Диссертация (1026452), страница 8

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 8)

Пример оценки совместной плотности распределения двухзависимых случайных величинПри моделировании методом Монте-Карло системы для оценки надежностипроводятся следующие действия: Составляется математическая модель отказов;Выполняются испытания; Оценивается вероятность безотказной работысистемы. Математическая модель отказов, реализуемая на основе методаМонте-Карлодолжнаполучатьнекуюслучайнуювеличину,котораяописывается выражением:AA ,   p 1 pгде А – это нормальная работа системы, а Ᾱ - отказ системы.Проведение многократных испытаний позволяет вычислить p – вероятностьбезотказной работы системы.

Каждое испытание должно реализовывать одно иззначений искомой случайной величины. После окончания проведенияиспытаний, производится расчет частоты испытаний, результатом которыхбыло значение А. Значение этой частоты будет считаться значениемнадежности системы снабжения.472.2. Разработка методов построения модели системы управленияснабжениемДля получения таких параметров модели системы снабжения, как оценкаплотностираспределениявероятностислучайныхвеличинотдельныхпроцессов снабжения, можно воспользоваться одним из следующих методов: метод эмпирической оценки метод экспертной оценкиМетод эмпирической оценки использует конкретные числовые данные,полученные в ходе работы рассматриваемой системы снабжения илианалогичных систем [101].

Метод экспертной оценки использует сужденияспециалистов для оценки вероятности наступления различных событий.В качестве примера процессов, для которых демонстрируются методыполучения параметров вероятностных величин, рассмотрены этапы цикласнабжения.Входной информацией для построения оценки плотности распределениявероятности случайных величин метолом эмпирической оценки является базаданных отдела снабжения, в которой содержится история исполнения этаповфункционального цикла снабжения. Выбранные данные определим, какисторию выполнения цикла снабжения. В Таблице 7 изображен пример историивыполнения этапа транспортировки.Группируя историю исполнения по времени выполнения отдельно длякаждого этапа (Таблица 8), получим частоты реализаций значений (Таблица 9)и оценка плотности распределения вероятности времени выполнения каждогоэтапа (см.

Рисунок 2.4).Представляя время транспортировки, как значение случайной величины,оценим относительную частоту для каждого значения по формуле:Wi mi,Nmj 1j48гдеi–идентификаторрассматриваемогоэтапа,уникальногоW–значенияотносительнаявременичастотавыполненияi-оговременитранспортировки, m – число событий, соответствующих i-му временитранспортировки, N – число значений, принимаемых случайной величиной.Таблица 7.Пример истории исполнения одного из этапов в предыдущих заказах№п\п123456789101112Дата началаДата окончанияэтапаэтапатранспортировки транспортировки10.01.1214.01.1231.01.1205.02.1220.02.1225.02.1210.03.1216.03.1203.04.1206.04.1228.04.1202.05.1220.05.1226.05.1212.06.1219.06.1201.07.1205.07.1221.07.1226.07.1213.08.1219.08.1203.09.1208.09.12Длительность этапатранспортировки (дни)455634674565Таблица 8.Группировка истории исполнения одного из этапов по временивыполненияДлительность этапатранспортировки (дни)Количество этапов сзаданной длительностью345671343149Таблица 9.Частоты значений времени выполнения одного из этаповДлительность этапатранспортировки(дни)34567Количество этапов сзаданнойдлительностью13431Частота0,08330,25000,33330,25000,0833При построении оценки плотности распределения вероятности временивыполнения этапов следует принять частоты за вероятности реализациизначения случайной величины.

В рассматриваемом примере случайнаявеличина будет характеризоваться:3457 6 i  0.08330.2500.3330.2500.0830.35Оценка вероятности0.30.250.20.150.10.05034567Время выполнения этапа, дниРисунок 2.4. Оценка плотности распределения вероятности временивыполнения одного из этаповПолученные модели этапов не описывают исключительно идеальныеусловия.Ониужеучитываютинформациюоразличныхявлениях,50оказывающих влияние на время выполнения заказа, например о форсмажорных обстоятельствах или взаимозависимостях в многономенклатурныхпоставках материалов.Следует учитывать, что данные о выполнении за несколько последнихциклов снабжения лучше отражают текущее положение дел на предприятии,чем те циклы, которые произошли давно [107]. Это связано с модификациейлогистической цепи в виду внешних или внутренних факторов, которые так илииначе имеют место в экономической среде, подверженной постояннымизменениям.

Под внутренними факторами в данном случае понимаютсяцеленаправленные структурные изменения в работе службы снабжения,результатом которых может быть как повышение надежности процессаснабжения, так и его снижения. Пример внутреннего фактора повышениянадежности является обнаружение и устранение неэффективных бизнеспроцессов. Очевидно, что логистические циклы, которые происходили послеустранения причин, вызывающих перебои в снабжении, будут иметь большеобщего, чем два логистических цикла до и после устранения.

Под внешнимифакторами понимаются изменения среды, в которой работает предприятие вцелом и служба снабжения в частности. В качестве примера таких факторовможно привете смену поставщиков. Чтобы учесть изменения или тенденции всистеме снабжения при формировании оценок плотностей распределения,можно использовать метод весовых коэффициентов. Для этого каждой записииз истории исполнения этапов необходимо назначить весовой коэффициент.Пример этого отражен в Таблице 10.При использовании весовых коэффициентов для расчёта средневзвешеннойчастоты должна использоваться формула:mWi Ki 1nKj 1i,j51где K – весовой коэффициент; m – количество циклов снабжения с заданнойдлительностью; n – общее количество циклов снабжения на рассматриваемомпромежутке времени.

Результат расчёта частот для рассматриваемого примераприведен в Таблице 11.Таблица 10.Пример назначения записям весовых коэффициентов№п\п123456789101112Дата началацикласнабжения10.01.201309.02.201313.03.201312.04.201309.05.201308.06.201310.07.201309.08.201308.09.201311.10.201310.11.201310.12.2013Датаокончанияцикласнабжения25.01.201323.02.201329.03.201327.04.201322.05.201322.06.201326.07.201324.08.201325.09.201325.10.201325.11.201326.12.2013ДлительностьциклаВесовойснабжениякоэффициент(дни)170,75140,83150,91160,99151,07141,15161,23151,31131,39141,47161,55151,63Таблица 11.Частоты времени выполнения одного из этапов, рассчитанные по методувесовых коэффициентовДлительность цикласнабжения (дни)1314151617Частота0,08470,22650,34610,28290,0598На Рисунке 2.5 изображена оценка плотности распределения вероятностивремени выполнения одного из этапов с учетом весовых коэффициентов.52Метод весовых коэффициентов можно применять при использовании данныхсторонних предприятий исследуемой отрасли.

Например, использовать данныес поправочным коэффициентом о работе того же поставщика с другимипредприятиями. Весовые коэффициенты помогут расширить информацию оработе службы снабжения, если их использовать для адаптацииданных,описывающих функционирование служб снабжения сторонних предприятий идругих поставщиков, работающих в этой же отрасли.0.40Оценка вероятности0.350.300.250.200.150.100.050.001314151617Время выполнения этапа, дниРисунок 2.5. Оценка плотности распределения вероятности временивыполнения одного из этапов с учетом весовых коэффициентовМетод весовых коэффициентов позволяет учитывать циклы снабжения снеобычным временем выполнения. Под необычным временем выполнениячаще всего понимается сильно завышенное или сильно заниженное времявыполнения заказа [89]. Завышенное время выполнения заказа может бытьвызваноадминистративными(например,приостановкадеятельностипоставщика в рамках наложения на него санкций, предусмотренных договоромгосударственно-частного партнерства [36]), организационными (поставщикможет забыть о заказе и отгрузить его только после напоминания) и другимипричинами.

Необычно короткое время выполнения может быть вызвано,например, случайными стечениями обстоятельств: наличием у поставщика53свободной партии материалов рядом с потребителем в момент поступлениязаказа на них; форсированием на стороне поставщика по ряду причин одного изэтапов производственного цикла и т.д. Например, если поставщику обычнотребуется значительное время на подготовку материалов к отправке, тофорсирование этого этапа может наступить в случае, если поставщик ужеподготовил материалы для других предприятий, но которые сообщили ему оботмене заказа.С одной стороны, подобные случаи являются единичными и можно сбольшой вероятностью ожидать, что подобные обстоятельства больше невозникнут.

С другой стороны необычное время выполнения заказа можетповториться уже по совершенно другим причинам, а поэтому такие фактыследует включать в историю, на основе которой строятся оценки плотностираспределения моделируемых случайных величин.Пример поправочных коэффициентов, поясняющий учёт необычноговремени выполнения заказа, приведен на Рисунке 2.6.Допустимо использовать историю из нескольких источников таких, каксобственные источники; сторонние организации; спецификации; данныестатистических ведомств, специализированных служб и маркетинговыхорганизаций.Собственные источники могут быть задействованы при анализе времениэтапов,проходящихвнутрикомпании,напримерэтапопределенияпотребностей. Соседние отделы могут иметь схожую структуру и схожиепринципы работы.

Характеристики

Список файлов диссертации