ГЛАВА 1. ТЕОРЕТИКО-МЕТОДОЛОГИЧЕСКИЕ ОСНОВЫ ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ
1.1. Сущность метода имитационного моделирования
В процессе управления бизнес-процессами в компании зачастую возникают вопросы о том, к какому результату приведет то или иное управленческое решение. Для определения наиболее оптимального решения и для экономии средств на проведение экспериментов используется моделирование процессов.
Моделирование - это перенос свойств одной системы, которая называется объектом моделирования, на другую систему, которая называется моделью объекта, воздействие на модель осуществляется с целью определения свойств объекта по характеру ее поведения.
Такую замену (перенос) свойств объекта приходится делать в тех случаях, когда непосредственное его изучение затруднено или даже невозможно. Как показывает практика моделирования, замена объекта его моделью дает часто положительные эффект.
Модель является представлением объекта, системы или понятия (идеи) в некоторой форме, отличной от формы их реального существования. Модель какого-либо объекта может быть или точной копией этого объекта (хотя и выполненной из другого материала и в другом масштабе), или отображать некоторые характерные свойства объекта в абстрактной форме.
Одновременно в процессе моделирования удается получить достоверную информацию об объекте с меньшими затратами времени, финансов, средств и других ресурсов.
Основными целями моделирования являются:
1. анализ и определение свойств объектов по модели;
2. проектирование новых систем и решение на модели оптимизационных задач (нахождение наилучшего варианта);
3. управление сложными объектами и процессами;
4. прогнозирование поведения объекта в будущем.
Наиболее распространены следующие виды моделирования:
1) математическое;
2) физическое;
3) имитационное.
При математическом моделировании исследуемый объект заменяется соответствующими математическими соотношениями, формулами, выражениями, с помощью которых решаются те или иные аналитические задачи (делается анализ), находятся оптимальные решения, а также делаются прогнозы.
Физические модели представляют собой реальные системы той же природы, что и исследуемый объект, либо иной. Наиболее типичным вариантом физического моделирования является использование макетов, установок или выбор фрагментов объекта для проведения ограниченных экспериментов. И наиболее широко оно нашло применение в сфере естественных наук, иногда в экономике.
Имитационное моделирование — метод, позволяющий строить модели, описывающие процессы так, как они проходили бы в действительности. Такую модель можно «проиграть» во времени как для одного испытания, так и заданного их множества. При этом результаты будут определяться случайным характером процессов. По этим данным можно получить достаточно устойчивую статистику.
Если попытаться определить для имитационного моделирования свойственный ему круг проблем, то в их числе окажутся проблемы, связанные в широком смысле с изучением и предсказанием поведения модели сложной системы, когда эксперимент над этой системой невозможен или нежелателен в реальных условиях ее существования. В целом ряде случаев имитационная модель является единственной альтернативой получения информации о поведении объекта и его характеристиках.
1.2. Базовые подходы в имитационном моделировании
Имитационное моделирование включает в себя следующие подходы:
• Системная динамика
• Дискретно-событийное моделирование
• Агентное моделирование
Рассматривая с позиции системной динамики, поведение системы представляется как множество взаимно влияющих задержек и обратных связей: положительных и отрицательных. Так как модель, построенная при помощи описанного метода, работает с количественными агрегатными показателями, то объекты, расположенные в одном накопители неотличимы - их индивидуальные характеристики опускаются. Поэтому работая с данным методом, необходимо учитывать только глобальные зависимости системы. Системная динамика- это верхнеуровневое представление системы.
Дискретно-событийное моделирование рассматривает процессы как последовательность событий, для этого используется транзакции и блоки-объекты. Система представляется как продвигающийся по структурной диаграмме поток сущностей. Кроме того, поведение этих сущностей может быть обусловлено нахождением в очереди, конкуренцией с другими сущностями за захват ресурсов и покиданием системы. Данный тип моделирования используется при среднем или низком уровне абстракции: каждый объект рассматривается отдельно, однако большая часть детальных параметров опускается.
Агентное моделирование. В первую очередь, детально определяется каждый отдельный агент: задается ряд параметров его характеризующих. После чего ряд агентов помещается в глобальную среду. Таким образом, что поведение каждого отдельного агента влияет на поведение системы в целом. Задача создателя модели: изучить и проанализировать эти глобальные правила на основе предположений о поведении отдельных агентов и их взаимодействии.
Таким образом, выбор метода зависит от структуры системы, поведение которой планируется имитировать.
1.3. Применение имитационного моделирования для минимизации рисков и повышения качества логистического сервиса
Имитационное моделирование – это эффективный метод для изучения сложных управленческих вопросов, который в дальнейшем помогает принимать управленческие решения. Имитационное моделирование применяется, когда проведение эксперимента на объектах в реальной жизни требует слишком больших финансовых вложений, является технически сложным и трудозатратным. В таких случаях гораздо более эффективном решением будет провести эксперимент при помощи имитационной модели какого-либо процесса.
Чем больше деталей из реальной жизни будет учитывать имитационная модель, чем больше логических связей будет прописано между её элементами, тем более приближенными к реальной жизни будут результаты её работы.
Моделирование используется, когда экспериментирование для выбора оптимального решения какого-либо вопроса на реальном объекте является слишком дорогостоящим – построение реального объекта, внесение изменений в его работу, его ликвидация требуют больших финансовых вложений и значительных временных затрат. Многие управленческие задачи включают в себя принятие решений в условиях неопределенности. Это означает, что выбор дальнейших действий производится на основе предположений, а не на реальных фактах, и результат таких решений также может быть непредсказуем.
Вместо экспериментирования на объектах в реальной жизни намного более рациональным решением будет прибегнуть к построению имитационной модели этих объектов. Это позволяет создать среду для проведения безрисковых экспериментов, в которой можно протестировать поведение системы под влиянием различных заданных факторов, сравнивать разные сценарии и даже выявить оптимальное решение заданной задачи. После нахождения оптимального решения, его можно реализовывать в реальном мире.
Для решения управленческих вопросов в области логистики могут быть созданы следующие имитационные модели:
• модели систем транспортировки грузов по территории предприятия с помощью мобильных средств (погрузчиков, трейлеров и т. п.);
• модели стационарных напольных и подвесных систем транспортировки и сортировки грузов (кранов и конвейеров различной конструкции);
• модели процессов на складах: приём грузов, перемещение грузов в зоны хранения и обратно, отбор, комплектация, упаковка и отправка грузов;
• модели производственных линий и сборочных конвейеров.
Перечисленные модели могут сочетаться друг с другом для создания комплексной модели логистики компании.
Имитационное моделирование можно использовать для решения следующих задач:
• Определение оптимального страхового запаса для многоуровневых цепей поставок;
• Оценка политики управления запасами;
• Выявление узких мест в цепи поставок;
• Оценка уровня сервиса;
• Тестирования устойчивости цепи поставок к внутренним и внешним изменениям;
• Проигрывания сценариев «что, если» при запуске новых производственных объектов или новых транспортных политик.
Таким образом, имитационные модели используются для проведения экспериментов и рассмотрения различных сценариев в безрисковой среде для дальнейшей реализации оптимального сценария в реальной системе. Имитационное моделирование логистических систем позволяет учитывать множественные факторы внешней и внутренней среды, моделировать случайные события, используя распределения вероятностей, отслеживать их влияние на процессы, происходящие в логистических цепях. Проигрывание большого количества сценариев типа «что-если», рассмотрение различных альтернатив помогает в составлении прогнозов и планов. Проведение нескольких экспериментов и выбор наилучшего сценария позволяет снизить риски и помогает принимать наиболее эффективнее управленческие решения. Все перечисленные аспекты в совокупности являются основой для создания качественного логистического сервиса.
Преимуществом имитационного моделирования является возможность оценки эффективности взаимодействия объектов моделирования друг с другом, а именно: агенты обмениваются необходимой информацией (количество заказов, распределение спроса и т.п.) и принимают решения на основании полученных данных, что снижает риск появления эффекта «хлыста». Моделирование общения агентов помогает выявлять положительный или отрицательный эффект от действий одного агента на другого. Например, эксперименты с агентной моделью цепи поставок помогут менеджеру проанализировать влияние обмена информацией партнеров на уровень запасов и выбрать оптимальную стратегию для минимизации затрат на их хранение.
Имитационное моделирование обеспечивает минимизацию риска изменения плана путем предварительного анализа и моделирования возможных сценариев развития событий в цепи поставок.
В условиях интенсивного развития телекоммуникационных технологий одним из перспективных направлений исследования этой научно-практической проблемы служит имитационное моделирование, которое является наиболее дешевым, гибким, доступным и высокорезультативным инструментом управления предпринимательскими рисками. Также имитационная модель позволяет определять оптимальные параметры использования и поступления ресурсов, в результате повышается уровень логистического сервиса.
?
ГЛАВА 2. ИССЛЕДОВАНИЕ ЛОГИСТИЧЕСКИХ БИЗНЕС-ПРОЦЕССОВ И РАЗРАБОТКА ИМИТАЦИОННОЙ МОДЕЛИ УПРАВЛЕНИЯ ЗАПАСАМИ ДЛЯ ТОРГОВОГО ПРЕДПРИЯТИЯ (НА ПРИМЕРЕ ООО ЧОО "КОНТРКРИМИНАЛ ЗАЩИТА")
2.1. Исследование основных логистических процессов в цепях поставок ООО ЧОО "Контркриминал Защита"
ООО ЧОО "Контркриминал Защита" обеспечивает охрану, безопасность, пропускной и внутриобъектовый режимы на особо важных объектах Московского региона. Штатная численность охранников зависит от объема договоров, колеблется от 1000 до 2000 человек. Статус и уровень охранной организации во многом зависит от уровня подготовки работников охранного предприятия в решении различных вопросов при обеспечении надежной охраны объектов. Важную роль также имеет экипировка работников охранного предприятия.
Таблица 1. Общие сведение о компании ООО ЧОО "Контркриминал Защита"
Полное наименование компании Общество с Ограниченной Ответственностью "Частная Охранная Организация "Контркриминал Защита"
Сокращенное наименование компании ООО ЧОО "Контркриминал Защита"
ИНН 7726721862
КПП 770201001
Дата регистрации 20.05.2013
Юридический адрес 127051, город Москва, Трубная улица, дом 28, строение 3
При обеспечении работников охранной организации форменной одеждой, возникла проблема в приобретении обмундирования из материалов хорошего качества, необходимого стиля и покроя, удобного в ежедневном использовании, которое бы наилучшим и выгодным образом выделяло работников охраны ООО ЧОО "Контркриминал Защита" перед другими охранными организациями в глазах заказчиков охранных услуг.
С целью надежного и постоянного обеспечения своих работников качественным форменным обмундированием, руководство ООО ЧОО "Контркриминал Защита", изучив рынок, заключило договор на пошивку форменной одежды со швейной организацией, находящейся в Санкт Петербурге, которая предлагала наиболее качественные материалы и гибкое выполнение заказов по разработанным ЧОО моделям форменной одежды. Это решение создало конкурентное преимущество перед другими охранными предприятиями. Это одна из причин, которая объясняет положительную динамику выручки компании в 2016-2018 гг. (Рисунок 1). Обеспечив своих работников, руководство приняло решение об открытии магазина по продаже качественного форменного обмундирования для работников частных охранных организаций Московского региона. Данный вид деятельности оказался востребованным и рентабельным.
Рисунок 1 – Динамика выручки ООО ЧОО "Контркриминал Защита" 2013-2018 гг.
Чистая прибыли компании с 2015 по 2018 годы принимала только положительные значения, компания понесла убыток всего один раз за свою историю существования – в 2014 году (Рисунок 2). Падение чистой прибыли в 2018 году связано с мероприятиями по обновлению парка транспортных средств для доставки личного состава к месту выполнения охранных мероприятий и обеспечения выполнения договорных обязательств по охране имущества при его транспортировке.
Рисунок 2 – Динамика чистой прибыли ООО ЧОО "Контркриминал Защита" 2013-2018 гг.
На данный момент у компании открыто две торговые точки – одна расположена в г. Москва, вторая – в г. Балашиха. У каждого магазина есть торговое помещение с выставленными образцами продукции, а также складские помещения. Поскольку общий объем реализации продукции не слишком велик, аренда дополнительных складских помещений не предусмотрена.
Для создания условий бесперебойного процесса хозяйственной деятельности предприятия и управления эти процессом организовано обеспечение предприятия материально-техническим имуществом.
Приобретение материальных средств проводится в рамках единой закупочной политики, проводимой в ООО ЧОО "Контркриминал Защита" на основании ФЗ от 18.07.2011 № 222 и в соответствии с Положением о порядке размещения заказов на закупку товаров, выполнение работ, оказание услуг для осуществления основных видов деятельности ООО ЧОО "Контркриминал Защита".
Для надежного хранения материального имущества и размещения его с учетом сортировочных требований, предприятие располагает арендованными складскими помещениями. Распределение материальных активов межу подразделениями осуществляется на основе письменных служебных заявок от руководителей подразделений, с обязательным указанием причин, побудивших запросить данное имущество. На должностных лиц, получивших в служебное пользование материальные ценности, заводятся карточки учета с указанием в них всех необходимых данных по полученному в пользование имуществу.
На складе форменной одежды и обмундирования применяется технология «кросс-докинг». Бизнес-процессы сводятся к выполнению одной операции “получил-отправил”. Период между доставкой товара на склад и его отгрузкой конечному потребителю составляет в пределах 24 часов.
Доставка готовой продукции от производителя, который расположен в Санкт Петербурге, до склада магазина ООО ЧОО "Контркриминал Защита" осуществляется собственным автотранспортом частной охранной организации, поскольку у компании в собственности есть широкий спектр автотранспорта, который используется для доставки охранников к месту несения службы, а также грузовой транспорт для решения хозяйственных вопросов, было решено его использовать и для доставки форменного обмундирования в магазины в Москве и в Балашихе, без приобретения дополнительного транспорта или обращения к компаниям, предоставляющим логистические услуги.
Логистический процесс ООО ЧОО "Контркриминал Защита" можно разделить на три части:
1) операции, направленные на координацию процедур службы закупки;
2) операции, непосредственно связанные с переработкой груза и
его документацией;
3) операции, направленные на координацию процедур службы продаж.
4) Взаимная координация служб закупок и продаж, обеспечивающая эффективное решение задач по выбору поставщиков, выбору транспортных средств и маршрутов доставки продукции.
Координация службы закупки осуществляется в ходе операций по снабжению запасами и посредством контроля за ведением поставок. Основная задача снабжения запасами состоит в обеспечении склада товаром (или материалом) в соответствии с возможностями его переработки на данный период при полном удовлетворении заказов потребителей. Определение потребности в закупке запасов ведется в согласованности со службой продаж и имеющейся мощностью склада.
Составные бизнес-процессы логистической системы ООО ЧОО "Контркриминал Защита":
? планирование движения продукта (составная часть процесса планирования и управления);
? доставка продукта от производителя или поставщика (составная часть ресурсного процесса);
? ведение складского учета полученного груза (составная часть ресурсного процесса);
? доставка товара в магазины (составная часть процесса сбыта продукции); контроль за движением товарных потоков (составная часть процесса планирования и управления).
2.2. Постановка задач в рамках имитационной модели управления запасами ООО ЧОО "Контркриминал Защита"
Имитационная модель для ООО ЧОО "Контркриминал Защита", представленная в данной работе, будет служить для управления запасами компании. По договору с поставщиком форменного обмундирования, каждый раз продукция закупается в объеме 2600 штук, причем заказ на новую поставку производится в тот момент (точка подачи заказа), когда уровень запасов в магазине достигает 1300 штук.
Реализация данной закупочной политики в компании ООО ЧОО "Контркриминал Защита" зачастую приводит к дефициту запасов продукции – почти регулярно возникают ситуации, когда продукция продается быстрее, чем закупается. В связи с этим возникают упущенные продажи, что негативно влияет на прибыль компании. Руководство компании "Контркриминал Защита" предположило, что, возможно, стоит пересмотреть условия пополнения уровня запасов. Для прогнозирования спроса и для оценки эффективности существующей системы поставок, было предложено разработать имитационную модель, которая бы помогла руководству решить следующие задачи:
1. Прогнозировать объем спроса за определенный временной промежуток;
2. Рассчитать среднюю величину остатков на конец недели;
3. Рассчитать среднее количество заказов на поставку продукции за определенный временной промежуток;
4. Рассчитать сумму упущенных продаж в денежном выражении, которые возникают у компании в периоды дефицита (когда запас продукции на складе закончился, а новая поставка еще не поступила);
5. Определить количество недель с упущенными продажами.
Имитационная модель будет составлена на период в 24 недели (6 месяцев). Базисом для её расчета будет являться информация о спросе на продукцию, представленная аналитическим отделом. Для расчета этих данных за основу была взята статистическая информация за четыре аналогичных временных периода, на которую наложены предположения об изменении спроса в имитируемом периоде. В качестве базы проанализирован спрос за период 2 года 2 месяца): за период с апреля 2018 по июнь 2020. В таблице 2 представлена информация об абсолютной частоте спроса по неделям. Абсолютная частота показывает, сколько раз данное значение повторяется в рассматриваемой выборке. Так, за рассматриваемый период – 100 недель, недельный спрос в размере 670 единиц продукции наблюдался три раза, что отражено в первой строке таблицы 2.
Таблица 2. Данные о недельном спросе на продукцию компании "Контркриминал Защита"
Спрос за неделю, шт Частота спроса в неделю
670 3
675 7
680 5
685 10
690 13
695 8
700 5
705 2
710 13
715 10
720 9
725 3
730 7
735 2
740 3
Итого 100
Спрос варьируется в пределах от 670 до 740 шт. форменного обмундирования для работников частных охранных организаций в неделю. Наиболее устойчивым является спрос в объеме 690 штук в неделю и 710 штук в неделю (у обоих величин частота спроса составляет 13).
Время поставки продукции зависит от скорости выполнения поставщиком заказа, а также от наличия свободного транспорта для осуществления доставки готовой продукции.
Согласно данным за предыдущие периоды, время поставки варьируется в интервале от 1 до 4 недель и для каждого времени поставки определены следующие вероятности: с вероятностью 0,3 заказ будет доставлен за 1 неделю, с вероятностью 0,3 – за две недели, с вероятностью 0,15 – за три недели и с вероятностью 0,25 – за четыре недели. Данные о вероятности поставки за указанное время основаны на анализе времени поставки заказов от поставщика за предыдущие периоды.
Таблица 3. Информация о времени поставки заказа
Время поставки заказа, неделя Вероятность выполнения заказа «точно в срок»
1 0,3
2 0,3
3 0,15
4 0,25
1
Разработка имитационной модели будет производиться в программе Microsoft Excel на основе метода Монте-Карло. Метод Монте-Карло (или метод статистических испытаний) можно определить как метод моделирования случайной величины с целью вычисления характеристик их распределений. Суть состоит в том, что результат испытаний зависит от некоторой случайной величины, распределенной по заданному закону. Поэтому результат каждого отдельного испытания носит случайный характер. Проведя серию испытаний, получают выборку. Полученные статистические данные обрабатываются и представляются в виде численных оценок, интересующих исследователя величин (характеристик системы).
Выбор программы Microsoft Excel для построения модели связан с её следующими преимуществами:
1. Высокая доступность (установлена на большинстве компьютеров);
2. Простота использования (не требует владения навыками программирования);
3. Гибкость (позволяет реализовывать расчеты с большим спектром параметров, имеет встроенные математические и статистические функции)
2.3. Построение имитационной модели управления запасами ООО ЧОО "Контркриминал Защита" в программе Microsoft Excel.
Перед началом построения имитационной модели необходимо провести подготовительные расчеты, на основе которых будут производиться дальнейшие вычисления. Для построения имитационной модели управления запасами необходимо найти значения функции распределения для каждой величины возможного спроса в неделю. Для этого рассчитаем вероятности возникновения объема спроса в неделю, поделив частоту возможного спроса на сумму всех частот (100):
В таблице указаны: прогнозируемый недельный спрос, абсолютная частота объема спроса, вероятность возникновения объема спроса.
Таблица 4. Определение вероятности недельного объема спроса
Формула для первой строки: С2=B2/$B$17
Вероятность i=частота/сумма частот
Формула для первой строки: С2=B2/$B$17=3/100=0,03
Рассчитав подобным образом вероятность возникновения каждой величины спроса, найдем для них значения функции распределения. Функция распределения случайной величины – это вероятность того, что случайная величина примет значение меньшее, чем конкретное числовое значение X. Эта величина будет использоваться для расчета интервалов случайных чисел для каждой величины спроса. Для первого значения функция будет равна вероятности этого значения, для второго – вероятность предыдущего значения плюс его собственная вероятность и так далее. У последнего значения функция распределения будет равна единице.
Значения спроса, частоты объема спроса, вероятности спроса берутся из таблицы 4. Формула для первой строки: ячейка D2=C2, где D- это название столбца в Excel, 2 – номер строки в Excel.
Формула для второй строки: ячейка D3=D2+C3=0,03+0,07. Далее расчеты проводятся аналогичным образом.
Проведем расчеты в таблице 5.
Таблица 5. Расчет значения функции распределения для недельного объема спроса
На основе полученных значений функции распределения рассчитаем интервалы случайных чисел для каждой величины спроса:
Таблица 6. Интервалы случайных чисел для недельного объема спроса
При расчете интервалов случайных чисел на основе значений функции распределения каждой вероятности, получены интервалы, соответствующие вероятности возникновения каждой величины спроса на продукцию компании ООО ЧОО "Контркриминал Защита". Расчеты самой модели будут ссылаться на полученные интервалы случайных чисел. Для достижения определенной степени автоматизации расчетов удобно создать лист-справочник «Спрос», в котором будут указаны соответствующие значения спроса для каждого случайного числа (Приложение 1).
Рассчитаем интервалы случайных чисел для времени поставки заказов.
Для генерации случайных чисел воспользуемся формулой =СЛУЧМЕЖДУ (1;100), которая генерирует случайное число в интервале от 1 до 100. Результаты зафиксируем, так как эти числа могут изменяться со временем (например, при закрытии файла Excel, во время следующего открытия будут сгенерированы новые числа). Для определения спроса в зависимости от случайного числа воспользуемся функцией ЕСЛИ().
Таблица с результатами расчета интервалов случайных чисел представлены в таблице 7
Таблица 7. Результаты расчета интервалов случайных чисел для времени поставки заказов.
Далее начинается построение непосредственно имитационной модели. Имитация будет производиться в четыре этапа:
