Опубликовано журнал: "Логистика сегодня" | #3, 2008 |
Автор Поднебенный Игорь Игоревич

Применение нейросетевой модели в логистическом контроллинге.



Аннотация: инструментарий логистического контроллинга еще окончательно не сформирован, постоянно появляются новые методы и технологии оценки логистической деятельности. Применение нейросетевой модели для оценки эффективности логистической деятельности в оперативном режиме – один из инструментов направленных на повышение качества контроллинга, ускорение реакции предприятий на внешние изменения.


Роль контроллинга в логистике.

Стабилизация многих рынков в России, их насыщение и замедление темпов роста, усиление конкурентной борьбы, постоянно подталкивают многие предприятия к поиску новых инструментов, позволяющих как можно более эффективно вести свою работу на рынке, противостоять внешним угрозам, искать и развивать собственные конкурентные преимущества.

Рассмотрение логистики в качестве фактора повышения конкурентоспособности предполагает, что последствия принимаемых решений в данной области должны поддаваться измерению в плане их воздействия на функциональные затраты и доходы предприятия. В связи с этим становится актуальной задача нахождения способа контроля издержек и показателей, наиболее корректно отражающих связь логистики с основными экономическими и финансовыми индикаторами деятельности предприятия. Логистика представляет собой определенную бизнес-концепцию, позволяющую оптимизировать ресурсы предприятия, связанные с управлением материальными и сопутствующими потоками. Как выяснилось, определить количественные параметры последствий логистических решений весьма сложно.

Для российских организаций одним из основных внутренних факторов неопределенности для принятия управленческих решений, в том числе и в области логистики, является неполная информация, как о текущем состоянии, так и о перспективах собственного бизнеса.

Решение этих проблем требует формирования новых подходов к управлению и инструментов, которые помогли бы модифицировать организационную и информационную структуры предприятия таким образом, чтобы чутко улавливать тенденции изменений и оперативно приспосабливаться к ним, используя во благо открывшиеся возможности. В качестве такой концепции можно использовать контроллинг.

Основные постулаты современной философии контроллинга, сформулированные российскими и зарубежными учеными, звучат следующим образом:

Преимущественно контроллинг используется для работы с финансовыми потоками, но в последнее время основные его принципы начинают все больше внедряться и в других областях и направлениях деятельности предприятий. Основная цель – выявление кризисных и проблемных зон, а также выработка решений позволяющих преодолеть сложившиеся негативные ситуации с оптимальным уровнем затрат.

Систему контроллинга логистических процессов предприятия можно представить в виде изображенном на рис.1.

Иллюстрация

На предприятии возможна оптимизация следующих направлений связанных с логистикой:

Следуя системному подходу, можно говорить о том, что все эти направления связаны между собой и имеют взаимное влияние. Упорядоченные через организационную структуру предприятия они подвергаются внешним воздействиям и некоторым образом на них откликаются. Эффективность работы предприятия, в таком случае, может определяться через эффективность организационной структуры, которая в различных состояниях своих составляющих (подразделениях, сотрудниках и т.д.) дает отклик на внешние воздействия.

Для оценки эффективности функционирования ЛС (логистической системы) и деятельности персонала логистического менеджмента предприятия необходимо наличие процедуры измерения результатов решений, принимаемых персоналом службы логистики. Измерение результатов управления логистикой обеспечивает обратную связь, необходимую для эффективного менеджмента. В этом смысле измерение результатов работы службы логистики имеет два аспекта:

  1. установление определенной системы мер (количественных и качественных показателей, критериев, шкал отношения и предпочтения);
  2. непосредственно измерение результата принятия управленческих решений.

Процедура логистического контроллинга очень похожа на контроль параметров в технических системах и процессах. Сам процесс контроллинга заключается в постоянном или периодическом сравнении заданных (базовых, стандартных) характеристик и параметров к текущим значениям этих параметров. Сложность такого сравнения для ЛС заключается в том, что многие показатели и характеристики (особенно относящиеся к логистическому сервису) носят качественный характер, а критерии принятия решений по управлению являются векторными./1/

Большинство предприятий пытается решать вопросы контроллинга путем внедрения новых информационных систем поддержки бизнеса, автоматизированных методов управления. Одной из составляющих современного контроллинга является серьезная поддержка со стороны КИС (корпоративной информационной системы). Оперативное получение качественной информации о состоянии дел может стать основой успеха. Информационные системы позволяют увеличить скорость передачи информации, быстро производить ее обработку-вычисление, выдавать информацию в наиболее приемлемом для пользователя виде (числовом, текстовом, графическом, в виде диаграмм и т.д.). Подобного рода системы позволяют руководителям и менеджерам предприятий решать как узкие локальные задачи, так и проводить глобальный аудит и оценку бизнеса.

Но, используя более сложные инструменты ведения бизнеса, предприятия тем самым усложняют себе жизнь: повышается риск, требуется новая и более сложная инфраструктура управления предприятием. Зачастую стоимость многих программных продуктов для бизнеса несоизмерима с теми результатами, которые получают предприятия от их внедрения.

Требования, предъявляемые к внедрению серьезных программных продуктов, заставляют предприятия перестраивать технологию своей работы, переобучать персонал, нанимать дополнительных специалистов. При этом очень часто ускользает от внимания основное назначение организации, ее основные функции начинают подменяться внутренней реорганизацией, которой и уделяется основное внимание руководства. Вопрос внедрения информационной системы управления и проходящая в связи с этим реорганизация работы коллектива предприятия несет в себе еще и множество психологических проблем. Эти проблемы, в основной своей массе, лежат в плоскости подготовленности кадров к предъявляемым внешней средой и уровнем технологии требованиям.

Автоматизированные методы управления несут в себе и негативные последствия:

Постепенное усложнение работы сотрудников, переподготовка и обучение персонала на постоянной основе, а также применение информационных систем и методов управления с разумно достаточным уровнем сложности, модульный подход к внедрению информационных систем могут позволить предприятию уйти от субституции (подмены) основных своих функций.

Существующие системы контроля и отчетности большинства предприятий постоянно усложняются и дополняются, что делает работу основной массы сотрудников направленной на создание отчетной документации для руководства. Отсутствие решения многих проблем руководители среднего звена зачастую обосновывают недостатком контрольных цифр и информации, при этом они не считаются с затратами на их получение. В основном это затраты временных и людских ресурсов. При этом, высвобождение ресурсов, прежде всего людских, возможно повышением эффективности работы подразделений за счет более качественного оперативного управления. Возможные варианты решения данного вопроса: 1) ввод дополнительных сотрудников – заместителей руководителей подразделений, которые смогут уделять достаточное время оперативному управлению вверенным подразделением; 2) упрощение процедур контроллинга, уменьшение количества оцениваемых параметров, разумное сокращение документооборота. Первый из указанных вариантов создает более сложную структуру управления предприятием, требует привлечения дополнительных специалистов. Второй, если следовать современной концепции контроллинга, более предпочтителен, так как он упрощает работу сотрудников. Но при его реализации возникает необходимость в координации действий между подразделениями по второстепенным и сервисным функциям. Изменение структуры управления контроллингом, выделение функции контроллинга, создание координационного центра, могут позволить решить подобную проблему.

Рассогласованность в действиях подразделений также очень часто приводит к невозможности достижения заданных плановых параметров. На многих, исследуемых нами предприятиях, были выявлены причины невыполнения одними подразделениями своих плановых задач по вине смежных подразделений. Мотивация руководителей подразделений, зависящая от достижения их личных показателей результативности очень часто дает негативный результат для всего предприятия, так как в не полной мере учитывает влияние руководителей подразделений, принимаемых ими решений, на смежные процессы и функции. Это серьезно обостряет взаимоотношения в коллективе и приводит к увеличению нагрузки на топ-менеджмент, который вынужден заниматься координацией и регулированием оперативных, зачастую несущественных вопросов.

Информационной основой контроллинга многих предприятий в настоящее время является система ключевых показателей результативности (KPI) и построенная на ее основе система сбалансированных показателей (ССП). ССП должна давать топ-менеджменту компании достоверный инструмент управления, переводящий логистическую стратегию в набор взаимосвязанных показателей, оценивающих критические факторы не только текущего, но и будущего развития, индивидуально разработанных для различных уровней управления логистикой и связанных между собой.

Одной из основных причин, приведших к появлению ССП, как базового инструмента контроллинга эффективности бизнеса стало постепенное, но неуклонное увеличение стоимости нематериальных активов – таких как интеллектуальный капитал, инновации, репутация – в общей стоимости компаний. После значительных успехов, достигнутых первыми компаниями, внедрившими эту технологию в качестве основного метода управления, использование ССП стало общей тенденцией. /3/

К существенным недостаткам ССП можно отнести то, что она рассчитана в первую очередь на топ-менеджмент и стратегическое управление. При внедрении возникают сложнейшие взаимосвязи между показателями. В итоге топ-менеджмент, оценивая показатели верхнего уровня, может идентифицировать возникновение проблем в компании, но понять причины, их вызвавшие, зачастую крайне сложно. Попытка детализации и декомпозиции показателей (формализации логических связей), как правило, приводит к неоправданному усложнению системы показателей и утере преимуществ простой и прозрачной системы контроля состояния предприятия. /8/

Следует отметить, что колоссальные оптимизационные резервы большинства российских предприятий лежат в оперативной деятельности. Только путем ежедневного и ежечасного поиска наиболее эффективных вариантов достижения намеченных показателей можно прийти к существенному результату в решении стратегических задач. ССП не позволяет в оперативной деятельности определить влияние принимаемых решений на общий результат работы предприятия, не дает возможности быстро корректировать цели и задачи при изменении внешних воздействий. Контроллинг требует использования дополнительных инструментов и технологий для решения подобного рода вопросов и выполнения основных своих задач.

Задачи контроллинга в логистике можно определить следующие:

Резюмируя все вышеизложенное можно сказать, что применение логистики в качестве фактора повышения конкурентоспособности будет более эффективно при наличии качественного контроллинга логистических процессов: соответствующей организационной структуры, организации управления, наличия моделей наиболее важных систем и процессов, КИС, системы норм и стандартов, квалифицированного персонала. Контроллинг в данном случае дает не только возможность оценить текущее состояние логистических процессов, но и позволяет спрогнозировать результаты планируемых действий в соответствии с выбранной логистической стратегией, определить наиболее эффективные пути и способы развития.


Моделирование – инструмент контроллинга.

Моделирование – это процесс создания точного, достаточного, лаконичного, удобного для восприятия и анализа описания бизнеса компании как совокупности взаимодействующих компонентов и взаимосвязей между ними. Моделирование бизнес-процессов фирмы с максимальной приближенностью к действительности дает возможность выбрать и просчитать варианты их улучшения без необходимости проведения реальных экспериментов с компанией. Моделирование логистических процессов позволяет заранее дать оценку с разных точек зрения эффективности работы логистики фирмы, определить первоочередные требования к ее функционированию, увидеть конечный результат влияния логистической деятельности компании на конечные показатели. В то же время модель является основой автоматизации бизнеса и разработки информационно-компьютерной поддержки принятия решений по управлению в компании. /4/

Одним из инструментов определения ценности логистики на стратегическом уровне является использование модели стратегической прибыли. Она позволяет рассчитывать влияние логистики, различных ее составляющих, на доходность активов компании в границах горизонта планирования.

Среди прочих применяемых в логистике методов/инструментов моделирования бизнес-процессов можно указать такие, например как SCOR (Supply Chain Operations Reference model) – «Рекомендуемая модель операций в цепях поставок», которая была разработана с целью эффективного анализа, планирования и проектирования цепей поставок. Данная модель на сегодняшний день признается в качестве международного межотраслевого стандарта при планировании и управлении цепями поставок.

Общая идеология SCOR-модели заключается в сочетании принципа неразрывности товарного и информационного потоков одновременно с функциональной интеграцией.

Есть некоторые ограничения в применении и использовании моделей. Например, SCOR не пытается описывать все бизнес-процессы и операции, за рамками модели оказываются:

Модель стратегической прибыли и SCOR-модель интересны для рассмотрения, но находятся немного в стороне от темы настоящей статьи.

На практике зачастую возникает необходимость применения специальных методов моделирования, которые используются для создания моделей отдельного процесса (обособленной группы взаимосвязанных процессов) или функции и способствуют в основном решению тактических и оперативных задач.

Из специальных моделей наиболее часто используется в логистике моделирование управления запасами. Создается модель наиболее приемлемая для работы конкретного предприятия и его внешнего окружения. Процедура построения модели базируется на следующем алгоритме:

  1. имитация поведения модели управления запасами с фиксированным размером заказа;
  2. имитация поведения модели управления запасами с фиксированным интервалом времени между заказами;
  3. сравнение поведения запасов по результатам этапов 1 и 2;
  4. формулирование основных и дополнительных правил принятия решений по управлению запасами;
  5. разработка инструкции или технического задания на основе разработанного в п. 4 алгоритма. /5/

Построенная модель позволяет контролировать состояние запасов в заданном режиме, предсказывать поведение системы управления запасами при различных сбоях, снизить влияние человеческого фактора при принятии решений об уровне запаса и объемах поставок.

Постоянное появление различных способов, методик и технологий моделирования говорит о том, что единообразного формата описания деятельности предприятий не существует. Каждое предприятие в силу своей уникальности может применять тот набор средств и инструментов контроллинга, который наиболее адекватен его параметрам.


Нейронные сети – теоретические основы и возможности.

Исследования по искусственным нейронным сетям говорят о том, что способ обработки информации человеческим мозгом в корне отличается от методов, применяемых обычными цифровыми компьютерами. Мозг представляет собой чрезвычайно сложный, нелинейный, параллельный компьютер (систему обработки информации). Он обладает способностью организовывать свои структурные компоненты, называемые нейронами, так, чтобы они могли выполнять конкретные задачи (например такие, как распознавание образов, обработку сигналов органов чувств, моторные функции и др.) во много раз быстрее, чем могут позволить самые быстродействующие современные компьютеры.

Понятие развития нейрона связано с понятием пластичности мозга – способности настройки нервной системы в соответствии с окружающими условиями. Именно пластичность играет самую важную роль в работе нейронов в качестве единиц обработки информации в человеческом мозге. Аналогично, в искусственных нейронных сетях работа проводится с искусственными нейронами. В общем случае, нейронная сеть представляет собой машину, моделирующую способ обработки мозгом конкретной задачи. Эта сеть обычно реализуется с помощью электронных компонентов или моделируется программой, выполняемой на цифровом компьютере. Для того чтобы добиться высокой производительности, нейронные сети используют множество взаимосвязей между элементарными ячейками вычислений – нейронами.

Нейрон представляет собой единицу обработки информации в нейронной сети. На рис.2 показана модель нейрона, лежащего в основе искусственных нейронных сетей.

В этой модели можно выделить три основных элемента:

  1. Набор синапсов или связей, каждый из которых характеризуется своим весом или силой. В отличие от синапсов мозга синаптический вес искусственного нейрона может иметь как положительные, так и отрицательные значения.
  2. Сумматор складывает входные сигналы, взвешенные относительно соответствующих синапсов нейрона. Эту операцию можно описать как линейную комбинацию.
  3. Функция активации ограничивает амплитуду выходного сигнала нейрона. Эта функция также называется функцией сжатия.

Иллюстрация

Можно дать следующее определение нейронных сетей:

Нейронная сеть – распределенный параллельный процессор, состоящий из элементарных единиц обработки информации, накапливающих экспериментальные знания и предоставляющих их для последующей обработки.

Свою силу нейронные сети черпают, во-первых, из распараллеливания обработки информации и, во-вторых, из способности самообучаться, т.е. создавать обобщения. Под термином обобщение понимается способность получать обоснованный результат на основании данных, которые не встречались в процессе обучения. Эти свойства позволяют нейронным сетям решать сложные (масштабные) задачи, которые на сегодняшний день считаются трудноразрешимыми. Однако на практике при автономной работе нейронные сети не могут обеспечить готовые решения. Их необходимо интегрировать в сложные системы. В частности, комплексную задачу можно разбить на последовательность относительно простых задач, часть из которых может решаться нейронными сетями.

Использование нейронных сетей обеспечивает следующие полезные свойства:

  1. Нелинейность - искусственные нейроны могут быть линейными и нелинейными. Нейронные сети, построенные из соединений нелинейных нейронов, сами являются нелинейными. Более того, эта нелинейность особого рода, так как она распределена по сети. Нелинейность является важным свойством, особенно если механизм, отвечающий за формирование входного сигнала, тоже является нелинейным.
  2. Отображение входной информации в выходную - одной из популярных парадигм обучения нейросетей является обучение с учителем. Это подразумевает изменение синаптических весов на основе набора маркированных учебных примеров. Каждый пример состоит из входного сигнала и соответствующего ему желаемого отклика. Из множества примеров случайным образом выбирается один и нейронная сеть модифицирует синаптические веса для минимизации расхождений желаемого выходного сигнала и формируемого сетью согласно выбранного статистического критерия. Это обучение проводится до тех пор пока изменения синаптических весов не станут незначительными.
  3. Адаптивность - нейронные сети обладают способностью адаптировать свои синаптические веса к изменениям внешней среды. В частности, сети обученные действовать в определенной среде могут быть легко переучены для работы в условиях незначительных колебаний параметров среды. Более того, для работы в нестационарной среде могут быть созданы нейронные сети, изменяющие синаптические веса в реальном времени. При этом хотелось бы заметить, что адаптивность не всегда ведет к устойчивости, например, адаптивная система с параметрами, быстро изменяющимися во времени, может также быстро реагировать и на посторонние возбуждения, что вызовет потерю производительности. Для того, чтобы использовать все достоинства адаптивности, основные параметры системы должны быть достаточно стабильными, чтобы можно было не учитывать внешние помехи, и достаточно гибкими, чтобы обеспечить реакцию на существенные изменения среды.
  4. Отказоустойчивость - нейронные сети, облаченные в форму электроники, потенциально отказоустойчивы. Это значит, что при неблагоприятных условиях их производительность падает незначительно. Незначительное повреждение структуры никогда не вызывает катастрофических последствий.
  5. Единообразие анализа и проектирования - нейронные сети являются универсальным механизмом обработки информации. Это означает, что одно и то же проектное решение нейронной сети может использоваться во многих предметных областях. Это свойство проявляется несколькими способами:

В структуру нейронной сети должны быть встроены априорная информация и инварианты, что упрощает архитектуру сети и процесс ее обучения. Правильная конфигурация сети обеспечивает ее специализацию, что очень важно по следующим причинам:

  1. биологические сети (прототипы искусственных нейросетей), обеспечивающие обработку зрительной и слуховой информации, сильно специализированы;
  2. нейронная сеть со специализированной структурой обычно включает значительно меньшее количество свободных параметров, которые нужно настраивать, чем полносвязная сеть. Из этого следует, что для обучения специализированной сети требуется меньше данных. При этом на обучение и отладку затрачивается меньше времени, и такая сеть обладает лучшей обобщающей способностью;
  3. специализированные сети обладают большей пропускной способностью;
  4. стоимость создания специализированных нейронных сетей сокращается, так как их размер существенно меньше полносвязных сетей. /7/

Использование нейросетей для моделирования различных процессов и объектов вполне обосновано и может быть применено в различных областях науки и знаний. Учитывая специфику нейросетей можно говорить об их применении для создания и построения специальных моделей, имитирующих некоторые процессы или функции, в том числе и логистические.


Нейросетевая модель в оперативном контроллинге логистических процессов предприятия.

Исследуемое нами предприятие, под условным названием «ФТ», столкнулось с некоторыми проблемами, связанными с контроллингом, которые удалось разрешить с помощью разработки и внедрения нейросетевой модели определения загрузки основных подразделений выполняющих логистические функции в оперативном горизонте планирования и оценки деятельности (в рассматриваемом случае один рабочий день).

Предприятие «ФТ» осуществляет дистрибьюцию товаров хозяйственного назначения постоянного ассортимента на территории центрального региона России.

Система сбалансированных показателей, внедренная в «ФТ», позволяет оценивать деятельность предприятия на стратегическом уровне и довольно неплохо себя зарекомендовала. Но применение ССП выявило ряд проблем на оперативном уровне, что дало толчок к доработке и совершенствованию существующей системы контроллинга.

Основные проблемы контроллинга в «ФТ» заключаются в слабой координации оперативной работы между различными подразделениями, различиями в целях и приоритетах отдельных руководителей и сотрудников, постфактное использование оценочной информации о результатах деятельности, наличие разрыва между балансировкой показателей стратегических целей и реальными их весами в различные периоды (начало сезона, пик сезона, спад сезона, межсезонье), отсутствием оперативного реагирования на изменения внешних условий.

Система сбалансированных показателей контроллинга «ФТ» позволяет оценивать достижение стратегических целей и обращать внимание на отклонения, определять, в каком процессе произошли отклонения и поддерживает мероприятия способствующие преодолению негативного отклонения. Но многие показатели определяются за достаточно длительные периоды работы (месяц, квартал, год) и отклонения могут выявляться в сроки, когда реагировать становится просто бессмысленно, необходимо перестраивать тактику работы, либо пересматривать стратегические цели. Характерным примером может служить сезонное колебание сбыта продукции исследуемого предприятия «ФТ» (см.рис.3).

В подобного рода ситуациях приоритеты стратегических целей для каждого сезонного периода будут различны, соответственно в краткосрочной перспективе должны происходить изменения приоритетов стратегических целей, перебалансировка показателей их оценки и соответствующие структурные изменения предприятия. К тому же динамика развития внешней среды (конкурентов, политики государства, поведение потребителей и поставщиков и т.п.) постоянно подталкивает предприятие к модернизации, изменению своего поведения-отклика на внешние воздействия. Поэтому система сбалансированных показателей может применяться в контроллинге только в стратегическом горизонте планирования, либо на участках одинаковых трендов, а в оперативной работе, краткосрочных периодах оценки деятельности она в силу своей статичности не дает требуемого результата. Ключевые показатели результативности выполнения логистических процессов являются разрозненными, они хотя и позволяют определить эффективность выполнения того или иного логистического процесса, но при этом не учитывают перекрестное влияние процессов друг на друга, вес каждого из показателей в общем результате.

Иллюстрация

Подобного рода проблема выявляется и на оперативном уровне планирования, так как существует некоторая неравномерность в загрузке подразделений по дням недели. Например, объемы отгрузки и приемки товара имеют значительные колебания не только в зависимости от периода сезона, но и в течение одной календарной недели. Для предприятия «ФТ» изменения пропорций объемов отгрузки-приемки продукции по дням недели (см.рис.4) имеют существенные колебания.

Иллюстрация

Соответственно можно говорить о том, что в различные дни недели результаты выполнения отдельных логистических процессов будут различны. Это вызвано во многом внешними для предприятия условиями. Поэтому нельзя однозначно оценить качество работы предприятия за один день, рассматривая отдельно взятые показатели оценки логистических операций.

Для ежедневной оценки деятельности основных подразделений необходимо создание модели, которая бы позволяла оценивать соответствие внешней нагрузки на предприятие, привлекаемым для выполнения работ ресурсам. Это позволит производить оперативную передислокацию ресурсов, прежде всего людских, между подразделениями. Избавит от неверно выставляемых приоритетов отдельными руководителями. Также появится возможность введения ответственности руководителей за ежедневное достижение необходимого общего результата с минимизацией привлекаемых ресурсов.

В целях поддержки оперативного контроллинга логистических процессов предприятия «ФТ» была разработана и внедрена нейросетевая модель, построенная на основе существующей структуры взаимодействия подразделений. В модели учтены только подразделения, которые непосредственно реагируют на приоритетные для предприятия внешние воздействия (отдел логистики, отдел продаж, склад) и выполняют основные логистические функции (прием заказов, приемка товара, отгрузка товара, экспедирование).

Модель (схему см. рис.5) в силу свойств нейросетей, выстроенная и настроенная с учетом текущих условий внешней и внутренней среды, позволяет проверять эффективность оперативной деятельности предприятия в реализации своих основных логистических функций в зависимости от следующих критериев:

Условные обозначения, используемые на схеме модели, указаны в таблице 1.

Внешние воздействия определяются путем прогноза, если происходит процесс прогнозирования или разработки новых состояний подразделений, либо на основании поступивших данных. Например, объем принятых заказов и информация о прибытии клиентов могут дать необходимые данные по воздействиям «отгрузка» и «экспедирование» на последующие дни. Внешние воздействия учитываются в одинаковых единицах измерения – тоннах.

Графическое изображение модели, с соответствующими числовыми значениями синаптических весов для одного из наборов внешних воздействий приведено на рис.6. Первоначально модель формировалась и обкатывалась на основе электронных таблиц аналогичных Excel. В дальнейшем отлаженная модель была внедрена в КИС предприятия «ФТ».

Синаптические веса первого слоя нейронов показывают степень воздействия каждого внешнего возмущения на соответствующие подразделения. Следует отметить, что внешние возмущения оказывают влияние не только на те подразделения, которые дают непосредственный отклик, но также на смежные подразделения. Степень воздействия отдельно взятого внешнего возмущения на каждое из подразделений изначально устанавливалась методом экспертных оценок с привлечением руководителей подразделений и внешних экспертов. В последствии вес каждого воздействия корректировался, проводилась балансировка, в соответствии с реальными результатами, полученными на практике и требуемой для модели точностью.

В первом входящем слое нейронов определены подразделения, на которые приходятся внешние воздействия: отдел продаж, отдел логистики, склад. В следующем слое нейронов определены состояния подразделений, в которых они могут находиться. Синаптические веса между ними показывают необходимость взаимодействия между подразделениями и выражены в условных долях времени.

Иллюстрация


Иллюстрация


Иллюстрация

Для реагирования на определенные внешние воздействия вырабатываются адекватные состояния подразделений. Каждое подразделение в любой момент времени может пребывать в одном из, как минимум двух состояний, в рабочем состоянии полной загрузки имеющихся мощностей и ресурсов или в нерабочем состоянии. Созданная нейросетевая модель позволяет руководителям предприятия и подразделений создавать и обкатывать другие состояния любого подразделения, которые в итоге могут дать наилучший суммарный эффект для всего предприятия. Подобного рода обкатка производится путем ввода в соответствующий слой сети нового нейрона со связями (синапсами), которые имеют синаптические веса, определяющие степень влияния на связанные с ним нейроны. А также определяются необходимые для этого состояния людские ресурсы, время их привлечения, стоимость оплаты, что выражается в соответствующих значениях синаптических связей следующего слоя.

Каждое состояние подразделения требует связи с некоторым набором сотрудников, материально-технических средств, состояний других подразделений, т.е. требует привлечения некоторых ресурсов для адекватной реакции на внешние возмущения. Функции активации позволяют дать ответ, могут быть работы выполнены более эффективно по сравнению с другими состояниями подразделения, либо в другом наборе синаптических связей. В данном случае при вводе и обкатке нового нейрона (нового состояния подразделения) связи выставляются на основе экспертных оценок, что позволяет также учесть уровень квалификации сотрудников, их умения и навыки. Небольшие корректировки значений взаимных влияний производятся после 2-3 реализаций разработанных новых состояний подразделений на практике.

Модель также удобна для проработки различных экстремальных вариантов развития ситуации, как во внешней среде, так и внутренних сбоев. Позволяет руководителям предприятия и подразделений быть готовыми ответить на вопрос «что делать?» в той или иной критической ситуации и как изменится загрузка подразделений предприятия в этом случае.

В настоящее время модель постоянно совершенствуется, так как является специализированной и не может сразу охватывать все возможные варианты развития событий.

Алгоритм построения модели для оперативной оценки эффективности загрузки подразделений следующий:

  1. определение наиболее значимых внешних воздействий для оценки эффективности реагирования предприятия в оперативном периоде;
  2. выбор внутренних агентов реагирования (подразделений, групп, ключевых сотрудников и т.д.);
  3. определение степени влияния (весов) каждого из выбранных внешних воздействий на внутренних агентов;
  4. определение максимальных нагрузок для каждого агента в соответствии с принятыми на предприятии нормами;
  5. определение влияния каждого внутреннего агента на смежных агентов участвующих в модели;
  6. определение количества состояний реагирования на изменения внешних воздействий для каждого внутреннего агента;
  7. определение порогов перехода состояний для каждого агента;
  8. определение стоимостных показателей для каждого из состояний внутренних агентов;
  9. выбор желаемой функции активации для определения эффективности загрузки предприятия;
  10. установление связей в соответствии с определенными в предыдущих пунктах параметрами модели;
  11. тестирование модели на основе реальных данных и сравнение результатов для оценки степени точности работы модели;
  12. корректировка данных в пп.1-8, для достижения необходимой точности в работе модели.

Результаты внедрения нейросетевой модели в контроллинг логистических процессов предприятия.

Переход к оценке деятельности руководителей и сотрудников по внедряемой модели позволяет оперативно учитывать динамические изменения внешней среды, на которые явно влияние ими не оказывается. Основными критериями оценки оперативной деятельности подразделений выполняющих логистические функции становится достижение оперативной эффективности предприятия в целом по выполняемым логистическим процессам признанным приоритетными. При этом для сравнения берется стандартная эффективность, полученная при максимальной нагрузке и отсутствии изменений состояний подразделений предприятия, которая измеряется в периоде – один рабочий день, в соответствии с принятыми нормами на выполнение работ.

Если эффективность работы подразделения уменьшается из-за внутренних причин - неэффективное использование ресурсов, то результат деятельности оценивается как процент отклонения от стандарта равного максимальной загрузке подразделений при полном необходимом обеспечении людскими ресурсами для выполнения закрепленных логистических функций. Одним из способов повышения эффективности своего подразделения руководитель может выбрать перевод части сотрудников в другие «перегруженные» подразделения. В предприятии «ФТ» возможны переброски сотрудников отдела продаж, в частности менеджеров и торговых представителей, в отдел логистики для экспедирования грузов, или экспедиторов из отдела логистики на склад, для комплектования заказов, и т.п.

Не выявление скрытых резервов подразделений и отсутствие инициативы в прогнозировании результатов могут привести к наказанию руководителя подразделения, вплоть до увольнения. И наоборот, уменьшение значений отклонений при негативных изменениях внешней среды по сравнению со стандартом приводит к получению дополнительной выгоды (прибыли, конкурентных преимуществ и т.п.) предприятием, за что и поощряются соответствующие сотрудники. Размер полученной выгоды также может быть определен на основании сравнения показателей модели и стандарта.

Процесс разработки и создания новых состояний подразделений производится постоянно и затрагивает все подразделения предприятия участвующие в выполнении логистических функций и в основном служит хорошим подготовительным этапом при планировании оперативной деятельности.

Наибольшую сложность представляет собой процесс определения основных внешних воздействий, которые оказывают наиболее существенное влияние на предприятие, так как от набора внешних воздействий зависит структура нейросетевой модели и соответственно точность определения и нахождения эффективных решений.

В связи с этим перед контроллерами (сотрудники реализующие функцию контроллинга) ставятся следующие задачи:

Новый подход к оценке оперативной деятельности подразделений позволил преодолеть местническое отношение к труду со стороны руководителей подразделений.

Были разработаны новые состояния подразделений, такие как измененный режим работы в периоды сезонного увеличения объемов продаж, формирование прямых поставок непосредственно крупным клиентам в соответствии с их заказами с производства минуя склад и др.

Повысилась мобильность предприятия, за счет более гибкого подхода к реакции на внешние воздействия со стороны подразделений.

Концентрация внимания на оперативной деятельности, уменьшение количества формализованной работы, децентрализация отдельных функций управления, позволили в достаточно короткий период преодолеть кадровый дефицит предприятию «ФТ», повысить производительность труда сотрудников, изменили статус линейных руководителей.

Изменения коснулись также и инструментов применяемых для оценки деятельности. Если ранее основной упор делался на отчеты, которые формировались сотрудниками на основании стратегической карты ССП, что иногда приводило к созданию документов реально не отражающих сложившуюся ситуацию, то теперь руководители могут самостоятельно, на основе своих текущих данных с применением нейромодели, составить представление о качестве оперативной работы логистики предприятия, спрогнозировать необходимые ресурсы на ближайшую перспективу.

Применение нейросетевой модели предприятием «ФТ» в оценке эффективности загрузки подразделений и привлекаемых людских ресурсов – не столько дань моде, сколько желание иметь в своем арсенале достаточно гибкий инструмент контроллинга, который позволяет не иметь достаточно большого уровня специфических знаний для его использования в работе, не требует серьезной подготовки пользователей и достаточно прост в модернизации.

Использование модели позволяет руководителям «ФТ» всех уровней оценивать эффективность работы логистики предприятия в ежедневном режиме, а не только за стратегически значимые периоды. Обеспечивать предприятие разумным и достаточным количеством людских ресурсов в соответствии с динамикой изменения внешней среды и принятыми нормами. Также предложенная модель ликвидирует разрыв, образовавшийся между стратегическими показателями деятельности филиала системы сбалансированных показателей и ключевыми показателями результативности логистических процессов. Если стратегические показатели позволяют оценивать комплексно деятельность филиала направленную на достижение стратегических целей, то ключевые показатели результативности, которые в основном применяются в оперативной оценке отдельных процессов, не дают возможности комплексно оценить насколько эффективно сработало предприятие в краткосрочном периоде, рационально ли были израсходованы ресурсы. Нейросетевая модель ликвидирует этот разрыв и позволяет имитировать различные состояния подразделений для выбора наиболее оптимальных.


Список используемой литературы:

  1. Сергеев В.И. и др. «Корпоративная логистика», «Инфра-М» 2004.
  2. Сергеев В.И. «Рекомендуемая модель операций в цепях поставок – SCOR-модель», журнал «Логистика и управление цепями поставок», №1 (6) февраль 2005.
  3. Сергеев В.И. «Контроллинг в логистических системах», журнал «Логистика и управление цепями поставок», №3 (8) июнь 2005.
  4. Сергеев В.И. «Контроллинг в логистических системах», журнал «Логистика и управление цепями поставок», №4 (9) июль 2005.
  5. Стерлигова А.Н. «Систематизация элементов моделей управления запасами в звеньях цепей поставок», журнал «Логистика и управление цепями поставок», №4 (9) июль 2005.
  6. Попченко Е.Л., Ермасова Н.Б. «Бизнес-контроллинг», М.Изд-во «Альфа-Пресс», 2006.
  7. Хайкин Саймон «Нейронные сети: полный курс», ООО «ИД Вильямс» 2006.
  8. «Как разработать систему ключевых показателей деятельности», группа авторов, журнал «Финансовый директор» №10 2006.

Июнь 2008 год