«Камская государственная инженерно-экономическая академия»

Вид материала

Содержание

Общая характеристика работы
Цель работы
Задачи исследования
Методы исследований
Объектом исследования
Научную новизну
Практическая ценность диссертации
Реализация результатов работы.
Апробация работы.
Структура и объем работы
Содержание работы
T – число уровней иерархии в СФС; m
В третьей главе
Э – средняя прибыль от одного обслуженного клиента, руб., Kl
P – расходы на информационное обеспечение (например, на разработку и эксплуатацию системы прогнозирования потребностей в ЗЧ),руб
Bsk – полузасушливый холодный, степной, прохладный; Dfb
Основные результаты и выводы
Основные работы по теме диссертации
Научные статьи, опубликованные в изданиях, рекомендованных ВАК

Подобный материал:

На правах рукописи

УДК 519.816 : [629.33 : 658.818.3 ]

БУЙВОЛ ПОЛИНА АЛЕКСАНДРОВНА

СОЗДАНИЕ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ДЛЯ
УПРАВЛЕНИЯ РАЗВИТИЕМ СЕТИ ФИРМЕННОГО СЕРВИСА
АВТОМОБИЛЕЙ

Специальность

05.13.01 – “Системный анализ, управление и обработка информации

(в науке и технике)”

Автореферат

диссертации на соискание ученой степени

кандидата технических наук

Ижевск - 2012

Работа выполнена в федеральном государственном бюджетном образовательном учреждении высшего профессионального образования «Камская государственная инженерно-экономическая академия»

Научный руководитель		Доктор технических наук, профессор Макарова Ирина Викторовна
Официальные оппоненты		Доктор технических наук, профессор Нистюк Анатолий Иванович Кандидат технических наук, доцент Тутубалин Павел Иннокентьевич
Ведущая организация		ФГБОУ ВПО «Тольяттинский государственный университет»

Защита диссертации состоится «15» марта 2012 г. В 14 часов на заседании диссертационного совета Д 212.065.06 при федеральном государственном бюджетном образовательном учреждении высшего профессионального образования «Ижевский государственный технический университет», по адресу: 426069 г. Ижевск, ул. 30 лет Победы, 2, корп. 5.

С диссертацией можно ознакомиться в библиотеке ФГБОУ ВПО «Ижевский государственный технический университет», с авторефератом – на сайте ИжГТУ: ru/.

Отзывы в 2-х экземплярах, заверенные печатью организации, просим направлять по адресу: 426069, г. Ижевск, ул. Студенческая, 7, ученому секретарю совета Сяктереву В.Н., Тел./факс:(3412)59-05-49; Е-mail: dissovet@istu.ru

Автореферат разослан «10» февраля 2012 г.

Учёный секретарь

диссертационного совета Д 212.065.06

кандидат технических наук, доцент В.Н. Сяктерев

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность работы.

Происходящие в настоящее время процессы интернационализации и глобализации мировой экономики усиливают конкуренцию как внутри страны, так и с зарубежными производителями, поэтому перед отечественными автомобилестроительными предприятиями стоит задача повышения конкурентоспособного потенциала своих изделий.

Производство, эксплуатация, сервисное сопровождение и утилизация высокотехнологичной и наукоемкой продукции с длительным жизненным циклом, к числу которой относится автомобиль, является результатом совместной работы трех систем (производственной системы, системы распределения и обеспечения, системы фирменного сервиса), успешность функционирования которых в значительной степени зависит от эффективного механизма взаимодействия между ними.

Если первые две системы функционируют относительно стабильно, то резервы повышения конкурентоспособности, связанные с этапами эксплуатации и сервисного сопровождения, остаются практически неиспользуемыми. Поэтому одним из путей повышения конкурентоспособности продукции является развитие системы фирменного сервиса, организационной формой которой является сеть фирменных сервисных центров, и оптимизация управления ею.

Сеть фирменного сервиса (СФС) представлена субъектами сети - сервисными предприятиями (СП) различных форматов и уровней (зональные сервисные центры, региональные сервисные центры, сервисные станции). Поскольку управление сетью как сложной системой с большим набором изменяющихся параметров является нетривиальной задачей, то стандартно применяемые математические методы в совокупности с интуитивными методами принятия решений, основанными на субъективном мнении специалистов, оказываются на практике недостаточно эффективными. Поэтому поиск способов повышения качества управляющих решений, на основе применения современных методов и технологий, для повышения конкурентоспособного потенциала автомобилестроительного предприятия в условиях жесткой конкуренции крайне актуален.

Цель работы: создание системы поддержки принятия решений для повышения эффективности управления сетью фирменного сервиса автомобилестроительного предприятия.

Задачи исследования:

разработать систему поддержки принятия решений по управлению сетью фирменного сервиса, включающую в качестве интеллектуального ядра имитационную модель;
на основе проведенного системного анализа структуры, состава, характера внутренних и внешних связей сервисной сети, параметров деятельности ее субъектов разработать комплексную систему показателей оценки эффективности управления;
разработать методику дифференцированной оценки эффективности управления субъектами сети фирменного сервиса на основе кластерного анализа и искусственной нейронной сети, а также расчета показателя оценки эффективности управления всей сетью;
выполнить программную реализацию входящих в систему поддержки принятия решений модулей сбора, хранения и анализа информации о текущем состоянии субъектов сети и хранения их проектных эталонных параметров;
разработать имитационную модель функционирования сети на примере сервисной сети ОАО «КАМАЗ» в республике Казахстан;
разработать алгоритм принятия управленческих решений по корректировке параметров функционирования сети фирменного сервиса по результатам мониторинга оценок субъектов на основе проведения оптимизационного компьютерного эксперимента на имитационной модели;
выполнить экспериментальную проверку разработанных инструментальных средств, методики и алгоритмов на примере действующей сервисной сети ОАО «КАМАЗ» в республике Казахстан для оценки эффективности и возможности использования системы поддержки принятия решений по управлению сетью фирменного сервиса.

Методы исследований: системный анализ; теория массового обслуживания; теория алгоритмизации и программирования; кластерный анализ; теория искусственного интеллекта – искусственные нейронные сети, теория нечетких множеств; статистический анализ; математическое и имитационное моделирование; методы оптимизации.

Объектом исследования является система фирменного сервиса автомобилестроительного предприятия.

Предмет исследования: методы и алгоритмы для управления сетью фирменного сервиса, реализованные в виде системы поддержки принятия решений.

Научную новизну работы составляют следующие теоретико-методологические положения и разработки по созданию эффективного инструмента для управления сетью фирменного сервиса грузовых автомобилей, наиболее значимые из которых выносятся на защиту:

система поддержки принятия решений по управлению сетью фирменного сервиса, включающая в качестве интеллектуального ядра имитационную модель;

комплексная система показателей оценки эффективности управления деятельностью субъектов сервисной сети;

методика разделения на форматные группы и оценки эффективности управления субъектами на основе кластеризации и построения нейронной сети, предложенного интегрального показателя оценки эффективности управления сетью фирменного сервиса;

программная реализация входящих в систему поддержки принятия решений модулей системы мониторинга результатов деятельности субъектов и расчета показателей эффективности управления;

имитационная модель функционирования сети на примере сервисной сети ОАО «КАМАЗ» в республике Казахстан;

алгоритм принятия управленческих решений по оптимальной организации сервисного обслуживания на основе компьютерного эксперимента с учетом результатов мониторинга деятельности субъектов сети;

результаты экспериментальной проверки инструментальных средств системы поддержки принятия решений для оценки возможности практического их использования при решении задач управления сетью фирменного сервиса.

Практическая ценность диссертации заключается в том, что использование методики и алгоритмов, реализованных в системе поддержки принятия решений, может быть использовано для повышения эффективности функционирования сети фирменного сервиса за счет принятия научно обоснованных управленческих решений, оптимизации использования ресурсов в сети, снижения упущенных возможностей и сокращения времени простоя автомобилей в очереди на обслуживание и в процессе ремонта.

Реализация результатов работы. Результаты работы внедрены и используются в ЗАО «Внешнеторговая компания «КАМАЗ» и ОАО «КАМАЗТЕХОБСЛУЖИВАНИЕ» для повышения эффективности процессов обслуживания автомобилей КАМАЗ в системе фирменного сервиса, а также в учебном процессе ФГБОУ ВПО «Камская государственная инженерно-экономическая академия».

Апробация работы. Результаты работы обсуждались и получили одобрение на международных конференциях «Наука и образование – 2009, 2010» (Мурманск, МГТУ, 2009-2010 г.), «Инновации в условиях развития информационно-коммуникационных технологий» (Москва, МИЭМ, 2010 г.), «Образование и наука – производству» (Набережные Челны, ИНЭКА, 2010 г.), «Наука и образование: фундаментальные основы, технологии, инновации» (Оренбург, ОГУ, 2010 г.), «Transport Problem 2010-2011» (Poland, 2010-2011 г.), «Новые информационные технологии» (Москва, МИЭМ, 2009-2010 г.), XVII Международной конференции по вычислительной механике и современным прикладным программным системам (Москва, МАИ, 2011 г.); на всероссийских конференциях «Современные информационные технологии в науке, образовании и практике» (с международным участием, Оренбург, ОГУ, 2009), «АВТО-НН-2009» (НГТУ им. Р.Е. Алексеева, Н. Новгород, 2009 г.), «Будущее технической науки» (Нижний Новгород, НГТУ им. Алексеева, 2010 г.), «Имитационное моделирование. Теория и практика» (Санкт-Петербург, 2011 г.); а также научно-технической конференции аспирантов, магистрантов и молодых ученых «Молодые ученые – ускорению научно-технического прогресса в XXI веке» (Ижевск, ИжГТУ, 2011 г.).

Публикации. Основные положения и результаты диссертации опубликованы в 14 печатных работах, из них 3 статьи в ведущих научных журналах, входящих в перечень ВАК, 11 статей в сборниках научных трудов и материалах научных конференций различного уровня.

Структура и объем работы. Диссертация состоит из введения, 5 глав, основных выводов и результатов, списка использованных источников (155 наименований), 1 приложения. Содержание работы изложено на 170 страницах машинописного текста, включая 38 рисунков и 30 таблиц.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность проводимых исследований, сформулирована цель работы, выделены научная новизна, практическая значимость полученных результатов и основные положения, выносимые на защиту.

Первая глава представляет собой литературный обзор исследований, посвященных решению вопросов повышения конкурентоспособности автомобилестроительного предприятия. Анализируются проблемы, возникающие при управлении СФС, а также возможности использования информационных технологий и математических моделей для оптимизации процессов, связанных с сервисом автомобилей.

Исследованием развития системы сервисного обслуживания автомобилей как фактора повышения конкурентоспособности продукции занимались многие ученые. Предлагая различные методики, многие исследователи сходятся в одном – рентабельность продажи автомобилей существенно падает и более выгодной становится продажа запасных частей и оказание услуг сервиса. Именно поэтому уровень сервиса определяет конкурентные преимущества и способствует успешности компании-производителя. В свою очередь, качественный сервис предполагает наличие оптимально спроектированной клиенториентированной сервисной сети. Однако, общим недостатком изученных исследований является оптимизация какого-нибудь одного из направлений деятельности СФС (технологического процесса оказания сервисных услуг, организации обеспечения запасными частями, организационно-экономических вопросов), то есть локальное применение методов улучшения работы. Такой подход не может дать должного эффекта на глобальном уровне, поэтому совершенствовать процессы и управлять СФС следует с позиций системного анализа, решая вопросы ее оптимизации комплексно.

Методам анализа больших сложных систем и приемам управления ими уделяется существенное внимание в трудах российских и зарубежных ученых Берталанфи Л., Бусленко Н.П., Дж. П. Ван Гига, Глушкова В.М., Акоффа Р., Неймана Дж., Никанорова С.П., Оптнера Л., Расстригина Л.А., Саати Т., Стаффорда Б., Черчмена У., Эшби У.Р.

Эффективное управление СФС должно быть основано на принципе обратной связи, позволяющей своевременно корректировать управляющие воздействия на основе сопоставления информации о текущем состоянии параметров деятельности субъектов с их ожидаемыми значениями и с учетом изменяющейся внешней среды.

Анализ практики использования информационных технологий показывает, что одной из тенденций такого развития является все более полный охват такими технологиями разных этапов жизненного цикла (ЖЦ) продукции. Однако было установлено, что детальная проработка принципов автоматизация характерна для стадий проектирования, производства, обеспечения материалами и частично сбыта. Поскольку решение задач управления СФС невозможно без качественной и своевременной информации, то проектирование и создание информационной системы, сопровождающей этап эксплуатации и сервисного сопровождения, становится одним из главных факторов успешной работы сети.

Одним из основных вопросов при создании эффективной СФС является решение задачи о размещении ее объектов, т.е. формирование самой сети. Применение математических моделей при решении задачи размещения сервисных объектов рассматривались в работах Егоровой Н.Е., Мудунова А.С., Самохиной Н.А., Сысоева Д.К., Лысанова Д.М., Оксанич И.Г., Петренко В.Р., Костенко А.П., Галкина М.А., Гальперина А.С., Лившица Н.И., Шипкова И.В., Ляско В.И., Новиковой Л.И.

Общий недостаток математических моделей заключается в том, что, с одной стороны, число включаемых факторов ограничено сложностью дальнейшей поддержки модели, а с другой - в аналитических моделях сложно, а порой и невозможно учесть ряд факторов, имеющих стохастическую природу. Кроме того, в случае изменения условий приходится разрабатывать новую модель для каждого сочетания факторов.

Таким образом, существующие методы управления СФС, а также программные средства, математические методы и модели, не достаточно эффективны. Это подтверждается тем фактом, что в настоящее время субъекты СФС не способны в должной мере реагировать на изменяющийся поток заявок, что приводит к длительным простоям автомобильной техники в очередях и на постах обслуживания, недовольству клиентов и падению конкурентоспособного потенциала как продукции, так и самого предприятия-изготовителя. Поэтому необходимо создать инструмент и методику, основанную на его применении, позволяющую корректно организуя потоки данных, производить выработку рекомендаций по оптимизации параметров функционирования СФС.

Во второй главе производится системный анализ процесса сервисного обслуживания автомобилей в субъектах СФС, определяется ее состав и структура, предлагается методика управления сетью на основе системы поддержки принятия решений (СППР) и комплексная система оценки работы СФС, включающая выделение типовых классов субъектов, расчет комплексного показателя оценки эффективности управления субъектом и интегрального показателя оценки эффективности управления сетью в целом.

Управление такой сложной системой должно быть основано на использовании СППР, которая бы выполняла комплексный анализ эффективности функционирования сети, координируя деятельность отдельных субъектов с общей стратегией предприятия. Подобная СППР должна позволять проводить мониторинг текущего состояния параметров СФС, анализировать полученную информацию о результатах ее деятельности, строить прогнозы возможных вариантов работы с учетом изменяющихся внешних условий и воздействий, выбирать из возможных вариантов развития оптимальный. СППР имеет модульную структуру и может расширяться в случае возникновения новых задач (рис.1).

Рисунок 1 – Концептуальная модель СППР

Системный подход требует, чтобы основные критерии оценки эффективности деятельности субъектов СФС отражали их вклад в достижение конечных целей предприятия-изготовителя.

Разрабатывая стратегические планы развития, предприятие определяет стратегическую цель, методы ее достижения с учетом вкладов всех подсистем. Для реализации стратегии должны разрабатываться краткосрочные планы, в которых предусматривается, что деятельность всех подсистем должна быть направлена на достижение стратегической цели предприятия. Таким образом, у предприятия-изготовителя появляется возможность координации работы всех подсистем, в том числе системы сервиса и ее субъектов.

При разработке планов развития необходима всесторонняя оценка деятельности каждого субъекта СФС, для чего была использована система сбалансированных показателей (ССП – Balanced Scorecard). При построении карты целей (рис. 2) была сформулирована стратегическая цель - «Повышение эффективности субъекта СФС автомобилестроительного предприятия».

Выработанная стратегия была рассмотрена в разрезе 7 перспектив: лидерство на рынке; клиенты; обслуживание; обучение и развитие персонала; информационное обеспечение; инновации и развитие инфраструктуры; экология. На основе выделенных показателей эффективности (KPI) была разработана комплексная система оценки субъекта (рис. 3), а также проведен анализ возможности получения исходной информации для расчета выделенных показателей.

Таким образом каждый субъект будет охарактеризован совокупностью показателей { i_f}^F_f₌₁, комплексно и адекватно отражающей его конкурентоспособный потенциал. При этом, учитывая, что исходное множество показателей { i_f } имеет различный физический смысл и характер влияния на итоговую оценку эффективности субъекта, было выполнено их разделение на группы:

1 – показатели, увеличение которых приводит к росту общей оценки эффективности субъекта i_f⁽⁺⁾,

(например рост квалификации персонала положительно влияет на уровень эффективности СП);

2 – показатели, уменьшение которых приводит к росту общей оценки эффективности субъекта i_f^(-),

(увеличение времени ожидания клиентом в очереди, напротив, снижает эффективность).

Чтобы привести характер влияния показателей на итоговую оценку к единому направлению, значения показателей второй группы следует преобразовать по формуле:

(1)

Тогда рост значения общего показателя будет достигаться ростом значений отдельных входящих в него показателей.

Все выделенные показатели системы оценки разделяются на две группы: проектные параметры, характеризующие потенциал субъекта, и выходные оценочные параметры, показывающие насколько эффективно его функционирование. Далее вычисляются относительные показатели, характеризующие степени достижения максимальных значений данных параметров и проводится классификация субъектов по каждой группе параметров.

Рисунок 2 - Стратегическая карта целей субъекта СФС

Рисунок 3 - Система показателей оценки субъекта СФС

Для классификации субъектов предлагается использовать статистический кластерный анализ и нейронные сети: для наглядного определения количества классов - иерархический агломеративный метод с построением дендрограммы классификации; для проверки правильности разбиения – метод k-средних и нейронную сеть Кохонена, основанную на обучении без учителя.

Кластерный анализ позволяет классифицировать совокупность всех измеренных образцов деятельности субъектов СФС: X₁, X₂,…, X_S, каждый из которых обладает набором классификационных признаков X_p={x_p₁, x_p₂…x_pf},

.

Для определения принадлежности вновь измеренного образца деятельности субъекта к одному из уже известных классов было предложено использовать метод построения нейросетевого классификатора (в качестве весовых коэффициентов функций принадлежности используется матрица весов сети Кохонена W), при этом предполагается, что с помощью методики классификации все множество случаев уже было разбито на k классов.

Полученный классификатор в дальнейшем дает возможность отнесения нового субъекта СФС к одному из ранее выделенных классов, или же свидетельствует о необходимости выделения нового класса. После того, как на входы обученной сети подается вектор X классификационных признаков, рассчитывается вектор выходов N=XW. Новый образец относится к j-му нейрону выходного слоя (следовательно, и к j-му классу), у которого значение активационной функции N_j максимально.

Анализ результатов деятельности субъектов производится следующим образом. Эффективность функционирования субъекта оценивается путем нахождения комплексного показателя как отношения текущих значений оценочных параметров к проектным. После расчета значений показателей субъекты сравниваются между собой в пределах одноформатных групп, полученных в результате построения нейронной сети, определяется наилучшая практика использования производственных возможностей и среди них выявляются предприятия-лидеры и предприятия-аутсайдеры. На предприятиях, где производственные мощности задействованы в полной степени, ставится вопрос о достижении максимума оптимального управления. Для предприятий, не исчерпавших свои производственные возможности, выявляются причины низкой эффективности функционирования, выделяются проектные параметры, корректировка которых позволит организовать деятельность более рационально.

После расчета показателей эффективности каждого субъекта рассчитывается интегральный показатель эффективности управления всей СФС в целом, отслеживается его динамика средствами системы мониторинга:

, (2)

T – число уровней иерархии в СФС;

m^t– количество субъектов t-уровня иерархии;

– показатель эффективности i-субъекта t-уровня;

– коэффициент весомости вклада показателя эффективности i-субъекта t-уровня в средний показатель для всего уровня t (прикрепленный парк автомобилей для субъектов);

– коэффициент весомости вклада среднего значения показателя эффективности t-уровня в интегральный показатель эффективности всей сети;

t – место уровня иерархии СФС при ранжировании.

В третьей главе произведена разработка процедуры сбора первичных данных и расчета показателей; выполнена программная реализация модулей системы мониторинга и расчета показателей; исследована с использованием разработанной методики СФС, действующая в Республике Казахстан; показано, что применение информационной системы сбора исходных данных дает возможность получение качественного управленческого решения по корректировке параметров работы существующей сети.

С целью снижения меры энтропии в системе была разработана информационная система мониторинга результатов деятельности и расчета комплексных показателей эффективности субъектов и интегрированного показателя эффективности управления сервисной сетью (рис.4).

а)

б)

Рисунок 4 – Экранные формы системы мониторинга и расчета показателей
эффективности:

а) модуль сбора первичных данных, устанавливаемый в субъекте СФС;

б) главная форма подсистемы, устанавливаемой в центре управления СФС

При апробации разработанной методики на действующей сервисной сети ОАО «КАМАЗ» в Республике Казахстан на первом этапе была проведена кластеризация субъектов сети. Согласно дендрограммам классификации по каждой из групп, целесообразно разделить субъекты на три форматные группы.

По результатам кластеризации по проектным параметрам субъекты были разделены на следующие три группы (Рис. 5):

кластер 1 (формат А) – СП, имеющие самое большое число постов и широкий спектр оказываемых услуг;
кластер 2 (формат В) – СП, имеющие среднее значение числа постов и видов оказываемых услуг;
кластер 3 (формат С) – СП, имеющие самые низкие показатели по степени оснащенности оборудованием, числу постов и видам оказываемых услуг.

Рисунок 5 - Диаграмма средних значений проектных параметров выделенных форматных групп

При выделении классов была также определена значимость каждого классификационного признака. Самыми значимыми при кластеризации по проектным параметрам являются – количество рабочих на 1 обслуживающий пост, степень обеспеченности необходимыми участками для выполнения различных видов работ, степень обеспеченности необходимым оборудованием, доля обученных специалистов согласно штатному расписанию.

При выделении классов по оценочным параметрам, проведенной с помощью построения искусственной нейронной сети, наиболее значимыми признаками явились объем оказанных сервисных услуг, выполнение требований по работе с потребителями, стоимость проданных запасных частей.

На втором этапе были определены наилучшие и наихудшие представители в каждой из форматных групп, отдельно по проектным и оценочным параметрам. Далее, средствами программы мониторинга, были рассчитаны комплексные показатели оценки субъектов, а также интегральные показатели эффективности управления СФС (Рис. 6).

Анализ полученных результатов показывает, что в период 2005-2007 гг., когда рост продаж автомобилей опережал развитие сервисной инфраструктуры, значение интегрального показателя постепенно снижалось, и достигло абсолютного минимума в 2008 году (что совпадает по времени с экономическим кризисом), далее наблюдается его постепенный рост, что можно объяснить принятыми мерами по оптимизации процессов как в подсистеме производства автомобилестроительного предприятия, так и в подсистеме сервиса и обеспечения. В частности в 2009 году наблюдается скорее качественный рост СФС, чем рост количественных показателей ее деятельности.

Рисунок 6 – Вид экранной формы, представляющей динамику интегрального показателя эффективности управления СФС

В четвертой главе осуществлено моделирование работы субъектов СФС с построением имитационной модели, описан алгоритм поиска оптимальных параметров функционирования СФС на основе компьютерного эксперимента.

Для того, чтобы для реально действующей системы оценить возможности «улучшения» характеристик, а также для определения максимально возможных показателей функционирования наиболее удачным вариантом является использование имитационного моделирования.

Из комплексной системы показателей оценки были выделены наиболее значимые факторы, влияющие на эффективность СФС. Эти факторы, являясь ресурсами СФС, могут быть скорректированы с целью оптимизации ее функционирования, т.е. повышения эффективности. В результате применения метода Фишберна было установлено, что пятью факторами, наиболее значимыми для достижения поставленной цели, являются - процент удовлетворения заявок на запасные части (ЗЧ) непосредственно со склада, число постов в субъекте СФС, количество рабочих на одном посту, распределение потока заявок из пункта концентрации автомобилей в субъект СФС, режим работы субъекта.

Целевая функция модели управления системой устанавливает баланс между инвестициями предприятия-изготовителя на развитие СФС и упущенной выгодой от потери клиентов ввиду превышения допустимой длины очереди на обслуживание.

(3)

где (4)

– экономический эффект от обслуживания дополнительного числа клиентов за счет предпринятых мер по развитию СФС,

Э – средняя прибыль от одного обслуженного клиента, руб.,

Kl_inv – разница между числом обслуженных клиентов до и после развития СФС.

(5)

– инвестиционные затраты на развитие СФС,

P – расходы на информационное обеспечение (например, на разработку и эксплуатацию системы прогнозирования потребностей в ЗЧ),руб.,

N_inv – число добавляемых постов в СФС,

S_n – затраты на строительство дополнительного поста, руб.

Показателями эффективности работы системы будут являться потери клиента, связанные с превышением времени пребывания автомобиля в СП по сравнению с нормативным временем на выполнение заявленных работ, а также затраты СП, связанные с простоями оборудования и рабочих. Эти показатели должны быть минимизированы:

(6)

– потери владельцев, связанные доставкой и пребыванием автомобиля в субъекте СФС,

S_c – средние потери владельца автомобиля, связанные с его простоем, руб./час,

– количество автомобилей, обслуженных в j-м субъекте,

– среднее расстояние доставки автомобилей до j-го субъекта, км,

V – скорость доставки автомобиля до субъекта СФС, км/час,

– среднее время ремонта автомобиля в j-м субъекте, часы,

– количество рабочих на одном посту в j-м субъекте,

– норматив по времени обеспечения ЗЧ сервисной зоны j-го субъекта, часы,

– среднее время ожидания в очереди на обслуживание в j-м субъекте, часы,

– процент удовлетворения заявок на ЗЧ непосредственно со склада в j-м субъекте,

R – количество субъектов СФС.

(7)

– затраты субъектов СФС, связанные с простоем,

S_p – затраты, связанные с простоем одного поста в час (упущенная выгода), руб./час,

– число постов в j-м субъекте,

S_w – средняя заработная плата в час, руб./час,

– среднее время простоя одного поста в j-м субъекте, час.

При этом накладываются ограничения на непревышение размера инвестиций над экономическим эффектом, на максимальный размер инвестиций, которые предприятие-изготовитель готово выделить на развитие СФС размер складских площадей для хранения минимального и максимального объема ЗЧ, закон распределения потока заявок из пунктов концентрации автомобилей (ПКА) в субъекты СФС, коэффициент минимально и максимально допустимой полезной загрузки постов, а также ограничения по числу постов и по количеству трудовых ресурсов.

Модель была построена в среде имитационного моделирования AnyLogic 6. При построении модели были совмещены два подхода: дискретно-событийное и агентное моделирование, поскольку такое сочетание позволяет совместить принципы построения систем массового обслуживания с имитацией стохастического поведения индивидуальных объектов (таких, как в случае отказов каждой единицы автомобильной техники).

Для агента «автомобиль» определены два состояния «исправный» и «требуется ремонт». Переход из первого состояния во второе определяется зависимостью вероятности отказа автомобиля от пробега, время возврата в рабочее состояние «Среднее время устранения неисправности» (Y) – параметрами процент удовлетворения заявок на ЗЧ непосредственно со склада (Х₁), число постов (Х₂), количество рабочих на одном посту (Х₃), распределение потока заявок из ПКА в СЦ (X₄), режим работы СЦ (X₅).

Территория, которая должна быть охвачена фирменным сервисом, делится на районы в соответствии с категориями условий эксплуатации, характеризующимися типом дорожного покрытия, типом рельефа местности, температурой и влажностью воздуха.

В Республике Казахстан были выделены следующие типы климата: Bsk – полузасушливый холодный, степной, прохладный; Dfb – влажный холодный, нет засушливых сезонов, прохладное лето; Dfa – влажный холодный, нет засушливых сезонов, жаркое лето; Bwk – холодный сухой, засушливый.

Категория условий эксплуатации автомобилей характеризуется типом дорожного покрытия (Д), типом рельефа местности (Р). Для территории Республики Казахстан характерна вторая категория условий эксплуатации (Д1 - Р4, Д2 - Р1, Р2, Р3, Р4, Д3 - Р1, Р2, Р3), что означает:

Дорожные покрытия: Д1 – усовершенствованные капитальные – цементобетонные, монолитные, железобетонные или армированные сборные, асфальтобетонные, мостовые из брусчатки и мозаики на бетонном основании; Д2 – усовершенствованные облегчённые – из щебня, гравия и песка обработанных вяжущими; из холодного асфальтобетона; Д3 – переходные – щебенчатые и гравийные.
Тип рельефа местности (определяется высотой над уровнем моря): Р1 – равнинный, до 200 м; Р2 – слабохолмистый, свыше 200 до 300 м; Р3 – холмистый, свыше 300 до 1000 м; Р4 – гористый, свыше 1000 до 2000 м.

Для каждого района на основе статистических данных об обращениях в СП по причине отказа строится зависимость вероятности отказа автомобиля от величины пробега (рис.7).

Проведенные этапы валидации и верификации показали, что имитационная модель функционирования СФС ОАО «КАМАЗ» в Республике Казахстан достаточно адекватно отражает реальный процесс организации сервисных услуг с идентичными входными параметрами. Погрешность моделирования составляет менее 5 %, что является допустимым в теории моделирования.

Оптимизационный компьютерный эксперимент на имитационной модели позволяет определить такое управляющее воздействие, при котором исследуемые показатели эффективности, рассматриваемые в модели как параметры целевой функции, будут оптимальны для системы при сложившихся внешних условиях. Согласно теории ограничений систем (ТОС) каждая система обладает очень небольшим числом ограничений, и они являются ключом к ее управлению. Если принцип Парето утверждает, что 20% факторов обеспечивают 80% результата, то по ТОС это соотношение составляет 1% к 99%.

В соответствии с ТОС составлен следующий алгоритм управления ДСС:

Осуществляется прогон «базовой» модели.
Определяется наиболее значимый фактор.
Составляется возможный вариант изменения выбранного фактора на основе сделанного анализа KPI субъектов СФС.
После прогона модели с заданными параметрами, аналитик оценивает, какие улучшения принесут планируемые мероприятия каждому субъекту СФС и всей системе в целом, если необходимое значение оптимальности не достигнуто, осуществляется возврат к шагу 2.
Вырабатывается стратегия развития и комплекс мероприятий по ее достижению, которые затем доводятся до сведения субъектов для последующего их выполнения.

Рисунок 7 - Районирование территории региона сервиса

П
20
оскольку рассмотренная задача является сложной многофакторной, то задача аналитика состоит в том, чтобы на основе компьютерного эксперимента на имитационной модели выявить ограничения системы и в ходе направленного поиска устранить их. При этом из всего набора варьируемых факторов фиксируются значения всех, кроме одного, находится оптимальное значение этого фактора путем изменения его значений. С точки зрения оптимальности функционирования всей сети рациональным является равномерная загрузка всех субъектов с сохранением приемлемого уровня качества обслуживания, поскольку при этом повышается совокупный показатель эффективности всей сети.

Ввиду того, что отсутствие ЗЧ является причиной 74 % простоев автомобилей в ожидании обслуживания, на первом шаге был скорректирован уровень фактора X₁ (до 85 %) и заложен максимальный расход инвестиций на осуществление данного мероприятия, а также скорректированы уровни фактора X₃ в соответствии с максимальным нормативным значением в двух СП. Прогон модели показал, что данное изменение позволит сократить время пребывания автомобилей в СП с 39 до 17 часов, повысить полезную загрузку постов и рабочих на постах, а также значительно сократить количество необслуженных заявок на ремонт.

На втором шаге, поскольку в трех СП остается достаточное количество необслуженных автомобилей, корректируются уровни фактора X₅. Количество рабочих на 1 пост в первом и третьем СП достигает максимального значения, поскольку количество необслуженных автомобилей в первом СП сопоставимо с текущим объемом обслуженных, то имеет смысл ввести рабочий режим в 2 смены. В третьем СП количество необслуженных автомобилей равно примерно четверти от обслуженных, поэтому уровень фактора X₅ был установлен в 1,25, что означает введение сверхурочных работ при имеющемся объеме трудовых ресурсов. В связи с тем, что во втором СП уровень фактора X₃ не достигает максимального нормативного значения, а количество необслуженных автомобилей равно трети от числа обслуживаемых, уровень фактора X₅ был также скорректирован до 1,25. Анализ результатов прогона модели показал, что варьирование сменностью предпочтительнее добавления новых рабочих, поскольку последнее приводит к снижению полезной загрузки одного рабочего.

Поскольку после осуществления прогона модели было установлено, что в одном из СП количество необслуженных автомобилей остается существенным, было выполнено еще два прогона модели, с уровнями фактора X₃ в 1,4 и 1,5 человека на пост (т.е. с увеличением общего количество рабочих в СП на 1 и 2 человека соответственно). При последнем варианте уровня фактора X₃ наблюдается несоблюдение ограничения по полезной загрузке рабочего. Поэтому одним из оптимальных наборов значений параметров функционирования СФС был принят четвертый.

Апробация данного алгоритма управления СФС в Республике Казахстан позволила получить следующие изменения по сравнению с существующим вариантом работы сети:

сокращение времени нахождения автомобилей в СП в среднем на 22 часа, что способствует снижению затрат клиента при одном обращении в субъект СФС на 2249 руб. (зарплата водителя) и 14 506 руб. (упущенная выгода, связанная с простоем автомобилей).
увеличение среднегодового числа обслуживаемых автомобилей одним постом в год на 191 единицу, что составляет с учетом величины прибыли 1 автомобилезаезда 162 350 руб.
удовлетворение существующего спроса на сервисные услуги на 98%.

В пятой главе произведена оценка рисков при внедрении разработанной системы, рассчитан экономический эффект от внедрения СППР с учетом реализации мероприятия для предотвращения последствий возможных рисковых ситуаций.

Стратегия развития СФС связана с оценкой рисков, которая должна обеспечить принятие научно-обоснованных решений и свести к минимуму риски всех категорий. При выработке стратегии компании и построении модели ССП строится карта рисков и определяются значения нормативов для KPI, составляющих комплексную систему оценки СФС, которые хранятся в базе данных. Выход KPI за свой норматив означает, что достигнуто критическое значение, возникновение которого свидетельствует о невозможности достижения соответствующей цели в ССП, и в разработанной системе мониторинга генерируется сигнал о необходимости проведения корректирующих мероприятий, на основании которого лицом, принимающим решение, вырабатывается управляющее воздействие. На основе данного преобразования управление рисками становиться более прозрачным.

Поскольку любое нарушение целостности или потеря части информации, на основании которой принимается решение, влечет за собой снижение качества управленческого решения, необходимо предпринять меры для повышения информационной безопасности при создании и функционировании СППР. Для этого была произведена оценка вероятности возникновения информационных рисков, которая напрямую влияет на вероятность отклонения от предполагаемой цели (получение максимума дополнительной прибыли), ради которой осуществлялась выбранная альтернатива развития СФС, а также подобран комплекс мероприятий, сводящих к минимуму данную вероятность, средствами комплексной системы управления рисками информационной системы «ГРИФ», разработанной компанией «Digital Security». Затраты на обеспечение информационной безопасности были включены в стоимость разработки. На основе расчета экономической эффективности сделаны выводы, что при рассмотрении девяти и более альтернативных вариантов развития СФС с экономической точки зрения выгоднее использовать разработанную СППР.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЫВОДЫ

Исследования, выполненные в настоящей диссертационной работе, позволили сделать следующие основные выводы.

Системный подход к изучению эффективности сети фирменного сервиса автомобилестроительного предприятия должен обеспечить, наряду с дифференциацией результатов деятельности входящих в нее групп сервисных предприятий, возможность комплексной оценки данной сложной системы. Значительное число управляемых параметров требует создания соответствующего инструмента для принятия управленческих решений по развитию сети. Стохастический характер спроса на сервисные услуги предопределяет использование имитационной модели в качестве интеллектуального ядра системы поддержки принятия решений. Апробация системы мониторинга и оценки результатов деятельности субъектов, а также проведение оптимизационного эксперимента на реальной сети фирменного сервиса, показало, что для улучшения характеристик сети зачастую достаточно более интенсивно использовать заложенные проектные мощности сервисного предприятия, а также направлять инвестиции на создание эффективных систем прогнозирования спроса на запасные части и сервисные услуги, а привлечение капитала на создание дополнительных мощностей требуется в крайнем случае.

В результате выполненных исследований получены следующие научные и практические результаты.

Разработана система поддержки принятия решений в виде программно-вычислительного комплекса по управлению сетью фирменного сервиса, включающая в качестве интеллектуального ядра имитационную модель.
Сформирована комплексная система показателей эффективности управления сетью фирменного сервиса, включающая оценку каждого аспекта ее функционирования.
Разработана методика дифференцированной оценки эффективности управления субъектами сети, позволяющая разделить совокупность субъектов на однородные группы, с выявлением лидеров и отстающих внутри своей группы. Сформулирован интегральный показатель оценки эффективности управления всей сетью.
Выполнена программная реализация входящих в систему поддержки принятия решений модулей информационной системы мониторинга результатов деятельности субъектов и расчета комплексных показателей эффективности субъектов и интегрированного показателя всей сети.
Разработана имитационная модель функционирования сети на примере сервисной сети ОАО «КАМАЗ» в республике Казахстан, в основу которой была положена математическая модель, предполагающая минимизацию инвестиционных затрат на изменение параметров сети и упущенной выгоды от потери клиентов, ввиду превышения допустимой длины очереди на обслуживание. Показателями эффективности управления системой служат снижение упущенной выгоды клиентов и субъектов сети путем сокращения времени обслуживания.
Разработан алгоритм принятия управленческих решений по оптимальной организации сервисного обслуживания автомобилей в сервисной сети на основе мониторинга показателей деятельности субъектов сети и проведения оптимизационного компьютерного эксперимента на имитационной модели.
Проведена экспериментальная проверка предложенных инструментальных средств, алгоритмов и методик, реализованных в системе поддержки принятия решений, на действующей сервисной сети ОАО «КАМАЗ» в Республике Казахстан, выработаны практические рекомендации по развитию сети; получен ожидаемый эффект в виде сокращения среднего времени пребывания автомобиля в субъекте сети фирменного сервиса на 22 часа.

ОСНОВНЫЕ РАБОТЫ ПО ТЕМЕ ДИССЕРТАЦИИ

Основные положения диссертации и полученные результаты работы отражены в 14 публикациях, основными из которых являются:

Научные статьи, опубликованные в изданиях, рекомендованных ВАК:

Макарова И.В., Хабибуллин Р.Г., Буйвол П.А., Мухаметдинова Л.М. Применение методов статистического анализа для повышения эффективности управления дилерско-сервисной сетью // Транспорт: наука, техника, управление. Москва. – 2011. –№ 3. – С. 44-47.
Макарова И.В., Хабибуллин Р.Г., Беляев А.И., Беляев Э.И., Буйвол П.А. Применение современных методов моделирования и управления для повышения эффективности системы фирменного сервиса автомобилей // Вестник ИжГТУ. Ижевск: ИжГТУ. – 2011. – №1 (49). – С. 118-121.
Макарова И.В., Хабибуллин Р.Г., Беляев Э.И., Буйвол П.А., Козадаев Р.А. Оптимизация стратегии взаимодействия с поставщиками запасных частей в системе фирменного сервиса // Автотранспортное предприятие. Москва. – 2011. – №9. – С.24-28.

Работы, опубликованные в других изданиях:

Хабибуллин Р.Г., Макарова И.В., Беляев А.И., Буйвол П.А. Управление внутренними процессами предприятия фирменного сервиса автомобильной техники на основе информационных технологий // «Автоматизация: проблемы, идеи, решения». Материалы международной научно-технической конференции, Севастополь, Украина: СевНТУ, 2007. – С. 207–209.
Буйвол П.А., Козадаев Р.А. Формирование сети фирменного обслуживания автомобильной техники КАМАЗ в Казахстан // «Развитие транспорта – основа прогресса экономики России»: материалы V межвузовской научной конференции студентов и аспирантов. – СПб.: СПбГИЭУ, 2010. – С.18 – 22.
Makarova I.V., Khabibullin R.G., Belyaev A.I., Buyvol P.A. The simulation experiment as a means of the transport systems optimization // Problemy Transpotu: Scientific Journal. – Gliwice: Wydawnictwo Plitechniki Śląskiej, Volume 5, Issue 3, 2010. – 43-48 p.
Макарова И.В., Хабибуллин Р.Г., Беляев А.И., Буйвол П.А. Исследование эффективности организации дилерско-сервисных сетей на основе современных методов моделирования // «Наука и образование: фундаментальные основы, технологии, инновации». Сборник материалов международной научной конференции, Оренбург: ОГУ, 2010. – С.149 -153.
Макарова И.В., Хабибуллин Р.Г., Буйвол П.А. Система поддержки принятия решений для оптимизации управления сетью фирменного сервиса // «Информационные технологии в науке, промышленности и образовании». Сборник трудов научно-технической конференции факультета «Информатики и вычислительной техники». – Ижевск: ИжГТУ, 2011. – С.65-69.
Makarova I.V., Khabibullin R.G., Buyvol P.A., Belyaev E.I. Concept of the dealer-service network management on the system approach basis // III International Scientific Conference «Transport Problem 2011», Poland – Silesian University of Technology Faculty of Transport, 2011. – 235-240 p.
Макарова И.В., Хабибуллин Р.Г., Буйвол П.А. Повышение конкурентоспособности дилерско-сервисной сети автомобилестроительного предприятия с использованием имитационного моделирования // «Имитационное моделирование. Теория и практика». Материалы пятой всероссийской научно-практической конференции, СПБ, 2011. – С.335-339.

Зарегистрированные программные средства:

Свидетельство о государственной регистрации программы для ЭВМ №2011611455 от 14.02.2011 г. Имитационная модель автомобильной дилерско-сервисной сети / Макарова И.В., Хабибуллин Р.Г., Буйвол П.А.
Свидетельство о регистрации электронного ресурса №17398 от 06.09.2011 г. Программа определения комплексного показателя конкурентоспособности сервисных предприятий / Макарова И.В., Хабибуллин Р.Г., Буйвол П.А., Мухаметдинова Л.М., Шакирова Д.Ю.
Свидетельство о государственной регистрации программы для ЭВМ № 2011618383 от 25.10.2011 г. Аналитическая система оценки конкурентоспособности предприятия / Макарова И.В., Хабибуллин Р.Г., Буйвол П.А., Мухаметдинова Л.М., Шакирова Д.Ю.

Подписано в печать 08.02.2012 г.

Формат 60х84/16 Бумага офсетная Печать ризографическая

Уч.-изд.л. 1,5 Усл.-печ.л. 1,5 Тираж 100 экз.

Заказ 2181

Издательско-полиграфический центр

Камской государственной инженерно-экономической академии

4