Использование гибридной моделей для решения задач логистики в автомобильном бизнесе.

 

Аксенов Константин Александрович,

кандидат технических наук, заместитель декана по НИРС ГОУ ВПО УГТУ-УПИ, Радиотехнический институт – РТФ,

Попов Алексей Витальевич,

аспирант ГОУ ВПО УГТУ-УПИ,

Радиотехнический институт – РТФ, кафедра АСУ,

специалист по бизнес-процессам ООО «Мирай-Авто».

 

Кому и зачем нужна логистика?

 

Целью работы любого предприятия является получение прибыли, и её увеличение в каждый последующий момент времени. В настоящее время рынок насыщен поставщиками товаров и услуг, что значительно увеличило конкуренцию и создало у компаний на рынке потребность в поисках новых методов привлечения покупателей к собственной продукции. На сегодняшний день компании проводят различные акции, распродажи, предлагают скидки на продукцию и услуги, чтобы увеличить товарооборот. При этом уменьшении конечной цены рентабельность продаж стала неуклонно падать. Предприятия стали предпринимать попытки уменьшить себестоимость товаров и услуг, чтобы сохранить прибыльность бизнеса. Первоначально усилия фирм были направлены в основном на снижение производственной себестоимости. В настоящее время, когда предложение повсеместно стало превышать спрос, предприниматели начали признавать также важность обеспечения сбыта за счет снижения транспортных и складских издержек и современные методики и технологии управления стали основным инструментом для достижения данной цели.

Новые принципы организации и управления, основанные на концептуальных подходах и методе мышления, объединяемых общим понятием "логистика", все в большей степени и с успехом применяются на практике наиболее эффективно функционирующими предприятиями, транспортными компаниями, фирмами и объединениями.

Логистика – наука об управлении и материальными потоками в процессе движения товаров. Использование научного подхода, методов статистического, имитационного и вероятностного анализа для принятия управленческих решений становится необходимым на данном этапе развития общества, причем вне зависимости от географического местоположения, будь то Россия, Европа или США.

 

Автомобильный бизнес.

 

В настоящий момент автомобильный бизнес развивается в России очень высокими темпами. Темы роста продаж автомобилей за 2006 год уже достигают 70-80% по сравнению с предыдущим 2006 годом (по данным РБК). При таком бурном росте для успешного развития и в дальнейшем удержания позиций в данном сегменте бизнеса ощущается дефицит адекватных продуктов, позволяющих использовать компьютерные технологий и последние достижения в области поддержки принятия решений и оптимизации процессов компаний.

В данной статье рассматривается вопрос оптимизации логистических процессов компании, а также использования информационных технологий для решения задач в этой области. В автомобильном бизнесе можно выделить два основных направления, согласно которым подразделяются все бизнес-процессы компании, а также определить основные блоки задач логистики:

1.                  Продажа автомобилей

a.                  Планирование спроса на автомобили на основании статистики и внешних факторов;

b.                  Планирование логистики автомобилей: доставка, складирование, распределение между салонами, предпродажная подготовка;

c.                  Планирование центров сбыта и сервиса в определенных городах и регионах, и как следствие ­ окупаемость проектов по расширению бизнеса.

2.                  Продажа услуг автосервиса

a.                  Управление очередью в автосервис;

b.                  Составление графиков работы постов сервиса, с целью согласованности работ и общим уменьшением времени обслуживания клиента;

c.                  Планирование закупки автозапчастей под потребности автосервиса, а также заполнение склада с учетом статистики и сезонности, складская логистика;

d.                 Управление движением транспорта внутри автосервиса.

Решение задачи для типовых автомобильных салонов и сервисов состоит из следующих этапов:

-                         разработка пакета математических моделей процессов логистики для прогнозирования работы автомобильного салона;

-                         создание на базе разработанных моделей программного комплекса для оптимизации процессов логистики отдельных бизнес-процессов, автосалона, группы автосалонов в целом;

-                         создание модуля прогнозирования работы автосалона в зависимости от внешних факторов;

-                         создание модуля поддержки принятия решения для каждого уровня оперативного управления.

В качестве исходных данных для определения характеристик логистического процесса были использованы статистические данные, характеризующие спрос, в зависимости от времени года, а также данные по фактическим срокам доставки продукции (автомобилей, автозапчастей, дополнительного оборудования) характеризующие поведение модели и определяющие работу автосалона в каждом отдельном городе. На рисунке 1 представлены данные о фактическом объеме продаж (точки) и средний объем продаж (линия) в зависимости от месяца года.

 

Рисунок 1.

Сезонность спроса и объема продаж.

 

На сегодняшний день существуют различные методы оптимизации логистических процессов компаний, среди них: численные методы, методы моделирования, экспертные системы, каждый из методов имеет свои преимущества и недостатки, функциональную область, на которой он наиболее эффективен.

 

Методы оптимизации решений в области логистики.

 

Для оценки возможности и эффективности использования методов, необходимо определить набор параметров (критериев оценки), критичных для данной предметной области и области решения задач логистики в целом:

1.                  Область применимости метода

Одним из основных критериев выделяется область применимости метода для решения поставленных задач, при этом следует дифференцировать данный критерий, чтобы была возможность количественной и наглядной оценки каждого из рассматриваемых методов. В данном критерии целесообразно выделение следующих определений оценки:

·                    Локальная оптимизация – решение комплексных задач с использованием метода затруднительно.

·                    Комплексная оптимизация – с помощью метода можно описать и получить решение комплексной задачи оптимизации.

2.                  Высокая скорость работы метода

Критерий рассматривается именно как скорость работы алгоритмов оптимизации друг относительно друга.

3.                  Качество получаемого результата

Под качеством понимается: насколько оптимальным получается результат, здесь также следует выделить:

·                    Оптимальное решение

·                    Эффективное решение

4.                  Наличие математического аппарата для решения задачи

5.                  Простая реализация на ЭВМ

6.                  Возможность оценки развития ситуации во времени

7.                  Возможность использования вероятностных показателей

8.                  Применимость при решении задач большой размерности

Основными требованиями предъявляемой к модели системы для решения задач логистики в автомобильном бизнесе являются:

·                    Необходимость комплексной оптимизации модели компании;

·                    Необходимости решения задач большой размерности;

·                    Необходимость учитывать вероятностных характер процессов;

·                    Необходимость оценки развития ситуации во времени;

·                    Существование экспертных оценок в определенных бизнес-процессах и процессах выбора решений;

В таблице 1 представлена сравнительная характеристика использования численных методов, систем моделирования и экспертных систем. Как видно из таблицы, каждый из методов имеет свои преимущества и недостатки и ни один не позволяет решить комплексную задачу оптимизации логистических процессов. Для комплексной оптимизации логистических процессов компании подходят только методы моделирования, при этом они не позволяют решать задачи большой размерности в связи с ограниченностью скорости моделирования (аппаратные возможности ЭВМ).

 

Таблица 1.

Сравнение методов решения задач логистики.

Критерий	Численные методы	Экспертные системы	Моделирование
1. Область применимости метода
• Локальная оптимизация	+	+	Нет
• Комплексная оптимизация	Нет	+	+
2. Высокая скорость работы метода	+	+	Нет
3. Качество получаемого результата
• Оптимальное решение	+	+1	Нет
• Эффективное решение	Нет	+1	+
4. Наличие математического аппарата для решения задачи	+	+	+
5. Простая реализация на ЭВМ	+	Нет	Нет
6. Возможность оценки развития ситуации во времени	Нет	+	+
7. Возможность использования вероятностных показателей	Нет	+	+
8. Применимость при решении задач большой размерности	+	Нет	Нет

¹ качество результата зависит от знаний, находящихся в базе знаний модели.

 

Подробный анализ данных методов моделирования приведен в [2]. С точки зрения оптимизации логистических процессов наиболее адекватным оказывается мультиагентный подход, т.к. позволяет описать всех лиц, вовлеченных в бизнес процесс компании с их собственными целями и задачами, а также связями с другими лицами («агентами» в терминах метода).

В мультиагентных системах (MAC) множество автономных агентов действуют в интересах различных пользователей и взаимодействуют между собой в процессе решения определенных задач. Примерами таких задач являются: управление информационными потоками и сетями, управление воздушным движением, поиск информации в сети Интернет, электронная коммерция, обучение, электронные библиотеки, коллективное принятие многокритериальных управленческих решений и другие [1].

Главная черта MAC, отличающая их от других интеллектуальных систем, — взаимодействие между агентами. Взаимодействие означает установление двусторонних и многосторонних динамических отношений между субъектами. Оно является не только следствием деятельности агентов, но и необходимым условием формирования виртуальных сообществ. Взаимодействие — не просто связь между сосуществующими агентами, но и предпосылка для взаимных превращений самих агентов и отношений между ними [1].

Для того чтобы удовлетворить всем требованиями, предъявляемым к модели для решения задач логистики в автомобильном бизнесе необходимо совместное использование методов моделирования, экспертных систем, численных методов. С этой целью и для удовлетворения указанных выше задач была разработана гибридная модель моделирования логистических процессов на основе имитационного моделирования и численных методов.

За основу была взята динамическая модель процессов преобразования ресурсов, которая была получена Аксеновым К.А. и Клебановым Б.И. [3], а позднее модифицирована Аксеновым К.А. и Гончаровой Н.В. [2]. Схематично модель изображена на Рисунке 2 [3].

 

Рисунок 2.

Объекты агентной модели процесса преобразования ресурсов.

 

Отличительной особенностью новой гибридной модели является использование численных методов и теории систем массового обслуживания в процессе построения и моделирования информационной системы. Использование вышеперечисленных методов позволило осуществлять синтез новой системы, на основании ранее описанной в зависимости от различных показателей работы модели или сообщества агентов с целью получения оптимальных результатов. Была создана модель интеллектуального агента, управляющего процессом преобразования ресурсов и способного использовать численные методы нахождения оптимального решения определенного круга задач.

 

Рисунок 3.

Диаграмма вариантов использования.

 

При этом агент, помимо действий, представленных в работе [3], выполняет функции изменения самих процессов преобразования ресурсов, влияет на их работу, организует работу, как агентов, так и средств, участвующих в процессе преобразования ресурсов (рисунок 3).

 

Программный комплекс.

 

Программный комплекс представляет собой специализированную информационную систему. Структура комплекса представлена на рисунке 4. Программный комплекс принципиально разделен на четыре уровня:

·                    Уровень принятия решений

·                    Уровень обработки данных

·                    Уровень хранения и администрирования данных

·                    Уровень сбора данных

Использование различных систем и методов анализа информации на уровне «Обработка данных» позволяет получать различные эффективные варианты решений задач в рамках модели. Данных подход позволяет в дальнейшем расширять систему альтернативными системами анализа и обработки информации, что делает возможным дальнейшее развитие данной системы и использование новых научных методов для увеличения качества предлагаемых решений.

Программный комплекс разработан с использованием Microsoft Visual Studio 2005. В качестве базы данных используется Microsoft SQL Server 2005. Использование платформы .NET позволяет использование платформы в Internet приложениях, что в свою очередь позволяет использовать систему из любой точки Мира, где есть доступ в Internet.

 

Рисунок 4.

Структура программного комплекса.

 

На базе данного подхода был проведен ряд экспериментов на базовом предприятии автомобильной отрасли. Была построена модель компании «как есть», были построены основные бизнес-процессы, разработана система сообщений между агентами, разработаны возможные альтернативные поведения агентов в различных ситуациях. После проведения моделирования и оптимизации данной модели, полученные данные, были использованы для реального изменения процессов в компании. Результаты данной модернизации процессов нашли отражение в графиках на рисунках 5 и 6 (начиная с даты 01.11.2006). В области объема продаж был также достигнут очень важный результат: в результате оперативного принятия решений получилось «сгладить» эффект сезонности, в целом подняв уровень продаж, что является очень важным фактором для возможности планирования и развития бизнеса.

 

Рисунок 5.

Изменение объема продаж.

 

Рисунок 6.

Средняя загрузка сервиса.

 

Таким образом, можно подвести итоги использования данной системы и результатов совместного использования данных научных подходов на практике.

 

Результаты работы.

 

Использование разработанной гибридной модели позволило достичь следующих результатов по данным направлениям:

1.                  Продажа автомобилей

a.                  Интеллектуальная система заказа автомобилей на основании статистики спроса, сроков и качества доставки, позволила увеличить оборачиваемость склада автомобилей на 23%;

b.                  Использование системы в области заказа дополнительного оборудования позволило при небольших складских запасах увеличить спрос на автомобили в среднем на 6%;

c.                  Использование системы для управления спросом позволила оперативно принимать решения о необходимости рекламных акций с целью снижения сезонности спроса, что в целом позволило снизить колебания спроса в зависимости от времени года.

2.                  Продажа услуг автосервиса

a.                  Использование системы позволило управлять очередью в автосервис, а также оптимизировать использование рабочих мест (составление расписания работ по рабочим местам), что позволило увеличить загрузку сервиса в среднем на 43%, вследствие чего увеличилось качество обслуживания клиентов (скорость облуживания);

b.                  Интеллектуальная система заказа автозапчастей позволила осуществлять выбор поставщика в зависимости от реальной потребности (необходимой скорости доставки) и стоимости, что позволило уменьшить покупную стоимость запасных частей в среднем на 17% и снизить простои автосервиса по причине отсутствия запчастей в среднем на 64%;

c.                  Оптимизация движения автомобилей внутри сервиса позволила увеличить скорость работы сервиса в среднем на 4%.

 

Перспективы развития.

 

У многих компаний существует реальная потребность в формализации собственных бизнес-процессов и нахождении оптимальных решений для оптимизации собственного бизнеса. Перспективой развития созданной модели и информационной системы является накопление опыта в различных отраслях бизнеса и формирование лучших практик и методик взаимодействия и описания бизнес-процессов.

 

Литература.

 

1.                  Попов А.В., Аксенов К.А., Доросинский Л.Г. Использование мультиагентных систем (МАС) для решения задач логистики и распределения ресурсов // Научные труды международной научно-практической конференции «СВЯЗЬ-ПРОМ 2006» в рамках III Евро-Азиатского международного форума «СВЯЗЬ-ПРОМЭКСПО 2006». Екатеринбург: ЗАО «Компания Реал-Медиа», 2006. – С.306-308.

2.                  Аксенов К.А., Гончарова Н.В. Динамическое моделирование мультиагентных процессов преобразования ресурсов: монография / К.А. Аксенов, Н.В. Гончарова. Екатеринбург: ГОУ ВПО УГТУ-УПИ, 2006. 311 с.

3.                  Аксенов К.А., Гончарова Н.В., Смолий Е.Ф. Мультиагентный подход к процессам преобразования ресурсов // IX отчетная конференция молодых ученых ГОУ ВПО УГТУ-УПИ. - Екатеринбург, ГОУ ВПО УГТУ-УПИ, 2005. – 186-190 С.

 

Поступила в редакцию 30 декабря 2007 г.