Моделирование в логистике

          Математические модели в высшем своем проявлении способны на многое, но дать какую-то конкретную характеристику, по которой можно было бы отнести ту или иную модель к математическому типу затруднительно. Слишком громаден диапазон математического действия: от весьма абстрактных моделей в символьных переменных до серьезной проработки вычислительных аспектов. В зависимости от степени достижения результата при описании механизма протекания исследуемых процессов за счет применения математических методов, их можно условно декомпозировать на четыре группы: аналитические (цифровые), аналоговые, кибернетические и игровые. Можно лишний раз подчеркнуть относительность такой градации. Например, если аналитические, аналоговые и кибернетические модели вполне определенно можно отнести к математическим моделям, то игровые модели способны принимать почти нулевой математический уровень в так называемых "деловых играх" и становиться почти на сто процентов аналитическими при формализации конфликтных ситуаций с применением элементов теории игр.

     Но еще более сложный характер имеют имитационные модели (ИМ). И неудивительно, поскольку по названному признаку практически все классы, подклассы, виды, группы и разновидности абстрактных моделей можно считать имитацией реальной действительности. Для подтверждения правильности данного заключения можно сослаться на классическое определение сущности имитационного моделирования, которое представляется в виде "процесса формирования модели реальной системы и проведения на этой модели экспериментов в целях выявления свойств системы и определения возможных путей ее создания, совершенствования и (или) эффективного использования".

       Весь вопрос заключается лишь в установлении таких правил имитации, при соблюдении которых модель не станет ложной. Среди ученых "старого" поколения бытует соответствующее мнение, согласно которому "в процессе выбора системной модели следует учитывать различную степень их изученности и по возможности избегать использования моделей, не имеющих развитого математического аппарата". Если придерживаться их мнения, то можно считать, что риск "заболеть" неадекватностью отражения реальных процессов при имитационном моделировании будет тем меньше, чем больше будет использоваться соответствующий конкретной специфике математический аппарат. На данном основании имитационные модели можно условно разделить еще на три группы: аналитические, кибернетические и информационные.

      В попытке провести тонкую грань между указанными группами будем считать, что признаком аналитического имитационного моделировании являются те случаи, когда имитация структурного и функционального пространства моделируемой системы осуществляется на основе решения системы балансовых уравнений с помощью методов линейного, нелинейного, динамического, статистического и другого вида программирования.

     Однако отдавать пальму первенства аналитическим, аналоговым или кибернетическим моделям при имитации реальных процессов в логистике, видимо, не стоит, поскольку многочисленные исключения подтверждают другое правило. По нему "в сложных ситуациях только отдельные слагаемые общей проблемы поддаются аналитическим оценкам как из-за отсутствия пока необходимых зависимостей, так, и это, пожалуй, главное, из-за невозможности в ряде случаев ввести шкалу измерений, "имеющую смысл". Это свойство познания действительности образует множество видов информационных моделей, которые, неся в себе все основные признаки и правила построения имитационных моделей с опорой на формальный и неформальный аппарат анализа, становятся моделями синтетического порядка, способными в конечном итоге приобрести более высокую практическую ценность по сравнению с концептуальными и аналитическими моделями. 

          Но даже если информационная модель удовлетворяет всем описанным выше требованиям, объем получаемых от нее сведений становится настолько обширным, что их обработка может оказаться мало эффективной. Требуется дальнейшее совершенствование программных средств путем разработки рациональных процедур формирования и использования обобщенной информации. Такие системы поиска и обработки необходимых данных уже появились и стали широко использоваться в Интернете. Одна из них, получив название "ASK JEEVES" (сервис умного поиска), быстро завоевывает мир, а ее зачинатель (Стив Берковец) стал одним из наиболее процветающих бизнесменов США.

          Трудно себе представить, чтобы "сервис умного поиска" был вне рамок диалогового управления с оперативным определением функциональных и информационных связей между элементами логистической инфраструктуры. В противном случае, каким образом можно оперативно выработать и привязать оптимальные управляющие параметры к соответствующим горизонтам и фазам процесса управления? Возможность проведения итеративной диалоговой процедуры подразделяет информационные системы еще на две разновидности: диалоговые и простые, т.е. с выдачей для традиционного (без обратной связи) анализа таблиц и отношений. Здесь следует признать, что информационные модели бизнес-процесса А. Шеера, которые в последние годы все шире начинают применяться для решения логистических задач, как раз и можно отнести к диалоговым системам, имеющим элементы "ASK JEEVES".

       При более близком знакомстве с подобными информационными моделями можно обнаружить, что их устройство во многом основано на использовании символических моделей, разделяющихся в свою очередь на языковые и знаковые (телеологические). В основе языковых моделей лежит строго зафиксированный определенным машинным языком (FORSIM, GPSS, SIMULA, SIMSCRIPT, BOSS, SOL, DYNAMO, MIMIC, и др.) набор однозначных понятий, а в знаковых с помощью различных знаков (кванторов, предикатов, обозначений элементов из теории множеств и т.п.) отображается набор необходимых понятий, благодаря чему в отдельных символах дается описание какого-либо реального объекта.

      Можно сказать, что всевозможные реляционные языки и семантические сети, основанные на алгебре отношений в совокупности с быстро развивающимся аппаратом фреймов и слотов, расширяют возможности создания и идентификации средств представления элементов, связей и предметов логистической деятельности, что в конечном итоге способствует появлению и развитию "ASK JEEVES" в логистике. 

     Практически все обозначенные выше типы, группы и виды моделей можно структурировать по так называемым признакам функционального и иерархического порядков. В частности, по признаку целевого назначения модели разделяются на функциональные, структурные, организационные, управляющие, обеспечивающие, а также модели данных и модели выхода. По способам управления системой иногда в логистике используются так называемые модели "толкающего" и "тянущего" типов. Модель также может получить название от преобладающего вида моделируемого потока: товарная, финансовая, управления, ресурсов, продуктов и т.д. 

      Градация по степени обобщения объектов моделирования образует локальные, корпоративные, региональные, отраслевые, республиканские и другие виды моделей. Каждую из них можно декомпозировать в зависимости от специфики решаемых задач. Например, локальная операционная модель (ЛОМ) может быть предназначена для исследования проблем управления транспортом, финансами, ресурсами.

      Практически все области логистической деятельности пронизывает подсистема управления запасами (УЗ). Считаясь относительно молодой отраслью исследования операций, теория управления запасами уже располагает несколькими сотнями моделей, которые детально классифицируются по нескольким десяткам признаков. Приводить их в полном объеме имеет смысл лишь при создании компьютерной базы знаний по УЗ. Здесь достаточно ограничиться укрупненной классификацией, которая различает модели по: числу номенклатур; числу складов; характеру восполнения; характеру спроса; способу рассмотрения динамики; целевой функции; стратегии восполнения; способу контроля уровня запаса; учету недостач; задержке поставок

       Кроме того, в зависимости от характера изучаемых процессов все модели могут быть разделены на детерминированные и стохастические, статические и динамические, непрерывные и дискретные. Однако в указанном "чистом" виде логистические процессы, и, следовательно, модели, встречаются крайне редко, особенно в детерминированной, статической и непрерывной формах, что сопряжено, главным образом, с нестационарным и независимым характером спроса. Типология моделей в логистике производна от понятия "логистическая система", которое, как известно, в силу своей громадной концептуальной емкости и многообразия промежуточных форм существования в реальной практике окончательно не установлено. Аморфное представление о сущности и нюансах логистической деятельности не способствует созданию эффективного методологического инструментария в виде модельного ряда, учитывающего специфику и фазы существования объекта логистизации. С другой стороны, неразвитость аппарата моделирования в логистике тормозит развитие ее как науки. 
 

      Наиболее часто в логистике применяется имитационное моделирование. Имитационное моделирование – в нём закономерности, определяющие характер количественных отношений остаются непознанными, логистический процесс остаётся чёрным ящиком. Например, мы нажимает на кнопки телевизора, получая результат, не знаем, какие именно процессы происходят внутри его. 
 

Основные  процессы имитационного моделирования. 

1. Конструирование модели реальной системы.

   2. Постановка экспериментов на этой модели.

  Цели: понять поведение логистической системы; выбрать стратегию обеспечивающую наиболее эффективное функционирование логистической системы. Как правило, имитационное моделирование осуществляется с помощью компьютеров. Основные условия, при которых рекомендуется применять имитационное моделирование. 

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

    2. Аналитические модели имеются, но процедуру столь сложны и трудоёмки, что имитационное моделирование даёт более простой способ решения задач.

   3. Аналитические решения существуют, но их реализация не возможна вследствие недостаточной математической подготовки персонала.

Достоинством  имитационного моделирования является: 

   1. Этим методом можно решать более сложные задачи.

   2. Данные модели позволяют достаточно просто учитывать случайные воздействия и другие факторы, которые создают трудности при аналитическом исследовании.

   3. При имитационном моделировании воспроизводится процесс функционирования системы во времени.

    4. Сохраняется логическая структура. Недостатки имитационного моделирования.

           Недостатки: 

     1. Исследования с помощью этого метода обходятся дорого.

     2. Необходим высококвалифицированный специалист-програмист.

     3. Необходимо большое количество машинного времени.

     4. Модели разрабатываются для конкретных условий и не могут применяться для других похожих моделей.

     5. Велика возможность ложной имитации. Это может произойти даже при незначительных изменениях в реальных условиях.

      Описание имитационной модели можно завершить словами Р. Шеннона: «Разработка и применение имитационных моделей в большей степени искусство, чем наука. Следовательно, успех или неудача в большей степени зависит не от метода, а от того, как он применяется». 
 
 
 

Заключение

       Сейчас трудно указать область человеческой деятельности, где не применялось бы моделирование. Разработаны, например, модели производства автомобилей, выращивания пшеницы, функционирования отдельных органов человека, жизнедеятельности Азовского моря, последствий атомной войны.

        В перспективе для каждой системы могут быть созданы свои модели, перед реализацией каждого технического или организационного проекта должно проводиться моделирование. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

           Список  литературы. 

1. И. Черных. Моделирование электротехнических устройств в MATLAB, SimPowerSystems и Simulink. М.: ИД Питер, 2007.
2. С.П. Иглин .Теория вероятностей и математическая статистика на базе MATLAB. Харьков: НТУ "ХПИ", 2006.

3. С.Д.Штовба .Проектирование нечетких систем средствами MATLAB. М.: Горячая Линия - Телеком, 2007.
4. Р. Гонсалес, Р. Вудс, С. Эддинс Цифровая обработка изображений в среде MATLAB. М.: Техносфера, 2006.
5. Хайрулин С.А. Сертификация услуг товарного склада. Нормативные документы и комментарии. — М.: РИА «Стандарты и качество», 2002.
6. Миротин Л.Б., Некрасов А.Г., \"Логистика интегрированных цепочек поставок\": Учебник / Л.Б. Миротин, А.Г.Некрасов. М.: Издательство «Экзамен», 2003.
7. Гёттинг Барбара Международная производственная кооперация в промышленности: Роль логистики в усилении конкурентоспособности хозяйственных структур.
8. Интегрированная логистика накопительно-распределительных комплексов (склады, транспортные узлы, терминалы)\": Учебник для транспортных вузов. / Под общ. ред. Л.Б. Миротина. - М: Издательство «Экзамен», 2003. 
9. Миротин Л.Б. и др. \"Эффективность логистического управления\" Учебник для вузов / Под общ. ред. д. т. н., проф. Л.Б. Миротина. — М.: Издательство «Экзамен», 2004. — 448 с. (Серия «Учебник для вуза»).