ДОНЕЦКИЙ НАЦИОНАЛЬНЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ
Хачиян Диана Артемовна
"Компьютерная экспертная система управления запасами предприятия"
специальность: Автоматизированные Системы Управления
Автореферат магистерской выпускной работы
руководитель магистерской работы: доц. Жукова Тамара Порфильевна
Донецк,2002г.

1. Общая характеристика работы
1.1 Цель работы и решаемые в ней задачи.

Целью магистерской работы является создание компьютерной экспертной системы управления запасами предприятия. Данная экспертная система будет разработана для управления складом Сервисного центра по обслуживанию автомобилей "BMW", "Land Rover" СТО "Импульс".
Для достижения указанной цели необходимо решить следующие задачи:

анализ проблемы управления запасами;

провести анализ и выбор модели управления запасами;

провести сравнительный анализ и исследование известных нейронных сетей, на основе которых будет построена компьютерная экспертная система управления запасами предприятия;

реализовать экспертную систему управления запасами с помощью выбранной модели нейронных сетей.

1.2 Ожидаемые результаты и степень их новизны.

Данная компьютерная экспертная система позволит решить задачу управления запасами, а также прогнозирования и планирования расхода деталей на складе. В свою очередь элементами задачи управления запасами являются:

Система снабжения, т.е. совокупность источника заявок и складов, между которыми в ходе операции осуществляются перевозки хранимых деталей.

Спрос на запасные детали;

Возможность восполнения запасов;

Ограничения;

Стратегия управления запасами, т.е. структура правил, определяющая момент и объем заказа (параметры стратегии). Прогнозирование и планирование расхода деталей на складе.

Прогнозирование - это ключевой момент при принятии решений в управлении запасами предприятия. Конечная эффективность любого решения зависит от последовательности событий, возникающих уже после принятия решения. Возможность предсказать неуправляемые аспекты этих событий перед принятием решения позволяет сделать наилучший выбор, который, в противном случае, мог бы быть не таким удачным. В управлении запасами запасных частей на предприятии по ремонту машин необходимо оценить степень использования каждой детали. Она определяется по статистическим данным по заказам и расходам запасных деталей на складе. На основе анализа этой информации определяется необходимое количество запасных частей на следующий период времени, т.е. служат основой для планирования работы склада СТО.
Кроме того, необходимо оценить ошибку прогнозирования. Эта ошибка может быть оценена, например, на основе данных о времени, которое понадобилось для доставки деталей, которых не было на складе.

1.3 Анализ состояния исследуемого вопроса по утвержденной теме.

ПКФ "Импульс" является единственным, официальным дилером BMW & Land Rover в Донецкой области и одним из пяти представителей этой марки на Украине. Сервисный центр выполняет работы по обслуживанию и ремонту автомобилей "BMW" и "Land Rover".
Схема документооборота сервисного центра включает в себя такие объекты автоматизации, как склад, мастерские, стол заказов, отдел бухгалтерии и клиенты.
Связь объектов представлена на рис.1.1:



Рисунок 1.1. Схема документооборота СТО "Импульс"

Для эффективной и бесперебойной работы Сервисного центра необходимо всегда в установленные сроки выполнять заказы клиента по ремонту авто. Очень существенна деловая репутация в сильно конкурентном бизнесе, в особенности поддержание гарантийного обслуживания. Какова бы ни была причина поломки всегда необходимо иметь на складе нужные запасные части. Ведь ущерб от простоя поступивших заказов из-за отсутствия запасных частей может быть достаточно большим. ЗЧ на склад поставляются из Киева, и в случае отсутствия ЗЧ в Киеве - из Германии.
Год назад была создана АСУ запасными частями склада, но была решена лишь учетная задача управления складом, а не оптимизационная. Расчет количества запасных частей, необходимый для нормальной работы сервисного центра не ведется до сих пор, т.е. не решена задача и выбора номенклатуры запасных элементов, оптимального назначения периодичности и объема поставок для обеспечения непрерывной работы сервисного центра.
Управляемый склад - это обширная база данных, которая должна поддерживать процесс выбора правильной стратегии развития склада и решения тактических задач.
Эффективное управление складом ведет к повышению качества обслуживания клиентов, высвобождает средства, необходимые для содержания чрезмерного объема деталей и исключает дефицит и неполное или запоздалое выполнение заказа клиента.

2. Развернутое содержание магистерской работы:

Введение
1. Управление запасами. Состояние проблемы
1.1. Создание запасов
1.2. Анализ состояния исследуемого вопроса
1.3. Основные понятия и определения проблемы управления запасами
2. Анализ элементов модели управления запасами
2.1. Система снабжения
2.2. Спрос на предметы снабжения
2.3. Возможность восполнения запасов
2.4. Ограничения
2.5. Стратегия управления запасами
3. Прогнозирование в управлении запасами
3.1. Прогноз и цели его использования
3.2. Методы прогнозирования
3.3. Критерии производительности
4. Прогнозирование на основе нейронных сетей
4.1. Нейронные сети - основные понятия и определения
4.2. Модели нейронных сетей
4.3. Прогнозирование с помощью нейронных сетей
5. Экспертная система управления запасами
5.1. Выбор модели управления запасами
5.2. Обучение нейронных сетей
5.3. Оценки и выводы о проделанной работе
Заключение

3. Исследование основных элементов модели управления запасами.

3.1 Создание запасов.

Обеспечение потребностей Сервисного центра "Импульс" в запасных деталях и расходных материалах включают в себя три фазы: планирование, производство и распределение. Как правило, к моменту реализации поставки данные, положенные в основу заявки, оказываются устаревшими, и объем поставки уже не соответствует фактической потребности. Для предотвращения остановки производства в случае недостаточности поставки в системе снабжения создаются запасы. К необходимости создания запасов приводят следующие факторы:
1) Дискретность поставок.
2) Случайные колебания

В спросе за интервал между поставками,

В объеме поставок,

В длительности интервалов между поставками.

3) Предполагаемые изменения коньюктуры:

Сезонность спроса,

Ожидаемое повышение цен.

В пользу минимизации запасов имеется следующий фактор:
4) упущенный доход, который мог бы быть получен при вложении омертвленных в запасе средств, в предприятии с твердым доходом.

3.2. Системы снабжения.

Возможны три варианта построения систем снабжения: децентрализованная, линейная и эшелонированная. В первом случае все склады непосредственно обслуживают потребителей, и недостача на одном или нескольких складах по решению органа управления снабжением может быть покрыта за счет избытка запасов на других складах. Источник восполнения для всех складов принимается неисчерпаемым. Во втором случае рассматривается производственная цепочка и рассчитывается распределение буферных запасов по степеням готовности продукта. В третьем случае недостача покрывается за счет запасов склада высшей ступени, т.е. в критические моменты при источнике снабжения ограниченной мощности по необходимости приходится требовать запас из более высокого звена. В результате модель приобретает эшелонированную структуру - как правило, пирамидального типа.
Системы снабжения классифицируются также по числу номенклатур (однородные и многономенклатурные) и по стабильности свойств предметов. Многономенклатурность является основным фактором, усложняющим модель. Например, спрос на разные номенклатуры может быть независимым, комплектным и коррелированным; ограничения задаются независимо или совместно по группе номенклатур.
Система снабжения склада СТО "Импульс" эшелонированную структуру пирамидального типа - каждый склад высшего ранга обеспечивает несколько складов низшего ранга. Высшим звеном принимается склад при заводе-изготовителе в Германии. Промежуточным складом этого звена - склад при СТО в Киеве, а последним - склад в Донецке.



Рис.3.2.1. Структура системы снаьжения складов BMW

Склад СТО «Импульс» является многономенклатурным. Ранжировка списка номенклатур, по мнению специалистов, должна быть построена в порядке убывания стоимостного спроса. Строгая оптимизация должна проводиться лишь по группе А из 5-10% номенклатур, суммарный спрос на которые в стоимостном исчислении составляет до 65% от общего. Для группы В (около 25% по составу и 30% по стоимостному спросу) допустимо применение простейших расчетных методов. Для всех остальных (С) возобновление запасов организуется из соображений практического удобства или по стабильным нормам. Попавшие сюда дорогие детали с крайне низким спросом хранятся на складе высшего звена системы снабжения, их запас выполняется при возникновении каждой потребности. Особая проблема в этой группе - как поступать с очень редко требуемыми деталями. Альтернативой может быть возврат в высшее звено.
Хранимые запасные части считаются стабильными, т.к. убыль за период значительно меньше ожидаемого спроса, т.е. количество и свойства хранимых деталей естественным изменениям практически не подвержены.

3.3. Спрос на запчасти

Спрос на предметы снабжения может быть

стационарным и нестационарным,

детерминированным или стохастическим,

дискретным или непрерывно распределенным,

зависящим от спроса на другие номенклатуры или независимым.

При решении задач управления запасами спрос надо прогнозировать.
При этом возникают следующие вопросы:

на каких данных основывать расчет потребности;

как часто заказывать;

как быть с новыми продуктами;

сколько стоит заплатить;

Каждое наименование имеет свои сроки службы и специфические причины спроса и выступает как отдельный товар. Однако в машинах имеются и такие детали, которые практически не изнашиваются. Потребность в их замене вызывается случайными или аварийными поломками. Прогнозы общего сбыта делятся на краткосрочные, среднесрочные и долгосрочные. Прогноз делается на основе прошлого товарооборота, анализа тенденций и циклов, корреляционного анализа.
Методы прогнозирования можно разделить на два класса квалитативные и квантитативные, в зависимости от того, какие математические методы используются. Квалитативные процедуры производят субъективную оценку, основанную на мнении экспертов. Обычно, это формальная процедура для получения обобщенного предсказывания, на основе ранжирования и обобщения мнения экспертов. Эти процедуры основываются на опросах, тестах, оценке эффективности продаж и исторических данных, но процесс с помощью которого получается прогноз остается субъективным.
С другой стороны, квантиативные процедуры прогнозирования явно объявляют - каким образом получен прогноз. Четко видна логика и понятны математические операции. Эти методы производят исследование исторических данных для того, чтобы определить глубинный процесс, генерирующий переменную и предположив, что процесс стабилен, использовать знания о нем для того, чтобы экстраполировать процесс в будущее. К квантитативным процедурам прогнозирования относятся методы основанные на статистическом анализе, анализе временных последовательностей, байесовском прогнозировании, наборе фрактальных методов, нейронных сетях. Сейчас используется два основных типа моделей: модели временных последовательностей и причинные модели. Временная последовательность - это упорядоченная во времени последовательность наблюдений (реализаций) переменной. Анализ временных последовательностей использует для прогнозирования переменной только исторические данные об ее изменении. Причинные модели используют связь между интересующей нас временной последовательностью и одной или более другими временными последовательностями. В этом случае, зная значение коррелирующих переменных, можно построить модель прогноза зависимой переменной. Например, анализ может указать четкую корреляцию между уровнем ежемесячной продажи шин и уровнем месячной продажи новых автомобилей 15 месяцев назад. В этом случае информация о продажах новых автомобилей 14 месяцев назад будет полезной для того, чтобы предсказывать продажу шин в следующем месяце.
Серьезным ограничением использования причинных моделей является требование того, чтобы независимая переменная была известна ко времени, когда делается прогноз. Факт, что продажа шин коррелирует с продажей новых автомобилей 15 месяцев назад, бесполезен при прогнозировании уровня продаж шин на 18 месяцев вперед.
Аналогично, знание о том, что уровень продаж шин коррелирует с текущими ценами на бензин, нам ничего не дает - ведь мы не знаем точных цен на бензин на месяц, для которого мы делаем прогноз. Другое ограничение причинных методов - большое количество вычислений и данных, которое необходимо сравнивать.
На выбор соответствующего метода прогнозирования, влияют следующие факторы:

требуемая форма прогноза;

горизонт, период и интервал прогнозирования;

доступность данных;

требуемая точность;

поведение прогнозируемого процесса;

стоимость разработки, установки и работы с системой;

простота работы с системой;

Существует ряд измерений, которые могут быть использованы для оценки эффективности прогнозирующей системы. Среди них наиболее важными являются: точность прогнозирования, стоимость системы, результирующая польза, свойства стабильности и отзывчивости.
Точность метода прогнозирования определяется на основе анализа возникшей ошибки прогнозирования. Если Xt это реальное наблюдение за период t и Xt это сделанный ранее прогноз, ошибка прогнозирования за период t et = Xt - Xt.

3.4. Возможность восполнения запасов.

Пополнение запасов всегда происходит с некоторой случайной задержкой относительно момента выдачи требования. Критерием выбора варианта здесь является ожидаемое значение спроса за время задержки между подачей заявки и выполнением заказа. Если эта величина пренебрежительно мала, допустимо использование модели с мгновенной доставкой. В противном случае при малом коэффициенте вариации задержки выбирается модель с фиксированной задержкой, а при большом - со случайной. Запасные детали доставляются из Киева поездом. В случае отсутствия запасов в Киеве, выполняется заказ из Германии. Процент отсутствия деталей в Киеве (в зависимости от спроса) разный. Но отсутствие запчастей на складе в Германии практически невозможно. Поэтому для выполнения заказов можно использовать модель с фиксированной задержкой.

3.5. Ограничения.

Ограничения могут быть:

по максимальному объему, весу, стоимости запасов,

по средней стоимости,

по числу поставок в данном интервале времени,

по доле требований, спросу,

по вместимости складов

Трудности вычислений оптимальных параметров значительно возрастают с введением каждого нового ограничения. Поэтому имеет смысл сначала решить задачу без ограничений и, получив решение проверить существенность каждого из них.
Стратегия управления запасами. Важными аспектами стратегий управления запасами являются учет задержки поставки и возможных вариаций ее объема.
Эту задачу управления запасами предлагается решить с помощью построения экспертной системы на основе нейронных сетей.

4. Исследование существующих моделей склада

4.1. Прерывание потока требований

Требования (каждое на одно изделие) поступают через случайные взаимонезависимые интервалы , имеющие одинаковую функцию распределения F(x) и среднее а( ). ПО мере поступления и удовлетворения этих требований наличный запас изделий Z(t) уменьшается и, когда его уровень опускается до (m - точка заказа), подается заказ на n изделий. Это заказ удовлетворяется через случайное время , имеющего функцию распределения G(x) и конечное среднее. Возможно, что после заказа остальные очередные m требований поступят раньше, чем заказанная партия, и Z(t) опустится до нуля (склад опустошится). В этом случае требования перестают поступать и расход возобновляется только после поступления пополнения, причем время с момента пополнения до очередного требования имеет распределение F(x). Т.о. при опустошении склада поток требований прерывается.
   После того, как заказанная партия поступит, Z(t) наверняка окажется не ниже точки заказа; по мере поступления новых требований Z(t) опуститься до m, будет подан новый заказ на n изделий, на его выполнение уйдет время независимое от и имеющее такое же распределение и т.д. Следовательно выполняя очередные n требований, склад подает заказ такого же размера, чтобы восполнить этот расход. Прерывание потока требований при опустошении склада является одной из простейших форм зависимости между расходом и наличием.
   Согласно постановке задачи процесс Z(t) регенерирующий, причем в качестве точек регенерации удобно рассматривать моменты подачи заказов(когда Z(t) опускается до уровня m). Если очередные m требований поступят раньше , чем пополнение, т.е. если окажется, что > , то ( - время между соседними моментами подачи заказов, св) можно представить как сумму и времени поступления тех (n-m) требований, которые уменьшат образовавшийся в момент запас из n изделий до точки заказа m. Когда и опустошения не происходит, представляет собой время поступления n требований в рекуррентном потоке без прерывания.

4.2.Рекуррентный поток требований единичного размера и постоянное время доставки

Будем считать, что рекуррентный поток требования не зависит от размера запаса. В частности, требование продолжает поступать при отсутствии запаса и выстраиваются в очередь в ожидании пополнения. Наличие такой очереди соотв. Отрицательному запасу Z(t). На доставку любой заказанной партии уходит постоянное время (точнее говоря - время от момента принятия решения о заказе до момента прибытия заказанной партии на склад). Обозначим через интервалы между требованиями, через F(x) распределение этих интервалов, а через a - их среднюю длительность. О партии уже заказанной но еще не доставленной будем говорить, что она находится в процессе доставки. В связи с тем, что в любой момент времени может быть одна или несколько таких партий, введем важное понятие фиктивного уровня запася y(t), представляющего собой сумму наличного запаса Z(t) и числа всех тех изделий, кот. В момент t находятся в процессе доставки. Ясно, что y(t) в момент подачи заказа увеличивается на его размер, а при поступлении любого требования уменьшается вместе Z(t) на единицу. Заметим еще, что при y(t) и Z(t) совпадают. Политика управления состоит в том, что при каждом уменьшении y(t) до m подается заказ на n изделий, иначе говоря заказы на пополнение подаются после получения очередных n требований в размере n, компенсирующем расход. Величину k=m+n можно назвать емкостью склада, т.к. Z(t) не превышает k (y(t) изменяется в целочисленной зоне , а Z(t) по определению y(t)). Процесс Z(t) регенерирующий, причем точками регенерации можно считать точки заказа.
   Случайное время доставки Предположение о том, что времена доставки партий - случайные, одинаково распределенные и независимые друг от друга величины, существенно усложняет модель…

4.3. Случайный размер требований

   Здесь размеры требований - переменные величины, описываемые некоторым вероятностным законом. В ряде случаев такое предположение более реально. Пусть случайные интервалы между моментами поступления требований являются взаимонезависимыми и имеют функцию распределения Z(t). По мере поступления требований уровень запаса Z(t) уменьшается, причем положительное значение z(t) соответствует размеру наличного запаса, а отрицательное - размеру неудовлетворенного запроса.
   Для восполнения запаса подаются заказы, причем заказанные партии доставляются с постоянной задержкой . Фиктивный запас y(t) определяется как сумма Z(t) и общего размера всех доставляемых в момент t партий. Заказы подаются в соответствии с политикой этих уровней. Как только y(t) уменьшается до уровня m или пересекает его сверху, подается заказ такого размера, который увеличит y(t) до k(k>m). Ширина изменений y(t) обозначаемая через n, равна k-m. В данном случае размер заказов не будет никогда равен n. Он будет зависеть от случайной величины перескока процессом y(t) уровня m. Здесь запас может быть как дискретным( речь идет о запасе штучных изделий) так и непрерывным. Различие между непрерывным и дискретным запасом практически непринципиально, все результаты для непрерывного запаса полностью аналогичны соответствующим результатам дискретного запаса.

4.4. Случайные возможности пополнения

Рассмотрим модель, которая обобщает модели с дискретным и непрерывным временем. Здесь возможности заказа на пополнение имеются не всегда, а появляются от случая к случаю, но не обязательно регулярно, как в моделях с дискретным временем. Такая модель оправдана в следующих ситуациях:
1. Запасаемые изделия дефицитны, поэтому приобрести их можно только случайно.
2. Требования на запасаемые изделия могут поступать в любой момент, спрос описывается случайным процессом с непрерывным временем, но состояние склада проверяется (т.е. изменяется уровень запаса) от случая к случаю, причем решение о заказе принимается на основании результатов проверки. В частности когда такие проверки регулярны, описываются моделями с дискретным временем.
3. Оптимальное управление многономенклатурным запасом представляет собой задачу большой практической сложности даже при простейших предположениях обо всех компонентах модели. Поэтому при независимом расходе изделий каждого типа можно попытаться действовать так: выбрать один "главный" тип изделий и рассчитать для него оптимальные параметры политики управления, а заказы на изделия остальных типов подавать только заодно с заказами на основные изделия. Поскольку поток заказов в одно-номенклатурной модели является рекуррентным, то для остальных изделий возможности пополнения будут возникать через одинаково распределенные интервалы времени.
Итак, пусть запас Z(t) однотипных изделий убывает по мере поступления требований (каждое на одно изделие), причем под отрицательным запасом подразумевается длина очереди из неудовлетворенных требований при отсутствии изделий на складе. Моменты поступления требований образуют пуассоновский поток интенсивностью . В свою очередь, моменты (),когда можно подавать заказ на пополнение, образуют рекуррентный поток, не зависящий от потока требований.
   Т.о., интервалы имеют одинаковую функцию распределения G(x) и конечное математическое ожидание. После решения о заказе, склад может мгновенно получать заказанную партию, а также может иметь постоянное время доставки, когда с момента заказа до прибытия заказанной партии проходит время .
   

4.5. Модель с мгновенной доставкой.

Постоянное время доставки.
С момента подачи заказа до прибытия заказанной партии на склад проходит постоянное время . При этом решение о заказе основывается на текущем значении фиктивного уровня Y(t), представляющего собой сумму наличного запаса Z(t) и общего числа изделий, находящихся в момент t в процессе доставки (т.е. уже заказанных, но еще не доставленных). Всякий раз после того, какY(t) уменьшается до некоторого уровня m, склад дожидается первой благоприятной возможности для подачи заказа, причем его размер всегда таков, чтобы Y(t) увеличился до уровня k.

5. Нейронные сети.

Прототипом для создания нейрона послужил биологический нейрон головного мозга. Биологический нейрон имеет тело, совокупность отростков - дендридов, по которым в нейрон поступают входные сигналы, и отросток - аксон, передающий выходной сигнал нейрона другим клеткам. Точка соединения дендрида и аксона называется синапсом. Упрощенно функционирование нейрона можно представить следующим образом:
1) нейрон получает от дендридов набор (вектор) входных сигналов;
2) в теле нейрона оценивается суммарное значение входных сигналов. Однако входы нейрона неравнозначны. Каждый вход характеризуется некоторым весовым коэффициентом, определяющим важность поступающей по нему информации. Таким образом, нейрон не просто суммирует значения входных сигналов, а вычисляет скалярное произведение вектора входных сигналов и вектора весовых коэффициентов;
3) нейрон формирует выходной сигнал, интенсивность которого зависит от значения вычисленного скалярного произведения. Если оно не превышает некоторого заданного порога, то выходной сигнал не формируется вовсе - нейрон "не срабатывает";
4) выходной сигнал поступает на аксон и передается дендридам других нейронов.
   Поведение искусственной нейронной сети зависит как от значения весовых параметров, так и от функции возбуждения нейронов. Наиболее распространенными функциями активации являются: ступенчатая пороговая, линейная пороговая, сигмоидная, линейная и гауссиана. Для пороговых элементов выход устанавливается на одном из двух уровней в зависимости от того, больше или меньше суммарный сигнал на входе нейрона некоторого порогового значения.
   Для линейных элементов выходная активность пропорциональна суммарному взвешенному входу нейрона.
   Для сигмоидных элементов в зависимости от входного сигнала, выход варьируется непрерывно, но не линейно, по мере изменения входа. Сигмоидные элементы имеют больше сходства с реальными нейронами, чем линейные или пороговые, но любой из этих типов можно рассматривать лишь как приближение.
      Процесс прогнозирования с помощью нейросети можно представить в виде 6 этапов:
1) постановка задачи - необходимо четко определить, что нам надо предсказывать и какие данные использовать,
2) сбор и подготовка исходных данных - получение информации из доступных источников, определение формата представления информации, создание базы примеров для обучения и тестирования нейросети,
3) создание нейросети - определение ее топологии, входов, выходов, числа нейронов в скрытом слое,
4) обучение сети - последовательная подача примеров на входы нейросети, сравнение выхода сети с эталонными значениями, коррекция весов межнейронных связей и топологии сети. В случае, если сеть не может быть обучена, повторить этапы 2 и 3,
5) тестирование сети - проверка точности сети на тестовых примерах, если сеть не проходит тестирование, повторяются этапы 2,3,4,
6) получение прогнозных значений.

Список источников.

1. Сборник под редакцией Васильева Б.М. Экспертные системы. - М.: Знание, 1990. -47с.
2. Рыжиков Ю.И. Управление запасами. -М., «Наука», 1969. -343с.
3. Брукинг А., Джонс П., Кокс Ф. и др. Экспертные системы: принципы работы и применение. -М., Радио и связь, 1987. -220с.
4. Хедли Дж. и Уайтин Т. Анализ систем управления запасами. -М.: «Наука», 1969. -270с.
5. Инютина К.В. Совершенствование планирования и организация материально-технического снабжения производственных объединений: -Л.: Машиностроение, 1986. -246с.
6. Прогнозирование. Под общей редакцией Шофик В.Г., Фесенко Р.А. - М.:»Информэлектро»,1969, 169с.
7. Кудрявцев Б.М. и др. Модели управления запасами. -М.: Ин-т управления им. С. Орджоникидзе,1987. -52с.

ЭЛЕКТРОННАЯ БИБЛИОТЕКА     ССЫЛКИ     ГЛАВНАЯ СТРАНИЦА