Экономико-математические методы и модели в логистике. механизм обслуживания

Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования

«УРАЛЬСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ПУТЕЙ СООБЩЕНИЯ» (УрГУПС)

АКАДЕМИЯ КОРПОРАТИВНОГО ОБРАЗОВАНИЯ (АКО)

ИНСТИТУТ ДОПОЛНИТЕЛЬНОГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ (ИДПО)

В.С.Тарасян

«Математическое моделирование в логистике»

Учебно-методическое пособие для слушателей ИДПО

Согласовано

Руководитель УЦ « »

(должность)

(подпись) (ФИО)

Екатеринбург

Введение…………………………………………………………………..…….....3 1. Моделирование в логистике…………………………….……..…...…………4 2. Многокритериальная оптимизация в логистике…..…….………………….10 3. Транспортная задача…………………………….…….……………………...16 4. Базовые понятия теории графов.………………..………….………………..21 5. Сетевое планирование и управление.…………..……….…….….……........29 6. Задачи прокладки коммуникаций……………...……………………….……35 7. Задачи поиска оптимальных путей…..………………………………………41 8. Задачи размещения…………………………....……………..………………..48 9. Задачи объезда………………………………………………….……………..54 Вопросы для самоконтроля…………………..…………………………………60 Список использованной литературы………….……………………………….61

Введение

Математическое моделирование имеет важное значение в логистических системах. Применение математических моделей и методов при решении задач логистики позволяет выбрать оптимальную конфигурацию, модернизировать инфраструктуру системы. Моделирование логистических процессов позволяет существенно снизить издержки на всех этапах жизненного цикла логистических систем.

Цель дисциплины : сформировать у слушателей общие представления о методах математического моделирования, применяемых при моделировании и исследовании логистических систем.

В результате освоения данного курса слушатель должен:

иметь представление :

О методах математического моделирования в логистических системах;

Об основных методах решения логистических задач в сетевой постановке;

знать :

Основные методы математического моделирования логистических процессов;

Основные математические модели и методы, применяемые в логистике;

Основные понятия теории графов и математического программирования;

уметь :

На основе математического подхода в комплексе решать оптимизационные стратегические и тактические задачи логистики;

Ставить логистические оптимизационные задачи в терминах математического моделирования;

владеть:

Методами математического описания и моделирования логистических процессов.

1. Моделирование в логистике

1.1. Классификация моделей

Моделирование основывается на подобии систем или процессов, которое может быть полным или частичным. Основная цель моделирования – прогноз поведения процесса или системы. Ключевой вопрос моделирования «ЧТО БУДЕТ, ЕСЛИ...?»

Существенной характеристикой любой модели является степень полноты подобия модели моделируемому объекту. По этому признаку все модели можно разделить на изоморфные и гомоморфные (рис. 1).

Рис. 1. Классификация моделей

Изоморфные модели – это модели, включающие все характеристики объекта оригинала, способные, по существу, заменить его. Если можно создать и наблюдать изоморфную модель, то наши знания о реальном объекте будут точными. В этом случае мы сможем точно смоделировать поведение объекта.

Гомоморфные модели – модели, основе которых лежит неполное, частичное подобие модели изучаемому объекту. При этом некоторые стороны функционирования реального объекта не моделируются совсем. В результате упрощается построение модели и интерпретация результатов исследования. При моделировании логистических систем абсолютное подобие не имеет места в силу высокой сложности систем. Поэтому в дальнейшем мы будем рассматривать лишь гомоморфные модели, не забывая, что степень подобия у них может быть различной.

Следующим признаком классификации является материальность модели. В соответствии с этим признаком все модели можно разделить на материальные и абстрактные .

Материальные модели воспроизводят основные геометрические, физические, динамические и функциональные характеристики изучаемого явления или объекта. К этой категории относятся, например, уменьшенные макеты предприятий, позволяющие решить вопросы оптимального размещения оборудования и организации грузовых потоков.

Абстрактное моделирование часто является единственным способом моделирования в логистике. Его подразделяют на символическое и математическое .

К символическим моделям относят языковые и знаковые .

Языковые модели – это описательные словесные модели, в основе которых лежит набор слов (словарь), очищенных от неоднозначности. Этот словарь называется «тезаурус». В нем каждому слову может соответствовать лишь единственное понятие, в то время как в обычном словаре одному слову могут соответствовать несколько понятий.

Знаковыми называются модели, использующие специально оговоренную систему обозначений (знаков), а также систему специально введенных операций. Таким образом можно дать символическое описание объекта.

Математическим моделированием называется процесс установления соответствия данному реальному объекту некоторого математического объекта, называемого математической моделью. В логистике широко применяются два вида математического моделирования: аналитическое и имитационное .

Аналитическое моделирование – это математический прием исследования логистических систем, позволяющий получать точные решения. Аналитическое моделирование осуществляется в следующей последовательности.

1. Формулируются математические законы, связывающие объекты системы. Эти законы записываются в виде некоторых функциональных соотношений (алгебраических, дифференциальных уравнений, неравенств и пр.),

2. Решение уравнений, получение теоретических результатов.

3. Сопоставление полученных теоретических результатов с практикой (проверка на адекватность).

Наиболее полное исследование процесса функционирования системы можно провести, если известны явные зависимости, связывающие искомые характеристики с начальными условиями, параметрами и переменными системы. Однако такие зависимости удается получить только для сравнительно простых систем. При усложнении систем исследование их аналитическими методами сталкивается с существенными трудности, что является существенным недостатком метода. В этом случае, чтобы использовать аналитический метод, необходимо существенно упростить первоначальную модель, чтобы иметь возможность изучить хотя бы общие свойства системы.

К достоинствам аналитического моделирования относят большую силу обобщения и многократность использования.

Другим видом математического моделирования является имитационное моделирование.

Как уже отмечалось, логистические системы функционируют в условиях высокой неопределенности окружающей среды. При управлении материальными потоками должны учитываться факторы, многие из которых носят вероятностный характер. В этих условиях создание аналитической модели, устанавливающей четкие количественные соотношения между различными составляющими логистических процессов, может оказаться либо невозможным, либо слишком дорогим.

При имитационном моделировании закономерности, определяющие характер количественных отношений внутри логистических процессов, остаются непознанными. В этом плане логистический процесс остается для экспериментатора «черным ящиком».

Процесс работы с имитационной моделью, в первом приближении, можно сравнить с настройкой телевизора простым телезрителем, не имеющим представления о принципах работы этого аппарата. Телезритель просто вращает разные ручки, добиваясь четкого изображения, не имея при этом представления о том, что происходит внутри «черного ящика».

Точно так же экспериментатор «вращает ручки» имитационной модели, меняя при этом условия протекания процесса и наблюдая получаемый результат. Определение условий, при которых результат удовлетворяет требованиям, является целью работы с имитационной моделью.

Имитационное моделирование включает в себя два основных процесса: первый – конструирование модели реальной системы, второй – постановка экспериментов на этой модели.

При этом могут преследоваться следующие цели:

а) смоделировать поведение логистической системы в различных условиях;

б) построить стратегию, обеспечивающую наиболее эффективное функционирование логистической системы.

Как правило, имитационное моделирование осуществляется с помощью компьютеров и соответствующих пакетов программ. Условия, при которых рекомендуется применять имитационное моделирование, приведены в работе Р. Шеннона «Имитационное моделирование систем – наука и искусство». Перечислим основные из них:

1. Не существует законченной математической постановки данной задачи, либо еще не разработаны аналитические методы решения сформулированной математической модели.

2. Аналитические модели имеются, но процедуры настолько сложны и трудоемки, что имитационное моделирование дает более простой способ решения задачи.

3. Аналитические решения существуют, но их реализация невозможна вследствие недостаточной математической подготовки имеющегося персонала.

Таким образом, основным достоинством имитационного моделирования является то, что этим методом можно решать более сложные задачи. Имитационные модели позволяют достаточно просто учитывать случайные воздействия и другие факторы, которые создают трудности при аналитическом исследовании.

При имитационном моделировании воспроизводится процесс функционирования системы во времени. Причем имитируются элементарные явления, составляющие процесс с сохранением их логической структуры и последовательности протекания во времени. Модели не решают, а осуществляют прогон программы с заданными параметрами, меняя параметры, осуществляя прогон за прогоном.

Имитационное моделирование имеет ряд существенных недостатков, которые также необходимо учитывать.

1. Исследования с помощью этого метода обходятся достаточно дорого.

для построения модели и экспериментирования на ней необходим высококвалифицированный специалист-программист;

необходимо большое количество машинного времени, поскольку метод основывается на статистических испытаниях и требует многочисленных прогонов программ;

модели разрабатываются для конкретных условий и, как правило, не тиражируются.

2. Существует возможность ложной имитации. Процессы в логистических системах носят вероятностный характер и поддаются моделированию только при введении определенного рода допущений. Например, разрабатывая имитационную модель товароснабжения района и принимая среднюю скорость движения автомобиля на маршруте, равную 25 км/ч, мы исходим из допущения, что дорожные условия хорошие. В действительности может случиться какая-нибудь непредвиденная ситуация, например, погода может испортиться и, в результате наступившего гололеда, скорость на маршруте упадет до 15 км/ч. В этом случае реальный процесс пойдет несколько иначе и будут получены другие результаты.

Описание достоинств и недостатков имитационного моделирования можно завершить словами Р. Шеннона: «Разработка и применение имитационных моделей в большей степени искусство, чем наука. Следовательно, успех или неудача в большей степени зависит не от метода, а от того, как он применяется».

Математический анализ в логистике, модель, определяющая оптимальный размер партии поставки. Определение места дислокации базы снабжения. Распределение вероятностей величины спроса на данный товар. Зависимость уровня издержек от величины товарооборота.
Краткое сожержание материала:

Размещено на

Министерство образования и науки Российской Федерации

Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования

"Курганский государственный университет"

Кафедра математического анализа

Специальность математика 010101

Дипломная работа

Применение математических моделей в логистике

Студент группы № М-5318

Дахина Л.Р.

Руководитель: канд. физ.- мат. наук, доцент

Ионин Л.Д.

Заведующий кафедрой математического анализа

канд. физ.- мат. наук, доцент

Гаврильчик М.В.

Курган 2013 г.

Введение

1. Развитие логистики как науки и её практическая реализация

2. Математические модели в логистике

2.1 Математический анализ в логистике

2.1.1 Модель, определяющая оптимальный размер партии поставки

2.1.2 Модель, определяющая оптимальный размер партии поставки при периодическом поступлении и равномерном расходе ресурсов

2.1.3 Модель определения места дислокации базы снабжения

2.1.4 Модель межотраслевого баланса

2.2 Гармонический анализ в логистике

2.3 Теория вероятностей в логистике

2.3.1 Нормальный закон распределения вероятностей

2.3.2 Экспоненциальный закон распределения вероятностей

2.3.3 Биномиальный закон распределения вероятностей

2.3.4 Сравнение законов распределения вероятностей. Критерий согласия

2.4 Математическая статистика в логистике

3. Применение математических моделей в логистических задачах

Заключение

Список использованных источников

Приложения

Введение

Логистика как наука и практическая деятельность стала неотъемлемой частью и инструментом современной экономики. По своей сущности логистика носит универсальный характер, т.к. все субъекты интегрированного рынка занимаются логистикой и используют логистические методы управления производством и торговлей.

Для того, чтобы грамотно принимать управленческие решения, необходимо знать приемы и методы получения основы для выбора решений. Часто опыт и, так называемый, здравый смысл недостаточны для принятия рациональных решений. Следует использовать научный подход к проблеме. В большинстве случаев на помощь приходит прикладная математика, знание которой для специалиста-менеджера или специалиста-логистика просто необходимо.

Управление есть тот инструмент, который обеспечивает системность логистических процессов и их результативность, а вместе с этим - результативность производственно-коммерческой деятельности. Результативность в логистике выражается количественно, и вследствие этого управление включает математические модели.

Таким образом, при рассмотрении математических моделей в логистике исходным положением являются теория и практика управления. При этом следует иметь в виду, что в числе величин, которыми оперирует математика в логистике, важное место занимают стоимостные, т. е. экономические, параметры:

1) стоимость выполнения заказа (поставки);

2) стоимость содержания единицы запаса за определенный период;

3) постоянные (условно-постоянные) расходы;

4) стоимость перевозки единицы груза;

5) убытки от отказа в обслуживании;

6) убытки от простоя транспортных или иных технических средств;

7) потери от дефицитов товаров.

Перечисленные параметры конкретизируются в зависимости от моделируемых ситуаций. Кроме того, в ряде моделей, прежде всего динамических, присутствуют временные параметры (интервалы поставок, время хранения запаса, время транспортировки и т. п.), которые в свою очередь также определяют стоимостные характеристики логистических процессов.

В логистике требуется обеспечить прохождение материального потока от начальной до конечной точки его траектории с наименьшими затратами живого и овеществленного труда. Однако для принятия управленческого решения требуется модель управляемого процесса. Таким образом, модель представляет собой отображение управляемого процесса или отображение процесса или объекта в целях управления или изучения.

Качество модели характеризуется ее адекватностью, т. е. степенью приближения к реальному процессу или объекту. Максимальной адекватностью обладают математические модели, т. е. модели, построенные с помощью математического языка. В данном случае математический язык объективно является точным и лаконичным. Математические модели отображают процесс или объект с помощью математической символики.

В современных условиях логистические процессы могут быть также выражены с помощью массива цифр при использовании компьютерных технологий. Цифровые компьютерные модели также входят в разряд математических моделей, поскольку отражают количественную сторону логистических процессов. Большинство логистических задач опирается на расчетные модели, являющиеся по своей сущности оптимизационными, поскольку данные модели имеют цель получения оптимального результата.

Математическая модель предопределяет и методы решения. Любая модель в той или иной форме содержит целевую функцию и ограничения.

Поэтому модель может интерпретироваться как задача, в которой даны исходные данные и требуется определить значение искомых величин. Нахождение этих величин и определяет метод решения задачи для построенной модели.

Цель работы: изучение информации по теме "Применение математических моделей в логистике" и применение математических моделей при решении логистических задач.

Для реализации цели были выдвинуты следующие задачи:

1. Изучить материал по логистике и логистическим задачам;

2. Проанализировать литературу по теме исследования;

3. Отобрать и систематизировать необходимый материал;

4. Рассмотреть различные математические модели для решения логистических задач;

Дипломная работа состоит из введения, трёх разделов, заключения, списка использованных источников, приложений.

Во введении обоснована актуальность темы исследования.

В первой главе рассмотрено определение логистики, её возникновение и развитие.

Во второй главе рассматриваются разделы математики: математический анализ, гармонический анализ, теория вероятностей и математическая статистика. С помощью данных разделов математики, рассмотрены такие логистические задачи, как: определение оптимального размера партии поставки, определение оптимального размера партии поставки при периодическом поступлении и равномерном расходе ресурсов, определение места дислокации базы снабжения, определение межотраслевого баланса, определение периодичности потребления электроэнергии, построение распределения вероятностей величины спроса на определённый товар, определить уровень издержек от величины товарооборота при помощи.

В третьей главе приведено решение логистических задач, с использованием математических методов.

В заключении подводится итог работы.

1. Развитие логистики как науки и её практическая реализация

Логистика как наука и как сфера практических знаний вызывает в последнее время всё более возрастающий интерес. Менеджеры по логистике являются одной из наиболее востребованных позиций на рынке труда и являются целью для любой компании.

Логистика - это наука о планировании, организации управлении и контроле движения материальных и информационных потоков в пространстве и во времени от их первичного источника до первичного потребителя.

Логистика сравнительно молодая наука, хотя и имеет глубокие исторические корни. Активно развиваться она стала в период Второй мировой войны, когда была применена для решения стратегических задач и чёткого взаимодействия оборонной промышленности, тыловых снабженческих баз и транспорта, с целью своевременного обеспечения армии вооружением, горюче-смазочными материалами и продовольствием. Постепенно понятия и методы логистики стали переносить из военной области в гражданскую.

Расширение сферы применения логистики, которое наблюдается в 80-е особенно 90-е года, объясняется в первую очередь, развитием оптимальных методов управления материальными потоками. Логистика позволяет существенно сократить временной интервал между приобретением сырья и полуфабрикатов, и поставкой готового продукта потребителю, способствует резкому сокращению материальных запасов, ускоряет процесс получения информации, повышает уровень сервиса.

Логистика включает следующие логистические научные дисциплины:

1. Коммерческая логистика

2. Производственная (внутрипроизводственная) логистика.

3. Транспортная логистика.

4. Складская логистика.

Перечисленные логистики являются наиболее распро...

Другие файлы:

В учебном пособии представлен широкий круг экономикоматематических методов и моделей логистики. Приведены основные понятия ометодах и моделях, использ...

Математика в Древнем Вавилоне и Древнем Египте. Теория воспроизводства К. Маркса. Основы экономико-математических моделей. История зарождения линейног...

Исследование самой совершенной операционной системы для мобильных устройств в мире. Особенности использования математических методов для улучшения раб...

Монография посвящена разработке математических моделей движения самолетов и их использованию для изучения аэродинамических и динамических характеристи...

Основные понятия и типы моделей, их классификация и цели создания. Особенности применяемых экономико-математических методов. Общая характеристика осно...

Исторический обзорЭкономико-математические методы
применяют с целью отыскания наилучшего
решения, т.е. решения, оптимального в том
или ином смысле (максимума или
минимума)
Древний Вавилон, Древний Египет –
математика (от греческого mathma –знание)
наука о количественных отношениях и
пространственных формах
действительного мира) преподавалась как
система практических навыков.

Франсуа Кенэ – (француз, врач и экономист)
–предпринял одну из первых попыток
экономико-математического
моделирования механизма движения
финансов. Применил идею
кровообращения человека к кругообороту
экономических отношений.
Карл Маркс, используя таблицы Кенэ, ввел
алгебраические формулы и мечтал «вывести
главные законы кризисов». Он впервые
формализовано описал процесс
расширенного воспроизводства

Антуан Курно в1838г. выпустил книгу
«Исследование математических принципов
теории богатства». В ней впервые
предложена математическая зависимость
спроса и цены товара. Эти величины
связаны коэффициентом эластичности,
который показывает, как изменяется спрос
при росте или снижении цены на 1 % .
Л. Вальрас ввел статистическую модель
системы экономического равновесия.
В. Парето предложил модель
распределения доходов населения.

Фредерик Тейлор в 1885 году
сформулировал и решил «задачу о
землекопе». В ней требовалось определить
оптимальную разовую массу подбираемой
земли, обеспечивающую максимум объема
работа землекопа в день. Если землекоп за
раз забирает много земли, то усталость его
быстро нарастает, если брать за раз мало
земли, то падает общий объем работ.
И. Дмитриев в 1911 году описывает
балансовые соотношения «продуктыресурсы» с помощью линейных
алгебраических выражений.

С. Струмилин (1920-е гг.)сформулировал
идею о составлении плана как результата
решения оптимизационной задачи.
В. Базаров (одновременно) отмечал
необходимость планового изменения
показателей, согласованности элементов
системы, кратчайшего пути к цели.
На методических разработках этих
ученых базировался первый годовой план
страны в 1925 году.
В. Леонтьев - американский профессор –
ввел основы экономико-математических
моделей «затраты-выпуск» для изучения
межотраслевых связей.

Перед Л. Канторовичем в 1938 году поставлена
задача: как наилучшим образом распределить
работу 8 станков фанерного треста при
условии, что известна производительность
каждого станка по каждому из 5 видов
обрабатываемых материалов.
В 1939 году им опубликована работа
«Математические методы организации и
планирования производства», где впервые
формулируется задача линейного
программирования и разрабатывается
алгоритм ее решения.
В 1975 году совместно с американским ученым
Т. Кумпансом Канторович получает
Нобелевскую премию за вклад в теорию
оптимизации распределения ресурсов.

Исторически общая задача линейного
программирования ставится в 1947 году
Дж. Данцигом и М. Вудом в департаменте
ВВС США. Данцигом предлагается
универсальный алгоритм решения задач
линейного программирования, названный
им симплекс-методом.
В 1941 году Хичкок и независимо от него
Купсман в 1945 году формулируют
транспортную задачу, Стиглер в 1945 году
– задачу о диете.

В 50-60-х годах появляются значительные
работы:
Л.В.Канторович «Экономический расчет
наилучшего исследования ресурсов»
Л.В.Канторович, М.К Гавурин «Применение
математических методов в вопросах
анализа грузопотоков»
В.В. Новожилов – о оптимальном
планировании народного хозяйства.

10.

Задачи математического
программирования существуют
только тогда, когда имеется
много допустимых решений (по
крайней мере от двух и более).

11. Этапы принятия решений

1. Постановка(формулировка) задачи.
2. Разработка математической модели
изучаемой системы.
3. Отыскание решений с помощью этой
модели.
4. Проверка данной модели и решения.
5. Уточнение решения на практике.

12.

По словам Беллмана: «Если мы попытаемся
включит в нашу математическую модель
слишком много черт действительности, то
захлебнемся в сложных уравнениях,
содержащих неизвестные параметры и
неизвестные функции. Определение этих
функций приведет к еще более сложным
уравнениям с еще большим числом
неизвестных параметров и функций и т.д.
Если же, наоборот, оробев от столь
мрачных перспектив, построим слишком
упрощенную модель, то обнаружим, что
она не определяет последовательность
действий так, чтобы удовлетворять нашим
требованиям. Следовательно, Ученый,
подобно Паломнику, должен идти прямой
и узкой тропой между Западнями
Переупрощения и Болотом
Переусложнения.»

13. Классификация задач оптимизации

Для постановки задачи принятия решения
необходимо выполнить два условия:
1. чтобы было из чего выбирать;
2.вариант должен быть выбран по
определенному принципу.

14.

Известны два принципа выбора решения:
волевой и критериальный.
Волевой выбор, наиболее часто
используемый, применяют при отсутствии
формализованных моделей как
единственно возможный.
Критериальный выбор заключается в
принятии некоторого критерия и сравнении
возможных вариантов по этому критерию.
Вариант, для которого принятый критерий
принимает наилучшее решение, называется
оптимальным, а задачу принятия
наилучшего решения – задачей
оптимизации.

15.

Критерий оптимизации называют целевой
функцией, функцией цели, функционалом.
Любую задачу, решение которой сводится к
нахождению максимума или минимума
целевой функции называют задачей
оптимизации.

16. Классификация оптимизационных задач менеджмента

Функция
управления
Задачи оптимизации
Техническая и
организационна
я подготовка
производства
-Моделирование состава изделий;
-Оптимизация состава марок, шихты,
смесей;
-Оптимизация раскроя листового
материала, проката;
-Оптимизация распределения
ресурсов в сетевых моделях
комплексов работ;
-Оптимизация планировок
предприятий, производств и
оборудования;
-Оптимизация маршрута
изготовления изделий;
-Оптимизация технологий и
технологических режимов.
Класс экономикоматематических
моделей
Теория графов
Дискретное
(целочисленное)
программирование
Линейное
программирование
Сетевое
планирование и
управление
Имитационное
моделирование
Динамическое
программирование
Нелинейное
программирование

17. Классификация оптимизационных задач менеджмента

Функция
управления
Задачи оптимизации
Класс
экономикоматематических
моделей
Техникоэкономическое
планирование
-Построение сводного плана и
прогнозирование показателей развития
предприятия;
-Оптимизация портфеля заказов и
производственной программы;
-Оптимизация распределения
производственной программы по
плановым периодам
Балансовые
(матричные)
модели
«затратывыпуск».
Корреляционнорегрессионный
анализ
Экстраполяция
тенденций
Линейное
программирова
ние

18. Классификация оптимизационных задач менеджмента

Функция
управления
Задачи оптимизации
Класс
экономикоматематических
моделей
Оперативное
управление
основным
производством
-Оптимизация календарно-плановых
нормативов;
-Календарные задачи;
-Оптимизация стандарт-планов;
- Оптимизация краткосрочных планов
производств
Нелинейное
программирова
ние;
Имитационное
моделирование;
Линейное
программирова
ние;
Целочисленное
программирова
ние

19. Элементы модели

Исходные данные
Искомые переменные
Зависимости
Детерминированные
Непрерывные
Линейные
Случайные
Дискретные
Нелинейные

20. Математические методы и модели в логистических дисциплинах

№ Методы
Модели
Логистические
дисциплины
1 Классический
математический
анализ
Оптимальный размер партии
(формулы Уилсона)
Коммерческая
логистика
Расположение баз снабжения
(оптимизационная модель)
Прикрепление предприятий
потребителей к базам снабжения
(гравитационная модель)
Складская
логистика
Межотраслевые потоки (Модель
межотраслевого баланса)
Коммерческая
логистика

21. Математические методы и модели в логистических дисциплинах

№ Методы
Модели
Логистические
дисциплины
2 Теория
вероятностей
Законы распределения
стохастических величин
Коммерческая,
производственная,
транспортная
логистика
Модели приемки продукции
Коммерческая
логистика

22. Математические методы и модели в логистических дисциплинах

№ Методы
Модели
Логистические
дисциплины
3 Математическая
статистика
Корреляционно-регрессионные
модели
Коммерческая,
логистика
4 Теория массового
обслуживания
Модели работы логистических
систем (складов, магазинов, и
др.)
Коммерческая,
транспортноскладская
логистика

23. Математические методы и модели в логистических дисциплинах

№ Методы
Модели
5 Линейное
Транспортная задача
программирование
6 Теория графов
(теория сетевого
планирования и
управления)
Логистические
дисциплины
Транспортная
логистика
Задача на раскрой материала
Производственная
логистика
Задача ассортиментной
загрузки производства
Коммерческая
логистика
Сетевые модели (сетевые
графики)
Производственная
логистика
Коммерческая
логистика

24. Математические методы и модели в логистических дисциплинах

№ Методы
Модели
Логистические
дисциплины
7 Теория игр
Максиминные и минимаксные
стратегии
Коммерческая,
логистика
Производственная
логистика
8 Гармонический
анализ
Модели периодических
колебаний логистических
величин (спроса, продаж,
расходования материала)
Коммерческая,
логистика
Производственная
логистика

ЭКОНОМИКО-МАТЕМАТИЧЕСКИЕ МЕТОДЫ В ЛОГИСТИКЕ

Методические указанияк изучению дисциплины и выполнениюконтрольной работы

для студентов заочной формы обучения

Специальность080500 – Менеджмент

Специальность080506 – Логистика и управление цепями поставок

Санкт-Петербург

Допущено

редакционно-издательским советом СПбГИЭУ

в качестве методического издания

Составители

д-р экон. наук, проф. Е.И. Зайцев

канд. техн. наук, доц. Е.В. Носкова

Подготовлено на кафедре

логистики и организации перевозок

представленного составителями

© СПбГИЭУ, 2012

1. Общие положения.................................................................
2. Методические указания по изучению дисциплины.......
3. Методические указания к выполнению контрольной работы……………………………………………………….
4. Контрольные задания……………………………………..
5. Требования к объёму, оформлению и срокам выполнения контрольной работы………….……………
6.Список литературы................................... …………………………………………
Приложение 1. Содержание дисциплины (Извлечение из рабочей программы дисциплины)....................................................... ………...
Приложение 2. Пример оформления титульного листа контрольной работы.................................
Приложение 3. Перечень контрольных вопросов для про­верки знаний по дисциплине…………........................................... .................................................................. 16

ОБЩИЕ ПОЛОЖЕНИЯ

Целью дисциплины «Экономико-математические методы в логистике» является формирование у специалиста в области логистики объективного представления о роли и месте экономико-математического моделиро­ва­ния в управлении логистичес­ки­ми системами, научить его выполнять прогнозные расчёты и решать задачи на оптимальность из разных функциональных областей логистики с применением современных инструментальных средств.

Самостоятельный практикум призван укрепить теоретические знания и способствовать приобретению навыков выработки управленческих решений в логистике стратегического характера на основе конкретных, экономически обоснованных расчётных моделей и алгоритмов.

В задачи дисциплины входит изучение студентами методов и алгоритмов моделирования логистических процессов с экономическими критериями эффективности в связной форме и закрепление знаний путём практических расчётов на ЭВМ, ознакомление студентов с современными подходами к моделированию и оптимизации цепей поставок, освоение студентами инструментальных средств моделирования и поиска оптимальных решений. Это, в свою очередь, предполагает знакомство с современным математическим программным обеспечением, с практикой экономико-математического моделирования цепей поставок современных дистрибьюторских компаний, а также с современными подходами к проблеме принятия экономически обоснованных решений в условиях неопределённости.

Дисциплина «Экономико-математические методы в логистике» является логическим продолжением таких курсов, как «Математика», «Экономико-математические методы и модели в социально-экономических исследованиях» и «Информатика». В то же время её понятийно-методологическим базисом является дисциплина «Основы логистики». Объектами изучения являются логистические цепи, системы и их элементы в формализованном виде. Предметом изучения дисциплины являются математические методы, модели логистических задач и алгоритмы их решения средствами вычислительной техники.

Уровень освоения материалов курса должен быть достаточным для свободного владения инструментарием прогнозирования и оптимизации с использованием средств поиска решений из универсальных математических пакетов. Теоретическая подготовка должна отвечать требованиям к специалисту по статистическому моделированию и аналитическим исследованиям бизнес-процессов в логистике. Практическая подготовка должна быть на уровне, обеспечивающем свободное владение компьютером и стандартными средствами автоматизации расчётов.

В целом, результате изучения дисциплины студенты должны знать :

¾ Основные методы исследования экономических процессов средствами прикладной математики.

¾ Способы построения математических моделей задач управления и принятия решений в логистике.

¾ Методы моделирования и оптимизации бизнес-процессов.

Они также должны уметь пользоваться прикладными математическими программами для решения классических задач анализа, моделирования и оптимизации в логистике.

Самостоятельная работа предполагает подготовку к практическим и лабораторным работам, а также более детальное освоение тем предмета и знакомство с современными программными инструментами обработки данных и поиска оптимальных решений.

Форма контроля по дисциплине – письменный экзамен, который проводится после успешной сдачи контрольной работы, выполнения и защиты лабораторных работ и промежуточного тестирования на практических занятиях, в ходе которого преподаватель проверяет, в том числе, и результаты самостоятельной работы студента при изучении дисциплины. Экзаменационные билеты содержат закрытые и открытые тесты, задачу и теоретический вопрос.

В соответствии с учебным планом дисциплины студент заочной формы обучения должен выполнить одну контрольную работу с заданиями расчетного и реферативного характера. Выполнению контрольной работы должна предшествовать углубленная проработка теоретического материала курса. Номер варианта контрольной работы выбирается по двум последним цифрам шифра зачетной книжки (см. табл.0.1). Положительно оцененная контрольная работа является необходимым условием допуска к сдаче экзамена по дисциплине. Незачтенные контрольные работы с замечаниями преподавателя возвращаются студенту на доработку.

2. МЕТОДИЧЕСКИЕ УКАЗАНИЯ ПО ИЗУЧЕНИЮ ДИСЦИПЛИНЫ

Для освоения курса студент, прежде всего, должен сформировать список необходимых информационных источников из рекомендуемого перечня. Базовую литературу можно найти в библиотеках(п.6). Интересные современные сведения можно также найти в Интернете. Для закрепления и систематизации знаний по предмету желательно конспектировать прочитанное. При оформлении контрольной работы ссылки на первоисточники обязательны.

Тема 1 . Введение в ЭММ. Предмет и задачи дисциплины

Раздел вводный и при его изучении следует разобраться в основных терминах и понятиях, связанных с моделями и моделированием. Прежде всего, необходимо определить место и роль ЭММ в управлении современной логистической компанией, особенно компанией, работающей на активном и высококонкурентном рынке. Следуем понять, почему на рынке потребителя растёт значимость принятия правильных в экономическом смысле решений. Далее, нужно рассмотреть подходы к построению моделей логистических систем с позиций целостности, опираясь на принцип взаимозависимости базовых функциональных областей логистики.

Тема 2. Виды моделей и особенности моделирования в логистике

Необходимо рассмотреть разные типы моделей с точки зрения их применимости в логистике. Классификация моделей предполагает их группировку по источникам данных, типу, динамике изменения, принадлежности к функциональной области. Следует разобраться в том, что отличает неопределенность от случайности и какова природа рисков в логистике. Особое внимание в самостоятельной проработке темы следует обратить внимание на рекомендуемые советом по цепям поставок модели бизнес-процессов, используя Интернет-источники и периодику.

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

хорошую работу на сайт">

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Подобные документы

Дифференцирование ассортимента по АВС-методу. Расчет доли отдельных позиций ассортимента в общей реализации. Применение XYZ-анализа для разделения ассортимента компании по признаку стабильности спроса. Построение матрицы АВС-XYZ-анализа в логистике.

курсовая работа , добавлен 10.07.2012


Количественные и качественные методы экономического прогнозирования. Построение модели поиска оптимального уровня заказа, издержек, уровня повторного заказа, числа циклов за год, расстояния между циклами. Определение координат снабженческого центра.

контрольная работа , добавлен 15.09.2010


Изучение экономических приложений математических дисциплин для решения экономических задач: использование математических моделей в экономике и менеджменте. Примеры моделей линейного и динамического программирования как инструмента моделирования экономики.

курсовая работа , добавлен 21.12.2010


Сущность и необходимость применения математических моделей в экономике. Характеристика предприятия "Лукойл", определение стоимости компании с помощью модели дисконтированных денежных потоков. Использование математических моделей в управлении предприятием.

дипломная работа , добавлен 25.09.2010


Анализ основных способов построения математической модели. Математическое моделирование социально-экономических процессов как неотъемлемая часть методов экономики, особенности. Общая характеристика примеров построения линейных математических моделей.

курсовая работа , добавлен 23.06.2013


Построение модели управления запасами в условиях детерминированного спроса. Методы и приемы определения оптимальных партий поставки для однопродуктовых и многопродуктовых моделей. Определение оптимальных параметров системы управления движением запасов.

реферат , добавлен 11.02.2011


Оценка адекватности эконометрических моделей статистическим данным. Построение доверительных зон регрессий спроса и предложения. Вычисление коэффициента регрессии. Построение производственной мультипликативной регрессии, оценка ее главных параметров.

контрольная работа , добавлен 25.04.2010