Телефон: 8-800-350-22-65
WhatsApp: 8-800-350-22-65
Telegram: sibac
Прием заявок круглосуточно
График работы офиса: с 9.00 до 18.00 Нск (5.00 - 14.00 Мск)

Статья опубликована в рамках: XCV Международной научно-практической конференции «Научное сообщество студентов: МЕЖДИСЦИПЛИНАРНЫЕ ИССЛЕДОВАНИЯ» (Россия, г. Новосибирск, 18 июня 2020 г.)

Наука: Экономика

Секция: Менеджмент

Скачать книгу(-и): Сборник статей конференции

Библиографическое описание:
Евдокимова Д.С. ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ В СФЕРЕ УПРАВЛЕНИЯ ЗАПАСАМИ // Научное сообщество студентов: МЕЖДИСЦИПЛИНАРНЫЕ ИССЛЕДОВАНИЯ: сб. ст. по мат. XCV междунар. студ. науч.-практ. конф. № 12(95). URL: https://sibac.info/archive/meghdis/12(95).pdf (дата обращения: 14.07.2024)
Проголосовать за статью
Конференция завершена
Эта статья набрала 32 голоса
Дипломы участников
Диплом Выбор редакционной коллегии
Диплом Интернет-голосования

ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ В СФЕРЕ УПРАВЛЕНИЯ ЗАПАСАМИ

Евдокимова Дарья Сергеевна

студент, департамент логистики и управления цепями поставок, Научно-исследовательский университет «Высшая школа экономики»,

РФ, г. Санкт-Петербург

Маевский Александр Генрихович

SIMULATION MODELING IN INVENTORY MANAGEMENT

 

Daria Evdokimova

student, Department of Logistics and Supply Chain Management, National Research University “Higher School of Economics”,

Russia, Saint-Petersburg

 

АННОТАЦИЯ

В данной работе в качестве объекта исследования выступает имитационное моделирование в логистической сфере. Имитационное моделирование применяется, чтобы снизить риск провала внедряемой системы, минимизировать затраты и уменьшить время на ее тестирование, а также найти оптимальную стратегию управления запасами. Тема данной работы актуальна, так как большинство крупных компаний регулярно используют моделирование при внедрении новых систем или изменении параметров уже существующих.

ABSTRACT

Simulation modeling helps business to solve problems related to implantation new systems in inventory management. This method is very popular among the sphere of business because of the following factors: reducing costs and time for testing, optimization of parameters for key performance indicators and also it is vital for managers to analyzing the internal condition of inventory system.

 

Ключевые слова: имитационное моделирование; логистика; управление запасами; математическое моделирование; метод Монте-Карло; метод статистических испытаний; стратегии управления запасами.

Keywords: simulation modeling, logistics, inventory management, Monte-Carlo method; Monte-Carlo experiment; inventory management strategy.

 

Объектом исследования данной статьи является имитационное моделирование. Имитационное моделирование – раздел математического моделирования, которое широко используется многими бизнес-сферами, так как помогает на этапе прототипа реальной модели спрогнозировать будущее поведение и состояние системы, произвести анализ, дать оценку планируемому объекту и его функциональной составляющей, оценить будущие показатели эффективности. Моделирование – процесс построения, изучения и применения моделей. [1, c.17].

Моделирование широко используется для проверки различных систем, его используют для построения моделей и описания внутренних процессов так, как если бы они происходили в действительности. Результаты определяются случайным характером процессов, полученная система показывает множество возможных вариантов, в совокупности на основе которых можно сформировать устойчивые статистические данные. В основном имитационное моделирование применяют, когда необходимо оценить жизнеспособность, рассчитать эффективность, определить оптимальные параметры новой модели. Имитационное моделирование необходимо, когда реализация некоторой логистической модели слишком дорогостоящая, занимает много времени или для оптимизации конечных параметров внедряемой системы, когда они еще не определены.

Управление запасами является важнейшей логистической функцией, поэтому в данной области широко используются различные имитационные модели, которые можно условно разделить на три группы по области применения:

  1. дискретно-событийные модели, которые рассматривают процесс как часть непрерывного действия, применяются для анализа производственных процессов;
  2. модели системной динамики, которые определяют причинно-следственные связи;
  3. агентное моделирование, где используется автономная сущность, цель которой – определить общие «правила» системы.

Согласно источнику [2, c.75] имитационное моделирование на постоянной основе используют 34 % крупных корпораций в США, а чуть больше половины опрошенных компаний иногда прибегают к этому методу.

Нынешнее состояние мировой экономики довольно нестабильно, ситуация требует учитывать все больше и больше внешних параметров – потребность в использовании имитационного моделирования в качестве инструмента для прогнозирования возрастает.

Больше половины затрат на поддержание деятельности приходится на логистику, из них в среднем четверть от цены изделия – расходы на складирование, при этом по статистике в Америке средняя стоимость 1 квадратного метра склада составляет 70 долларов. Издержки, связанные с дефицитом материалов, включают в себя упущенную выгоду, а также штрафы за невыполнение обязательств – их доля в общих издержках варьируется в зависимости от масштаба предприятия. Очевидно, что уровень запасов должен быть оптимальным – не затоваривать складскую площадь и не предотвращать дефицитную ситуацию, чтобы снизить затраты на содержание запасов и общую сумму издержек на логистику.

Имитационное моделирование выступает отличным инструментов в планировании, оно помогает компаниям оптимизировать уровень складских запасов, используя только компьютер и программное обеспечение.

В логистике применение имитационных моделей обычно ассоциируется с методом статистических испытаний, методом Монте-Карло, помогающим изучить внутреннее поведение некоторой системы со стохастическими процессами. Суть этого метода заключается в многократном повторении расчетов по имеющимся параметрам модели для определения вероятностного значения и других числовых характеристик. Данный метод основан на генерации случайных величин с заданным коэффициентом вариации, (отображает степень изменчивости по отношению к среднему из выборки), и среднеквадратического отклонения (показатель рассеивания). Эти параметры позволяют использовать имитационное моделирование в таких моделях, где имеется лишь усредненные данные и полностью отсутствует статистика. Вторая область применения данной модели – нахождения наиболее эффективной из числа предложенных систем путем сопоставления полученных при имитационных экспериментах результатов.

Иногда имитационное моделирование используется для определения стратегии управления запасами, которые делятся на две группы: периодические и модели с критическим уровнем запаса. Первая позволяет осуществлять поставку с равными промежутками времени, а вторая – пополнять запасы до максимального уровня. [3, с. 52] С помощью имитационного моделирования можно определить среднее время выполнения цикла заказа или время обслуживания клиента в системе логистического сервиса, среднесуточный спрос на материальные ресурсы [2, с.107], количество дней и размер дефицита.

Протестировав различные прототипы внедряемой стратегии управления запасами, сопоставив параметры дефицита, среднего уровня запаса и коэффициента обслуживания, можно принять решение о внедрении наиболее эффективной при заданных условиях. Для решения некоторых задач, возникающих при управлении запасами, связанных с пополнением уровня складских запасов или расходованием материалов, нужно выполнить некоторые шаги: определить среднее значение потребления, стандартное отклонение и коэффициент вариации, затем определить те же показатели по периоду между поставками. Далее определяется закон распределения по коэффициенту вариации (нормальный, экспоненциальный, гамма и т.д.), с помощью встроенной функции в MS Excel можно смоделировать случайную величину спроса и интервала между поставками, на основе полученных данных производится аналитика, выявляется узкое место в испытуемой системе управления запасами. [3, c. 42] На основе испытания принимается решение о внедрении данной системы или ее доработке.

В заключение, можно сделать вывод о том, что компании используют имитационное моделирование в нескольких ситуациях: например, когда предлагается новая стратегия управления запасами и необходимо дать ей какую-либо оценку, рассчитать параметры ее эффективности. Также этот метод используется тогда, когда необходимо сгенерировать статистические данные при известном распределении данных с заданными параметрами системы. Более того, при использовании метода Монте-Карло компания может оптимизировать уровень складских запасов – например, снизить их уровень без угрозы дефицита, тем самым выявить слабое место, снизить логистические издержки.

 

Список литературы:

  1. Вьюненко Л. Ф.  Имитационное моделирование : учебник и практикум для вузов / Л. Ф. Вьюненко, М. В. Михайлов, Т. Н. Первозванская ; под редакцией Л. Ф. Вьюненко. — Москва : Издательство Юрайт, 2020. — 283 с.
  2. Лукинский В. С.  Логистика и управление цепями поставок : учебник и практикум для среднего профессионального образования / В. С. Лукинский, В. В. Лукинский, Н. Г. Плетнева. — Москва : Издательство Юрайт, 2020. — 359 с.
  3. Лукинский В. С. Управление запасами в цепях поставок в 2 ч. Часть 2.  : учебник и практикум для бакалавриата и магистратуры / В. С. Лукинский [и др.] ; под общей редакцией В. С. Лукинского. — Москва : Издательство Юрайт, 2019. — 283 с.
Проголосовать за статью
Конференция завершена
Эта статья набрала 32 голоса
Дипломы участников
Диплом Выбор редакционной коллегии
Диплом Интернет-голосования

Оставить комментарий

Форма обратной связи о взаимодействии с сайтом
CAPTCHA
Этот вопрос задается для того, чтобы выяснить, являетесь ли Вы человеком или представляете из себя автоматическую спам-рассылку.