Рис. 8. Интеграция блоков программного обеспечения

Эти взаимосвязанные подсистемы осуществляют информационно-компьютерную поддержку всех функций мониторинга цепи поставок предприятия и связь с микро- и макрологистической окружающей средой.

Глава 4. Программная реализация автоматизированной системы мониторинга рисков

В четвертой главе диссертации приведено описание программно-инструментального комплекса системы мониторинга рисков цепи поставок, определены приоритетные роли категорий метрик, оказывающих влияние на конечный уровень риска.

Блок 1 представляет собой автоматизированную систему управления (АСУ) - вычислительный комплекс, оснащенный соответствующими аппаратными и программными средствами. Они должны быть надежными, устойчивыми, масштабируемыми, удобными, гибкими, достаточно легко перенастраиваемыми, открытыми для настройки и доработки.

Для реализации работы нейрологистического модуля (Блока 2) автор предлагает использовать программный продукт нейропакет NeuroPro (НейроПро) Версия 0,25. Данный программный продукт представляет собой менеджер обучаемых искусственных нейронных сетей, работающий в среде Windows.

Блоки 1и 3 реализуются в ЗАО «Нара» на платформе 1С: Предприятие 8.1 с помощью разработки специализированной конфигурации. Блок 4 реализован на базе платформы программного обеспечения «Парус» модуль «Управление деловыми процессами» путем его доработки. При необходимости выдачи в Блок 4 информационного сигнала, устанавливает соединение с сервером баз данных Oracle, в котором программное обеспечение Блока 4 хранит свои данные, производит вызов хранимой процедуры и передачу полученной информации авторизованным пользователям. Для выполнения такой передачи данных на сервере Блока 1 устанавливается программное обеспечение Oracle Objects for OLE версии 9.2.0.7.0. В указанной базе Блока 4 должна быть создана специализированная таблица с обозначением кодов возможного сбоя в цепи поставок наукоемкой продукции и метрик, оказавших наибольшее влияние на возникновение риска.

В состав службы технического директора рассматриваемого объекта вводится новая штатная единица – специалист внутреннего контроля. Данный сотрудник будет осуществлять поддержку и обеспечение системы мониторинга.

Для устранения расхождений между фактическими и учетными данными и автоматической фиксации прохождения технологического цикла и перемещений узлов и готовой продукции по наиболее значимым позициям необходимо вести их идентификацию с помощью шртих-кодирования. Цех литья комплектуется специализированными термопринтерами с расходными материалами для печати этикеток.

Ответственным начальникам участков для фиксации прохождения номеров на входе и выходе выдаются терминалы сбора данных во время рабочей смены. Их рабочее место оснащается персональным компьютером для установки специализированного программного обеспечения. Терминалы сбора данных – технические устройства, предназначенные для автоматического считывания индивидуального штрих-кода, отвечающие определенным техническим требованиям.

Для запуска нейрологистического модуля установим пороговые значения для 12 сформированных метрик (табл.1.), вычисляемые аналитически на основании отчетов из 1С.

Таблица 1. Пороговые значения метрик

С помощью выбранного программного обеспечения и заданных пороговых значений в работе представлены показатели метрик для 31 примера прохождения запчастей и готовой продукции по внутренней цепи (табл.2.).

Таблица 2.Обучающая выборка

Для каждой метрики от 1 до 12 вычисляется ее значение. Класс результата «1» означает, что в данной ситуации не произошел сбой функционального цикла цепи поставок, класс результата «2» - сбой произошел.

После обучения сети с помощью нейрологистического модуля прогнозируется результат для следующего случая №32, отраженного в табл.3.

Таблица 3. Прогнозируемый случай

По результатам исследования получаем результат - 2,01401? 2. Этот класс результата свидетельствует о высокой вероятности сбоя в цепи поставок предприятия. Нейрологистический модуль выдает в Блок 4 предупреждающий сигнал, формируя список оказавших наибольшее влияние метрик.

Наибольшее влияние на возникновение риска в цепи поставок предприятия оказали метрики: 3. Период времени от формирования заказа до поставки товара; 4. Уровень сервиса поставщика; 8.Покрытие запасов готовых изделий; 9. Нормативный блок.

Развернутая в ЗАО «Нара» система мониторинга рисков позволила уменьшить потери и дополнительные затраты, связанные с задержкой времени выполнения операций и недостаточной информированностью участников функционального цикла. Расчетный экономический эффект Vитог от внедрения системы, учитывающий снижение размера ущерба и упущенной выгоды из-за потери клиентов и дополнительных логистических издержек, составил:

Vитог =7 309 292,3 руб.

В заключении представлены основные результаты работы.

Приложения содержат методики оценки рисков, структурные схемы, документы об использовании результатов работы.

Публикации. По результатам выполненных исследований опубликовано 9 печатных работ, которые приведены в списке публикаций.

Основные выводы и результаты работы

На основе проведенного анализа существующих методов и научных разработок систем управления цепями поставок наукоемкой продукции был предложен и обоснован новый подход к анализу рисков на базе применения понятия «операционного риска», метрик и положений теории нейросетей. Внедрение этого метода имеет большое значение для динамичного и устойчивого развития цепей поставок предприятий и обеспечения его функционирования на заданном уровне.

Создан поэтапный алгоритм мониторинга, включающий получение информации из учетной и бухгалтерской системы предприятия и адаптацию системы в соответствии с изменяющимися внешними условиями. Алгоритм предполагает интеграцию всех задействованных в работе блоков программного обеспечения и учитывает сформированную базу инцидентов. Показатели системы мониторинга напрямую связаны с основными экономическими и финансовыми индикаторами деятельности предприятия. Анализ результатов обеспечивает обратную связь, необходимую для эффективного управления процессами.

Разработана и апробирована структурная модель и алгоритм работы нейрологистического модуля системы мониторинга, содержащие инструментарий по поддержке принятия стратегических решений на основании полученной информации о вероятности отказа в цепи поставок предприятия. Это позволяет повысить эффективность работы компании и снизить операционные издержки. Анализ потенциальных несоответствий помогает предотвратить возможные потери в цепи поставок за счет принятия предупреждающих мер.

Предложена и обоснована классификация параметров измерения системы мониторинга - метрик, характеризующих уровень реализации рисковых ситуаций. Каждой метрике по итогам проведенной оценки в сравнении с полученным аналитическим путем пороговым значением присваивается индекс «0» или «1». Такой параметр измерения представляет собой категорию риска цепи поставок, характерного для конкретного объекта. В случае присвоения ей значения «1» данный риск считается реализовавшимся.

Предложен подход к построению прикладной программы для оценки риска в цепи поставок на основании полученных значений метрик с использованием искусственной нейронной сети. Обучение выполняется на компьютерной модели нейрологистического модуля, что позволяет формировать прогнозные варианты реализации рисковых ситуаций в рассматриваемых областях.

Разработан программно-инструментальный комплекс нейрологистического модуля, позволяющий использовать его как элемент общей информационной системы предприятия.

Представлена модель взаимодействия блоков программного обеспечения, которая обеспечивает сбор информации для передачи в нейрологистический модуль, его запуск и выдачу результата пользователям о возможном отказе цепи поставок

Выявлена приоритетная роль ряда категорий метрик, оказывающих влияние на конечный уровень риска и вероятность отказа цепи поставок предприятия. Одной из таких метрик стал нормативный блок, что еще раз подтверждает ведущее значение международных стандартов в области менеджмента безопасности цепей поставок.

Основные результаты диссертационной работы докладывались, обсуждались и получили одобрение на межотраслевых ежегодных конференциях «Интегрированные системы менеджмента и безопасность цепей поставок» (2009 г.) и «Системы менеджмента рисков и безопасность цепей поставок» (2010 г.), на V Российско-Немецкой конференции по логистике и SCM «DR-LOG'10». Разработанный программный комплекс, методы и алгоритмы прошли апробацию и внедрены для практического применения в ряде промышленных предприятий (ООО «Силтэк», ООО «Молта», ОАО «В/О «Авиаэкспорт», ЗАО «Авиатехснаб», ООО «ИнтегПрог»).

Принципы работы нейрологистического модуля могут применяться на стратегических уровнях управления корпорациями, включая межотраслевое взаимодействие предприятий, производящих и поставляющих наукоемкую продукцию, а также в сфере военно-технического сотрудничества. Полномасштабная реализация научных методов, изложенных в исследовании, может внести определенный вклад в обеспечение безопасности и устойчивости функционирования промышленности и транспорта.

Применение автоматической идентификации запчастей и нейрологистического модуля позволяет заложить основы противодействия обороту контрафактной продукции. Результатом реализации мониторинга рисков может стать создание интегрированной системы, обеспечивающей выявление фальсифицированных и некачественных изделий, и объединение в рамках единого информационного пространства различных участников рынка.

ПУБЛИКАЦИИ ПО ТЕМЕ РАБОТЫ

ПУБЛИКАЦИИ В РЕЦЕНЗИРУЕМЫХ ЖУРНАЛАХ ИЗ СПИСКА ВАК

Некрасова М.А., Некрасов А.Г., Атаев К.И., Безопасность и управление рисками в цепях поставок на транспорте. – Железнодорожный транспорт, №7, 2007, с.66-68.

Некрасова М.А. Методы идентификации и оценки рисков в цепях поставок. - Логистика, № 1, 2008, с. 14-15.