Вопросы моделирования системы информационной логистики малого предприятия Текст научной статьи по специальности «Компьютерные и информационные науки»

УДК 658.7:658.1 + 658.1.012.12

Ю.Г. Кузменко, Г.М. Грейз, И.В. Хатеев

ВОПРОСЫ МОДЕЛИРОВАНИЯ СИСТЕМЫ ИНФОРМАЦИОННОЙ ЛОГИСТИКИ МАЛОГО ПРЕДПРИЯТИЯ

Рассмотрены актуальные вопросы формирования и развития систем информационной логистики в сфере малого предпринимательства. Приводится результат анализа проблем, возникающих при работе информационной системы в процессе ее использования как инструмента управления логистическими потоками. Рассмотрены существующие методические подходы к моделированию логистических информационных систем. Предложен инструментарий управления деятельностью предприятия на основе адаптивно-имитационной модели логистической системы с блоком фазовых переходов, который позволяет управлять интегральным стоимостным потоком.

Ключевые слова: информационная логистика, информационные системы, малое предприятие, метод экспоненциального сглаживания, адаптационно-имитационное моделирование, прогнозные расчеты, фазовый переход логистических потоков, системы информационной логистики.

Как известно, нежелательным, но обязательным атрибутом рыночной экономики является нестабильность внешних экономических условий деятельности предприятия. В наибольшей степени она отражается на малых предприятиях, которые, в силу небольшого запаса финансовых и материальных ресурсов, в меньшей степени, чем крупные предприятия, способны противостоять изменениям внешних условий деятельности.

В соответствии с авторской концепцией, именно информационная система малого предприятия в состоянии если не исключить, то в большей степени сгладить отрицательное воздействие нестабильности внешней среды.

Рассмотрим основные проблемы, которые могут возникнуть при работе информационной системы в процессе ее использовании как инструмента управления логистическими потоками различной природы в рамках деятельности малого предприятия. Анализ работ [4-6], посвященных данному вопросу, позволил выявить следующие проблемы:

- несогласованность планов сбыта и производства;

- ошибки и недостатки в планировании материальных потребностей;

- нерациональные формы и методы реализации материальных потоков;

- несинхронность отдельных стадий и фаз процесса товародвижения;

- нарушение ритмичности производства;

- слабое материально-техническое обеспечение;

- недостатки регулирования материального снабжения и уровня запасов;

- дефицит денежных средств;

- недостатки в регулировании хода выполнения заказа из-за многоступенчатости доведения заданий до рабочих мест;

- неполнота и запаздывание информации о ходе выполнения работ.

Еще одной проблемой является то, что логистическая информационная система вынуждена в большинстве случаев работать в рамках уже сложившихся на предприятии систем управления, что частично может ослаблять ее эффективность.

В работе [6] в качестве эффективного инструмента логистического управления коммерческой деятельностью предприятий предложено использовать информационные системы, в основе которых лежит адаптационно-имитационное моделирование. С учетом того, что промышленные предприятия находятся в среде с постоянными изменениями, происходящими под воздействием разнообразных факторов как объективного, так и субъективного характера, классические (неадаптивные) модели малопригодны. Естественно, это еще в большей мере относится и к малым предприятиям.

Рассмотрим сущность процесса адаптационно-имитационного моделирования, предложенного в работе [5], для прогнозирования логистических потоковых процессов.

Адаптация к изменениям внешних условий достигается за счет способности модели, сохраняя в значительной степени привычные тренды, своевременно реагировать на все корректировки проектируемых процессов, которые происходят в результате постепенного совершенствования системы, и в зависимости от характера этой реакции вносить своевременные изменения в действующую модель.

Действенным инструментом для реализации таких моделей на практике является метод экспоненциального сглаживания. Этот метод не только позволяет использовать достаточно простую вычислительную схему, но также является вполне адекватным для отражения развития экономических систем вообще и для логистических систем в частности.

Рассмотрим основные принципы построения и работу механизма адаптации на примере простейшей модели, представляющей собой полином нулевого порядка, применительно к логистической системе коммерческой деятельности, аналогично тому, как это было сделано в работе [2]. Значение показателя, характеризующего уровень прогнозируемого процесса, в аналитическом виде можно представить следующим образом:

где хг - значение показателя, характеризующего уровень прогнозируемого процесса в момент времени

аг - изменяющийся во времени параметр, характеризующий средний уровень прогнозируемого процесса в момент времени ¿;

- случайные независимые отклонения фактических значений от текущего среднего, имеющие нулевое математическое ожидание и конечную дисперсию о2.

Согласно этой модели расчетная величина прогнозного значения х1+1 полагается равной оценке параметра , то есть

В свою очередь, за оценку текущего значения параметра а( принимается экспоненциальная средняя St, рассчитываемая по рекуррентной формуле:

где St - значение экспоненциальной средней в момент ¿; а - параметр сглаживания, принимающий значения 0 < а < 1.

В итоге расчет прогнозной величины х1+1 задается рекуррентной формулой (3), в которой при определении текущей средней используется механизм старения данных по экспоненциальному закону, позволяющий построить прогнозную траекторию потокового процесса с преобладанием тенденций последнего периода. Степень этого преобладания может регулироваться параметром а: чем ближе а к 1, тем меньше прогнозная оценка х{+1 отличается от последнего наблюдения х{.

Автор [7. С. 94] обоснованно считает, что для описания логистических процессов такой механизм, основанный на взаимосвязи будущего состояния системы с достигнутыми уровнями предшествующих периодов, является адаптивным.

Учесть взаимодействие с изменяющейся внешней и внутренней средой становится возможным при использовании адаптивного механизма в имитационных моделях. С помощью подобных моделей удается имитировать потенциально возможные состояния моделируемых объектов и рассчитывать соответствующие этим состояниям прогнозные траектории их развития.

Идея подобной модели была предложена в работе [5], а сама адаптационно-имитационная модель применительно к прогнозированию логистических потоковых процессов коммерческой деятельности промышленных предприятий описана в работе [7. С. 95].

Адаптивная часть предложенной [5. С. 191] адаптационно-имитационной модели записана в виде аналитического выражения:

xt ~ а + st,

(1)

xt+1 _ аt.

(2)

(3)

У = XtB(t -1),

(5)

где F - функция, определяющая структуру адаптивного механизма; В () - текущая оценка вектора коэффициентов модели; хг - вектор-строка значений независимых переменных в момент ¿; уг - значение зависимой переменной в момент ¿;

у( - прогнозное значение зависимой переменной, рассчитанное для момента ¿; у - настраиваемый параметр адаптации.

Среди алгоритмов, задающих адаптивный механизм (6), целесообразно рассматривать те, которые позволяют вычислять текущие оценки коэффициентов модели путем корректировки их предшествующих значений на величину, зависящую от ошибки предсказания е 1 = у 1 — у (. В общем виде

формулу, по которой осуществляется пересчет текущих коэффициентов, можно записать следующим образом:

В корректирующее слагаемое V(xt, у, е) рекуррентных формул ошибка предсказания е входит линейно, а в простейшем случае одношаговых алгоритмов корректирующая составляющая V пропорциональна ег. Это существенно упрощает вычислительную схему, реализующую адаптивно-имитационную модель.

Однако ошибка предсказания е становится доступной измерению в момент, когда известно фактическое значение зависимой переменной и необходимость в прогнозе отпадает. Таким образом, адаптивный подход позволяет строить только такие модели, реакция которых на изменение в состоянии моделируемых процессов происходит с запаздыванием. Это запаздывание снижает степень подражания модели поведению реально протекающего процесса.

Для устранения этого недостатка в работе [6] предлагается дополнить адаптивную модель имитационным механизмом.

Коэффициенты модели можно корректировать без запаздывания, если вместо реальной ошибки е( в вычислительной схеме адаптивного механизма использовать имитируемую ошибку. Величину этой ошибки можно получить, например, с помощью метода статистического моделирования [1]. Введение имитируемой ошибки обеспечивает синхронность в поведении модели и моделируемого процесса.

Использование только имитируемой ошибки предсказания в вычислительной схеме прогнозных расчетов не позволяет достаточно полно осуществить подражание поведению реального процесса. Это происходит потому, что ошибка предсказания не является единственной причиной рассогласованности модели и моделируемого процесса.

Если по вновь поступившему наблюдению скорректировать коэффициенты модели и повторить расчеты, то полного совпадения расчетного значения с фактическим также не получится. Будет наблюдаться, хотя и в меньшей мере, рассогласование модели и реального процесса, которое теперь

измеряется не ошибкой предсказания, а ошибкой аппроксимации 8( = у ( — х(В().

Повышение уровня совпадения моделируемого и реального процессов можно достичь, если использовать в вычислительной схеме прогнозных расчетов не одну, а две случайные величины, имитирующие ошибку предсказания е1 и ошибку аппроксимации е^ Эти величины можно также получить с помощью метода статистического моделирования. Модель с подобной вычислительной схемой будет уже не только адаптивной, а адаптивно-имитационной.

Общая схема адаптивно-имитационной модели представлена на рис. 1.

При сохранении всех элементов адаптивной модели в схеме изменена обратная связь. Она разорвана и в ее контур встроен блок моделирования случайных величин, искусственно создающий сигнал обратной связи, имитирующий потенциально возможную величину рассогласования ~ между моделью и реальным процессом, и также искусственную вероятную величину ошибки аппроксимации е.

Таким образом, блок адаптации, в отличие от адаптивной модели, вынужден реагировать не на реальный, а на искусственно созданный сигнал обратной связи.

Отметим, что каждая отдельно взятая реализация, полученная в результате проведенных вычислений согласно схеме, представленной на рис. 1, не может объективно характеризовать реальный процесс. Она отражает лишь случайные сочетания различных факторов, складывающихся в процессе моделирования, и может быть принята за один из возможных вариантов траектории развития моделируемого процесса.

Вероятность того, что именно этот конкретный вариант станет истинной траекторией развития, очень мала. Поэтому, чтобы схема имитационных экспериментов с адаптивной моделью могла быть использована в прогнозных расчетах, необходимо дополнить ее операцией усреднения достаточно большого числа реализаций.

В(0 = ВЦ — 1) + V(X, у, е).

(7)

Рис. 1. Схема адаптивно-имитационной модели логистической системы

Усредненный результат имитационных экспериментов, в отличие от отдельной реализации, является одним из наиболее вероятных вариантов прогнозной траектории при условии, что случайные величины ~, ^ моделировались согласно законам распределения, которым подчиняются фактические ошибки предсказания ег и аппроксимации е. Идентификацию законов распределения этих случайных величин можно осуществить с помощью критериев согласия [3] по выборочным наблюдениям.

Возможно также, по нашему мнению, использование диалоговой процедуры, где прогнозные варианты формируются с участием эксперта.

Применение элементов имитации в адаптивных моделях позволяет использовать их не только для решения прогнозных задач экстраполяционного характера, но и для аналитических задач перспективного анализа.

Следующей ступенью совместного применения адаптивного и имитационного подходов для решения прогнозных задач моделирования логистических процессов является применение многофакторной модели с настраиваемой структурой многошагового адаптивного механизма [2].

В этой модели для управления ее реакцией вводится дополнительно параметр в. В отличие от параметра у, который просто снижает общий уровень реакции модели, параметр в задает уровень сглаживания коэффициента поправок В(^). Параметр в позволяет сохранить адаптивные свойства модели, даже когда встречаются резкие отклонения входных параметров - «выбросы».

Первая особенность имитационных расчетов по этой модели заключается в том, что она реагирует на ошибки аппроксимации как на реально существующую рассогласованность с моделируемым процессом, а ее адаптивный механизм, корректируя коэффициенты, минимизирует эту рассогласованность.

Другая особенность рассматриваемой модели заключается в сглаживании «выбросов». При в > 0 корректировка каждого коэффициента модели осуществляется с учетом их предыдущих изменений, что снижает воздействие имитируемой величины рассогласования ~ на окончательный результат.

Кроме того, уровень имитируемого рассогласования в совокупности с фактически наблюдаемым может регулироваться настраиваемым параметром у. Все эти особенности позволяют в рамках имитационной модели с помощью адаптивного механизма не только осуществлять перенастройку ее коэффициентов в соответствии с имитированным рассогласованием, но и управлять всем процессом имитации. В целом весь комплекс этих свойств приводит к результатам, которые характеризуются небольшой дисперсией и, как следствие, имеют достаточно высокий уровень надежности.

Использование в вычислительной схеме имитируемой ошибки предсказания превращает адаптивную модель с запаздывающей реакцией на происходящие в моделируемом процессе изменения в модель с мгновенной реакцией. В этом и заключается одно из основных отличий адаптивно-имитационной модели от адаптивной. Вместе с тем в данном случае реакция модели есть результат ее адапта-

ции не к реально происходящим изменениям в моделируемом процессе, а к одному из возможных вариантов подобного рода изменений, искусственно порождаемых с помощью датчика случайных чисел.

Другими словами, модель ориентирована в основном на применение в задачах перспективного анализа, когда необходимо выяснить допустимо возможные варианты развития исследуемых экономических объектов.

Для повышения точности прогноза необходимо, с нашей точки зрения, одноразовые эксперименты на модели заменить массовыми, тогда адаптивно-имитационная модель может применяться и для расчета наиболее вероятной траектории перспективного развития. С этой целью в модель нами введена операция усреднения, с помощью которой рассчитывается оценка математического ожидания имитируемых траекторий по их случайным реализациям. Такая оценка обладает достаточной надежностью и может приниматься в качестве одного из возможных прогнозных вариантов.

Экономико-математическое моделирование на основе рассмотренной или ей подобных адаптационно-имитационных моделей может, по нашему мнению, использоваться для решения различных задач прогнозного характера в рамках информационной логистики.

Отличительной особенностью предлагаемой авторами адаптационно-имитационной модели является то, что она вносит корректировку во входные информационные потоки в виде случайных отклонений, которые, несмотря на парадоксальность такого решения, именно за счет внесения вероятностного элемента обеспечивают повышенную точность прогноза.

Эти случайные величины е( и е1 в адаптационно-имитационной модели имитируют реальные ситуации коммерческой деятельности малых предприятий: изменение намерений или возможностей заказчиков, надежность поставок, сбои в работе самого предприятия и другое. В зависимости от сроков прогноза коэффициент адаптации у может понижаться (для долгосрочного прогнозирования) или приближаться к 1 для краткосрочного планирования.

Кроме того, по мнению авторов, предлагаемая модель при условии ее соответствующей модификации может быть пригодна не только для прогнозирования, но и для текущего управления деятельностью малого предприятия. Суть такой модификации можно свести к тому, что в целях упрощения модели и соответственно информационной системы в целом из нее исключается адаптивный блок, а адаптация к изменениям внешней среды происходит за счет имитационного блока. Описанное упрощение становится возможным, так как в данном случае задача долгосрочного прогнозирования не ставится и в качестве независимой переменной может использоваться реальный текущий входной

информационный поток х, а не адаптированный х 1 ■ В(.

Значение зависимой переменной на выходе из информационной логистической системы имеет вид у( = х 1 + , то есть корректировка на изменчивость внешней среды осуществляется путем использования только одной случайной величины sí , имитирующей ошибку аппроксимации. Это также возможно, так как в рамках текущего управления входной информационный поток х уже не должен измениться и необходимость в его предсказании с использованием коэффициента у и случайной величины е , имитирующей ошибку предсказания, отпадает.

В то же время на реализацию управленческих решений до момента прихода входного информационного потока, отдаленного определенным интервалом времени, возможно воздействие различных факторов стохастического характера. По мнению авторов, воздействие достаточно широкого спектра этих факторов можно адекватно заменить использованием имитационного механизма на основе введения в систему случайной величины е .

Принципиальная схема для предлагаемой модели представлена на рис. 2. Модель включает блок фазовых переходов, который будет осуществлять взаимодействие различных по природе потоков и их взаимопереходы.

Как видно из рис. 2, взаимодействие материального и информационного потоков происходит в блоке имитации, а фазовые переходы материального и финансового потоков имитируются в блоке фазовых переходов. Задавая те или иные критерии взаимопереходов, можно получить на выходе из этого блока, а значит и на выходе модели, прогнозные величины материальных и финансовых потоков. Возможна также по аналогии со структурой и идеологией основной модели подача на блок фазовых переходов случайной величины е' , имитирующей возможные изменения величины финансовых потоков zt.

Рис. 2. Схема адаптивно-имитационной модели логистической системы с блоком фазовых переходов

В зависимости от концепции управления можно использовать различные критерии, налагаемые на введенную в блок функцию взаимопереходов, например, если в основу сбытовой политики предприятия ставится задача повышения оборачиваемости финансовых средств. Таким критерием может быть время взаимоперехода.

Возможно также использование других критериев и различных функций, определяющих закономерности взаимопереходов. Как и в базовой модели, эффективность управления с использованием данной модели возрастает при росте числа просчитываемых на ней вариантов развития. Выходные потоки у I и zí, так же как в основной модели, представленной на рис. 1, получаются путем усреднения. Для этого часть вычислительной схемы, отвечающей за усреднение, должна быть перенесена в блок фазовых переходов.

Добавление блока фазовых переходов позволяет управлять уже не только материальным, но интегральным стоимостным потоком. В этом случае принимаемые на основе модели управленческие решения будут более обоснованными.

СПИСОК ЛИТЕРАТУРЫ

1. Бородулин А.Н., Заложнев А.Ю., Шуремов Е.Л. Внутрифирменное управление, учет и информационные технологии: учеб. пособие. М.: ПМСОФТ, 2006. 340 с.

2. Давнис В.В. Адаптивное прогнозирование: Модели и методы. Воронеж: Изд-во Воронеж. гос. ун-та, 1997. 196 с.

3. Джонсон Н., Лиси Ф. Статистика и планирование эксперимента в технике и науке: Методы обработки данных. М.: Мир, 1980.

4. Каточков В.М. Вопросы методологии взаимодействия потоковых процессов производственного предприятия: Торгово-экономические проблемы регионального бизнес-пространства: сб. материалов междунар. науч.-практ. конф., 14-15 апреля 2004 г. Челябинск: Изд-во ЮУрГУ, 2004. Т. 2. С. 65-76.

5. Каточков В.М. Методологические вопросы взаимодействия потоковых процессов коммерческой деятельности промышленных предприятий: монография. Челябинск: Изд-во ЮУрГУ, 2005. 176 с.

6. Каточков В.М. Оценка эффективности управления логистической системы деятельности предприятия: Логистика во взаимозависимом мире: материалы междунар. науч.-практ. конф. (Екатеринбург, 23-24 сентября 2003 г.). Екатеринбург: Изд-во Урал. гос. ун-та, 2003.

7. Каточков В.М. Применение адаптационно-имитационного моделирования для логистического управления коммерческой деятельностью промышленных предприятий // Вестн. ЮУрГУ: Рынок: теория и практика. Челябинск, 2006. Вып. 2. № 1(56). С. 33-39.

Поступила в редакцию 16.09.13

Yu. G. Kuzmenko, G.M. Greyz, I. V. Khateev

Questions of modeling of system of information logistics of a small enterprise

The article is devoted to actual questions of formation and development of information logistic systems in the sphere of small business. In the article, the result of the analysis of the problems arising at work of the information system in the course of its use as a tool of logistic management is given. The existing methodical approaches to modeling of logistic information systems are considered. The tool for a corporate management on the basis of adaptive-imitating model of logistical system with a block of phase transitions, which allows to operate an integrated cost stream, is offered.

Keywords: information logistics, information systems, a small enterprise, method of exponential smoothing, adaptation simulation, forecast calculations, phase transition of logistical streams, systems of information logistics.

Кузменко Юлия Геннадьевна, кандидат экономических наук, доцент E-mail: julia.kyzmenko@gmail.com

Грейз Георгий Маркович, кандидат технических наук, доцент E-mail: ggreyz09@mail.ru

Хатеев Игорь Валерьевич,

кандидат экономических наук, старший преподаватель E-mail: ivkhateev@gmail.com

ФГБОУ ВПО «Южно-Уральский государственный университет» (НИУ)

454080, Россия, г. Челябинск, пр. Ленина, 76

Kuzmenko Yu.G.,

candidate of economics, associate professor E-mail: julia.kyzmenko@gmail.com

Greyz G.M.,

candidate of technical science, associate professor E-mail: ggreyz09@mail.ru

Khateev I.V.,

candidate of economics, senior lecturer E-mail: ivkhateev@gmail.com

South Ural State University

454080, Russia, Chelyabinsk, Lenina av., 76