close

Вход

Забыли?

вход по аккаунту

?

Gurianov

код для вставкиСкачать
МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ
Федеральное государственное автономное
образовательное учреждение высшего образования
САНКТ-ПЕТЕРБУРГСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ
АЭРОКОСМИЧЕСКОГО ПРИБОРОСТРОЕНИЯ
А. В. Гурьянов
ОЦЕНКА
ЛОГИСТИЧЕСКИХ ПРОЦЕССОВ
ПОСТАВОК ЗИП ДЛЯ ПОДДЕРЖАНИЯ
ИСПРАВНОСТИ ТЕХНИЧЕСКИХ ОБЪЕКТОВ
Монография
УДК 164
ББК 65.40
Г95
Рецензенты:
доктор технических наук, профессор В. А. Фетисов;
доктор технических наук, профессор А. В. Кириченко
Утверждено
редакционно-издательским советом университета
в качестве монографии
Гурьянов, А. В.
Г95 Оценка логистических процессов поставок ЗИП для поддержания исправности технических объектов: монография /
А. В. Гурьянов. – СПб.: ГУАП, 2018. – 141 с.
ISBN 978-5-8088-1244-4
В монографии изложены вопросы реализации оптимального количества ЗИП для транспортных средств с учетом необходимости
выполнения большого числа требований. Приводится анализ минимизации затрат в цепях поставок ЗИП, расчеты по статистическим
методам, рассматриваются потоки отказов и надежностные расчеты
объектов поставок ЗИП. Для исследования логистических процессов поднимаются вопросы применимости различных логистических
стратегий и приводится проект инструментального программного
средства для оценки и определения потребного количества ЗИП с учетом возникновения сбоев и различных условий при поставках.
Монография рекомендуется аспирантам и магистрам, проводящим исследования в прикладных областях науки, а также может
быть полезна студентам, обучающимся по направлениям «Технология транспортных процессов», «Управление в технических системах», «Информатика и вычислительная техника», «Техническая
эксплуатация летательных аппаратов и двигателей».
УДК 164
ББК 65.40
ISBN 978-5-8088-1244-4
©
©
Гурьянов А. В., 2018
Санкт-Петербургский государственный
университет аэрокосмического
приборостроения, 2018
СПИСОК СОКРАЩЕНИЙ
DRP – Distribution Requirements Planning
ERP – Enterprise Resource Planning
MRP – Materials Requirement Planning
VMI – Vendor-Management Inventory
БД – Базы данных
БЦВС – Бортовые цифровые вычислительные системы
ВБР – Вероятность безотказной работы
ВС – Воздушное судно
ГП – Готовая продукция
ЖЦ – Жизненный цикл
ЗИП – Запасное имущество и принадлежности
ЗЧ – Запасная часть
ИЛП – Интегрированная логистическая поддержка
КР – Капитальный ремонт
ЛА – Летательный аппарат
ЛПР – Лицо, принимающее решение
ЛЦ – Логистическая цепь
МР – Материальные ресурсы
МТО – Материально-техническое обеспечение
НП – Незавершенное производство
ОКБ – Опытно-конструкторское бюро
ППО – Послепродажное обслуживание
ПС – Предметы снабжения
СВХ – Склад временного хранения
СУЗ – Системы управления запасами
ТО – Техническое обслуживание
ТОиР – Техническое обслуживание и ремонт
ТР – Текущий ремонт
ТЗ – Товарный запас
УЦП – Управление цепями поставок
ЭСС – Экономические и социальные системы
3
ВВЕДЕНИЕ
Запасное имущество и принадлежности (ЗИП) как ресурс обеспечения надежности занимают значительное место в практике
проектирования и эксплуатации технических изделий. Теория надежности рассматривает восстановление работоспособности путем
ремонта. Ремонт как способ восстановления работоспособности на
самом деле не является универсальным способом по ряду причин.
Известно достаточно большое количество различных по масштабам
и назначению систем, в том числе систем управления, для которых
не удается организовать восстановление работоспособности путем
ремонта. Во-первых, далеко не всегда на месте эксплуатации может
быть развернута ремонтная база. Это относится не только к системам, имеющим серьезные ограничения по весу и габаритам, например к бортовым, но и ко многим системам военного назначения,
системам управления на транспорте, системам, эксплуатируемым
в малонаселенных труднодоступных регионах страны. Во-вторых,
при современном высокотехнологичном производстве ремонт часто
невозможен или экономически нецелесообразен вне крупных, хорошо оснащенных специализированных предприятий.
Анализ многочисленных исследований, связанных с оценками
надежности объектов авионики [1, 4, 13, 19, 22, 23], показывает, что
при их интенсивной эксплуатации, как и при эксплуатации механических объектов, годовая производительность воздушного средства к концу срока службы снизится на определенное значение (в
зависимости от рассматриваемого объекта) по сравнению с первоначальной. За определенный срок службы воздушного судна расходы
на техническое обслуживание и ремонт возрастают.
При использовании ЗИП восстановление работоспособности сводится к замене отказавшего модуля (составной части) работоспособной запасной частью (ЗЧ), что вполне может быть выполнено
эксплуатационным персоналом. В этом случае возникает другая
проблема. По соображениям ограничений на суммарную стоимость
запасных частей не удается создать такие большие начальные запасы модулей, которые позволяли бы гарантированно иметь ЗЧ при
любом отказе в системе. Это значит, что кроме ранее указанной причины отказа резервированной системы (новый отказ до завершения
восстановления) появляется и другая причина, а именно отсутствие
в комплекте ЗИП необходимой ЗЧ. Поскольку время пополнения
запасов в комплекте существенно превышает допустимое время восстановления работоспособности, изделие после исчерпания запасов
4
становится фактически невосстанавливаемым по отказам данного
типа до ближайшего регламентного или случайного момента пополнения комплекта ЗИП. Необходимо отметить сложность объектов
авионики, так как в ее составе есть элементы, которые можно ремонтировать только путем замены соответствующих блоков целиком. Поэтому организации, закупающей воздушное судно, необходимо просчитывать число устройств ЗИП, которые нужно включить
в поставку.
Особенностью объектов авионики является тот факт, что некоторые объекты необходимо планово менять после определенного числа
полетов. Данный аспект вызывает организацию дополнительных
поставок ЗИП. В противном случае отсутствие определенного блока
ЗИП приведет к простою в работе воздушного судна. Поэтому, с одной стороны, заказчику помимо поставки необходимого числа ЗИП
при продаже надо прогнозировать потребность на определенный
интервал времени, с другой стороны, предприятию-изготовителю
необходимо формировать логистические процессы для обеспечения
пополнения ЗИП и организации сервисного ремонта. Данные процессы формируют требования разработки современной логистической системы поставок ЗИП для предприятия-изготовителя, но при
этом необходимо рассматривать и параметры надежности объектов
авионики. Отличительной особенностью систем авионики является
невозможность восстановления бортовой аппаратуры сразу же после отказа, так как отказ может иметь место в полете или в периоды
времени между техническими обслуживаниями. Необходимо также
анализировать и внешние условия эксплуатации воздушного судна. Однако обслуживание, осуществляемое в регламентированные
периоды, позволяет восстанавливать резерв при отсутствии отказа
системы в целом [21, 23, 26]. Таким образом, классическая формула
определения среднего времени наработки на отказ в данном случае
не может быть применена. Современные методы оценки надежности
базируются на результатах как расчетов, так и испытаний, которым,
несмотря на их универсальный характер, присущи и недостатки.
С другой стороны, расчет показателей надежности объектов авионики, основанный на вероятностно-статистических моделях, практически широко не используется из-за небольшой точности.
На основании данных по надежности и нормативных полетных
документов формируются плановые показатели по замене объектов авионики. Но для построения логистической системы поставок
ЗИП необходимо также рассматривать и экономические условия.
5
Главное место в материально-техническом обеспечении эксплуатации воздушных судов занимают вопросы управления поставками и запасами ЗИП. Появление многочисленных посредников на
рынке между производителями запчастей авионики и организациями, эксплуатирующими воздушные суда, приводит к завышению
стоимости запчастей, длительности поставки, усложнению цепей
поставок, а также снижает прозрачность происхождения ЗИП и затрудняет контроль качества ЗИП. Ситуация возникновения ЗИП
неустановленного происхождения может представлять угрозу для
безопасности полетов. Кроме того, эффективная организация послепродажного обслуживания авиатехники требует создания глобальной сети центров технического обслуживания (ТО) и ремонта,
приближенных к местам базирования парков воздушных судов,
что автоматически влечет за собой необходимость организации глобальной логистической поддержки. В современных условиях резко
ужесточаются требования к гибкости, оперативности и надежности
логистической поддержки эксплуатации и технического обслуживания авиатехники как гражданского, так и военного назначения.
Для организации эксплуатанта воздушного судна необходимо
иметь запас ЗИП. Необходимость поддержания складских запасов
обусловлена прежде всего большой длительностью, дискретностью
и нерегулярностью поставки ЗИП, а также возможной экономией
при производстве и транспортировке ЗИП большими партиями.
Для выполнения поставки ЗИП в назначенное время необходимо
заранее формировать заказ с учетом времени на изготовление. Изначально перечни ЗИП и нормы их расхода должны приводиться
в соответствующих типовых эксплуатационных и ремонтных документах согласно техническим условиям или договорам поставки.
Вместе с воздушным судном (ВС) обычно поставляются перечни
одиночного комплекта ЗИП, поставляемого с каждым ВС, перечни
групповых комплектов ЗИП, поставляемых эксплуатанту для группы воздушных судов, например 1:5 или в другом соотношении, по
согласованию с эксплуатантом. По экономическим соображениям
ЗИП не может быть неограниченным, и существует актуальная задача определения оптимального состава ЗИП, которая зависит от
множества ограничений как со стороны надежности ЗИП, так и со
стороны выбора наилучшей системы для бесперебойной цепи поставок. Если некоторый ЗИП не понадобился в процессе эксплуатации воздушного судна, то он подлежит возврату. Но повторно его
использовать для другого воздушного судна невозможно. Поэтому
6
в современных экономических условиях руководители предприятий стремятся заранее спрогнозировать различные варианты комплектации ЗИП и из набора вариантов поставки воздушного судна и
ЗИП выбрать экономически более выгодный. Для этого необходимо
иметь информационный инструмент, позволяющий лицу, принимающему решение (ЛПР), спрогнозировать различные варианты комплектации ЗИП с учетом возможности унификации.
В данном аспекте предприятию-изготовителю необходимо наличие специальной информационной системы для логистической
поддержки эксплуатации авионики [27]. Несмотря на повсеместное внедрение информационно-логистических систем и разработки их проектов, в производстве наблюдается явное несоответствие
существующих методов организации технического обслуживания
и планирования материального снабжения условиям эксплуатации
авиационной техники. Данное несоответствие обусловлено тем, что
каждый блок авионики для определенного воздушного судна имеет
свои уникальные особенности эксплуатации, что не позволяет выработать единых параметров и требований, которые можно было бы
использовать в некоторой универсальной информационной среде.
Как следствие, предприятия-изготовители вынуждены разрабатывать собственные системы.
В данном аспекте вопросы разработки и исследования методики
оценки логистических процессов поставок ЗИП для поддержания
исправности изделий авионики, находящихся в эксплуатации, являются крайне актуальными.
7
1. ЛОГИСТИЧЕСКАЯ СОСТАВЛЯЮЩАЯ
ТЕХНИЧЕСКИХ СИСТЕМ ПОСЛЕПРОДАЖНОГО
ОБСЛУЖИВАНИЯ АВИОНИКИ
Большую актуальность для предприятий авиационной отрасли
приобретает информационное обеспечение послепродажного обслуживания сложных технических систем. Связано это в первую
очередь с ростом экспорта. Послепродажное обслуживание (ППО)
является динамичным рынком с быстро изменяющимися условиями ведения бизнеса, активным развитием стандартизации взаимоотношений поставщика и эксплуатанта на стадии послепродажного
обслуживания. На рис. 1 представлены показатели госпрограммы
«Развитие авиационной промышленности» с 2013-го по 2017-й г.
В настоящий момент на мировом рынке ППО можно выделить
несколько основных тенденций:
1. Снижение уровня запасов запасных частей (оптимизация размера ЗИП).
2. Растущее участие производителей техники в послепродажном
обслуживании.
3. Ориентация эксплуатантов на аутсорсинг в материально-техническом обеспечении.
4. Переход к моделям послепродажного обслуживания, ориентированным на результат.
5. Интеграции систем послепродажного обслуживания гражданской и военной техники.
Рис. 1. Объем бюджетных ассигнований госпрограммы
«Развитие авиационной промышленности» (источник: Минпромторг)
8
В сфере интегрированной логистической поддержки экспортной
продукции необходима разработка специализированных информационных систем. Одно из направлений, где необходимо пополнять опыт и знания, связано с обеспечением готовности изделий
при ограниченном бюджете инвестирования для формирования и
поддержки инвентарного перечня запасных частей и принадлежностей (ЗИП) как при первоначальной поставке запасных частей,
которая осуществляется совместно с поставкой воздушного судна,
так и для пополнения запасов в течение жизненного цикла (ЖЦ)
эксплуатации. Анализ требований заказчиков к системам послепродажного обслуживания технических систем в условиях глобализации и применения единой среды стандартов показывает, что
заказчики хотят при закупке наукоемкой продукции получать
от поставщиков систему логистической поддержки, обеспечивающую:
1. Техническое обслуживание и ремонт (ТОиР) с указанием всех
необходимых ресурсов: материальных (оборудование, средства инфраструктуры, запасные части, материалы, инструменты), трудовых (численность и квалификация персонала, нормы времени на
выполнение различного вида работ), финансовых, что в общем виде
представляет собой результат выполнения процедур анализа логистической поддержки (LSA – Logistics Support Analyses) [28, 29, 30].
2. Планирование и управление процессами материально-технического обеспечения (МТО), в том числе:
– планирование потребностей в запасных частях и материалах
на начальный период эксплуатации, а также прогнозы на заданную
часть ЖЦ, на выполнение планов использования изделий по определенному назначению (планы полетов, походов и т. д.);
– алгоритмы управления запасами на складах заказчика всех
уровней (генерация отчетов об использовании и необходимости пополнения ЗИП и материалов и выработка рекомендаций по их пополнению);
– предложения по управлению поставками на всех уровнях (формирование заявок на ЗИП и материалов, технология их передачи
поставщикам или посредникам, обеспечивающим контрактную деятельность) в соответствии с требованиями международных стандартов;
– предложения по ведению баз данных (БД) о состоянии запасов ЗИП и материалов на различных организационно-технических
уровнях и прогнозирование их пополнения;
9
– вопросы управления закупками, анализ и выбор наилучшей
стратегии пополнения ЗИП;
– организация доставки заказанных предметов снабжения (ПС)
МТО, варианты их распределения по различным уровням складов
заказчика, организация хранения;
– контроль качества ЗИП и материалов, поступающих на склады, учет их состояния (старения) и выполнения процедур продления ресурсов;
– удовлетворение заявок подразделений (отдельных кораблей),
учет выдачи предметов снабжения МТО.
Технологии интегрированной логистической поддержки (ИЛП)
включают типовые бизнес-модели взаимодействия поставщика и
заказчика и должны соответствовать требованиям международных
стандартов. Основные базовые международные стандарты, применяемые в области послепродажного обслуживания: DEF STAN
00-60, MIL STD-1390D (используется индийскими ВМС), STANAG
4427 (управление конфигурацией поставленных изделий), MIL-STD
1369, SPEC 1000D, SPEC 2000M, SPEC S3000L (LSA), SPEC S4000M.
Наблюдаются следующие тенденции:
– совершенствование методов и технологий управления запасами, заказами и поставками запасных частей, принадлежностей и
расходных материалов;
– совершенствование методов и технологий управления процессами технического обслуживания и ремонта;
– стандартизация процедур, технологий и форматов обмена
данными на всех стадиях ЖЦ изделий авионики, что значительно
уменьшает время, трудоемкость и вероятность появления ошибок
при подготовке и передаче данных.
Можно рассматривать три причины, которые определяют повышенное внимание для расчета запасных частей. Запасные части
ЗИП являются доминирующим ресурсом в изучении логистических процессов. Во-первых, отсутствие или недостаточность запасных частей являются основными причинами возникновения критических ситуаций с выполнением техническими системами своих
функциональных задач. Во-вторых, инвестиции, вкладываемые
в закупку запасных частей, значительнее по сравнению с затратами
на другие элементы логистической поддержки (инструменты, персонал и т. д.) в течение жизненного цикла. В-третьих, включение
стоимостных и качественных параметров инструментов, персонала
и других элементов логистической поддержки в процессы модели10
рования послепродажного обслуживания приводят к значительному усложнению процедур оптимизации логистической поддержки.
2. ОСНОВНЫЕ ПАРАМЕТРЫ МОДЕЛЕЙ УПРАВЛЕНИЯ
ЗАПАСАМИ ЗИП И АНАЛИЗА РЕМОНТОПРИГОДНОСТИ
Основными параметрами моделей управления запасами являются:
1) спрос или потребность в объектах авионики за период либо за
определенное количество в единицу времени;
2) объем закупки (объем поставки технической аптечки ЗИП);
3) срок исполнения заказа (длительность доставки партии, анализ лучших маршрутов доставки объектов авионики);
4) точка перезаказа (минимальный объем запасов, при котором
необходимо сделать заказ на поставку новой партии объектов авионики);
5) стоимость хранения (включающая в себя не только непосредственные складские затраты, но и финансовые потери из-за омертвления капитала в запасах) денежных единиц за хранение одной
единицы запаса в единицу времени;
6) стоимость оформления заказа на поставку одной партии ЗИП
(включающая в себя транзакционные издержки и, возможно, стоимость доставки);
7) некоторые штрафные условия поставок.
Суммарные затраты на материально-техническое обеспечение
парка авиатехники (логистические затраты) складываются:
1) из затрат на хранение запасов;
2) расходов на размещение заказов;
3) убытков из-за дефицита ЗИП.
В числе отличительных особенностей запасов ЗИП к авиационной технике можно отнести:
1) большую номенклатуру объектов авионики;
2) широкий диапазон интенсивностей спроса на ЗИП различных
наименований – от практически ежесуточной потребности до потребности в одной замене детали за весь период эксплуатации изделия;
3) высокую стоимость хранения ЗИП.
Закономерным образом возникают вопросы: сколько запасных
частей ЗИП должно быть на складе, чтобы обеспечить эксплуатационный уровень готовности системы для выполнения возложенных на нее функций? Какие запасные части должны иметься в за11
пасе, чтобы максимизировать долгосрочную среднюю готовность
воздушного судна при условии качественных начальных поставок
и ограничениях бюджета для пополнения запасов с учетом общего
количества инвестиций на запасные части?
Чрезвычайно высокая стоимость запасов ЗИП, в ряде случаев
достигающая стоимости нового воздушного судна, вне зависимости
от их местонахождения повышает затраты эксплуатирующей организации, поскольку все затраты в конечном счете несет потребитель. Даже при современной организации послепродажного обслуживания авиатехники, когда МТО входит в сферу ответственности
предприятий-изготовителей или эксплуатантов, эксплуатирующая
организация уплачивает их логистические затраты в виде повышенных цен ЗИП и соответствующего ремонта. В то же время отсутствие на складах необходимых деталей и узлов приводит к простоям
воздушных судов. Характерный порядок потерь вследствие простоя
одного гражданского воздушного судна составляет десятки тысяч
долларов за сутки [28, 29]. Характерные сроки поставки требуемых
изделий с российских предприятий-производителей могут достигать
нескольких [8, 9] месяцев с учетом транспортировки, а при вывозе
комплектов авионики ЗИП за рубеж – также и таможенного оформления и т. п., и, что особенно критично, отличаются значительной неопределенностью, порождающей высокие риски. Специфика текущего момента в российской авиапромышленности состоит еще и в том,
что производство как новых изделий, так и запасных частей нередко
носит единичный характер. Поэтому выполнение каждого заказа на
поставку ЗИП может быть сопряжено со значительными затратами
средств и времени на запуск производства.
Таким образом, как излишне высокий уровень потребных запасов, так и нехватка ЗИП на фоне высокой длительности и низкой
регулярности поставок повышают эксплуатационные затраты и,
как следствие, крайне негативно влияют на конкурентоспособность
производства.
Опыт работы с ведущими заказчиками и потенциальными партнерами показывает, что современный заказчик подвергает серьезному анализу не только структуру и объем запасов ЗИП, но и весь
алгоритм поставки для пополнения своих запасов. С другой стороны, страховые запасы некоторых ЗИП оказываются явно недостаточными и ведут к появлению проблем с обеспечением готовности
авионики, что имеет особенно негативные последствия в случае
с продукцией военного назначения. Проанализировав эту инфор12
мацию, заказчик более обдуманно относится к своим инвестициям
для пополнения запасов запасных частей. Он может увеличивать
уровень страховых запасов этих ЗИП до тех пор, пока не достигнет
нужного результата – полного отсутствия риска дефицита. Отдельные заказчики придерживаются правила, согласно которому наиболее критические ЗИП должны быть в наличии всегда.
Логистическая поддержка эксплуатации и ремонта объектов [22]
авионики должна включать в себя интегрированное управление такими процессами, как:
1) мониторинг (контроль) состояния каждого изделия в парке;
2) планирование технического обслуживания и ремонта;
3) снабжение ЗИП вспомогательным оборудованием для технического обслуживания и ремонта;
4) обучение эксплуатационного и ремонтного персонала.
Основными аспектами разработки информационной логистической системы являются:
1) системы контроля технического состояния (статические или
динамические системы на основе данных послеполетного обслуживания);
2) системы автоматизированного учета складских запасов ЗИП
(с использованием унифицированной электронной маркировки запчастей, штрихкодирования или использования технологии радиочастотной идентификации RFID [4]);
3) системы автоматизированного оформления заказов на поставку ЗИП, системы управления цепями поставок.
На основании представленных положений можно сформулировать схему информационных потоков для поддержания исправности объектов авионики с условием анализа количества ЗИП (рис. 2).
Все элементы авионики требуют замены или ремонта по двум основным причинам [4]: исчерпание установленного ресурса в летных
часах или полетных циклах; случайные отказы и поломки.
По данной причине неопределенность потребности в запасных
частях заставляет содержать на складах некоторый избыточный
страховой запас, позволяющий поддерживать летную годность парка воздушных судов на приемлемом уровне в период исполнения
заказа поставки ЗИП. Но в ряде случаев это ведет к омертвлению
денежных средств или возврату неиспользованных ЗИП изготовителю.
Необходимо также рассмотреть вопросы надежностного подхода. Согласно определению ГОСТ 25866-83 «Эксплуатация техники.
13
Воздушное судно
в эксплуатации
(воздушных судов)
Склад объектов
авионики, склад
ЗИП
Полетные
данные
Учет и анализ состояния
объектов авионики
ИНФОРМАЦИОННАЯ
СИСТЕМА
Потребность
в ЗИП
(краткосрочная,
долгосрочная
задачи)
Плановые данные
эксплуатации
воздушного судна
Поставщик 1
БЛОК АНАЛИЗА
ПОТРЕБНОСТИ ЗИП
ЗАКАЗ ЗИП I i=1...n
Поставщик 2
Поставщик N
Рис. 2. Схема информационных потоков
в логистической системе поставок ЗИП
Термины и определения» техническая эксплуатация – это «...часть
эксплуатации, включающая транспортировку, хранение, техническое обслуживание и ремонт изделия». С другой стороны, ГОСТ
18322-78 «Система технического обслуживания и ремонта техники.
Термины и определения» введено понятие «система технического
обслуживания и ремонта – система ТОиР», которое определяется
как «совокупность взаимосвязанных средств, документации технического обслуживания и ремонта и исполнителей, необходимых
для поддержания качеств изделий, входящих в эту систему».
Рассмотрим характеристики выхода прибора из строя. Переход
прибора из неработоспособного (неисправного) состояния в работоспособное осуществляется с помощью операции восстановления
или ремонта. Переход прибора из предельного состояния в работоспособное осуществляется с помощью ремонта, при котором происходит восстановление ресурса прибора в целом.
По мере роста наработки или с течением времени в состоянии
прибора или его отдельных частей наступает предел, после которого использование прибора оказывается нецелесообразным: прибор
достиг предельного состояния. Предельным состоянием прибора
называется такое состояние, при котором его дальнейшее приме14
нение по назначению недопустимо или нецелесообразно либо восстановление его исправного или работоспособного состояния невозможно.
Критериями предельного состояния могут быть:
– неустранимое нарушение требуемой безопасности;
– неустранимый выход технических характеристик за допустимые пределы;
– недопустимое снижение эффективности эксплуатации.
Как следствие, прибор может находиться в следующих состояниях:
– исправном;
– работоспособном;
– неработоспособном;
– предельном.
Ремонт представляет собой комплекс операций по восстановлению исправности прибора или работоспособности и восстановлению
ресурсов прибора и их составных частей. Изделия – составные части авионики. Составные части – приборы и комплексы.
По степени восстановления ресурса ремонт может быть:
– капитальным;
– текущим.
Капитальный ремонт (КР) – ремонт, выполняемый для восстановления исправности и полного или близкого к полному восстановлению прибора с заменой или восстановлением любых его частей.
Текущий ремонт (ТР) – ремонт, выполняемый для обеспечения или
восстановления работоспособности прибора и состоящий в замене и
(или) восстановлении отдельных частей в соответствии с требованиями эксплуатации.
Ремонт бывает плановый и неплановый.
Плановый ремонт – ремонт, постановка на который осуществляется в соответствии с требованиями нормативной технической
документации. Неплановый ремонт – ремонт, постановка изделий
на который осуществляется без предварительного назначения, с целью устранения последствий отказов.
Время наработки определяется в зависимости от оценки коэффициента отказоустойчивости того или иного прибора, ожидаемой
интенсивности замен и нормы расхода. Норма расхода характеризует среднеожидаемое количество отказов изделий i-го типа за время
доставки.
Ремонт возможен в следующих случаях.
15
При обеспечении соответствующим прибором поставки воздушного судна специалист предприятия производит поблочную замену.
Необходимое условие: наличие на складе соответствующего прибора и сертифицированный специалист, выполняющий замену.
В данном случае процесс эксплуатации и восстановление комплекса на объекте производится за счет замены отказавшего блока на исправный из ЗИП. В свою очередь, восстановление количества запасных частей (ЗЧ) в ЗИП происходит за счет пополнения из
внешнего источника, например, предприятия-изготовителя со временем доставки.
При наличии небольшого эксплуатационного дефекта, не оказывающего влияния на работоспособность прибора, ремонт возможен
при наличии соответствующих условий для сертифицированного
специалиста.
Данные условия называются стационарными условиями. Ремонт выполняется в специально предназначенных местах, оборудованных стационарными средствами ремонта.
При наличии небольшого эксплуатационного дефекта, который
оказывает влияние на работоспособность прибора, ремонт необходимо выполнить так, как приведено выше, или на месте при наличии соответствующих комплектующих.
3. СИСТЕМНЫЙ ПОДХОД К ПРЕДСТАВЛЕНИЮ
ОБОРУДОВАНИЯ НА ПРИМЕРЕ ФЕДЕРАЛЬНОГО
ГОСУДАРСТВЕННОГО УНИТАРНОГО ПРЕДПРИЯТИЯ
«САНКТ-ПЕТЕРБУРГСКОЕ ОПЫТНО-КОНСТРУКТОРСКОЕ
БЮРО «ЭЛЕКТРОАВТОМАТИКА» ИМ. П. А. ЕФИМОВА»
Акционерное общество «Опытно-конструкторское бюро «Электроавтоматика» им. П. А. Ефимова» – одно из ведущих предприятий авиационной промышленности России в области разработки
бортовой авионики. Оно было создано приказом министра авиационной промышленности СССР от 12 августа 1946 г. для разработки
авиационных тренажеров и бортовой электроавтоматики. В 1950–
1960-е гг. в процессе становления ОКБ был сформирован научнотехнический задел по разработке вычислительной техники (аналоговой и цифровой), средств визуализации, комплексирования
радиоэлектронной, электромеханической аппаратуры, программно-математического обеспечения вычислительных машин. На протяжении 1958–1968-х гг. в ОКБ был создан целый ряд сложных
комплексных тренажеров для самолетов МиГ-19П, Як-28, Ту-16,
16
Ту-28 и др., а также разработан и внедрен на самолетах Ан-10, Ан12, Ан-22, Бе-6, Бе-10, Бе-12, Ил-62, Ту-154 ряд цифроаналоговых
навигационных вычислителей. В 1970–1980-е гг. на базе созданных
в ОКБ бортовых вычислительных машин серии БЦВМ «Орбита»
был разработан и внедрен в серийное производство ряд комплексов
для объектов гражданской и военной авиации: Ил-86, Як-42, Ан-72,
Ан-74, МиГ-27, МиГ-29, Ка-50, Ту-154М, 45.03, ВП-021, «70», на базе
которых впервые в СССР появились полномасштабные комплексы
бортового радиоэлектронного оборудования по основным характеристикам не уступающие, а по некоторым параметрам превосходящие зарубежные аналоги.
АО «ОКБ «Электроавтоматика» уникально тем, что основными
направлениями создания новой техники на предприятии являются
разработка и изготовление всего спектра вычислительных и индикационных средств современных самолетов и вертолетов:
– навигационных, навигационно-пилотажных и специальных
комплексов, включая их аппаратную часть и программно-математическое обеспечение;
– бортовых цифровых вычислительных машин и их модулей,
вычислительных систем, внутри- и межмашинных интерфейсов,
системного и прикладного математического обеспечения;
– бортовых систем отображения информации экранного типа
(включая программное обеспечение) на жидкокристаллических
и электролюминесцентных экранах, пультов управления, коллиматорных авиационных индикаторов «на лобовое стекло», средств
визуализации и регистрации, нашлемных систем целеуказания и
индикации.
По количеству созданных и установленных на самолеты и вертолеты коллиматорных индикаторов АО «ОКБ «Электроавтоматика»
лидирует не только на территории бывшего СССР, но и в мире.
Данное предприятие является одной из старейших организаций
России по разработке бортовой авионики.
В состав авионики принято включать: системы, обеспечивающие управление самолетом; системы связи; системы навигации;
системы индикации; системы управления полетом; системы предупреждения столкновений; системы метеонаблюдения; системы
управления самолетом; системы регистрации параметров полета
(средства объективного контроля, или бортовые самописцы). В настоящее время рынок бортового индикационного оборудования на
плоских жидкокристаллических панелях и сопутствующих это17
му технологиях и материалах достаточно широко представлен как
в нашей стране, так и за рубежом. Большое количество компаний
разработчиков стремится представить аппаратуру, отвечающую современным представлениям о назначении, составе и функциональных возможностях. Основные разработчики авиационных систем
индикации на основе активных жидкокристаллических панелей
в России: ОАО «Авиаприбор-Холдинг», ОКБ «Электроавтоматика»,
КБ «Дисплей», ЗАО «Транзас», ФНПЦ РПКБ «Раменское», ОКБ
«Русская авионика».
Приоритетными направлениями деятельности Федерального
государственного унитарного предприятия «Санкт-Петербургское
опытно-конструкторское бюро «Электроавтоматика» им. П. А. Ефимова» являются разработки:
– бортовых навигационно-пилотажных комплексов и комплексов специального назначения с программно-математическим обеспечением для самолетов и вертолетов; – бортовых систем отображения информации экранного типа, многофункциональных цветных индикаторов, мониторов на жидкокристаллических экранах с различными интерфейсами;
– бортовых цифровых вычислительных машин и их модулей,
вычислительных систем, внутри- и межмашинных интерфейсов,
системного и прикладного математического обеспечения. – блоков преобразования информации (интерфейсов, типов сигналов);
– многофункциональных пультов управления.
Для проектирования вычислительной системы перспективного
летательного аппарата необходимо решить следующие задачи: повышения надежности комплекса бортового оборудования, минимизации затрат на обслуживание оборудования, затрат на его разработку, обеспечения информационной и технологической независимости, обеспечения масштабируемости.
На основании анализа структуру продукции, изготавливаемой
заказчиком, можно представить следующим образом:
1. Навигационные и специальные комплексы, включая их аппаратную часть и программно-математическое обеспечение.
К ним относят следующее оборудование:
– комплекс ПрВК-24 для вертолетов Ми-24ВК (ПК) и Ми-35М;
– комплекс К-130.01 для самолета Як-130;
– комплекс К-130.01Э для самолета Як-130;
– систему отображения информации СОИ-24 самолета Су-24;
18
– комплексную вычислительную систему самолетовождения
КВCC-74 для самолета Ан-74;
– систему самолетовождения и индикации CCИ-80 для самолета
Су-80;
– систему индикации на лобовое стекло СИЛС-27МВ-01 самолетов семейства Су-27;
– систему отображения информации и управления изделия
56СМ (56УБМ) – СОИ-У-25-1 для самолета Су-25 и их модификаций;
– рабочие места оператора РМО-25, РМО СВИ-130 для самолетов
Су-25СМ, Су-25УБМ, Як-130.
2. Бортовые цифровые вычислительные машины и их модули,
вычислительные системы внутри- и межмашинных интерфейсов,
системного и прикладного математического обеспечения.
Бортовые цифровые вычислительные системы (БЦВС) современного летательного аппарата (ЛА) представляют собой сложные
технические объекты проектирования, решающие в составе ЛА
различные функциональные задачи: определения пилотажно-навигационных параметров в режиме взлета, горизонтального полета, посадки ЛА; слежения за техническим состоянием бортового
оборудования; координации работы всех бортовых подсистем; сбора, хранения, обработки и выдачи пилоту на средства индикации
объективной информации, получаемой как от информационно-измерительной системы ЛА, так и от органов управления информационно-управляющего поля кабины пилота.
К ним относят следующее оборудование: серию бортовых вычислительных машин БЦВМ 90-60ххх для самолетов Су-24, Су-25,
Су-27 и его модификаций, Су-80, Як-130, Ан-74, объектов «70» и
ВП-021;
3. Бортовые системы отображения информации экранного типа
(включая программное обеспечение) на жидкокристаллических и
электролюминесцентных экранах, пульты управления, коллиматорные авиационные индикаторы «на лобовое стекло», средства визуализации и регистрации, нашлемных систем индикации.
К ним относят следующее оборудование:
– многофункциональный цветной индикатор МФЦИ-0333М (используется на самолетах Су-25СМ, Су-25УБМ, Як-130);
– коллиматорный авиационный индикатор ИЛС-31М (используется на самолетах семейства Су-27);
– широкоугольный коллиматорный авиационный индикатор
ШКАИ;
19
– нашлемную систему НСЦ-Т (для самолетов Як-130 и истребительной авиации);
– блоки управления 4280Г8-01 и ПУИ-83 и их модификации,
использующиеся на самолетах Су-24, Су-25СМ, Су-25УБМ, Як-130,
RRJ, МиГ-УТС и других.
– пульты управления МФПУ для самолетов Су-80, Ан-74.
4. Аппаратные средства интеграции платформ модульной авионики формфактора 6U.
К ним относят следующее оборудование:
– аппаратные средства интеграции платформ модульной авионики формфактора 6U;
– мезонины;
– оптические конвертеры.
5. Средства интеграции платформ информационно-управляющего поля.
К ним относят следующее оборудование:
– коллиматорные авиационные индикаторы (блок индикации
БИ, блок индикации БИ-1, индикатор на лобовом стекле ИЛС-2-02,
индикатор на лобовом стекле ИЛС-31М);
– многофункциональные цифровые индикаторы (многофункциональный цифровой индикатор МФЦИ-0333М);
– системы целеуказания и индикации (нашлемная система целеуказания НСЦ-Т).
6. Программные средства интеграции платформ модульной авионики.
В качестве программного средства интеграции платформ модульной авионики используется операционная система ЭОС.
На основе проведенного анализа структуры продукции, изготавливаемой заказчиком, можно сказать, что продукция представляет
собой как отдельные приборы авионики, так и аппаратные средства
интеграции платформ модульной авионики.
В соответствии с проведенным анализом можно выявить следующие базовые принципы построения авионики:
– модульности построения;
– возможность наращивания и модернизации комплекса;
– новейшие технические решения в области электроники и информационных технологий;
– наличие возможности унификации как аппаратных средств,
так и программного обеспечения;
20
– наличие возможности унификации для определенных типов
пассажирских и военно-транспортных самолетов, как перспективных, так и модернизируемых.
4. ПРОЦЕСС УНИФИКАЦИИ ЗИП
В условиях коммерциализации поставок воздушных судов большое значение приобретает типизация, унификация и стандартизация.
Унификация изделий или приборов – это приведение изделий
к единообразию на основе установления рационального числа их
разновидностей. В зависимости от поставленных задач унификация изделий может проводиться по назначению (применению),
средствам обеспечения и обслуживания, агрегатам и узлам определенного функционального назначения, условиям производства, а
также по другим признакам. Типизация – приведение различных
типов приборов к небольшому количеству типовых образцов определенных размеров, форм и качества.
Существуют следующие направления создания унифицированных конструкций и приборов.
1. Метод базового агрегата. Разнообразие получаемых приборов
основывается на наличии у них общей, базовой части (агрегата) и
дополнительных частей, создающих это разнообразие (например:
многофункциональный цветной индикатор МФЦИ – 0333М).
2. Компаундирование, увеличение производительности изделия
достигается параллельным присоединением и одновременной работой ряда однотипных изделий.
3. Модифицирование — это приспособление уже выпускаемого
изделия к новым условиям без изменения в них наиболее дорогих и
ответственных частей. Например, замена материала корпуса асинхронного двигателя на другой с целью обеспечения возможности
эксплуатации его в новых климатических условиях.
4. Агрегатирование (принцип модульности). Новое изделие создается на основе комбинации уже имеющихся унифицированных
агрегатов, которые обладают полной взаимозаменяемостью (совместимостью) по эксплуатационным показателям и присоединительным размерам.
Общую оценку уровня унификации оборудования дает коэффициент унификации, который определяется по формуле
Ky =
Ey
E
,
21
где Еу – количество унифицированных элементов, входящих в состав оборудования или поставки; Е – общее количество элементов,
входящих в состав оборудования. Чем больше унифицированных
приборов входит в комплект оборудования, тем легче сократить
затраты на производство, поставку и эксплуатацию. В отношении
ЗИП формируется специальная спецификация, сопровождающая
поставку каждого воздушного судна.
При использовании комбинации методов определения оптимальной партии запасных частей на складе возможно значительное увеличение процента унификации для блочного оборудования предоставляемого заказчику.
Различают следующие виды унификации:
– внутриразмерная (внутривидовая) – унификация всех модификаций определенного изделия с базовой моделью или между собой внутри одного типоразмера;
– межразмерная (межвидовая или межпроектная) – унификация изделий различных типов и из различных параметрических
рядов.
Алгоритм унификации состоит в следующем.
1. Выбранные из соответствующих стандартов на продукцию
унификационные элементы должны быть сгруппированы таким
образом: главные параметры; основные параметры; марки; правила приемки; методы контроля (испытаний, анализа изменений);
правила маркировки, упаковки, транспортирования, хранения;
правила эксплуатации и ремонта; комплектность; единообразие составных частей.
2. После группирования элементов унификации из них выбирают наиболее существенные, которые обеспечивают рациональность
номенклатуры, заменяемость и совместимость продукции и устанавливают области распространения унификации, то есть определяют классификационные группировки, которые могут быть включены в число унифицируемых.
3. Устанавливают ряды главных параметров для определения
принципиальной возможности упорядочения сложившегося количества размеров продукции и оценки объема работ по унификации.
Для каждого главного параметра устанавливают верхние и нижние
границы и в этих пределах квантифицируют (разделяют) интервал
на более мелкие части. Один из главнейших элементов унификации – единообразие составных частей прибора, так как сами составные части могут унифицироваться независимо одна от другой.
22
4. Рациональность членения поставки приборов на составные
части устанавливается по результатам функционального и структурного анализа, когда выявляются составные части, унификация
которых возможна с конструктивной точки зрения. По результатам
структурного анализа оценивается эффективность унификации на
данной ступени членения. В результате функционального анализа
оценивается возможность унификации составных частей одинакового функционального назначения, используемых в разных машинах.
5. После структурного и функционального анализа устанавливаются группы составных частей, подлежащих унификации. Составные части группируются по частям общего, ограниченного и узкого
применения, материалам деталей, эксплуатационным материалам
и материалам, используемым при производстве и ремонте.
Агрегатирование – это метод конструирования машин из унифицированных и стандартных изделий, то есть создание машины с использованием уже освоенных, только перекомпонованных узлов и
агрегатов.
Секционирование заключается в разделении приборов на унифицированные секции и образование из них производных приборов
по функциональному признаку.
Метод изменения линейных размеров (размерная модификация)
предполагает получение различной производительности машин и
агрегатов изменением их длины при сохранении формы поперечного сечения.
В основе метода базового агрегата лежит использование базового
агрегата, к которому для превращения в машины различного назначения присоединяют специальное оборудование.
Конвертирование. При этом методе базовую машину или основные ее элементы используют для создания различных агрегатов,
иногда близких, а иногда различных по рабочему процессу.
Компаундирование – параллельное соединение машин или агрегатов, применяемое для увеличения общей мощности установки
или производительности либо какого-либо другого параметра.
Модифицирование – переделка для приспособления объекта
к иным условиям работы.
Для унификации систем машин и создания типоразмерных рядов и унифицированных семейств машин применяется модульный
принцип конструирования. Под модулем (агрегатом) понимается
конструктивно и технологически законченная унифицирован23
ная или стандартная сборочная единица. Применение модульного
принципа позволяет существенно снизить затраты на создание новых машин: на стадии проектно-конструкторской разработки – за
счет уменьшения объема работ и, следовательно, их трудоемкости;
на стадии изготовления – благодаря применению типовых технологических процессов, а при ремонте – за счет замены унифицированных элементов другими, заранее изготовленными.
При использовании комбинации методов определения оптимальной партии запасных частей на складе возможно значительное увеличение процента унификации для блочного оборудования, предоставляемого заказчику.
5. МИНИМИЗАЦИИ ЗАТРАТ ПРИ ПОСТАВКАХ ЗИП
При решении задач обеспечения ЗИП-объектов авионики необходимо анализировать цепи поставок, условия поставок и объемы
статистической информации по осуществляющимся поставкам.
При этом необходимо оптимизировать затраты как эксплуатанту,
так и изготовителю. На основе статистических данных были выявлены следующие показатели:
1. 40–50% всех затрат на техническое обслуживание составляют
затраты на запасные части.
2. 60–70% инвестиций, которые идут на пополнение инвентарного перечня ЗИП у заказчика, охватывают менее 15% активно
применяемых при выполнении задач технического обслуживания
предметов снабжения.
3. 20–30% заявок на поставку запасных частей не могут быть
оперативно поставлены ввиду их отсутствия у поставщиков.
4. Только 20–30% заявленных запасных частей могут быть гарантированно поставлены поставщиками/дистрибьюторами в согласованные сроки.
5. 15–30% инвестиций уходят на пополнение запасов запасных
частей, которые в процессе жизненного цикла ни разу не запрашиваются заказчиком.
6. 15–30% заявленных заказчиком объектов авионики вследствие
плохой подготовленности не могут быть правильно идентифицированы поставщиком/дистрибьютором (опыт работы российских поставщиков с отдельными заказчиками показывает, что при первичном
заказе ошибки в идентификации составляют более 50–60%).
Обратим внимание на то, что 20–30% заявок не могут быть поставлены ввиду их отсутствия у поставщиков или изготовителя.
24
Общая потребность в ЗИП складывается из двух потоков, обладающих принципиально разными характеристиками:
1. Детерминированного потока, обусловленного выработкой авионики установленного ресурса.
2. Случайного потока, обусловленного случайными отказами и
поломками.
Для анализа условий экономически эффективной системы оценки ЗИП построим экономико-математическую модель управления
запасами элементов авионики. Пусть в авиапарке эксплуатируется
m объектов авионики определенного типа и их среднегодовой налет
составляет η летных часов. Среднюю наработку некоторого элемента авионики на отказ, выраженную в летных часах, обозначим как
Tотк, а установленный ресурс – Tрес. Тогда в среднем за год в авиапарке потребуется следующее количество ЗИП для замены:
y= m ⋅η⋅ (
1
1
+
).
Tðåñ Tîòê
m ⋅η
m ⋅η
по причине отказов, а yðåñ =
– по приTîòê
Tðåñ
чине выработки ресурса.
В теории управления запасами разработаны методы оптимизации объема запасов для двух важнейших случаев: случайной и детерминированной потребности. Если спрос на ЗИП детерминирован
и равномерен, для оптимизации плановых поставок можно воспользоваться детерминированной моделью управления запасами – моделью Уилсона. Если плановая потребность в ЗИП составляет y единиц
в год, оптимальный размер заказываемой партии составляет
Причем yîòê =
xopt =
2⋅h ⋅ y
,
r
где h – стоимость оформления заказа на поставку одной партии; y –
спрос или потребность в материальных ресурсах за период; r – стоимость хранения.
В этом случае достигаются минимально возможные затраты на
плановое снабжение, которые в расчете на год составляют
min
Copt
=
2 ⋅ h ⋅ r ⋅ y,
min
где Copt
– минимальные затраты.
25
Такая идеальная ситуация практически не встречается в реальных экономических условиях, но данная модель может быть использована на первых этапах формирования заказа на ЗИП. В реальных задачах присутствует неопределенность в потребности необходимого количества ЗИП. Неопределенность потребности в ЗИП
может быть вызвана лишь случайными отказами и поломками
деталей. Страховой запас, призванный покрывать эту составляющую случайной потребности в ЗИП, назовем страховым запасом.
Предположим, что поток отказов и поломок элементов подчиняется
пуассоновскому закону распределения. Тогда вероятность того, что
в авиапарке из m изделий авионики за некоторый период t потребуют замены по причине отказов и поломок ровно ν деталей равно
exp{−νîòê (t)} ⋅ (νîòê (t))
P {ν îòê (t) =ν} =
,
ν!
mηt
где νîòê (t) =– среднее число отказов и поломок деталей авиониTîòê
ки данного вида в парке за период исполнения заказа t.
Следовательно, общую структуру ЗИП можно представить следующим образом (рис. 3).
Согласно рис. 3 итоговые логистические затраты можно представить в виде
1
2
3
Ñîáù = Ñmin
+ Ñmin
+ Ñmin
.
Если на предприятии будет внедрена интегрированная логистическая поддержка, то появится возможность устранить страховой
3
запас Ñmin
и связанные с его поддержанием затраты. Тогда итоговая целевая функция представляется в виде
1
2
f (Ñîáù ) = f (Ñmin
+ Ñmin
) → min.
Страховые запасы ЗИП
Запас при плановых
поставках ЗИП
1
Сmin
Страховой
запас
на случай
отказов
2
Сmin
Страховой
запас на случай
выработки
ресурсов
Рис. 3. Структура запасов ЗИП
26
3
Сmin
В результате получается ситуация, при которой необходимо
производить расчет ЗИП при плановых поставках и при случае наличия отказов. При этом данные методы должны основываться на
статистических методах расчета показателей текущего и страхового запасов, так как всегда имеется некоторая информация по прошлым поставкам.
6. КЛАССИФИКАЦИЯ ЗАПАСОВ В ЦЕПЯХ ПОСТАВОК
ДЛЯ ПОПОЛНЕНИЯ ЗИП
В современной литературе по логистике описаны различные варианты классификаций материальных запасов [6, 7, 8, 9, 10].
1. Производственные запасы (manufacturing inventory) формируются в производственных и сервисных системах и предназначены
для производственного потребления. Включают подготовительные,
страховые и текущие запасы.
2. Товарные запасы подразделяются на запасы готовой продукции
на складах фирм-производителей (merchandise inventory) и запасы
в каналах сферы обращения. Последние в свою очередь подразделяются на запасы предприятий оптовой торговли (distribution inventory)
и запасы организаций розничной торговли (trade inventory).
3. Подготовительные запасы (buffer stock; incoming stock). Их
основная задача состоит в обеспечении непрерывности, равномерности и ритмичности производственных процессов. Подготовительные запасы включают запасы при подготовке продукции к хранению (обычные и специальные) и запасы, создаваемые по окончании
хранения в процессе подготовки продукции к отгрузке покупателю
или к отпуску в производство.
4. Транспортные запасы (запасы в пути, транзитные запасы; intransit inventory, transportation stock, pipeline stock) – это часть товарных запасов, находящихся в процессе доставки от поставщика
к грузополучателю.
5. Текущие, циклические или регулярные запасы (base stock;
cycle stock; lot-size stock) обеспечивают непрерывность снабжения
материальными ресурсами (МР), а также реализацию готовой продукции (ГП) предприятиями и организациями торговли между
двумя очередными поставками. Составляют основную часть производственных и товарных запасов; уровень текущего запаса является переменной величиной.
6. Страховые, гарантийные, резервные запасы (safety stock,
stabilization stock) предназначены для непрерывного снабжения
27
потребителя в случае непредвиденных обстоятельств: отклонений
в периодичности и объеме партии поставки от запланированных,
резких изменений интенсивности потребления МР или ГП и др.
7. Сезонные запасы (seasonal inventory) формируются для обеспечения нормальной работы организаций во время сезонных перерывов в производстве, потреблении и транспортировке
8. Рекламные запасы, или запасы продвижения, – это запасы,
создаваемые и поддерживаемые в каналах распределения для быстрой реакции на повышение потребления в результате осуществления рекламных, PR- и различных маркетинговых мероприятий.
9. Норма запаса – количество МР, незавершенного производства
(НП) и ГП, которое должно находиться у организаций для обеспечения бесперебойного снабжения производства или процесса сбыта.
10. Сверхнормативные запасы (excess inventory, surplus stock) – запасы, уровень которых превышает установленные нормы запаса (количество ЗИП, которое должно находиться у организаций для обеспечения бесперебойного снабжения производства или процесса сбыта).
11. Готовая продукция (finished goods) – конечная продукция
для данного предприятия, предназначенная для реализации.
Для расчета текущего и страхового запасов по ЗИП для авионики могут быть использованы статистические методы, базирующиеся на данных учета (к примеру, складского) о поставках за прошлые
интервалы времени.
В данном случае можно выделить следующие достоинства:
1. На основании статистических данных, которые имеются
в компании, одновременно производится расчет показателей текущего и страхового запасов.
2. По сравнению с другими методами не требуется определения
затрат на выполнение различных логистических операций, связанных с управлением запасами.
3. Следует отметить достоверность расчетов при раздельном рассмотрении относительно стационарных процессов расхода запасов
или накопления запаса.
К числу основных недостатков статистического метода следует
отнести следующие:
1. Обязательное наличие данных по учету движения ЗИП авионики за довольно длительный момент времени (при этом необходимо выделять отдельные номенклатуры поставок ЗИП).
2. Возможная неоднозначность результатов, получаемых при обработке смешанных процессов, когда спрос и поставки являются
28
случайными величинами и происходят в случайные моменты времени, что неминуемо вызовет затруднение в принятии решений по
управлению запасами.
Необходимо отметить, что статистические методы позволяют
производить нормирование запасов. Формулы для расчета текущей составляющей нормы производственного запаса Tт приведены
в табл. 1.
Таблица 1
Формулы для расчета текущей составляющей нормы
производственного запаса Tт
Автор метода
М. П. АйзенбергГорский, 1956
А. М. Баскин
Министерство
тяжелого
машиностроения
СССР (Методика
Минтяжмаша)
Н. Д. Фасоляк, 1972
Расчетная формула
=
TT
Tñð + Sñð
2
TT =
=
TT
−1
Tñð − Sñð
2
Tñð
1 N
=
∑ ti
2
2N t =1


1 N
Tñð +
(ti − Tñð )2 + 
∑
N i =1

1
TT = 

2 1

1 N
2
(Qi − Qñð ) 

∑
 Rñð N i =1

Б. К. Федорчук,
1967
N
∑ Qiti
TT = i N
2∑ Qi
i
Е. А. Мельникова
N
TT =
∑ (zi − z )
i =1
zRñð
Обозначения
Tñð – средний
интервал между
поставками, дни;
Sñð – средний
интервал между
суточными
отпусками, дни
Rñð –
среднесуточный
расход ЗИП;
ti – интервал i-й
поставки;
Qi – объем i-й поставки;
Qср – средний объем поставки;
N – количество
поставок в год
zi – значение
суточного остатка
в i-й день;
z – суточное
значение остатков
перед поставками
29
Приведенные в табл. 1 зависимости отличаются друг от друга,
что, с одной стороны, отражает особенности разных видов запасов
и специфику моделей расчетов, с другой стороны, указывает на различные методические подходы. Под нормированием запасов понимается количество ЗИП, которое должно находиться у предприятия для обеспечения бесперебойного снабжения эксплуатантов или
процесса сбыта продукции.
На практике выделяют три вида нормы запасов:
– максимальную норму, представляющую собой сумму запаса
текущего, страхового и подготовительного;
– среднюю норму, представляющую собой половину суммы запаса текущего, страхового и подготовительного;
– минимальную норму, представляющую собой сумму страхового и подготовительного запасов.
Нормы запаса могут быть рассчитаны как в днях, так и в натуральных показателях. Для расчета средней нормы запаса можно
воспользоваться формулой
=
Tí
1
TTi + Tcj ,
2
где TTi – среднее значение текущего запаса; Tcj – страховой запас;
i, j – индексы, обозначающие i-й вариант расчета текущего запаса.
Если величины TT и Tc выражены в днях, то для расчета нормы
текущего и страхового запаса в натуральном выражении используются зависимости
=
QT DT
=
T ; Qc DTc ,
где D – среднесуточный расход (ед/день).
Вероятная область применения статистических методов ограничивается двумя видами процессов. Первый описывает движение
текущего производственного запаса с мгновенным пополнением, то
есть имеют место дискретные поставки (рис. 4). Второй описывает
движение текущего сбытового запаса или запасов незавершенного
производства с мгновенным расходом (рис. 5).
Существует множество подходов к определению параметров текущего и страхового запасов [9, 11, 31, 33] на основе статистических
данных. Рассмотрим более подробно 2 подхода:
1. Определение параметров страхового и текущего запасов через
интервалы времени между поставками.
30
Q
Q
Qmax
Qmax
Qi
Qc
Qi
Qc
ti
0
Ti –1
Ti
Tд
Ti +1
ti
0
Рис. 4. Изменение величины
текущего производственного
запаса:
Qmах – максимальный уровень запаса; Qc – страховой запас; Qi – величина i-й поставки; Ti – момент
i-й поставки; Ti+1 и Ti–1 – предыдущая и последующие поставки относительно i-й поставки соответственно; Tд – дни с дефицитом;
ti – период между поставками
Ti –1
Ti
Tд
Ti +1
Рис. 5. Изменение величины
текущего запаса
незавершенного производства:
Qmах – максимальный уровень запаса; Qc – страховой запас; Qi – величина i-й отгрузки; Ti – момент i-й
отгрузки; Ti+1 и Ti–1 – предыдущая
и последующие отгрузки продукции
относительно i-й отгрузки соответственно; Tд – дни с дефицитом;
ti – период между отгрузками
2. Определение параметров страхового и текущего запасов через
объемы поставок.
Для расчета значения текущего запаса в днях в настоящее время
наибольшее распространение получили следующие формулы:
N
N
∑ ti
∑ tiQi
=
1=
1
=
, TT2 i N
TT1 i=
N
∑ Qi
,
i =1
где ti – значение интервала времени между поставками (до следующей поставки), дней; Qi – величина i-й поставки, ед.; N – количество
поставок за рассматриваемый период.
При этом зависимости включают две переменные и отражают
связь между величинами поставок Qi и интервалами времени между поставками ti. Для расчета страхового запаса в днях применяются зависимости:
N
Tc1 = α
∑ (ti − TT1)2
i =1
N
.
31
Также используется следующая зависимость:
N
N
∑ (ti − TT2 )2 Qi
∑ (ti − TT1)2 Qi
=
Tc2 =
α i 1=
, Tc3 =
α i 1 N
,
N
∑
∑
Qi
Qi
=i 1=i 1
где TT1 и TT2 – значения расчета текущего запаса в днях; α – коэффициент, учитывающий надежность обеспечения запасом.
Возможно использование для расчета только «опоздавших» партий. В данном случае основные формулы имеют следующий вид:
M

M

 ∑ tj Qj

 ∑ tj Qj

j 1 =

j 1

=j 1=
Tc4 =
α
=
α N
− T1 , Tc5 =
α M
− TT2 ,
M




Q
Q
∑ Qj
 ∑ j

 ∑ j

=j 1=
=
 j 1

 j 1

M
∑ (tj − TT1)Qj
где tj – величина интервала, большая или равная среднему значению Тт, дней; М – количество значений tj в общем объеме данных
N (количество «опоздавших» поставок); Qj – величина j-й «опоздавшей» партии поставки, ед.
Современный подход в управлении цепями поставок подразумевает, что случайные величины ti и Qi подчиняются нормальному закону распределения. Для нормального закона распределения выведены специальные таблицы значений, позволяющие на основании
x−x
параметра x p =
определить соответствующие вероятности
σx
P(xp). Вероятности наличия дефицита P(x) и вероятность отсутствия дефицита F(x) связаны зависимостью
x
t2
−
1
1 − F (x) =
1−
P(x) =
e 2 dt,
∫
2π −∞
где F(x) – интегральная функция нормального закона распределения.
Таким образом, для расчета величины страхового запаса необходимо знать вероятности, рассчитать значение x(p) и величину страхового запаса, подставив α = xp в уравнения Tc1, Tc2 Tc3, Tc4, Tc5 . Если
распределение случайных величин спроса и интервалов поставок
32
будет отличаться от нормального закона распределения, то для расчета страхового запаса необходимо использовать другие законы распределения.
Рассмотрим ситуацию, когда процесс расхода характеризуется
параметром сопровождения воздушного судна технической аптечкой ЗИП. Исходные данные о продажах приведены в табл. 2. Определим страховой запас при условии отсутствия дефицита F(x) = 0,9.
Определим статистические параметры поставок ЗИП:
1. Средний размер:
N
∑ di
i ==
1
=
d
N
393
= 39,3 ед.
10
2. Среднее квадратическое отклонение:
N
=
σd
∑ (di − d )2
i =1
=
N −1
3611
≈ 20 ед.
9
Таблица 2
Исходные данные для определения величины запаса ЗИП
Дни
Размер продаж
(поставок ЗИП)
Отклонение от среднего
di − d , ед.
Квадрат отклонений
(di − d )2
1
30
–9
81
2
20
–19
361
3
60
21
442
4
50
11
121
5
65
24
576
6
70
31
961
7
36
–3
9
8
25
–14
196
9
15
–24
576
10
22
–17
289
Сумма
393
–
3611
33
Таблица 3
Вероятности отсутствия дефицита
Уровень обслуживания с вероятностью
отсутствия дефицита
Коэффициент x(p)
0,65
0,7
0,75
0,8
0,85
0,9
0,92
0,94
0,385
0,525
0,675
0,842
1,037
1,28
1,405
1,555
Вероятность отсутствия дефицита означает, что в среднем за
десять дней поставок ЗИП возможно возникновение ситуации дефицита только один раз (1 – 0,9 = 0,1). Вероятность отсутствия дефицита F(x) и значение коэффициента х(p) для нормального закона
распределения приведены в табл. 3.
Следовательно, величина запаса с учетом выбранной ситуации
отсутствия дефицита равна QT = 39 + 1,28 · 20 = 65 ед.
Поскольку рассматриваемая выборка является малой, то для повышения достоверности полученной оценки необходимо увеличить
объем выборки и произвести расчеты для других законов распределения. В данном случае открывается возможность определить
границы отклонений величины запаса ЗИП. Для этого потребуется
определить коэффициент вариации поставок ЗИП:
=
ν
σd 20
= = 0,51.
d 39
На основании полученного значения выбираем распределение
Рэлея. В качестве второго альтернативного варианта примем, что
величины поставок подчиняются равномерному распределению.
Для распределения Рэлея справедливы следущие соотношения:
1. Для математического ожидания:
d=
π
σk= 1,253σk ;
2
2. Для среднеквадратичного отклонения:
34
σd =σk 2 −
π
=0,655σk .
2
Подставив в данные значения d = 39 ед. и σd =
20 ед., находим
39
20
σk1 =
= 31; σk1 =
= 30,5.
1,253
0,6555
Выберем для дальнейших расчетов среднее значение равное 30,8.
Для расчета запаса ЗИП воспользуемся следующей формулой:
F (x) =
1 − exp(
− x2
2σ2k
σk −2 ln[1 − F (x)].
); QT =
Подставив полученные значения, получим:
QT = 30,8 −2 ln(1 − 0,9) = 66.
Рассчитаем запас ЗИП при условии равномерного распределения ежедневных поставок. Функция равномерного распределения
(рис. 6) записывается в виде
=
F (x)
x
dx (x + b − a)
=
,
∫ 2b
2b
a −b
где a, b – параметры равномерного распределения.
Для определения параметров a и b примем условие, что d = a и
b
σd = . Тогда получаем, что α =39 ед., b = 1,73 ⋅ 20= 34,6 ед. Тогда
3
товарный запас рассчитывается по формуле
QT = 2bF (x) − b + a = 2 ⋅ 35 ⋅ 0,9 − 35 + 39 = 67 ед.
F(x)
1/2b
0
a–b
a
a+b
x
Рис. 6. Функция нормального распределения
35
Таблица 4
Результаты расчета ЗИП при различных законах распределения
Законы распределения
Вероятность отсутствия дефицита
0,80
0,90
Нормальный
56
65
Релея
55
66
Равномерный
60
67
Получается в нашем случае, что размер ЗИП находится в доверительном интервале от 65 ед. до 67 ед. Тогда результаты при различных законах распределения можно свести в табличную форму
(табл. 4).
На основании табл. 4 можно сказать, что с ростом F(x) расхождения в оценках QT достигают значительных величин, что затрудняет
принятие однозначного решения и требует привлечения экономических критериев расчета надежности ЗИП. Помимо этого, при определении запаса ЗИП необходимо проводить учет закона распределения случайных величин, характеризующих процессы поставок
и расхода ЗИП. Данный вывод требует анализа критериев расчета
надежности, так как на их основе формируются показатели заказов
ЗИП. На основе поставок можно выбирать наилучшую логистическую стратегию, которую необходимо адаптировать с учетом внешних условий рынка.
При наличии интервала между поставками исходные данные
для расчета сводятся в табл. 5.
Результаты расчета текущего запаса ЗИП приведены в табл. 6.
Как следствие, можно сказать, что величина запаса ЗИП, рассчитанная различными способами, может иметь значительный
разброс. Логически обоснованным является вариант по схеме: текущий запас Q = 47 ед. ЗИП + страховой запас 15 ед. ЗИП = 62 ед. ЗИП.
Графическую схему движения ЗИП можно представить следующим
способом (рис. 7).
Во втором случае формируется страховой запас в размере 15 единиц ЗИП. В реальном процессе расхода возможна ситуация дефицита к моменту следующей поставки и ситуация наличия остатка,
к размеру которого добавляется прибывшая партия поставки.
Вывод: при определении запаса ЗИП необходимо проводить учет
закона распределения случайных величин, характеризующих про36
Таблица 5
Исходные данные для расчета текущего запаса ЗИП
Интервал между
(ti − TT1 )2
поставками ti
Величина
поставки Qi, ед.
(ti − TT1 )2 Qi
ti ⋅ Qi
(ti − TT2 )2 Qi
12
0,5
69
38,8
828
2,8
9
5,3
38
201,0
342
297,8
11
0,1
41
3,7
451
26,2
12
0,5
40
19,6
480
1,6
8
10,9
34
370,3
272
491
9
5,3
31
164
279
243
10
1,7
36
60,8
360
116,6
15
13,7
73
99,4
1095
717,5
12
0,5
54
26,5
648
2,1
14
7,3
48
350
672
232,3
13
2,9
53
153,2
689
76,3
11
0,1
49
4,4
539
31,4
136
48,8
566
2386,7
6655
2268,6
Таблица 6
Результаты расчета ЗИП
Расчетная формула
Дни
N
136
= 11,3
12
QT1 =
D ⋅ TT1 =
47
6655
= 11,8
566
QT1 =D ⋅ T2 =50
T
=
T1
∑ ti
TT1 = i =1
N
N
∑ tiQi
=
TT1
1
TT2 = i =N
Текущий запас
Единиц ЗИП
∑ Qi
i =1
=
D
N
∑ (ti − TT1)2
Tc1 = α i =1
556
= 4,2 ед/день
136
Tc1 = 1,65
44,8
=≈ 3,47
11
Qc1 =4,2 ⋅ 3,47 ≈ 15
N
37
Фактическое движение ЗИП
QT =47
Расчетное движение ЗИП
69
38
41
…
Qc=15
t1 =12 t 2=9
t 3=11 …
t
Рис. 7. Процессы движения ЗИП при учете интервала
между поставками (фактические и расчетные)
цессы поставок и расхода ЗИП. Данный вывод требует дополнительно анализа критериев расчета надежности, так как на их основе
формируются показатели заказов ЗИП. На основе поставок можно
выбирать наилучшую логистическую стратегию, которую необходимо адаптировать с учетом внешних условий рынка.
7. АНАЛИЗ УСЛОВИЙ ПРИМЕНЕНИЯ СТАТИСТИЧЕСКИХ
ЗАДАЧ УПРАВЛЕНИЯ ЗАПАСАМИ
Статистические модели хорошо себя зарекомендовали в случае
наличия большого числа аналитической информации по поставкам
ЗИП за прошлые периоды. В нашем случае данная методика актуальна, так как речь идет о поставках уникального оборудования.
Задача лица, принимающего решение по закупке ЗИП, сводится
к задаче выбора решения: приобретать запасные части по мере потребности при достаточно высокой цене у поставщика или сформировать заказ на покупку нескольких единиц ЗИП вместе с поставляемым воздушным судном. При этом цена запасных частей
технической аптечки ЗИП будет относительно снижена. В данном
случае покупатель формирует для себя некоторый страховой запас,
который позволит продлить срок эксплуатации воздушного судна и
уменьшит простой, так как необходимый ЗИП уже будет. С другой
стороны, предприятию-изготовителю необходимо планировать выпуск соответствующего числа ЗИП, чтобы они пошли в реализацию
и не было простоя с поставками. Как следствие, предприятию-изготовителю тоже необходимо формировать страховой запас и его
размер должен быть заранее спрогнозирован. Классификация возможных задач статических моделей управления запасами приведена в табл. 7
38
Таблица 7
Классификация статических моделей управления запасами
Признак классификации и условия
Виды моделей
Вероятностный критерий
1. Оценка вероятности того, что определенное
число ЗИП не будет продано;
2. Оценка вероятности того, что плановое число
ЗИП будет продано;
3. Оценка вероятности наличия дефицита
(на некотором временном интервале)
Характеристика
спроса
1. Дискретный спрос;
2. Непрерывный спрос
Учет стоимости выполнения заказа
1. C учетом стоимости выполнения заказа;
2. Без учета стоимости выполнения заказа
Учет возможных
скидок
1. C учетом скидок;
2. Без учета скидок
Экономические критерии
1. Минимизация суммы затрат на хранение,
потерь из-за избытка, дефицита и расходов по
созданию запасов
2. Максимизация прибыли от продажи ЗИП
с учетом потерь от непродажи части товара или
возникновения на рынке неудовлетворительного
спроса;
3. Максимизация рентабельности с учетом поступлений от продажи, реализации излишков,
затрат на хранение
Учет начального запаса
1. С учетом начального запаса;
2. Без учета начального запаса
Выбор соответствующего решения может быть осуществлен в зависимости от разнообразия ситуаций и приведенных в табл. 7 параметров.
К примеру, на основе данных можно сформировать модель определения размера заказа, которая должна учитывать следующие параметры:
1. Экономический критерий минимизации затрат в жизненном
цикле производства и продажи ЗИП;
2. Вероятностный критерий продажи ЗИП (заказанных комплектов) в течение торгового периода;
3. Условия при наличии непрерывного спроса;
4. Условия при нулевом начальном запасе.
39
Если спрос непрерывный, то его необходимо описать в виде функции распределения вероятности значений спроса. Оценка ожидаемого спроса на комплекты ЗИП может быть получена в результате
проведения маркетингового исследования, статистической обработки данных. Оценка спроса записывается в виде непрерывной функции распределения и на практике представляется в табличной форме.
Рассмотрим концептуальную задачу выбора размера ЗИП. Очевидно, что оптимальный размер запаса ЗИП должен обеспечивать
минимум суммы затрат, связанных с приобретением или производством комплекта ЗИП (Cз), хранением ЗИП (Сx), потерями из-за возникновения избытка (Cи) и дефицита Сд:
C∑ = Cç + Ñõ + Ñè + Ñä → min.
Затраты на приобретение товара зависят от наличия начального
запаса ЗИП:
C=
ï.ïð Cï (Q − Q0 ),
где Cп.пр – цена единицы продукции; Q – размер запаса; Q0 – наличный запас продукта перед размещением заказа.
Пусть на предприятии выполняется заказ на N технических
аптечек ЗИП. Стоимость каждой единицы ЗИП равна С. Пусть
Pr является вероятностью того, что в течение ожидаемого срока
службы воздушного судна потребуется ровно r единиц ЗИП (по заданной номенклатуре), при этом количество закупленных единиц
ЗИП обозначим как y. Ущерб в цепи поставки, принесенный из-за
отсутствия каждой единицы ЗИП оборудования, обозначим как U.
В случае наличия такой ситуации штрафные санкции достаточно
велики. Величина затрат, связанных с ЗИП, будет Wry для случая,
когда закуплено y, а требуемое r единиц ЗИП зависит от того, какое
из чисел r и y больше:
1. Wry = Cy при r ≤ y;
2. Wry = Cy + (r–y)U при r > y.
В данном случае требуется найти минимальный ожидаемый размер потерь. Данная величина выражается через вероятности Pr следующим образом:
Wy =
Cy + U
40
∞
∑
r = y +1
(r − y)Pr .
Зная накопленную вероятность, можно также определить число
оборудования (yi), приобретение которого принесет минимальные
потери:
1. p(r < y) ≥ (U–C)/U;
2. p(r ≤ yi–1) ≥ (U–C)/U.
Пусть стоимость единицы оборудования ЗИП для технической
аптечки составляет С = 100 000 у. е., а потери из-за отсутствия ЗИП
U = 10 млн у. е. Данные о вероятностях того, что понадобится определенное количество оборудования ЗИП, представлены в табл. 8.
Решение статистической задачи о закупке оборудования ЗИП
без его последующей реализации приведено в табл. 9.
Из табл. 9 видно, что в рассматриваемой ситуации минимальные
затраты, включающие в том числе и потери, ожидаются при закупке трех единиц ЗИП. Если добавить возможность продажи закупленного оборудования ЗИП по цене V = 50 000 у. е., то данные по
вероятностям оставим прежними. Схема расчетов приведена в табл.
10.
Таким образом, при появлении возможности продажи ЗИПоборудования минимальные потери ожидаются уже при закупке
четырех единиц ЗИП-оборудования.
Таким образом, появляется возможность выбрать оптимальное
число ЗИП, при котором затраты будут минимальны.
Принципиальная особенность представленных методов заключается в том, что заказывается ЗИП определенное количество раз, а
потом в течение некоторого времени расходуется.
Таблица 8
Исходные данные
Необходимое количество
единиц оборудования
ЗИП, r
0
Вероятность требования r Накопленная вероятность
единиц оборудования, Pr
P(r ≤ y)
0,923
0,923
1
0,040
0,963
2
0,020
0,983
3
0,010
0,993
4
0,005
0,998
5
0,002
1,000
6
0,000
1,000
41
Таблица 9
Расчет ожидаемых затрат
Закуплено
единиц (у)
Формула для расчета ожидаемого убытка
Ожидаемые затраты
0
W0 =
U ⋅ (P1 + 2P2 + 3P3 + 4P4 + 5P5 + 6P6 )
1 400 000
1
W1 = C + U ⋅ (P2 + 2P3 + 3P4 + 4P5 + 5P6 )
730 000
2
W2 = 2C + U ⋅ (P3 + 2P4 + 3P5 + 4P6 )
460 000
3
W3 = 3C + U ⋅ (P4 + 2P5 + 3P6 )
390 000
4
W4 = 4C + U ⋅ (P5 + 2P6 )
420 000
5
W5 = 5C + U ⋅ P6
500 000
6
W6 = 6C
600 000
W2 = 2 ⋅100000 + 10000000 ⋅ (0,01 + 2 ⋅ 0,005 + 3 ⋅ 0,002) = 460000
Таблица 10
Расчет ожидаемых затрат
Закуплено
единиц (у)
Формула для расчета ожидаемого убытка
Ожидаемые
затраты
0
W0 =
U ⋅ (P1 + 2P2 + 3P3 + 4P4 + 5P5 + 6P6 )
1 400 000
1
W1 = C − V ⋅ P0 + U ⋅ (P2 + 2P3 + 3P4 + 4P5 + 5P6 )
683 000
2
W2 = 2C − V ⋅ (2P0 + P1 ) + U ⋅ (P3 + 2P4 + 3P5 + 4P6 )
365 700
3
W3 = 3C − V ⋅ (3P0 + 2P1 + P2 ) + U ⋅ (P4 + 2P5 + 3P6 )
251 050
4
W4 = 4C − V ⋅ (4P0 + 3P1 + 2P2 + P3 ) + U ⋅ (P5 + 2P6 )
227 900
5
W5 = 5C − V ⋅ (5P0 + 4P1 + 3P2 + 2P3 + P4 ) + U ⋅ P6
257 000
W2 =2 ⋅100000 − 50000 ⋅ (2 ⋅ 0,923 + 0,04) +
+10000000 ⋅ (0,01 + 2 ⋅ 0,005 + 3 ⋅ 0,002) =
365700
42
В данном случае можно сказать, что просчитана ситуация «поступление ЗИП – расход ЗИП». В динамических моделях таких циклов может быть несколько, при этом запасы не только расходуются, но и пополняются. Для представления динамического процесса
ЛПР разбивает на определенное значение временные интервалы и
анализирует статический процесс. Статическая задача позволяет
определить размер ЗИП для определенного закона распределения
случайной величины спроса на ЗИП, при условии что затем ЗИП
расходуется. При расчете ЗИП учитываются затраты, появившиеся
из-за недостатка ЗИП, и потери, связанные с невостребованностью
ЗИП. При этом могут быть внесены коррективы в модель расчета заказа, стоимости выполнения заказа и стоимости его хранения. Данную модель необходимо вносить в комплект имитационных моделей для ЛПР, чтобы была возможность спрогнозировать различные
ситуации. Общая система принятия решения приведена на рис. 8.
Для повышения точности в структуру принятия решения необходимо внести элементы с обратными связями.
На практике распространена ситуация, когда непроданная продукция может быть реализована по сниженным ценам. Но данная
ситуация не может быть применена к ситуации обеспечения ЗИП
для воздушных судов. Данные объекты не относятся к массовым и
не могут быть реализованы по сниженным ценам. Даже если данная ситуация возможна, то это прописывается в договоре между
эксплуатантом и предприятием-изготовителем.
ЛПР
Цепь поставок ЗИП
Моделирование
Моделирование
Моделирование
ситуации 1
ситуации 2
ситуации N
Оценка результатов
Корректировка
Рис. 8. Общая система принятия решения
с учетом обратной корректирующей связи
43
При проведении оценки логистических процессов поставок ЗИП
для поддержания исправности изделий авионики, находящихся
в эксплуатации, необходимо рассмотреть следующие аспекты:
– экономический аспект расчета оптимальной партии поставки
и на его основе построение взаимодействия системы поставки ЗИП;
– определения количества ЗИП на основе надежностных оценок
и формирования последующей новой цепи поставки для каждого
договора;
– ситуация, совмещающая первые два варианта, когда, несмотря
на формирования заказа ЗИП на основе надежностных параметров,
эксплуатант увеличивает заказ для формирования у себя страхового запаса ЗИП.
8. ИССЛЕДОВАНИЕ ОПРЕДЕЛЕНИЯ ЗИП.
ПАРАМЕТРЫ ПОТОКОВ ОТКАЗОВ
ДЛЯ РАЗЛИЧНЫХ ПРОЦЕССОВ ВОССТАНОВЛЕНИЯ
На сегодняшний день имеется большое число методов и подходов
к решению расчета ЗИП [15, 16, 19]. Существуют как нормативные
ГОСТы, так и различные методики. Это объясняется следующими
ситуациями:
– наличие различных сфер применения расчетных методов (проектирование, эксплуатация, ремонт, распределение);
– использование в расчетах различного аналитического аппарата и различных законов распределения (в частности, теория восстановления, теория надежности, теория прогнозирования);
– привлечение к исследованию ЗИП различных источников информации (к примеру, вероятностно-статистические модели оценки
ресурсов ЗИП; данные по ремонту и возврату и т. д.).
Необходимо отметить, что для принятия достоверного решения
по количеству ЗИП необходимо иметь информацию по ЗИП за предшествующие периоды. Общая блок-схема прогнозирования комплектов ЗИП при проектировании и эксплуатации приведена на
рис. 9.
В блок-схеме выделены три уровня прогнозов количества ЗИП:
– первый уровень включает этапы проектирования и доводки ЗИП;
– второй уровень соответствует эксплуатационным испытаниям,
определению потока отказов;
– третий уровень отвечает непосредственной эксплуатации ЗИП
у эксплуатанта и определяет формирование количества ЗИП для завода-изготовителя.
44
Функция изменения физических параметров ЗИП
Проектирование
Определение параметров показателей долговечности ЗИП
Расчет (прогноз) потоков отказов деталей
Эксплуатационные
испытания опытной
партии ЗИП
Законы распределения наработок ЗИП на
отказ
Определение потока отказов
Корректировка результатов уровня 1
Построение модели расчета (прогноза расхода ЗИП)
Эксплуатация
ЗИП
Информация о расходе
ЗИП
Расчет (прогноз) количества
ЗИП на планируемый период
Рис. 9. Блок-схема прогнозирования ЗИП
Исходная информация для третьего этапа представляется в виде
временных рядов о расходе ЗИП по номенклатуре, и данная информация является интегральным показателем. Объем информации
зависит от возможностей логистической информационной системы,
установленной на складе у эксплуатанта. Наиболее часто для прогноза количества ЗИП используется метод интерполяции [21], состоящий из трех составляющих и записываемый в виде:
y(t)= y + v(t) + ε(t),
где y(t) – прогнозные значения временного ряда; y – тренд (среднее
значение прогноза ЗИП); v(t) – составляющая прогноза (отражающая сезонные колебания); ε(t) – случайная величина отклонения
прогноза.
Методика расчета следующая:
1. На основе значений временного ряда на предпрогнозном периоде с использованием метода наименьших квадратов определяют
коэффициенты уравнения тренда y. Обычно для описания тренда
используются полиномы различных порядков, экспоненциальные,
временные функции.
45
2. Для исследования сезонной волны значения тренда исключаются из исходного временного ряда. При наличии сезонной волны
определяют коэффициенты уравнения, выбранного для аппроксимации v(t).
3. Случайные величины отклонения ε(t) определяются после исключения из временного ряда значений тренда и сезонной волны на
предпрогнозном периоде. Как правило, для определения случайной
величины используется нормальный закон распределения.
Наибольшее распространение на практике расчетов получил метод экспоненциального сглаживания.
Исходные данные для расчета приведены в табл. 11.
При выборе линии тренда в виде линейной зависимости:
=
y a0 + a1t,
yi ∑ ti2 − ∑ ti ∑ yiti
∑
=
, a1
N ∑ ti2 − (∑ ti )2
a0
N ∑ yiti − ∑ yi ∑ ti
N ∑ ti2 − (∑ ti )2
,
где N – число точек временного ряда.
Таблица 11
Исходные данные для расчета
ti
yi
ti2
yiti
z=
i yi − y
v(t)
ε(t) = zi − v(t)
ε2 (t)
1
20
1
20
–3,9
–5,0
1,1
1,21
2
21
4
42
–3,8
–4,3
0,5
0,25
3
30
9
90
4,4
0,8
3,6
12,96
4
38
16
152
11,5
4,4
7,5
56,25
5
28
25
140
0,6
2,3
–1,7
2,89
6
19
36
114
–9,2
–2,8
–6,4
41,00
64
140
144
–9,1
–12,0
–5,0
–4,3
–4,1
–7,7
16,00
59,30
7
8
20
49
18
9
38
81
342
7,1
0,8
6,3
39,70
10
40
100
400
8,3
4,0
4,3
18,50
11
30
121
330
–2,6
2,2
–4,8
23,10
12
30
144
360
–3,5
–2,8
0,8
0,64
Суммы
7
46
332
650
2274
271,80
Задавая уравнение сезонной волны в виде
v(t) =+
b0 b1 cos ωt + b2 sin ωt,
получаем расчетную формулу для прогноза ЗИП в виде
π
π
y(t) = 22 + 0,87t + 3,6 cos (t + 2) + 1,8 sin (t − 5).
3
3
Прогноз количества ЗИП определяется подстановкой значений
времени в исходное уравнение и расчетом полученных значений.
Общий график функций на интервале представлен на рис. 10.
На рис. 10 представлены графики фактического расхода ЗИП,
график тренда, результирующий график потребности ЗИП. Для
повышения точности прогноза можно использовать дисконтирование и выбор оптимальных значений для тренда. Необходимо также отметить то, что выбор линии тренда в виде линейной функции
не всегда правилен. При реальных поставках ЗИП возникают ситуации простоя в реализации или возникают задержки, которые
должны свидетельствовать о наличии убывающего процесса на некотором интервале времени. Но методика такого прогноза количества ЗИП, основанная на экстраполяции, может быть реализована
эффективно в виде отдельного модуля программного обеспечения.
Анализ источников показывает, что все-таки наибольшее распространение получили методы расчета ЗИП, относящиеся ко
второму уровню на основании информации о надежности номенклатурных групп ЗИП. Данная информация может быть представ45
40
35
30
25
20
15
10
5
0
1
2
3
4
5
6
7
8
9
10
11
12
Рис. 10. Прогнозный график ЗИП
47
лена непосредственно в виде потока отказов комплектов ЗИП или
отдельных модулей в функции наработки от начала эксплуатации
до списания или в виде законов распределения наработок ЗИП до
первого или между последующими отказами с дальнейшим переходом к потоку отказов. Необходимо отметить, что для построения
достоверной модели расчета количества ЗИП необходимо привлечение дополнительной информации о состоянии парка воздушных
судов, интенсивности и условиях эксплуатации, нормативной информации по техническому обслуживанию. В ряде случаев расчет
может производиться с использованием законов распределения об
отказах ЗИП и дополнительно должны быть учтены зависимости
о наработках до первого ремонта или технического обслуживания.
Как следствие, переход со второго уровня на третий осуществляется
в виде прогнозных оценок. Методы расчета второго уровня базируются на теории восстановления и на практике [4, 17] разделяются
на два уровня:
1. Методы, основанные на асимптотических формулах, в частности с использованием средних значений наработок ЗИП;
2. Методы, основанные на непосредственном использовании потоков отказов ЗИП.
Наибольший интерес с точки зрения расчета количества ЗИП
представляют процессы, сформированные в виде суммы независимых неотрицательных случайных величин – наработок величин до
первого отказа и между последующими отказами. Параметры потоков отказов для различных процессов восстановления приведены
в табл. 12.
Основной характеристикой процесса восстановления является
функция восстановления Ω(L), определяемая по формуле
∞
Ω(L) =
∑ Fn (L).
n =1
Ее дифференциальная характеристика – плотность восстановления ω(L):
dΩ(L)
ω(L) =
.
dL
Согласно ГОСТ 27.002-83 функция восстановления получила название ведущей функции потока отказов, а плотность восстановления получила характеристику параметра потока отказов.
48
Таблица 12
Параметры потоков отказов для различных процессов восстановления
Процесс восстановления
Закон распределения
нормальный
экспоненциальный
1
(L − nL1 )2
exp[−
]
2nσ12
ò =1 2πnσ1
h(hL)n −1
exp(−hL)
ò =1 (n − 1)!
∞
Простой
1
∞
Общий
∞
∑
∑
ò =1
2π(σ21 + (n − 1)σ2
exp[−
∑
⋅
(L − L1 − (n − 1)L1 )2
2[σ12 + (n − 1)σ2
–
]
n
Сложный
∞
1
ò =1
n
∑
2π ∑ σ2i
i =1
(L − ∑ Li )2
exp[
n
∞
n exp(−h L)
j
(−1)n −1 hi
i =1
n
]
=
n 1=
n
i =1 j 1
(hj − hk )
σ2i
2
k≠ j
i =1
∑
∑
∏ ∑
∏
Для ЛПР необходимо иметь возможность работы с несколькими
методами прогнозирования и на их основе выбрать наилучший вариант поставки ЗИП. Блок-схема методов приведена на рис. 11.
Исходя из выполненного анализа существующей продукции,
оборудование Федерального государственного унитарного предприятия «Санкт-Петербургское опытно-конструкторское бюро «Электроавтоматика» им. П. А. Ефимова» представляется в виде блоков.
Таким образом, замена оборудования производится поэтапно-блочным методом ремонта. (Метод ремонта, при котором объем ремонта группы приборов самолета расчленяется на части по системам,
агрегатам, узлам или зонам конструкции и выполняется поэтапно,
дополнительно к объемам определенных видов технического обслуживания.)
Время наработки определяется в зависимости от оценки коэффициента отказоустойчивости того или иного прибора, ожидаемой интенсивности замен и нормы расхода. «Норма расхода» характеризует среднеожидаемое количество отказов изделий i-го типа за время
доставки.
49
Методы расчета потребного количества ЗИП
Для неремонтируемых ЗИП
Простой процесс
восстановления
Аналитические
Аппроксимация
выборочных
характеристик
процесса
восстановления
Общий процесс
восстановления
Численные
Операционное
исчисление
Теория случайных
процессов
Для ремонтируемых ЗИП
Сложный процесс
восстановления
Метод
статистического
моделирования
С учетом и без
корреляции между
параметрами
Рис. 11. Классификация методов расчета ЗИП,
основанная на теории процессов восстановления
Ремонт возможен в следующих случаях.
При обеспечении соответствующим прибором поставки воздушного судна специалист Федерального государственного унитарного
предприятия «Санкт-Петербургское опытно-конструкторское бюро
«Электроавтоматика» им. П. А. Ефимова» производит поблочную
замену.
Необходимое условие: наличие на складе соответствующего прибора и сертифицированного специалиста, выполняющего замену.
В данном случае процесс эксплуатации и восстановление комплекса на объекте производится за счет замены отказавшего блока
на исправный из ЗИПа. В свою очередь, восстановление количества запасных частей (ЗЧ) в ЗИП происходит за счет пополнения из
внешнего источника, например, предприятия-изготовителя со временем доставки.
При наличии небольшого эксплуатационного дефекта, не оказывающего влияние на работоспособность прибора, ремонт возможен
при наличии соответствующих условий для сертифицированного
специалиста.
50
Данные условия называются стационарными условиями.
При наличии небольшого эксплуатационного дефекта, который
оказывает влияние на работоспособность прибора, ремонт необходимо выполнить, как приведено в п. 1, или на месте при наличии
соответствующих комплектующих. Выполнять должен квалифицированный специалист Федерального государственного унитарного предприятия «Санкт-Петербургское опытно-конструкторское
бюро «Электроавтоматика» им. П. А. Ефимова»
Для обеспечения функционирования воздушного судна без простоев из-за отсутствия запчастей эксплуатант формирует оборотный фонд ремонтируемых изделий и пополняемый фонд неремонтируемых изделий на замену отказавших. Условия формирования
этих фондов, их обеспечение определяются условиями поставки
или в соответствии с договором.
Перечни ЗИП и нормы их расхода должны приводиться в соответствующих типовых эксплуатационных и ремонтных документах
согласно ТУ или договорам поставки.
Вместе с воздушным судном обычно поставляются:
– перечни одиночного комплекта ЗИП, поставляемого с каждым
ВС;
– перечни групповых комплектов ЗИП, поставляемых эксплуатанту для группы ВС.
Дальнейшее обеспечение эксплуатанта ЗИП материалами и оборудованием возможно следующими способами.
1. Непосредственно поставщиком ВС на основе договоров с эксплуатантом, определяющим условия, номенклатуру и сроки поставки, в том числе и внеплановые поставки отдельных изделий.
2. Централизованно, через региональные или отраслевые органы
снабжения на основе договоров с эксплуатантами и поставщиками
ВС и изделий по следующей схеме (поставщики изделий поставляют изделия непосредственно на централизованные склады региональных или отраслевых снабженческих организаций, далее ЗИП
поставляется эксплуатанту по его заявке: форма взаимодействия
участников материально-технического обеспечения определяется
договорами).
3. На основе договоров поставщика и эксплуатанта о сервисном обслуживании технической эксплуатации воздушного судна.
В этом случае поставщик обеспечивает поставку ЗИП непосредственно по каждой заявке эксплуатанта в согласованные сроки и
условия, в том числе и восстановление исправности прибора воз51
душного судна путем замены отказавшего изделия или его ремонта,
другие сервисные услуги.
Эксплуатант выбирает способ обеспечения своих потребностей
в ЗИП для эффективной эксплуатации воздушного судна с оформлением соответствующих договоров с поставщиком ВС или снабженческими организациями.
Обычно рассматриваются 2 стратегии пополнения ЗИП:
– периодическое пополнение ЗИП (1 раз в 2 года);
– непрерывное пополнение ЗИП со временем доставки 1 месяц
(720 ч.).
В качестве показателя достаточности ЗИП используется коэффициент готовности комплекта ЗИП. (KГ.ЗИП – средняя вероятность
того, что комплект ЗИП не откажет, то есть вероятность наличия
в ЗИП требуемой запасной части любого из заложенного в него типа
[1, 5, 6, 7, 8].)
Математические модели и методика расчета запасов составных
частей каждого типа и комплекта ЗИП в целом, с учетом обеспечения требуемого значения коэффициента готовности, соответствуют
РД В 319.01.19-98 «Комплексная система общих технических требований. Аппаратура, приборы, устройства и оборудование военного назначения. Методики оценки и расчета запасов в комплектах
ЗИП» и ГОСТ РВ 27.3.03-2005 [15] «Надежность военной техники.
Оценка и расчет запасов в комплектах ЗИП» является сложной задачей, к которой необходимо применять системный подход, так как
в зависимости от различных методик получаются различные параметры комплектов ЗИП [8, 9, 10, 11].
Данный метод расчета реализован в специальной программной
системе АСОНИКА®-К-ЗИП [18].
АСОНИКА®-К-ЗИП [25, 26, 27] позволит сократить время и трудоемкость расчетов запасов в комплектах ЗИП. Программа позволяет выполнять расчеты для одноуровневых и двухуровневых комплектов ЗИП при следующих стратегиях пополнения: – периодическое;
– периодическое с экстренными доставками;
– непрерывное;
– пополнение по уровню неснижаемых запасов.
Начальный уровень запасов каждого типа блока в комплекте
ЗИП определяется с применением прямой задачи оптимизации так,
чтобы выполнить требования по коэффициенту готовности и получить минимальные затраты:
52
ÒÐ
при Ñ∑
=
=
KÃ,ÇÈÏ ÏiN=1; KÃi ≥ KÃ,ÇÈÏ
ÇÈÏ
N
∑ Cini → min,
i =1
где KÃi – коэффициент готовности запаса i-го типа блока; Ci – затраты на одну ЗЧ i-го типа блока; ni – количество ЗЧ i-го типа; N –
количество типов ЗЧ.
Значение коэффициента готовности KÃi и количество ЗЧ i-го
типа в комплекте ЗИП при стратегии непрерывного пополнения
ЗИП определяется по формуле
η−1
∞ a
1
KÃi = 1 − e−ai ∑ i (η − ni ),
s
η= n +1 Ã !
i
где=
ai Smi λçiTÄi – норма расхода ЗЧ i-го типа (среднее число заявок
на ЗЧ i-го типа); mi – количество блоков i-го типа в комплексе; λзi –
интенсивность замен блока i-го типа; Тдi– время доставки (или ремонта) блока (ЗЧ) i-го типа; S – групповой коэффициент (количество
изделий АС-22М3, обслуживаемых данными ЗИП-Г).
Значение коэффициента готовности KÃi и количество ЗЧ i-го
типа в комплексе ЗИП при стратегии периодического пополнения
ЗИП определяется по формуле
KÃi = 1 −
1 −ai ∞
e ∑l
sai
=l 1 η=
aiη−1
.
n +1+ l à !
∞
∑
i
Интенсивность замен λзi каждого из типов входящих блок рассчитывается по формуле
ni xp
op
îæ 
òo

λç=
λ ,
i  Kèý λ i + (1 − Kèý )λ i  Kç + Kèý λ i +
Smi i
îæ
xp
где λ op
i , λ i , λ i – интенсивности отказов ЗЧ i-го типа соответственно в режимах:
op – полет (основной режим);
ож – ожидание (в выключенной аппаратуре на земле);
хр – хранение в составе ЗИП; λ òî
i – интенсивность профилактических замен при техническом обслуживании; Kèý – коэффициент
интенсивности эксплуатации изделия; Kç – коэффициент замен,
учитывающий долю ошибочных изъятий ЗЧ.
53
Пример исходных данных для результата расчета.
Исходные данные для расчета начального количества запасов ni
и оценка достигнутого коэффициента готовности KГ,ЗИП приведены
в Приложении А, в том числе:
– вид комплекта ЗИП – групповой при групповом коэффициенте
(количестве обслуживаемых ЗИП систем) S = 6;
– количество типов ЗЧ в комплексе N = 3 (соответствует количеству типов, заменяемых при отказах и плановом обслуживании
конструктивно-сменных единиц комплекса);
– коэффициент готовности ЗИП-Г – KГ,ЗИП,тр = 0,95;
– значения λ op
i (соответствуют интенсивностям отказов из расчетов показателей надежности (безотказности) составных частей АС22М3, а также с использований данных ТУ и эксплуатации);
op
xp
– значения λ îæ
i , λ i (получены расчетом относительно λ i с коэффициентом, учитывающим ожидание применения и хранение
в ЗИП);
– значение интенсивности профилактических замен при техническом обслуживании для запасов принято равным нулю, так как
их замена производится только после обнаружения отказа;
– значение интенсивности эксплуатации Kиэ = 0,15 соответствует
данным соответствующей компании;
– значение K3 = 1,8 соответствует рекомендациям РД;
– основной числовой параметр стратегии пополнения – среднее время доставки Тд (при периодическом пополнении ЗИП-Г (1 раз в 2 га)
Тд = 17520 ч; при непрерывном пополнении Тд = 720 ч (1 месяц));
– значение Сi – затраты на одну ЗЧ i-го типа блока;
Расчет ЗИП выполнен по методике с использованием пакета прикладных программ АСОНИКА®-К-ЗИП по исходным данным и приведен в табл. 13, 14.
Суммарная интенсивность спроса на ЗИП характеризует среднее
число заявок на запасные части поступающих в комплект ЗИП обслуживаемых изделий в единицу времени.
На основе данных по табл. 13 и 14 можно сказать, что для обеспечения требуемого показателя достаточности при количестве обслуживаемых изделий АС-22М3 S = 6 с учетом стратегии периодичного пополнения 1 раз в 2 года необходимо в комплект ЗИП заложить двенадцать блоков Блок БЦВМ90-610-1, четыре блока Пульт
ПУИ130.02 и три рамы Рама РМ-610-1, что по затратам составляет
82,6% от стоимости обслуживаемой группы АС-22М3. Стратегия периодичного пополнения выполняется 1 раз в 2 года, она достаточно
54
Таблица 13
Затраты на одну
составляющую
ЗИП, млн руб
Показатели
достаточности
(коэффициент
готовности ЗИП)
Норма расхода
(количество отказов за Tд), шт.
Ожидаемая
интенсивность
замен, 1/ч
Среднее
календарное время
доставки, Tд, ч
Количество ЗИП,
шт.
Количество в АС22М3, шт.
Наименование и
шифр запаса
Результаты расчетов блочного состава комплекта запасных частей
АС-22М3 с периодичностью пополнения один раз в два года
Блок
2
12 17 520 4,31 10−5 9,0613 0,96250700951 1,46
БЦВМ90(730 д)
610-1
Пульт
1
4
17 520 1,61 10−5 1,6924 0,99233493711 1,17
(730 д)
ПУИ130.02
3 10−5 0,6307 0,99903107822 0,28
Рама РМ2
3
17 520
(730 д)
610-1
Количество обслуживаемых изделий – 6 шт.
Заданное значение коэффициента готовности – 0,95.
Полученное значение коэффициента готовности – 0,953873.
Общее количество элементов в комплекте ЗИП – 19 шт.
Суммарная интенсивность спроса , 1/ч – 0,00065.
Суммарная норма расхода – 11,38 (среднеожидаемое количество отказов
изделий ЗИП заданного типа за время доставки).
Затраты на комплект ЗИП (в % от цены группы обслуживаемых
АС-22М3) – 82,6.
затратна. Для более экономичной стратегии непрерывного пополнения со временем доставки в 1 месяц необходимо заложить 4 блока оборудования, представленного выше, что по затратам составит
16,7% от стоимости обслуживания группы АС-22М3. Хотя в первом
случае удается сформировать страховой запас ЗИП. Необходимо
также сказать, что окончательный вариант комплекта ЗИП будет
уточняться по результатам эксплуатации.
Показания надежности ЗИП должны соответствовать требованиям ГОСТ РВ 20.39.303-98 [16], и их значения должны соответствовать указанным в табл. 15.
Необходимо указать требования по транспортабельности. Оборудование ЗИП должно упаковываться в тару и транспортироваться
железнодорожным, автомобильным и воздушным транспортом без
ограничения скорости и расстояния. Помимо этого, при выполнении воздушных перевозок необходимо выполнять перевозки в негерметизированных отсеках на высотах до 10000 м.
55
Таблица 14
Затраты на одну
составляющую ЗИП,
млн руб
Показатели
достаточности (коэффициент готовности
ЗИП)
Норма расхода
(количество отказов
за Tд), шт.
Ожидаемая
интенсивность замен,
1/ч
Среднее календарное
время доставки Tд, ч
Количество ЗИП,
шт.
Количество в АС22М3, шт.
Наименование
и шифр запаса
Результаты расчетов блочного состава комплекта запасных частей
АС-22М3 с периодичностью пополнения один раз в два года
Блок
2
2 17 520 4,31 10−5 0,3724 0,99283090273 1,46
БЦВМ90(730 д)
610-1
Пульт
1
1 17 520 1,61 10−5 0,0696 0,99763637409 1,17
(730 д)
ПУИ130.02
Рама
2
1 17 520 3 10−5 0,0259 0,99966696047 0,28
(730 д)
РМ-610-1
Количество обслуживаемых изделий – 6 шт.
Заданное значение коэффициента готовности – 0,95.
Полученное значение коэффициента готовности – 0,990134.
Общее количество элементов в комплекте ЗИП – 4 шт.
Суммарная интенсивность спроса , 1/ч – 0,00065.
Суммарная норма расхода – 0,47 (среднеожидаемое количество отказов
изделий ЗИП заданного типа за время доставки).
Затраты на комплект ЗИП (в % от цены группы обслуживаемых АС22М3) – 16,7.
Таблица 15
Показатели для оценки надежности ЗИП
№
Наименование показателя
1
2
Средняя наработка на отказ в полете, z
Средний налет на отказ и повреждения,
выявленные в полете и на земле, ч
Среднее время восстановления на объекте, ч
Toп
Tc
≥ 5000
≥ 10 000
Tв
0,5
Назначенный ресурс до списания, ч
Назначенный срок службы до списания, лет
Периодичность выполнения контрольновосстановительных работ, лет
Tрн
Tcн
–
6000
32
15
3
4
5
6
56
Условное
Значение
обозначение показателя
На основании приведенного расчета ЛПР примет вариант комплектации ЗИП, приведенный в табл. 14.
9. СТРАТЕГИИ ПОПОЛНЕНИЯ ЗАПАСОВ ЗИП
Сегодня для правильного определения комплекта ЗИП необходимо учитывать условия организации цепей поставок. Любая поставка ЗИП в таком случае имеет дополнительное ограничение –
параметры цепи поставок. ЛПР должно выбрать соответствующую
логистическую концепцию, основываясь на моделировании процесса поставок. Цепь поставок в современном понимании это система
связанных между собой логистических потоков, людских ресурсов,
организаций, целевой функцией которой является доведение до конечного потребителя товаров, услуг, сырья или их производных.
Выделяют три уровня рассмотрения цепей поставок [3]:
– макроуровень;
– мезоуровень;
– микроуровень.
Макроуровень описывает цепочку поставок на уровне, включающем в себя отдельные компании и регионы с акцентом на стратегию
принятия решений. Модель при этом достаточно абстрактна. Схема
приведена на рис. 12. Как видно, объекты ЗИП, поступающие к поставщикам, в конце концов трансформируются в конечный товар,
доступный для потребителя. На всем этапе пути логистических
потоков формируется добавочная стоимость, которая и формирует
окончательную стоимость товара. Однако даже эта схема не отражает всего масштаба происходящего. Из-за влияния современной экономики, политики и рынка цепи поставок являются динамическими системами, то есть изменяются со временем. В эту схему добавляются поставщики различных уровней, производители, которые
при ближайшем рассмотрении также становятся поставщиками,
дистрибьюторами и т. д.
На мезоуровне в основном представлена логистическая инфраструктура цепи поставок, образуемая соответствующими сущностями и элементами. Рассматривается взаимодействие между несколькими компаниями в целом, выделяются отдельные узлы, необходимые для функционирования цепи.
Целью рассмотрения мезоуровня в цепях поставок является
анализ и контроль существующих взаимодействий. На этом уровне сложная система демонстрирует возникновение и самоорганизацию. Возникновение и самоорганизация – масштабирующие
57
Сырье
Поставщик
р
ва
То
Сырье
Сырье
Сырье
Поставщик
Производитель
Поставщик
Производитель
Поставщик
Производитель
Дистрибьютор
Дистрибьютор
Дистрибьютор
Потребитель
То
ва
р
ар
Тов
Потребитель
То
ва
р
ар
Тов
Потребитель
То
ва
р
Потребитель
Сырье
Поставщик
Рис. 12. Цепь поставок на макроуровне
Поставщик
Поставщик
Производитель
Поставщик
Поставщик
Поставщик
Дистрибьютор
Склад А
Склад Б
СВХ
Рис. 13. Цепь поставок на мезоуровне
58
Дистрибьютор
Дистрибьютор
особенности системы, так как они описывают связь между микроструктурами системы и поведением системного уровня. Схема приведена на рис. 13.
Микроуровневые модели созданы для наблюдения за поведением
отдельных узлов (или множеств узлов). Часто представлены в виде
моделей черного ящика. Необходимы для анализа бизнес-процессов
в отдельных частях цепочки поставок.
Современная система работы предприятий и потребления ЗИП
развивается со все нарастающей скоростью. Появляются новые методы и модели доставки, спрос на те или иные виды изделий и товаров имеет динамическую изменчивость; со временем растет и количество реализуемых номенклатурных единиц у каждого предприятия. В связи с этим возникает острая необходимость в выборе или
совершенствовании текущей модели пополнения товарного запаса
(далее ТЗ). Для выбора модели пополнения ТЗ в первую очередь необходимо произвести классификацию товарных запасов. Товарный
запас – форма существования материального потока во времени, которая на текущий момент лишена подвижности, то есть находится
на хранении.
По месту нахождения товарные запасы делятся:
– на производственные запасы;
– товарные запасы;
– транспортные запасы.
Производственные запасы – это запасы, которые необходимы
для бесперебойного режима работы предприятия и которые не являются готовой продукцией. В свою очередь, товарные запасы – это
запасы готовой продукции, надлежащей к реализации. К транспортным запасам обычно относят те запасы, которые на настоящий
момент времени перемещаются относительно места сбора и хранения. К примеру, листовая сталь, забранная с места производства и
направляющаяся на место хранения для последующей оцинковки,
является:
– производственным запасом;
– транспортным запасом.
По исполнимой функции ТЗ могут быть:
– производственные;
– товарные;
– текущие;
– страховые;
– сезонные;
59
– подготовительные;
– переходящие.
Текущими запасами являются те запасы, которые необходимы
для обеспечения предприятия ТЗ между двумя очередными поставками товара.
Страховой запас – запас, необходимый на случай сбоя в системе
дискретных поставок. К примеру, представим, что поставщик обеспечивает предприятие товаром на договорной основе по вторникам
и четвергам. Однако по причине обстоятельств непреодолимой силы
поставка в четверг была сорвана; именно на этот случай у предприятия имеется страховой запас данной продукции для покрытия невыполненных поставок. Однако существует более интересный пример, раскрывающий суть переходящих запасов, которые в какой-то
степени тоже являются страховыми. Переходящие запасы в основном характерны для высокочастотных поставок продукции с маленьким сроком хранения (не более 7 дней) и больших объемов реализации продукции. Так, если по договоренности с поставщиком
поставки товара осуществляются ежедневно, то при перемещении
товарного потока на реализацию переходящий ТЗ становится частью данной партии товара. А часть вновь прибывшего товара формирует новый переходящий ТЗ. Таким образом, на всех этапах имеется запас продукции, готовой к экстренному перемещению без нарушения условий хранения.
Сезонный товарный запас связан с меняющимся спросом и маржинальностью у некоторых товаров. Поэтому перед началом сезонного повышения спроса на продукцию определенного типа предприятия формируют ТЗ для покрытия скачкообразного изменения
потребления данного товара.
Стратегии пополнения запасов
Непрерывное пополнение запасов («Точно вовремя»).
К классическим стратегиям пополнения запасов принято относить следующие:
– система с фиксированным размером заказа;
– непрерывное пополнение запасов («Точно вовремя»);
– «Точно вовремя» с возможностью экстренного пополнения;
– система с фиксированным промежутком времени между заказами.
Однако современный вектор развития компаний, а также усложнения во взаимоотношениях b2b между поставщиками и компани60
ями предполагают постепенное и планомерное развитие как текущих методов и стратегий, так и появление новых.
Так, американские специалисты в сфере закупок К. Лайсонс и
М. Джиллингем (2014) выдвигают еще ряд динамично развивающихся стратегий планирования и управления закупочной деятельностью:
– системы с динамическим планированием потребности в ресурсах (Materials Requirement Planning – MRP);
– системы с динамическим планированием потребности в ресурсах с контролем производства (MRP II);
– планирование ресурсов предприятия (Enterprise Resource
Planning – ERP);
– планирование требований по дистрибьюции (Distribution Requirements Planning – DRP);
– запасы, управляемые продавцом (Vendor-Management Inventory – VMI).
Некоторые западные специалисты также отмечают, что управление цепями поставок (далее УЦП или SCM) можно рассматривать
как своеобразную стратегию управления запасами, однако, как
показывает практика, УЦП является слишком фундаментальной
дисциплиной, влияющей на все сферы предприятия; и рассматривать данную методологию как модель закупочной деятельности
отдельно от остальных процессов не целесообразно. В данном контексте концепция управления ЦП будет зависеть от номенклатуры
ЗИП. В связи с этим в середине 2000-х годов из УЦП была выведена
поддиcциплина, получившая название «Управление закупочной деятельностью в цепях поставок», главной задачей которой является
сбор и обобщение существующих моделей и методов по управлению
запасами (ЗИП) для создания продуманной методологии их применения. Именно этот факт стал толчком, которой позволил выделить, каталогизировать, а также создать новые методы управления
запасами, которые в том числе описаны выше.
Система «Точно вовремя» скорее относится ко всему предприятию,
нежели к закупочной деятельности и подразделениям в отдельности.
Заключается в том, что во время производственного процесса ЗИП
оказываются на производственной линии точно в тот момент, когда
это нужно, и в строго необходимом количестве, при этом ТЗ восстанавливается до определенного уровня. В случае если значение ТЗ не
было изменено, поставка товара не осуществляется. Цель данной системы – поддержание необходимого уровня ЗИП в определенном ме61
сте (склад временного хранения (СВХ), другие складские помещения)
для изготовления необходимого количества продукции [5]. В данной
системе планирование производственных и закупочных процессов
начинается в конце цепи, то есть со сборочных цехов или конечных
точек реализации продукции. Информация о необходимом количестве запасов генерируется предыдущим техпроцессом, суммируется
и передается в начало цепи поставок. На заре своего существования
информация в данной системе передавалась в виде карточек – «билетов», прикрепляемых к контейнерам, с указанием количества необходимой продукции.
Однако с развитием современных технологий беспроводной передачи данных и, в частности, электронного документооборота EDI
информация о заказах и потребностях в продукции стала передаваться по сети. Так, согласно ЕВРОСТАТу, около 60% промышленных предприятий в 2015 году используют EDI.
Глобальной целью данной системы является ограничение объемов
производства и перевозок до оптимального уровня. Оптимальное значение товарного запаса (в нашем случае ЗИП) считается по формуле
ut
N= ,
c
где N – товарный запас – запланированный коэффициент использования товара, дни; t – срок процессирования заказа, дни; c –
мощность ТЗ (скорость потребления), шт.
Преимущества системы «Точно вовремя»:
– низкие показатели издержек;
– контроль качества. Быстрое выявление цепи с браком;
– низкие сроки проектирования как самой цепи поставок, так и
прочих инженерных работ;
– низкие значения ТЗ;
– простота цепочки поставок.
Недостатки системы «Точно вовремя»:
– большие ошибки прогнозов в связи с отсутствием серьезного
планирования и использования математического аппарата;
– неприменим для товаров с маленьким сроком годности (или коротким жизненным циклом);
– не подходит для серийного производства.
Система с фиксированным размером заказа
Система с фиксированным размером заказа также известна как
двухбункерная система. Данная система предполагает:
62
– постоянную проверку запасов;
– использование двух «бункеров» – СВХ.
Уровнем повторного создания заказа является факт того, что товар из первого СВХ переходит во второй. Контроль запасов происходит на ежедневной основе, оптимальный размер партии вычисляется по формуле
2CA
EOQ =
,
h
где EOQ – оптимальный размер партии, ед.; C – расходы на приобретение; A – число единиц товара, используемых за период времени; h – расходы на хранение товара за период времени.
Для контроля запасов необходимо наличие контрольных уровней, являющихся метриками для специалиста по ТЗ. Среди таких
метрик принято выделять [3]:
– обычное использование товара (ЗИП);
– минимальное использование (ЗИП);
– максимальное использование (ЗИП);
– срок процессирования заказа (ЗИП);
– уровень повторного размещения заказа (ЗИП);
– текущий страховой запас (ЗИП);
– минимальный страховой запас (ЗИП);
– максимальный страховой запас (ЗИП). Текущее состояние товарного запаса вычисляется по формуле
IP = OH + SR − BO,
где IP – состояние ТЗ, ед.; OH – число единиц в ТЗ; SR – плановые пополнения ТЗ; BO – число единиц ТЗ, запланированных
к перемещению.
Так как состояние ТЗ является величиной относительной, то для
корректной оценки ее необходимо сравнить с метрикой «Уровень повторного размещения заказа», вычисляемой по формуле текущего
состояния. В случае если итоговая оценка состояния ТЗ больше или
равна уровню повторного размещения заказа, размещать новый заказ не целесообразно.
R = Umaxtmax ,
где R – уровень повторного размещения заказа, ед.; Umax – максимальное использование товара, ед.; tmax – максимальный срок процессирования заказа, день.
63
Преимущества системы с фиксированным размером заказа:
– система более отзывчива на волатильность спроса на те или
иные ЗИП.
– система хорошо масштабируема, то есть с успехом может применяться для большого количества ЗИП.
– расчеты упрощаются за счет использования формулы оптимального размера партии.
Недостатки системы с фиксированным размером заказа:
– для расчета необходимы показатели мощности и надежности
цепи поставок;
– при наличии большого количества ЗИП к заказу в цепи поставок могут возникать сбои.
Стратегия «Точно вовремя»
с возможностью экстренного пополнения
Данная модель подразумевает под собой наличие возможности
для экстренного пополнения товарных запасов в случае наличия
сбоя в одной из звеньев цепи поставок.
Наличие возможности экстренного пополнения подразумевает
под собой использование серьезного математического аппарата для
анализа вероятностных процессов в узлах системы, а также оценку
надежности цепи поставок; это накладывает серьезные ограничения как на поставщиков, так и на само предприятие в связи с необходимостью держать партию товара для экстренной отгрузки.
Таким образом, в формулу расчета состояния товарного запаса
целесообразно добавить коэффициент надежности цепи поставок P.
Рассмотрим классический вариант работы цепи поставок, где система представлена в виде системы с последовательным соединением элементов.
На рис. 14 представлено данное отображение системы для одного
поставщика, складского модуля, а также предприятия, производящего продукцию, передаваемую дистрибьютору.
В общем случае вероятность безотказной работы одного звена
в цепи поставок определяется по следующей формуле:
P(t) =
n(t)
,
N
где P(t) – вероятность безотказной работы системы; n(t) – число сбоев системы; N – общее число прохождений.
64
Поставщик
Складской
модуль
Производство
Дистрибьютор
Рис. 14. Цепь поставок
Таким образом, общая вероятность безотказной работы цепи поставок определяется как произведение показателей надежностей
отдельных звеньев системы:
n
Pîáù = ∏ P(t).
1
Если все звенья системы имеют одинаковую надежность, то общая вероятность безотказной работы вычисляется следующим образом:
Pîáù = Pn (t).
Следовательно, формула с учетом вероятности безотказной работы системы примет вид
N=
ut(1 + Pîáù )
c
.
Преимущества системы:
– учтены факторы мощности и надежности системы;
– система более отзывчива на волатильность спроса на те или
иные ЗИП или ее компоненты;
– наличествуют все положительные моменты, характерные для
системы «Точно вовремя».
Недостатки системы:
– наличествуют все отрицательные моменты, характерные для
системы «Точно вовремя»;
– плохая масштабируемость.
Система с фиксированным промежутком времени
между заказами
Согласно данной концепции, пополнение запасов ЗИП происходит через заданные промежутки времени, размер заказа варьируется. Заданы максимальный и минимальный уровни значения запасов.
65
Для расчета интервала времени между заказами используется
следующая формула:
I=
NS
,
EOQ
где I – интервал между поставками; S – потребность за период;
N – количество рабочих дней в году; EOQ – оптимальный размер
партии.
В зависимости от требований к модели заказа в формулу могут
вноситься коррективы, отражающие страховой запас, надежность
системы, задержку поставки и прочее.
Системы с динамическим планированием
потребности в ресурсах
(Materials Requirement Planning – MRP)
Данная система опирается на автоматизированные данные с помощью аппаратных и программных средств, методы и модели планирования в потребности того или иного вида ЗИП.
Цель данной системы – минимизация текущих видов запасов
для определенного ЗИП (или группы ЗИП) с сохранением сроков доставки товара, а также при максимизации надежности системы [6].
Под планированием понимается в первую очередь математическое
обоснование текущих объемов спроса на продукцию, а также их
прогнозирование на период вперед с заданной точностью. При прогнозировании учитывается факт того, что спрос на продукцию может зависеть от спроса на другие продукты, также принимается во
внимание высокая возможность появления волатильности в спросе
на данные виды товаров. Страховой запас существует только в отношении готового продукта. MRP не учитывает необходимость хранения товаров и материалов по всем номенклатурным группам. По
причине этого спрос на хранение продукции не прогнозируется, а
также определяется на основе спроса на конечную продукцию.
Цели и задачи MRP:
– реализовать контроль и планирование над запасами ЗИП на
основе спроса на них;
– не допустить дефицита продукции на складских мощностях;
– не допустить профицита продукции на складских мощностях;
– упростить взаимодействие между заказчиком и поставщиком.
Задача нахождения оптимального размера партии к заказу, как
правило, решается тремя моделями:
66
– моделью динамического увеличения размера;
– эвристической моделью Сильвера-Мила;
– эвристической моделью наименьшей стоимости единицы.
В качестве примера далее будет продемонстрировано решение
данной задачи с помощью модели динамического увеличения размера, которая предполагает, что конечный продукт X можно разбить на подпродукты, из которых состоит X. Формула итоговой потребности вид
RT= DT − I + OI,
где RT – итоговая потребность; DТ – общая потребность (сумма потребностей по всем подпродуктам); I – имеющийся ТЗ; OI – уже заказанные ЗИП.
Преимущества MRP:
– надежность цепи поставок;
– низкий уровень ТЗ;
– более надежные методы за счет применения экономико-математических методов.
Недостатки:
– плохая масштабируемость;
– тяжела для внедрения;
– необходима серьезная подготовка кадров в сфере экономики,
математики и статистики;
– при увеличении количества ЗИП к анализу и прогнозированию задача о нахождении оптимального размера партии переходит
в разряд np-сложных, что делает ее не решаемой простыми численными методами;
– эвристические методы, указанные выше, работают с достаточно большими отклонениями, что ставит вопрос о целесообразности
их применения.
Системы с динамическим планированием потребности
в ресурсах с контролем производства (MRP II)
Главным отличием системы MRP II от обычного MRP является возможность более обширного ее применения. Она может быть
применена почти ко всем логистическим потокам, охватывающим
предприятия; в том числе к работникам и финансам, в то время когда MRP «зациклен» лишь на производстве материалов.
Системы с динамическим планированием потребности в ресурсах с контролем производства имеют замкнутую обратную связь,
67
которая осуществляется в автономном и почти автоматическом режиме.
Связь начинается со звеньев, ответственных за производственные функции компании, и двигается горизонтально к звеньям
планирования производства или к графику производства. За счет
этого появляется возможность корректировки входящей информации, что позволяет контролировать данную систему и оказывать на
нее влияние при отклонениях от нормы. Согласно американскому
обществу по контролю за производством и товарно-материальным
запасам (APICS), MRP II есть «система, построенная с учетом планирования потребностей в ресурсах на предприятии, также включающая в себя модули планирования производства, его мощностей,
составления графиков производства».
Таким образом, в данной системе можно выделить следующие
этапы.
Этап 1. Планирование.
Этап 2. Анализ планов.
Этап 3. Принятие и согласование планов.
Этап 4. Реализация планов.
Этап 5. Составление графика производства.
Этап 6. Создание и контроль отчетности.
Этап 7. Закупка и производство ЗИП.
Этап 8. Анализ текущей ситуации.
Этап 9. Корректировка системы при необходимости.
Этап 10. Оценка результатов деятельности в конце цикла.
Данной системе в целом присущи все плюсы и минусы MRP, однако можно выделить ряд наиболее важных преимуществ и недостатков:
– лучший контроль за запасами;
– налаживание продуманных и стабильных отношений с поставщиками;
– хорошее качество готовой продукции и надежности системы
в целом за счет постоянного контроля;
– уменьшение затрат на хранение ТЗ;
– уменьшение времени прохождения всех логистических потоков по системе за счет функции замкнутой обратной связи.
Среди недостатков надо отметить необходимость серьезных инвестиций в APS- и ERP-системы, а также необходимость высокой
квалификации персонала.
68
Планирование ресурсов предприятия
(Enterprise Resource Planning – ERP)
Планирование ресурсов предприятия – это стратегия, получившая свое развитие из MRP и MRP II соответственно. Характерная
особенность данной стратегии – возможность контроля всех производственных потоков в масштабах всего предприятия. Не следует
путать с ERP-системами, которые являются лишь инструментами
реализации вышеописанной стратегии. Однако принцип и ключевые особенности ERP-стратегии легче всего понять из принципа
действия ERP-систем. Он заключается в разделении производственных потоков на отдельные программные модули, объединенные
в общую систему. В совокупности можно выделить ряд ключевых
модулей:
– управление финансами;
– управление производством;
– управление логистикой;
– управление персоналом;
– управление качеством.
Таким образом, можно сделать вывод, что стратегия ERP – это
стратегия управления бизнесом, существующая на основе и при
поддержке специального аппаратного и программного обеспечения,
задачей которого является глубокая интеграция всех подразделений предприятия друг с другом.
Преимущества ERP-стратегии:
– внимание всем сферам деятельности предприятия;
– увеличение оборачиваемости запасов;
– высокая точность учета запасов;
– более высокое качество на всех уровнях системы управления
ЗИП.
Недостатки ERP-стратегии:
– процесс внедрения крайне затруднен сложившимися принципами и устоями в работе предприятия;
– крайне дорогое программное обеспечение;
– высокие требования к персоналу.
Несмотря на то что данная стратегия развивалась из систем
управления закупочной деятельностью и цепями поставок, ее
большим недостатком является слабовыраженная способность
к этим действиям. Это в конечном итоге привело к появлению отдельных модулей, а позже к самостоятельным программным решениям.
69
Планирование требований по дистрибьюции
(Distribution Requirements Planning – DRP)
Одним из недостатков ERP-стратегий была названа причина плохого качества управления и обслуживания закупочной деятельностью предприятия, несмотря на то что именно из систем управления этими аспектами функционирования бизнеса вышли все существующие стратегии ERP. Стратегией, позволяющей отчасти выйти
из этого положения и обеспечить должный контроль и управление
цепями поставок, стала система планирования требований по дистрибьюции. Она представляет собой систему, основанную на качественной аналитике текущих бизнес-процессов в компании на уровне департамента логистики.
В целом данная стратегия напоминает MRP с качественно новым уровнем в аналитике и прогнозировании, а также применении
особой методологии дистрибьюции заказов. Под этим понимают
создание и применение существующих, подходящих для данного
предприятия методов и моделей топологии и маршрутизации для
качественного улучшения сроков оборота товарного запаса предприятия.
Среди отличительных особенностей DRP можно выделить три
важных составляющих данной системы:
– подходит лишь для систем с готовой продукцией;
– данные со многих звеньев, ответственных за создание заказа,
передаются в один центр консолидации, проверяются и распределяются между поставщиками продукции;
– между заказами выставлен фиксированный интервал времени.
Эти важные аспекты позволяют решить сразу ряд проблем. Вопервых, становится возможным решать задачи о прогнозировании
как отдельно взятых ЗИП, так и их подгрупп. Так как известен
спрос на продукцию и есть его прогноз на период вперед, товарный
запас стремится к своему оптимуму. Появляется возможность решения задач маршрутизации и топологии, что сокращает издержки
на транспорт и уменьшает сроки доставки партии груза.
Таким образом, можно определить стратегию DRP как аналитическую систему, порождающую информацию с конца цепи поставок, а также имеющую тесную интеграцию на всех уровнях
логистической системы, задачей которой является минимизация
ТЗ и времени на доставку товара через решение соответствующих
задач.
70
В остальном же DRP очень точно походит на MRP и перенимает
все его достоинства и недостатки.
Запасы, управляемые продавцом
(Vendor-Management Inventory – VMI)
Являются симбиозом системы JIT и DRP, продолжая развитие
последней. В данной стратегии решение о пополнении ЗИП принимают дистрибьюторы из конца цепочки поставок либо поставщики
продукции. В случае с управлением запасами со стороны поставщика данная схема носит название «система обратного заказа». Данная система, как и DRP, используется в основном в сфере ретейла.
Схема взаимодействия при этом выглядит следующим образом.
При прямом заказе ответственными за их создание являются магазины, после этого все заказы направляются в группу консолидации,
где они подвергаются анализу, затем отправляются поставщику.
Под анализом заказов здесь следует понимать проверку на дубликаты, а также на корректность количества заказанной продукции.
При обратном заказе клиенты не анализируют продукцию, за это
ответственен сам поставщик. Он проводит анализ остатков-продаж,
для того чтобы понять текущий спрос на продукцию, и позже формирует заказ, по факту – сам для себя.
Однако следует отметить следующий момент. В связи с тем, что
данные о заказах попадают в систему EDI, которая является централизованной, внутренние департаменты компании имеют доступ как к прямым, так и к обратным заказам. Данная система
связи позволяет существенно повысить надежность цепи поставок.
Так, в случае обнаружения непредвиденных проблем внутренние
отделы компании могут воздействовать на систему для устранения
неполадок.
Формула для расчета оптимальной партии заказа в случае VMI
крайне проста и описывается следующим соотношением:
=
Z Vp − Rt ,
где Z – оптимальный размер партии, шт.; Vp – плановый объем поставки, шт.; Rt – текущие остатки продукции.
Несмотря на кажущуюся простоту, в данной формуле тоже много своих подводных камней, которые затрудняют правильное определение оптимального объема партии.
Во-первых, плановый объем поставки, то есть то значение продукции, которое нам необходимо заказать, является вычислен71
ным заранее на основе предыдущего опыта. К примеру, если заказы создаются раз в неделю, то смотрится заказ, который был за
неделю до него, и считается оптимальным; однако такой подход не
учитывает выбросов и волатильности во временных рядах, которые могут возникать в системе за счет сезонного изменения спроса
на продукцию или же за счет других причин, данный параметр
о значении прошлого заказа всегда запаздывает на одно значение
временного лага и не отражает действительной картины о реальном спросе на товар.
Во-вторых, реальные остатки могут быть посчитаны некорректно из-за ошибок персонала и/или системы, что тоже ведет к ошибкам в понимании реального спроса на продукцию.
Пути исправления ситуации лежат на поверхности, однако требуют серьезных инвестиций как в оборудование, так и в человеческий капитал. Так, для устранения первой проблемы необходимо
внедрение и последующее использование статистических методов
анализа и прогнозирования временных рядов (что как раз таки и
требует серьезной подготовки персонала). Во втором случае необходимо повышение надежности системы расчета остатков для устранения сбоев в ней, что также налагает серьезное увеличение издержек на автоматизацию процесса работы системы расчета остатков,
а также на обучение персонала по взаимодействию с ней.
Преимущества VMI:
– высокая надежность системы;
– повышенная гибкость;
– низкие административные издержки за счет внедрения EDI
и делегирования ответственности за заказ между компанией и поставщиком;
– снижение уровня ТЗ;
– ощутимое уменьшение времени исполнения заказа.
Недостатки VMI:
– появление рисков, связанных с ошибками в заказах поставщика;
– передача поставщику больших объемов конфиденциальной
информации;
– средний уровень масштабируемости системы (связано с тем,
что не все ЗИП поступают в точки дистрибьюции напрямую, часть
товаров поступает через склад).
72
10. АНАЛИЗ ЗИП ПО ПОКАЗАТЕЛЮ НАДЕЖНОСТИ
Показатели надежности хорошо проработаны и имеют четкую
классификацию. Так, согласно ГОСТ 27.002-89, к показателям надежности принято относить единичные показатели надежности и
комплексные показатели надежности.
К единичным показателям надежности относят:
– показатели безотказности;
– показатели долговечности;
– показатели ремонтопригодности;
– показатели сохраняемости.
К комплексным показателям надежности относят:
– коэффициенты генеральной и оперативной готовности;
– коэффициент технического использования;
– коэффициент планируемого применения;
– коэффициент сохранения эффективности.
Однако следует сделать оговорку, что не все из вышеприведенных
метрик подходят для описания надежности цепей поставок. Так,
термин «ремонтопригодность» приобретает новый смысл. По факту,
в надежности цепей поставок ремонтопригодность – это время, необходимое системе или отдельным ее узлам на восстановление своей
работоспособности на уровень по умолчанию. Применение метрики
сохраняемости и вовсе утрачивает смысл по отношению к цепям поставок, так как сохраняемость цепи поставки полностью зависит
от договорных отношений между отдельными сторонами. В связи
с этим необходимо обращать внимание на условия достаточности и
необходимости при выборе и использовании данных метрик применительно к цепям поставки.
Наработка на отказ (Mean Time to Failure) – среднее время работы системы в нормальном режиме, до момента наступления изменений в работе, которые, во-первых, не могут считаться нормальными, во-вторых, препятствуют нормальной работе системы.
Данная метрика описывается статистической зависимостью:
n
T (t) =
где T(t) – наработка на отказ, ч;
∑ ti
k =1
m
,
n
∑ ti – сумма наработок группы узлов
k =1
системы между отказами; m – число отказов за период времени.
73
Однако данная метрика является неинформативной, в качестве
примера можно указать следующее.
Положим, что среднее время до отказа в цепи поставок составляет около 1 миллиона часов. Из-за того, что цифра большая, создается ложное впечатление о надежности системы, хотя если взять другую метрику – время безотказной работы (то есть долговечность) – и
произвести расчеты по ней, то получится, что те или иные узлы системы отказывают с определенной частотой, что ведет к серьезным
операционным убыткам, связанным с устранением сложившейся
ситуации.
Вероятность безотказной работы (ВБР) – это вероятность того,
что в пределах определенного интервала времени отказ в системе
или ее узлах не возникнет. Описывается статистическим соотношением
P(t)=
N0 − n(t)
n(t)
= 1−
,
N0
N0
где P(t) – вероятность безотказной работы; N0 – число нормально завершенных событий, шт.; n(t) – число отказов в системе к моменту
времени (t), шт.
Для нерезервируемых систем вероятность безотказной работы
группы узлов в системе при n > 1 равна произведению вероятностей
безотказной работы каждого узла:
P(t=
) P1 (t) × P2 (t) × ... × Pn (t=
)
n
∏ Pk (t).
k =1
В случае когда P=
1 (t) P=
2 (t) Pn (t), формула приобретает следующий вид:
P(t) = [ Pi (t) ] ,
n
где Pi(t) – вероятность безотказной работы узла на определенном интервале времени.
По определению, в момент t0 = 0 изделие находится в работоспособном состоянии, то есть Q(0) = 0, а P(0) = 1.
Так как обе переменные являются интервальными, то в случае,
если принять, что отказ узла в системе является случайным собы74
тием, становится ясно, что Q ( t ) – функция распределения отказов
в системе. Тогда:
df (t)
=
P(t) = f ′(t),
dt
где f(t) – плотность вероятности.
Что приводит к следующему.
Значение Q(t)dt равно вероятности, что отказ в узле произойдет
в окрестности dt в момент времени t.
Однако вышеприведенные формулы справедливы только для
простых систем. Для того чтобы вычислить вероятность безотказной работы для систем с «горячим» резервированием, необходимо
выразить ВБР через вероятность отказа к моменту времени t.
Так как в общем случае
Q= 1 − P,
n
P=
1 − ∏ (1 − pk ).
k =1
Если надежности всех элементов системы одинаковы, то есть
P=
1 (t) P=
2 (t) Pn (t), то формула примет вид
P =1 − (1 − pk )n .
Интенсивность отказов
Интенсивностью отказов является плотность вероятности возникновения отказов в системе или ее узлах в определенный момент
времени с учетом того, что в момент времени t0 функционирование
системы или ее узлов находилось на нормальном уровне.
Другими словами, интенсивность отказов это отношение числа
отказавших узлов в момент времени t к среднему количеству исправных узлов, работавших нормально на каком-либо промежутке
времени ∆t.
Данная метрика описывается формулой
(t)
λ=
n(t)
n(t)
f (t)
,
=
=
Nñð ∆t (N − n(t))∆t P(t)
75
Уровень интенсивности
отказов
Интенсивность отказов
Время
Рис. 15. Распределение вероятности интенсивности отказа
где λ(t) – интенсивность отказов, 1/ч; n(t) – число отказавших об∆t
разцов в интервале времени t ± , ч; N – общее число изделий;
2
f(t) – скорость отказов или количество узлов, вышедших из строя
к моменту времени t, ед/ч; P(t) – вероятность безотказной работы
узла на определенном интервале времени. В общем же случае график распределения вероятности интенсивности отказов имеет следующий вид и представлен на рис. 15.
Из графика видно, что на начальном использовании в системе нового узла число отказов велико за счет ошибок при внедрении данного компонента, однако затем наступает момент, когда интенсивность отказов падает до какого-то определенного уровня с учетом
погрешностей, однако потом наступает фаза окончания жизненного цикла узла системы, при котором интенсивность отказов снова
увеличивается, однако данные процессы могут быть вызваны и
другими процессами, к примеру большим количеством новых узлов
в системе, оказывающих влияние на контрольный узел, без калибровки данного узла.
Таким образом, можно выделить три фазы работы узла в системе:
– внедрение;
– эксплуатация;
– окончание жизненного цикла.
Однако сразу же встает вопрос о сложности расчета данного параметра через метрики MTTF и ВБР в связи со сложностью распределения интенсивности отказов во времени как случайной величины.
Для того чтобы существенно упростить данную задачу, а также
связать метрики воедино, необходимо разложить задачу на 2 подзадачи по принципу декомпозиции.
76
Q
P
Рис. 16. Отношение Q и P
При этом расчет времени для интенсивности отказов (рис. 15) будет взят в середине базы.
На рис. 16 представлены отношения безотказной работы за интервал времени к вероятности безотказной работы.
Обе функции являются показательными, а именно экспоненциальными. Добавим параметр λ = const в уравнение функции распределения ВБР.
Дифференцируя обе части уравнения, получаем
F (T)= Q(t)= 1 − e(−λt) .
При этом плотность распределения вероятности примет вид
f (t) = λe(−λt) .
Таким образом, мы получаем
f (t)
e(−λt) = =
λ(t) =
const =
λ(t).
P(t)
Следовательно, для экспоненциального распределения параметр
интенсивности отказов является постоянным.
Из постоянности λ-характеристики следует еще один важный
момент, что метрика наработки на отказ численно равна
n
∑ ti
1
=1
.
=
T (t) k=
λ(t)
m
77
В свою очередь, интенсивность отказов для системы равна сумме
интенсивности отдельных ее элементов при экспоненциальном законе распределения, а также для простых систем и систем с «горячим» резервированием:
Λ(t) =
n
∑ λi (t).
i =1
Ремонтопригодность – метрика, характеризующая способность
восстановления работы узлов системы или ее самой до первоначального уровня после сбоя за период времени t. По факту является величиной, обратной MTTF, и тесно с ней связана. Формула для расчета коэффициента ремонтопригодности сильно похожа на формулу
для расчета MTTF за одним лишь исключением. В качестве времени
используется не время между отказами, а время между приведением узла в работоспособное состояние:
n
T (t) =
∑ tb
k =1
m
.
Можно предположить, что существует и метрика, обратная интенсивности отказов в системе. Так же, как и с ремонтопригодностью,
математические выкладки не меняются, меняется лишь параметр
времени, изменений со времени отказа на время восстановления.
Надежность сложных систем
с «облегченным» и «холодным» резервом
Разница в рассмотрении степени надежности сложных систем
с «облегченными» и «холодными» резервами заключается в том,
что при рассмотрении систем с «горячим» резервированием плотность распределения вероятности отказов в системе для контрольных и резервных узлов была одинакова.
В свою очередь, в других типах сложных систем наблюдается ситуация, при которой плотность вероятности, во-первых, отлична от
плотности контрольных узлов, а во-вторых, изменяется при включении резервных узлов в работу.
Данные процессы были рассмотрены в середине 1970-х годов
Е. С. Вентцель в ее работе по исследованию операций [12].
Задачи подобного типа принято делить на три вида:
– общий случай для сложных систем;
78
– система с «холодным» резервом и представлением отказов
в виде простейшего потока событий;
– система с «облегченным» резервом и представлением отказов
в виде простейшего потока событий.
Общий случай предполагает использование двух узлов x1 и x2,
подключенных параллельно. При этом x1 – контрольный узел, x2 –
резервный.
Интенсивности потоков отказов соответственно равны λ1 (t) и
λ2 (t). При отказе контрольного узла происходит переключение на
резервный узел, вероятность перехода pn (t) = 1. Значение интенсивности отказов λ2 (t) при включении в работу узла x2 резко возрастает и становится равно λ 2 (t).
Необходимо заметить, что параметр λ 2 (t) зависит от двух условий:
во-первых, от текущего времени t, во-вторых, от срока, в течение которого работал данный узел в «холодном» или «облегченном» режиме.
При этом общая надежность системы будет равна (рис. 17):
tt
P(t)= 1 − ∫∫ f (t1,t2 )dt1dt2
00
или
t2
 t1
 t t
P(t) = 1 −  ∫∫ λ1 (t1 )λ2 (t2 )exp − ∫ λ1 (t)dt − ∫ λ2 (t)dt }dt1dt2 −
0 0
 0
0
t
t
t
0
0
t1
1
1
2
t
t
+ ∫∫ λ1 (t1 )λˆ 2 ( 2 )exp{− ∫ λ1 (t)dt − ∫ λ2 (t)dt − ∫ λˆ 2 ( )dt }dt1dt2.
t1
t1
λ2(t)
8
7
6
5
4
3
2
1
0
0
1
2
3
4
5
λ1 (t)
6
7
8
9
10 t
Рис. 17. Интенсивность отказа для общих систем
79
Данный интеграл может быть вычислен только при заданных
значениях всех интенсивностей системы. Как видно при наличии
всего лишь одного резервного элемента в системе, сложность расчета надежности системы сильно возрастает, при увеличении узлов
общий случай задач становится нерешаемым. В связи с этим единственным возможным вариантом [12] является представление отказов в виде простейшего потока событий (Марковского процесса) и
решения задач для «холодного» и «облегченного» резервирования
через систему уравнений Колмогорова для случайных процессов.
На практике в логистических системах «холодное» и «облегченное» резервирования используются редко, так как несут необходимость дополнительных расходов, связанных с необходимостью
поддержания резервных узлов в надлежащем состоянии. И, что не
менее важно для логистических систем, данные виды резервирования требуют определенного времени на переключение между резервными и контрольными узлами. В качестве примера можно рассмотреть контрактную деятельность компании, связанную с закупками материала и его дальнейшим перемещением по цепи поставок.
Пусть у компании существует ряд контактов, по которым происходят проводки денежной массы и заказы товаров, все контракты
подписаны с возможностью пролонгации (продления), однако ряд поставщиков находится в резерве, заказы через них происходят только
в случае невозможности заказа у основных поставщиков. Данный
тип резервирования можно отнести к холодному резерву, до начала
операций по заказам контракт не используется. И для возобновления заказов необходимо произвести ряд операций, нацеленных на
проверку состояния поставщика. Теперь можно рассмотреть второй
вариант, при котором заказы среди поставщиков распределяются
равномерно (данная стратегия носит название диверсификации), соответственно, при этом варианте интенсивность отказов имеет меньшее стандартное отклонение и, тем самым, больше стремится к постоянству, чем при холодном резервировании. Что, в свою очередь,
облегчает процесс расчета надежности системы, а также сокращает
время на переключение на резервные элементы (так как диверсификация является частным случаем горячего резервирования).
Зависимые отказы
При описанных выше процессах все отказы рассматривались
как случайные и независимые процессы. Однако на практике данная ситуация возникает редко. Более характерной для реальной
80
жизни является ситуация, при которой один отказ в системе может
порождать еще ряд отказов в других узлах. Такие типы отказов называются зависимыми.
Для простых систем без резервирования, с последовательным подключением элементов формула будет выглядеть следующим образом:
P(t=
) P(r1 ) × Pr1 + P(r2 ) × Pr 2 + ... + P(rn ) × Prn=
n
∑ P(rn ) × Pr ,
i =1
n
где P(t) – итоговая надежность системы; P(rn) – вероятность работы
системы в том или ином режиме; Prn – условная надежность системы в определенном режиме работы.
Для горячего резервирования общее решение задачи принимает
следующий вид. Сначала вычисляется условная надежность системы для каждого из режимов. Затем вычисляется итоговая надежность системы. Также необходимо помнить, что в случае, когда
отказы в системе действительно зависят друг от друга, при классических вариантах расчета оценка надежности будет сильно отличаться. Таким образом, для систем без резервирования с последовательным подключением элементов без расчета зависимости отказов
надежность занижается относительно надежности, рассчитанной
для зависимых отказов. А для систем с параллельным подключением и «горячим» резервированием надежность наоборот завышается, если опустить из расчетов зависимость отказов [12].
В связи со сложностью расчета надежностей для других видов
резервирования систем задачи о нахождении итоговой надежности
системы сводят, как уже было сказано, к простым случайным потокам событий.
11. ДОСТОИНСТВА И НЕДОСТАТКИ МЕТОДА РАСЧЕТА
НАДЕЖНОСТИ ДЛЯ ЦЕПЕЙ ПОСТАВОК ЗИП
Оценка надежности применительно к цепям поставок позволяет
решать сразу ряд серьезных проблем. Главным фактором, ради которого, в частности, и проводится исследование, является возможность снижения издержек и рисков на предприятии [1, 2, 3, 4, 5].
Это достигается за счет увеличения общей надежности системы или
ее элементов. Так как анализ надежности систем и апробация данных, полученных в ходе исследования, являются решением оптимизационных задач, то и множество положительных моментов бу81
дет связано именно с оптимизацией тех или иных бизнес-процессов
внутри компании.
Среди характерных недостатков можно выделить следующее: вопервых, расчет надежности сложных систем сильно затруднен при
их массивности; в связи с этим приходится принимать решения,
которые бы упрощали и делали задачу более абстрактной. Но при
упрощении задачи расчетная надежность систем будет тем ниже,
чем выше упрощение, что в ряде случаев ставит под сомнение использование данных методик при анализе цепей поставок.
Во-вторых, анализ надежности применительно к логистическим
системам [2] ставит перед исследователем нетривиальные задачи и,
как следствие, требует серьезной технической подготовки не только
в этой сфере, но и в смежных областей человеческого знания, таких
как: математика, математическая статистика, теория вероятностей,
теория операций, общая теория систем и других. Данный фактор
требует серьезных инвестиций в качество человеческого капитала.
Однако чем сложнее система, тем больше работников требуется для
ее анализа, и, тем самым, большие объемы инвестиций необходимы.
В-третьих, компания никогда не бывает замкнутой, ее бизнеспроцессы так или иначе включены во взаимодействие с бизнес-процессами других участников рынка, государственных органов и других образований. Исследование надежности не является самоцелью
при анализе бизнес-процессов компании. Главное – это использование полученных данных для устранения слабых мест в цепях поставок [30, 31, 32] за счет реинжиниринга процессов [28], однако очень
часто надежность системы ниже определенных параметров из-за
влияний извне. И повлиять на надежность своего бизнес-партнера
не представляется возможным, так же как и сменить его. По этой
причине полученные данные о надежности системы будут использованы далеко не полностью.
12. МОДЕЛИРОВАНИЕ СХЕМ ПОПОЛНЕНИЯ ЗИП.
СТРУКТУРЫ ЦЕПЕЙ ПОСТАВОК
Рассмотрим базовые положения цепей поставок и выявим ключевые вопросы моделирования. Логистическая цепь компании включает географически распределенные объекты, где приобретаются,
преобразуются, хранятся или продаются сырье, незавершенная и
готовая продукция и каналы распределения, соединяющие эти объекты, по которым перемещается продукция.
82
Данные объекты могут управляться фокусной компанией, поставщиками, покупателями, представителями третьих сторон или
другими фирмами, с которыми компания – производитель товара
имеет деловые отношения. Цель компании — эффективное управление своими ресурсами, в том числе продуктами, по мере того как они
перемещаются по цепи поставок и транспортируются на географически распределенные рынки в необходимом количестве, в необходимой комплектации, в требуемое время и по конкурентоспособной
цене. Существует различие между заводами – производственными
объектами, где происходят преобразования физического продукта, и
распределительными центрами – объектами, где продукция принимается, сортируется, переводится в запасы, извлекается из запасов и
отправляется, но не преобразуется физически. Современные цепи поставок – сложная система, состоящая из различных объектов, то есть
либо заводов с возможностями распределения, либо распределительных центров с возможностями физического преобразования продукции. Цепь поставок, или производственно-логистическая сеть, часто
представляется в виде схемы. Узлы этой сети представляют объекты, связанные между собой ребрами – прямыми транспортными
связями. Сети – полезное средство для изображения и обсуждения
моделей, тем не менее необходимо иметь в виду, что сеть это только
высокоуровневая модель цепи поставок. Детальный анализ требует
добавления подробных данных о процессах, ресурсах, мощностях и
затратах, описывающих объекты и каналы распределения.
Продукты перемещаются «вниз» от поставщиков на заводы
субподрядчиков, от субподрядчиков — на заводы-производители
конечной продукции; от заводов-производителей конечной продукции – в распределительные центры; от распределительных центров – на рынки. Обычно цепь поставок может иметь произвольное
количество уровней.
Более того, продукты иногда могут перемещаться «вверх», например, когда продукты возвращаются на заводы для переработки (доработки, утилизации) или когда продукты многократного
пользования возвращаются с рынков в центры распределения (например, многооборотная тара). Объекты цепи поставок в данном
случае – фирмы, производящие или распределяющие физические
продукты, которые могут быть неделимыми, как, например, электрическая энергия, природный газ, нефть или информация. В последнем случае мы имеем дело с сетями телекоммуникаций, которые также могут быть рассмотрены как цепи поставок.
83
По определению Европейской логистической ассоциации SCM
(Supply Chain Management), управление цепями поставок – это интегральный подход к бизнесу, раскрывающий фундаментальные
принципы управления в логистической цепи, например, формирование функциональных стратегий, организационной структуры,
методов принятия решений, управления ресурсами, поддерживающих функций, систем и процедур.
Управление цепями поставок относится к интегрированному
планированию. Оно связано с функциональной интеграцией закупок, производства, транспортировки и складской деятельности;
имеет отношение к пространственной интеграции этих видов деятельности среди географически распределенных поставщиков, объектов и рынков; рассматривает межвременную интеграцию этих
видов деятельности в рамках стратегического, тактического и оперативного планирования. К примеру, стратегическое планирование
затрагивает решения о приобретении ресурсов на долгосрочный
период; тактическое планирование решает вопросы распределения
этих ресурсов на среднесрочный период; оперативное планирование
решает вопросы, затрагивающие краткосрочную деятельность компании.
Цель управления цепями поставок состоит в минимизации общих логистических издержек при удовлетворении данного фиксированного спроса. Эти издержки могут включать: стоимость сырьевых материалов и других приобретений компании, внутренние
и внешние транспортные издержки, инвестиции в оборудование,
производственные затраты, затраты распределительных центров,
затраты по содержанию запасов и другие виды издержек. При построении модели для решения конкретных проблем планирования
можно исследовать лишь часть общей цепи поставок компании и
связанных с ней издержек. Сегодня среди специалистов нет единого мнения о цели управления цепями поставок. Некоторые из них
полагают, что минимизация общих издержек не является основной
целью фирмы при анализе стратегических и тактических планов
относительно цепи поставок. Напротив, фирма должна стремиться
к максимизации чистой прибыли. На наш взгляд, интересно мнение
по этому вопросу одного из известных специалистов по управлению
цепями поставок Дж. Шапиро: «Управленческие решения о цепи
поставок и спросе также очень тесно связаны с корпоративными
финансовыми решениями, особенно при планировании стратегии
фирмы. Поэтому компании рассматривают оптимизационные моде84
ли для анализа финансовых решений, связанных с корпоративным
бухгалтерским балансом, таких как годовые изменения фиксированных активов, выплаты дивидендов или выплаты по акциям без
фиксированного дивиденда. Данные модели могут быть полностью
интегрированы в логистические модели, и в связи с этим с недавнего времени финансовые менеджеры стали интересоваться вопросами их внедрения и использования».
Несмотря на растущее число применения оптимизационных
моделей для оперативного, тактического и стратегического планирования цепи поставок, их возможности, как правило, ограниченны. Одна из главных проблем, приводящих к такому пассивному
использованию моделирования, – выбор метода и средств решения
задач оптимизации. Для отдельных задач оптимизации существует
решение в аналитической форме, но это скорее исключение из общего правила. Практические задачи оптимизации цепей поставок,
как правило, не имеют аналитического решения в форме расчетных
формул. Именно поэтому становится актуальным выбор вычислительного метода и программного средства для их практического
решения. Поэтому необходимо рассмотреть общую методологию постановки и решения задач оптимизации.
Общей методологией постановки и решения задач оптимизации
является системный анализ. Применительно к решению прикладных задач эта методология получила название системного моделирования. Центральное понятие системного моделирования – собственно понятие системы, под которым понимается совокупность
объектов, компонентов или элементов произвольной природы, образующих некоторую целостность в том или ином контексте. Определяющим принципом рассмотрения некоторой совокупности объектов как системы является появление у нее новых свойств, которых
не имеют составляющие ее элементы. Этот принцип получил специальное название «принцип эмерджентности» (от англ. emergence –
появление, выявление). Системы различной физической природы
окружают нас повсеместно: это конкретные предметы и объекты –
Солнечная система, человек, персональный компьютер, автомобиль, самолет, аэропорт. Характерный признак системного мышления – рассмотрение абстрактных сущностей, таких как алгоритм,
компьютерная программа, естественный язык, коммерческая фирма, культура, политика, наука, экономика как система. При рассмотрении той или иной системы исходным этапом при построении
ее модели является определение ее границы. Речь идет о необходи85
мости разделения всех элементов на два класса: принадлежащих и
не принадлежащих системе.
Сущности или объекты, собственно, принадлежащие системе, и
будут ее элементами. Напротив, не принадлежащие системе объекты, но оказывающие на нее то или иное влияние, образуют среду
или внешнюю по отношению к системе предметную область. Важнейшие характеристики любой системы это ее структура и процесс
функционирования. Под структурой системы понимают устойчивую во времени совокупность взаимосвязей между ее элементами
или компонентами. Структура связывает воедино все элементы и
препятствует распаду системы на отдельные компоненты. Структура системы может отражать самые различные взаимосвязи, в том
числе и вложенность элементов одной системы в другую. В этом случае принято называть более мелкую или вложенную систему подсистемой, а более крупную систему метасистемой.
Процесс функционирования тесно связан с изменением свойств
системы или отдельных ее элементов во времени. Важная характеристика системы – ее состояние – совокупность свойств или признаков, которые в каждый момент времени отражают наиболее
существенные особенности поведения системы. Структура системы
может быть описана с разных точек зрения. Наиболее общее представление о структуре дает схема устройства той или иной системы.
Взаимодействие элементов может носить не только механический, электрический или биологический характер, но и информационный, что характерно для современных логистических систем.
Состояние системы также можно рассматривать с различных точек
зрения. Наиболее общая из них – рассмотрение особенностей функционирования или эксплуатации той или иной системы. Процесс
функционирования системы отражает ее поведение во времени и
может быть представлен как последовательное изменение ее состояний. При изменении состояния системы говорят, что система
переходит из одного состояния в другое. Совокупность признаков
или условий изменения состояний системы в этом случае называется переходом. Для системы с дискретными состояниями процесс
функционирования может быть представлен в виде последовательности состояний с соответствующими переходами. Методология системного моделирования служит концептуальной основой системно-ориентированной структуризации предметной области. В этом
случае исходными компонентами концептуализации являются системы и взаимосвязи между ними. Результат системного моделиро86
вания – построение некоторой модели системы и соответствующей
предметной области, описывающей важнейшие (с точки зрения решаемой проблемы) аспекты системы.
В общем случае под моделью понимается некоторое представление о системе, отражающее наиболее существенные закономерности
ее структуры и процесса функционирования и зафиксированное на
некотором языке или в некоторой форме. Применительно к контексту задач оптимизации представляют интерес только аспекты построения моделей, связанные с информационным или логическим
моделированием систем. Примерами моделей являются не только
известные физические модели (аэродинамическая модель гоночного автомобиля или проектируемого самолета), но и абстрактные или
логические модели различных систем (математическая модель колебательной системы, аналитическая модель системы электроснабжения региона, информационная модель избирательной кампании
и другие).
Общее свойство всех моделей – их подобие некоторому реальному объекту или системе-оригиналу. Важность построения моделей
заключается в возможности их использования для получения информации о свойствах структуры или поведении системы-оригинала. При этом сам процесс построения и последующего применения
моделей для получения информации о системе-оригинале является основным содержанием системного моделирования. Наиболее
общей информационной моделью системы является модель «черного ящика». В этом случае система представляется в виде прямоугольника, внутреннее устройство которого скрыто от системного
аналитика или вообще неизвестно. Однако система не является
полностью изолированной от внешней среды, поскольку последняя
оказывает на систему некоторые информационные или физические
воздействия. Такие воздействия получили название входных воздействий, или входных параметров, входных переменных. Среди
входных воздействий выделяют специальный класс управляющих
воздействий (переменных). Последние предназначены оказывать на
систему целенаправленное воздействие для достижения системой
некоторой цели (целей) или желаемого поведения. В свою очередь,
система также оказывает на среду или другие системы определенные информационные или материальные воздействия.
Ценность моделей, подобных модели «черного ящика», весьма
условна. Основное ее назначение – структурировать исходную информацию относительно самой системы и внешней по отношению
87
к ней среды. Поэтому эта модель фиксирует упоминавшиеся ранее
границы системы. В дополнение к этому модель специфицирует
воздействия, на которые реагирует система, и как отражается эта
реакция на окружающих объектах и системах. В случае количественного описания входных (выходных) воздействий их иногда
называют входными (выходными) переменными. В рамках системного моделирования разработаны определенные методологические
средства, позволяющие выполнить дальнейшую структуризацию
или концептуализацию этой наиболее общей модели системы.
В методологии системного моделирования выделяются сложные
системы, исследование которых представляет наибольший интерес
в контексте постановки и решения задач оптимизации. Сложность
системы, соответственно, ее модели могут быть рассмотрены с различных точек зрения. Можно выделить сложность структуры системы, которая характеризуется большим количеством элементов
и различными типами взаимосвязей между ними. Если количество
элементов системы превышает некоторое пороговое значение, которое, вообще говоря, не является строго фиксированным, такая система может быть названа сложной. Например, если программная
система управления базой данных насчитывает более 100 отдельных
форм ввода и вывода информации, многие программисты сочтут ее
сложной. Если исходные данные некоторой задачи оптимизации
содержат несколько сотен переменных и ограничений, имеются все
основания считать подобную задачу и соответствующую ей систему сложной. Транспортные и энергетические системы современных
мегаполисов, макроэкономика государства или отдельных отраслей
также могут служить примерами сложных систем, состоящих из
десятков и сотен отдельных подсистем или элементов с нетривиальной структурой взаимосвязей между ними.
Второй аспект сложности – сложность процесса функционирования системы или отдельных ее подсистем. Это может определяться
как непредсказуемым характером поведения системы, так и невозможностью формального представления правил преобразования
входных воздействий в выходные. Этот важный аспект сложности
системы может быть связан с наличием неопределенности в описании процесса поведения системы-оригинала. Например, процесс
поведения участников некоторого рынка товаров или услуг в определенной степени непредсказуем или характеризуется неопределенностью состояний своих элементов. Процесс функционирования современных операционных систем также характеризуется сложно88
стью поведения, поскольку их надежность и безопасность не всегда
удовлетворяют требованиям различных категорий пользователей.
При анализе структуры и поведения сложных систем, как правило, присутствуют различные факторы неопределенности. Они могут быть учтены и адекватно представлены в процессе построения
информационно-логических моделей в рамках нового направления
системного моделирования – нечеткого моделирования.
При моделировании цепей поставок особую важность играет исходное структурное представление перемещения ЗИП. Рассмотрим
разновидности структур систем.
Рассмотрим основные модели структур, покажем их достоинства
и недостатки и определим, при каких условиях применима каждая
модель.
Структуры различают в зависимости от степени разделения деятельности системы на различные функции; степени заранее установленных правил и процедур; соотношения централизации и децентрализации (количеством уровней, на которых принимаются
решения).
Базовыми видами структур систем считаются следующие.
1. Структура линейного типа. Параллельная структура (рис. 18).
В качестве преимуществ линейной структуры можно отметить
следующие:
– четкое разграничение ответственности и компетенции (каждый компонент имеет только одну руководящую подсистему, которая разрабатывает, принимает решения, контролируя их выполнение, связанные с управлением данным объектом);
– линейная структура является логически более стройной и формально определенной;
1
2
……..
n
1
2
Рис. 18. Линейная структура. Параллельная структура
89
– оперативное решение системных проблем, сопровождающееся минимальными вложениями системных ресурсов (так как она
построена на узкой специализации и узкой квалификации компонентного состава системы).
В качестве недостатков линейной структуры можно отметить
следующие:
– меньшая структурная гибкость (поскольку каждая руководящая подсистема обладает относительно небольшими возможностями решения функциональных проблем, требующих узких и специальных знаний);
– высокие требования к подсистеме, которая разрабатывает и
принимает решения, связанные с управлением;
– большая нагрузка на руководящую подсистему (или элемент);
– чрезмерная централизация управления.
Сфера применения линейных структур. Линейная организационная структура применима, как правило, только в производственных звеньях низшего уровня (в группах, бригадах и т. п.), на малых
предприятиях в начальный период их становления или для систем,
которые специализируются на выполнении отдельных видов деятельности.
2. Структура иерархического типа (рис. 19).
Сущность иерархической структуры управления состоит в том,
что управляющие воздействия на объект могут передаваться только одним доминантным лицом – руководителем, который получает
официальную информацию только от своих, непосредственно ему
Р
Л1
И1
Л2
И2
И3
И4
Рис. 19. Иерархическая структура управления:
Р – руководитель; Л – линейные органы управления
(линейные руководители); И – исполнители
90
подчиненных лиц, принимает решения по всем вопросам, относящимся к руководимой им части объекта, и несет ответственность за
его работу перед вышестоящим руководителем.
Данный тип организационной структуры управления применяется в условиях функционирования мелких предприятий с несложным производством при отсутствии у них разветвленных кооперированных связей с поставщиками, потребителями, научными
и проектными организациями. В настоящее время такая структура
используется в системе управления производственными участками, отдельными небольшими цехами, а также небольшими фирмами однородной и несложной технологии. Преимущества иерархической структуры объясняются простотой применения. Все обязанности и полномочия здесь четко распределены, и поэтому создаются
условия для оперативного процесса принятия решений, для поддержания необходимой дисциплины в коллективе. В числе недостатков
обычно отмечается жесткость, негибкость, неприспособленность
к дальнейшему росту и развитию предприятия. Линейная структура ориентирована на большой объем информации, передаваемой
от одного уровня управления к другому, ограничение инициативы
у работников низших уровней управления. Она предъявляет высокие требования к квалификации руководителей и их компетенции
по всем вопросам производства и управления подчиненными.
3. Сетевая структура (рис. 20).
Такие структуры могут отображать порядок действия технической системы (телефонная сеть, электрическая сеть и т. п.), этапы
1–1
1– m
1– 2
…………….
2– 1
1
N1
q–m
………..
t–2
3– 1
N2
……………
q– 1
Рис. 20. Сетевая структура
91
деятельности человека (при производстве продукции – сетевой график, при проектировании – сетевая модель, при планировании – сетевой план и т. д.).
4. Матричная структура.
Матричная структура помогает решать проблемы координации
и связывать воедино деятельность звеньев базовой структуры и
временных групп. Она представляет собой решетчатую организацию, построенную на принципе двойного подчинения исполнителей: с одной стороны – непосредственному руководителю функциональной службы, которая предоставляет персонал и техническую
помощь руководителю проекта, с другой – руководителю проекта
(целевой программы), который наделен необходимыми полномочиями для осуществления процесса управления в соответствии
с запланированными сроками, ресурсами и качеством. При такой
организации руководитель проекта взаимодействует с двумя группами подчиненных: с постоянными членами проектной группы и
с другими работниками функциональных отделов, которые подчиняются ему временно и по ограниченному кругу вопросов. При этом
сохраняется их подчинение непосредственным руководителям подразделений, отделов.
Матричная структура имеет ряд преимуществ:
– поддерживает реализацию двух стратегических направлений
одновременно, непосредственное руководство и скоординированность каждого из них;
– предоставляет возможность оперативно адаптироваться к изменяющимся внутренним и внешним условиям;
– позволяет избегать дублирования функциональных областей
(с помощью перераспределения компонентов системы между различными проектами или подсистемами);
– нивелирует проблему организации компонентов в новую систему после дезорганизации системы (по разрешению задачи и достижению поставленной цели).
Матричная структура имеет ряд недостатков:
– чрезвычайна сложна в управлении – необходимо постоянно сохранять баланс между двумя доминирующими системными компонентами;
– увеличивает сроки принятия решений из-за необходимости
многочисленных согласований; значительно увеличивает управленческий компонентный состав системы (поскольку для каждого
элемента выделяют сразу два управляющих элемента);
92
– способствует частому изменению управленческих компонентов
системы;
– способствует возникновению конфликтных целей.
Условия применения матричных структур:
– система обеспечивает (реализует) сложные процессы;
– функционирование системы предполагает инновационный характер;
– система функционирует в условиях динамичной и непредсказуемой внешней среды.
Например, для систем, которые обеспечивают исследовательскую деятельность (при этом функциональная структура накладывается на проектную), – это научно-исследовательские институты,
научные школы; для систем, функционирующих в среде высоких
технологий, – это авиакосмическая промышленность, нанотехнологические центры. Если существует необходимость освоения и
внедрения ряда новых сложных технологий за ограниченный временной интервал – это инновационные компании и предприятия.
Для систем, функционирующих в чрезмерно сложной, динамической и трудно предсказуемой внешней среде, – это системы, осуществляющие рекламную кампанию, специализирующиеся на
выпуске дизайнерской одежды; для системы, которая выпускает
какой-либо уникальный продукт, – это системы, обеспечивающие
производство сложного оборудования по единичным заказам.
При выборе структуры для представления конкретной системы
следует учитывать их особенности и возможности. Сетевые структуры используются в тех случаях, когда систему удается отобразить через описание материальных и информационных процессов,
происходящих в ней, то есть представить последовательностью
изготовления изделий, прохождения документов и т. д. Предпочтительно представление во времени и процессов проектирования
новых систем. Однако такое представление практически невозможно для сложных технических комплексов, особенно при проектировании организационных систем управления. В этих случаях
вначале используют расчленение системы в пространстве, то есть
представление ее различными видами иерархических структур.
Наиболее предпочтительно получение иерархической структуры,
которая более четко отражает взаимоотношения между компонентами системы. Такое представление предпочтительно при организации производства сложных технических комплексов: древовидное
расчленение изделия позволяет определить основные структурные
93
единицы (цехи, участки и т. п.) производственной структуры, уточнение взаимодействия между которыми затем ведется с помощью
сетевых структур.
В организационных системах взаимоотношения между структурными единицами организационной структуры гораздо более
сложные. Их не всегда удается сразу отобразить с помощью иерархической структуры. Используются разновидности матричных
структур.
От вида структур зависит важная характеристика любой системы – степень ее целостности, устойчивости. Устойчивость системы – ее способность возвращаться в состояние равновесия, которое
является наиболее благоприятным для выполнения системой функций после воздействия на систему каких-либо внешних факторов.
Устойчивость процесса – это свойство системы так использовать
внешние факторы влияния, что система возвращается в своем отклонении от траектории на свою же траекторию. Таким образом,
устойчивость развития можно рассматривать как последовательное, прогнозируемое с высокой степенью вероятности изменение состояний системы (логистической цепи), ее способность противодействовать неблагоприятным внешним влияниям.
Логистическая цепь (ЛЦ), или цепь поставок, – это сетевая
структура, состоящая из поставщиков, производственных предприятий, складов, центров распределения и предприятий розничной торговли, с помощью которой сырье и материалы приобретаются, перерабатываются и доставляются покупателю. Для принятия
управленческих решений в ЛЦ необходимо выявить ее элементы
(звенья ЛЦ), а также существующие материальные, финансовые
и информационные потоки. Для этого на начальном этапе анализа
ЛЦ необходимо разработать и исследовать модель ЛЦ с целью ее изучения и выявления критических участков (так называемых «узких мест»). В конечном счете для выявленных критических элементов ЛЦ должны быть разработаны стратегии управления, которые
обеспечат повышение эффективности всей ЛЦ. В этом состоит задача оптимизации ЛЦ.
Элементы ЛЦ подразделяются на два класса: объекты ЛЦ (звенья
ЛЦ) и потоки. Звенья ЛЦ включают производственные предприятия,
поставщиков логистических услуг, биржи и системы электронных
торгов, а также все внутренние подразделения перечисленных организаций, которые задействованы в процессах предпринимательства.
В сущности, эти объекты являются операторами ЛЦ (то есть осу94
ществляют действия над другими объектами). Протекающие через
звенья ЛЦ потоки трех видов – материальные, финансовые и информационные – являются операндами (то есть объектами действия).
Эти понятия обладают тремя характерными свойствами:
1. Динамичностью. ЛЦ — это гибкие структуры. Организации,
образующие ЛЦ, не берут на себя обязательств в течение определенного времени участвовать в ЛЦ. Они могут свободно присоединяться к ЛЦ и покидать ее, руководствуясь только своими экономическими интересами. Это видоизменяет структуру ЛЦ и протекающие в ней потоки. Информация о процессах предпринимательства
в ЛЦ и ее окружении – например, цены, данные о потребительском
спросе, применяемые технологии – также непрерывно изменяется.
2. Распределенностью. Звенья ЛЦ территориально распределены. Системы планирования и ведения операций, используемые
объектом ЛЦ, также могут быть территориально распределенными:
например, на каждом из складов производственного предприятия
может поддерживаться отдельная база данных о состоянии запасов.
3. Несопоставимостью. Звенья ЛЦ используют для планирования и управления предпринимательством информационные системы с различной архитектурой. Информационные потоки в различных звеньях ЛЦ также отличаются по форме представления.
Динамичность, распределенность и разнородность информации в ЛЦ приводит к возникновению трудностей при принятии
эффективных решений по управлению в ЛЦ. Другая проблема заключается в том, что на современном предприятии центры принятия решений распределены между различными подразделениями.
Принятие решений основывается обычно на собственных интересах подразделения и в большинстве случаев не учитывает взаимозависимости различных факторов, влияющих на общую экономическую эффективность предприятия. Такие решения не позволяют
добиться максимальной эффективности деятельности отдельного
звена и ЛЦ в целом, а разрешение возникающих конфликтов требует вмешательства руководства высшего уровня.
13. АНАЛИЗ ПОДХОДОВ К ИМИТАЦИОННОМУ
МОДЕЛИРОВАНИЮ И ПРИМЕНЯЕМОГО
ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ
Одним из базовых элементов структуры современных систем
принятия решений являются системы моделирования, для постро95
ения которых в настоящее время используются следующие подходы: системная динамика – дискретно-событийное моделирование –
динамические системы – агентное моделирование – объединенный
подход. Системная динамика (программные продукты: VenSim,
PowerSim, iThink, ModelMaker и др.). Основная парадигма данного
подхода заключается в математическом описании систем дифференциальных уравнений, приведенных к форме Коши.
Системно-динамический подход был разработан и предложен
Дж. Форрестером в конце 1950-х как «исследование информационных обратных связей в промышленной деятельности с целью показать, как организационная структура, усиления (в политиках) и задержки (в принятии решений и действиях) взаимодействуют, влияя
на успешность предприятия». Приложения системной динамики
включают также социальные, урбанистические, экологические системы. Системная динамика абстрагируется от отдельных объектов
и событий и предполагает «агрегатный» взгляд на процессы, концентрируясь на политиках, этими процессами управляющих.
Моделируя в стиле системной динамики, вы представляете
структуру и поведение системы как множество взаимодействующих положительных и отрицательных обратных связей и задержек. Важно отметить следующие моменты системной динамики:
поскольку модель оперирует только количествами, агрегатами,
объекты, находящиеся в одном накопителе, неразличимы, лишены
индивидуальности; аналитику предлагается рассуждать в терминах глобальных структурных зависимостей, и, соответственно, ему
необходимы соответствующие данные.
Дискретно-событийное моделирование (программные продукты:
Arena, GPSS, Extend, SimProcess, AutoMod, PROMODEL, Enterprise
Dynamics, FlexSim, eMPlant и др.). Основная парадигма данного подхода заключается в использовании транзактов, отображающих динамические объекты моделирования (заявки), и блоков-объектов,
обрабатывающих эти заявки. Дискретно-событийное моделирование наиболее развито и имеет огромную сферу приложений – от логистики и систем массового обслуживания до транспортных и производственных систем. Этот вид моделирования наиболее подходит
для моделирования производственных процессов. Идея моделирования систем с дискретными событиями была сформулирована в виде
системы общецелевого моделирования (General Purpose Systems
Simulator) Джеффри Гордоном (Geoffrey Gordon) в 1961 году. Сейчас
GPSS исполнилось 49 лет. Это был один из самых удачных на то вре96
мя проблемно-ориентированных языков программирования. Проблемной областью GPSS являются системы массового обслуживания
(системы с очередями).
Историю GPSS можно условно разделить на два больших этапа.
Первый этап – это GPSS на «больших» ЭВМ, так называемых мэйнфреймах (типа IBM/360 и ЕС ЭВМ). Второй этап – на персональных
ЭВМ. Первая версия системы появилась в 1961 году и называлась
GPSS. Далее последовательно друг за другом появились GPSS II (1963
г.), GPSS III (1965 г.), GPSS/360 (1967 г., GPSS V (1971 г.)). Все эти
версии были разработаны и поддерживались фирмой IBM. Второй
этап. Появление персональных ЭВМ и принципиально новых идей и
подходов взаимодействия человека с ЭВМ не могло не отразиться на
GPSS. Он несколько утратил свою привлекательность.
Появились новые системы моделирования, использующие возможности новой техники – оперативность, интерактивность, наглядность при разработке моделей и проведении исследований.
Среди огромного множества разработок в последующие годы
(1982–2001 гг.) сейчас можно выделить несколько основных. Это
системы: GPSS/PC и GPSS World (Minuteman Software), MicroGPSS
и WebGPSS. Язык GPSS ввел в моделирование парадигму потокового или сетевого моделирования (Flowchart или Network-Based
Modeling). Поток сущностей (транзакций) продвигается по структурной диаграмме, представляющей систему. Транзакции ожидают
в очередях, конкурируют за использование ресурсов и блоков, осуществляющих их обработку (обслуживание), и, в конце концов, покидают систему. Парадигма потокового моделирования оказалась
достаточно общей и использовалась во многих программных продуктах. Агентное моделирование (программные продукты: Swarm,
RePast, библиотеки на Java или C++, разработанные в различных
университетах, и др.).
Основная парадигма заключается в том, что модель представляется в виде множества отдельных активных объектов (агентов), каждый из которых взаимодействует с другими агентами, образующими
для него внешнюю среду. Агентное моделирование – относительно
новое направление в имитационном моделировании, которое появилось в 1990-х годах и используется для исследования децентрализованных систем, динамика функционирования которых определяется не глобальными правилами и законами (как в других парадигмах
моделирования), а когда эти глобальные правила и законы являются
результатом индивидуальной активности членов группы.
97
Цель агентных моделей – получить представление об этих глобальных правилах, общем поведении системы, исходя из предположений об индивидуальном, частном поведении ее отдельных активных объектов и взаимодействии этих объектов в системе. Агент –
некая сущность, обладающая активностью, автономным поведением, может принимать решения в соответствии с некоторым набором
правил, взаимодействовать с окружением, а также самостоятельно
изменяться. В отличие от системной динамики или дискретно-событийных моделей, здесь нет такого места, где централизованно
определялось бы поведение (динамика) системы в целом. Вместо
этого аналитик определяет поведение на индивидуальном уровне,
а глобальное поведение возникает как результат деятельности многих (сотен, тысяч, миллионов) агентов, каждый из которых следует
своим собственным правилам, живет в общей среде и взаимодействует со средой и с другими агентами.
В случае моделирования систем, содержащих большие количества активных объектов (людей, животных, машин, предприятий
или даже проектов, активов, товаров и т. п.), которые объединяет
наличие элементов индивидуального поведения, от сложных (цели,
стратегии) до самых простых (временные ограничения, события,
взаимодействия), агентное моделирование является подходом более универсальным и мощным, так как оно позволяет учесть любые
сложные структуры и поведения.
Другое важное преимущество агентного моделирования состоит
в том, что разработка модели возможна в отсутствие знания о глобальных зависимостях: вы можете знать очень немного о том, как вещи
влияют друг на друга на глобальном уровне или какова глобальная
последовательность операций и т. п., но, понимая индивидуальную
логику поведения участников процесса, можно построить агентную
модель и вывести из нее глобальное поведение. Таким образом, иногда,
даже если в принципе и существует, скажем, системно-динамическая
модель системы, построить агентную модель может быть проще. И,
наконец, агентную модель проще поддерживать: уточнения обычно
делаются на локальном уровне и не требуют глобальных изменений.
В таком случае введение новых объектов (предприятий, объектов социальной инфраструктуры, планов стратегического развития) в агентной имитационной модели не изменяет ее структуры, что может потребоваться при использовании моделей системной динамики.
Динамические системы (программные продукты: MATLAB,
VisSim, LabView, Easy 5 и др.). Основная парадигма данного подхо98
да заключается, как и в системной динамике, в описании системы
соответствующей математической моделью, состоящей из набора переменных состояния и системы алгебро-дифференциальных
уравнений над ними. Но, в отличие от системной динамики, переменные состояния имеют прямой «физический» смысл: координата, скорость и т. д. и не являются агрегатами дискретных объектов.
Практически все вышеперечисленные программные инструменты
имитационного моделирования разработаны для поддержки одного
определенного подхода. Среди систем имитационного моделирования, предоставляющих объединенный подход, стоит выделить систему AnyLogic, объединяющую возможности создания гибридных
моделей на основе моделей системной динамики, дискретно-событийных моделей и агентного подхода.
Для определения подхода реализации системы моделирования
экономических и социальных систем (ЭСС) (например, городской
среды) необходимо определиться с возможностью создания в рамках каждого из них объектов как с более, так и менее детальным
уровнем абстракции, так как указанные ЭСС представляют собой
систему, содержащую большие количества активных объектов (людей, предприятий), часть которых объединяет наличие определенных моделей поведения, при этом каждый объект может реализовать как сложную, более детальную (поведение конкретного предприятия или человека), так и простую, менее детальную (поведение
производственной отрасли или группы людей) модели поведения.
Наиболее мощным из инструментов, поддерживающих агентное
моделирование, является отечественный инструментарий AnyLogic
компании XJ Technologies, доказавший в последнее время свою
мощь и удобство за счет применения объектно-ориентированного
подхода, визуального проектирования, дружественного пользовательского графического интерфейса, платформонезависимого языка Java, агентных технологий, технологии гибридных систем. Все
это делает AnyLogic мощным средством для решения очень широкого круга проблем в области имитационного моделирования, предоставляющего гибкость для решения одной и той же задачи на одной
платформе с применением различных уровней абстракции, а также
возможность применения различных стилей создания модели и их
комбинирования.
Исследование систем с помощью имитационного моделирования состоит в организации и проведении компьютерного эксперимента на имитационной модели. Такое исследование отличается
99
как от натурного эксперимента с реальным объектом, так и умозрительного эксперимента. Компьютерный эксперимент с построенной имитационной моделью лежит между этими двумя крайностями. Более того, он имеет преимущества перед обоими этими
подходами. Действительно, правильно организованный натурный
эксперимент обычно дает точный ответ на поставленный вопрос, но
он часто дорог или экономически неэффективен. Иногда такой эксперимент попросту невозможен, например в случае, если системы
еще не существует. С компьютерной моделью можно проигрывать
ситуации, которые трудно или нежелательно получить в натурном
эксперименте. Модель можно выполнять многократно, постепенно
усложнять, обращая внимание на все более тонкие детали, которые
при наблюдении реального процесса могут и ускользнуть от наблюдения или быть незарегистрированными. Прогоняя компьютерную
модель в различных масштабах времени, можно часто получить
значительно больше информации из наблюдения анимационной
картины процесса, чем наблюдая реальный эксперимент.
С другой стороны, умозрительный эксперимент – это волюнтаристское решение проблемы на основе здравого смысла и общих интуитивных предположений о поведении системы. Но для сложных
систем очевидные на первый взгляд решения зачастую оказываются неверными. Поэтому основанные на интуиции методы прогноза
и традиционные методы «волевого» принятия решения во многих
случаях оказываются неадекватными. Моделирование и проведение компьютерного эксперимента позволяет избежать недостатков
обеих крайностей, в связи с чем этот подход завоевывает все большую популярность.
При постановке задач различают прямые и обратные задачи
имитационного моделирования. Начнем с определения прямой задачи имитационного моделирования. При компьютерном эксперименте среди множества параметров модели должны быть выделены
те из них, которые будут считаться «факторами», влияние которых
на выходные переменные модели должно быть проанализировано.
Все факторы, которые могут изменяться при поиске «хорошего» варианта, составляют набор, который можно считать вектором
х длины n. Обозначим через X все множество возможных наборов
факторов. Компьютерный эксперимент с моделью состоит в том, что
модель запускается на компьютере при различных значениях факторов и/или различных структурных характеристиках, которые,
конечно, тоже можно считать факторами (например, представив ло100
гический параметр «включено/не включено» для какой-либо ветви
структуры как фактор с двумя значениями: 1 и 0). Каждый прогон
модели приведет к получению вектора исходов. В результате таких экспериментов исследователь может получить ответ на вопрос:
«К каким последствиям могло бы привести данное изменение в реальной системе с течением времени?» или: «Что будет, если в заданных условиях мы примем конкретное решение k из области допустимых решений х?». Это так называемая прямая задача имитационного моделирования (задача типа «what if», или «что если»).
Формально прямая задача имитационного моделирования может быть представлена следующим образом. Обозначим y вектор
значений интересующих исследователя признаков. Пусть множество Y обозначает множество всех возможных результатов, X и Y
в общем случае множества вещественных векторов конечной размерности. Если построенная имитационная модель не содержит неопределенностей и позволяет однозначно определить связь каждого
конкретного набора параметров системы x из множества допустимых решений X с вектором результирующих показателей y из множества Y, то такой наиболее простой случай назовем детерминированным.
В детерминированном случае имитационная модель выступает как функциональное отображение х → у, а сам имитационный
эксперимент можно рассматривать как реализацию этого отображения: один прогон имитационной модели для каждого набора
х параметров системы дает набор Y интересующих пользователя
выходных значений. Эти выходные значения могут зависеть также и от времени. Инструмент имитационного моделирования при
выполнении компьютерного эксперимента в этом случае должен
обеспечить удобный интерфейс для задания значений исходных параметров (факторов) и регистрации соответствующих значений выходных показателей и их изменения во времени. Задачи вида «что
если» в AnyLogic решаются с помощью так называемого простого
эксперимента. Такой эксперимент позволяет визуально отображать
результаты работы модели с помощью анимации, графиков (диаграмм) и т. п.
Другой тип компьютерного эксперимента – это анализ чувствительности, то есть процедура оценки влияния исходных гипотез
и значений ключевых факторов на выходные показатели модели.
Обычно эксперимент с варьированием параметров и анализом реакции модели помогает оценить, насколько чувствительным является
101
выдаваемый моделью прогноз к изменению гипотез, лежащих в основе модели. При анализе чувствительности обычно рекомендуется
выполнять изменение значений факторов по отдельности, что позволяет ранжировать их влияние на результирующие показатели.
Для того чтобы оценить влияние изменения отдельных факторов
на поведение модели на AnyLogic, пользователь не должен многократно запускать модель раз за разом, вручную меняя значения параметров между запусками и пытаясь отследить закономерности
поведения модели, анализируя результаты каждого запуска по отдельности. Механизм автоматического запуска модели заданное количество раз с варьированием значений выбранных параметров доступен в AnyLogic – это эксперимент для варьирования параметров.
При запуске данного эксперимента пользователь может изучить и
сравнить поведение модели при разных значениях параметров с помощью графиков.
Чтобы запустить процесс варьирования параметров, нужно выполнить следующие шаги:
1. Создать эксперимент для варьирования параметров и сделать
его текущим.
2. Сконфигурировать эксперимент, выбрав параметры, которые
вы хотите варьировать, и задать значения, которые эти параметры
должны будут принять за определенное вами количество прогонов
модели.
3. Запустить модель.
Модели AnyLogic могут быть основаны на любой из основных
парадигм имитационного моделирования: дискретно-событийное
моделирования, системной динамики и агентного моделирования.
При разработке моделей в AnyLogic можно использовать концепции и средства из нескольких методов моделирования, например,
в агентной модели использовать методы системной динамики для
представления изменений состояния среды или в непрерывной модели динамической системы учесть дискретные события. Например, управление цепочками поставок при помощи имитационного
моделирования требует описания участников цепи поставок агентами: производителей, продавцов, потребителей, сети складов. При
этом производство описывается в рамках дискретно-событийного
(процессного) моделирования, где продукт или его части – это заявки, а автомобили, поезда, штабелеры – ресурсы. Сами поставки
представляются дискретными событиями, но при этом спрос на товары может описываться непрерывной системно-динамической ди102
аграммой. Возможность смешивать подходы позволяет описывать
процессы реальной жизни, а не подгонять процесс под доступный
математический аппарат.
Графическая среда моделирования AnyLogic включает в себя
следующие элементы: Stock & Flow Diagrams (диаграмма потоков и
накопителей) применяется при разработке моделей с использованием метода системной динамики; Statecharts (карты состояний) в основном используется в агентных моделях для определения поведения агентов. Но также часто используется в дискретно-событийном
моделировании, например для симуляции машинных сбоев. Action
Charts (блок-схемы) используются для построения алгоритмов. Применяются в дискретно-событийном моделировании (маршрутизация
звонков) и агентном моделировании (для логики решений агента).
Process Flowcharts (процессные диаграммы) – основная конструкция, используемая для определения процессов в дискретнособытийном моделировании. Среда моделирования также включает
в себя низкоуровневые конструкции моделирования (переменные,
уравнения, параметры, события и т. п.), формы представления (линии, квадраты, овалы и т. п.), элементы анализа (базы данных, гистограммы, графики), стандартные картинки и формы экспериментов. Среда моделирования AnyLogic поддерживает проектирование,
разработку, документирование модели, выполнение компьютерных
экспериментов с моделью, включая различные виды анализа – от
анализа чувствительности до оптимизации параметров модели относительно некоторого критерия.
AnyLogic включает в себя набор следующих стандартных библиотек: Enterprise Library разработана для поддержки дискретнособытийного моделирования в таких областях, как производство,
цепи поставок, логистика и здравоохранение. Используя Enterprise
Library, вы можете смоделировать системы реального мира с точки
зрения заявок (англ. entity) (сделок, клиентов, продуктов, транспортных средств и т. д.), процессов (последовательности операций,
очередей, задержек) и ресурсов. Процессы определены в форме
блочной диаграммы. Pedestrian Library создана для моделирования пешеходных потоков в «физической» окружающей среде. Это
позволяет создавать модели с большим количеством пешеходного
трафика (как станции метро, проверки безопасности, улицы и т. д.).
Модели поддерживают учет статистики плотности движения в различных областях. Это гарантирует приемлемую работу пунктов обслуживания с ограничениями по загруженности, оценивает длину
103
простаивания в определенных областях и обнаруживает потенциальные проблемы с внутренней геометрией (такие как эффект добавления слишком большого числа препятствий) и другими явлениями.
В моделях, созданных с помощью Pedestrian Library, пешеходы
двигаются непрерывно, реагируя на различные виды препятствий
(стены, различные виды областей) так же, как и обычные пешеходы. Пешеходы моделируются как взаимодействующие агенты со
сложным поведением. Для быстрого описания потоков пешеходов
Pedestrian Library обеспечивает высокоуровневый интерфейс в виде
блочной диаграммы. Rail Yard Library поддерживает моделирование, имитацию и визуализацию операций сортировочной станции
любой сложности и масштаба. Модели сортировочной станции могут
использовать комбинированные методы моделирования (дискретно-событийное и агентное моделирование), связанные с действиями
при транспортировке: погрузками и разгрузками, распределением
ресурсов, обслуживанием, различными бизнес-процессами.
В AnyLogic две фазы имитационного моделирования: разработка
модели и ее анализ явно разделены. Разработка модели выполняется в среде редактора AnyLogic, а анализ модели происходит в среде
исполнения. В каждой фазе существуют свои средства управления.
Переход из одной фазы в другую производится очень легко. Можно
многократно использовать переход между фазами редактирования
и исполнения модели при разработке модели. В AnyLogic основным структурным блоком при создании моделей являются классы
активных объектов. Использование активных объектов является
естественным средством структуризации модели сложных систем:
мир состоит из множества параллельно функционирующих и взаимодействующих между собой сущностей. Различные типы этих
сущностей и представляют разные активные объекты.
Понятие модельного времени является базовым в системах имитационного моделирования. Модельное время – это условное логическое время, в единицах которого определено поведение всех
объектов модели. В моделях AnyLogic модельное время может изменяться либо непрерывно, если поведение объектов описывается
дифференциальными уравнениями, либо дискретно, переключаясь
от момента наступления одного события к моменту наступления
следующего события, если в модели присутствуют только дискретные события. Моменты наступления всех планируемых событий
в дискретной модели исполнительная система хранит в так назы104
ваемом календаре событий, выбирая оттуда наиболее раннее событие для выполнения связанных с ним действий. Значение текущего времени в моделях AnyLogic может быть получено обращением
к функции getTime.
Единицу модельного времени разработчик модели может интерпретировать как любой отрезок времени: секунду, минуту, час
или год. Важно только, чтобы все процессы, зависящие от времени,
были выражены в одних и тех же единицах. При моделировании
физических процессов все параметры и уравнения должны быть
выражены в одной и той же системе физических величин.
Интерпретация модели выполняется на компьютере. Физическое время, затрачиваемое процессором на имитацию действий,
которые должны выполняться в модели в течение одной единицы
модельного времени, зависит от многих факторов. Поэтому, конечно, единица физического и единица модельного времени не совпадают. В AnyLogic приняты два режима выполнения моделей: режим
виртуального времени и режим реального времени. В режиме виртуального времени процессор работает с максимальной скоростью
без привязки к физическому времени. Этот режим используется
для факторного анализа модели, набора статистики, оптимизации
параметров модели и т. п. Поскольку анимация и другие окна наблюдения за поведением модели обычно существенно замедляют
скорость интерпретации модели на компьютере, для повышения
скорости выполнения модели эти окна нужно закрыть.
В режиме реального времени пользователь задает связь модельного времени с физическим временем, то есть устанавливается ограничение на скорость процессора при интерпретации модели. В этом
режиме задается количество единиц модельного времени, которые
должны интерпретироваться процессором в одну секунду. Обычно
данный режим включается для того, чтобы визуально представить
функционирование системы в реальном темпе наступления событий, проникнуть в суть процессов, происходящих в модели. Соотношение физического и модельного времени при работе модели
в режиме реального времени можно понять на таком примере. При
коэффициенте ускорения 4, если процессор успевает выполнить менее чем за 1 секунду все операции, которые в модели определены
в течение четырех единиц модельного времени, он будет ждать до
конца секунды. Если же процессор не успевает сделать это действие,
то у него не будет интервала ожидания, и коэффициент ускорения
будет меньше того, который установлен пользователем.
105
14. ПРАКТИЧЕСКИЙ ПРИМЕР МОДЕЛИРОВАНИЯ ЦЕПИ
ПОСТАВКИ ЗИП
Для решения поставленных задач оценки размера ЗИП, прогнозирования системы поставки, прогнозирования восстановления
была разработана подсистема анализа ЗИП. Предлагаемая программа предназначена для имитационного моделирования систем
управления запасами ЗИП.
В программе реализованы четыре типа систем управления запасами (далее – СУЗ). Каждый тип реализует определенную стратегию
управления запасами. Перечислим типы систем СУЗ [9, 22, 26, 28]:
– система с фиксированным размером заказа (далее – система
с ФРЗ);
– система с фиксированным интервалом времени между заказами (далее – система с ФИВМЗ);
– система с установленной периодичностью пополнения запаса
до установленного уровня (далее – система с УППЗУУ);
– система МИНИМУМ-МАКСИМУМ (далее система МИН-МАКС).
Программа предоставляет оконный графический интерфейс
пользователя на базе средств ОС Windows. На рис. 21 представлен
внешний вид подпрограммы.
Рис. 21. Внешний вид подпрограммы
106
Элементы управления представлены строкой меню (в верхней
части главного окна), строкой состояния (в нижней части главного
окна), а также панелью инструментов, которая расположена под
строкой меню.
Меню предоставляет набор из шести подменю, в которых сосредоточены основные функции программы:
Файл – подменю для управления документами;
Вид – подменю для настройки внешнего вида главного окна приложения;
Товар – подменю для ввода исходных данных о ЗИП, запасами
которого управляет СУЗ;
СУЗ – подменю для ввода параметров СУЗ, необходимых и достаточных для проведения моделирования;
Моделирование – подменю для вызова процедуры моделирования;
Справка – подменю для вызова справки, активации программы
и просмотра информации о программе (ее версии, разработчиках).
Окно ввода параметров ЗИП приведено на рис. 22.
Для ввода параметров воспользуйтесь соответствующей командой меню СУЗ.
Рис. 22. Пример окна ввода параметров ЗИП
107
Рис. 23. Выбор системы управления запасами
Ввод параметров СУЗ предполагает несколько шагов. Сначала
пользователь должен выбрать тип СУЗ (рис. 23). Затем ЛПР должно
задать величину интервала моделирования (исследуемого интервала времени). После этого пользователь должен выбрать модель воздействия на СУЗ. Эта модель определяет внешнюю среду функционирования СУЗ (изменения величины потребления товара, задержки поставок и т. п.).
Пользователь может выбрать модель из трех вариантов:
– отсутствие отклонений (значения параметров внешней среды совпадают с теоретическими значениями, полученными при
предварительном расчете СУЗ);
– задержки поставок (предполагается наличие задержек в поставке товара для пополнения склада);
– возмущения группы параметров системы (предполагается наличие отклонений во всех основных параметрах СУЗ).
В зависимости от выбранного варианта модели воздействия на
СУЗ программа предложит пользователю соответствующие действия.
В случае выбора модели без отклонений диалог не предлагается – программа готова к старту процесса моделирования.
В случае выбора модели задержек программа предложит пользователю ввести величину задержки и количество задержек, которые
должны быть промоделированы (рис. 24).
108
Рис. 24. Ввод параметров системы управления запасами
Результаты моделирования движения ЗИП приведены на рис. 25.
Для правильной интерпретации результатов моделирования необходимо понимать принятые в программе обозначения (это касается как графика, так и таблицы протокола), а также учитывать
особенности моделирования.
Рис. 25. Результаты моделирования ЗИП блока БЦВМ90-610-1
109
На графике приняты следующие условные обозначения:
– величина текущего запаса ЗИП обозначена буквой Q и измеряется в единицах запаса;
– время обозначено буквой t и измеряется в днях;
– черный горизонтальный пунктир обозначает гарантийный запас ЗИП;
– желтый горизонтальный пунктир обозначает пороговый уровень запаса ЗИП;
– синяя вертикальная сплошная линия обозначает момент заказа на пополнение ЗИП;
– зеленая вертикальная сплошная линия обозначает момент
прихода поставки на склад;
– лиловая вертикальная пунктирная линия обозначает момент
дополнительного заказа на пополнение склада;
– черная вертикальная пунктирная линия обозначает момент
прихода дополнительной поставки на склад.
В таблице протокола приняты следующие обозначения:
1. «№» обозначает столбец с номером дня.
2. «Фактическое количество» обозначает величину текущего запаса на складе (соответствует основному графику красного цвета).
3. «Учтено» обозначает величину учтенного запаса (может отличаться от фактического количества из-за ошибки учета, которая
может быть промоделирована в модели с возмущениями), которая
используется в процессе принятия решения о заказе на пополнение
склада (моделируется принятие решения о заказе на основании этого значения).
4. «Без учета поставки» обозначает величину запаса без учета поставки, пришедшей в этот день.
5. «В предыдущий день» обозначает величину запаса за предыдущий день.
6. «Дневное потребление» обозначает величину интенсивности
потребления.
7. «Заказано» обозначает величину заказа на пополнение склада.
8. «Поставлено» обозначает величину пришедшей поставки, соответствующей заказу.
9. «Дополнительно заказано» обозначает величину дополнительного заказа на пополнение склада.
10. «Дополнительно поставлено» обозначает величину пришедшей поставки, соответствующей дополнительному заказу.
Результат работы программы можно экспортировать в формат
txt. Результаты моделирования могут быть сохранены пользовате110
Рис. 26. Моделирование движения ЗИП
при системе «МИНИМУМ-МАКСИМУМ»
лем в виде текстового файла (формата .txt), полностью протоколирующего моделирование. Пример протокола расчета программы
ЗИП приведен в приложении Б.
При использовании данного модуля программного обеспечения
открывается возможность смоделировать различные ситуации пополнения обеспечения и пополнения ЗИП. Но в данном случае необходимо выполнять технические требования запуска отдельного
программного обеспечения на операционных системах Windows.
Положительной стороной программы является и возможность экспорта результатов в отдельный файл. На рис. 26 приведено моделирование пополнения ЗИП БЦВМ90-610-1 с учетом выбора системы
«МИНИМУМ-МАКСИМУМ».
Альтернативной реализацией является построение имитационной модели в среде AnyLogic. Оконная форма примера программы
приведена на рис. 27.
При моделировании в среде AnyLogic использовались три схемы
закупочной деятельности:
– модель с фиксированным интервалом времени между заказами;
– модель с фиксированным размером заказа;
– модель «Точно вовремя».
Моделируемые комплексы ЗИП относятся к групповым и могут
обслуживать до 24 материнских объектов. Также очень важно по111
Рис. 27. Пример реализованной имитационной модели
с фиксированным значением пополнения ЗИП
нимать, что комплексы ЗИП в данном случае используются в период гарантийной эксплуатации изделия, для которого эти комплексы предназначены. В зависимости от типов изделий гарантийный
срок может составлять до 15 лет. Следовательно, при таких цифрах
оборот комплексов ЗИП будет минимальным. На практике используется немного иная схема, вместо гарантийного срока эксплуатации используется период обязательного техобслуживания; в зависимости от обслуживаемого изделия он составляет 1–2 года. При
моделировании будут использоваться именно эти цифры. Именно
в рамках данного периода будет рассматриваться движение ЗИПкомплексов.
В моделях существуют ограничения на минимальный и максимальный уровни ЗИП на складе. Соответственно, переменная
minLvl = 0.
При этом оптимальный размер заказа EOQ = 1.
При моделировании с фиксированным интервалом времени параметр модельного времени (не путать с системным временем) исчисляется в месяцах. Таким образом, переменная спроса на товар
была задана из расчета в месяцах.
Начальные значения переменной currentDemand = 0,083 при условии заказа деталей раз в год. Оптимальный размер заказа равен 1.
Начальное значение параметра retStock равно 2.
На первом этапе моделирования вспомогательные переменные и
функции отключены.
112
Таблица 16
Описание переменных
Переменная
Тип
Описание
currentDemand
double
Параметр спроса на товар
EOQ
double
Оптимальный размер заказа
retStock
Текущее значение ЗИП
ordering
double
event/
void
Процесс расходования и заказа ЗИП
time/timev
int
Системное время
maxLvl
double
Максимальный уровень товара
minLvl
double
Минимальный уровень товара
demandStd
double
Дисперсия параметра спроса
demandMean
double
Мат. ожидание параметра спроса
EOQStd
double
Дисперсия параметра оптимального размера
заказа
EOQMean
double
Мат. ожидание параметра оптимального
размера заказа
Вспомогательные переменные
Описание переменных приведено в табл. 16.
Процесс заказа ЗИП выглядит в среде Anylogic следующим образом.
currentDemand1 = currentDemand1;
EOQ1=EOQ1;
retStock1-= currentDemand1;
if(round(time/12)==(time/12))
{
if (retStock1+EOQ1<=maxLvl)
retStock1+=EOQ1;
else
retStock1=(retStock1+(EOQ1-(maxLvl-EOQ1)));
}
if (retStock1<=minLvl)
{
retStock1+=EOQ1;
}
113
В начале цикла значение потребности равно введенному ранее
значению потребности по умолчанию, как, впрочем, и значение оптимального размера заказа. То есть два этих значения (как и уровни
заказов) являются константами.
В случае если системное время равно ni +12 и текущее значение
суммы хранящихся ЗИП и оптимального размера заказа меньше
порогового (максимального уровня), то происходит пополнение запасов, если пороговый уровень превышен, то идет процесс «возврата» товара.
Также в модель включена возможность экстренной доставки,
в случае если значение хранимых ЗИП оказалось ниже порогового
уровня.
В данном случае параметр EOQ тоже является константой из-за
малого объема заказов. Хотя, как уже было сказано в главе 1, количество заказываемых материальных ценностей может меняться.
Данный факт будет отражен в экспериментальных моделях.
Также в модель внедрена функция сбора данных filestock, задачей которой является сбор и запись данных в отдельный файл на
компьютере пользователя.
Функция системного времени выглядит следующим образом:
{
for (time=0; time<=60; time++)
time++;
}
return time;
То есть модель будет строиться для 5 модельных лет. После этого
произойдет останов цикла ordering. На рис. 28 представлен резуль-
Рис. 28. Результат работы модели
114
тат работы модели в течение 5 модельных лет для одного комплекта
ЗИП.
Модель с фиксированным размером заказа
Все переменные для данной модели представлены в таблице 4.
Различается лишь код для процесса заказа ЗИП:
currentDemand1=currentDemand1;
retStock1-= currentDemand1;
if(currentDemand1>=retStock1)
{
if(retStock1 <=minLvl)
retStock1+=EOQ1;
}
if(retStock1==0)
{
retStock1+=EOQ1*1.2;
}
if (retStock1>=maxLvl)
{
retStock1-= currentDemand1*1.2;
}
В заданный период времени, как и в предыдущей модели, из
текущего количества ЗИП на складе вычитается потребность в товарах. В случае если потребность превышает текущее значение
остатков запасов и значение товара на складе меньше либо равно
минимально допустимого уровня, то производится дозаказ товара
на величину EOQ. В случае если запасы упали до 0, то значение EOQ
увеличивается для одной поставки на 20% для покрытия возможного дефицита. В случае если при дозаказе количество запасов становится выше порогового значения, то потребность увеличивается
на 20%, что моделирует, как и в случае модели с фиксированным
временем между заказами, процесс возврата списания ЗИП.
Однако при создании модели было обнаружено, что на маленьких значениях товара модель ведет себя некорректно. В связи с этим
параметры модели были изменены, на рис. 29 представлен результат работы модели в течение 5 модельных лет для одного комплекта
ЗИП.
Как можно заметить, модели при низких значениях ТЗ и размере заказа ведут себя одинаково. Заказ происходит в одно и то же
время, его размер одинаков. Для мелкосерийного производства
115
Рис. 29. Модель с фиксированным размером заказа
с минимальными значениями ТЗ больше подойдет система «точно
вовремя» и ее вариации [1, 2, 3].
Однако ее использование для масштабных систем затруднительно.
Модель «Точно вовремя»
Для моделирования системы «точно вовремя» необходимо понимать ее главные отличия от вышеописанных моделей.
Во-первых, заказ ЗИП происходит тогда, «когда надо», это значит, что есть лишь примерный интервал времени, когда происходит
заказ. Если интервал не статичен, то потребность спроса на товар не
является константой, а динамически изменяется с течением времени.
Во-вторых, оптимальный размер заказа не определен, единственное требование к нему: он должен превышать текущую потребность
в товаре и стремиться к максимальному уровню.
В-третьих, из-за включенной в модель динамики процессов без
дополнительных условий, которые ограничивали бы минимальные
и максимальные уровни ЗИП, модель будет вести себя некорректно.
В-четвертых, в модель также необходимо ввести параметр экстренной доставки, при серьезном превышении спроса на товар это,
в свою очередь, позволит избежать дефицита товара. Обратный фактор, профицит, нивелируется, как и в предыдущих моделях, за счет
возможности списания товара.
116
Код программы при этом будет выглядеть следующим образом:
filestock.println(dataset);
currentDemand1 = max (normal(demandStd,demandMean),0);
EOQ1=maxLvl-currentDemand1;
if(currentDemand1>=retStock1)
{
if(retStock1 <=minLvl)
retStock1+=EOQ1;
}
if(retStock1<=0)
{
retStock1+=(EOQ1*(1+currentDemand1));
}
else
{
retStock1-= currentDemand1;
}
if (retStock1>=maxLvl)
{
retStock1-= currentDemand1*1.2;
}
Рис. 30. Модель «Точно вовремя»
117
Таблица 17
Время заказа ЗИП
Модель
Месяц заказа
FTP
12
24
36
48
60
JIT
12
24
36
48
60
FOQ
14
28
42
56
...
Значение текущего спроса задается как нормальное распределение случайной величины со средним значением 0,083(3), что соответствует расходу одной детали в год; и дисперсией в 0,02.
Значение оптимального заказа есть разница между максимальным уровнем и текущей потребностью. В остальном эта модель похожа на вышеописанные, с незначительными поправками. Результат ее работы приведен на рис. 30.
По поведению эта модель почти полностью повторила модель
с фиксированным временем. В табл. 17 представлены различия во
времени заказов между всеми этими моделями. Так как все модели
проявили себя почти одинаково, то для того, чтобы аналитически
измерить качество данных моделей, необходимо расширить рамки
эксперимента.
Модель с фиксированным периодом времени
Для оценки качества моделей их параметры, относящиеся к количеству товара, к максимальным и минимальным уровням заказа
были изменены в сторону увеличения. Новые значения параметров
представлены в табл. 18, 19, 20. Для модели с фиксированным временем заказа период пополнения был оставлен без изменения. Однако при новых параметрах модель показала неудовлетворительные результаты. Так как с заданным периодом времени в системе
возникал резкий дефицит ЗИП, в определенные периоды осуществлялась экстренная доставка; но режим работы с постоянными экстренными доставками не может считаться нормальным, поэтому по
формуле был рассчитан оптимальный период времени между заказами. EOQ в данном случае равно среднему значению выражения
EOQ = retStock1+(maxLvl-retStock1) за 60 дней. Оптимальный период пополнения при этом составил 6 месяцев. На рис. 31 представлен
пример работы модели с некорректным значением времени между
заказами; без экстренной доставки (рис. 31, а) и с экстренной доставкой (рис. 31, б).
118
Таблица 18
Значение параметров модели FTP
Модель
FTP
Переменные
currentDemand1
retStock1
maxLvl
minLvl
EOQ = retStock1+(maxLvl-retStock1)
Значение
80
500
510
80
480
Таблица 19
Значение параметров модели FOQ
Модель
Переменные
Значение
FOQ
currentDemand1
retStock1
maxLvl
minLvl
EOQ
80
500
510
80
480
Таблица 20
Значение параметров модели JIT
Модель
JIT
а)
Переменные
Значение
currentDemand1
80 ± 20
retStock1
500
maxLvl
510
minLvl
EOQ = retStock1+(maxLvl-retStock1);
80
б)
Рис. 31. Модель с фиксированным периодом времени:
без экстренной доставки (а); с экстренной доставкой (б)
119
Рис. 32. Модель с фиксированным периодом времени
Как видно из изображений, неверно подобранный период заказа
товаров приводит к дефициту продукции, если же внедрить в модель возможность экстренной доставки, то она, экстренная доставка, происходит с изрядной частотой.
Изменяя значение периода для заказа, мы получаем адекватную
работу модели, ее работа показана на рис. 32.
Как видно из рисунка, заказ происходит в строго обозначенное
время, также, добавляя в модель функцию расчета переменной
defficit, можно определить, что случаев дефицита товаров при текущих параметрах не обнаружено.
Код данной функции выглядит следующим образом:
if (retStock1 < = minLvl){
defficit+ = 1;}
То есть в случае если текущее количество ЗИП на складе становится меньше минимального уровня, данная переменная увеличивается на один пункт.
Таким образом, можно заключить, что без правильно подобранного периода заказа модель пополнения заказов с фиксированным
периодом времени между заказами склонна к дефициту/профициту
уровня ЗИП на складе. Однако внедрение в модель пороговых уровней позволяет нивелировать данные отклонения.
Ее использование представляется оправданным в том случае,
если вариативность потребности на товар минимальна, в ином случае данная система является неустойчивой.
120
Модель с фиксированным уровнем заказа
Оптимальный размер заказа для данной модели был рассчитан
и составил 480 единиц продукции. Результат работы модели представлен на рис. 33.
Однако если убрать из модели значения уровней заказов, модель
будет вести себя иначе. В связи с тем, что в данной системе заказ на
товар производится только при достижении определенного уровня,
отсутствие минимального уровня будет приводить к острому дефициту продукции.
Изменение же верхнего уровня на модели с постоянным значением потребности на товар не меняет ее, так как данная потребность
перекрывается текущим значением оптимального заказа. Чем
выше значение потребности к значению EOQ, тем больше волатильность ЗИП, а также риск большого профицита продукции. Это хорошо проиллюстрировано на рис. 34.
Значения потребности спроса на товар также менялись по нормальному закону, при currentDemand1 = 80; demandMean1 = 20
(рис. 34, а) и currentDemand2 = 250; demandMean2 = 70 (рис. 34, б).
Таким образом, можно заключить, что при меняющемся показателе спроса необходимо внедрение максимально допустимого
уровня заказов в модель, так как его отсутствие ведет к переизбытку товара и к увеличению общих издержек. Однако в целом дан-
Рис. 33. Модель с фиксированным размером заказа
121
а)
б)
Рис. 34. Модель с фиксированным размером заказа:
currentDemand1 (а); currentDemand2 (б)
ная модель является более сбалансированной и требует меньших
вычислительных затрат по сравнению с моделью с фиксированным
периодом времени между заказами.
Модель «Точно вовремя»
В случае если потребность в ЗИП является статичной величиной,
поведение модели будет похоже на модель с правильно подобранными интервалами времени. На рис. 35 показана ее работа.
Однако при изменении потребности работа модели меняется
(рис. 36).
В обоих случаях в модели возникает дефицит, что говорит о неправильно рассчитанном количестве страхового запаса. Если при-
Рис. 35. Модель «Точно вовремя»
122
а)
б)
Рис. 36. Модель «Точно вовремя»:
currentDemand1 (а); currentDemand2 (б)
нять, что величина страхового запаса должна стремиться к величине спроса на ЗИП, то работоспособность моделей восстанавливается
(рис. 37, а, б).
Можно сказать, что при использовании модели «Точно вовремя»
необходимо производить точный расчет уровня страхового запаса,
который должен учитывать значение спроса на товар, в противном
случае в модели возникает дефицит продукции.
В случае если вариация потребности велика на дальних временных лагах и минимальна на ближних (n = > L < = 0), то возможно
использование плавающего уровня минимального запаса с минимальной задержкой относительно вариации потребности. Пример
такой модели представлен на рис. 38. При вводе динамики в значение минимального уровня модель обретает стабильность на всем заданном отрезке времени.
Выбор той или иной модели пополнения запасов невозможен без
наличия критериев управления закупочной деятельностью в целом.
В зависимости от выбранного критерия будут меняться и схемы закупочной деятельности компании. Так как основным критерием
выбора модели для авиационной отрасли является критерий достаа)
б)
Рис. 37. Модель «Точно вовремя»: minLvl = 100 (а); minLvl = 310 (б)
123
Рис. 38. Модель JIT с плавающим минимальным уровнем запасов
точности, модели пополнения запасов, имеющие минимальные издержки на хранение за счет высокого оборота ЗИП, будут рассматриваться как более перспективные.
Издержки неразрывно связаны с коэффициентом оборачиваемости товара или группы товаров.
На данном этапе вырисовываются два направления уменьшения
издержек: увеличение оборота товаров и уменьшение номенклатурных единиц в комплексах ЗИП.
Увеличение оборота ЗИП происходит за счет уменьшения размеров партии товаров к заказу. Это приводит к созданию искусственной потребности в ЗИП и, как следствие, к сокращению периода
времени между заказами, что в свою очередь увеличивает коэффициент оборачиваемости товаров.
Когда в силу специфики деятельности предприятия увеличение
оборачиваемости ограниченно, то издержки снижаются за счет реструктуризации номенклатурных единиц, входящих в комплексы
ЗИП.
Из рассмотренных выше моделей данным изменениям подвержены лишь модели типа «Точно вовремя» и модели с фиксированным
размером заказа. Принципы работы модели с фиксированным периодом времени между заказами не позволяют проводить увеличение
оборота товаров, так как это приводит к серьезным сбоям в ее работе.
124
Таким образом, можно заключить, что при ситуациях, когда известен спрос на продукцию и его значение является постоянной величиной, к выбору предпочтительна модель с фиксированным размером запаса.
В случае если потребность меняется со временем, модель «Точно
вовремя» будет достоверно описывать происходящие процессы движения ЗИП. Во всех остальных случаях рекомендуется применять
комбинированные модели.
15. ВОПРОСЫ ПРИНЯТИЯ РЕШЕНИЙ
В УСЛОВИЯХ НЕОПРЕДЕЛЕННОСТИ
ДЛЯ ВЫБОРА НАИЛУЧШЕЙ ЦЕПИ ПОСТАВКИ ЗИП
Цепи поставок являются сложной многоструктурной системой
с активными элементами, функционирующей в условиях динамично развивающейся рыночной среды. Функционирование цепей поставок связано со значительной неопределенностью. Источниками
неопределенности могут служить колебания спроса, ошибки прогнозов, выход из строя ресурсов, неточность данных, ошибочные
решения менеджеров, неточная передача информации и интерпретация тех или иных событий, целенаправленные действия по разрушению цепи поставок (терроризм, хищения грузов), а также такие крайние случаи, как изменения политических или природных
условий.
Неопределенность является одной из основных проблем, изучаемых в управлении цепями поставок. Именно снижение неопределенности явилось одним из отправных пунктов к появлению концепции управления цепями поставок как таковой на основе интенсивно развивавшихся в 1980-е гг. XX века методов и моделей управления запасами на межорганизационном уровне. С тех пор были
разработаны различные концепции, модели и информационные
системы для снижения неопределенности в цепях поставок. Одной из основных практических целей анализа цепей поставок
ЗИП относительно неопределенности и возмущающих воздействий
является выявление, устранение и усиление так называемых «узких мест» цепи поставок. Далеко не все возмущающие воздействия
могут иметь существенное влияние на эффективность цепи поставок. Как показывает практика, именно устойчивость слабых мест
цепи поставок в значительной степени определяет ее эффективность. Под узкими местами понимаются: участок цепи поставок,
на котором особенно часто происходят нарушения; участок цепи
125
поставок, являющийся критическим для обеспечения пропускной
способности системы; участок цепи поставок, незначительные отклонения на котором приводят к значительным отклонениям значений показателей экономической эффективности; участок цепи
поставок, ликвидация нарушений в котором связана со значительными финансовыми и (или) временными затратами.
Безусловно, выявление и анализ таких узких мест для каждой
цепи поставок является индивидуальным, и любые методики для
данной предметной области должны рассматриваться с позиций системных рамок, конкретное наполнение которых происходит в рамках конкретных условий цепи поставок. Тем не менее, разработка
системных методических ориентиров для выявления и усиления узких мест цепей поставок в сочетании со знанием специфики той или
иной цепи поставок ЗИП позволяет существенно сократить затраты
на ликвидацию нарушений, частоту возникновения нарушений. Резюмируя достигнутые на сегодняшний день результаты, можно
сделать два вывода: можно снизить неопределенность, например, за
счет введения определенной избыточности структур цепи поставок
ЗИП (в частности, временных буферов, страховых запасов, дополнительных складов, запасов мощностей и т. д.), улучшения координации и информационного обмена для повышения качества, своевременности и доступности для всех участников цепи поставок ЗИП
прогнозов спроса, введения системы мониторинга и регулирования
цепи поставок в случае возникновения нарушений и отклонений от
плана, формирования множества неокончательных решений, например отложенной дифференциации продукции (postponement) или
методов «скользящего», или адаптивного, планирования (rolling/
adaptive planning). Но избежать неопределенности невозможно. Можно снизить неопределенность и риски.
Можно выделить четыре основные группы источников неопределенности: факторы, относимые к объекту, с которым происходит
взаимодействие как среды, так и субъекта или субъектов, обладающих собственными и «отчужденными» знаниями (например,
в виде баз знаний, первая группа факторов); факторы, относимые
непосредственно к среде (неопределенность воздействия среды на
«погруженные» в нее объекты, вторая группа факторов); факторы,
порождаемые неопределенностью, нечеткостью мышления и знаний человека (субъективная или персоналистическая неопределенность, проявляющаяся при взаимодействии человека с окружающей его средой, третья группа факторов); факторы, обусловленные
126
неопределенностью, нечеткостью, противоречивостью накопленных знаний, неопределенностью тех или иных процедур (четвертая
группа факторов). Специфические черты организационно-технических систем ЗИП
часто не позволяют свести операции, проводимые этими системами,
к детерминированным или вероятностным. К таким чертам относятся следующие.
1. Наличие в управляемой системе в качестве элементов (подсистем) целенаправленных индивидуумов и наличие в системе управления ЛПР, осуществляющих управление на основе субъективных
моделей, что и приводит к большому разнообразию поведения системы в целом.
2. Алгоритм управления часто строит сама система управления,
преследуя помимо предъявляемых старшей системой целей собственные цели, не всегда совпадающие с внешними.
3. На этапе оценки ситуации в ряде случаев исходят не из фактической ситуации, а из той модели, которой пользуется ЛПР при
управлении объектом.
4. В процессе принятия решения большую роль играют логические рассуждения ЛПР, не поддающиеся формализации классическими методами математики.
5. При выборе управляющего воздействия ЛПР может оперировать нечеткими понятиями, отношениями и высказываниями.
6. В большом классе задач управления организационно-техническими системами отсутствуют объективные критерии оценивания
достижения целевого и текущего состояний объекта управления, а
также статистика, достаточная для построения соответствующих
вероятностных распределений (законов распределения исходов операций) для конкретного принятого решения.
Таким образом, несводимость операций, проводимых сложными
организационно-техническими системами к детерминированным
или вероятностным, не позволяет использовать для их оценки детерминистские и вероятностные критерии.
В неопределенной операции могут быть известны множество состояний обстановки и эффективность систем для каждой из них,
но нет данных, с какой вероятностью может появиться то или иное
состояние. В зависимости от характера неопределенности операции
могут делиться на игровые и статистически неопределенные.
В игровых операциях неопределенность вносит своими сознательными действиями противник. Для исследования игровых опе127
раций используется теория игр. Условия статистически неопределенных операций зависят от объективной действительности, называемой природой. Природа рассматривается как незаинтересованная, безразличная к ситуации сторона (она пассивна по отношению
к ЛПР). Такие операции могут исследоваться с применением теории
статистических решений. По этой причине единого критерия оценки эффективности для неопределенных операций не существует.
Разработаны лишь общие требования к критериям и процедурам
оценки и выбора оптимальных систем. Основные требования:
1) оптимальное решение не должно меняться с перестановкой
строк и столбцов матрицы эффективности;
2) оптимальное решение не должно меняться при добавлении
тождественной строки или тождественного столбца к матрице эффективности;
3) оптимальное решение не должно меняться от добавления постоянного числа к значению каждого элемента матрицы эффективности;
4) оптимальное решение не должно становиться неоптимальным,
а неоптимальное оптимальным в случае добавления новых систем,
среди которых нет ни одной более эффективной системы;
5) если системы ai и аj оптимальны, то вероятностная смесь этих
систем тоже должна быть оптимальна.
Принятие решений в условиях неопределенности, как и в условиях риска, требует определения альтернативных действий, которым соответствуют платежи, зависящие от (случайных) состояний
природы. Матрицу платежей (табл. 21) в задаче принятия решений
с m возможными действиями и n состояниями природы можно
представить следующим образом.
Таблица 21
Представление выбора в виде матрицы платежей
128
s1
s2
…
sn
a1
v(a1, s1)
v(a1, s2)
…
v(a1, sn)
a2
v(a2, s1)
v(a2, s2)
…
v(a2, sn)
…
…
…
…
…
am
v(am, s1)
v(am, s2)
…
v(am, sn)
Элемент ai представляет i-e возможное решение, а элемент sj – j-e
состояние природы. Плата (или доход), связанная с решением ai и
состоянием sj, равна v(ai, sj).
Поскольку отличие между принятием решений в условиях риска
и неопределенности состоит в том, что в условиях неопределенности
вероятностное распределение, соответствующее состояниям sj, j = 1,
2, …, n, либо неизвестно, либо не может быть определено, этот недостаток информации обусловил развитие следующих критериев для
анализа ситуации, связанной с принятием решений:
– критерий среднего выигрыша;
– критерий Лапласа;
– минимаксный критерий осторожного наблюдателя (Вальда);
– критерий минимального риска Сэвиджа;
– критерий пессимизма-оптимизма Гурвица;
– критерий максимакса.
Эти критерии отличаются по степени консерватизма, который
проявляет индивидуум, принимающий решение, перед лицом неопределенности.
Критерий среднего выигрыша. Данный критерий предполагает
задание вероятностей состояний обстановки рi. Эффективность систем оценивается как среднее ожидаемое значение (математическое
ожидание) оценок эффективности по всем состояниям обстановки:
t
(
)
K ( ai ) = ∑ pjv ai , sj , i = 1, …, m.
j =1
Оптимальной системе будет соответствовать эффективность
t
(
)
ÊÑÂ
Kopt
= max ∑ pjv ai , sj , = 1, …, m.
ai
j =1
i
Критерий Лапласа опирается на принцип недостаточного основания, который гласит, что, поскольку распределение вероятностей состояний P(aj) неизвестно, нет причин считать их различными. Следовательно, используя оптимистическое предположение, что вероятности всех состояний природы равны между собой, то есть P{s1} = P{s2) = … = P{sn} = 1/n. Если при этом v(ai, sj) представляет получаемую прибыль,
то наилучшим решением является то, которое обеспечивает
 1 n
Ëàïëàñ
= max  ∑ v ai , sj
Kopt
ai  n j =1

(

).

129
Если величина v(ai, sj) представляет расходы ЛПР, то оператор
max заменяется на min.
Максиминный (минимаксный) критерий Вальда (осторожного
наблюдателя) основан на консервативном осторожном поведении
ЛПР и сводится к выбору наилучшей альтернативы из наихудших.
Иными словами, он гарантирует определенный выигрыш при наихудших условиях. Критерий основывается на том, что если состояние обстановки неизвестно, нужно поступать самым осторожным
образом, ориентируясь на минимальное значение эффективности
каждой системы.
Если величина v(ai, sj) представляет получаемую прибыль, то
в соответствии с максиминным критерием в качестве оптимального
выбирается решение, обеспечивающее

Âàëüä
Kopt
= max min v ai , sj
ai 
 sj
(

).

Если величина v(ai, sj) представляет потери, используется минимаксный критерий, который определяется следующим соотношением:

Âàëüä
Kopt
= min max v ai , sj
ai 
 sj
(

).

Лицо, принимающее решение по правилу Вальда, имеет малую
склонность к риску и высокую к фатализму и пессимизму: предполагая экстремально негативное развитие состояния внешней деловой среды, оно считается с наименее благоприятным развитием для
каждой альтернативы.
Критерий максимакса, напротив, имея оптимистический настрой, выбирает альтернативу с наивысшим достигаемым значением прибыли и не учитывая при принятии решения риска, связанного с неблагоприятным развитием состояния внешней деловой
среды.

Maxi-max
Kopt
= max min v ai , sj
ai 
 sj
(

).

Основной недостаток критериев максимина и максимакса при
принятии решения заключается в использовании только одного ва130
рианта развития для каждой альтернативы. Таким образом, часть
информации при этом не учитывается.
Критерий Гурвица охватывает ряд различных подходов к принятию решений – от наиболее оптимистичного до наиболее пессимистического (консервативного). Согласно данному критерию при
оценке и выборе системы неразумно проявлять как осторожность,
так и азарт, а следует, учитывая самое высокое и самое низкое значения эффективности, занимать промежуточную позицию. Для
этого вводится коэффициент оптимизма α (0 ≤ α ≤ 1), характеризующий отношение к риску ЛПР. Пусть v(ai, sj) представляют доходы.
Тогда решению, выбранному по критерию Гурвица, соответствует

Ãóðâèö
= max α max v ai , sj + (1 − α ) min v ai , sj
Kopt
ai 
sj
 sj
(
)
(

).

Если α = 0, критерий Гурвица становится консервативным, так
как его применение эквивалентно применению минимаксного критерия Вальда. Если α = 1, критерий Гурвица становится слишком
оптимистичным, ибо рассчитывается из наилучших условий, превращаясь в критерий максимакса. Степень оптимизма (или пессимизма) можно конкретизировать надлежащим выбором величины
α из интервала [0, 1]. При отсутствии ярко выраженной склонности
к оптимизму или пессимизму выбор α = 0,5 представляется наиболее разумным.
Если величины v(ai, sj) представляют потери, то критерий принимает следующий вид:

Ãóðâèö
= min α min v ai , sj + (1 − α ) max v ai , sj
Kopt
ai 
sj
 sj
(
)
(

).

При применении критерия Гурвица информации используется
больше, чем при правилах максимина и максимакса в отдельности,
но, тем не менее, не вся имеющаяся в распоряжении ЛПР информация.
Критерий Севиджа стремится смягчить консерватизм минимаксного (максиминного) критерия путем замены матрицы платежей (выигрышей и проигрышей) v(ai, sj) матрицей потерь ∆v(ai, sj).
Каждый элемент матрицы потерь определяется как разность между максимальным и текущим значениями оценок эффективности
в столбце:
131
{(
)} (
)
{(
)}
max v a , s − v a , s , åñëè v − äîõîä,
k j
i j
 ak
∆v ai , sj =

v ai , sj − min v ak , sj , åñëè v − ïîòåðè.
ak

(
)
(
)
После преобразования матрицы используется критерий минимакса:

Ñýâèäæ
=
Kopt
min max ∆v ai , sj
ai 
 sj
(

).

При сравнении альтернатив в условиях риска необходимо учитывать отношение к риску конкретного ЛПР. В формате классического подхода теории риска отношение к риску складывается из
субъективного понятия ЛПР относительно имеющегося «баланса»
в сочетании возможных случайных значений для доходов и потерь,
сопутствующих рассматриваемой альтернативе. Каждая альтернатива характеризуется двумя значимыми для ЛПР показателями: ожидаемый доход, возможный риск. В соответствии с теорией
риска ЛПР может выразить свое отношение к риску как осторожное, склонное к риску и нейтральное. При этом подразумевается,
что склонность к риску означает, что ЛПР рассчитывает на такую
величину благоприятного отклонения дохода, которая бы компенсировала, возможно, и не вполне достаточный ожидаемый доход.
Осторожность к риску означает, что ЛПР требует такую величину
ожидаемого дохода, которая бы могла компенсировать соответствующий риск (в формате возможного отрицательного отклонения конечного экономического результата). При нейтральном отношении
к риску ЛПР ориентируется только на средний ожидаемый конечный экономический результат.
При этом одна и та же альтернатива может не устраивать склонного к риску ЛПР из-за недостаточного дохода и в то же время не
устраивать осторожного к риску ЛПР из-за недопустимого риска.
Сравнение альтернатив возможно только при заданном отношении к риску, которое должно быть формализовано так, чтобы можно было однозначно выбирать (из набора альтернатив) наилучшую
для конкретного ЛПР. При классическом подходе к риску каждая
альтернатива может быть представлена как случайная величина
в формате конечного экономического результата (в денежном выражении), которая характеризуется двумя параметрами: матема132
тическим ожиданием (m); среднеквадратическим отклонением (σ).
Математическое ожидание оценивает средний ожидаемый доход
альтернативы, а среднеквадратическое отклонение показывает,
насколько в среднем конечный экономический результат может
отклониться в большую или в меньшую сторону от своей средней
ожидаемой величины. При классическом подходе к риску величина
среднеквадратического отклонения ожидаемого дохода альтернативы принимается как мера ее риска.
Математическое ожидание конечного экономического результата рассматриваемой альтернативы воспринимается всегда однозначно: чем больше такой показатель, тем он лучше для ЛПР при
любом отношении к риску. В частности, при нейтральном отношении к риску такой показатель выступает как единственный значимый для ЛПР параметр: значение параметра σ не влияет на результат сравнения альтернатив. Восприятие же среднеквадратического
отклонения как меры риска различно для осторожного к риску и
для склонного к риску ЛПР. Осторожность к риску выражается
в том, что чем меньше величина среднеквадратического отклонения
дохода альтернативы, тем это лучше для ЛПР (при фиксированном
математическом ожидании). Указанное обстоятельство обуславливается стремлением такого ЛПР обеспечить наиболее надежный доход из возможных при заданном его среднем ожидаемом значении.
Напротив, склонность к риску выражается в том, что чем больше
величина среднеквадратического отклонения (σ) дохода альтернативы (при заданном m), тем это лучше для ЛПР. Указанное обстоятельство можно объяснить стремлением сохранить шанс получения
наибольшего дохода из возможных, поскольку большая величина
среднеквадратического отклонения дохода альтернативы воспринимается склонным к риску ЛПР как возможность отклонения скорее в благоприятную сторону.
Рассмотрим пример, когда уже существует некоторая цепь поставок ЗИП. Необходимо оценить один из трех вариантов организации цепи поставок ai. Матрица эффективности и результаты оценки
представлены ниже. Здесь ai – i-я схема организации цепи поставки
ЗИП, i = {1, 2, 3}, sj – оценка эффективности организации цепи поставок {j} ∈ t = {1, 2, 3, 4}.
Расчет по критерию Лапласа выглядит следующим образом:
K(а1) = 0,25 (0,1+0,5+0,1+0,2) = 0,225;
K(а2) = 0,25 (0,2+0,3+0,2+0,4) = 0,275;
K(а3) = 0,25 (0,1+0,4+0,4+0,3) = 0,3.
133
Таблица 22
Оценка эффективности организации цепи поставки
ai
sj
s1
s2
s3
s4
0,1
0,5
0,1
0,2
a2
0,2
0,3
0,2
0,4
a3
0,1
0,4
0,4
0,3
a1
Оптимальное решение – система a3. Критерий Лапласа представляет собой частный случай критерия среднего выигрыша.
Применение критерия максимина к рассматриваемому примеру
дает следующие оценки:
K(а1) = min (0,1; 0,5; 0,1; 0,2) = 0,1;
K(а2) = min (0,2; 0,3; 0,2; 0,4) = 0,2;
K(а3) = min (0,1; 0,4; 0,4; 0,3) = 0,1.
Оптимальное решение – система a2.
Максиминный критерий Вальда ориентирует на решение, не содержащее элементов риска: при любом из возможных состояний обстановки выбранная система покажет результат операции не хуже
найденного максимина. Такая осторожность является в ряде случаев недостатком критерия. Другой недостаток – он не удовлетворяет
требованию 3 (добавление постоянного числа к каждому элементу
столбца матрицы эффективности влияет на выбор системы).
Оценки систем на основе максимаксного критерия в рассматриваемом примере принимают такие значения:
K(а1) = max (0,1; 0,5; 0,1; 0,2) = 0,5;
K(а2) = max (0,2; 0,3; 0,2; 0,4) = 0,4;
K(а3) = max (0,1; 0,4; 0,4; 0,3) = 0,4.
Оптимальное решение – система а1 (табл. 22). Критерий максимакса – самый оптимистический критерий. Те, кто предпочитает
им пользоваться, всегда надеются на лучшее состояние обстановки
и, естественно, в большой степени рискуют.
Для расчета по критерию Гурвица воспользуемся значением
α = 0,6 и рассчитаем эффективность систем для рассматриваемого
примера:
K(а1) = 0,6⋅0,5 + (1 – 0,6)⋅0,1 = 0,34;
K(а2) = 0,6⋅0,4 + (1 – 0,6)⋅0,2 = 0,32;
K(а3) = 0,6⋅0,4 + (1 – 0,6)⋅0,1 = 0,28.
134
Таблица 23
Матрица потерь
ai
sj
s1
s2
s3
s4
a1
0,1
0
0,3
0,2
a2
0
0,2
0,2
0
a3
0,1
0,1
0
0,1
Оптимальной системой будет а1.
Значение α может определяться методом экспертных оценок.
Очевидно, что чем опаснее оцениваемая ситуация, тем ближе величина α должна быть к единице, когда гарантируется наибольший
из минимальных выигрышей или наименьший из максимальных
рисков.
На практике пользуются значениями коэффициента α в пределах 0,3–0,7. В критерии Гурвица не выполняются требования 4 и 5.
При оценке эффективности системы по критерию Сэвиджа матрице эффективности будет соответствовать матрица потерь (табл. 23).
Тогда:
K(а1) = max (0,1; 0; 0,3; 0,2) = 0,5;
K(а2) = max (0; 0,2; 0,2; 0) = 0,4;
K(а3) = max (0,1; 0,1; 0; 0,1) = 0,1.
Оптимальное решение – система цепи поставок ЗИП а3. Критерий минимального риска отражает сожаление по поводу того, что
выбранная система не оказалась наилучшей при определенном состоянии обстановки. Так, если произвести выбор системы а1, а состояние обстановки в действительности s3, то сожаление, что не выбрана наилучшая из систем (а3), составит 0,3. О критерии Сэвиджа
можно сказать, что он, как и критерий Вальда, относится к числу
осторожных критериев. По сравнению с критерием Вальда в нем
придается несколько большее значение выигрышу, чем проигрышу.
Основной недостаток критерия: не выполняется требование 4.
Таким образом, эффективность системы организации (табл. 24)
цепи поставок ЗИП в неопределенных операциях может оцениваться по целому ряду критериев. На выбор того или иного критерия
оказывает влияние ряд факторов:
– природа конкретной операции и ее цель (в одних операциях допустим риск, в других – нужен гарантированный результат);
135
Таблица 24
Результат оценки эффективности системы по различным критериям
sj
аi
s1
s2
s3
s4
Лапласа
Вальда
Максимакса
Гурвица
Сэвиджа
a1
0,1
0,5
0,1
0,2
0,225
0,1
0,5
0,34
0,3
a2
0,2
0,3
0,2
0,4
0,275
0,2
0,4
0,32
0,2
a3
0,3
0,4
0,4
0,3
0,300
0,1
0,4
0,28
0,1
– причины неопределенности (одно дело, когда неопределенность
является случайным результатом действия объективных законов
природы, и другое, когда она вызывается действиями разумного
противника, стремящегося помешать в достижении цели);
– характер ЛПР (одни люди склонны к риску в надежде добиться
большего успеха, другие предпочитают действовать всегда осторожно).
Выбор какого-то одного критерия приводит к принятию решения по оценке систем, которое может быть совершенно отличным
от решений, диктуемых другими критериями. Это наглядно подтверждают результаты оценки эффективности систем применительно к примеру по рассмотренным критериям.
136
ЗАКЛЮЧЕНИЕ
Обеспечение высокого уровня готовности парка воздушных судов за счет сокращения времени их вынужденных простоев является основной задачей инженерно-технической службы, службы снабжения и оперативного управления. В современных экономических
условиях компании поставщики авиационного оборудования стремятся улучшить свои цепи поставок соответствующего оборудования. Данная задача особенно актуальна при рассмотрении поставок
по международным контрактам. При этом необходимо учитывать,
что особенностью принятия решений по оптимальному количеству
ЗИП для воздушных судов является необходимость выполнения
большого числа требований. По экономическим соображениям ЗИП
не может быть неограниченным, и существует задача определения
оптимального состава ЗИП, которая зависит от множества ограничений как со стороны надежности ЗИП, так и со стороны выбора
наилучшей системы для бесперебойной цепи поставок.
Для решения данного вопроса необходимо системно рассматривать надежностные стороны ЗИП и вопросы логистического обеспечения поставок. В данном случае для ЛПР необходимо иметь
комплексный инструментарий, который позволит спрогнозировать
различные условия логистических поставок ЗИП. В данной работе
приводится анализ логистической составляющей технических систем послепродажного обслуживания авионики, обосновываются
основные тенденции в данной отрасли, рассматриваются математические модели минимизации затрат, поясняется математическая
модель статистического метода для расчета текущего и страхового
запасов объектов авионики, проводится расчет надежностных параметров такого оборудования заказчика, как БЛОК БЦВМ90-610-1.
В пособии отдельное внимание уделено исследованию определения
ЗИП на основе параметров отказов для различных процессов восстановления. Для подтверждения представленных математически
моделей представляется программная подсистема, выполняющая
моделирование поставок ЗИП по следующим системам:
– система с фиксированным размером заказа ЗИП;
– система с фиксированным интервалом времени между заказами ЗИП;
– система с установленной периодичностью пополнения запаса
до установленного уровня ЗИП;
– система МИНИМУМ-МАКСИМУМ для ЗИП.
137
Из рассмотренных выше моделей и после выполнения моделирования можно сказать, что модель с фиксированным периодом времени между заказами не позволяет проводить увеличение оборота
ЗИП, так как это приводит к серьезным сбоям в ее работе.
Таким образом, можно заключить, что при ситуациях, когда
известен спрос на продукцию ЗИП и его значение является постоянной величиной, к выбору предпочтительна модель с фиксированным размером запаса.
В случае если потребность меняется со временем, модель «Точно вовремя» будет достоверно описывать происходящие процессы
движения ЗИП. Во всех остальных случаях рекомендуется применять комбинированные модели. Однако необходимо также рассматривать ситуации принятия решений в условиях неопределенности
в цепях поставок ЗИП, так как при любой поставке могут возникнуть сбои.
138
Библиографический список
1. Александровская Л. Н. Современные методы обеспечения безотказности сложных технических систем. М.: Логос, 2001. 208 с.
2. Зарубин А. Г., Червонобродов П. Л. Оптимизация планирования потребности в запасных частях // Повышение эксплуатационной надежности
автомобилей. М.: Транспорт. 1973. № 1. С. 28–37.
3. Кокс Д., Смит В. Теория восстановления. М.: Советское радио, 1967.
300 c.
4. Кугель Р. В. Надежность машин массового спроса. М.: Машиностроение, 1981. 224 c.
5. Пославский О. Ф. Методы расчета запасных частей. М.: Знание, 1977.
48 c.
6. Рыжиков Ю. И. Управление запасами. М.: Наука, 1982. 430 c.
7. Плетнева Н. Г., Лукинский В. В., Пластуняк И. А. Моделирование
производственных процессов на транспорте: учеб. пособие. 2-е изд., перераб. и доп. СПб.: СПбГИЭУ, 2009. 127 с.
8. Лукинский В. С., Зайцев Е. И. Прогнозирование надежности автомобилей. Политехника, 1991. 224 с.
9. Лукинский В. С. Управление запасами в цепях поставок: учеб. пособие. Ч. 1. М: Юрайт, 2017. 307 c.
10. Бродецкий. Г. Л. Управление запасами: учеб. пособие. М.: Эксмо,
2007. 398 с.
11. Аристов. C. А. Имитационное моделирование экономических систем: учеб. пособие. Екатеринбург: Изд-во Урал. гос. экон. ун-та. 2004. 121
с.
12. Черкесов Г. Н. Надежность технических систем с временной избыточностью. М.: Сов. Радио, 1974. 246 c.
13. Шура-Бура А. Э., Топольский М. В. Методы организации, расчета и
оптимизации комплектов запасных элементов сложных технических систем. М.: Знание, 1981. С. 58–112.
14. Лайсонс К., Джиллингем К. Управление закупочной деятельностью
в цепях поставок. М.: Инфра-М, 2005. 798 с.
15. ГОСТ 27.002-89. Надежность в технике. Основные понятия. Термины и определения, М.: Стандартинформ, 2011. 24 с.
16. ГОСТ РВ 20.39.303-98. Показания надежности ШКАИ.
17. Юхименко В. Ф., Масленникова С. Г. Техническая эксплуатация силовых агрегатов и трансмиссий. Владивосток: Изд-во ВГУЭС, 2004. 92 с.
18. Зацаринный А. А., Козлов С. В., Гаранин А. И. Особенности формирования номенклатуры и количества компонентов ЗИП в автоматизированных информационных системах в защищенном исполнении // Системы и
средства информатики. 2014. Т. 24. Вып. 3. С. 144–155.
19. Черкесов Г. Н. Оценка надежности систем с учетом ЗИП. СПб.: БХВПетербург, 2012. 480 с.
20. Craig C. S. Optimal Inventory Modeling of Systems Multi-Echelon
Techniques: 2nd Edition, Kluwer Academic Publishers Group, 2004.
139
21. Анализ логистической поддержки. Теория и практика / Е. В. Судов,
А. И. Левин, А. Н. Петров и др. М.: Издательство «Информ-Бюро», 2014.
260 с.
22. ГОСТ Р 53392-2009. Интегрированная логистическая поддержка.
Анализ логистической поддержки. М.: Стандартинформ, 2010, 20 с.
23. Черкесов Г. Н. О проблеме расчета надежности восстанавливаемых систем при наличии запасных элементов // Надежность. 2010. № 3. С. 29–39.
24. Черкесов Г. Н. О критериях выбора комплектов ЗИП // Надежность.
2013. № 2 (45). С. 3–18.
25. Дзиркал Э. В. Задание и проверка требований к надежности сложных изделий // Библиотека инженера по надежности. М.: Радио и связь,
1981. 176 с.
26. Жаднов В. В., Авдеев Д. К., Тихменев А. Н. Проблемы расчета показателей достаточности и оптимизации запасов в системах
ЗИП // Надежность. 2011. № 3. С. 53–60.
27. Чуркин В. В., Черкесов Г. Н. О программе расчета показателя надежности системы с прямым включением комплекта ЗИП в модель надежности // Научно-технические ведомости. Информатика. Телекоммуникации.
Управление. СПб.: Изд-во СПбГПУ, 2009. № 3(80). С. 212–216.
28. Головин И. Н., Чуварыгин Б. В., Шура-Бура А. Э. Расчет и оптимизация комплектов запасных элементов радиоэлектронных систем // Библиотека инженера по надежности. М.: Радио и связь, 1984. 175 с.
29. Charu Chandra, Janis Grabis. Supply Chain Configuration: Concepts,
Solutions, and Applications // Springer Science & Business Media. 2007. 342
p.
30. Hale Kaynak. Total Quality Management and Just-in-Time Purchasing:
Their Effects on Performance of Firms Operating in the U.S. Routledge, 2013.
342 p.
31. Pryor L. S. Benchmarking: A Self-Improvement Strategy // Journal of
Business Strategy; Nov. / Dec. 1989.
32. Malakooti Behnam. Operations and Production Systems with Multiple
Objectives. 2013.
33. Silver E. A. A Heuristic for Selecting Lot Size Quantities for the Case
of a Deterministic Time-Varying Demand Rate and Discrete Opportunities for
Replenishment // Production and Inventory Management. 1973.
140
СОДЕРЖАНИЕ
Список сокращений..................................................................
3
Введение.................................................................................
4
1. Логистическая составляющая технических систем
послепродажного обслуживания авионики..................................
8
2. Основные параметры моделей управления запасами ЗИП
и анализа ремонтопригодности..................................................
11
3. Системный подход к представлению оборудования на примере
Федерального государственного унитарного предприятия
«Санкт-Петербургское опытно-конструкторское бюро
«Электроавтоматика» им. П. А. Ефимова»..................................
16
4. Процесс унификации ЗИП.....................................................
21
5. Минимизации затрат при поставках ЗИП.................................
24
6. Классификация запасов в цепях поставок для пополнения ЗИП... 27
7. Анализ условий применения статистических
задач управления запасами.......................................................
38
8. Исследование определения ЗИП. Параметры потоков отказов
для различных процессов восстановления...................................
44
9. Стратегии пополнения запасов ЗИП........................................
57
10. Анализ ЗИП по показателю надежности.................................
73
11. Достоинства и недостатки метода расчета надежности
для цепей поставок ЗИП...........................................................
81
12. Моделирование схем пополнения ЗИП.
Структуры цепей поставок........................................................
82
13. Анализ подходов к имитационному моделированию
и применяемого программного обеспечения.................................
95
14. Практический пример моделирования цепи
поставки ЗИП..........................................................................
106
15. Вопросы принятия решений в условиях неопределенности
для выбора наилучшей цепи поставки ЗИП.................................
125
Заключение............................................................................
137
Библиографический список ......................................................
139
141
Научное издание
Гурьянов Андрей Владимирович
ОЦЕНКА
ЛОГИСТИЧЕСКИХ ПРОЦЕССОВ
ПОСТАВОК ЗИП ДЛЯ ПОДДЕРЖАНИЯ
ИСПРАВНОСТИ ТЕХНИЧЕСКИХ ОБЪЕКТОВ
Монография
Редактор В. С. Гончарова
Компьютерная верстка А. Н. Колешко
Сдано в набор 22.12.2017. Подписано к печати 01.02.18. Формат 60 × 84 1/16.
Усл. печ. л. 8,2. Уч.-изд. л. 8,52. Тираж 100 экз. (1-й завод 50 экз.). Заказ № 40.
Редакционно-издательский центр ГУАП
190000, Санкт-Петербург, Б. Морская ул., 67
Документ
Категория
Без категории
Просмотров
3
Размер файла
3 077 Кб
Теги
gurianov
1/--страниц
Пожаловаться на содержимое документа