Логистика и её сущность (стр. 5 из 8)

Показатель Н=У/Х называется пропускной способностью системы.

Особенность логистической кибернетической системы это способность изменять свое движение, переходить в разные состояния под влиянием различных управляющих воздействий. Всегда существует некоторое множество движений, из которых производится выбор предпочтительного движения. Где нет выбора, там нет и не может быть управления.

Таким образом, логистические (управляемые) системы рассматриваются не в статическом состоянии, а в движении и развитии, что коренным образом изменяет подход к их изучению и в ряде случаев позволяет вскрыть закономерности, установить факты, которые иначе оказались бы невыявленными. Устойчивость как функциональное свойство логистических систем, имеющее решающее значение для оценки работоспособности систем было бы невозможным без уяснения динамики происходящих в них процессов.

1.4. Классификация моделей логистической системы.

Объектом изучения логистики являются материальные и соответствующие им финансовые информационные потоки. Эти потоки на своем пути от первичного источника сырья до конечного потребителя проходят различные производственные, транспортные, складские звенья. При традиционном подходе задачи по управлению материальными потоками в каждом звене решаются, в значительной степени, обособленно. Отдельные звенья представляют при этом так называемые закрытые системы, изолированные от систем своих партнеров технически, технологически и методологически.

Широкое применение в логистике имеют различные методы моделирования, т.е. не следования логистических систем и процессов путем построения и изучения их моделей. При этом под логистической моделью понимается любой образ, абстрактный или материальный, логистического процесса или логистической системы, используемый в качестве их заместителя. Основная цель моделирования- прогноз поведения системы. Ключевой вопрос моделирования «что будет, если…?»

Классификация различных способов моделирования, а также характеристика имитационного моделирования- широко применяемый способ исследования логистических систем. Моделирование основывается на подобии систем или процессов которое может быть полным или частичным. Степень полноты подобия логистических моделей моделируемым объектам- существенная характеристика любой модели- выбрана первым признаком классификации. По этому признаку все модели можно разделить на изоморфные и гомоморфные.

Рис. 3. Классификация моделей логистических систем

Изоморфные модели – это модели, включающие все характеристики объекта-оригинала, способные, по существу, заменить его. Если можно создать и наблюдать изоморфную модель, то наши знания о реактивном объекте будут точными. В этом случае мы сможем точно предсказать поведение объекта.

Гомоморфные модели. В их основе лежит искомое подобие модели изучаемому объекту, частичное подобие. При этом некоторые стороны функционирования реального объекта не моделируются совсем. В результате упрощается построение модели и интерпретация результатов исследования. При моделировании логистических систем абсолютное подобие не имеет места.

Следующим признаком классификации является материальность модели. В соответствии с этим признаком все модели можно разделить на материальные и абстрактные.

Материальные модели воспроизводят основные геометрические, физические, динамические и функциональные характеристики изучаемого явления или объекта. К этой категории относятся, в частности, уменьшенные макеты предприятий оптовой торговли, позволяющие решить вопросы оптимального размещения оборудования и организации грузовых потоков.

Абстрактное моделирование часто является единственным способом моделирования в логистике. Ее подразделяют на символическое и математическое.

К символическим моделям относят языковые и знаковые.

Языковые модели – это словесные модели; в основе которых лежит набор слов (словарь), очищенный от неоднозначности. Этот словарь называется «тезаурус». В нем каждому слову может соответствовать лишь единственное понятие, в то время как в обычном словаре одному слову могут соответствовать несколько понятий.

Знаковые модели. Если ввести условное обозначение отдельных понятий, т.е. знаки, а также договориться об операциях между этими знаками, то можно дать символическое описание объекта.

Математическим моделированием называют процесс установления соответствия данному реальному объекту некоторого математического объекта, называемого математической моделью. В логистике широко применяются два вида математического моделирования: аналитическое и имитационное. Аналитическое моделирование – это математический прием исследования логистических систем, позволяющий получить точные решения.

Аналитическое моделирование осуществляется в следующей последовательности:

Первый этап. Формулируются математические законы, связывающие объекты системы. Эти законы записываются в виде некоторых функциональных соотношений (алгебраических, дифференциальных).

Второй этап. Решение уравнений, получение теоретических результатов.

Третий этап. Сопоставление полученных теоретических результатов с практикой (проверка на адекватность).

Наиболее полное исследование процесса функционирования можно провести если известны явные зависимости, связывающие искомые характеристики с начальными условиями, параметрами и переменными системы. Однако такие зависимости удается получить только для сравнительно простых систем. При усложнении системы исследование их аналитическими методами наталкивается на определенные трудности, что является существенным недостатком метода. В этом случае, чтобы использовать аналитический метод, необходимо существенно упростить первоначальную модель, чтобы иметь возможность изучить хотя бы общие свойства системы.

К достоинствам аналитического моделирования относят большую силу обобщения и многократность использования.

Другим видом математического моделирования является имитационное моделирование. Этот метод широко применяется при исследовании логистических систем. Как уже отмечалось, логистические системы функционируют в условиях неопределенности окружающей среды. При управлении материальными потоками должны учитываться факторы, многие из которых носят случайный характер. В этих условиях создание аналитической модели, устанавливающей четкие количественные соотношения между различными составляющими логистических процессов, может оказаться либо невозможным, либо слишком дорогим.

При имитационном моделировании закономерности, определяющие характер количественных отношений внутри логистических процессов, остаются непознанными. В этом плане логистический процесс остается для экспериментатора «черным ящиком».

Процесс работы с имитационной моделью, в первом приближении, можно сравнивать с настройкой телевизора рядовым телезрителем, не имеющим представления о принципах работы этого аппарата. Телезритель просто вращает разные ручки, добиваясь четкого изображения, не имея при этом представления о том, что происходит внутри «черного ящика».

Точно также экспериментатор «вращает ручки» имитационной модели, меняя при этом условия протекания процесса и наблюдая полученный результат. Определение условий, при которых результат удовлетворяет требованиям, является целью работы и имитационной моделью.

Имитационное моделирование включает в себя два основных процесса: первый – конструирование модели реальной системы; второй – постановка экспериментов на этой модели.

При этом могут преследоваться следующие цели: а) понять поведение логистической системы; б) выбрать стратегию, обеспечивающую наиболее эффективное функционирование логистической системы.

Как правило, имитационное моделирование осуществляется с помощью компьютеров.

Условия, при которых рекомендуется применять имитационное моделирование, приведены в работе Р.Шеккона «Имитационное моделирование систем – наука и искусство». Основными из них являются.

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

2. Аналитические модели имеются, но процедуры столь сложны и трудоемки, что имитационное моделирование даст более простой способ решения задачи.

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

Таким образом, основным достоинством имитационного моделирования является то, что этим методом можно решать более сложные задачи. Имитационные модели позволяют достаточно просто учитывать случайные воздействия и другие факторы, которые создают трудности при аналитическом исследовании.

При имитационном моделировании производится процесс функционирования системы во времени. Причем имитируются элементарные явления, составляющие процесс с сокращением их логистической структуры и последовательности протекания во времени. Модели не решают, а определяют прогон программы с заданными параметрами, меняя параметры, осуществляя прогон за прогоном.

Имитационное моделирование имеет ряд существенных недостатков, которые также необходимо учитывать:

1. Исследования с помощью этого метода обходятся дорого.

Причины:

- для построения модели и экспериментирования над ней необходим высококвалифицированный специалист-программист;

- необходимо большое количество машинного времени, поскольку метод основывается на статистических испытаниях и требует многочисленных прогонов программ;

- модели разрабатываются для конкретных условий и, как правило, не тиражируются.