Автореферат (1137099), страница 2
Текст из файла (страница 2)
Спроектироватьпрограммныйкомплекс(далееПК),обеспечивающий на основе MAGAMO, агрегированной ИМ и другихподсистем эффективную процедуру поиска рациональных решений приуправлении ПДТ. Провести численные эксперименты для оценкиразработанного ПК.Методы исследования: системный анализ, имитационное моделирование,генетические алгоритмы, многокритериальная оптимизация, построение границы6Парето-оптимальных решений, разработка распределенных информационныхсистем.Информационнаябазаисследования.ПрипостроенииИМиспользовались результаты статистического анализа, проведенного на основеисторических данных деятельности 3 крупных компаний, а также схемы БП техже организационных структур.
Исторические данные были собраны в единоеинформационноехранилище,котороеиспользовалосьдляапробациипредложенного метода поиска рациональных решений и разработанного на егооснове ПК.Научная новизна работы заключается в следующих новых научныхрезультатах, выносимых на защиту:1. Разработана имитационная модель предприятия дистанционнойторговли,отличающаясяотсуществующихболееполнымматематическим описанием деятельности компании благодаря учетуособенностей бизнес-процессов, что позволяет формировать целевыефункционалыдлямногокритериальнойоптимизационнойзадачи,решаемой многоагентным генетическим алгоритмом, и учетом сложнойдинамики трансформации клиентской базы.2. На основе разработанной имитационной модели синтезирована задачаматематического программирования – задача многокритериальнойоптимизациистремяконкурентнымикритериямидляпоискарациональных решений при управлении ПДТ.3. Предложен новый многоагентный генетический алгоритм (далееMAGAMO) для эффективного нахождения подмножества Парето вмногокритериальной оптимизационной задаче, агрегированный поцелевым функционалам с ИМ ПДТ.
MAGAMO отличается отклассической островной модели перераспределением пространстварешениймеждуагентамииналичиемихинтеллектуальнойсоставляющей.4. Разработаноригинальныйрациональныхрешенийкомплексспрограммиспользованиемдляпоискаспроектированнойимитационной модели, подсистемы поиска подмножества Парето на7основе MAGAMO, визуализации фронта Парето, сужения фронта Парето.В результате произведено принципиальное расширение функционаласистемыимитационногомоделированияввиденовогооптимизационного модуля.Теоретическая значимость исследования состоит в разработанной ИМПДТ, в которой реализован новый подход к прогнозированию продаж,использующий коэффициент трансформации клиентской базы.
Благодарязаложенным особенностям ИМ позволяет вычислить целевые функционалы дляпоставленной многокритериальной оптимизационной задачи. Также новыйтеоретический результат получен в виде многоагентного генетическогоалгоритма для формирования подмножества Парето с использованием ИМ.Практическая значимость исследования заключается в том, чторазработанныйорганизационнойПКапробированструктурына(ПДТ)моделииреальноиспользуетсядействующейпривыработкеуправленческих решений (имеется справка о внедрении).Достоверностьиобоснованностьполученныхрезультатовподтверждается их соответствием известным теоретическим и практическимданным, опубликованным в литературе, а также положительными результатамичисленных экспериментов, проведенных с использованием разработанной ИМ имногоагентного генетического алгоритма на реальных данных ПДТ.Апробациярезультатовисследования.Основныерезультатыдиссертационной работы докладывались и обсуждались на научно-методическомсеминаре для аспирантов НИУ ВШЭ по специальности «Математическоемоделирование, численные методы и комплексы программ» в 2013 г.
и нанаучных конференциях, в т.ч. международных: «Информационные технологии в экономике, управлении и бизнесе», г.Москва, НИУ ВШЭ, 2013 г., 2015 г.; «IEEE International Conference on Systems, Man, and Cybernetics», г.Манчестер, Великобритания, 2013 г.; «V International Conference Optimization and Applications», г. Петровац,Черногория, 2014 г.; «XVI Апрельская международная научная конференция «Модернизация8экономики и общества», г. Москва, НИУ ВШЭ, 2015 г.Публикации. Материалы диссертации опубликованы в 5 печатных работах,из них 3 статьи в рецензируемых журналах из перечня ВАК, 1 статья врецензируемом научном журнале, 1 статья в сборниках трудов конференций.Личный вклад автора – все представленные в диссертации результатыполучены лично автором при участии научного руководителя, а именно: созданаИМ ПДТ, на основе которой синтезирована задача многокритериальнойоптимизации; для ее решения разработан новый многоагентный генетическийалгоритм, агрегированный с ИМ в рамках спроектированного ПК; произведенаапробация ПК на реальных данных и его внедрение в действующую компанию.Подготовка к публикации полученных результатов проводилась как авторомсамостоятельно, так и в соавторстве с научным руководителей, причем вкладдиссертанта был определяющим.
Апробация результатов исследования наконференциях проводилась автором самостоятельно.Структура и объем диссертации. Диссертация состоит из введения, 3 глав,заключения,спискаиспользованнойлитературы,включающего99наименований, списка сокращений и условных обозначений, приложения. Общийобъем диссертации составляет 110 страниц.II.ВовведенииСОДЕРЖАНИЕ РАБОТЫобоснованаактуальностьдиссертационнойработы,сформулирована цель и перечислены задачи исследования, аргументировананаучная новизна исследования, отражена теоретическая и практическаязначимость полученных результатов, представлены выносимые на защитунаучные положения.В первой главе диссертации приводится спроектированная ИМ ПДТ,которая была построена в результате анализа и описания ключевых БПдействующих компаний.
Следующие БП определяют специфику деятельностиПДТ в сравнении с классическим торговым предприятием: привлечениеклиентов, исполнение заказов, управление запасами.Для моделирования процесса привлечения клиентов в ИМ впервые заложенучет динамики трансформации клиентской базы, когда определяется готовностьимеющихся клиентов к совершению повторных покупок. Так, прогноз продаж9строится отдельно для повторных и потенциально новых клиентов в зависимостиот неохваченного объема рынка. Также впервые при определении вероятностипокупки методом логистической регрессии коэффициенты влияющих факторовразличны для сегментов потребителей, разделенных по итогам статистическогоисследования в зависимости от степени важности для них факторов: цена,реклама, качество услуг. Формулы представлены в диссертации на стр.
39-42.При моделировании процесса исполнения заказов в ИМ впервые дляторгового предприятия применен учет качества исполнения заказов. Лучшеекачество влечет к большей удовлетворенности клиентов через накопленныйимидж магазина и большей вероятности их повторной покупки через некотороевремя, однако и к росту операционных расходов единовременно.При моделировании процесса управления запасами в ИМ впервые учтенсрок оборачиваемости товаров в пути в зависимости от скорости доставки заказа,а также имеется параметр, определяющий норму поддержания запаса товаров покатегориям на собственном складе для ускорения срока исполнения заказа.Все формулы ИМ приводятся в таблице №2 и №4 в тексте диссертации.
Учетперечисленных особенностей в ИМ позволил рассчитать 3 целевых показателя, накоторые ориентируются при оценке успешности деятельности ПДТ в российскихреалиях:заработаннаяприбыль,размерактивнойклиентскойбазы,оборачиваемость запасов. Благодаря комплексности ИМ на ее основе удалосьсинтезировать многокритериальную оптимизационную задачу, выделив нетолько 3 самых важных целевых функционала, но и наиболее действенныеуправляющие параметры, а также ограничения. ИМ была разработана сиспользованием методов системной динамики и программного продуктаPowerSim Studio 8.Стратегические управляющие параметры модели: – уровень качества обработки заказов; – доступность товаров на складе по товарным категориям (%); 1 – маркетинговая активность по i-ым регионам (%); 2 – маркетинговая активность по j-ым товарным категориям (%); 3 – маркетинговая активность по k-ым сегментам клиентов (%). – соотношение стоимости доставки к стоимости товаров в i-ых10регионах (%);Оперативные управляющие параметры модели: () – уровень цен на j-ые товарные категории в период времени t (у.е.); () – коэффициент интенсивности маркетинговой активности в периодвремени моделирования ( = 1.
. ).Задача.оперативныхНеобходимоивычислитьоптимальныестратегическихзначенияуправляющихнаборапараметров{, , 1 , 2 , 3 , , (), ()}, обеспечивающих максимальные значенияприбыли () и размера клиентской базы () при минимальномвремени оборачиваемости запасов ̅:{} ,max{, ,1 ,2 ,3 , (), ,()}max{} ,{, ,1 ,2 ,3 , (), ,()}{min{, ,1 ,2 ,3 , (), ,()}(1){̅} .при выполнении следующих ограничений в каждый момент времени : () <12{≤−1≤,() ∗∑=1 , () / ∑=1 ∑=1 ,, ()≤∑=1 , ()∑=1 ∑=1 ,, (),(2),1() + 2() ≤ .Ограничения распространяются на уровень маржинальности по категориям( и ), на минимально-допустимую долю рынка по городам (2 )и категориям (1 ), на срок максимальной оборачиваемости запасов .Накопленная прибыль (EBITDA) рассчитывается по формуле: = ∑=0( () − ()),(3)где () – доходы с продаж за период, () − расходы за период.
Расчет данныхпоказателей приведен в разделе 1.4 диссертации.Размер активной клиентской базы рассчитывается по формуле: = ∑=1 ∑=1 ∑=1 ,, (),(4)где ,, () – количество клиентов в конечный период моделирования T по iым городам, k-ым сегментам потребителей, w-ым неделям совершения последней11покупкиДинамика средней оборачиваемости запасов в течение периодамоделирования рассчитывается по формуле:̅ = {∑=0(1() + 2())} / ,(5)где средневзвешенный срок исполнения заказов:1() = ∑=1 ∑=1{ () ∗ / (1 − )} / ∑=1 ();(6)средняя оборачиваемость складских запасов:2() = ∑=1{ () ∗ ∗ ( / ) } / ∑=1 (),(7)где () – суммарная себестоимость по категории в период t, – долявозвратов после продажи по категориям, – уровень базовой доступности наскладе товаров по категориям, – коэффициент нелинейного роста длительностиоборачиваемости склада при повышении доступности товаров на складе.ИМ является многомерной и содержит следующие настраиваемыеизмерения: кластеры товарных категорий, кластеры городов (регионы),клиентские сегменты, периоды моделирования.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
