Управление поставками

Принятие решений о  заявках на поставку товаров: если количество товара какого-либо наименования на складе снизилось до (или ниже) критического уровня и для этого товара нет  заказанных, но не полученных поставок, то создается заявка на поставку данного  товара, время прихода поставки задается ожидаемым днем прихода, количество, заказываемое по данному наименованию товара - величина постоянная (система с постоянным объемом заказа). Затем проверяются запасы товаров всех остальных наименований на предмет достижения предкритического уровня, и если такие есть, то создаются заявки, параметры которых задаются по тому же принципу, что и для товара, уровень запаса которого снизился до критического уровня, факт заявки на поставку фиксируется в соответствующих ресурсах типа ТСклад и типа ТПоставка;

Приход поставок от производителя  товаров. Если в системе есть поставки, у которых назначенный день прихода  равен текущему дню, то вычисляется  значение количества доставленного  товара данного наименования с учетом статистической информации о недопоставках. Далее товар поступает на склад  фирмы, при этом изменяются значения параметров ресурсов типа ТСклад, соответствующих товарам того наименования, на который пришла поставка и снимается отметка о наличии заявленных поставок. Ресурс типа ТПоставка уничтожается.

ИМ также осуществляет расчет критерия, включающего, как уже  указывалось выше, следующие составляющие:

Потери от хранения, которые  вычисляются ежедневно, когда отгружены  товары по всем заказам на текущий  день, с учетом дневной стоимости  хранения единицы товара;

Потери от оплаты производителю  поставок, которые вычисляются при  заказе поставок с учетом объема упаковки, объема грузовика, стоимости пробега  грузовика и организационных  затрат на поставку (так как товары - гомеопатические препараты, вес  единицы товара не накладывает существенных ограничений на хранение и транспортировку, как объем упаковки);

Потери от невозможности  отгрузки заказов клиентам в срок - вычисляются каждый день для тех  заказов, которые не отгружены, и  у которых срок отгрузки меньше текущего дня, с учетом неустойки за задержку отгрузки заказанной единицы данного  товара в течение одного дня.

Моделирование осуществляется на протяжении квартала. Управляющей  информацией для принятия решений  о заявках на поставки в ИМ, как  и в реальной системе являются точки заказов (критические - Pi и предкритические - Pri уровни запасов товаров, где i - номер товара). От выбора точек заказов зависят получаемые в результате моделирования составляющие потерь, и соответственно критерий оптимизации планов:

, ,

где N - количество наименований товаров.

Оптимизационная процедура

Пусть заданы допустимые диапазоны  варьирования точек заказов DPi - для критических и DPri - для предкритических уровней заказов.

Необходимо найти такую  комбинацию значений критических и  предкритических уровней, чтобы  значение критерия W было минимальным:

; ,

Таким образом мы имеем комбинаторную задачу большой размерности, даже для небольшого числа товаров N. Для ее решения предлагается использовать простейший генетический алгоритм (ПГА) [7, 8]. Применение ПГА для решения подобных оптимизационных задач на языке РДО дано в [9], поэтому здесь мы рассмотрим только особенности реализации данного алгоритма.

Для использования ПГА  необходимо кодирование значений точек  заказов в двоичную форму. Способ кодирования представлен на рис. 2. Особь представляет собой битовую  строку-хромосому длиной 350 бит. Гены в этой строке имеют длину по 7 бит и представляют собой закодированные значения точек заказов. Выбор длины  гена равной 7 бит обусловлен тем, что гены в РДО представляются в виде целочисленных параметров типа ресурсов Особи. Целое число в РДО представляется в виде двух байтов. Из них один бит - знаковый. Из оставшихся пятнадцати бит четырнадцать используются для представления точек заказов.

Кодирование

Воспроизведение

 

Скрещивание

 

 

Мутация

Рис. 2. Работа ПГА

Таким образом в одном параметре типа ресурсов Особи закодированы два гена - две точки заказов: критический и предкритический уровни для товара одного наименования. Для представления точек заказов в случае двадцати пяти наименований товаров используются 25 подобных параметров ресурса.

Так как семью битами может  быть представлено число от 0 до 127, необходим  пересчет диапазонов критических - DPi и предкритических уровней - DPri в диапазон D от 0 до 127. Этот пересчет осуществляется по формулам:

, ,

где i - номер товара, G2i-1 и G2i - представления в виде десятичных чисел закодированных в семи битах  значений точек заказов.

Имея эти формулы для  любой особи возможен обратный пересчет из генов особи в критические  и предкритические уровни запасов  для каждого наименования товаров.

Оптимизируемой величиной  является функция пригодности (ФП), рассчитываемая для особей. Используемая нами реализация ПГА из [9], находит особь с максимальной ФП, поэтому необходимо выбрать такую ФП, которая растет с уменьшением значения критерия W. Ее вид определен в результате моделирования работы фирмы с типовыми значениями годовых затрат на хранение единицы товара, неустойках за задержку отгрузки клиентам единицы товара каждого наименования на один день, объемов упаковки, отнесенных к единице товара, объема грузовика, стоимости поездки одного грузовика и организационных затрат на поставку товаров. При этом было выяснено, что в суммарных потерях всегда присутствует такая составляющая, как потери от хранения. Изменение этой составляющей для различных комбинаций точек заказов невелико из-за невысоких значений годовых затрат на хранение. Поэтому в качестве ФП была выбрана показательная функция, которая быстро растет с ростом показателя степени:

,   (*)

где H - функция пригодности, Wmax - максимально возможное значение потерь, которое выбрано на основании результатов моделирования с превышением максимальной полученной величины суммарных потерь на два порядка. Если для какой-либо особи значение суммарных потерь превысит Wmax, у этой особи будет очень малое значение функции пригодности.

Основными параметрами генетического  алгоритма являются: количество особей в поколении, число поколений, вероятность  скрещивания, вероятность мутации. Значения этих параметров были взяты  из результатов исследований [9].

Исходная популяция генерируется случайным образом, при этом создаются  особи со значениями генов от 0 до 127. Число генерируемых особей равно  размеру поколения.

Расчет ФП ведется имитацией  работы фирмы в течение квартала, то есть, для каждой особи осуществляется прогон, по окончании которого рассчитывается ФП по формуле (*). В ходе прогона осуществляется принятие решений о заявках на поставки. При этом для определения критического и предкритического уровней для каждого наименования товара производится расшифровка особи, и полученные значения точек заказов используются при принятии решений.

Результатом решения оптимизационной  задачи является лучшая особь по всем поколениям. Значения точек заказов, которые будут использоваться в торговой фирме при принятии решений о заявках на поставки в процессе работы на квартале осуществляются путем расшифровки лучшей особи. Далее определяем планы поставок, взяв значения критических и предкритических уровней из лучшей особи, как заказанные поставки в течение периода моделирования - квартала.

Результаты работы системы  планирования поставок

Эксперименты проводились  на различных по напряженности (среднесуточный спрос по каждому наименованию товара) портфелях заказов от клиентов. Так  как из-за большого числа характеристик  и их комбинаций трудно привести интегральную характеристику, однозначно характеризующую  данный портфель, были проведены эксперименты для трех вариантов портфелей. Эти  портфели различались средним количеством  товара в заказе по каждому наименованию товара и каналу, а также интервалами  времени между приходами заказов  по каждому из каналов.

 

Рис. 3. Интервалы между  приходами заказов

 

Рис.4.

 Значения этих характеристик  портфелей заказов приведены  на рис. 3, 4. При этом введена  следующая нумерация каналов: 1 - канал крупных оптовиков, 2 - канал  магазинов, 3 - канал дилеров, 4 - канал  представительств фирмы.

Значения спроса за время  доставки для всех наименований товаров  и различных портфелей определялись на основе сгенерированных портфелей (среднесуточный спрос, умноженный на время доставки). Этот спрос характеризует  потребление товара с момента  выдачи на него заявки производителю  до его получения на склад.

Для сравнения, на ИМ был  смоделирован случай работы фирмы, когда  значения точек заказа назначались  эвристическим путем. Они были выбраны  следующим образом:

критические уровни брались  в среднем с двукратным превышением  величины среднесуточного спроса умноженной на время доставки;

предкритические уровни брались, исходя из вероятности прихода заказа на товар данного наименования.

Оценка суммарных потерь для этого случая и для каждого  из портфелей производилась путем  прогона модели на интервале времени  равном кварталу с данным портфелем  заказов и данными точками  заказов.

Диапазоны варьирования точек  заказов были выбраны следующим  образом:

для критических уровней - в среднем с пятикратным превышением  среднесуточного спроса, умноженным на время доставки;

для предкритических уровней  диапазоны были выбраны одинаковыми  и равными максимальному значению предкритических уровней для  случая выбора их экспертом - 400%.

Оценка суммарных потерь может быть получена на основе моделирования  работы фирмы на квартале для лучшей по всем поколениям особи. Оптимизация  с помощью ПГА проводилась  для 20 особей в поколении, 20 поколений, вероятности скрещивания - 0.7 и вероятности  мутации - 0.06.

 

Рис. 5. Изменение значения ФП по поколениям для портфеля №1

Результаты экспериментов  с использованием ПГА представлены на рис.5. Здесь приведено изменение  функции пригодности по поколениям. По результатам экспериментов (рис. 5) можно отметить, что рост среднего значения функции пригодности по популяциям (поколениям) (от 0,220357*103 до 0,388829*103 - для первого портфеля, от 0,132561*103 до 0,334439*103 - для второго портфеля, от 0,00155367*103 до 0,0135357*103 - для третьего портфеля) демонстрирует работоспособность алгоритма, а максимальное значение ФП в пересчете на критерий W дает устойчивое (в среднем около 60%) снижение потерь по сравнению со случаем назначения точек заказа на основе среднего спроса за время доставки (табл. 2).

Заключение

Результаты проведенных  экспериментов показали эффективность  комплексного применения ИМ и ПГА  к решению сложных оптимизационных  задач планирования поставок товаров  на многономенклатурный склад торговой фирмы, однако необходимы дальнейшие исследования для выбора параметров ПГА, обеспечивающих лучшую сходимость, а, следовательно, и  эффективность.

Подтверждена возможность  разработки гибридных систем, комплексно использующих ИМ и оптимизационных  процедур на основе единого инструментального  средства - языка РДО, что говорит  о его универсальности и гибкости.

 

 

 

 

1.2.1 FAST (Методика быстрого  анализа решения)

 

 

Методика быстрого анализа  решения основывается на способе  улучшения, впервые использованном IBM в середине 80-х. В 90-х этот подход был усовершенствован компанией  «Дженерал Электрик». Компания «Форд  Мотор» продолжила развитие этой концепции, назвав ее «RАРEТ». Сегодня компания E&Y широко использует этот подход (который они называют Экспресс (Express)) в работе с клиентами по всему миру. Этот подход часто используется и другими организациями по всей Америке.

 

Определение

 

Методика быстрого анализа  решения - «прорывной» подход, который  концентрирует внимание группы па определенном процессе в ходе одно- двухдневного совещания для определения способов, которыми группа может улучшить этот процесс в течение следующих 90 дней. Перед окончанием совещания руководство одобряет или отвергает предложенные улучшения.

 

 

 

Методика быстрого анализа  решения может применяться к  мероприятиям любого уровня, начиная  с основных процессов и кончая уровнем мероприятий. FAST-подход к  улучшению бизнес-процессов сосредотачивается  на отдельной одно- или двухдневной  встрече, в ходе которой определяются источники проблемы и/или мероприятия, не добавляющие ценности, содержащиеся в данном процессе. Типичными улучшениями  при применении FAST-подхода являются снижение затрат, длительности цикла  и уровня ошибок на 5-15% за 3-месячный период. Выявление возможностей для  улучшений и одобрение их внедрения  осуществляется за 1 -2 дня, поэтому данный подход и получил свое название FAST2.

 

Подход FAST реализуется в  ходе следующих 8 этапов:

 

1. Определяется проблема  или процесс, кандидат на FAST

 

2. Заказчик высокого уровня  соглашается поддержать инициативу  проведения FAST в отношении процесса, который предполагается улучшить. (Процесс должен быть в рамках  компетенции заказчика.)

 

3. Назначается команда  FAST, подготавливается набор целей  и одобряется заказчиком.

 

4. Команда FAST собирается  в течение одного-двух дней  для раз работки обобщенной блок-схемы процесса и определения мероприятий, способных улучшить показатели процесса. Все рекомендации должны быть в рамках компетенции членов команды, причем рекомендации должны быть такими, чтобы их можно было полностью внедрить в течение 3-х месяцев. Все другие предложения должны быть переданы заказчику для дальнейшего рассмотрения в будущем.

 

5. Члены команды FAST должны  признать свою ответственность  за внедрение всех рекомендаций, переданных заказчику.

 

6. По истечении 1 -2-х  дневного совещания заказчик  присоединяется к совещанию и  команда FAST представляет ему свои  выводы.