Организация логистического сервиса на предприятии

     Доступность означает наличие товаров для  бесперебойного снабжения запросов клиентов в электроинструментах, тем более что при анализе логистического сервиса было выявлено периодическое отсутствие номенклатурных позиций предлагаемой продукции. Согласно традиционной модели, чем выше уровень доступности товаров, тем большего размера инвестиций это просит [30]. Совершенствование технологий должно открыть ООО «Березовский ремонтно-механический завод» новые пути для обеспечения высокой доступности товаров без сопутствующих огромных капиталовложений.

     Показатель  функциональности определяется временем, проходящим от момента получения заказа до его реализации, то есть доставки средств или продуктов конечным потребителям. Этот общий показатель складывается из двух частей: скорости и бесперебойности поставок. С данным показателем у фирмы проблем практически не возникает, но на достигнутом останавливаться нельзя.

     Надежность  сервиса представляет собой качественную характеристику логистики [29]. Надежность сервиса в решающей степени будет  зависеть от того, имеются ли у организации  четкие измерители доступности товаров и функциональности реализации заказов. Для того чтобы система логистической индустрии пребывала в постоянной готовности к ублажению запросов клиентов, руководитель ООО «Березовский ремонтно-механический завод» просто обязан придерживаться политики непрерывных усовершенствований.

     Таким образом, качество логистического сервиса  достигается совершенно непросто: это  плод тщательного планирования, подкрепленного профессиональной подготовкой кадров, всеобъемлющей системой оценки итогов и постоянными переменами к лучшему. Для повышения уровня обслуживания организация обязана устанавливать для себя цели на избирательной базе.  

      3.2 Метод Монте- Карло, применяемый для повышения эффективности функционирования логистического обеспечения сервисного обслуживания. 

     В качестве экономико-математического метода, применяемого для совершенствования системы логистического сервиса целесообразно рассмотреть теорию массового обслуживания [27].

     Теория  массового обслуживания (теория очередей) — раздел теории вероятностей, целью  исследований которого является рациональный выбор структуры системы обслуживания и процесса обслуживания на основе изучения потоков требований на обслуживание, поступающих в систему и выходящие из неё, длительности ожидания и длины очередей. В теории массового обслуживания используются методы теории вероятностей и математической статистики.

     В реальных условиях функционирования СМО  имеются переходные режимы, а входящие и исходящие потоки требований являются далеко не простейшими. В этих условиях для оценки качества функционирования систем обслуживания широко используют метод статистических испытаний (метод Монте-Карло). Основой решения задачи исследования функционирования СМО в реальных условиях является статистическое моделирование входящего потока требований и процесса их обслуживания (исходящего потока требований)

     Cуть  математического моделирования  системы заключается в следующем. 

     Время функционирования системы разделяется  на достаточно большое количество подинтервалов (единиц времени, в течение которых не может возникнуть более одной заявки или завершиться выполнение более одной заявки). Для каждого такого подинтервала последовательно моделируется факт появления новой заявки (да/нет), проверяется наличие свободного канала (закончено ли обслуживание какой-то заявки) и загрузка его заявкой из очереди, проверяется наличие мест в очереди с последующим выводом (принять в очередь/отказать в обслуживании) и т.д. При этом фиксируется число отказов, время ожидания заявок в очереди и в системе вообще, число заявок в очереди в каждый момент и другие значения, которые позволяют найти вероятность отказа, распределение времени ожидания и среднее время, вероятность простоя каналов и т.п. Для надежности выводов такое разовое моделирование повторяется достаточно много раз.

     Предположим, что мы имеем дело именно с ситуацией  обслуживания очереди клиентов. Эта  очередь единая для всех клиентов, и обслуживаются они по принципу «первым пришел - первым обслужен». Как правило, клиенты приходят не через строго определенные интервалы. Если в среднем за час придут 10 клиентов, или 1 клиент за 6 минут, то это, разумеется не означает, что каждые 6 минут обязательно появляется по одному клиенту. Разность между моментами прихода двух последовательных клиентов (между моментами поступления) называется интервалом между поступлениями. Это - случайная величина, не зависящая от длины очереди.

     Для моделирования моментов поступления  клиентов можно использовать персональный компьютер. Метод, при помощи которого генерируются эти случайные величины, называется методом Монте-Карло. Продемонстрируем его на следующем примере. Если известно, что каждые 9 минут в среднем приходит один клиент, то в течение любого заданного одноминутного интервала клиент может появиться приблизительно с вероятностью 1/9. Таким образом, каждую «минуту» компьютер будет выбирать случайное число между 0 и 1 и проверяет, меньше ли оно 1/9. Если да, то клиент пришел, в противном случае - клиента нет.

     Вот как выглядит распечатка первых нескольких минут моделируемого процесса:

     Скорость  поступления: 0,1111111119389534 в минуту

     модельное     случайное         поступление      момент

     время (мин)       число                клиента       поступления

      1             0.76220703125                   нет                   -

      2             0.3424150943756104         нет                   -

      3             0.9162242412567139         нет                   -

      4             0.978459894657135           нет                  -

      5             0.6523157954216003         нет                   -

      6             0,06862707436084747        да                   6

      7             0.8035545349121094          нет                   -

      8             0,08611187338829041        да                    8

      9             0.4938203990459442          нет                   -

      10            0.53358393907547             нет                   -

      11            0.1215629428625107          нет                  -

      12            0.1725479662418365          нет                  -

      13            0,05933886021375656        да                 13

      14            0.2847020924091339          нет                   -

      15            0.7789624929428101          нет                   -

     16             0.3894879817962646          нет                  -

      17            0.8982417583465576          нет                  -

      18            0.7726916074752808          нет                  -

      19            0.2985906898975372           нет                 -

      20            0.4475544393062592           нет                 -

      21            0.7958195209503174           нет                 -

      22            0.8348936438560486           нет                  -

     Общее число клиентов получилось равным 3.

              ┌──────────────────────────────────┐

              │ Ввести начальные установки       │

              │ в модель                         │

              │ Интервал времени между           │

              │ поступлениями  В=9               │

              │ Общее время моделирования  Т=22   │

              └──────────────┬───────────────────┘

              ┌──────────────┴───────────────────┐

              │ Рассчитать скорость поступления   │

              │ клиентов (в минуту) САR=1/9=0,11 │

              └──────────────┬───────────────────┘

              ┌──────────────┴───────────────────┐

              │ Исходное количество клиентов     │

              │ (или очереди на обслуживание)    │

              │  К=О                             │

              └──────────────┬───────────────────┘

              ┌──────────────┴───────────────────┐

              │ Начало отсчета модельного        │

              │ времени  I=1                     │

              └───────────────┬──────────────────┘

      ┌────── ┌───────────────┴──────────────────┐

      │       │ Генерирование  случайных          │

      *       │ чисел с  помощью датчика          │

    * В *     │ RND                              │

     * *      └───────────────┬──────────────────┘

              ┌───────────────┴──────────────────┐

              │ Печать модельного времени  и      │

              │ значений датчика случайных       │

              │ чисел                            │

              └──────────────┬───────────────────┘

                             │

                            Если

            нет         значение RND

        ┌─────────  будет меньше  скорости

        │                поступления

        │                  RND<CAR

        │                     │  да

        *     ┌───────────────┴──────────────────┐

      * D *   │ Печать момента поступления       │

       * *    │ клиента   I                      │

              └───────────────┬──────────────────┘

              ┌───────────────┴──────────────────┐

       *      │ Увеличение счетчика  клиентов     │

    * D *    │ (подсчет числа обслуженных       │

      * *     │ клиентов)  к=к+1                 │

       │      └───────────────┬──────────────────┘

       └──────────────────

     *      нет           Закончилось

   * B *─────────────      ли время

    * *                  моделирования

                              │  да

              ┌───────────────┴──────────────────┐

              │ Печать общего числа обслуженных   │

              │ клиентов (или величины очереди   │

              │ на обслуживание)                 │