Экспертные системы в логистике

Тема 5

МЕТОДОЛОГИЧЕСКИЙ АППАРАТ ЛОГИСТИКИ

ОБЩАЯ ХАРАКТЕРИСТИКА МЕТОДОВ РЕШЕНИЯ ЛОГИСТИЧЕСКИХ ЗАДАЧ

Объектом изучения логистики являются материальные и соответствующие им финансовые и информационные потоки. Эти потоки на своем пути от первичного источника сырья до конечного потребителя проходят различные производственные, транс­портные, складские звенья. При традиционном подходе задачи по управлению материальными потоками в каждом звене реша­ются, в значительной степени, обособленно. Отдельные звенья представляют при этом так называемые закрытые системы, изолированные от систем своих партнеров технически, технологи чески, экономически и методологически. Управление хозяйственными процессами в пределах закрытых систем осуществляется с помощью общеизвестных методов планирования и управления производственными и экономическими системами. 'Эти методы продолжают применяться и при логистическом подходе к упра­влению материальными потоками. Однако переход от изолированной разработки в значительной степени самостоятельных си­стем к интегрированным логистическим системам требует рас­ширения методологической базы управления материальными по­токами.

К о с н о в н ы м м е т о д а м, применяемым для р е ш е н и я на­учных и практических з а- д а ч в о б л а с т и л о г и с т и к и, сле­дует отнести м е т о д ы с и с т е м н о г о а н а л и з а , м е т о д ы т е о р и и и с с л е д о в а н и я о п е р а ц и й , к и б е р н е т и ч е с к и й п од х о д и п р о г н о с т и к у. Применение этих методов позволяет прогнозировать материальные потоки, создавать интегрированные системы управления и контроля за их движением, раз­рабатывать системы логистического обслуживания, оптимизи­ровать запасы и решать ряд других задач.

Принятие решений по управлению материальными потоками до начала широкого применения логистики в значительной степени основывалось на интуиции квалифицированных снабженцев, сбытовиков, производственников, транспортников. Разви­вая методологический аппарат, современная логистика, наряду с разработкой и использованием формализованных методов принятия решений, изыскивает возможности широкого применения опыта названной категории профессионалов. С этой целью раз­рабатываются так называемые системы экспертной компьютер­ной поддержки (или экспертные системы - § 5.3), позволяющие персоналу, не имеющему глубокой подготовки в логистике, при­нимать быстрые и достаточно эффективные решения.

Широкое применение в логистике имеют различные м е т о д ы м о д е л и р о в а н и я, т. е. исследования логистических систем и процессов путем построения и изучения их моделей. При этом под логистической моделью понимается любой образ, абстрактный или материальный, логистического процесса или логисти­ческой системы, используемый в качестве их заместителя.

Основная цель моделирования - прогноз поведения систе­мы. Ключевой вопрос моделирования «ЧТО БУДЕТ, ЕСЛИ...?»

Классификация различных способов моделирования, а также характеристика имитационного моделирования - широко при­меняемого способа исследования логистических систем, рассматривается в следующих двух параграфах.

МОДЕЛИРОВАНИЕ В ЛОГИСТИКЕ

Моделирование основывается на подобии систем или процес­сов, которое может быть полным или частичным. Основная цель моделирования - прогноз поведения процесса или системы. Ключевой вопрос моделирования «ЧТО БУДЕТ, ЕСЛИ...?»

Существенной характеристикой любой модели является степень полноты подобия модели моделируемому объекту. По этому признаку все модели можно разделить на изоморфные и гомо­морфные (рис. 21).

Рис. 21. Классификация моделей

Изоморфные модели - это модели, включающие все харак­теристики объекта оригинала, способные, по существу, заме­нить его. Если можно создать и наблюдать изоморфную модель, то наши знания о реальном объекте будут точными. В этом случае мы сможем точно предсказать поведение объекта.

Гомоморфные .модели. В их основе лежит неполное, частич­ное подобие модели изучаемому объекту. При этом некоторые стороны функционирования реального объекта не моделируют­ся совсем. В результате упрощается построение модели и интер­претация результатов исследования. При моделировании логи­стических систем абсолютное подобие не имеет места. Поэтому в дальнейшем мы будем рассматривать лишь гомоморфные мо­дели, не забывая, однако, что степень подобия у них может быть различной.

Следующим признаком классификации является материаль­ность модели. В соответствии с этим признаком все модели можно разделить на м а т е р и а л ь н ы е и а б с т р а к т н ы е.

Материальные модели воспроизводят основные геометриче­ские, физические, динамические и функциональные характери­стики изучаемого явления или объекта. К этой категории отно­сятся, в частности, уменьшенные макеты предприятий оптовой торговли, позволяющие решить вопросы оптимального размеще­ния оборудования и организации грузовых потоков.

Абстрактное моделирование часто является единственным способом моделирования в логистике. Его подразделяют на сим­волическое и математическое.

К с и м в о л и ч е с к и м м о д е л я м относят языковые и зна­ковые.

Языковые модели - это словесные модели, в основе кото­рых лежит набор слов (словарь), очищенных от неоднозначно­сти. Этот словарь называется «тезаурус». В нем каждому слову может соответствовать лишь единственное понятие, в то вре­мя как в обычном словаре одному слову могут соответствовать несколько понятий.

Знаковые модели. Если ввести условное обозначение отдель­ных понятий, т. е. знаки, а также договориться об операциях между этими знаками, то можно дать символическое описание объекта.

М а т е м а т и ч е с к и м м о д е л и р о в а н и е м называется про­цесс установления соответствия данному реальному объекту некоторого математического объекта, называемого математи­ческой моделью. В логистике широко применяются два вида математического моделирования: аналитическое и имитацион­ное.

Аналитическое моделирование - это математический при­ем исследования логистических систем, позволяющий получать точные решения. Аналитическое моделирование осуществляется в следующей последовательности.

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

Второй этап. Решение уравнений, получение теоретических результатов.

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

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

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

Другим видом математического моделирования является имитационное моделирование.

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

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

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

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

Имитационное моделирование включает в себя д в а о с н о в ­ н ы х п р о ц е с с а : первый — конструирование модели реальной системы, второй — постановка экспериментов на этой модели.

При этом могут преследоваться следующие цели: а) понять поведение логистической системы; б) выбрать стратегию, обес­печивающую наиболее эффективное функционирование логисти­ческой системы.

Как правило, имитационное моделирование осуществляется с помощью компьютеров.

Условия, при которых рекомендуется применять имитацион­ное моделирование, приведены в работе Р. Шеннона «Имитаци­онное моделирование систем — наука и искусство» [46]. Перечи­слим основные из них.

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

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

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

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

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

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

1. Исследования с помощью этого метода обходятся дорого.

Причины:

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

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

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

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

Описание достоинств и недостатков имитационного модели­рования можно завершить словами Р. Шеннона: «Разработка и применение имитационных моделей в большей степени искус­ство, чем наука. Следовательно успех или неудача в большей степени зависит не от метода, а от того, как он применяется» [46].

ЭКСПЕРТНЫЕ СИСТЕМЫ В ЛОГИСТИКЕ

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

Применение экспертных систем позволяет:

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

— готовить опытных специалистов за относительно более ко­роткий промежуток времени* ;

* Обращение с экспертными программами за короткий промежуток вре­мени формирует опытного специалиста. В то же время, задача повышения обучающих возможностей экспертных систем является сегодня актуальной, так как большинство программ не объясняют пользователю причины реко­мендуемых решений.

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

— использовать опыт и знания высококвалифицированных специалистов на непрестижных, опасных, скучных и тому по­добных рабочих местах.

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

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

В качестве примера использования экспертных систем в складском хозяйстве приведем систему Inventory Management Assistant, IMA («помощник в складском менеджменте»), раз­работанную для логистического отдела Военно-воздушных сил США. Отдел обслуживает свыше 19000 самолетов по всему ми­ру. Складская система отдела содержит 916000 наименований запасных частей для самолетов. Цель создания IMA — помощь персоналу складов при решении задач, связанных с управлением запасами. Использование названной экспертной системы позво­лило на 8-10% повысить эффективность решения обычных про­блем. Эффективность решения вопросов в сложных ситуациях возросла на 15 - 18%.