Министерство образования и науки Российской федерации

ФГБОУ ВПО

«ИРКУТСКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ

УНИВЕРСИТЕТ»

Институт авиамашиностроения и транспорта

Кафедра менеджмента и логистики на транспорте

ОБРАЗОВАТЕЛЬНАЯ ПРОГРАММА ДИСЦИПЛИНЫ

(рабочая учебная программа дисциплины)

ПРОГНОЗИРОВАНИЕ В ЛОГИСТИКЕ

Направление подготовки: 190700 «Технология транспортных процессов»

Профиль подготовки: 190700.62 «Логистика и менеджмент на транспорте»

Квалификация (степень): «Бакалавр»

Форма обучения: Очная Составитель программы: Лагерев Роман Юрьевич, к.т.н., доцент кафедры менеджмента и логистики на транспорте Иркутск 2013 г.

1.ИНФОРМАЦИЯ ИЗ ФГОС, ОТНОСЯЩАЯСЯ К ДИСЦИПЛИНЕ

1.1 Вид деятельности выпускника Дисциплина «Прогнозирование в логистике» охватывает круг вопросов относящихся к производственно-технологической, расчётнопроектной деятельности выпускника.

1.2 Задачи профессиональной деятельности выпускника В дисциплине «Прогнозирование в логистике» рассматриваются указанные в ФГОС задачи расчетно-проектной, производственнотехнической деятельности выпускника:

- участие в составе коллектива исполнителей: в разработке обобщенных вариантов решения производственной проблемы, анализе этих вариантов, прогнозировании последствий, нахождении компромиссных решений в условиях многокритериальности, неопределенности планирования реализации проекта;

- использование современных информационных технологий при разработке новых и совершенствовании сложившихся транспортнотехнологических схем;

- создание, в составе коллектива исполнителей, моделей процессов функционирования транспортно-технологических систем и транспортных потоков на основе принципов логистики, позволяющих прогнозировать их свойства;

- участие в составе коллектива исполнителей в прогнозировании развития региональных транспортных систем.

1.3 Перечень компетенций, установленных ФГОС Освоение программы настоящей дисциплины «Экономикоматематические методы в логистике» позволит сформировать у обучающегося следующие компетенции:

- способен к планированию и организации работы транспортных комплексов городов и регионов, организации рационального взаимодействия видов транспорта, составляющих единую транспортную систему, при перевозках пассажиров, багажа, грузобагажа и грузов (ПК-2);

- способен выявлять приоритеты решения транспортных задач с учётом показателей экономической эффективности и экологической безопасности (ПК-16) 1.4 Перечень умений и знаний Обучающиеся после освоения программы дисциплины «Экономикоматематические методы в логистике» должны:

Знать методы решения задач математического прогнозирования и систем массового обслуживания.

Уметь создавать модели процессов функционирования логистических систем, позволяющих прогнозировать их свойства и характеристики.

Владеть инструментами анализа прогнозных моделей и разрабатывать оптимальные варианты для планирования и реализации логистических процессов на транспортных предприятиях различных видов транспорта.

2. ЦЕЛИ И ЗАДАЧИ ОСВОЕНИЯ ПРОГРАММЫ ДИСЦИПЛИНЫ

Целью изучения дисциплины является освоение студентами основ математического прогнозирования различных логистических процессов и систем, включая разработку обобщенных вариантов решения логистических задач, анализ этих вариантов, прогнозировании последствий, нахождения компромиссных решений в условиях многокритериальности, неопределенности планирования реализации логистических процессов.

В соответствии с целью дисциплины основными задачами ее изучения являются:

- рассмотрение основных положений теории математического прогнозирование в логистике;

изучение методов математического прогнозирования комбинированный прогноз);

- формирование навыков проведения численных расчетов по задачам математического прогнозирования;

- освоение методов исследования логистических процессов с помощью математических моделей;

- формирование навыков построения математических моделей, проведение расчетов по моделям прогноза;

- приобретение навыков подготовки исходной информации, необходимой для проведения расчетов по моделям прогноза;

- освоение и применение компьютерных технологий при исследовании логистических процессов с помощью математических моделей;

- формирование навыков выработки практических рекомендаций на основе результатов, полученных при расчетах по прогнозным моделям.

3. МЕСТО ДИЦИПЛИНЫ В СТРУКТУРЕ ООП

Для изучения дисциплины «Прогнозирование в логистике» необходимо освоения содержания дисциплин: математика, прикладная математика, теория транспортных процессов и систем.

Знания и умения, приобретаемые обучающимися после изучения содержания дисциплины будут использоваться в процессе написания выпускной квалификационной работы.

4. ОСНОВНАЯ СТРУКТУРА ДИСЦИПЛИНЫ

Таблица 1 – Структура дисциплины Самостоятельная работа (в том числе курсовое проектирование) Вид промежуточной аттестации том числе курсовое проектирование

5. СОДЕРЖАНИЕ ДИСЦИПЛИНЫ

5.1 Перечень основных разделов и тем (дидактических единиц) теоретической части дисциплины Раздел 1. Введение в математическое моделирование. Предмет и задачи дисциплины Цель и задачи дисциплины. Предметная область дисциплины, ее место в подготовке специалистов в области логистики и связь с базовыми курсами специальности. Логистическая система и цепь поставок как объекты экономико-математического моделирования. Задачи формирования эффективных цепей поставок и поддержки принятия решений в современной логистике.

Раздел 2. Виды моделей и особенности моделирования в логистике Экономико-математические модели логистических систем:

классификация моделей с позиции управления логистическими системами, методология моделирования. Модели стратегического уровня и задачи проектирования эффективных цепей поставок. Типовые (рекомендуемые) модели бизнес-процессов в логистике. Формализация неопределенности и рисков в моделях поставки товаров.

Раздел 3. Модели и методы прогнозирования в логистике Динамические ряды и методы прогнозирования в исследованиях логистики и УЦП. Модели экспоненциального роста и S-образные модели развития. Методы сглаживания экспериментальных данных. Нелинейные модели МНК. Логистическая модель продаж с учетом сезонных колебаний.

Регрессия и корреляция. Многофакторная модель прогнозирования спроса на товары и услуги сетевой компании. Прогнозирование логистических издержек.

Раздел 4. Модели и методы поддержки принятия управленческих решений Экспертные методы и технологии прогнозирования и поддержки принятия решений. Метод ДЕЛФИ. Техника и технология проведения экспертиз и обработки результатов. Основные понятия теории стратегических игр и ее приложение в задачах логистики и УЦП. Метод анализа иерархий и метод относительных предпочтений в логистических задачах выбора. Модели матричных игр в определении бизнес-стратегий логистической компании.

Раздел 5. Статистическое моделирование в логистике Статистические выборки в логистике: классификация и методы обработки. Законы распределения случайных событий в логистических системах и проверка статистических гипотез. Модель слабейшего звена в цепи поставок. Метод Монте-Карло и его применение для моделирования цепей поставок Раздел 6. Экономико-математические модели и алгоритмы оптимизации в задачах функциональной логистики Математическое программирование в задачах логистики и УЦП:

линейное, нелинейное, динамическое, стохастическое, дискретное и целочисленное программирование. Применение теории графов для решения задач транспортной логистики. Задачи транспортного типа на сетях и их решение. Оптимизация запасов при случайном спросе (модель хозяйственного риска). Модель оптимизации периодичности мероприятий по профилактике оборудования и техники. Оптимальное время доставки в задачах транспортировки по технологии «точно во время». Оптимальное планирование развозки мелкопартионных грузов методом «закрепления»

(комбинаторика). Задача оптимального планирования перевозок товаров путем закрепления транспортных средств за клиентом. Алгоритм оптимального комплектования сборного груза в задаче развозки. Задачи позиционирования промежуточных складов на плоскости. Задачи дислокации складов в сетях поставок товаров. Оптимизация структуры сети поставок с промежуточными складами путем закрепления потребителей и поставщиков. Надежность цепей поставок.

Раздел 7. Модели массового обслуживания и сетевое планирование в логистике Случайные процессы и потоки событий в логистических системах.

Модели и методы моделирования систем массового обслуживания (СМО) в исследованиях логистики и УЦП. Многомерные СМО и моделирование логистического потока. Моделирование процессов управления запасами в цепях поставок. Сетевые модели в планировании логистических операций.

Методы и средства управления проектами в логистике: сетевые графики, метод критического пути, планирование временных и ресурсных показателей.

5.2 Краткое описание содержания теоретической части разделов и тем дисциплины Раздел 1. Введение в математическое моделирование. Предмет и задачи дисциплины Предметом курса является изучение методов прогнозирования вероятностных ситуаций, противоречий, перспективных проблем и целей развития и принятия на этой основе оптимальных решений по управлению развитием логистической деятельностью.

При выборе направлений развития логистической деятельности первоначально сталкиваются с неопределенным множеством решений.

Разработка прогноза уменьшает неопределенность и позволяет сформулировать ограниченное множество решений. В этом случае принятие решений связано с выбором из области альтернативных решений одногоединственного решения, оптимального по принятому критерию.

Таким образом, наиболее важными сторонами метода курса являются:

- системный подход к решению задач прогнозирования и управления развитием логистической деятельности;

- изучение процесса развития логистической деятельности;

- анализ и обобщение новых перспективных явлений в развитии логистической деятельности;

- учет специфики объекта исследования;

- сопоставление альтернатив решения задач для выявления оптимальной, с точки зрения принятых критериев эффективности, стратегии развития;

- широкое применение математических методов для решения прогнозных и управленческих задач.

Чтобы получить информацию о будущем, необходимо изучить закономерности развития логистической деятельности, определить причины, движущие силы его развития – это основная задача планирования и прогнозирования. Другими задачами являются: установление целей развития логистической деятельности; поиск оптимальных путей и средств их достижения; определение ресурсов, необходимых для достижения поставленных целей.

Выбор целей является результатом анализа задач логистической деятельности, которые отражают объективный характер действия экономических законов. Выбору целей предшествует разработка альтернатив целей, выбор ведущих звеньев.

Пути и средства достижения целей определяются на основе анализа развития логистической деятельности. При этом в процессе прогнозирования происходит ограничение области альтернатив вариантов путей и средств достижения поставленных целей, т.е. определяется область оптимальных решений.

В процессе прогнозирования и разработки плана обязательно производится анализ взаимодействия целей, способов и технических средств их достижения, ресурсов, необходимых для их реализации, и определяются по принятым критериям эффективности оптимальные пути развития логистической деятельности.

Существует ряд общих принципов планирования и прогнозирования:

системность, непрерывность и обратная связь, пропорциональность и оптимальность, реальность и объективность.

Предвидение событий дает возможность заблаговременно приготовиться к ним, учесть их положительные и отрицательные последствия, а если возможно, стараться предварить в жизнь одну из выявленных альтернатив будущего.

Решения, принимаемые сегодня должны базироваться на оценке развития явлений в будущем, в свою очередь, они в большей или меньшей степени влияют на это будущее. Недооценка важности этих последствий приводит к ошибкам, которые замедляют развитие социально-экономических систем.

Таким образом, объективная необходимость прогнозирования в условиях изменчивой среды и рыночной экономики обусловлено:

- возрастанием сложности объектов управления.

- увеличением неопределенности событий.

- ярко выраженным динамическим характером внешней среды.

- многоукладностью экономики и изменением форм собственности, повышающими меру ответственности собственника за результаты своей деятельности.

- возрастанием темпов морального старения товаров и услуг.

- ужесточение конкурентной борьбы.

неспособность рыночной экономики к саморегулированию, особенно на кризисных стадиях воспроизводственного цикла.

деятельностью государства как субъекта рыночных отношений.

При изучении роли прогнозирования – планирования в логистической деятельности в условиях нестабильной экономической среды возникает вопрос о том, изменяется ли степень влияния прогнозирования на результаты управления при изменении степени относительной обеспеченности логистической деятельности ресурсами или эта роль остается постоянной вне зависимости от этого фактора. Степенью относительной обеспеченности логистической деятельности ресурсами называется отношение реального объема соответствующих ресурсов к минимально необходимому по нормам объема для реализации соответствующей программы создания товара, развития производства.

логистической деятельности при выполнении любой из присущих функций.

Прогнозирование и планирование являются некоторой системой методических приемов, выполнение которых в определенной последовательности позволяет обеспечить эффективность принятых решений. Это связано с тем, что соблюдение системного единства и установленной последовательности этапов «поисковый прогноз нормативный прогноз - стратегическое планирование – бизнес-планирование – перспективное планирование – текущее планирование – оперативное планирование» позволяет последовательно раскрывать неопределенности нестабильной экономической среды, а также состояние самого предприятия.

Пропуск одного из элементов этой системы может привести к:

- снижению точности планирования;

- повышению риска при принятии решения.

Поэтому для обеспечения возможности практического использования прогнозов и планов в условиях нестабильной экономической среды в качестве параметров классификации планов можно использовать комбинации следующих параметров:

- объектов планирования – организационно-производственные системы, ее подсистемы, элементы, участки, рабочие места;

- периодов планирования, определяемых не календарно, а измеряемых в продолжительностях циклов, их этапа или фаз этапов жизненного цикла.

В качестве относительно самостоятельных форм планирования выступают стратегическое, бизнес-планирование, перспективное, текущее, оперативно-календарное планирование.

Стратегическое планирование заключается в организационном стратегическом предвидении, внутренней координации, распределения ресурсов между несколькими направлениями деятельности предприятия сферы коммерции в целях адаптации к внешней среде. Осуществляется после прогноза возможных состояний среды, определения целей деятельности сферы коммерции, выбора нескольких сегментов рынка.

Основные задачи стратегического планирования:

1. распределение ресурсов между следующими направлениями:

развитием и перспективной, текущей и оперативной деятельностью;

выбор направлений развития;

распределение ресурсов между различными направлениями развития;

распределение ресурсов между перспективным, текущим и оперативнокалендарным управлением.

Бизнес-планирование отличается от стратегического тем, что решение принимается по реализации на одном из сегментов рынка конкретной рыночной программы одного товара или услуги. Период упреждения при таком планировании может быть равен сумме оценок сроков реализации цикла разработки, рыночного цикла и жизненного цикла.

Перспективное планирование – планирование на период упреждения, близкое длительности одного отдельно взятого из циклов товара, а именно циклов разработки, рыночного или жизненного циклов, и имеющее в качестве объекта планирования предприятие в целом, действующее на одном сегменте рынка.

Текущее планирование – планирование в пределах одного из этапов жизненного цикла или сферы деятельности одного из производств или подразделения предприятия.

Оперативно-календарным называется планирование с периодом упреждения, не превышающим длительность одной из фаз одного этапа жизненного цикла, рассматривающее в качестве объекта планирования элемент подразделения организационно-производственной системы.

Таким образом, определив основные категории прогнозирования и планирования, представляется возможным в качестве основных отличий прогнозирования от планирования назвать следующие:

1. прогнозирование осуществляется в условиях с большой долей неопределенности или случайности;

2. объектом прогнозирования чаще всего является совокупность сферы услуг и внешней среды;

3. прогнозирование в большей степени ориентировано на исследование развития внешней среды, рассматривает предприятие или его элемент как некую целостность, носит системный характер;

4. прогнозирование позволяет определить возможные состояния внешней среды, перечень и вероятности достижения возможных целей, перечень путей и соответствующие им вероятности достижения каждой из целей.

5. при прогнозировании в связи с большим периодом упреждения и неопределенностью используются более общие межотраслевые расчетные или экспертные нормы;

6. прогнозирование в большей мере носит информационный, консультативный характер, принятие решения необязательно.

Раздел 2. Виды моделей и особенности моделирования в логистике Метод прогнозирования – способ теоретического и практического действия направленный на разработку прогноза.

Это определение является общим и достаточно широким, т.е. данный термин от простейших экстраполяционных расчетов до сложных процедур экспертных оценок.

Различают простые и сложные методы прогнозирования. Под простым понимается метод неразложимый на еще более простые методы прогнозирования. Соответственно сложный или комплексный – это метод состоящий из взаимосвязанной совокупности нескольких простых.

Существует два основных типа классификации: последовательная, параллельная. При последовательной классификации происходят основные моменты: основание деления, т.е. признак, должен оставаться одним и тем же при образовании любого видового понятия, объемы видовых понятий должны исключать друг друга, объемы видовых понятий должны исчерпывать объем рядового понятия. Параллельная классификация предполагает сложное информационное основание, состоящее не из одного, а из целого ряда признаков, каждый из которых существенен, всем вместе присущи предмету, и только их совокупность дает исчерпывающее представление о каждом классе.

Представленная на рис. 1 классификация методов прогнозирования является классификацией последовательного типа, имеющей целью наглядное представление в виде иерархического дерева совокупности методов современного прогнозирования как некоторой системы.

На первом уровне все методы делятся на три класса по признаку «информационное основание метода». Фактографические методы базируются на фактически имеющемся информационном материале об объекте прогнозирования и его прошлом развитии. Экспертные методы базируются на информации, которую поставляют эксперты в процессе систематизированных процедур выявления и обобщения этого мнения.

Комбинированные методы выделены в отдельный класс, поскольку к ним относят методы со смешанной информационной основой. Не следует к комбинированным методам относить те методы прогнозирования, которые к экспертной исходной информации применяют математические методы обработки или исходную фактографическую информацию оценивают экспертным путем.

1 – экстраполяция и интерполяция;

2 – регрессия и корреляция;

3 – факторные модели;

4 – математические аналогии;

5 – исторические аналогии;

6 – исследования динамики НТИ;

7 – исследования уровня техники;

8 – опрос;

9 – анализ;

10 – метод Дельфи;

11 – эвристический;

12 – опрос;

13 – генерация идей;

14 – игровые модели.

Экспертные методы разделяются на два подкласса. Прямые экспертные оценки строятся по принципу получения и обработки независимого обобщенного мнения коллектива экспертов при отсутствии воздействий на мнение каждого эксперта мнения другого эксперта и мнения коллектива. Прямые экспертные оценки по признаку аппарата реализации делятся на виды экспертного опроса и экспертного анализа.

Экспертные оценки с обратной связью воплощают принцип обратной связи путем воздействия на оценку экспертной группы мнением, полученным ранее от этой группы или от одного из ее экспертов. Экспертные оценки с обратной связью с воем аппарате имеют три вида методов: экспертный опрос, генерацию идей, игровое моделирование.

Статистические методы объединяют совокупность методов обработки количественной информации об объекте прогнозирования по принципу выявления содержащихся в ней математических закономерностей развития и математических взаимосвязей характеристик с целью получения прогнозных моделей.

распространенными и наиболее разработанными среди всей совокупности методов прогнозирования. Использование экстраполяции в прогнозировании имеет в своей основе предположение о том, что рассматриваемый процесс изменения переменной представляет собой сочетание двух составляющих – регулярной и случайной. Специфическими чертами прогнозной экстраполяции можно назвать методы предварительной обработки исходного числового ряда с целью преобразования его к виду, удобному для прогнозирования. предварительная обработка исходного числового ряда направлена на решение следующих задач: снизить влияние случайной составляющей в исходном числовом ряду, снизить трудность математического описания тренда. Основными методами решения этих задач являются процедуры сглаживания и выравнивания статистического ряда.

Метод непосредственной экстраполяции – наиболее простой способ прогноза. Основан на изучении динамики изменения экономического явления в определенном периоде и перенесения выявленной закономерности на будущее. Достоинство метода состоит в его универсальности, а недостаток – в необходимости проведения большего числа наблюдений, что ведет к снижению достоверности прогноза.

Процедура сглаживания направлена на минимизацию случайных отклонений точек ряда от некоторой гладкой кривой предполагаемого тренда процесса. Наиболее распространен способ осреднения уровня от некоторой совокупности окружающих точек, причем эта операция перемещается вдоль ряда точек, в связи с чем называется скользящей средней.

Сглаживание даже в простом линейном варианте является во многих случаях эффективным средством выявления тренда при наложении на эмпирический ряд случайных помех и ошибок измерения. Для рядов со значительной амплитудой помехи имеется возможность проводить многократное сглаживание исходного числового ряда. Эффективность этой процедуры быстро уменьшается, поэтому целесообразно повторять ее от одного до трех раз.

Если сглаживание направлено на первичную обработку числового ряда для исключения колебаний и выявления тренда, то выравнивание служит целям более удобного представления исходного числового ряда, оставляя прежними его значения. Можно рассматривать выравнивание и как метод непосредственного приближенного определения параметров функции, аппроксимирующей исходный числовой ряд. В том случае. Если вид функции неизвестен, выравнивание следует рассматривать как предварительную процедуру, в процессе которой путем применения различных формул и приемов выясняется наиболее подходящий вид функции, описывающей эмпирический ряд.

Достоинством метода наименьших квадратов является относительная простота реализации, метод сглаживает случайные шумы при описании тренда, позволяет получить несмещенные и состоятельные оценки всех параметров.

Две случайные величины являются корреляционно связанными, если математическое ожидание одной из них меняется в зависимости от изменения другой.

Применение корреляционного анализа предполагает выполнение следующих предпосылок:

1.Следующие величины Y(Y1,Y2,... Yn) X(X1,X2,... Xn) могут рассматриваться как выборка из двумерной генеральной совокупности с нормальным законом распределения.

Ожидаемая величина погрешности u равна 0.

Отдельные наблюдения стохастически независимы, т.е.значение данного наблюдения не должно зависеть от значения предыдущего и последующих наблюдений.

Ковариация между погрешностью и каждой из независимых переменных равна 0.

Дисперсия ошибки связанная с одним значением Y равно дисперсии ошибки связанной с другим значением Y.

Ковариация между погрешностью и каждой из независимых переменных равна 0.

Непосредственная применимость данного метода ограничивается случаями когда уравнение кривой является линейным относительно своих параметров B0,B1,...Bk.

8. Наблюдение независимых переменных производится без погрешности, т.е. перед началом корреляционного анализа необходимо проверить выполнение всех предпосылок.

Связь между случайной и неслучайной величиной является регрессионной, если обязательно выполняется 2,3,4,5,6,7,8 предпосылки.

Соответственно корреляционной считается связь, если выполняются все предпосылки.

По степени комплексности статистические исследования делятся на двумерные и многомерные. Первые касаются рассмотрения парных взаимосвязей между элементами, называются парная корреляция и парная регрессия. И направлены прогнозные исследования на решение следующих задач:

Установление количественной меры тесноты связи между двумя случайными величинами.

Установление близости этой связи к линейной.

Оценка достоверности.

Оценка точности прогноза и проверка по факту.

Многомерные методы статистического анализа направлены на решение задач системного анализа многомерных стохастических объектов прогнозирования.

Целью такого анализа является выявление внутренних взаимосвязей между переменными, построение многомерных функций связи переменных, выделение минимального числа характеристик описывающих объект с достаточной степенью точности.

Таким образом, статистические методы используются в основном для подготовки данных, приведения их к виду, пригодному для производства прогноза.

Корреляционный и регрессионный анализ Пусть имеется два множества случайных переменных относительно которых имеется предположение о наличии взаимной связи линейного характера со случайным отклонением.

В данном случае коэффициент корреляции будет равен:

Коэффициент корреляции определяет степень рассеивания эмпирических точек от линейной зависимости следующего вида:

Если r=0, то тогда корреляционная связь между y и x отсутствует.

Если r=1, то y растет линейно с ростом x.

Если r= -1 то y убывает линейно с ростом x.

2) h – затраты на хранение единицы продукции в единицу времени;

3) k – затраты на размещение (оформление) ресурсов, сырья.

Так как - величина случайная, то ( q - ) и ( - q) будут величины случайные, поэтому оптимизация и функция цели будут находится как для случайных величин.

Функция цели будет представлять собой математическое ожидание от суммы слагаемых. Одно из них представляет собой математическое ожидание затрат на размещение заказа; другое математическое ожидание затрат на хранение ресурсов.

Известно, что оптимальное размещение запасов можно найти из системы неравенств:

Методом линейной интерполяции определяется q*.

ЭММ управления запасами с ограничениями на складские помещения Данная модель многопродуктовая с n-видами сырья.

Введем обозначения для данной модели:

q i – размер объема заказа на сырье i – вида ( i = 1, n );

А – максимальный размер складских помещений для сохранения n-видов продукции;

а i – размер площади, необходимой для хранения продукции i – вида;

i – интенсивность спроса на сырье i – вида;

k i – затраты на размещение заказа на поставку сырья, продукции i – вида;

h i – затраты на сохранение единицы сырья (продукции) i – вида.

Данная модель от вышеизложенной отличается наличием ограничений на складские помещения и выглядит так:

q i / 2 – оптимизация по среднему уровню запасов Данная ЭММ решается с помощью метода множителей Лагранжа.

Полученная функция путем добавления в целевую функцию слагаемого, состоящего из системы ограничений и множителя, называется Лагранжианом.

Для того, чтобы найти qi* и оптимальное значение *, необходимо взять частные производные по qi и Лагранжиана (*).

Оптимальный размер заказа при ограничении ai определяется путем последовательного расчета для разных значений qi и. Методом линейной интерполяции по значениям, представленным в промежуточной таблице, находится коэффициент и оптимальное значение qi*.

Система массового обслуживания (СМО) – это совокупность приборов, каналов, станков, линий обслуживания, на которые в случайные или детерминированные моменты времени поступают заявки на обслуживание.

Например, коммутаторы телефонных станций, супермаркет, парикмахерские.

Оптимизация и оценка эффективности СМО состоит в нахождении средних суммарных затрат на обслуживание каждой заявки и нахождение средних суммарных потерь от заявок не обслуженных.

СМО состоит из определенного числа обслуживающих каналов и предназначена для выполнения заявок с разным характером распределения момента времени на обслуживание.

Моделирование СМО предполагает:

построение ЭММ, связывающих параметры СМО (число каналов, их производительность и т.п.) с показателями эффективности;

оптимизацию данных показателей с целью получения максимальной эффективности.

5.3 Краткое описание лабораторных работ Лабораторные работы учебным планом не предусмотрены.

5.4 Краткое описание практических занятий Для закрепления теоретического материала по дисциплине «Прогнозирование в логистике» студент должен выполнить практические работы по следующим темам:

Практическая работа 1. Модели и методы прогнозирования в логистике;

Практическая работа 2. Модели и методы поддержки принятия управленческих решений;

Практическая работа 3. Статистическое моделирование в логистике;

Практическая работа 4. Экономико-математические модели и алгоритмы оптимизации в задачах функциональной логистики;

Практическая работа 5. Модели массового обслуживания и сетевое планирование в логистике.

5.4.1 Перечень практических занятий Практические занятия предназначены для закрепления профессиональных знаний и навыков в области математического моделирования транспортных процессов, прогнозирования параметров транспортных систем, разработки оптимальных планов освоения материальных и экономических ресурсов транспортных предприятий.

Перечень рекомендуемых практических занятий:

Практическая работа 1. Модели и методы прогнозирования в логистике.

Практическая работа 2. Модели и методы поддержки принятия управленческих решений.

Практическая работа 3. Статистическое моделирование в логистике.

Практическая работа 4. Экономико-математические модели и алгоритмы оптимизации в задачах функциональной логистики;

Практическая работа 5. Модели массового обслуживания и сетевое планирование в логистике.

5.4.2 Методические указания по выполнению заданий на практических занятиях Практическая работа 1. Модели и методы прогнозирования в логистике Цель работы: ознакомиться с основными методами прогнозирования в логистике.

Теоретические положения.

В последнее время в практике моделирования все шире применяют экономико-математические методы, а также методы экономического прогнозирования, в частности методы экстраполяции. Суть метода экстраполяции состоит в том, что определенные направления развития отдельных транспортных и логистических процессов в прошлом и будущем примерно одинаковы, а значит, могут опираться на исследования динамики прошлых лет (на ретроспективу).

В современных условиях, когда на предприятиях создаются автоматизированные системы управления на базе использования электронного оборудования, применение экономико-математических методов прогнозирования в планировании функционирования транспортных и логистических процессов стало одной из самых актуальных и необходимых задач совершенствования работы производственных и торговых предприятий.

В теории моделирования транспортных и логистических процессов принято отличать «прогнозирование» от «планирования». С этой целью целесообразно дать их определение.

– научное обоснование целенаправленной стратегии, путей и мер активного воздействия на основе познания сущности и количественной характеристики объективных тенденций повышения эффективности транспортных и логистических процессов.

Прогноз – это самостоятельное исследование с присущими ему этапами, целями задачами, инструментарием и методикой. Он включает качественный и количественный анализ информации для обоснования и выбора мер по управлению процессом.

Планирование разрабатывается на основании оптимального варианта прогноза и обязательно содержит элемент решения, является программой действий, инструментом сознательного управления транспортными и логистическими процессами.

Прогнозирование – это вероятностное суждение (в первую очередь научно-обоснованное) о состоянии какого-либо процесса или объекта в определенный момент времени.

Интересно применение логических формул: планирование – «должно быть так»; предсказание – «будет так»; прогнозирование – «вероятно будет так».

При прогнозировании и моделировании очень часто используют вероятностные оценки, и, как правило, работают с так называемыми минимаксимальными величинами на основе распределения этих величин определяют наиболее приемлемый вариант:

Вероятностный характер прогноза (1 – предшествующее развитие (ретроспектива); 2 – исходное положение; 3 – максимальный вариант; 4 – наиболее вероятное значение; 5 – минимальный вариант; 6 – вероятное распределение случайной величины) Таким образом, прогноз содержит характеристику возможных путей развития процессов и дает информацию для выбора и обоснования планового решения, т.е. допускает многовариантность.

Планирование и прогнозирование процессов – взаимосвязаны и оказывают влияние друг на друга, способствуя совершенствованию транспортно-логистических процессов.

Процесс прогнозирования состоит из следующих основных этапов:

- анализ предшествующего развития транспортно-логистического процесса – анализ объекта прогноза (см. рисунок 6);

- выбора метода прогноза и его оценки;

- математической формализации метода и его алгоритмизации;

- математическое моделирование процесса;

- выполнение самого прогнозирования;

- выбор наилучших вариантов прогнозов (см. рисунок 6).

Для определения направлений развития транспортных процессов, как правило, разрабатывают различные варианты решений с учетом действия объективных закономерностей и определяют возможные влияния этих решений на развитие процессов. И на основе сложившихся тенденций и оценки выдвинутых вариантов решений принимают одно какое-то оптимальное решение и закладывают его в разработку плана реализации какой-либо производственной стратегии.

Используя нижеприведённые данные заявок на хранения товаров на складе за 12 месяцев, проведите анализ ретроспектиынх рядов и дайте оценку возможности их применение в качестве исходных данных для регрессионного прогнозирования:

- среднее абсолютное отклонение;

- среднеквадратическое отклонение;

- коэффициент вариации;

- коэффициент детерминации (R2).

Таблица 1.1 – Исходные данные для выполнения первой практической работы вариант Практическая работа 2. Модели и методы поддержки принятия управленческих решений Цель работы: ознакомиться с классификацией методов прогнозирования логистических процессов для принятия соответствующих управленческих решений Теоретические положения.

В настоящее время известно более 130 различных методов, моделей и типовых приемов, используемых к использованию в математическом прогнозировании. С точки зрения взаимосвязи прошлого и будущего, различают два вида прогнозов:

1. исследовательские;

2. интуитивные.

Исследовательские прогнозы разрабатываются после изучения систематизированной информации о состоянии, поведении, а также причинах определяющих изменение прогнозируемого процесса, и базируются на строгих математических методах, учитывающих инерцию развития процесса.

При этом в исследовательском прогнозировании выделяют два самостоятельных направления:

1.1 дескриптивное прогнозирование;

1.2 нормативное прогнозирование.

Сущность дескриптивного прогнозирования состоит в рассмотрении и анализе возможных направлений развития процесса, учитывая те закономерности, которые были выявлены при анализе периода ретроспективы, причем связь и последовательность явлений рассматриваются от будущего к настоящему.

При нормативном прогнозировании предполагается известным конечное состояние объекта прогноза, поэтому целью прогноза является ответ на вопросы о том, какими средствами и возможностями нужно обладать в настоящем, чтобы достигнуть этого состояния, и какие трудности при этом встретятся.

Методы нормативного прогнозирования применяются в основном для технологического прогноза. Их преимущество заключается в том, что их можно использовать для долгосрочного прогноза, если данных очень мало или они совсем отсутствуют, т.е. их можно применять тогда, когда невозможно использовать количественные методы, для которых всегда требуются данные и предполагается постоянство основных явлений прошлого.

В интуитивных прогнозах, обычно имеющих большой горизонт прогнозирования, на передний план выдвигается научная или практическая интуиция.

По степени пространственной и временной согласованности результатов прогноза выделяют четыре ступени интеграции в прогнозировании:

1. Одномерное прогнозирование – параллельное прогнозирование отдельных объектов без последующего согласования в разрозненных прогнозов;

2. Многомерное – параллельное прогнозирование отдельных объектов с попыткой последующего согласования результатов во времени и 3. Перекрестное – установление причинно-следственных связей между переменными и дальнейшая имитация пространственного и временного взаимодействия этих переменных и их воздействие на прогнозируемый процесс;

4. Сквозное – имитация поведения большой системы в целом включая пространственное и временное её исследование и полное согласование результатов.

Конкретные методы прогноза подразделяются на объективные, субъективные, системные.

Объективные методы, как правило, базируются на наиболее точном, научном способе предвидения, т.е. на использовании экстраполяции (трендов) и экономико-математическом моделировании. Субъективные же методы основываются на оценках специалистов. Системные методы создают картину будущего как определенной структуры отдельных элементов и одновременно моделируют взаимные связи этих элементов.

В теории моделирования и прогнозирования транспортнологистических процессов получили широкое распространение в основном объективные методы методы экономико-математического прогнозирования, применяемые для прогноза на короткий и длительный срок, пригодны для начинающихся и продолжающихся процессов. Эти методы наиболее целесообразны для получения перспективной информации о технико-экономических показателях на уровне транспортных предприятий и логистических центров.

При выполнении практической работы №2 рассматриваются возможности применения экономико-математических методов в краткосрочном и среднесрочном прогнозировании. При этом выбор метода прогнозирование зависит от:

- цели прогноза, т.е. поставленной задачи;

- временного горизонта прогнозирования;

- специфики объекта прогнозирования;

- достоверности полноты исходной информации;

- ограничений на разработку прогноза (по времени, по ресурсам и т.д.).

Выбор методов прогнозирования может быть основан на их сравнительном анализ в свете перечисленных выше факторов, а также практического опыта их применения. При этом разработана матрица системы оценочных критериев, приведем ее некоторые выдержки:

Таблица 2.1 – Характеристики методов прогнозирования Метод наименьших квадратов (МНК) наименьших отклонений экспоненциал сглаживания гармонически Дискретные полиномы Лагерра Вероятностн Марковские Регрессионно ые модели Эконометрич Примечания. Под сложностью метода понимается сложность математического аппарата, лежащего в его основе, а также сложность интерпретации полученных результатов. Метод считается достаточно разработанным, если строго доказаны предпосылки, лежащие в его основе, определены и апробированы критерии для оценки адекватности, исследованы и предложены методы построения доверительных интервалов.

Метод должен реагировать на скачкообразное изменение в поведении прогнозируемого показателя. Под простотой реализации понимаются простота и наглядность математической формулировки метода, алгоритмизации для проведения расчетов на компьютере. Применяемость метода показывает, насколько распространенным являет метод прогнозирования, т.е. как часто он применяется для моделирования транспортных и логистических процессов.

Оценка эффективности каждого метода производится с помощью оценочных критериев, а также личного опыта инженера-логиста.

Используя данные заявок на хранения товаров на складе за первые месяцев, (таблица 1.1.) проведите интуитивный прогноз и дайте оценки заявок на ближайшую перспективу (13, 14, 15 месяцы).

Практическая работа 3. Статистическое моделирование в логистике;

Цель работ: изучить параметры кривым используемых для экстраполяции данных логистических процессов.

Теоретические положения.

Наиболее ответственная часть работы по моделированию процессов заключается в выборе аналитической функции, отражающей общую тенденцию рассматриваемого процесса. Здесь очень важным становить правильный выбор вида тренда, потому что если уравнение хорошо подобрано к исходным данным, то оно точнее выражает общую тенденцию, что в конечном счете сказывается на результатах прогноза.

Например, в программе Microsoft Excel существуют следующие виды экстраполируемых кривых (трендов):

- экспоненциальная функция:

- линейная функция:

- логарифмическая функция:

Общий вид экспоненциальной и логарифмической кривых - полиномиальная функция (2 степени): y = а x + a x + b ;

- степенная функция:

Каждая из перечисленных выше функций – есть простая математическая модель, применяемая для прогнозирования транспортнологистических процессов, где присутствует большая инерционность и темпы прироста примерно одинаковы. При этом математические пакеты Microsoft Excel и Matlab сразу позволяют определить параметры математических моделей по методу (МНК – метод наименьших квадратов), методу Коши, методу (МНМ - наименьших модулей), методу максимального правдоподобия, байесовскому методу, методу условных математических ожиданий, методу минимакса и др.

Поскольку и зависимая переменная «y» и независимые параметры «x»

являются, конечной выборкой из генеральной совокупности, то невозможно определить точные значения параметров и в этом случае говорят об их оценках.

Постройте в программе Microsoft Excel 6 видов зависимостей, используя параметры таблицы 3.1, в качестве независимой переменной используйте данные таблицы 1.1, изучите влияние параметров кривых a и b на форму кривых.

Практическая работа 4. Экономико-математические модели и алгоритмы оптимизации в задачах функциональной логистики.

Цель работ: изучить методику математического прогноза применяемую в программе Microsoft Excel.

Теоретические положения.

Предвидение будущего состояния любого логистического процесса базируется на результатах анализа прошлого, и следовательно, описывает перспективу в той мере, в какой она определяется объективно сложившимися явлениями и процессами. При этом используются главным образом методы и модели экстраполяционного характера. Методы экстраполирования опираются на принцип детерминизма, согласно которому будущее вытекает из настоящего, т.е. на преемственность связи между прошлым, настоящим и будущим.

прогнозирования необходима для повышения достоверности и надежности прогноза. Ведь практическая деятельность по составлению прогноза в том и состоит, что обработанная определенным образом информация о состоянии объекта на текущий момент, о его тенденциях превращается в информацию о будущем состоянии объекта.

Для получения оценок математической модели наибольшее распространение получил метод наименьших квадратов (МНК). Он обладает достаточно простой процедурой вычислений, наибольшей точностью оценок в случае подчинения их нормальному закону распределения.

Распространенность метода МНК обусловлена еще и тем, что применение этого метода не подчиненности ошибок нормальному закону получают так называемые «квазиправдоподобные» оценки, которые ненамного уступают правдоподобным оценкам. В силу этих соображений в исследованиях транспортных процессов применяют именно этот метод, реализуемый в программе Microsoft Excel или Statistic toolbox пакета Matlab.

По данным таблицы 1.1 в программе Microsoft Excel (см. рисунок 4.1) построить пять математических моделей изучаемого процесса (трендов), найти уравнение параметров математических моделей и спрогнозировать работу склада (количество заявок) на 13, 14, 15 месяцы работы, сравните полученные данные с интуитивным прогнозом.

Практическая работа 5. Модели массового обслуживания и сетевое планирование в логистике.

Цель работы: апробировать модель работы массового обслуживания на примере тестовых заданий.

Теоретические положения.

Массового обслуживания (СМО) - это такие системы, в которые в случайные моменты времени поступают заявки на обслуживание, при этом поступившие заявки обслуживаются с помощью имеющихся в распоряжении системы каналов обслуживания.

С позиции моделирования процесса массового обслуживания ситуации, когда образуются очереди заявок (требований) на обслуживание, возникают следующим образом. Поступив в обслуживающую систему, требование присоединяется к очереди других (ранее поступивших) требований. Канал обслуживания выбирает требование из находящихся в очереди, с тем, чтобы приступить к его обслуживанию. После завершения процедуры обслуживания очередного требования канал обслуживания приступает к обслуживанию следующего требования, если таковое имеется в блоке ожидания.

Цикл функционирования системы массового обслуживания подобного рода повторяется многократно в течение всего периода работы обслуживающей системы. При этом предполагается, что переход системы на обслуживание очередного требования после завершения обслуживания предыдущего требования происходит мгновенно в случайные моменты времени (2).

В логистике работа может быть классифицирована как многоканальная система массового обслуживания с ожиданием (очередью), в которой заявка, поступившая в момент, когда все каналы обслуживания (рабочие посты сервиса) заняты, становится в очередь и ждет, пока не освободится один из каналов. Складской сервис, выставление продукции на торговый стеллаж является системой с ограниченным ожиданием, при этом очередь может ограничиваться как длиной очереди, так и временем ожидания.

Задачи планирования логистики сводятся к оптимальной (максимально возможной) загрузке складских помещений (оптимальное использование площади или стеллажей), а также максимальной скорости обслуживания (увеличение интенсивности обслуживания) (3).

В процессе моделирования работы логистического процесса для расчета показателей работы используются следующие характеристики:

l – интенсивность поступления заявок в систему и m – интенсивность обслуживания.

Некоторые примеры показателей работы автосервиса:

- вероятность отказа в обслуживании заявки;

- относительная пропускная способность системы;

- среднее число находящихся в системе заявок;

- среднее время пребывания заявки в системе;

- средняя продолжительность пребывания клиента (заявки) в очереди;

- среднее число заявок (клиентов) в очереди (длина очереди) Рассмотрение складского помещения в качестве СМО позволило использовать показатели его работы в качестве критериев к целевым функциям агентов модели. Полученные данные показателей (в качестве результата моделирования) позволили более точно составлять прогнозы и планы на будущие периоды работы сервиса.

А использование данных показателей в качестве критериев работы агентов модели позволили анализировать последствия изменения стратегии работы склада (например, при изменении стратегии с «минимальное среднее время обслуживания» на «минимальное среднее число заявок в очереди»).

Тестовое задание 5.1.

Моменты поступления контейнеров на терминал образуют простейший поток случайных событий. При приемке груза оказывается, что на контейнеров, в среднем, один – поврежден, причем такие события не зависят друг от друга. Поврежденные контейнеры проходят дополнительный контроль на сохранность груза. Статистика показывает, что с вероятностью p = 0,2 дополнительный контроль устанавливает, что в таких случаях сохранность груза не обеспечивается. Следовательно, поток конвейеров, для которых сохранность груза будет обеспечена, является просеянным по отношению к исходному потоку поступающих контейнеров. Характеристики именно такого потока интересуют грузоотправителей.

Укажите, чему равна соответствующая вероятность просеивания для указанного потока, интересующего клиентов:

Тестовое задание 5.2.

Каждые десять минут на грузовом терминале в секторе формирования грузо-пакетов (грузовых мест) с конвейера сходит один пакет. С вероятностью Р1 = 0,08 имеет место дефект упаковки пакета, который обнаруживается только в половине случаев. При транспортировке грузового пакета некачественная упаковка может привести к его разрушению с вероятностью Р2 = 0,1. При этом, средний ущерб составляет 500 рублей.

Таким образом, для анализа издержек необходимо рассматривать поток грузо-пакетов с необнаруженным дефектом упаковки, которая повлечет ущерб. Принимая 10 мин. за единицу времени получаем стационарный ординарный геометрический поток грузо-пакетов с дефектом упаковки, влекущим издержки.

Укажите интенсивность Р такого потока, выбрав соответствующий ответ из предлагаемых:

Тестовое задание 5.3.

При приемке, хранении и отпуске товара возникают ошибки, что приводит к ухудшению показателей сервиса фирмы, неправильной оценке ее деятельности и к соответствующим издержкам. Фирма провела статистическое обследование, которое позволило выявить основные типы ошибок. При этом оказалось, что для каждого типа ошибок моменты их появления можно описывать соответствующим простейшим (пуассоновским) потоком случайных событий. Перечислим их:

а) неправильный прием товара (интенсивность 1 = 4 сутки–1);

б) ошибка отпуска (интенсивность 2 = 3 сутки–1);

в) ошибка ввода в базу данных (интенсивность 3 = 2 сутки–1);

г) неоформленные накладные или «не провели по базе» (интенсивность 4 = 1 сутки–1).

Принимая, что издержки по всем типам ошибок можно приблизительно считать эквивалентными, укажите, какую долю (в %) составляют издержки первых двух типов (а и б) в суммарных издержках по этим потокам.

Укажите ответ среди предложенных ниже:

Тестовое задание 5.4.

В условиях предыдущего задания для увеличения эффективности своей работы фирма стала использовать систему фильтрации ошибок.

Эффективность фильтров по разным типам ошибок – различна, ее далее представляем соответствующим процентом снижения интенсивности потока ошибок. Перечислим виды фильтров с указанием их эффективности в условиях фирмы для каждого из типов ошибок:

а) составление АТП, прием по документам (эффективность – 75%);

б) контроль на выходе, маркировка мест складирования (эффективность – 50%);

в) ввод в базу одним оператором (эффективность – 75%);

г) отпуск товара только по документам (эффективность – 100%).

Учитывая представленные данные укажите, на сколько процентов снизились суммарные издержки фирмы по этим ошибкам:

Тестовое задание 5.5.

Каждую секунду на заводе компании «Coca-Cola» на технологической линии происходит разлив газированного напитка в бутылки. При этом осуществляется проверка уровня напитка лазерным способом. Если уровень окажется ниже положенного, то изделие забраковывается. Вероятность брака для каждого изделия составляет p = 0,005. Потери из-за такого брака составляют 5 рублей за бутылку.

Оцените прогнозируемые средние ожидаемые издержки из-за указанных бракованных изделий за декаду (10 дней), если линия работает часов в день. Выберите правильный ответ:

Тестовое задание 5.5.

На фармацевтической фабрике работают 4 линии, на которых каждая упаковка (содержащая соответствующе число таблеток) упаковывается автоматическим устройством. Каждый час с этих линий сходят по упаковок, причем любая из них независимо от остальных может иметь «воздух» вместо хотя бы одной из таблеток. Такая упаковка считается бракованной. Вероятность брака на одной упаковке составляет:

для первой и второй линии – 0,004;

для третьей линии – 0,002;

для четвертой линии – 0,001.

При этом потери от каждой бракованной упаковки составляют:

для первой линии – 5 руб.;

для второй и третьей линии – 10 руб.;

для четвертой линии – 20 руб.

Зная эти параметры укажите, работа какой из линий обуславливает наибольшую долю потерь:

третьей;

четвертой;

первой и четвертой (порознь);

второй и четвертой (порознь);

Тестовое задание 5.7.

Статистическое обследование работы РС фирмы WVC в компании «Tech Trading» показало, что сбои компьютера обуславливаются, в основном, тремя независимыми причинами, причем поток сбоев каждого типа является простейшим. А именно, это – а) сбои в электросети (интенсивность 1 = 0,063 ч–1);

б) ошибки в программном обеспечении (интенсивность 2 = 0,015 ч–1);

в) результат действия «вирусов» (интенсивность 3 = 0,01 ч–1).

Специальными мерами удалось снизить вероятность действия «вирусов» на 80%, а долю ошибок в программном обеспечении – на 2/3.

Зная эти параметры укажите (с учетом реализованных на фирме специальных мер), какая из перечисленных ниже функций Fi(t) является функцией распределения для случайного времени наработки компьютера фирмы на отказ:

1) F1(t) = 1 – exp{–0,063t}, t 2) F2(t) = 1 – exp{–0,088t}, t 3) F3(t) = 1 – exp{–0,08t}, t 4) F4(t) = 1 – exp{–0,07t}, t 5) F5(t) = 1 – exp{–0,078t}, t Тестовое задание 5.8.

В условиях предыдущего задания дополнительно известно, что потери времени на восстановление работоспособности компьютера для указанных потоков случайных прерываний составляют, в среднем:

а) 0,2 ч (при сбоях в электросети);

б) 0,35 ч (при программных ошибках);

в) 0,7 ч (при действии «вируса»).

Оцените потери времени, приходящиеся, в среднем, на одно восстановление работоспособности компьютера (безотносительно к типу прерывания). Укажите соответствующий ответ:

Тестовое задание 5.9.

Среди некоторого множества фирм проводится рекламная кампания на предмет привлечения их для участия в выставке. Фирмы-участники платят соответствующий регистрационный взнос, что позволяет организаторам сделать выставку рентабельной. Как показывает статистика прошлых лет, на каждые 100 компаний, «охватываемых» рекламными мероприятиями, только 25 проявляют интерес к выставке. При этом, уже заинтересовавшаяся компания заплатит регистрационный взнос только с вероятностью Р = 0,08.

Для обеспечения самоокупаемости фирма-организатор планирует так организовать рекламную кампанию, чтобы привлечь, в среднем, 40 компаний (с уплатой взноса). Укажите, какое минимально приемлемое количество компаний необходимо для этого «охватить» рекламной деятельностью?

Выберите соответствующий ответ:

Тестовое задание 5.10.

На грузовом дворе ж/д станции поток контейнеров, которые подаются под погрузку можно считать детерминированным с интенсивность контейнера в час. Каждый контейнер, при этом, осматривается службой контроля движения (СКД), поскольку по статистике из 100 контейнеров, в среднем, 5 имеют различные дефекты (отверстия, неисправные запорные системы и т.п.). Контроллеры СКД обнаруживают неисправность с вероятностью Робн. = 0,7. Дефектный контейнер будет отремонтирован (позже, другими службами), что повлечет издержки, составляющие, в среднем, 200 руб.

Контейнер с необнаруженным дефектом при перевозке с вероятностью Рущерб = 0,5 обуславливает порчу груза (рассыпание, промокание и т.п.).

Возмещение таких убытков грузоотправителю обходится станции, в среднем, в 3000 руб. на каждый контейнер с испорченным грузом (по вине СКД).

Зная, что грузовой двор ж/д станции работает круглосуточно, определите средние ожидаемые суммарные издержки, которые несет станция из-за дефектов контейнеров (как обнаруживаемых, так и не обнаруживаемых) за сутки. Укажите ответ (с точностью до 10 рублей):

Краткое описание видов самостоятельной работы 5.5.

5.5.1 Общий перечень видов самостоятельной работы Рекомендуются следующие виды самостоятельной работы:

1. Самостоятельное изучение возможностей математического пакета Statistics Toolbox пакета Matlab;

2. Самостоятельное изучение возможностей математического пакета optimization Toolbox Matlab;

3. Самостоятельное изучение надстройки «ПОИСК РЕШЕНИЯ»

программы Excel;

4. Оформление отчетов по практическим занятиям;

5. Подготовка к зачету.

Подготовка к защите практических работ включает в себя повторение и усвоение соответствующих разделов теоретического курса. Подготовка к экзамену заключается в том, что используя материалы лекций и основной учебной литературы, студент должен подготовить ответы на вопросы, предоставленные студентам по всем разделам дисциплины.

5.5.2 Методические рекомендации по выполнению для каждого вида самостоятельной работы 5.5.2.1 Самостоятельное изучение разделов курса В ходе изучения дисциплины обучающийся должен изучить самостоятельно ряд разделов курса:

1. Самостоятельное изучение геометрического значения производной 2. Самостоятельное изучение нахождение локальных и глобальных минимум одной переменной;

3. Самостоятельное изучение основ обращения матриц;

4. Самостоятельное изучение нахождения определителя матрицы, присоединенной матрицы, обратной матрицы;

5. Самостоятельное изучение надстройки «ПОИСК РЕШЕНИЯ»

программы Excel. Решение задач линейного программирования с использованием надстройки.

5.5.2.2 Оформление отчетных материалов по практическим занятиям и подготовка к сдаче и защиты отчетов Отчет по практическому занятию оформляется на листах формата А на одной стороне. Поля в соответствии со стандартами делопроизводства на листе составляют: верхнее и нижнее – 2см, правое – 1см, левое – 3см. Все листы, кроме титульного, должны быть пронумерованы.

Пояснительная записка представляет основу отчета, отражает его сущность и содержание. Текст пояснительной записки может выполняться способами:

- рукописным (разборчивым почерком), пастой синего или черного цвета с высотой букв не менее 2.5мм; расстояние между строками 7…10мм.

- с использованием компьютера и принтера, шрифт TIMES NEW ROMAN, размер шрифта 14, междустрочный интервал «одинарный». Для выделения отдельных частей допускается использовать другие виды и размеры шрифтов так, чтобы они были максимально понятны.

придерживаться следующего порядка расположения материала: титульный лист; задание на практическое занятие; основная часть работы, с соответствующими расчетами; вывод.

Преподаватель проверяет работу. Все ошибки, недоработки и неясности указываются магистранту с необходимыми разъяснениями. После проверки выполнения презентации визирует ее. Срок сдачи данной работы не позднее предпоследней недели учебных занятий в семестре.

5.5.2.3. Подготовка к зачету Подготовка к зачету заключается в том, что используя материалы лекций и основной учебной литературы, студенты должны подготовить ответы на контрольные вопросы, приведенные в образовательной программе в п.8.3.

6. ПРИМЕНЯЕМЫЕ ОБРАЗОВАТЕЛЬНЫЕ ТЕХНОЛОГИИ

Слайд - материалы Виртуальное моделирование Игра Проблемное обучение Проектный метод Тренинг

7. МЕТОДЫ И ТЕХНОЛОГИИ КОНТРОЛЯ УРОВНЯ ПОДГОТОВКИ

ПО ДИСЦИПЛИНЕ

7.1 Виды контрольных мероприятий, применяемых контрольноизмерительных технологий и средств После изучения теоретического материала, выполнения практических занятий и работ, предусмотренных для самостоятельного изучения программой дисциплины предусмотрены следующие виды контроля:

- Текущий контроль успеваемости проводится в форме проверки выполнения индивидуальных заданий, контроля за посещаемостью и контроля за выполнением расчетно-графической работы.

- Промежуточная аттестация освоения дисциплины в форме защиты индивидуальных заданий.

- Итоговый контроль в форме зачета по контрольным билетам.

Контрольный билет включает 2 теоретических вопроса.

1. Предмет и метод курса «Прогнозирование в логистике».

2. Необходимость и возможность прогнозирования и экономикоматематического моделирования.

3. Предвидение и прогнозирование: общие понятия, логикогносеологические основы предвидения.

4. Понятие, сущность и классификация информации.

5. Проблемы информационного обеспечения экономико-математического моделирования и прогнозирования.

6. Способы научного обоснования предсказаний.

7. Типология прогнозов.

8. Прогнозирование и прогностика: общие понятия и задачи.

9. Способы разработки прогнозов и процедура экономико-математического моделирования.

10. Подходы для исследования объекта прогнозирования.

11. Основные методологические принципы объекта прогнозирования.

12. Классификация объектов прогнозирования.

13. Моделирование объектов прогнозирования в логистике.

14. Сущность системного подхода и процедура системного анализа в прогнозировании и экономико-математическом моделировании.

15. Системная модель объекта прогнозирования.

16. Классификация методов прогнозирования.

17. Статистические методы, используемые в прогнозировании.

18. Экспертные методы прогнозирования.

19. Матричные экономико-математические модели.

20. Оптимизационные экономико-математические модели.

21. Методы моделирования стохастических (вероятностных) систем.

22. Имитационное моделирование.

23. Методы и модели управления запасами.

24. Экономико-математическое моделирование систем массового обслуживания.

25. Оценка (верификация) прогнозов.

26. Синтез прогнозов.

7.2 Критерии оценки уровня освоения учебной программы Оценивается уровень освоения дисциплины по следующим критериям:

- оригинальность решения практических задач – (0-5 баллов);

- обоснованности материала и качества расчетов (0-5 баллов);

- качество изложения и представление иллюстративного материала (0баллов) - ответы на контрольные вопросы (0- баллов) - активность участия в деловой игре (0-5 баллов).

Уровень освоения учебной программы оценивается по усредненной оценке. Обучающиеся набравшие более 4,5 баллов получают «зачет».

7.3 Контрольно-измерительные материалы для итоговой аттестации по дисциплине Контрольно-измерительные материалы для итоговой аттестации по дисциплине включает 10 разработанных контрольных билетов.

Ознакомившись с курсом дисциплины обучающийся должен приобрести знания, умения и навыки, необходимые для его дальнейшего профессионального становления в области транспортных систем с учетом освоения профессиональный компетенций указанных в пункте 1.3.

8 РЕКОМЕНДУЕМОЕ ИНФОРМАЦИОННОЕ ОБЕСПЕЧЕНИЕ

ДИСЦИПЛИНЫ

8.1 Основная учебная литература Бережная. Е. В. Математические методы моделирования экономических систем : учеб. пособие для вузов / Е. В. Бережная, В. И. Бережной. – Изд. 2-е, перераб. и доп. – М.: Финансы и статистика, 2008. – 430 с. : 87 – экз.

Белолипецкий А. А. Экономико-математические методы : учеб. для вузов по специальностям направления «Экономика» / А. А. Белолипецкий, В.

А. Горелик. – Москва: Академия, 2010. – 362 с. : a-ил. – Университетский учебник, 44 экз.

Бродецкий Г. Л. Экономико-математические методы и модели в логистике: потоки событий и системы обслуживания : учебное пособие для студентов вузов по специальности «Логистика и управление цепями поставок» / Г. Л. Бродецкий. – 2-е изд., стер. – Москва: Академия, 2011. – 265 с. : a-ил. – 33 экз.

8.2. Дополнительная учебная и справочная литература Зайцев. Е. И. Экономико-математические методы и модели в логистике:

учеб. пособие для вузов / – 2009. – 245 с. :

Башмачникова Е. В. Прогнозирование и экономико-математическое моделирование в логистике: учебное пособие для студентов вузов по направлению подготовки «Менеджмент» – Тольятти: Академия, 2012. – с. : a-ил.

9. РЕКОМЕНДУЕМЫЕ СПЕЦИАЛИЗИРОВАННЫЕ ПРОГРАММНЫЕ

СРЕДСТВА

В рамках изучения дисциплины «Прогнозирование в логистике»

предусмотрено использование специализированного программного продукта «Matlab» и «Microsoft Excel».

МАТЕРИАЛЬНО-ТЕХНИЧЕСКОЕ ОБЕСПЕЧЕНИЕ

10.

ДИСЦИПЛИНЫ

Занятия для с обучающимися проводятся в мультимедийной аудитории Б-129 с применением переносного компьютера Samsung R-60 проектора Acer.

Для проведения интерактивных форм занятий используется высокоскоростной доступ в интернет c применением обучающих технологий Google.

Программа составлена в соответствии с ФГОС по направлению подготовки 190700 технология транспортных процессов (квалификация (степень) "бакалавр") Программу составил: к.т.н., доцент кафедры менеджмента и логистики на транспорте Лагерев Роман Юрьевич Программа одобрена на заседании кафедры менеджмента и логистики на транспорте Протокол № 01 от “09” сентября 2013 г.

и.о. зав. кафедрой /Лагерев Р.Ю./ “09” сентября 2013 г.

Программа одобрена на заседании Методической комиссии института авиамашиностроения и транспорта Протокол № 01 от “09” сентября 2013 г.