Опубликовано №5 (28) октябрь 2008 г.

АВТОР: 

Иващенко А.Е.

Начальник управления импорта ООО «ТЗК ГАЗ», г. Нижний Новгород 

РУБРИКА Корпоративная логистика промышленных компанийОптимизация и экономико-математическое моделированиеСнабжение 

Аннотация

Предлагаемая в статье методика исследования принятия решений о закупке представляет собой совокупность методов агрегированного многокритериального системного анализа. В исследовании осуществлено уточнение и дополнение существующих подходов для принятия решений в логистике снабжения машиностроительных, в частности автомобилестроительных предприятий. С позиций теории логистики целью методики является сквозная оптимизация затрат на «входе в систему» за счет определения основных критериев экономической эффективности и их весомости при принятии решения о закупке товарно-материальных ценностей. Проанализированы возможные решения на основе следующих критериев оптимизации в логистике снабжения оптимизации периодичности закупок; оптимизации объема закупок; оптимизации способа закупок; оптимизации состава потенциальных поставщиков; оптимизации баланса цены и качественных показателей.

Ключевые слова: многокритериальная оптимизация принятие решений закупки автомобильная промышленность критерий оптимальности выбор поставщиков

 


Функции снабжения, по нашему мнению, должны быть строго распределены и систематизированы, особенно в корпоративной структуре, где влияние ошибки или умышленных некачественных действий менеджера при планировании, организации и контроле потоковых процессов чрезвычайно велико.

В ситуациях определения оптимальной периодичности, способа, объемов закупок, поиска оптимальных поставщиков мы сталкиваемся с основной проблемой принятия сложных решений о взаимодействии с поставщиком - значительным превышением объема информации о вариантах выбора над физиологическими возможностями человеческого мозга по восприятию и обработке этой информации. Именно в таких ситуациях практически единственным эффективным средством минимизации ошибок при принятии решений в логистике снабжения является применение специальных методов, технологий и программных средств обработки информации. В связи с этим важную роль играет разработка процессов принятия решений.

Предлагаемая нами методика исследования принятия решений о закупке представляет собой совокупность методов агрегированного многокритериального системного анализа. Основы методики в общем виде (как инструмент оценки кредитных предложений банков или инструмент решений о приобретении предприятий) были предложены в 1998г. Д.А. Абдрахимовым [1] совместно с рабочей группой ГУ-ВШЭ. В нашем исследовании мы осуществляем ее уточнение и дополнение для принятия решений, применяемых именно в закупочной логистике для машиностроительных, а конкретней, для автомобилестроительных предприятий.

С позиций теории логистики целью методики является сквозная оптимизация затрат на «входе в систему» за счет определения основных критериев экономической эффективности и их весомости при принятии решения о закупке товарно-материальных ценностей.

Многокритериальные варианты решений являются для методики просто анализируемыми объектами, которые характеризуются наборами количественных и качественных характеристик (показателей). Целью предлагаемой методики является вычисление оценок степени соответствия анализируемых объектов комплексу требований и предпочтений одного или группы руководителей и специалистов (экспертов).

Задачей методики является агрегирование (сжатие) многокритериальной информации об анализируемых объектах до объема и формы представления, воспринимаемых руководителем при принятии решения о закупке.

Критерии оптимизации в логистике снабжения, по нашему мнению, условно можно разбить на следующие группы:

1. оптимизация периодичности закупок;

2. оптимизация объема закупок;

3. оптимизация способа закупок;

4. оптимизация состава потенциальных поставщиков;

5. оптимизация баланса цены и качественных показателей.

 

  1. Критерий оптимизации периодичности закупок. Не изучая вопросы формирования потребности в товаре на предприятии, мы допускаем, что потребность может быть постоянная (ежемесячная, ежеквартальная и т.д.) и разовая. Отметим, что большинство предприятий производят закупки, исходя из возникающей потребности. Однако на некоторые позиции товарной номенклатуры цена на рынке может меняться более чем на 40% в зависимости от периода (например, на биржевые и сезонные товары). Причины колебаний, которые могут быть описаны математической функцией, определены в трудах А. Китчинга, К. Жуглара [3], а также кроме этого могут иметь геополитическую природу. Предприятиям машиностроения имеет смысл в целях получения прямой экономии привязывать текущие закупки к конъюнктурным циклам товара, а именно, прогнозируя рыночную ситуацию, в периоды роста цен закупать на длительные сроки крупными партиями, в периоды понижения цен приобретать материальные ценности на короткие периоды мелкими партиями.
  2. Критерий оптимизации объема закупок. Определение оптимального объема закупки предполагает нахождение наиболее экономичной партии товара, необходимой для приобретения. На практике предприятия приобретают товар в соответствии с размером потребности. Отметим, что ценообразование на продукцию производственно-технического назначения происходит, в том числе в зависимости от норм отгрузки: не монтажные нормы имеют цены на 3-5% выше монтажных норм; вагонные нормы, в свою очередь, также отличаются по цене от меньших на 2-7%. Таким образом, при принятии решения о закупке возникает дилемма: закупать объемом, равным потребности, или производить закупку большими объемами с учетом снижения оборачиваемости средств за счет увеличения складских запасов.
  3. Критерий оптимизации способа закупки.

Каждому приобретаемому наименованию товара соответствует единственный способ закупки, позволяющий достичь наибольшей экономической эффективности.

  1. Критерий оптимизации состава потенциальных поставщиков. При принятии решения необходимо обеспечить портфель предложений. Качеством оферт поставщиков внутри портфеля определяется качество и уровень конкуренции, при проведении процедур многокритериального анализа предложений и принятии решения. Основная проблема практической закупочной деятельности заключается в том, что при использовании лучших систем анализа и поддержки принятия решения состав рассматриваемых контрагентов не оптимален, то есть предприятие не имеет оферт от организаций, имеющих действительно лучшие предложения на рынке.
  2. Критерий оптимизации баланса характеристик цены, качества товара и надежности поставщика. Данный критерий включает более 20 основных субкритериев и до 50 вспомогательных, относящихся к требованиям качества, выполнению поставщиком своих обязательств, ценовых показателей приобретаемого товара.

 

При формировании многокритериальных оценок степени соответствия анализируемых предложений поставщиков предъявляемым требованиям и предпочтениям в закупочной логистике существует проблема корректного извлечения субъективной экспертной информации. Для решения данной проблемы к методике исследования процессов принятия решений о закупках должны быть предъявлены следующие требования: обеспечение экспертов полным перечнем необходимых первичных данных и установление необходимых требований и предпочтений к значениям и соотношениям значений характеристик анализируемых поставщиков и предлагаемых ими товаров. Предложенный способ извлечения и обобщения экспертной информации в авторской методике имеют две значимые проблемы:

  1. В классическом методе анализа иерархий извлечение предпочтений характеризуется высоким ростом числа парных сравнений при росте числа сравниваемых объектов или показателей. В предлагаемой нами методике эта проблема решается путем перехода на сокращенную процедуру парных сравнений при числе сравниваемых объектов или показателей большем 8 (на одном уровне иерархии)
  2. На практике при решении реальных задач многокритериального анализа с абсолютными оценками объектов сразу и полностью получить всю информацию по всем показателям для большого количества предложений поставщиков обычно не удается. Это приводит к трудностям заполнения "конкурентного листа" - т.е. сравнительной таблицы всех анализируемых характеристик всех объектов на одинаковых шкалах измерения. Отсюда необходимо применять средства обработки неполных массивов исходных данных.

Обеспечив извлечение и обобщение экспертной информации, необходимо реализовать важнейший этап - ее анализ.

Отметим, что указанные выше критерии анализа характерны не для каждой конкретной закупочной ситуации. Соответственно, не во всех конкретных закупочных ситуациях необходимо анализировать все пять перечисленных критериев. Логистика рассматривает каждый бизнес-процесс обеспечения предприятия как уникальный. Поэтому в конкретном случае следует оценить действие критерия в сложившейся ситуации на рынке закупаемого товара.

Критерий оптимальной периодичности закупок, учитывающий динамику конъюнктуры товарного рынка, необходимо применять при наличии условий:

  1. Рынок закупаемого товара динамичен, то есть имеют место значительные колебания (более 5% за короткий 1-2 месячный период). Примеры таких товарных рынков продукции производственно-технического назначения - рынок горюче-смазочных материалов, рынок ферросплавов, рынок цветных металлов.
  2. Предприятие закупает товарно-материальные ценности крупными партиями, так как ценовые колебания имеют место на достаточно крупных объемах товара. Розничные и мелкооптовые продавцы сглаживают динамику цен, участвуя в ценообразовании таким образом, что при падении цен они получают сверхприбыли, компенсируя свои убытки, понесенные при резких повышениях цен.
  3. Предприятие имеет постоянную, а не дискретную потребность в товаре. При разовой потребности, возникновение которой невозможно описать математической функцией, осуществление закупок также не может быть упорядочено по временным периодам, а, следовательно быть привязано к конъюнктуре рынка товара.
  4. При переходе к более частым закупкам товара партиями, меньшими месячной потребности, получаемый эффект будет превосходить затраты по удорожанию стоимости транспортировки. Это предполагает, например, что вагонные поставки не придется разделять на автотранспортные в случае, если разница в стоимости железнодорожных и автомобильных перевозок превысит экономический эффект от закупки в соответствии с конъюнктурой рынка.
  5. Предприятие изыщет возможности оплаты партий товара, соответствующих более чем месячной потребности при закупке на периоды конъюнктурного роста цен. То есть бюджет закупок должен предусматривать возможность осуществления предоплаты за партию товара, соответствующую потребностям долгосрочного периода, на который предусматривается закупка.

Критерий оптимального объема закупок целесообразно применять в следующих ситуациях при осуществлении закупок:

1. При возможности в бюджет закупок включить затраты на товар, превышающие потребности данного периода.

2.   При таких объемах закупки, когда незначительное различие в

количестве закупаемого товара существенно влияло бы на его стоимость (то есть при переходах от одних отгрузочных норм к другим).

3. При постоянной потребности в закупаемом товаре (для возможности расчета периода расходования закупленных ценностей).

Критерий оптимального способа закупки присутствует при обеспечении предприятия любыми видами товара. Его действие постоянно.

Критерий оптимального состава поставщиков необходимо использовать в закупочных ситуациях на рынках монополистической конкуренции и чистой конкуренции (если допустить наличие таковых). Поскольку большинство рынков продукции производственно-технического назначения являются рынками монополистической конкуренции, то описываемый критерий необходимо применять при большинстве закупок.

Критерии баланса цены и качества общеизвестны и должны быть учтены в обязательном порядке. Уточним, что в зависимости от сложности закупаемого товара количество качественных критериев меняется. Так, при закупках простого сырья и материалов критерий - соответствие ГОСТу или ТУ. При приобретении оборудования по индивидуальным чертежам может насчитываться до 50 субкритериев.

По нашему мнению, вышеописанные критерии при их наличии в конкретной закупочной ситуации все должны учитываться как равнодействующие (то есть иметь одинаковую весомость). Различные веса мы рекомендуем применять в действиях над субкритериями в рамках многокритериального анализа. Если действие критерия имеет место, мы включаем его в процедуру многокритериального анализа без оценки его весомости, то есть весомость равна частному единицы и количества действующих в закупочной ситуации критериев.

Насколько мы видим, методика исследования процессов принятия решений о закупке делится на обязательные и необязательный этапы. Примем за основу ситуацию, в которой при оценке входящего потока в логистической системе действие всех перечисленных критериев имеет место.

Для определения оптимальной периодичности закупки необходимо:

  1. Исследовать конъюнктуру рынка закупаемого товара - найти минимальную протяженность полного цикла, среднюю продолжительность понижающей волны и повышающей волны конъюнктуры.
  2. Исходя из полученных данных, определить периоды закупки товара объемами, соответствующими потребностям на срок более одного месяца (они должны составлять минимум - значение средней продолжительности повышающей волны конъюнктуры, максимум - минимальной значение конъюнктурного цикла) для периодов повышения цен.
  3. Определить минимально возможные партии товара для закупки (они должны составлять минимальный объем, отгружаемый поставщиком который возможно приобрести без удорожания цены за единицу товара за счет меньших объемов закупок) для периодов понижения цен.
  4. При принятии решений о периодичности закупок с момента произведения описанных действий закупать товар минимальными определенными партиями. При выявлении повышения цен закупить товар максимальным определенным объемом. По истечении периода, на который был закуплен максимальный объем продолжить закупку минимальными партиями.

Для исследования оптимального объема закупки предлагается следующий метод:

1.Необходимо найти, соответствуют ли цены на различные объемы закупок формуле 1.

P1 >P2(l+Cpeф*(t-l)/24)[1],                                                        (1)

где Р1 - оптимальная (лучшая на рынке) цена за единицу закупаемой продукции при закупке объемами, равными заявленным на месяц потребностям.

Р2 - оптимальная (лучшая на рынке) цена за единицу закупаемой продукции при закупке объемами, большими заявленной потребности (например минимальными объемами, отпускаемыми заводами-производителями; монтажными нормами; объемами вагонной поставки).

Среф - ставка рефинансирования ЦБ РФ.

t - количество месяцев, необходимых для полного потребления закупленного объема продукции (исходя из ежемесячной потребности).

Если закупаемая партия (с ценой Р2) соответствует условиям формулы, то это оптимальный объем закупки (несмотря на меньшие потребности). Если нет - то приобретать товар необходимо согласно заявленным потребностям на период. Уточним, что целесообразно ограничить объем, закупаемый при цене Р2 (например объем, равный шестимесячной потребности), так как при сколь угодно большом объеме цена на товар будет стремиться к его себестоимости, а бюджет любых закупок ограничен.

Исследование оптимального способа закупок в логистике целесообразно проводить на основании типового закона Юнситрал. В нем жестко регламентирован метод закупок в зависимости от сложившейся рыночной ситуации и специфики материального потока, входящего в логистическую систему предприятия. Открытые конкурсы применяются при крупных для бюджета организации суммах закупки сырья, материалов и стандартного оборудования и значительном количестве субъектов на рынке закупок. Закрытые торги применяются в случае, когда на рынке закупаемой продукции работает ограниченное число поставщиков (3-5) и они известны организатору. Другая сфера применения - небольшие закупки, при условии, что проведение открытого тендера нецелесообразно с учетом затрат времени и средств. Данный способ приобретения товарно-материальных ценностей также применяется при засекреченных по каким-либо причинам закупках. Двухэтапные конкурсы используются достаточно редко в силу сложности и длительности процедур. Они применяются в случае закупки сложной (уникальной) дорогостоящей продукции. Запрос котировок применяют при выборе стандартного по качественным характеристикам товара в случае необходимости выбора поставщика из числа уже имеющихся у предприятия контрагентов или из числа субъектов рынка, прошедших квалификационные процедуры при конкурсных формах закупки, но не получивших лота на поставку товара. Запрос предложений применяют в тех же условиях, что и запрос котировок, но при условии различия в качественных характеристиках, но равенства в ценах. Закупка из единственного источника (безальтернативная закупка) используется в случаях, если: товары имеются в наличии только у какого-либо конкретного поставщика или какой-либо конкретный поставщик обладает исключительными правами в отношении данных товаров и не существует никакой разумной альтернативы или замены или существует срочная потребность в товарах и проведение процедур торгов или использование любого другого метода закупок было бы поэтому практически нецелесообразным при условии, что обстоятельства, обусловившие срочность, нельзя было предвидеть или они не являлись результатом медлительности со стороны закупающей организации.

Исследование   оптимального   состава   потенциальных поставщиков производится следующим методом:

1.  Определяется средняя цена на продукт на рынке (путем изучения

сведений, предоставляемых Госкомстатом РФ, сведений, присутствующих в аналитических разделах электронных торговых площадок).

2.      С  помощью  мониторинга рынка  определяются  поставщики,

предоставляющие товар по данной цене или ниже данной цены.

  1. Исходя из способа закупок, определяется число потенциальных поставщиков, которых необходимо привлечь   закупкам (как правило, для открытого конкурса до 50, закрытого до 10, двухэтапного до 10, запроса  котировок и запроса предложений до 5).
  2. Из поставщиков, определенных в процессе мониторинга рынка, отбирается необходимое количество по принципу ценового критерия (то есть выбирается столько-то поставщиков, имеющих лучшую цену).
  3. Отобранное количество поставщиков имеет право участвовать в процедуре принятия решения о взаимодействии, то есть выбранные данным методом субъекты рынка являются потенциальными поставщиками предприятия в конкретном периоде.

Важнейшим разделом процесса многокритериального анализа является анализ ценовых и качественных характеристик (субкритериев). Наиболее приемлемым методом многокритериального анализа является доминантный анализ Парето, который, к сожалению, не позволяет давать оценки на шкале отношений (т.е. вычислять рейтинги) и обычно не позволяет полностью проранжировать все объекты.

Доминантный анализ Парето основывается на разделении исследуемых объектов на доминируемые и доминирующие. Доминирующий объект при арифметическом сравнении хотя бы по одному из критериев анализа лучше или равен остальным объектам. Доминируемый объект не имеет ни одного критерия, по которым он превосходит иные сравниваемые объекты. Для проведения анализа Парето необходимо определить абсолютные шкалы оценок, присвоить каждому объекту соответствующее значение по каждой шкале. Выделить доминируемые и доминирующие объекты на основании присвоенных значений каждой шкалы.

Мы полагаем, что в условиях неразрывной связи результатов и затрат (вспомним хотя бы известную логистическую кривую эффективности) наиболее простым и наглядным средством помощи является представление каждого из проанализированных объектов в виде точки на плоскости типа "результаты-затраты". При решении задач многокритериального выбора лицо, принимающее решение, обычно способно без затруднений выбрать на плоскости нужный объект или расставить объекты по номинальной или ранговой шкале. По нашему мнению, именно такая форма представления результатов анализа и является требуемым от методики результатом агрегирования информации об объектах до объема, воспринимаемого человеком при принятии решения.

В качестве примера результатов анализа Парето, для принятия окончательного решения, на рис. 1 показаны результаты работы методики при подведении итогов тендера технико-коммерческих предложений поставщиков сложных технических систем.

Рис. 1. Графическая интерпретация результатов анализа Парето

Названия реальных организаций здесь заменены буквами А, В, С и D. На рисунке по оси абсцисс показаны результаты оценки членами экспертного совета неценовой предпочтительности предложений предприятий, куда должны входить и оценки ожидаемого экономического эффекта, а по оси ординат - приведенные цены организаций, прошедших отборочный этап конкурса, представлены точкой. На рисунке хорошо видно, что предложения организации «D» являются доминируемыми по Парето и поэтому не могут претендовать на итоговый выбор, так как существует предложение, которое обладая меньшей затратностью, приносит больший эффект. Коммерческие предложения остальных трех организаций являются недоминируемыми, и поэтому любая из них может претендовать на победу.

Если бы мы априорно (т.е. не имея полученной раскладки объектов на плоскости) попробовали задать критерий выбора (критерий оптимальности) типа «максимум эффекта при затратах до 35 единиц», объект В был бы отброшен без уведомления лицом, принимающим решение, что в данном случае представляется неправильным. Более того, выбрать по данному рисунку лучший среди объектов А, В и С лицо, принимающее решение, сможет только в случае нанесения шкал и их размерностей (исходя из своих субъективных функций ценности результатов и приемлемости затрат). Указанные обстоятельства показывают опасность использования априорных критериев.

Однако, к сожалению, этот метод «не работает» при наличии только недоминируемых объектов и не позволяет получать неискаженные результаты на шкале отношений.

В случае необходимости получения количественных оценок (например, при расчете лимитов закупа) агрегировать информацию все равно приходится при помощи математических функций и функционалов, что является одним из источников методологических искажений результатов анализа. В качестве одного из универсальных функционалов можно указать балльный метод оценки (метод взвешенного суммирования).

Работа с абсолютными оценками в предлагаемой нами методике осуществляется на основе коэффициентов и функций ценности и позволяет решать задачи оценки степени соответствия анализируемых объектов комплексу предъявляемых требований и предпочтений. Отметим, что последнее обстоятельство позволяет нам получать многокритериальные оценки как для очень большого числа анализируемых предложений поставщика, так и для единственного предложения.

Метод балльной оценки состоит в следующем: каждый рассматриваемый критерий конкурсной заявки или показатель, характеризующий квалификацию поставщика, получает оценку в баллах по десятибалльной шкале. С этой целью значение анализируемого критерия в натуральных единицах измерения ранжируется для всех поставщиков. Худшему критерию присваивается один балл, лучшему — десять баллов. Применение метода интерполяции в интервале 1 — 10 баллов позволяет определить балльное значение критерия для каждого претендента. Для случая, когда худшее значение критерия меньше лучшего значения (например, предложения сокращения срока выполнения контракта или оценка опыта претендента, характеризуемая количеством ранее выполненных контрактов), балльная оценка j-ro критерия (показателя) для 1-го поставщика определится по формуле (2):

Бij = 1+((Nij – Nхуд)/(Nлучj - Nхудj))x(10-1)                                                               (2)

при N худj < Nлучj, 1 < Бij < 10.

где:

Бij — балльная оценка анализируемого j-ro критерия (показателя) для 1-го поставщика-конкурсанта;

Nij — значение  анализируемого j-ro  критерия (показателя) для j-ro поставщика-конкурсанта в натуральных единицах измерения;

 Nxyдj — худшее значение анализируемого j-ro критерия (показателя) среди всех поставщиков-конкурсантов в натуральных единицах измерения;

 Nлучj — лучшее значение анализируемого j-ro критерия (показателя) среди всех поставщиков-конкурсантов в натуральных единицах измерения.

 Для случая, когда худшее значение критерия больше лучшего значения (например, цена контракта, цена товара, другие ценовые показатели), балльная оценка анализируемого j-го критерия (показателя) для 1-го поставщика определяется формулой (3):

 Бij = 1 + ((Nxyдj - Nij) / (Nxyдj - Nлучj))x(10 - 1)                                                       (3)

 при N худj > Nлучj, 1< Бij < 10.

Расчеты, произведенные по формуле (3), приводят к тому же результату, что и по формуле (2).  Использование формулы (2) для случая Nхуд > Nлуч, а следовательно, и Nхуд > Ni, дает отрицательные значения и числителя и знаменателя дроби (Ni - Nхуд) / (Nлуч - Nхуд), что не влияет на результат вычислений. Поэтому во всех случаях для упрощения вычислительной работы мы рекомендуем использовать формулу (2).

Если среди критериев (показателей), характеризующих заявку (или квалификацию) поставщика, есть критерии, не поддающиеся количественной оценке, применяется экспертная балльная оценка таких критериев (показателей). Например, если по десятибалльной шкале экспертно оценивается степень соответствия критерия требованиям конкурсной документации, то оценку можно формировать исходя из следующих условий: 1-3 балла — частичное соответствие конкурсной документации; 4-6 баллов — полное соответствие требованиям конкурса; 7-8 баллов — критерий, характеризующий поставщика, частично превосходит требования конкурсной документации;9-10 баллов — критерий, характеризующий поставщика, существенно превосходит требования конкурсной документации.

Требования агрегирования оценок, полученных на разных уровнях указанной иерархии и пошагового агрегирования с обязательным контролем аналитика за информацией, теряемой на каждом шаге необходимо обеспечивать возможностями получения результирующих многокритериальных оценок одновременно двумя вышеописанными методами.

Не менее важным этапом в предлагаемой методике является предоставление полученных результатов. Взвешенное суммирование по априорной схеме высоко коррелированных оценок эффекта и затрат, по нашему мнению, является основным источником получения результатов, противоречащих здравому смыслу. В качестве средства решения этой проблемы мы рассматриваем предъявление к методике требования раздельного учета показателей, относящихся к системным категориям «выгоды» (эффект, качество, прибыль) и «издержки» (затраты ресурсов всех видов).

Мы считаем, что данное требование в методике должно обеспечиваться возможностями:

• разнесения показателей выгод и затрат по разным ветвям иерархии оценок;

• наглядного представления результатов анализа в виде точек на плоскости типа «выгоды - издержки» (наряду с традиционной табличной формой представления результатов). При решении задач многокритериального анализа лицо, принимающее решение обычно способно без затруднений отобрать на плоскости нужный объект или расставить объекты на ранговой шкале.

Оценка эффективности полученных результатов применения методики исследования процессов принятия решений о закупках может производится двумя предложенными методами: методом линейного сравнения с базовыми (первоначальными) показателями и методом сравнения индексов цен.

1. Способ сравнения с базовой ценой. Экономическая эффективность закупок понимается как разница между базовой ценой и ценой закупки с применением оптимизационных мер (предлагаемой методики), помноженная на натуральный объем произведенной закупки. Поиск экономической эффективности применения методики возможен по формуле (4).

ЭЭ =((Цстt2 -Цзt2)/ Цстt2 -   (Цстt1 – Цзt1)/ Цстt1)* Цзt1*V                                    (4)

где

ЭЭ - экономический эффект в рублях;

Цзt1 - средняя годовая цена закупки в базовый период в рублях;

Цстt1 - среднестатистическая цена базового периода (за последний год);

Цстt2 - среднестатистическая цена периода закупки в рамках методики в рублях;

Цзt2 - цена закупки по результатам методики в рублях;

V -  объем закупки в единицах товара.

Статистические цены как за текущий период, так и за прошлые периоды доступны в сети «Интернет», в публикуемых Госкомстатом сборниках. Остальные данные должны быть в службах, ответственных за применение методики.

Рабочий (упрощенный) вариант той же формулы - формула (5).

ЭЭ =(Цзt1/ Цстt1 - Цзt2/ Цстt2) * Цзt1*V                                    (5)

Уточняем, что приведенные формулы действуют только в условиях стабильности конъюнктуры рынка. Если в период внедрения методики произошло изменение цен, то полученные результаты эффективности будут неточны.

При действии любой оптимизирующей методики на протяжении определенного периода времени нецелесообразно сравнивать базовую цену с ценой, являющейся итогом действия методики. Рекомендуется сравнивать динамику цены с динамикой изменения среднестатистических цен по отрасли.

2. Способ сравнения с индексами цен. Смысл способа состоит в том, что мы сравниваем результаты оптимизированных с помощью нашей методики закупок с официально публикуемыми индексами цен производителей промышленной продукции по отраслям промышленности. Расчеты целесообразно производить по предложенной формуле (6).

 Э = V*(P 1 *Ицпп - Р2) в натуральном выражении;                                                    (6)

Э = (Р1*Ицпп - Р2)\ Р1*Ицпп в процентах от существующей цены,

Где:

Э - экономический эффект

Р1 - цена за единицу продукции до внедрения оптимизирующей методики

Р2 - цена за единицу продукции после внедрения оптимизирующей методики

Ицпп - индекс цен производителей промышленности по конкретной отрасли.

V - объем закупаемой продукции

Таким образом, мы можем рассчитать экономическую эффективность как в сравнении с базовой ценой (при необходимости расчета разового результата оптимизации), так и в сравнении с изменяющейся динамикой цен (за сколь угодно длинный период оптимизации).

При получении положительных результатов при оценке эффективности применения нашей методики необходима ее реализация на постоянной основе, то есть обеспечения планирования, организации и контроля ее исполнения согласно методам, описанным в данной главе. При получении отрицательных результатов необходимо вернуться к реализации методики и определить допущенные ошибки.

С информационно-аналитической точки зрения основной задачей универсальных программных средств и информационно-аналитических технологий поддержки принятия решений о осуществлении закупок в холдинговой структуре является агрегирование указанной информации до объемов и формы представления, воспринимаемых лицом, принимающим решение.

Основным требованием к предложенной нами методике является минимизация неконтролируемых потерь и методологических искажений агрегируемой информации.

Основным способом реализации указанного требования является поэтапное человеко-машинное агрегирование информации об анализируемых объектах.

Авторская методика разработана с использованием уже существующих методик подобного рода.

В рамках предложенной методики исследования процессов принятия решений об осуществлении закупок в холдинге вклад автора состоит в следующем:

  1. Адаптация методики, использующейся ранее преимущественно в банковском секторе для принятия решений о выделении кредитов, для применения в материально-техническом снабжении предприятий при выборе поставщика.
  2. Уточнение основных критериев оптимизации закупок предприятий промышленного холдинга, которые необходимо задействовать при применении предлагаемой методики.
  3. Предложение регламентированной последовательности применения нескольких методов многокритериального анализа при принятии решений о закупке товарно-материальных ценностей и оценки ее эффективности.

Итак, уточнив основные термины, используемые нами в исследовании, и введя новые, мы выделили особую значимость информационных потоков и определили функции по их обработке в деятельности по обеспечению предприятий материальными ресурсами. Доказали возрастающую значимость и эффективность управления потоковыми процессами при концентрации производства и централизации капитала, в том числе при создании интегрированных холдинговых структур, уточнили особенности управления потоковыми процессами в холдинге. Предложили методику оптимизации принятия решений о закупках товарно-материальных ценностей в холдинговых структурах.

Литература

1. Абдрахимов Д.А. Эффективность системы конкурсных закупок/ Д.А. Абдрахимов // Конкурсные торги.- 1999.- № 3 - С. 14-18.

2. Сергеев В.И., Эльяшевич И.П. Логистика снабжения. Учебник для вузов. – М.: Изд-во «Рид Групп», 2011. – 416с.

3. Управление закупками и поставками: Учебник для студентов вузов, обучающихся по специальностям: «Экономика и управление» (080100), «Коммерция» (080300), «Логистика и управление цепями поставок» (080506) / М. Линдерс, Ф. Джонсон, А. Флинн, Г. Фирон: пер. с англ. под ред. Ю.А. Щербанина – 13-е изд. – М.: ЮНИТИ-ДАНА, 2007. -751с. (Серия – «Зарубежный учебник»).

ССЫЛКИ

[1] Формула выведена автором.

Опубликовано № 2 (49) апрель 2012 г.

АВТОРЫ: Рожков М. И.

РУБРИКА Имитационное моделирование, Корпоративная логистика промышленных компанийСнабжениеОбзоры и аналитика 

Аннотация

В данной обзорной статье проанализированы зарубежные публикации, посвященные специфике взаимодействия производства и поставщиков и анализу логистических сетей поставщиков автомобильной промышленности. Представлен краткий обзор состояния отрасли в России. Рассмотрены основные тенденции. Проведен обзор материалов, в которых при оптимизации логистических сетей использовался метод имитационного моделирования.

Ключевые слова: имитационная модель логистическая сеть поставщик автомобильная промышленность сборка на заказ модульная система кластер мультиагентная система DCP Demand Capacity Planning LiNet ILIPT Intelligent Logistics for Innovative Product Technologies


Состояние автомобильной промышленности

Автомобильная промышленность в России в настоящее время находится в стадии стремительного роста (Рис.1). Согласно данным Министерства Промышленности и Торговли РФ, Россия занимает второе место по объему продаж легковых автомобилей в Европе, прирост за год составил 49%. Правительство Российской Федерации последние годы проводит последовательную политику по привлечению зарубежных компаний для размещения производственных мощностей на территории России.

Рис.1 Объем продаж легковых автомобилей, январь-август 2011

Рис.1 Объем продаж легковых автомобилей, январь-август 2011

            По состоянию на первую половину 2011 года локализованная сборка составляет около 40% от общего объема производства автомобилей, в то время как в 2008 данный показатель составлял лишь 20%. Столь резкое увеличение связано с изменениями в определении понятия промышленной сборки, которые вступили в силу в феврале 2011.

Согласно внесенным изменениям среднегодовой уровень локализации производства () рассчитывается по следующей формуле:

 

  – таможенная стоимость всех автокомпонентов и их частей,

  – общая стоимость всех произведенных узлов и агрегатов для моторных транспортных средств товарных позиций 8701-8705 ТН ВЭД ТС и реализованных покупателям, учтенная в фактических отпускных ценах без НДС,

            Установлены следующие параметры локализации для периода 2011-2020:

-  изготовление, при котором уровень локализации производства составляет не менее 15% (2011-2014)

-  изготовление, при котором уровень локализации производства составляет не менее 30% (2015-2017)

-  изготовление, при котором уровень локализации производства составляет не менее 45% (2018-2020)

Обновленное постановление  Правительства Российской Федерации № 166 от 15.04.2005 предполагает, что к 2015 году иностранные производители OEM (Original Equipment Manufacturer) должны выпускать минимум 300 тысяч автомобилей ежегодно в России (предыдущий минимум составлял 25 тысяч) [2]. При выполнении данного условия они освобождаются от импортных пошлин на запчасти. Темпы локализации компонентов, производимых в России или странах Таможенного Союза, созданного в 2010 году (Россия, Белоруссия и Казахстан), должны достичь 60% по собранным автомобилям и 30% по компонентам двигателей.

            В Российской практике наблюдается использование кластерного подхода и организации особых экономических зон, которые должны стимулировать размещение производства автокомпонентов в России. Можно выделить несколько кластеров по регионам: Санкт-Петербург, Москва, Ижевск, Калуга, Нижний Новгород, Тольятти, Ульяновск, Набережные Челны. Наиболее крупные поставщики автомобильной промышленности следующим образом распределены в данных кластерах (Рис.2):

Рис.2 Размещение предприятий автомобильной промышленности в России

Рис.2 Размещение предприятий автомобильной промышленности в России.

При развитии автомобильного производства компании сталкиваются с рядом проблем, обусловленных текущим состоянием рынка поставщиков комплектующих. Качество комплектующих (OE - Original Equipment), поставляемых местными производителями, часто оказывается недостаточно высоким. Согласно данным «Объединения автопроизводителей России» [3], всего 5% российских поставщиков соответствуют  международным стандартам качества. Стоимость импортных комплектующих сильно зависит от изменений на международном рынке сырья (пластмасс и стали). Также при поставках из-за рубежа возмущения в работу цепи поставок вносит работа таможни. В исследовании компании Autoeuropa [6] параметр «задержка поставки» выделен как главный фактор, вносящий возмущения в работу цепей поставок автомобильных заводов. Доля данного параметра (задержка поставки) составляет 51%.

Одним из возможных решений является размещение мощностей поставщиков на территории страны. В отличие от стран Европы и США, в России недостаточно развита инфраструктура для эффективной работы предприятий автомобильной промышленности. В данном случае актуален вопрос поиска наиболее удачного географического положения с учетом дальнейшего развития инфраструктуры.

Следует отметить различия в конфигурации цепей поставок автомобильной промышленности за рубежом и в России.  В большинстве случаев в России нет четкого разделения поставок на конвейер (OE) поставок официальным дилерам (OES - Original Equipment Services) и поставок на рынок автозапчастей (AM - AfterMarket). Также не всегда сохраняется двухуровневая система поставок на производство.

Для оценки дальнейших изменений следует оценить зарубежный опыт развития логистических сетей автомобильной промышленности.

Анализ и оптимизация сети поставщиков. Зарубежный опыт.

Можно выделить несколько зарубежных исследований, посвященных изучению конфигурации логистических сетей снабжения автомобильных производств. Применяются два основных подхода для анализа:

-использование бизнес-кейсов, проведение интервью с представителями компании;

-моделирование работы цепи поставок.

Некоторые авторы комбинируют данные подходы. Далее будут рассмотрены как концептуальные исследования, так и исследования с использованием имитационного моделирования и его производных.

В  статье (2002) Choi и Hong [11] рассматривают особенности взаимодействия с поставщиками автокомпонентов на примере производства Honda Accord, Acura CL и Grand Cherokee. Проведен анализ логистической сети: количество поставщиков различных уровней, формализованные методы работы с поставщиками, а также уровень централизации управления в сети. Авторы проводят анализ возможных причин, которые привели к указанной конфигурации каждое из производственных предприятий. Исследование выполнено в форме бизнес-кейсов. У исследуемой компании большой объем номенклатуры деталей при сборке, поэтому были выбраны компоненты (элементы консоли салона автомобиля), поставщики которых наиболее репрезентативны для целей исследования. Среди прочих факторов рассмотрены и географические параметры логистической сети – средняя удаленность поставщиков различных уровней от производства. Рассмотрена специфика работы с поставщиками, характерная именно для автомобильной промышленности. Подчеркнуты жесткие условия работы с поставщиками: требования по ежегодному снижению закупочных цен. Сделаны выводы об уровне надежности цепей поставок исследованных компаний. Общие данные о сети снабжения приведены в таблице (Табл.1).

Таблица 1. Сравнение сетей поставщиков.

 

Горизонтальные уровни

Вертикальные уровни

Общее кол-во поставщиков

Кол-во деталей

Влияние локальных поставщиков

Опыт совместной работы

Издержки смены поставщика

Accord

10

4

70

50

Средний

Большой

Низкие

Acura CL/TL

13

5

>1000

76

Средний/низкий

Средний

Средние

Grand Cherokee

10

4

200

41

Средний/высокий

Маленький

Высокие

Особенности конфигурации логистических сетей крупных автомобильных компаний (Suzuki, Audi) на примере рынка развивающейся страны (Венгрия) были изучены в исследовании Demeter et al (2006) [13]. Упрощенная схема логистических сетей изученных компаний представлена на рисунке (Рис.3).

Рис.3 Схема логистических сетей

Рис.3 Схема логистических сетей.

Проанализированы причины большей или меньшей доли использования местных поставщиков. Авторы рассматривают четкую связь между стратегией компании и конфигурацией сети. Выделено четыре типа поставок: поставщики-интеграторы, поставщики второго уровня, прямые поставки и инсорсинг.

Особенность коммуникации производства и поставщиков на примере автомобильной промышленности рассмотрена в статье Prahinski и Benton (2004) [29]. Авторами было проведено масштабное исследование, в котором были оценены параметры производительности более чем сотни ключевых поставщиков четырех крупнейших автомобильных предприятий США.

Вопрос взаимодействия поставщиков и сборочного производства также является объектом исследования в работе Aláez-Aller и Longás-García, (2010) [5].  Рассмотрена динамика изменения взаимодействия автопроизводителя с поставщиками на примере автомобильного завода, расположенного в Испании. Проанализированы две предельные стратегии управления поставщиками: соперничество и сотрудничество. Авторами статьи сделан вывод, что наиболее успешные компании использовали промежуточные стратегии. Определены направления работы с издержками компаний при различных стадиях жизненного цикла выпускаемого автомобиля.  

Рассмотренные в приведенных выше работах логистические сети значительно отличаются по конфигурации. Также прослеживается тенденция к тому, что чем большее количество компаний было проанализировано при исследовании, тем более общие выводы делаются авторами. Оценке применения новых концепций производства и их влияние на организацию сети поставщиков посвящены исследования, рассмотренные в следующем разделе.

Сборка на заказ, кластеры и модульные системы, влияние на конфигурацию сети

В данной обзорной статье проанализированы исследования, связанные с двумя подходами в автомобилестроении: «сборка на заказ» (BTO – Build to Order –  использование тянущей схемы производства во всей цепи)  и использование поставщиков модулей (готовых к сборке узлов) на производстве.

Одной из важных особенностей применительно к российским условиям является фактор расстояния – многие поставщики значительно удалены от сборочного производства и поэтому увеличиваются транспортные расходы. Во многих случаях этот фактор имеет достаточно большую роль при «сборке-на-заказ», активно применяемой в автомобильной промышленности начиная с 90-х годов. Системы производства JIT и Lean Production предъявляют жесткие требования к поставщикам первого уровня. Высокая частота поставок на производство приводит к тому, что поставщикам выгодно размещать свои мощности как можно ближе к производству. Это одна из причин формирования автомобильных кластеров.

Также общемировой тенденцией является использование модульных систем при сборке автомобилей – таким образом, логистическая цепь со стороны поставщиков расширяется еще на один-два уровня. Baldwin и Clark (1997) [7] выделяют 3 драйвера модуляризации:  снижение издержек, увеличение скорости внедрения инноваций и увеличение уровня качества.  Использование модулей и особенности работы кластеров часто исследуются совместно.

Большая часть исследователей положительно оценивают применение модулей. Использование модульного подхода при производстве автомобилей проанализировано в Doran (2004) [14]. Рассмотрена цепочка добавления стоимости по уровням поставщиков. Также приведена классификация поставщиков с подробным описанием их особенностей. В работе Larsson (2002) [27] рассмотрены автомобильные кластеры западной Европы. Проанализированы факторы их влияния на региональную инфраструктуру. Описана специфика использования модулей при производстве и снабжении. В Doran (2007) [15] рассмотрено применение модульного подхода в снабжении предприятий автомобильной промышленности Франции. В исследовании разбираются четыре кейса, описывающие поставщиков различных модулей автомобиля и изменения, произошедшие в цепи поставок данных модулей. Приводится краткий обзор причин, повлекших переход к модульной системе.

Ряд исследователей критически относятся к тенденции образования производственных кластеров. В исследовании Howard et al (2006)  была представлена выборка из восьми автомобильных заводов в Западной Европе. Приводятся некоторые аргументы в защиту гипотезы о снижении роли кластеров [24].

С их точки зрения состояние «изменения» является нормальным для автомобильной отрасли. Оно приводит к определенным последствиям, которые  оказывают влияние на будущее развитие парков поставщиков (suppliers parks). Набирающая обороты тенденция к использованию сборочных модулей и альянсам поставщиков подразумевает увеличение влияния поставщиков первого эшелона на цепь поставок. Заинтересованность поставщиков в эффекте от масштаба может ограничить возможности для совместного размещения производств. Это также может снизить эффект от применения специфических технологий, так как большее количество компонентов или модулей будет использоваться в различных изделиях. Дальнейшее развитие может привести к тому, что производители снизят уровень вариации краткосрочных производственных планов с целью получения более надежного расписания. Данный эффект может привести к обращению вспять тренда к размещению поставщиков рядом с определенным производством, так как им не нужно будет быстро реагировать на краткосрочные изменения  в объемах поставок материалов и выпуска готовой продукции.[24]

При этом не во всех случаях идея «чем ближе, тем лучше» оказывается справедливой при размещении поставщиков рядом с производством. Некоторые более удаленные поставщики, рассмотренные в исследовании, функционировали более эффективно.

Некоторые авторы (M.Holweg et al, 2003) [22] приходят к выводу, что синхронизацию поставки компонентов и автомобильного производства реализовать проще, чем внедрить эффективную «сборку на заказ» для потребителя. Выделяется «типичная» проблема поставщиков автокомпонентов первого эшелона: с одной стороны производство требует поставок точно в срок, с другой им приходится взаимодействовать с поставщиками материалов, которые в большинстве случаев работают с большими партиями поставок. Приведена часть схемы типочного алгоритма выполнения заказа [14] (Рис.4).

 Рис. 4 Упрощенная карта процессов выполнения заказа

Рис. 4 Упрощенная карта процессов выполнения заказа

Российская автомобильная промышленность находится на стадии развития, поэтому актуален вопрос о том, насколько зарубежные практики организации снабжения сборочных производств могут быть адаптированы к российским условиям.

Помимо концептуальных исследований подходов к анализу сети снабжения, используются различные методы моделирования. Более сложные объекты требуют использования более развитых средств отображения их работы. В данной статье основной фокус направлен на анализ исследований цепей поставок снабжения с использованием имитационного моделирования.

Применение имитационного моделирования и  мультиагентных систем для решения задач снабжения производства и конфигурирования сети поставщиков

Применение имитационного моделирования (дискретно-событийное и агентное моделирование) оправдано и особенно эффективно в случаях, когда изучаемый объект находится в динамическом состоянии. Например, если меняются внешние по отношению к объекту условия. Логистические сети компаний автомобильной промышленности будут значительно модифицированы в ближайшие несколько лет, что является основанием для применения указанного метода. В предыдущем разделе статьи было показано, что многие особенности конфигурирования логистических сетей зависят от организации взаимодействия производственного предприятия и поставщиков.

Агентное моделирование позволяет отразить процесс взаимодействия звеньев цепи наиболее точно: могут учитываться параметры географического расположения, алгоритмы оптимизации издержек каждого звена цепи, особенности взаимодействия агентов (звеньев цепи поставок). Мультиагентные системы не требуют централизованного алгоритма управления: каждый элемент в большей или  меньшей степени функционирует самостоятельно. Данная особенность позволяет значительно упростить построение моделей сложных систем. Сетевая структура и акцент на способах  взаимодействия агентов – это концептуальные основы мультиагентных систем, которые хорошо согласуются с методологией управления цепями поставок.

Согласно Chang и Makatsoris [10]: «дискретно-событийное имитационное моделирование позволяет провести оценку производительности до внесения изменений в изучаемую систему, так как: а)позволяет провести глубокий анализ «что если» для более точных решений в области планирования, б)допускает сравнение различных способов организации процессов без вмешательства в работу системы-прототипа и в)обладает возможностью сжатия времени при моделировании, что упрощает принятия решений, зависящих от выбранного временного промежутка»

В обзорной статье «Simulation in the supply chain context: a survey»  Terzi и Cavalieri [30] приводится классификация более 80 работ, связанных с использованием имитационного моделирования в сфере логистики по состоянию на 2004 год. Авторы формируют базовые критерии классификации и выделяют наиболее перспективные области для применения имитационного моделирования. Следует заметить, что лишь несколько работ по оптимизации конфигурации сети рассматривали проблему географического размещения звеньев цепи. В настоящее время задача размещения объектов логистической инфраструктуры является одной из самых популярных при практическом применении имитационного моделирования.

Также можно выделить работу [12] «An analysis of agent-based approaches to transport logistics» Davidsson et al (2005). В ней проведен обзор применения мультиагентных систем для решения задач транспортной логистики. Проведена классификация по видам транспорта, описаны возможности практического применения результатов исследований. Особенно подчеркивается факт, что исследователи редко проводят сравнение разработанных подходов с уже существующими техниками. Определено, что количество исследований, использующих агентный подход для решения стратегических аспектов управления логистической инфраструктурой минимально по состоянию на 2005 год.

Наиболее подробно применение мультиагентных систем для решения задач логистики и управления цепями поставок рассмотрено в книге  «Multiagent based Supply Chain Management» [9]. Данная книга состоит из шестнадцати глав, в каждой из которых рассмотрено применение агентных моделей для решения какой-либо задачи области управления цепями поставок. Рассмотрены вопросы конфигурирования цепей поставок, управления рисками, анализа различных стратегий взаимодействия звеньев цепи, внедрения электронных систем.

В большей части работ, посвященных применению имитационного моделирования для поиска алгоритмов конфигурирования цепи, рассматривается трехуровневая логистическая сеть.

В  работе Kwon (2007) [26] рассматривается мультиагентная цепь поставок, состоящая из трех базовых типов агентов, максимизирующих величину собственной прибыли: розничные точки, производители и поставщики. Рассмотрено функционирование цепей поставок при различном уровне взаимодействия между контрагентами: автономная работа, интеграция и улучшенная интеграция. Оценивается влияние управления единым координирующим агентом цепи поставок. Описан итеративный алгоритм перехода от концепции максимизации собственной прибыли к максимизации общей прибыли цепи. Методологическая основа алгоритма управления цепью поставок в исследовании: Case-Based Reasoning - система рассуждения на основе аналогичных случаев.

В статье Fu и Piplani (2004) [17] в роли фокусной компании выступает дистрибьютор, оценивается эффект от сотрудничества со стороны снабжения. Разработанная имитационная модель используется для организации планирования. Проводится анализ двух базовых сценариев: с учетом кооперации и без неё. Полученные результаты показывают, что за счет более точного прогнозирования можно добиться увеличения уровня сервиса в системе-объекте исследования на 5% (с 90% до 95%).

В исследовании, упомянутом в предыдущем разделе (Holweg et al, 2005), [23] рассматривается имитационная модель, отражающая работу производственного предприятия автомобильной промышленности. В качестве параметров работы модели была также предложена система KPI (Key Performance Indicators) для поставщиков, потребителей и производства для формирования оптимальной сети. Параметры KPI использовались как средство управления взаимодействием агентов-звеньев цепи. Исследование было направлено на выявление причин проблем со сборкой на заказ в автомобильной промышленности. Сформулированы предложения по внесению изменений в систему управления и информационные системы компаний.    

В статье Giannakis и Louis (2011) [19] предложено использование агентной надстройки для систем принятия решений класса ERP. Основной акцент сделан на решении проблемы управления рисками в цепях поставок. Представлены основные классы агентов для данной группы задач. Предложенная методология использует элементы самоорганизации и обучения агентов.

Наблюдается рост интереса к применению имитационного моделирования для оптимизации потоков входящей логистики предприятий автомобильной промышленности. Рассмотрим наиболее интересные готовящиеся к выходу публикации.

В статье «A simulation framework for real-time fleet management in internal transport systems»  Jaou et al (2012) [25] приведен подробный анализ использования имитационного моделирования для решения задач управления парком транспортных средств, а также для перевалки контейнеров в терминалах.  Проведена классификация моделей, подходов и их ограничений. Предложен алгоритм, который позволяет адаптировать модель к изменяющимся условиям среды. Для реализации использовался объектный подход. Имитационная модель разработана в среде ARENA, логика взаимодействия объектов описана при помощи диаграмм состояний UML.

В статье «Supply chain redesign for resilience using simulation»  Carvalho et al (2012) [8] рассматривается моделирование снабжения автомобильного производства. Авторы проводят ряд экспериментов для определения уровня устойчивости сети к внешним воздействиям. Рассмотрены три эшелона цепи поставок: производство, поставщики первого уровня, поставщики второго уровня. Смоделированы 6 сценариев работы системы с различными подходами к смягчению влияния возможных сбоев в работе. Логистическая сеть адаптирована для производственных систем JIT и Lean Production.       В качестве среды разработки выступает среда моделирования Rockwell ARENA. Схема организации модели была интегрирована со SCOR моделированием.

Данная модель может быть легко конвертирована в среду разработки с акцентом на агентный подход моделирования, например, AnyLogic. Схема участка логистической сети представлена на рисунке 5.

 Рис.5 Схема снабжения производства

Рис.5 Схема снабжения производства

В данной системе три поставщика первого уровня, два поставщика второго уровня, компания-производитель. Используются шесть видов материалов, из которых собираются три компонента, которые, в свою очередь, составляют основу двух модулей. Срок доставки варьируется от одного часа до одного дня, интенсивность заказов: от двух часов до недели.

При применении данных методов исследователь может изучать систему на любом уровне абстракции. В приведенных выше статьях описывались как решения для снижения рисков в цепи поставок в целом, так и вопросы интеграции разработанных моделей и подходов с уже применяющимися решениями.

В качестве аргумента в пользу применения имитационного моделирования следует указать, что в настоящее время в Европе осуществляются несколько масштабных проектов по оптимизации логистических сетей автомобильной промышленности, в которых мультиагентные системы используются в качестве метода решения поставленных задач:

- DCP (Demand Capacity Planning), [28] Проект направлен на поиски эффективных алгоритмов планирования в цепи поставок.

-LiNet, [18] В данном проекте объектом исследования является среднесрочное и долгосрочное планирование производственных мощностей предприятий автомобильной промышленности и краткосрочное управление материальными потоками.

-ILIPT (Intelligent Logistics for Innovative Product Technologies). [20] Проект является составляющей проекта «5-day car» (производство и доставка автомобиля в нужной комплектации в течение пяти дней после заказа конечного потребителя) Изучаются гибкие цепи поставок и переход к  «сборке на заказ».

Методология мультиагентных систем для решения подобных задач предложена в Hellingrath et al (2009) [21]. Пример успешной реализации элементов данной системы планирования входящих транспортных потоков приведен в Florean et al (2010) [16].

Российская автомобильная промышленность отстает по уровню развития от европейской, поэтому в настоящее время подобные проекты не реализуются – для применения мультиагентных систем требуется более высокий уровень интеграции звеньев цепи. С другой стороны, изучение зарубежного опыта применения агентного моделирования цепей поставок актуально, так как, вероятно, в скором будущем подобные проекты будут реализованы и в России.

Из отечественного опыта моделирования логистических сетей предприятий автомобильной промышленности с элементами агентного подхода  можно привести пример успешного сотрудничества компаний GEFCO и XJ Technologies. Разработанный на основе AnyLogic пакет программ используется для поиска оптимальных решений поставки автомобилей из-за рубежа [4]. В целом в российской практике применение подобных подходов пока что не получило широкого распространения. [1] 

Литературные источники:

  1. Имитационное моделирование логистических сетей. Толуев Ю.И. Логистика и управление цепями поставок. 2008 г., № 2/25.
  2. http://www.rg.ru/2011/02/04/motor-dok.html
  3. http://www.oar-info.ru
  4. http://www.xjtek.ru/file/178
  5. R. Aláez-Aller, J. C. Longás-García, (2010) "Dynamic supplier management in the automotive industry", International Journal of Operations & Production Management, Vol. 30 Iss: 3, pp.312 – 335
  6. S.G. Azevedo, V.H. Machado, A.P. Barroso and V. C. Machado, Supply chain vulnerability: Environment changes and dependencies. International Journal of Logistics and Transport, 1 (2008), pp. 41–55.
  7. C. Y.Baldwin and K. B. Clark. "Managing in an Age of Modularity." Harvard Business Review 75, no. 5 (September-October 1997): 84-93.
  8. H. Carvalho, A. P. Barroso, V. H. Machado, S. Azevedo, V. Cruz-Machado Supply chain redesign for resilience using simulation, Available online 21 October 2011 Computers & Industrial Engineering
  9. B. Chaib-draa, J. P. Müller,  Multiagent based Supply Chain Management (Studies in Computational Intelligence, Vol. 28), Springer 2006, ISBN 3540338756, 466 стр.
  10. Y. Chang, H. Makatsoris, Supply chain modelling using simulation, International Journal of Simulation 1 (2001)
  11. T.Y Choi, Y.Hong, Unveiling the structure of supply networks: case studies in Honda, Acura, and DaimlerChrysler. Journal of Operations Management, Volume 20, Issue 5, September 2002, pp. 469-493.
  12. P. Davidsson, L. Henesey, L. Ramstedt, J. Törnquist, F. Wernstedt, An analysis of agent-based approaches to transport logistics. Transportation Research Part C: Emerging Technologies Volume 13, Issue 4, August 2005, pp. 255-271
  13. K. Demeter, A. Gelei, I. Jenei, The effect of strategy on supply chain configuration and management practices on the basis of two supply chains in the Hungarian automotive industry. International Journal of Production Economics, Volume 104, Issue 2, December 2006, pp.  555-570
  14. D. Doran, "Rethinking the supply chain: an automotive perspective", Supply Chain Management: An International Journal (2004), Vol. 9 Iss: 1, pp.102 – 109
  15. D. Doran, A. Hill, K.-S. Hwang, G. Jacob and Operations Research Group, Supply chain modularisation: Cases from the French automobile industry. International Journal of Production Economics Volume 106, Issue 1, March 2007, pp. 2-11
  16. M. Florian, J. Kemper, W. Sihn, B. Hellingrath, Concept of transport-oriented scheduling for reduction of inbound logistics traffic, International Conference on Manufacturing Systems (ICMS) 2010
  17. Y. Fu, R. Piplani, Supply-side collaboration and its value in supply chains European Journal of Operational Research. Volume 152, Issue 1, 1 January 2004, pp. 281-288
  18. F. Gehr, B. Hellingrath (Eds.), Logistik in der Automobilindustrie - Innovatives Supply Chain Management für wettbewerbsfähige Zulieferstrukturen, Springer Verlag, 2006
  19. M. Giannakis,  M. Louis, A multi-agent based framework for supply chain risk management Journal of Purchasing and Supply Management Volume 17, Issue 1, March 2011, pp.23-31
  20. B. Hellingrath, Key Principles of Flexible Prodcution and Logistics Networks, in: G. Parry, A. Graves (Eds.) Build to Order: The Road to the 5 Day Car, Springer Verlag, London, pp. 177-183, 2008
  21. B. Hellingrath, C. Böhle, J van Hueth, A Framework for the Development of Multi-Agent Systems in Supply Chain Management. Proceedings of the 42nd Hawaii International Conference on System Sciences – 2009
  22. M. Holweg, The three-day car challenge—investigating the inhibitors of responsive order fulfilment in new vehicle supply systems. International Journal of Logistics: Research and Applications,  6 3 (2003), pp. 165–183.
  23.  M. Holweg, S.M. Disney, P.Hinesc, M.M. Naim, Towards responsive vehicle supply: a simulation-based investigation into automotive scheduling systems. Journal of Operations Management, Volume 23, Issue 5, July 2005, pp. 507-530
  24. M.Howard, J. Miemczyk, A. Graves,  Automotive supplier parks: An imperative for build-to-order? Journal of Purchasing and Supply Management Volume 12, Issue 2, March 2006, pp. 91-104
  25. A. Jaou, D. Riopel, M. Gamache, A simulation framework for real-time fleet management in internal transport systems. Simulation Modelling Practice and Theory Volume 21, Issue 1, February 2012, pp. 78-90
  26. O.Kwon, G.P. Im, K. C. Lee, MACE-SCM: A multi-agent and case-based reasoning collaboration mechanism for supply chain management under supply and demand uncertainties. Expert Systems with Applications Volume 33, Issue 3, October 2007, pp. 690-705
  27. A.Larsson, The Development and Regional Significance of the Automotive Industry: Supplier Parks in Western Europe. International Journal of Urban and Regional Research Volume 26.4 December 2002 767-84.
  28. Odette 2004; Demand Capacity Planning Version 1.1, April 24, 2004; Odette International Limited, London
  29. C.Prahinski, W.C Benton, Supplier evaluations: communication strategies to improve supplier performance. Journal of Operations Management Volume 22, Issue 1, February 2004, pp. 39-62
  30. S.Terzi, S.Cavalieri, Simulation in the supply chain context: a survey. Computers in Industry Volume 53, Issue 1, January 2004, pp. 3-16 

Контакты

Работа с авторами 

Левина Тамара

моб. 8(962) 965-48-54

E-mail: levina-tamara@mail.ru

Распространение

Алямовская Наталия

моб. 8(916) 150-07-21

E-mail: nalyamovskaya@mail.ru

Адрес 

125319, Москва, ул. Черняховского, д.16

тел./факс (495) 771 32 58

ISSN 2587-6775

Издается с 2004 г.

Включен в перечень ВАК с 2008 г.

ИНДЕКСИРОВАНИЕ ЖУРНАЛА