют методы управления рисками применительно к различным сферам рыночной экономики, в том числе производству и логистике.
Неопределенность - одна из основных проблем, изучаемых в настоящее время в БСМ [3; 14], в широком смысле -это неполнота и неточность информации об условиях деятельности, случайный характер самой деятельности и связанные с этим затраты и потери. Некоторые авторы не без оснований утверждают, что «на большинстве предприятий отсутствует знание о потенциальных факторах неопределенности». Процессы принятия решений под воздействием указанных
факторов неопределенности порождают проявления риска как возможное следствие принятых решений (см., например, [18]).
Одним из важных инструментов управления современным промышленным предприятием являются методы учета неопределенности и риска, включающие вероятностные, статистические и аналитические процедуры, оценивающие влияние риска на результаты производственной и рыночной деятельности предприятия. Вместе с тем приведенный набор инструментов в большей степени применим для оценки риска в первую очередь финансово-кредитных организаций, деятельность которых характеризуется однородностью информационно-ресурсных потоков и повторяемостью операций, что позволяет широко использовать методы статистического анализа.
Риски же промышленного, тем более машиностроительного предприятия намного разнообразнее, поскольку кроме финансовых включают и специфические риски производственной сферы, а также риски, инициируемые взаимодействием предприятия с рыночной средой, прежде всего со сферой закупок и дис-трибьюции.
Цель данного исследования - анализ специфики проявления факторов неопределенности для промышленного предприятия. Задачей работы является развитие инструментальных средств учета рисков при принятии решений на оперативном уровне управления поставками для промышленного предприятия.
Risk Factors Modelling in Procurement Logistics of an Industrial Enterprise
Abstract
The article deals with one of the topical issues in supply chain management, namely uncertainty factors and, consequently, risks in procurement logistics. The specific details of the uncertainty factor's manifestation for industrial enterprises are noted. Factors and the space structure of uncertainty of an industrial enterprise are considered. Economic and non-economic effects of risk in decision-making are highlighted. The paper substantiates the necessity to develop the tools for taking into account risks while making decisions at the operational level of supply chain management. The authors suggest presenting the results in tabular form rather than using the decision tree method. To position the main decision makers correctly, the table identifies areas of risky, moderate and conservative solutions. The research states apparent insufficiency of the use of models based on only one indicator measuring economic consequences of the decisions made.
АНАЛИЗ СПЕЦИФИКИ РИСКОВ ПРОИЗВОДСТВЕННО-ЛОГИСТИЧЕСКОЙ ДЕЯТЕЛЬНОСТИ ПРОМЫШЛЕННОГО ПРЕДПРИЯТИЯ
Характер проявления рисков в силу специфики функционирования промышленного предприятия характеризуется многими особенностями:
• наличием временного разрыва между производством и потреблением продукта, что усложняет прогнозирование логистической и операционной деятельности;
• значительной длительностью производственных процессов - за это время ситуация на рынке может радикально измениться;
• сложностью и многокомпонентным характером производства, что еще более увеличивает неопределенность многих событий;
• отклонениями от оперативных планов по разным причинам;
• возможными сбоями в поставках и т.п.
Все это не позволяет использовать в полном объеме арсенал методов статистического анализа и является одной из причин недостаточного интереса исследователей и практиков к использованию рискового подхода в задачах управления производственно-логистической деятельностью. В этой связи особое значение приобретает совершенствование адекватных рыночным реалиям и требованиям хозяйственной практики моделей и методов количественной оценки, учета и управления рисками производ-
ственной и логистической сфер промышленного предприятия.
Следует отметить и такую важную особенность промышленных предприятий, как наличие разных типов производственно-логистических комплексов в рамках одного предприятия. Например, основное производство предприятия может относиться к одному или двум основным типам:
• поточное, крупносерийное;
• средне- и мелкосерийное;
• позаказное, опытное;
• единичное, уникальное,
что предполагает ориентацию систем планирования, закупок, материально-технического снабжения, управления запасами, готовой продукцией и т.д. именно на такой тип производства.
Вспомогательное производство того же предприятия (инструментальное, ремонтное, энергетическое и транспортное обслуживание) в подавляющем большинстве случаев относится к мелкосерийному, позаказному или даже к единичному. Достаточно очевидно, что эти комплексы требуют иных логистических решений в процессах управления промышленными предприятиями в условиях неопределенности и риска [7; 8; 15].
На рис. 1 представлена структурная модель пространства неопределенности, включающая три основных элемента цепи поставок: поставщик - производитель - потребитель.
Процессы принятия решений в производственно-логистическом комплексе промышленного предприятия проте-
■о я
iL
m Z m
T
H
a m я
^ Pyotr P. KRYLATKOV S
Dr. Sc. (Econ.), Professor of Organization 7 of Machine-Building Production Dept.
Ural Federal University named after the first President of Russia B.N. Yeltsin 620002, RF, Yekaterinburg, Mira St., 19
Phone: (343) 375-48-05 E-mail: pekryl@mail.ru
Ural Federal University named after the first President of Russia B.N. Yeltsin 620002, RF, Yekaterinburg, Mira St., 19
Phone: (343) 375-48-05 E-mail: nkalinina@rambler.ru
Keywords
INDUSTRIAL ENTERPRISE PROCUREMENT LOGISTICS UNCERTAINTY RISK
ECONOMIC EFFECTS OF RISK SELECTION OF SOLUTION
JEL classification
C44, D81
Natalya Ye. KALININA
Cand. Sc. (Econ.), Associate Professor of Organization of Machine-Building Production Dept.
Рис. 1. Структура пространства неопределенности производственного предприятия
кают, как правило, в условиях действия следующих факторов:
• неполноты знания всех параметров, обстоятельств, а также невозможности своевременного учета всего объема доступной информации;
• наличия феномена случайности, т. е. реализации совокупности событий, которые трудно предусмотреть и элиминировать;
• наличия активного противодействия партнеров с противоположными или несовпадающими интересами.
В настоящее время разработаны подходы, методы и модели для максимального снижения неопределенности непосредственно в цепях поставок [5; 12]. К ним относятся:
• включение избыточности в компоненты цепи поставок - дополнительные склады, страховые запасы и запасы производственных мощностей;
• совершенствование информационного обмена для улучшения качества, доступности прогнозов спроса для всех участников цепи поставок;
• создание системы мониторинга, координации и регулирования цепи поставок при возникновении нарушений или отклонений от плана.
Возможность более совершенного учета неопределенности и своевременной коррекции управленческих решений дает внедрение информационных технологий (ERP, CRM, WMS-систем) в цепи поставок. Современные коммуникационные технологии способны обеспечить и ускорить обмен информацией между участниками цепи поставок, способствуя своевременной и эффективной координации их деятельности.
Мониторинг степени неопределенности заключается в своевременном информировании о непредвиденных или трудно предсказуемых отклонениях в элементах цепи поставок. Такая ин-
формация позволяет участникам цепи поставок корректировать свои планы и принимать соответствующие меры для возможной компенсации отклонений. Важно понимать, что полностью исключить влияние неопределенности в цепи поставок достаточно трудно, но можно и важно снизить ее последствия до приемлемого уровня.
С точки зрения оценки негативных экономических последствий влияния неопределенности и риска при принятии решений можно выделить следующие:
• экономические затраты, выражающиеся в стоимости процессов, ресурсов и услуг, обеспечивающих производственную и логистическую деятельность;
• экономические потери, выражающиеся в неполучении или получении в меньшем объеме возможной выручки в связи с порчей, устареванием, хищением запасов; неисправимым браком в производстве; выпуском некачественной продукции; выплатой штрафов и пени из-за задержки поставок готовой продукции и т.п.;
• замораживание финансовых средств предприятия в запасах вследствие ошибок прогнозирования и непредсказуемости поведения партнеров по цепи поставок;
• упущенная экономическая выгода, выражающаяся в невозможности получения выручки или ее снижении в связи со сложившимися обстоятельствами, вызванными ошибочной оценкой уровня спроса, недостаточного объема и номенклатуры имеющихся запасов, наличия узких мест на производстве, в складском хозяйстве, каналах дистрибьюции и т.д.
Возможные негативные неэкономические последствия воздействия факторов неопределенности и риска, как, например, потеря имиджа, деловой репутации, снижение интереса, впоследствии также выразятся экономическими
потерями, но в оперативном управлении они, скорее всего, могут корректироваться принимаемыми ограничениями, нормами, стандартами обслуживания компании и т.д.
Достаточно очевидно, что на уровне стратегического управления современным промышленным предприятием необходим масштабный анализ совокупности источников неопределенности и риска на всем пространстве деятельности цепи поставок. Не умаляя необходимости разработки стратегии и тактики управления логистическими потоками в условиях риска и неопределенности, авторы вместе с тем полагают, что не меньшую пользу может принести разработка методов оперативного управления рисками в условиях неопределенности.
Более того, авторы убеждены, что только энергичное и масштабное совершенствование внешней логистической инфраструктуры позволит в конечном итоге значительно снизить уровень неопределенности, следовательно и риска, для логистики конкретного предприятия. Можно уверенно сказать, что ни один островок идеального порядка в окружающем хаосе долго не продержится. Разработка мероприятий по снижению риска и неопределенности на тактическом уровне управления предприятием является непростой задачей и также требует серьезных организационных и экономических усилий.
Вместе с тем, говоря об оперативном управлении предприятием в условиях риска и неопределенности, мы не можем не учитывать такой немаловажный субъективный фактор, как различное отношение самих участников процесса принятия решений к степени риска. Имеется в виду общепринятое условное разделение лиц, принимающих решения, на три категории: агрессивных, умеренных и консервативных. Понятно, что это всего лишь принятые в данной области управленческой науки термины, не относящиеся к социальной ориентации лиц, принимающих управленческие решения.
В 30-х годах прошлого столетия представителями неоклассической школы А. Маршаллом, А. Пигу и С. Магнуссе-ном было выдвинуто предположение, что в условиях неопределенности ожидаемого результата лицо, принимающее решение (ЛПР), оперирует не одним, а двумя критериями выбора наилучшей альтернативы, а именно, величинами математического ожидания размера прибыли и разброса ее значений относи-
тельно среднего уровня (дисперсия или среднеквадратическое отклонение) [9]. Соответственно этой концепции предпринимательского риска ЛПР рекомендуется выбирать среди множества возможных именно ту альтернативу, которая при условии равенства средней величины прибыли обладает меньшей дисперсией.
Выше уже говорилось о неприменимости некоторых статистических инструментов для принятия решений в производственно-логистических комплексах промышленных предприятий. Нам кажется, что в процессах оперативного управления, как материальными потоками, так и производственной деятельностью, вряд ли целесообразно вычисление среднеквадратического отклонения и даже более простого показателя, как, например, размах вариации. Эти показатели репрезентативны только на больших объемах событий, когда проявляются закономерности поведения объектов внешней среды или субъектов, принимающих те или иные решения. Вместе с тем нам представляется вполне целесообразным и допустимым использование экспертных оценок при разработке вариантов решений. Методы экспертного оценивания достаточно отработаны и сравнительно просто реализуемы даже в процессе оперативного управления как одним, так и группой лиц, принимающих решения.
Авторы придерживаются позиции, которая предполагает возможность расчета и использования при принятии решений наиболее релевантных и простых для восприятия показателей, таких как затраты, доходы и убытки от совокупности принятых решений. В оценке предпочтений тех или иных значений затрат, доходов или убытков и проявляется склонность к риску лиц, принимающих решения, т.е. агрессивное, умеренное или консервативное их «поведение».
МЕТОДИЧЕСКИЙ ИНСТРУМЕНТАРИЙ УПРАВЛЕНИЯ РИСКАМИ В ЗАКУПОЧНОЙ ЛОГИСТИКЕ ПРОМЫШЛЕННОГО ПРЕДПРИЯТИЯ
Не секрет, что любой отдел материально-технического снабжения промышленного предприятия всегда предпочтет наличие запаса по конкретной товарной позиции «разносу» от заместителя директора или начальника цеха при отсутствии таковой для срочного (или суперсрочного!) выполнения заказа. Причем вполне реальна ситуация, когда «еще вчера» об этом заказе никому, а уж тем более отделу снабжения, «абсолютно
ничего» не было известно. Альтернативным вариантом для решения проблемы - избыточные запасы или строгий расчет - может служить только достаточно простой и прозрачный инструментарий оперативного управления материальным потоком.
Авторы предлагают рассмотреть возможность разработки прикладной методики с использования ограниченного числа показателей для оперативного принятия решения на множестве ситуаций, часто складывающихся в реальной обстановке при оценке вариантов закупок материалов и комплектующих изделий в условиях позаказного производства.
В исследованиях проблем оценки риска и неопределенности часто предлагается модель дерева решений, описанная еще классиками менеджмента [10]. Дерево решений - это графическая модель, наглядно представляющая логическую структуру принятия решений. «Ветви» дерева обозначают множество альтернативных решений, которые могут быть приняты, и возможные исходы, возникающие в результате этих решений. Как правило, при создании дерева точки принятия решений обозначаются квадратами, а узлы возникающих неопределенностей - кружками. Для каждого разветвления неопределенности (это будут «ветви», выходящие из кружков) рассчитывается вероятность реализации альтернатив.
Следует, однако, заметить, что в практике оперативного управления такую модель практически не используют. По мнению авторов, немаловажной причиной является сложность ее построения и визуального восприятия, а также тот факт, что принятие решения формируется на сравнительном анализе только одного показателя (затрат или выручки). Это не может служить достаточным обоснованием не то что оптимального, но даже приемлемого с точки зрения недопустимых затрат или потерь решения.
Предлагается заменить график дерева решений таблицей представления результатов оценки вариантов. Такая модель позволит в достаточно традиционной форме представления результатов показать все возможные экономические последствия того или иного решения. Кроме того, в таком формате появляется возможность выделить зоны рискованных, умеренных и консервативных вариантов принятия решений, с тем чтобы ЛПР сознательно позиционировало себя в той или иной группе риска.
Выбор решения исходя из оценки P
риска лицами, принимающими решения, g
с учетом их склонности к риску и предпо- N
чтений того или иного экономического S
показателя может быть описан следую- j
щими зависимостями. ^
• Агрессивный (сверхоптимистич- A ный) вариант, предполагающий наилуч- R шее развитие событий и отвергающий z возможность неблагоприятного стече- 6 ния обстоятельств: Z
м
Res=maxi (maXj П]), (1) 7
где Res - экономический результат выбранного решения; Пj - прибыль варианта потребности i, варианта заказа j.
Критерий выбора вполне приемлем при позитивной динамике ненасыщенного рынка, когда явно заметен его рост, а длительность операционного цикла изготовления и продвижения заказа к потребителю вписывается в интервал положительной волны, например сезонного рыночного спроса.
• Умеренный (оптимистичный) вариант, предполагающий максимизацию математического ожидания получаемой прибыли:
Res=maxj х pj , (2)
где рj - вероятность варианта заказа.
Успешность использования такого критерия зависит от надежности прогнозных значений - вектора вероятностей р1 . При этом следует учесть, что математическое ожидание - это среднестатистическое значение, а не однозначная величина при принятии соответствующего решения. Поскольку значения потребности р1 оценены вектором вероятности (P), то и полученные в результате расчетов значения прибыли будут близки к этому распределению.
• Консервативный вариант, предполагающий, что ЛПР будет придерживаться осторожной тактики, сводящейся, например, к минимизации максимальной упущенной выгоды:
Res = mini (max^. УВ^, (3) где УВц - величина упущенной выгоды, или к минимизации суммарных затрат и потерь:
Res = min ^СЗПц х р] , (4) где СЗП] - величина суммарных затрат и потерь.
Применение данных критериев не может привести к однозначному решению и также требует анализа нескольких сопутствующих выбору экономических последствий.
Res=maxj ЯП.- СЗП.. ) хр.. (5)
Возможные ситуации: a) V1<V2;
6) V1>V2; в) V1=V2.
Поставка снегоходов: V<V2
СП - заказ ПрПр на изготовление двигателей в объеме V1
Зак - вероятностный прогноз потребности в снегоходах
ПрПр - обработка заказа, закупки, подготовка производства двигателей
Зак - уточнение потребности в снегоходах - V2
ПрПр - сборка и поставка двигателей СП в объеме V1
Зак - получение снегоходов от СП
в объеме У<У2 --
СП - сборка снегоходов и поставка их заказчику в объеме У<У2
1 мес.
2 мес.
3 мес.
Рис. 2. Структурно-временной график взаимодействия участников цепи поставок
Примечание: Зак - заказчик продукции; СП - сборочное предприятие; ПрПр - предприятие - производитель двигателей.
Критерий можно отнести к умеренному подходу, поскольку максималистские устремления ЛПР в данном случае компенсируются необходимостью учета суммарных затрат и потерь, связанных с тем или иным вариантом принимаемого решения.
Метод проходил апробацию на одном из машиностроительных предприятий Свердловской области по выпуску мобильной спецтехники для МЧС РФ. Предприятие характеризуется позаказ-ным (мелкосерийным) типом производства и занимается сборкой снегоходов из готовых или производимых самим предприятием узлов. Для наглядности логистического процесса был построен структурно-временной график, представленный на рис. 2.
По имеющимся предварительным договоренностям СП с заказчиком поставка У2 может составлять 40, 30 или 20
изделий, что в начале квартала оценивается заказчиком как вектор экспертных значений вероятностей (р). Тогда же уточняется тип двигателя для установки на снегоход (вероятность смены типа двигателя в следующем заказе оценивается 50 : 50).
СП заказывает изготовление двигателей ПрПр в начале квартала в объеме 40 >У1 > 20 штук. Уточненный объем У2 поступает на СП за 1 месяц до начала следующего квартала. К этому моменту заказанные у производителя двигатели уже поступают на СП и начинается сборка партии изделий V < У2.
Излишне закупленные СП двигатели хранятся в течение 1 месяца, пока не станет известно, будут ли они использованы в следующем заказе. Дальнейшая судьба этих двигателей решается отделом сбыта по мере возможности их реализации. Средний срок хранения двигателей от
Исходные данные и результаты расчетов
еличина заказа, шт. Величина потребности, шт. фоятность значения потребности, р Количество нереализованных двигателей, шт. Количество недовыпущенных снегоходов, шт. жидаемая прибыль, тыс. р. атраты на хранение, тыс. р. Возможные тери от смены серии, тыс. р. Суммарные раты и потери, тыс. р. мма замороженных средств, тыс. р. еличина упущенной выгоды, тыс. р. Зона риска
со еВ о m о п та з уС В
40 0 0 1 500 0 0 0 0 0 Агресс.
30 40 0,25 0 10 1 125 0 0 0 0 375 Умерен.
20 0 20 750 0 0 0 0 750 Консерв.
40 10 0 1 125 -100 -125 - 225 2 500 0 Агресс.
30 30 0,50 0 0 1 125 0 0 0 0 0 Умерен.
20 0 10 750 0 0 0 0 375 Консерв.
40 20 0 750 -200 -250 -450 5 000 0 Агресс.
30 20 0,25 10 0 750 -100 -125 - 225 2 500 0 Умерен.
20 0 0 750 0 0 0 0 0 Консерв.
решения о невозможности их применения до их реализации - 3 месяца.
Перед отделом снабжения стоит типичная задача принятия решения в условиях неопределенности с риском наступления различных по значению экономических последствий. Результирующие экономические оценки этапов продвижения материального потока по производственно-логистическому циклу формулируются следующим образом:
Прибыль от реализации двигателей рассчитывается по формуле
Пр = Крд х Рдв х 0,15, (6)
где Крд - количество реализованных в заказе двигателей; Рдв - закупочная стоимость двигателя; 0,15 - норма прибыли, приходящаяся на закупаемый двигатель.
1. Затраты на хранение нереализованных двигателей рассчитываются по формуле
Зхр = 0,5 х (Кнд х 0,02 х Рдв х 1) + + 0,5 х (Кнд х 0,02 х Рдв х 3) = (7) = Кнд х 0,02 х Рдв х 2,
где Кнд - количество нереализованных двигателей; 0,02 - затраты на хранение двигателя на складе за месяц хранения - доля от его закупочной стоимости; 0,5 - вероятность смены типа двигателя (или использования того же типа двигателя) в следующем заказе.
2. Возможные потери от смены серии двигателя в следующем заказе рассчитываются по формуле
ВПсс = 0,5 х Кнд х 0,1 х Рдв, (8)
где 0,5 - вероятность смены типа двигателя в следующем заказе; 0,1 - доля транспортных расходов в закупочной цене двигателя.
3. Сумма замороженных средств в нереализованных двигателях:
СЗС=Кнд х Рдв. (9)
4. Величина упущенной выгоды рассчитывается по формуле
УВ=Кнс хРдв х 0,15, (10)
где Кнс - количество недовыпущеннных снегоходов в связи с нехваткой двигателей.
Для удобства анализа вариантов возможных решений исходные данные и результаты промежуточных расчетов предлагается представлять в виде таблицы.
Ниже приводится сравнительный анализ применения рассмотренных критериев.
1. Res = max(. (max^ П^ ) = 1 500 тыс. р . Такой результат получается в случае, когда V = V1 = V2=40, что прогнозируется
о
с вероятностью, равной 0,25. Из представленной таблицы, однако, видно, что такому решению (VI = 40) с большой вероятностью (0,5 + 0,25 = 0,75) будет сопутствовать замораживание значительных средств (2 500 тыс. или даже 5 000 тыс. р.) в виде излишне закупленных двигателей, что, конечно, невыгодно для предприятия.
2. Res=тах; ТП^ х р. . В результате вычисления величины математического ожидания значения прибыли получаем:
• V1 = 40: Res = 1 500 х 0,25 + 1 125 х 0,5+ + 750 х 0,25 = 1 125 тыс. р.;
• VI = 30: Res = 1 125 х 0,25 + 1 125 х 0,5+ + 750 х 0,25 = 1 031,25 тыс. р.;
• VI = 20: Res = 750 х 0,25 + 750 х 0,5 + + 750 х 0,25 = 750 тыс. р.
Из расчетов следует, что и для данного варианта решения лучший размер заказа V1 = 40 двигателей, но при этом следует учесть, что поскольку значения потребности VI - 40; 30; 20 - оценены вероятностями: 0,25; 0,5; 0,25, то и полученные в результате расчетов значения прибыли будут близки к этому распределению. Учитывая рассуждения предыдущего варианта о замораживании средств и большей вероятности потребности
в 30 единиц, логичнее выбрать именно такой вариант.
3. Res = max;НП^- СЗП^) хр.. В результате вычисления величины математического ожидания значения разности прибыли и суммарных затрат и потерь получаем:
• V1 = 40: Res = 1 500 х 0,25 + (1 125 - 225) х х 0,5 + (750 - 450) х 0,25 = 900 тыс. р.;
• V1 = 30: Res = 1 125 х 0,25 + 1 125 х 0,5 + + (750 - 225) х 0,25 = 975 тыс. р.;
• V1 = 20: Res = 750 х 0,25 + 750 х 0,5 + + 750 х 0,25 = 750 тыс. р.
Таким образом, можно констатировать, что использование комбинированного критерия позволяет ЛПР получить результат из области умеренных решений, что лучшим образом учитывает совокупность экономических реалий производственно-логистического пространства данного промышленного предприятия.
ЗАКЛЮЧЕНИЕ
Приведенные рассуждения и примеры не имеют целью призвать к отказу от использования методов теории игр, которая доказала свою эффективность в целом ряде практических приложе-
ний. Вместе с тем авторы иллюстрируют р утверждения о специфике, сложности § и неоднозначности управления логи- N стикой закупок для современного про- 3 мышленного предприятия в условиях ^ неопределенности и риска. Из чего де- ^ лается вывод о необходимости развития | инструментальных средств учета рисков £ при принятии решений на оперативном г уровне управления поставками для про- 6 мышленного предприятия. -2
Чаще всего именно на лицо, при- 1 нимающее решение в конкретной ситу- ^ ации, ложится груз ответственности за подбор адекватных для данного момента моделей и показателей, на основании которых может быть сделан наиболее правильный выбор. Предлагаемый авторами модельный инструментарий имеет определенную практическую значимость, поскольку дает возможность визуального и количественного анализа вариантов решения и позволяет объективно выделять зоны принятия решений, тем самым адаптируясь к неоднозначности и рисковому характеру логистики закупок промышленного предприятия.
Библиографическая ссылка: Крылатков П.П., Калинина Н.Е. Моделирование факторов риска в закупочной логистике промышленного предприятия // Управленец. 2017. № 3(67). С. 68-74.
For citation: Krylatkov P.P., Kalinina N.Ye. Risk factors modelling in procurement logistics of an industrial enterprise. Upravlenets -The Manager, 2017, no. 3(67), pp. 68-74.
Источники
1. Аюпов Р.К. Анализ рисков и управление рисками в логистике. Алматы, 2011.
2. Богоявленский С.Б. Теоретические и практические аспекты принятия решений в условиях неопределенности и риска. СПб.: Изд-во СПбГЭУ, 2014.
3. Бродецкий Г.Л. Моделирование логистических систем. Оптимальные решения в условиях риска. М.: Вершина, 2006.
4. Заде Л.А. Понятие лингвистической переменной и его применение к принятию приближенных решений. М.: Мир, 1976.
5. Иванов Д.А. Управление цепями поставок. СПб.: Изд-во Поли-техн. ун-та, 2009,
6. Коршунова Л.Н., Проданова Н.А. Оценка и анализ рисков. Ростов н/Д: Феникс, 2007.
7. Крылатков П.П., Ершова И.В. Особенности управления 1PL-провайдерами на основе концепции целостности // Управленец. 2016. № 4(62). С. 53-57.
8. Латфуллин Р.Р., Васильева Н.Ф. Особенности материально-технического снабжения в металлургических холдингах // Вестник Магнитогорского государственного технического университета им. Г.И. Носова. 2013. № 2(42). С. 81-84.
9. Маршалл А. Принципы экономической науки. М.: Изд-во «Прогресс», 1993.
10. Мескон М.Х., Альберт М., Хедоури Ф. Основы менеджмента: пер. с англ. М.: Диалектика, 2007.
11. Моделирование рисковых ситуаций в экономике и бизнесе / под ред. Б.А. Лагоши. 2-е изд., перераб. и доп. М. : Финансы и статистика, 2001.
12. Сергеев В.И. Управление цепями поставок. М.: Юрайт, 2014.
13. Тихомиров Н.П., Тихомирова Т.М. Риск-анализ в экономике. М.: Экономика, 2010.
14. Хашман Т.Т. Управление цепочками поставок // Гуманитарный вестник. 2013. Вып. 10. URL: http://hmbul.bmstu.ru/catalog/econom/ log/114.html.
15. Kulinska E. The significance of the cost accounting of the risk of logistic processes in the evaluation of the value added // Congress Proceedings - CLC 2012 (Carpathian Logistics Congress). Jesenik, 2012. P. 192-198.
16. Kurudzhi Y. Development of the optimization model of production and delivery plans taking into account uncertainty factors // Eastern-European Journal of Enterprise Technologies. 2015. Vol. 4(3). P. 12-15.
17. Markowitz H. Portfolio Selection // The Journal of Finance. 1952. Vol. 7. № 1 (March). P. 77-91.
18. Sun C., Xiang Y., Jiang S., Che Q. A supply chain risk evaluation method based on fuzzy TOPSIS // International Journal of Safety and Security Engineering. 2015. Vol. 5(2). P. 150-161.
References
1. Ayupov R.K. Analizriskovi upravlenieriskami vlogistike [Risk analysis and risk management in logistics]. Almaty, 2011.
2. Bogoyavlenskiy S.B. Teoreticheskie i prakticheskie aspekty prinyatiya resheniy v usloviyakh neopredelennosti i riska [Theoretical and practical aspects of decision-making under conditions of uncertainty and risk]. St Petersburg, SPSEU Publ., 2014.
3. Brodetskiy G.L. Modelirovanie logisticheskikh sistem. Optimal'nye resheniya v usloviyakh riska [Modeling of logistics systems. Optimal solutions in a risk environment]. Moscow, Vershina Publ., 2006.
4. Zade L.A. Ponyatie lingvisticheskoy peremennoy i ego primenenie k prinyatiyu priblizhennykh resheniy [The concept of a linguistic variable and its application to the adoption of approximate solutions]. Moscow, Mir Publ., 1976.
5. Ivanov D.A. Upravlenie tsepyami postavok [Supply chain management.]. St Petersburg, Polytechnical University Publ., 2009,
6. Korshunova L.N., Prodanova N.A. Otsenka i analiz riskov [Risk assessment and risk analysis]. Rostov-on-Don, Feniks Publ., 2007.
7. Krylatkov P.P., Ershova I.V. Osobennosti upravleniya 1PL-provayder-ami na osnove kontseptsii tselostnosti [Distinctive features of controlling 1PL-providers on the basis of the concept of integrity]. Upravlenets - The Manager, 2016, no. 4(62), pp. 53-57.
8. Latfullin R.R., Vasil'eva N.F. Osobennosti material'no-tekhnichesko-go snabzheniya v metallurgicheskikh kholdingakh [Special features of logistics in metallurgical holdings]. Vestnik Magnitogorskogo gosudarst-vennogo tekhnicheskogo universiteta im. G.I. Nosova - Vestnik of Nosov Magnitogorsk State Technical University, 2013, no. 2(42), pp. 81-84.
9. Marshall A. Printsipy ekonomicheskoy nauki [Principles of economic science]. Moscow, Progress Publ., 1993.
10. Mescon M., Albert M., Khedouri F. Management (Russ. ed.: Meskon M.Kh., Al'bert M., Khedouri F. Osnovy menedzhmenta. Moscow, Dialektika Publ., 2007).
11 .Lagoshi B.A. (ed.) Modelirovanie riskovykh situatsiy v ekonomike i biznese [Modeling of risk situations in economy and business]. 2nd ed. Moscow, Finansy i statistika Publ., 2001.
12. Sergeev V.I. Upravlenie tsepyami postavok [Supply chain management]. Moscow, Yurayt Publ., 2014.
13. Tikhomirov N.P., Tikhomirova T.M. Risk-analiz v ekonomike [Risk analysis in economy]. Moscow, Ekonomika Publ., 2010.
14. Khashman T.T. Upravlenie tsepochkami postavok [Uncertainty in SCM and methods of dealing with them]. Gumanitarnyy vestnik -Humanities Bulletin of BMSTU, 2013, iss. 10. Available at: http://hmbul.bm-stu.ru/catalog/econom/log/114.html.
15. Kulinska E. The significance of the cost accounting of the risk of logistic processes in the evaluation of the value added. Congress Proceedings - CLC 2012 (Carpathian Logistics Congress). Jeseník, 2012. Pp. 192-198.
16. Kurudzhi Y. Development of the optimization model of production and delivery plans taking into account uncertainty factors. Eastern-European Journal of Enterprise Technologies, 2015, vol. 4(3), pp. 12-15.
17. Markowitz H. Portfolio Selection. The Journal of Finance, 1952, vol. 7, no. 1 (March), pp. 77-91.
18. Sun C., Xiang Y., Jiang S., Che Q. A supply chain risk evaluation method based on fuzzy TOPSIS. International Journal of Safety and Security Engineering, 2015, vol. 5(2), pp. 150-161.
