Моделирование в логистике. Экспертные системы

ФЕДЕРАЛЬНОЕ АГЕНСТВО ЖЕЛЕЗНОДОРОЖНОГО ТРАНСПОРТА

ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ  ОБРАЗОВАТЕЛЬНОЕ  УЧРЕЖДЕНИЕ ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО  ОБРАЗОВАНИЯ

«МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ПУТЕЙ  СООБЩЕНИЯ»

                                                           (МГУПС)

 

 

 

 

 

 

 

 

 

 

Реферат

по дисциплине: «Основы логистики»

на тему: “Моделирование в логистике. Экспертные системы”

 

 

                                                                                    

 

 

 

 

 

 

 

Рецензент:                                                               Выполнила студентка 3 курса: Журавлева  И.В.                                                   Жидкова Д.А.

                                                                             Шифр: 1050-п/ДД-1190

 

 

 

 

 

 

 

Воронеж 2012

 

Моделирование в логистике.

 

Моделирование основывается на подобии  систем или процессов, которое может  быть полным или частичным. Основная цель моделирования - прогноз поведения  процесса или системы. Ключевой вопрос моделирования: «Что будет если……?».

Изоморфные модели – это модели, которые включают все характеристики объекта оригинала, способны заменить оригинал. Если можно создать и  наблюдать изоморфную модель, то знание о реальном объекте будет точным.

Гомоморфные модели – в их основе лежит не полная, частичная подобие  модели изучающего объекта. Некоторые  свойства реального объекта не моделируются полностью, но в результате построение модели упрощается, а так же проще  интерпретация результатов моделирования.

При моделировании логистических  систем абсолютное подобие не бывает, поэтому рассматриваем только гомоморфные  модели.

По признаку материальности делятся  на: абстрактные и материальные.

Материальные модели воспроизводят  основные геометрические, физические, динамические и функциональные характеристики изучаемого объекта.

Абстрактное моделирование – часто  является единственно возможным  в логистики. Делится на: символические  и математические.

К символическим моделям относятся: языковые и знаковые.

Языковые модели – это словесные  модели, в основе которых лежит  набор слов очищенных от неоднозначности, или слова тезаурус – имеет  конкретное значение.

Знаковые модели – если ввести условные обозначения отдельных  понятий, т.е. знаков и договариваться об операциями между этими знаками, то получили символическое описание объекта.

Математическое моделирование  называется процесс установления соответствия реальному объекту некоторого математического  объекта называется математической моделью.Широко применяется 2 вида математического моделирования: аналитическое и имитационного.

Аналитическое моделирование  – это математический прием исследования позволяющий получить точные или  вероятностные решения. Этапы аналитического моделирования:разработка математические модели в виде алгебраических уравнений или дифференциальных уравнений или др.решение уравнений и получение результатов;проверка модели на адекватность, т.е. соответствие теоретических результатов практике.

 

Первый этап. Формулируются математические законы, связывающие объекты системы. Эти законы записываются в виде некоторых  функциональных соотношений (алгебраических, дифференциальных и т. п.).

Второй этан. Решение уравнений, получение теоретических результатов.

Третий этап. Сопоставление полученных теоретических результатов с  практикой (проверка на адекватность).

 

Наиболее полное исследование процесса функционирования системы можно  провести, если известны явные зависимости, связывающие искомые характеристики с начальными условиями, параметрами  и переменными системами. Однако такие зависимости удается получить только для сравнительно простых  систем. При усложнении систем исследование их аналитическими методами наталкивается  на определенные трудности, что является существенным недостатком метода. В  этом случае, чтобы использовать аналитический  метод, необходимо существенно упростить  первоначальную модель, чтобы иметь  возможность изучить хотя бы общие  свойства системы.

К достоинствам аналитического моделирования  относят большую силу обобщения  и многократность использования.

Другим видом математического  моделирования является имитационное моделирование.

Имитационное моделирование –  основано на имитации реальных процессов, как правило с применением процедуры случайного случая. Исследуемый процесс разыгрывается многократно в результате полученный набор реализации процесса, далее этот набор используется как статистический материал. Основное достоинство имитационной модели – можно моделировать любые системы, процессы, любые закономерности.Недостатки: высокая стоимость, требуется высоко квалифицируемый персонал, эти модели не тиражируются, велика вероятность ложной имитации.

Как уже отмечалось, логистические  системы функционируют в условиях неопределенности окружающей среды. При  управлении материальными потоками должны учитываться факторы, многие из которых носят случайностный характер. В этих условиях создание аналитической модели, устанавливающей четкие количественные соотношения между различными составляющими логистических процессов, может оказаться либо невозможным, либо слишком дорогим.

При имитационном моделировании закономерности, определяющие характер количественных отношений внутри логистических  процессов, остаются непознанными. В  этом плане логистический процесс  остается для экспериментатора "черным ящиком".

Процесс работы с имитационной моделью, в первом приближении, можно сравнить с настройкой телевизора рядовым  телезрителем, не имеющим представления  о принципах работы этого аппарата. Телезритель просто вращает разные ручки, добиваясь четкого изображения, не имея при этом представления о  том, что происходит внутри "черного  ящика".

Точно так же экспериментатор "вращает  ручки" имитационной модели, меняя  при этом условия протекания процесса и наблюдая получаемый результат. Определение  условий, при которых результат  удовлетворяет требованиям, является целью работы с имитационной моделью.

 

Имитационное моделирование включает в себя д в а   о с н  о в н ы х   п р о  ц е с с а: первый — конструирование модели реальной системы, второй — постановка экспериментов на этой модели. При этом могут преследоваться следующие цели: а) понять поведение логистической системы, б) выбрать стратегию, обеспечивающую наиболее эффективное функционирование логистической системы.

Как правило, имитационное моделирование  осуществляется с помощью компьютеров. Условия, при которых рекомендуется  применять имитационное моделирование, приведены в работе Р. Шеннона "Имитационное моделирование систем — наука  и искусство". Перечислим основные из них.

1. Не существует законченной  математической постановки данной  задачи, либо еще не разработаны  аналитические методы решения  сформулированной математической  модели.

2. Аналитические модели имеются,  но процедуры столь сложны  и трудоемки, что имитационное  моделирование дает более простой  способ решения задачи.

3. Аналитические решения существуют, но их реализация невозможна  вследствие недостаточной математической  подготовки имеющегося персонала. 

Таким образом, основным достоинством имитационного моделирования является то, что этим методом можно решать более сложные задачи. Имитационные модели позволяют достаточно просто учитывать случайные воздействия и другие факторы, которые создают трудности при аналитическом исследовании.

При имитационном моделировании воспроизводится  процесс функционирования системы  во времени. Причем имитируются элементарные явления, составляющие процесс с  сохранением их логической структуры  и последовательности протекания во времени. Модели не решают, а осуществляют прогон программы с заданными  параметрами, меняя параметры, осуществляя  прогон за прогоном.

Имитационное моделирование имеет  ряд существенных недостатков, которые  также необходимо учитывать.

1. Исследования с помощью этого  метода обходятся дорого.

Причины:

♦ для построения модели и экспериментирования на ней необходим высококвалифицированный специалист-программист;

♦ необходимо большое количество машинного времени, поскольку метод основывается на статистических испытаниях и требует многочисленных прогонов программ;

 ♦ модели разрабатываются для конкретных условий и, как правило, не тиражируются.

2. Велика вероятность ложной  имитации. Процессы в логистических  системах носят вероятностный  характер и поддаются моделированию  только при введении определенного  рода допущений. Например, разрабатывая  имитационную модель товароснабжения  района и принимая среднюю  скорость движения автомобиля  на маршруте, равную 25 км/ч, мы  исходим из допущения, что дорожные  условия хорошие. В действительности  погода может испортиться и,  в результате наступившего гололеда, скорость на маршруте упадет  до 15 км/ч. Реальный процесс пойдет  иначе. 

Экспертные системы  в логистике

Под экспертными системами в  логистике понимают специальные  компьютерные программы, помогающие специалистам принимать решения, связанные с  управлением материальными потоками. Экспертная система может аккумулировать знания и опыт нескольких специалистов-экспертов, работающих в разных областях. Труд высококвалифицированных экспертов стоит дорого, однако, как правило, требуется не повседневно. Возможность получить совет экспертов по разным вопросам посредством обращения к компьютеру позволяет квалифицированно решать сложные задачи, повышает производительность труда персонала, и, в то же время, не требует затрат на содержание штата высокооплачиваемых специалистов.

Применение экспертных систем позволяет:

♦ принимать быстрые и качественные решения в области управления материальными потоками;

♦ готовить опытных специалистов за относительно более короткий промежуток времени,

♦ сохранять "ноу-хау" компании, так как персонал, пользующийся системой, не может вынести за пределы компании опыт и знания, содержащиеся в экспертной системе;

♦ использовать опыт и знания высококвалифицированных специалистов на непрестижных, опасных, скучных и т. п. рабочих местах.

К недостаткам экспертных систем следует  отнести ограниченную возможность  использования "здравого смысла". Логистические процессы включают множество  операций с разнообразными грузами. Учесть все особенности в экспертной программе невозможно. Поэтому для  того, чтобы не поставить коробку  весом в сто килограммов на коробку весом в пять килограммов, "здравым смыслом", дополняющим  знания экспертной системы, должен обладать пользователь.

Экспертные системы применяются  на различных стадиях логистического процесса, облегчая решение проблем, требующих значительного опыта  и затрат времени. Например, на складе, при принятии решения о пополнении запасов, когда менеджеру необходимо оценить большой объем разнообразной  информации: ожидаемые цены с учетом закупаемых товаров, тарифы на доставку, необходимость одновременного пополнения запасов по разным позициям ассортимента и т.д. Использование здесь экспертных систем позволяет принимать не только правильные, но и быстрые решения, что зачастую не менее важно.