Контрольная работа по «Логистике». 20

МИНИСТЕРСТВО СВЯЗИ И ИНФОРМАТИЗАЦИИ РЕСПУБЛИКИ БЕЛАРУСЬ

Учреждение образования

“ВЫСШИЙ ГОСУДАРСТВЕННЫЙ КОЛЛЕДЖ СВЯЗИ”

ФАКУЛЬТЕТ ЗАОЧНОГО ОБУЧЕНИЯ

КАФЕДРА ЭКОНОМИКИ И УПРАВЛЕНИЯ

 

 

 

 

 

 

Контрольная работа № 1

по дисциплине

«ЛОГИСТИКА»

 

 

 

 

 

 

 

 

 

 

 

 

Выполнила студентка гр. МС- 

 

 

 

 

 

 

Минск 2011

 

СОДЕРЖАНИЕ

 

1 «Тянущая» внутрипроизводственная логистическая система, эффективность ее

функционирования, примеры 4

2 Статистические модели определения запасов материальных ресурсов на базах и

складах 9

Задача 14

Литература 19

 

1 «Тянущая» внутрипроизводственная логистическая система, эффективность ее функционирования, примеры

 

Под системой управления материальными потоками понимается организационный механизм формирования планирования и регулирования материальных потоков в рамках внутрипроизводственной логистической системы.

Поток представляет собой совокупность объектов, воспринимаемую как единое целое, существующую как процесс на некотором временном интервале и измеряемую в абсолютных единицах за определенный период. Параметры потока - это параметры, характеризующие происходящий процесс. Основными параметрами, характеризующими поток, являются: начальный и конечный его пункты, траектория движения, длина пути (мера траектории), скорость и время движения, промежуточные пункты, интенсивность.

”Тянущая система” и представляет собой систему организации производства, в которой детали и полуфабрикаты подаются на последующую технологическую операцию с предыдущей по мере необходимости.

Здесь центральная система управления не вмешивается в обмен материальными потоками между различными участками предприятия, не устанавливает для них текущих производственных заданий. Производственная программа отдельного технологического звена определяется размером заказа последующего звена. Центральная система управления ставит задачу лишь перед конечным звеном производственной технологической цепи. Тянущая система предполагает сохранение минимального уровня запасов на каждом этапе производства и движения заказа от последующего участка к предыдущему. Последующий участок заказывает материал в соответствии с нормой и временем потребления своих изделий. План-график работы устанавливается только для участка (цеха)-потребителя. Участок-производитель не имеет конкретного графика и плана и работает в соответствии с поступившим заказом. Таким образом изготавливаются только те детали, которые реально нужны и только тогда, когда в этом возникает необходимость.

Для того чтобы понять механизм функционирования тянущей системы рассмотрим пример (рисунок 1).

 

Рисунок 1 – Тянущая система управления материальным потоком в рамках внутрипроизводственной логистической системы

 

Допустим, предприятие получило заказ на изготовление 10 единиц продукции. Этот заказ система управления передает в цех сборки. Цех сборки для выполнения заказа, запрашивает 10 деталей из цеха № 1. Передав из своего запаса 10 деталей, цех № 1 с целью восполнения запаса заказывает у цеха № 2 десять заготовок. В свою очередь, цех № 2, передав 10 заготовок, заказывает на складе сырья материалы для изготовления переданного количества, также с целью восстановления запаса. Таким образом, материальный поток «вытягивается» каждым последующим звеном. Причем персонал отдельного цеха в состоянии учесть гораздо больше специфических факторов, определяющих размер оптимального заказа, чем это смогла бы сделать центральная система управления.

На практике к тянущим внутрипроизводственным логистическим системам относят систему «Канбан». Система KANBAN разработана Корпорацией «Тоёта Моторс» (что в переводе с японского означает «карта»). Система KANBAN представляет собой первую реализацию «тянущих» логистических систем в производстве, на внедрение которой от начала разработки у фирмы «Тоёта» ушло около 10 лет.

Ключевыми факторами внедрения этой системы явились:

• рациональная организация и сбалансированность производства;
• тотальный контроль качества на всех стадиях производственного процесса и качества исходных ресурсов у поставщиков;
• партнерство только с надежными поставщиками и перевозчиками;
• повышенная профессиональная ответственность и высокая трудовая мораль всего персонала.

Первоначальные попытки американских и европейских конкурентов автоматически перенести схему KANBAN в производство без учета этих и других факторов логистического окружения потерпели неудачу.

Система KANBAN, впервые примененная корпорацией «Тоёта Моторс» в 1972 г. на заводе «Такахама» (г. Нагоя, Япония), представляет собой систему организации непрерывного производственного потока, способного к быстрой перестройке и практически не требующего страховых запасов. Сущность системы KANBAN заключается в том. что все производственные подразделения завода, включая линии конечной сборки, снабжаются материальными ресурсами только в том количестве и к такому сроку, которые необходимы для выполнения заданного подразделением-потребителем заказа. Таким образом в отличие от традиционного подхода к производству структурное подразделение-производитель не имеет общего жесткого графика производства, а оптимизирует свою работу в пределах заказа, по производственно-технологическому циклу подразделения фирмы.

Средством передачи информации в системе является специальная карточка «kanban» в пластиковом конверте. Распространены два вида карточек; отбора и производственного заказа. В карточке отбора указывается количество деталей (компонентов, полуфабрикатов), которое должно быть взято на предшествующем участке обработки (сборки), в то время как в карточке производственного заказа -- количество деталей, которое должно быть изготовлено (собрано) на предшествующем производственном участке. Эти карточки циркулируют как внутри предприятий «Тоёты», так и между корпорацией и сотрудничающими с ней компаниями, а также на предприятиях филиалов. Таким образом, карточки «kanban» несут информацию о расходуемых и производимых количествах продукции.

В системе отсутствует складирование на местах, так как используются только контейнеры, перемещаемые от одного обрабатывающего центра к другому с помощью технологического транспорта.

Каждый полностью заполненный контейнер имеет прикрепленную на нем карточку «kanban» со следующей информацией:

• код компонента (полуфабриката);
• описание;
• продукция (конечная, промежуточная), где эти компоненты используются;
• номер (код рабочего), где производится компонент;
• номер обрабатывающего центра (код рабочего), который использует данный компонент;
• количество компонентов для данного контейнера;
• количество контейнеров (карточек «kanban») рядом с обрабатывающим центром.

Карточки «kanban» могут быть двух цветов: белого и черного. Белые карточки находятся на контейнерах на входах Черные карточки «kanban» находятся на контейнерах у позиции выхода и означают разрешение на обработку.

Информация на карточках, прикрепленных к контейнерам, относится к конкретному контейнеру и фиксирует его объем и соответствующие вышеперечисленные реквизиты. В процессе управления каждой операцией по логистической технологии KANBAN участвуют только свободные карточки, отделенные от контейнера.

KANBAN -- это типичная схема  «тянущей» производственной системы, где контейнеры с деталями (составляющие  производственный запас) перемещаются только в зависимости от потребления на последующих участках.

Важными элементами KANBAN являются информационная система, включающая не только карточки, но производственные, транспортные и снабженческие графики, технологические карты, информационные световые табло и т.д.; система регулирования потребности и профессиональной ротации кадров: система тотального (TQM) и выборочного («Дзидока») контроля качества продукции; система выравнивания производства и ряд других.

Практическое использование системы KANBAN, а затем ее модифицированных версий позволяет значительно улучшить качество выпускаемой продукции: сократить логистический цикл, существенно повысив тем самым оборачиваемость оборотного капитала фирм: снизить себестоимость производства: практически исключить страховые запасы. Анализ мирового-опыта применения системы KANBAN многими известными машиностроительными фирмами показывает, что она дает возможность уменьшить производственные запасы на 50 %. товарные -- на 8 % при значительном ускорении оборачиваемости оборотных средств и повышении качества.

Система Канбан не требует тотальной компьютеризации производства, однако она предполагает высокую дисциплину поставок, а также высокую ответственность персонала, так как централизованное регулирование внутрипроизводственного логистического процесса ограничено.

Система Канбан позволяет существенно снизить производственные запасы. Например, запасы деталей в расчете на один выпускаемый автомобиль у фирмы Тоёта составляет 77 дол., в то время как на автомобильных фирмах США этот показатель равен примерно 500 дол. Система Канбан позволяет также ускорить оборачиваемость оборотных средств, улучшить качество выпускаемой продукции.

ORT относится к классу  “тянущих” микрологистических  систем, интегрирующих процессы снабжения и производства. Основным принципом работы этой системы является выявление в производственном процессе так называемых “узких” мест или критических ресурсов. По существу ORT является компьютеризованной версией KANBAN с той разницей, что система ORT препятствует возникновению узких мест в логистической сети “снабжение-производство”, а система KANBAN позволяет эффективно устранять уже возникшие узкие места. В качестве критических ресурсов, оказывающих влияние на эффективность логистической системы могут выступать запасы сырья и материалов, размер незавершенного производства, технология изготовления, персонал и др. Предприятия, использующие систему ОРТ, не стремятся максимально загрузить персонал, выполняющий некритические операции, так как это вызывает нежелательный рост запасов незавершенного производства. Эффективность системы ОРТ с логистических позиций заключается в увеличении выпуска продукции, снижении производственных и транспортных издержек, уменьшении запасов незавершенного производства.

 

2 Статистические модели определения запасов материальных ресурсов на базах и складах

 

Любое управление в логистике связано с выработкой и принятием управленческих решений, воплощающихся в управляющие воздействия. В ходе поиска и анализа возможных решений, выбора предпочтительного из них, формирования управляющих воздействий субъекты управления стремятся установить, насколько им удалось отобрать лучший вариант, как реально "сработает" принятое решение и каковы будут его последствия. Хотелось бы, конечно, прежде чем осуществлять управляющее воздействие, принимать окончательное решение проверить его действенность и последствия, прибегая к эксперименту.

Но натурный эксперимент в логистике осуществить очень трудно, ведь любая экономическая деятельность связана с людьми, а пробовать на людях разные варианты управления, проверять их последствия опасно. Вдобавок люди ведут себя в условиях эксперимента не так, как в реальной действительности. К тому же экономические эксперименты в натуре весьма дорогостоящи и продолжительны, в большинстве случаев субъект управления не имеет возможности затягивать принятие решений, ожидая пока они будут опробованы посредством эксперимента.

Поэтому в ходе выработки управленческих решений лица, готовящие их, продумывают варианты, результаты, последствия решений в своем воображении, в мысленном представлении. При этом фактически используются логические модели процессов управления, мысленные сценарии их протекания. Но возможности даже квалифицированного, опытного специалиста воспроизвести в своем мозгу картину поведения объекта управления под влиянием управляющих воздействий довольно ограниченны. Приходится привлекать на помощь математические расчеты, дополняющие мысленные представления, иллюстрирующие ожидаемую картину управляемого процесса в виде цифр, кривых, графиков, таблиц. Использование математических методов при формировании представлений об экономических объектах и процессах в ходе экономического анализа, прогнозирования, планирования называют применением экономико-математических методов.

Наиболее распространенная форма, основной инструментарий воплощения экономико-математических методов — это экономико-математическое моделирование. Моделирование представляет воспроизведение образа реального объекта в виде его модели, а модель и есть образ реального объекта или процесса в вещественной или описательной форме. Математическое моделирование опирается на математическое описание моделируемого объекта (процесса) в виде формул, зависимостей с помощью математических символов, знаков. Если же моделируемый посредством математических зависимостей, соотношений объект или процесс имеют экономическую природу, то соответствующая модель называется экономико-математической.

Экономико-математическая модель представляет формализованное описание управляемого экономического объекта (процесса), включающее заранее заданные, известные параметры, показатели и искомые неизвестные величины, характеризующие вместе состояние объекта, его функционирование, объединенные между собой связями в виде математических зависимостей, соотношений, формул. Отметим, что к экономико-математическим моделям принято относить не только чисто математическое описание объектов и процессов, но и логические связи в виде, например, матриц, графов, структурных схем.

Естественно, что экономико-математическая как и любая другая модель не способна воплотить и отразить все свойства моделируемого объекта (процесса), такая задача и не ставится перед моделированием. Модель способна быть только аналогом моделируемой системы, отражающим основные, существенные свойства изучаемой, управляемой системы, которые наиболее важны с позиций управления.

Благодаря моделированию субъект управления или аналитики, готовящие и обосновывающие управленческие решения, способны в ходе анализа иметь дело не с реальным объектом управления, а с его аналогом в виде модели. Это значительно расширяет возможности поиска лучших способов управления, не нарушает функционирование реального объекта управления в период выработки управленческих решений, то есть позволяет избежать экспериментов с реальным объектом, заменяя их экспериментами, проводимыми на моделях, с помощью моделей. Появляется возможность применить вычислительную технику, использовать компьютеры, для которых математический язык моделей является самым удобным. Благодаря компьютерам можно производить многовариантные модельные расчеты, что повышает шансы на отыскание лучших вариантов.

Казалось бы, тем самым применение экономико-математических моделей в управлении устраняет большинство трудностей выработки и обоснования управленческих решений, открывает дорогу рациональному, даже оптимальному управлению. В действительности это далеко не так. Главное требование к экономико-математическим моделям заключается в том, что они должны обладать адекватностью, то есть соответствовать моделируемым экономическим объектам или процессам, являющимся предметом управления.

Требование адекватности не носит абсолютного характера, так как по своему определению модель призвана отражать только существенные свойства реального объекта управления и его поведения, имеющие определяющее значение в процессе управления. Но в том-то и дело, что в подавляющем большинстве случаев экономико-математические модели оказываются неспособными адекватным образом воплотить в себе, отразить и выразить свойства, наиболее существенные для управления, в полной мере удовлетворяют требованию адекватности лишь частично, а то и вообще в малой степени.

Попытка отразить в экономико-математической модели все существенные свойства объекта управления наталкивается также на множественность и изменчивость этих свойств, присущие управляемым экономическим объектам как сложным системам. На поведение экономических объектов под воздействием управления значительно влияют их связи и взаимодействия с другими объектами и с окружающей средой, трудно поддающиеся математическому моделированию так называемые граничные условия, которые трудно воспроизвести даже в физическом моделировании.

Выраженная динамичность управляемых социально-экономических процессов проявляется в непрерывном изменении их параметров, а то и структуры системы, в которой протекают эти процессы. Такую изменчивость, динамичность не удается полноценно, адекватно воспроизвести в математической модели. Большинство экономико-математических моделей носит дискретный и статичный характер, тогда как моделируемые процессы во многом непрерывны и динамичны. Динамичны и условия, в которых функционирует моделируемый объект управления. За период, охватывающий отрезок времени между моделированием и реальным функционированием управляемого объекта, которое должна предсказать модель, условия функционирования объекта, заложенные в модель, могут настолько измениться, что поведение объекта будет заведомо отличаться от предсказанного математической моделью.

Наконец, нельзя упускать из вида действие факторов случайности и неопределенности на управляемые экономические объекты и процессы, учет которых в экономико-математических моделях очень затруднен. Отработанный, применяемый аппарат экономико-математического моделирования опирается в основном на использование детерминированных моделей, в которых случайность, проявляющаяся в поведении объекта управления, в явной форме не учитывается. В принципе известны и стохастические модели, оперирующие методами теории случайных процессов, теории вероятности и математической статистики, но пока они имеют узкую область применения в управлении.

Недостаточная адекватность экономико-математических моделей реальным объектам и процессам, которые они моделируют, никоим образом не отрицает их применение в управлении, но ограничивает роль математического моделирования объектов управления. Чаще всего результат экономико-математического моделирования есть предмет для рассуждения лиц, участвующих в управлении, принимающих решения, дающий им возможность расширить, дополнить представления об ожидаемом функционировании объекта управления при тех или иных управляющих воздействиях, а также о результативности управления в разных его вариантах. В этом свете на первый план выходит консультирующая роль экономико-математического моделирования, модели подсказывают управленцам многое то, на что они могли бы не обратить внимания, расширяют поле обзора способов, средств и потенциально возможных результатов управления.

Реализуемость экономико-математического моделирования с использованием современной компьютерной техники, средств передачи и отображения информации позволяет благодаря моделям многократно повысить количество рассматриваемых вариантов управления, различающихся по характеру управленческих решений, диапазону изменения факторов, влияющих на объект управления. Благодаря этому применение экономико-математических моделей в управлении позволяет приблизиться к рациональным, а в пределе—и к оптимальным решениям, обеспечивающим лучшее использование экономических ресурсов, достижение высокой эффективности управления.

Экономико-математические методы и модели представляют обширный и достаточно мощный научно-исследовательский, аналитический

инструмент познания. Благодаря тому, что экономико-математическое моделирование распространяет свои возможности на все уровни управления, начиная от экономики страны и заканчивая экономикой предприятия, фирмы, небольшой компании, отдельного хозяйства, можно объединять отдельные модели в систему моделей, имитирующую реакцию объектов разных уровней на макроэкономические управляющие воздействия. При умелом использовании многоуровневые системы экономико-математических моделей позволяют судить о необходимой увязке мероприятий реформы управления на разных уровнях, достижении их непротиворечивости.

Многолетним мировым опытом доказано, что экономико-математические модели способны служить мощным средством научного анализа, прогнозирования, аналитического планирования самых разных социально-экономических процессов.

Спрос на товары или продукцию чаще всего представляет собой случайный процесс, который может быть описан методами математической статистики. Одним из наиболее простых экономико-математических методов определения размера запаса является метод экстраполяции (сглаживания), который позволяет перенести темпы, сложившиеся в образовании запасов в прошлом, на будущее. Например, имея информацию о размере запасов за прошедшие четыре периода, на основе метода экстраполяции можно определить размер запасов на предстоящий период по формуле

 

Y5 =0,5(2Y4+Yз-Y1),

 

где Y1, Y3, Y4   — уровни запаса (в сумме, днях или процентах к обороту), соответственно, за первый, третий и четвертый периоды;

Y5    —   нормативный уровень запаса на предстоящий, пятый период.

Прогноз уровня запасов для шестого периода (Y6) можно сделать, используя формулу

 

Y6 =0,5(2Y5+Y4-Y2).

 

Международная практика управления запасами свидетельствует, что темп роста запасов должен несколько отставать от темпа роста спроса. Математически это выглядит следующим образом:

где Т3 — темп роста товарных запасов;

То — темп роста спроса.

Такое соотношение между запасами и спросом обеспечивает возможность ускорения оборачиваемости оборотных средств.

Однако возможности непосредственного использования экономико-математических моделей в практическом управлении конкретными социально-экономическими объектами выглядят менее впечатляющим образом. Частично это обусловлено обрисованными выше трудностями применения математических моделей к задачам управления экономикой. Но есть и другие ограничительные условия, препятствующие использованию таких моделей как прямого инструмента социально-экономического управления.

 

ЗАДАЧА

Проведите моделирование управления запасами организации с помощью системы управления запасами с фиксированным размером заказа в течение 14 дней, постройте график изменения запасов, сделайте выводы по результатам моделирования (уровень запасов в системе, появление дефицита на складе и др.).

Примечание 1. Все расчеты следует подробно пояснять.

Примечание 2. Округление величины запасов, прогнозов и заказов должно производиться до целого, т.к. товар согласно условию – штучный.

Примечание 3. Округление временных величин должно производиться до целого.

Таблица 1 - Ежедневный спрос [шт./день], начиная с 1-го дня работы 

 

Вариант	День работы
	1	2	3	4	5	6	7	8	9	10	11	12	13	14
13	45	47	50	44	42	43	44	44	47	52	54	56	62	55

 

Таблица 2 – Исходные параметры системы управления запасами

 

Вариант	Время доставки заказа, дн.	Предыдущий средний дневной спрос, шт./дн.	Суммарные затраты на оформление и доставку заказа, д.ед.	Затраты на хранение за штуку товара в сутки, д.ед./дн.	Прогноз спроса на ближайший день, шт./дн.	Исходный запас товара на складе перед началом работы, шт.
13	2	46	70	0,59	45	187

 

Решение:

 

Определим порядок расчета параметров системы управления запасами с фиксированным размером заказа:

Исходя из формулировки, размер заказа (по конкретному наименованию товара, хранящегося на складе) здесь строго зафиксирован и не меняется ни при каких условиях работы системы. Поэтому определение величины заказа является основной задачей, которая решается при работе с данной системой. Из экономических соображений объем закупки (заказа) должен быть оптимальным, т.е. самым лучшим для определенных условий. В большинстве случаев для определения оптимального размера заказа (ОРЗ) используется формула Уилсона:

 

,

 

где А - транспортные и связанные с ними расходы (издержки) на выполнение одного заказа, у.е.;

S - величина оборота (потребления) товара на складе за определенный период;

М - издержки на хранение единицы товара за период оборота (потребления) величины S.

Оптимальный размер заказа равен:

 

 

После установления оптимального размера заказа (закупки) необходимо определить момент времени, когда требуется осуществлять заказ, который, в свою очередь, зависит от времени выполнения заказа.

Однако в реальных условиях изменяется не только интенсивность сбыта, но и время выполнения заказа. В такой ситуации крайне необходим гарантийный (страховой) запас, который позволяет обеспечить потребность на время предполагаемой задержки поставки, а точнее максимально возможной задержки.

В данной ситуации график движения запасов примет следующий вид (рисунок 2).

1. Определяем величину текущего запаса на складе после завершения рабочего дня по формуле

,                                                    (1)

 

где z t-1 – запас предыдущего дня;

      x t – ежедневный спрос;

          Q pt – величина поставленного товара в t-й день.

 

                                                       (2)

 

 шт.

 

2. Определяем величину товара, который мы ранее заказали, но еще не получили по формуле

 

,                                                  (3)

 

где - величина заказанного товара в предыдущий день, шт.

 

                                                    (4)

 шт.

 

3. Прогнозируем спрос на следующий день по формуле

 

,                                                           (5)