совершенствование организации транспортной ( можно складской) логистики на примере какой либо организации.

Заключение
Стремительное развитие логистики в условиях рыночной экономики, которое наблюдается в последнем десятилетие, все больше подчеркивает специфику применительно к задачам системного анализа и оптимизации логистических систем. А именно, все чаще и чаще соответствующие задачи приходится формулировать и решать как задачи, которые относят к задачам принятия решений в условиях неопределенности.
Именно поэтому целью данной работы было более детальное изучение и практическое применение современных методов оптимизации систем логистики, что особенно важно именно к задачам управления цепями поставок.
Итак, приступим к формулировке и анализу полученных результатов
1) Были проанализированы основные проблемы современной логистики, также была конкретизирована одна из вышеуказанных проблем, а име ...

Введение 2
Глава 1. Этапы развития, основные направления и концепция логистической системы. 4
1.1 Формирование логистической системы в условиях современного рынка 4
1.2. Логистическая система как объект экономико-математического моделирования 6
1.3. Классификация моделей и методов оптимизации системы логистики 9
Глава 2. Особенности оптимизации системы управления в условиях неопределенности 16
2.1. Атрибуты модели управления запасами в условиях неопределенности 16
2.2. Процедуры формализации модели управления запасами в условиях неопределенности 20
Глава 3. Приложения методов оптимизации решений в условиях неопределенности к моделированию систем управления запасами 26
3.1. Процедуры оптимизации стратегии управления запасами в условиях неопределенности 26
3.2. Оптимальная стратегия с учетомпозиции ЛПР к неопределенности конечного результата: традиционные критерии 34
3.3. Оптимальная стратегия, при использовании модифицированных критериев 53
Заключение 65
Список использованной литературы 67

Введение
В настоящее время задачи анализа и выбора эффективных решений в условиях неопределенности при оптимизации систем логистики и, в том числе, применительно к задачам управления цепями поставок являются исключительно важными. Существующие постановки задач и модели оптимизации таких систем не позволяют менеджеру в области логистики учитывать достаточно весомые атрибуты, во-первых, необходимость нахождения наилучших решений в условиях неопределенности, во-вторых, - необходимость учета временной стоимости денег. Чтобы предусмотреть отмеченные особенности при выборе эффективного варианта организации работы системы логистики, менеджеру на сегодняшний день приходится сталкиваться с новыми постановками задач оптимизации таких систем и соответственно с новыми подходами к их решению.
Целью да нной работы – является анализ и применение современных подходов и методов для принятия решений в условиях неопределенности в области логистики.
Для достижения поставленной цели были поставлены следующие задачи:
содержательная постановка задачи для соответствующей цепи поставок;
построение модели в формате изучаемой системы или подсистемы логистики;
моделирование системы и нахождение наилучшего решения;
учет «внешних» условий (как говорят, «состояний природы») в формате решения;
реализация решения.
Объектом исследования является моделирование оптимальной системы перевозок с учетом риска, предметом соответственно сама логистическая модель оптимизации издержек.
Методы исследования модели теории массового обслуживания, теории игр, системный анализ
Краткое содержание работы.
Во введении объясняется актуальность темы, формируются цели и задачи исследования, озвучиваются методы принятия решений.
В первой главе проводится анализ существующих на данный момент проблем в исследовании логистических систем, дается сравнительный анализ существующих систем, приводятся основные определения и понятия, положенные в основу работы
Во второй главе описывается математическая модель, а также теоретические аспекты критериев оптимизации логистических систем
В третьей главе представлена практическая реализация поставленных задач
В заключении подводятся итоги проведенного исследования, формируются основные выводы по результаты исследования
 

Собственное производство рукавов высокого давления и промышленных гидравлических шлангов на базе комплектующих и оборудования Parker обеспечивает ведущие горнодобывающие предприятия СФО и России высококачественными запасными частями для тяжёлой карьерной техники. Используя многолетний опыт, мы создали информационную базу оригинальных каталожных номеров. Она позволяет производить аналоги рукавов и шлангов, идеально подходящих для эксплуатации в российских климатических условиях с непредсказуемыми погодными условиями. Рис. 3.1. Структура компании Новосибирский машиностроительный комбинатПри планировании работы управления запасами для цепи поставок рассматриваемой компании менеджер анализирует ситуацию, в рамках которой параметры оптимизируемой модели представлены таблицей 3.1.Таблица 3.1. Исходные данные в рамках рассматриваемой моделиПараметры оптимизационной моделиЗначения соответствующих параметровD – годовое потребление продукцииПараметр неизвестен: далее принимаются два сценария его реализации (рис 3.1)Ch – годовые затраты на хранение единицы продукции, $50C01 – накладные расходы на каждую поставку у первого поставщика, $170C02 – накладные расходы на каждую поставку у второго поставщика, $165CП1 – цена закупки продукции у первого поставщика, $90CП2 – цена закупки продукции у второго поставщика, $70Cs – цена реализации единицы продукции, $Параметр неизвестен: далее принимаются два сценария его реализации (рис. 3.1.)Понижающий коэффициент для выручки при благоприятном исходе реализации продукции первого поставщикаСценарий (I+)=1Понижающий коэффициент для выручки при неблагоприятном исходе реализации продукции первого поставщикаСценарий (I-)=0,7Понижающий коэффициент для выручки при благоприятном исходе реализации продукции второго поставщикаСценарий (II+)=1Понижающий коэффициент для выручки при неблагоприятном исходе реализации продукции второго поставщикаСценарий (II-)=0,6Графическая иллюстрация приведена на рис 3.2.50 00070 00090 000110 000130 000Сценарий D(1)Сценарий D(2)130150170190210Сценарий Cs(1)Сценарий Cs(2)Рис. 3.2. Границы возможных изменений величины годового потребления и цены реализации продукции для условного примераПредставим соответствующие этапы и процедуры нахождения оптимального решения для организации работы системы управления запасами в рамках рассматриваемого примера.Формирование состояний природы для рассматриваемой компании.Представим полную группу событий для рассматриваемой модели управления запасами в условиях неопределенности. Напомним, что применительно к анализируемой ситуации она будет содержать шестнадцать случайных событий:Таблица 3.2. Полная группа случайных событий и соответствующие им параметры моделиСобытиеКомбинация сценариев в формате событияВарианты реализации параметров моделиМаркировка событияD(1),Cs(1), I(+), II(+)(н,н,+,+)D(2),Cs(1), I(+), II(+)(в,н,+,+);D(1),Cs(2), I(+), II(+)(н,в,+,+)D(2),Cs(2), I(+), II(+)(в,в,+,+)D(1),Cs(1), I(-), II(+)(н,н,-,+);D(2),Cs(1), I(-), II(+)(в,н,-,+)D(1),Cs(2), I(-), II(+)(н,в,-,+);D(2),Cs(2), I(-), II(+)(в,в,-,+)D(1),Cs(1), I(+), II(-)(н,н,+,-)D(2),Cs(1), I(+), II(-)(в,н,+,-);D(1),Cs(2), I(+), II(-)(н,в,+,-);D(2),Cs(2), I(+), II(-)(в,в,+,-);D(1),Cs(1), I(-), II(-)(н,н,-,-)D(2),Cs(1), I(-), II(-)(в,н,-,-);D(1),Cs(2), I(-), II(-)(н,в,-,-);D(2),Cs(2), I(-), II(-)(в,в,-,-)Формирование перечня анализируемых альтернативных решений ЛПР для рассматриваемой модели. Напомним, что перечень анализируемых альтернативных решений в рамках этой модели включает шесть решений : . При этом они формализуются следующим образом.: в рамках этого решения ЛПР ориентируется на предполагаемое годовое потребление D2=700 000, причем поставки предполагаются только от первого поставщика; соответственно, экономичный размер заказа в такой ситуации определяется формулой ;: в рамках этого решения ЛПР ориентируется на предполагаемое годовое потребление D2=700 000, причем поставки предполагаются только от второго поставщика; соответственно, экономичный размер заказа в такой ситуации определяется формулой ;: в рамках этого решения ЛПР ориентируется на предполагаемое годовое потребление D2=700 000, причем поставки предполагаются равными долями, как от первого поставщика, так и от второго поставщика; соответственно, экономичный размер заказа в такой ситуации определяется формулой: у первого поставщика и у второго поставщика;: в рамках этого решения ЛПР ориентируется на предполагаемое годовое потребление D4=1100 000, причем поставки предполагаются только от первого поставщика; соответственно, экономичный размер заказа в такой ситуации определяется формулой:;: в рамках этого решения ЛПР ориентируется на предполагаемое годовое потребление D4=1100 000, причем поставки предполагаются только от второго поставщика; соответственно, экономичный размер заказа в такой ситуации определяется формулой:;: в рамках этого решения ЛПР ориентируется на предполагаемое годовое потребление D4=1100 000, причем поставки предполагаются равными долями, как от первого поставщика, так и от второго поставщика; соответственно, экономичный размер заказа в такой ситуации определяется формулой: у первого поставщика и у второго поставщика;Заметим, что для определенности в анализируемой здесь модели было принято, что цена реализации единицы продукции не зависит от выбора поставщика.Построение матрицы выигрышей для рассматриваемого примера. Напомним, что при расчетах прибыли, которая соответствует реализации какого-либо из событий используются значения середин тех интервалов, которые характеризуют соответствующее изменение неизвестных параметров модели управления запасами. Соответствующая матрица выигрышей представлена в таблице 3.2. Следует отметить, что показатели ожидаемой годовой прибыли () для первой строки указанной матрицы полезностей (т.е. применительно к событию , причем соответственно при решениях X1-X6) рассчитывались с учетом следующих особенностей:Если наступает событие , (т.е. событие, представленное ситуацией - ,когда годовое потребление низкое при низкой цене реализации единицы продукции, причем дополнительные потери, обуславливаемые претензиями к качеству продукции обоих поставщиков отсутствуют), то при решении X1 (в рамках которого ЛПР ориентируется на предполагаемое годовое потребление D2, причем поставки предполагаются только от первого поставщика партиями объема ) для соответствующей величины годовой прибыли получаем:Для остальных элементов этой строки матрицы полезностей, используя аналогичный подход, легко получаем следующие равенства:(для и уже выполнены операции группировки отдельных слагаемых). При расчете остальных строк были использованы рекомендованные ранее правила подстановки параметров см таблицу 2.4.), позволяющие быстро и легко определять остальные элементы матрицы полезностей на основе уже полученных выражений для . Результаты расчетов сведены соответственно в таблицу 3.2.Таблица 3.2. Матрица полезностей для рассматриваемой моделиСобытие4165503,625566014,714851576,154164618,965565143,154850334,316555647,528756304,637637740,766556756,508757397,187639297,496965503,628366014,717651576,156964618,968365143,157650334,3110955647,5213156304,6312037740,7610956756,5013157397,1812039297,491015503,622416014,713276576,151014618,962415143,153275334,311605647,523806304,635162740,761606756,503807397,185164297,492975503,624376014,715656576,152974618,964375143,155655334,314685647,526886304,638902740,764686756,506887397,188904297,494165503,621366014,712751576,154164618,961365143,152750334,316555647,522156304,634337740,766556756,502157397,184339297,496965503,623046014,714991576,156964618,963045143,154990334,3110955647,524796304,637857740,7610956756,504797397,187859297,491015503,621366014,711176576,151014618,961365143,151175334,311605647,522156304,631862740,761606756,502157397,181864297,492975503,623046014,712996576,152974618,963045143,152995334,314685647,524796304,634722740,764686756,504797397,184724297,493.2. Оптимальная стратегия с учетом позиции ЛПР к неопределенности конечного результата: традиционные критерииВыбор на основе максиминного критерия (ММ – критерий). Целевая функция максиминного критерия: ZMMmaxjKj, где Kj=miniaij(здесь учтено, что для рассматриваемой модели матрица полезностей транспонирована). Соответствующие процедуры оптимизации решения в рамках этого критерия предполагают:введение дополнительной строки для матрицы полезностей;ее элементы (по столбцам) заполняются самым плохим показателем (самым малым значением прибыли для соответствующего решения);из всех таких показателей дополнительной строки определяется самый лучший ( самый большой по величине прибыли);соответствующее решение принимается в качестве наилучшего/оптимальногоРеализация указанных процедур представлена в таблице 3.3.Таблица 3.3. Выбор наилучшего решения на основе максиминного критерияСобытие4165503,65566014,74851576,14164619,05565143,14850334,36555647,58756304,67637740,86556756,58757397,27639297,56965503,68366014,77651576,16964619,08365143,17650334,310955647,513156304,612037740,810956756,513157397,212039297,51015503,62416014,73276576,11014619,02415143,13275334,31605647,53806304,65162740,81606756,53807397,25164297,52975503,64376014,75656576,12974619,04375143,15655334,34685647,56886304,68902740,84686756,56887397,28904297,54165503,61366014,72751576,14164619,01365143,12750334,36555647,52156304,64337740,86556756,52157397,24339297,56965503,63046014,74991576,16964619,03045143,14990334,310955647,54796304,67857740,810956756,54797397,27859297,51015503,61366014,71176576,11014619,01365143,11175334,31605647,52156304,61862740,81606756,52157397,21864297,52975503,63046014,72996576,12974619,03045143,12995334,34685647,54796304,64722740,84686756,54797397,24724297,5Kj1015503,61366014,71176576,11014619,01365143,11175334,3Наилучшее для ЛПР решение при использовании максиминного критерия – решение . Ближайшее, практически эквивалентное ему, альтернативное решение в рамках этого критерия – решение X5. Оба этих решения предпочитают более надежного поставщика относительно возможных потерь прибыли, обусловливаемых претензиями к качеству товара. Подчеркнем, что такой выбор сделан даже, несмотря на более дешевые поставки от другого поставщика. Выбор на основе оптимистического критерия (H – критерий). Целевая функция оптимистического критерия:ZH=maxjKj, гдеKj=maxiaijСоответствующие процедуры оптимизации решения в рамках этого критерия предполагают:введение дополнительной строки для матрицы полезностей;ее элементы (по столбцам) заполняются самым хорошим показателем (самым большим значением прибыли для соответствующего решения);из всех таких показателей дополнительной строки определяется самый лучший (самый большой по всей величине прибыли);соответствующее решение принимается в качестве наилучшего. Реализация указанных процедур представлена в таблице 3.4. Таблица 3.4. Выбор наилучшего решения на основе оптимистического критерияСобытие4165503,65566014,74851576,14164619,05565143,14850334,36555647,58756304,67637740,86556756,58757397,27639297,56965503,68366014,77651576,16964619,08365143,17650334,310955647,513156304,612037740,810956756,513157397,212039297,51015503,62416014,73276576,11014619,02415143,13275334,31605647,53806304,65162740,81606756,53807397,25164297,52975503,64376014,75656576,12974619,04375143,15655334,34685647,56886304,68902740,84686756,56887397,28904297,54165503,61366014,72751576,14164619,01365143,12750334,36555647,52156304,64337740,86556756,52157397,24339297,56965503,63046014,74991576,16964619,03045143,14990334,310955647,54796304,67857740,810956756,54797397,27859297,51015503,61366014,71176576,11014619,01365143,11175334,31605647,52156304,61862740,81606756,52157397,21864297,52975503,63046014,72996576,12974619,03045143,12995334,34685647,54796304,64722740,84686756,54797397,24724297,5Кj10955647,513156304,612037740,810956756,513157397,212039297,5Наилучшее для ЛПР решение при использовании критерия оптимизма – решение X5. Практически эквивалентным ему в рамках этого критерия можно считать решение X2. Оба эти решения ориентируют ЛПР на поставщика, для которого затраты на поставки и стоимость товара будут наименьшими. Это, - несмотря на возможные более значительные издержки из-за качества товара, которые в рамках этого критерия в расчет не принимаются. Другими словами, неявно подразумевается, что выбирая такой критерий ЛПР, рассчитывает именно на благоприятный исход.Особенностью выбора по оптимистическому критерию является следующее. Выбираемое этим критерием решение обеспечивает самый большой из возможных результат прибыли. Но реализация такого результата предполагает соответствующую реализацию только наиболее благоприятного случайного события из полной группы событий. Разумеется, делая ставку на такое отдельное случайное событие в рамках этого критерия (в нашем случае это было событие θ4) ЛПР может значительно потерять в прибыли при возможных ее неблагоприятных реализациях применительно ко многим ко многим другим случайным при других решениях. Выбирая такой критерий ЛПР, как бы считает, что наступит именно благоприятное событие. Выбор на основе нейтрального критерия (N – критерий). Целевая функция нейтрального критерия:ZN=maxjKj, гдеKj1ni=1naijСоответствующие процедуры оптимизации решения в рамках этого критерия предполагают:введение дополнительной строки для матрицы полезностей;ее элементы (по столбцам) заполняются средним арифметическим показателем (средним значением прибыли для соответствующего решения в соответствующем столбце матрицы);из всех таких показателей дополнительной строки определяется самый лучший (самый большой по средней величине прибыли);соответствующее решение принимается в качестве наилучшего.Реализация указанных процедур представлена в таблице 3.5. Таблица 3.5. Выбор наилучшего решения на основе нейтрального критерияСобытие4165503,65566014,74851576,14164619,05565143,14850334,36555647,58756304,67637740,86556756,58757397,27639297,56965503,68366014,77651576,16964619,08365143,17650334,310955647,513156304,612037740,810956756,513157397,212039297,51015503,62416014,73276576,11014619,02415143,13275334,31605647,53806304,65162740,81606756,53807397,25164297,52975503,64376014,75656576,12974619,04375143,15655334,34685647,56886304,68902740,84686756,56887397,28904297,54165503,61366014,72751576,14164619,01365143,12750334,36555647,52156304,64337740,86556756,52157397,24339297,56965503,63046014,74991576,16964619,03045143,14990334,310955647,54796304,67857740,810956756,54797397,27859297,51015503,61366014,71176576,11014619,01365143,11175334,31605647,52156304,61862740,81606756,52157397,21864297,52975503,63046014,72996576,12974619,03045143,12995334,34685647,54796304,64722740,84686756,54797397,24724297,5Кj4865575,64753659,75367158,54865687,74753770,25367315,9Наилучшим для ЛПР решение при использовании нейтрального критерия – решение X6. Кроме того, практически эквивалентным ему будет решение X3. Кстати, и для остальных анализируемых решений соответствующие показатели критерия дают, весьма, близкие результаты. Особенностью нейтрального критерия является то, что выбираемое этим критерием решение обеспечивает самый большой ожидаемый конечный экономический результат, в среднем, при большом числе реализаций эксперимента (каковы бы не были реализации случайных событий из полной группы событий в каждом отдельном эксперименте). Однако при этом неявно предполагается, что при использовании такого критерия ЛПР, - с одной стороны, планирует повторять соответствующую операцию бизнеса многократно;а с другой стороны, считает (или соответственно принимает в рамках модели), что случайные события, формализующие полную группу - равновероятны.Выбор на основе критерия Сэвиджа (S – критерий). Целевая функция критерия Сэвиджа: Zs=minjKj, где Kj=maxilij;lij=maxjaij-aij(здесь учтено, что матрица полезностей для анализируемой модели транспонирована).Процедуры оптимизации решения в рамках этого критерия предполагают сначала построение специальной вспомогательной матрицы, называемой в теории матрицей рисков или матрицей потерь. А именно, ее элементы, как раз, и определяются приведенными выше формулами для lij. Эти элементы характеризует соответствующие потери в прибыли относительно идеальной или утопической ситуации, условно предполагающей, что ЛПР всегда будет «знать»/ «угадывать», какая именно из ситуаций полной группы событий будет реализована.Дальнейшие процедуры нахождения наилучшего/оптимального решения в рамках этого критерия (после построения указанной матрицы рисков или потерь) предусматривают:введение дополнительной строки для матрицы потерь;ее элементы (по столбцам) заполняются самым худшим показателем (наибольшим значением случайных событий формализованной полной группы событий);из всех таких показателей дополнительной строки определяется самый лучший (самый меньший по величине потерь в прибыли);соответствующее решение принимается в качестве наилучшего.Реализация указанных процедур представлена в таблице 3.6.Таблица 3.6. Матрица потерь для выбора наилучшего решения по критерию СэвиджаСобытие1400511,090,00714438,561401395,75871,56715680,402200657,110,001118563,862199548,12-1092,561117007,141400511,090,00714438,561401395,75871,56715680,402201749,671092,561119656,422200640,680,001118099,692261072,53860561,440,002261957,19861433,001241,843558649,971357992,861556,733557540,991356900,310,002681072,531280561,440,002681957,191281433,001241,844218649,972017992,861556,734217540,992016900,310,000,002799488,911413927,47884,672800360,471415169,311108,994400451,882219015,740,004399359,322217459,010,003919488,911973927,47884,673920360,471975169,311108,996160451,883099015,740,006159359,323097459,01350511,090,00189438,56351395,75871,56190680,40551749,671092,56294656,42550640,680,00293099,6970511,090,0049438,5671395,75871,5650680,40111749,671092,5674656,42110640,680,0073099,69К4218649,976160451,883099015,744217540,996159359,323097459,01Наилучшее для ЛПР решение при использовании критерия Сэвиджа решение X6. Достойной альтернативой ему в рамках этого критерия оказывается только решение X3. Подчеркнем, что оба эти решения базируются на стратегии диверсификации поставок между анализируемыми поставщиками.Наилучшее решение по этому критерию предполагает (в отличие от рассмотренных ранее критериев) именно диверсификацию поставок между анализируемыми поставщиками. Как видим, стратегия, стратегия дает наилучший гарантированный результат в соответствующем контексте (для величины потерь прибыли) именно при стратегии предполагающей диверсификацию рисков таких потерь. Кроме того, из теории принятия решений в условиях неопределенности хорошо известно, что особенностью критерия Сэвиджа также является следующее. Линии уровня указанного критерия «нацелены» или «ориентированы» на утопическую точку поля полезностей, которой соответствует наибольшие значения прибылей/выручки применительно к каждому из возможных случайных событий, влияющих на экономический результат. В частности, в связи с этим отдельно обратим внимание на то, что наилучшее решение по этому критерию, как видно из этого примера, предполагает не просто диверсификацию поставок между анализируемыми поставщиками, но и ориентирует при этом ЛПР на более оптимистический сценарий реализации спроса на товар. Выбор на основе критерия Гурвица (HW – критерий). Целевая функция критерия Гурвица: ZN=maxjKj, гдеKj=c∙miniaij+(1-c)∙maxiaijc – соответствующий «весовой» коэффициент, принимающий значения c∈[0;1], причем выбор коэффициента c реализует ЛПР.Напомним, что в рамках рассматриваемой модели оптимальное решение ищется по транспонированной матрице полезностей.