< индекс---содержание № 4---след. статья в № 4---след. в рубрике >
УДК 621.031
УПРАВЛЕНИЕ ВЫБОРОМ ПОСТАВЩИКА В УСЛОВИЯХ
ВЕРОЯТНОСТНОГО ПРОГНОЗА
Е.И. Макаров, П.А. Головинский
Воронежский государственный архитектурно-строительный университет
Рассмотрена модель вероятностного прогноза выбора наилучшего поставщика, в соответствии с которой динамика параметров поставщика описывается временными рядами, моделируемыми трехслойными искусственными нейронными сетями; поставщик оценивается путем вычисления функции полезности; при выборе поставщика рассчитывается вероятность его преимущества с учетом прогноза. Дан пример выбора наилучшего поставщика щебня в дорожном строительстве.
Становление рыночной экономики в корне изменило характер взаимоотношений в строительном комплексе, и в первую очередь - в области управления материальными потоками строящихся объектов. Состояние спроса со стороны подрядных организаций и ценовая политика поставщиков стали основными факторами конъюнктуры рынка строительных материалов. В условиях экономики рыночного типа главная проблема для поставщиков состоит в управлении сбытом продукции, а для потребителей - в максимизации полезности ее приобретения.
При поиске эффективных управленческих решений в области материально-технического обеспечения строительства важно построение рациональных логистических систем, состоящих из функциональных элементов со своими многоуровневыми иерархическими структурами, характеризующимися функциональной и структурной стабильностью, в зависимости от выбранной стратегии, поставленной цели и временного интервала.
Одно из фундаментальных свойств логистической системы заключается в устойчивости, которую можно определить как постоянство, неизменность определенного состояния системы (статическая устойчивость) или перехода из любых других состояний в данное состояние (динамическая устойчивость).
Применение структурно-функциональных конструкций для анализа устойчивости функционирования логистических систем показало, что устойчивость определяется набором структурных и функциональных элементов, наличием между ними определенной взаимосвязи и вероятностью того, что значение принятого критерия оптимальности в данном состоянии системы выше, чем в каком-либо другом. При понижении установленного уровня система переходит в другое состояние, характеризующееся сменой функциональных элементов.
В данной работе мы рассмотрим процесс перехода логистической системы в новое состояние в результате оптимального выбора поставщика по критерию максимума полезности в условиях вероятностного прогноза. Конкретная задача, которая будет рассмотрена в виде примера, - задача о выборе наилучшего поставщика щебня для строительства автомобильной дороги с учетом прогноза на месяц вперед.
Построенная нами модель прогноза и анализа параметров поставщиков позволяет давать оценку наилучшего поставщика на основе оценки вероятности. Качество прогноза в значительной степени определяется качеством модели временного ряда. Моделирование на основе нейронных сетей позволяет построить совокупность таких сетей и отобрать из них наилучшую, обеспечивающую представление ряда и его прогноз с наибольшей точностью. Вычисление вероятности при выборе наилучшего поставщика основывалось на предположении о непрерывности всех величин в задаче, а также на предположении о непрерывности производных функций частичных полезностей. В действительности уже в нашей модели функции рентабельность производства и коэффициент абсолютной ликвидности являются кусочно-непрерывными, а их производные терпят разрывы. Тем самым, принятая нами модель в окрестностях точек разрыва может приводить к большим погрешностям при оценке поставщиков. Построение модели прогноза с учетом возможности резких, катастрофических изменений в структуре временных рядов и поведении функции полезности представляет самостоятельную задачу дальнейших исследований.
Построенная нами модель прогноза и анализа параметров поставщиков позволяет давать оценку наилучшего поставщика на основе оценки вероятности. Качество прогноза в значительной степени определяется качеством модели временного ряда. Моделирование на основе нейронных сетей позволяет построить совокупность таких сетей и отобрать из них наилучшую, обеспечивающую представление ряда и его прогноз с наибольшей точностью. Вычисление вероятности при выборе наилучшего поставщика основывалось на предположении о непрерывности всех величин в задаче, а также на предположении о непрерывности производных функций частичных полезностей. В действительности уже в нашей модели функции рентабельность производства и коэффициент абсолютной ликвидности являются кусочно-непрерывными, а их производные терпят разрывы. Тем самым, принятая нами модель в окрестностях точек разрыва может приводить к большим погрешностям при оценке поставщиков. Построение модели прогноза с учетом возможности резких, катастрофических изменений в структуре временных рядов и поведении функции полезности представляет самостоятельную задачу дальнейших исследований.
1. Степанов В. С. Фондовый рынок и нейросети // Мир ПК. — 1998. - № 12. — С. 1—9.
2. Круглое В. В., Борисов В. В. Искусственные нейронные сети. — М.: Горячая линия — Телеком, 2001. — 382 с.
3. Осовский С. Нейронные сети для обработки информации. — М.: Финансы и статистика, 2002. — 344 с.
4. Медведев В. С., Потемкин В. Г. Нейронные сети. Матлаб 6. — М.: Диалог МИФИ, 2002. — 496 с.
5. Нейронные сети. STATISTICA: Neural Networks. — М.: Горячая линия — Телеком, 2001. — 182 с.
6. Смирнов В. И. Курс высшей математики. Т. 1. — М.: ГИТТЛ, 1951. — 472 с.
7. Венцель Е. С. Теория вероятностей. — М.: Высшая школа, 1998. — 576 с.
8. Корн Г., Корн Т. Справочник по математике. — М.: Наука, 1968. — 720 с
( (0732) 52-47-34
E-mail: golovinski@maill5.com;