Decision support system for supplier selection in supply chain



Cite item

Full Text

Abstract

Designed fuzzy logic algorithm and software and information management decision support system for the rational choice of supplier in the supply chain by using the analytic hierarchy process (AHP) and the operations of the theory of fuzzy sets. The functioning of the DSS has been verified experimentally on real accounting and statistics. The results of numerical experiments confirmed the effectiveness of the proposed algorithm for the adoption of logistics management solutions.

Full Text

Введение При логистическом управлении цепями поставок ответственное лицо, принимающее решения (ЛПР), ежедневно сталкивается со сложной системой взаимозависимых бизнес-процессов, которую нужно проанализировать. Все социально-экономические проблемы имеют альтернативные варианты управленческих решений. Зачастую, выбирая одно решение из множества возможных, ЛПР руководствуется только интуитивными представлениями. Вследствие этого поиск рационального организационно-управленческого решения осуществляется в условиях неопределенности, что сказывается на качестве принимаемых решений. Когда экономические факторы сводятся к огромным массивам данных в виде денег, количеству продукции и их весу в тоннах, а также времени, которое необходимо для их производства, зачастую оказывается, что эффективность моделирования бизнес-процессов сложных социально-экономических систем имеет ограничения. Обоснованность и профессиональный уровень принимаемых решений определяет, в конце концов, эффективность деятельности фирмы. Необходимость учета при принятии управленческих решений большого количества политических, экономических, социальных, юридических и этических факторов значительно усложняет задачу выбора рационального решения. В первую очередь, это связано с необходимостью сбора необходимой для принятия решения информации. В этом отношении существенную помощь руководителю оказывают современные интеллектуальные системы поддержки принятия решений (СППР), в том числе экспертные системы [1]. Однако обладание достоверной информацией – необходимое, но недостаточное условие для принятия рационального организационно-управленческого решения. В частности проблема принятия рациональных решений наиболее остро стоит в логистике при выборе наилучших поставщиков в цепи поставок промышленных предприятий. Очевидно, что разные поставщики в цепи поставок могут предложить различные условия поставки. Многие предприятия-закупщики продукции считают, что цена поставки посредника всегда выше, чем у производителя, а посредник-дилер назначает большую стоимость, чем поставщик. Теоретически это так, но для конкретной компании может быть совсем по-другому. Дистрибьюторы, закупая у производителя продукции огромное количество товара, получают такие скидки, что могут предложить вашей компании цены даже ниже, чем производитель. Производителю невыгодно иметь дело с мелкими поставщиками, поскольку объем их закупок составляет десятые или даже сотые доли процента от всего объема продаж на рынке. Естественно, в данном случае не может быть и речи об эксклюзивном отношении к вашей компании [4]. Часто единственным фактором при выборе поставщика в цепи поставок менеджеры по логистике считают цену товара. Контролировать процесс принятия решения в таких условиях можно лишь на основе определенного алгоритма. Иначе никогда не будет полной уверенности, что поставщики выбираются в интересах всей компании, а не отдельных ее представителей. Постановка задачи В логистике для оценки и выбора поставщиков в цепи поставок, как правило используются два экспертных метода: экспертно-балльный метод и метод попарных сравнений. Недостатком первого метода является высокая степень субъективности оценки, особенно в определении весовых коэффициентов для каждого фактора. Основным недостатком метода попарных сравнений является то, что система оценок не позволяет при необходимости указать, насколько один поставщик или фактор лучше или важнее в конкретной ситуации. Основная особенность метода анализа иерархий (МАИ) [4] состоит в получении весового коэффициента фактора на основании попарной экспертной оценки факторов, поэтому основным преимуществом данного метода является более высокая степень объективности оценок (эксперт не оценивает фактор, а только определяет соотношение). С учётом вышесказанного нами выбран МАИ как основа разработки алгоритма для СППР при рациональном выборе поставщика при логистическом управлении цепи поставок. Исследования и результаты При разработке алгоритма рационального выбора поставщика принимается, что – множество поставщиков в цепи поставок, из которых нужно выбрать «наилучшего»; – множество параметров, используемых для оценки эффективности поставщиков из . Основная логистическая задача разработки алгоритма для СППР состоит в расположении (упорядочении, ранжировании) элементов множества в порядке предпочтения по значениям параметров множества . Для определения наилучшего поставщика используются следующее уравнение: где – элементы матрицы , определяющих предпочтения по качеству деятельности поставщиков, где , где – матрица коэффициентов важности используемых параметров, – матрица значений функций принадлежности. Если эксперту удобнее оценивать важность параметров в числах, превышающих единицу, можно сначала использовать ту количественную шкалу, которая удобна для эксперта (например, в интервале от 0 до 10), а затем вычислить весовые доли каждого числа, которые и будут использованы в дальнейших расчетах. Другими словами, если первоначально важность смыслового параметра качества поставщика оценена в числах из интервала [0, a], то . В качестве среды для компьютерной реализации предложенного алгоритма был выбран очень популярный в России комплекс программ автоматизации бизнес-процессов средних и малых организаций «1С:Предприятие 8». СППР разработана в виде внешней обработки для возможности работы с приложением в любых конфигурациях 1С, таких как 1С:Бухгалтерия, 1С:Управление Торговлей, 1С: Управление Производственным Предприятием и др. Для каждой конфигурации экспертом совместно с программистом-разработчиком определяются источники данных и составляется файл правил анализа данных(файл весов факторов), после чего он сохраняется на компьютере, и в дальнейшем может использоваться в оперативном режиме для данной конфигурации. Для проверки приложения была выбрана система оперативного учета 1С:Управление Торговлей. Для удобства восприятия информации результаты выводятся в виде гистограммы (см. рисунок 1). Рисунок 1. Визуализация результатов вычислений для трех позиций номенклатуры (Номенклатура 1, Номенклатура 2, Номенклатура 3), где столбцы 1, 2, 3, 4, 5, 6, 7, 8 – оценки поставщиков с соответствующими номерами (Поставщик 1, Поставщик 2 и т.д.) Выводы Использование алгоритма уменьшает степень субъективности при выборе стратегии закупочной логистики, что в целом положительно сказывается на экономических показателях предприятия. Алгоритм позволяет контролировать процедуры выбора поставщика, что снижает вероятность коррупции. При использовании алгоритма на основе анализа иерархий рейтинги поставщиков получаются на основе «прозрачных» данных, что существенно отличает предложенный метод от методов принятия логистических решений с помощью моделей типа «черного ящика».
×

About the authors

O. B Butusov

Moscow State University of Mechanical Engineering (MAMI)

Dr. Sc., Prof.; +7(915)4047844

M. E Dubinin

Moscow State University of Mechanical Engineering (MAMI)

Email: dubin.mihail@gmail.com
+7(915)4047844

References

  1. Мешалкин В.П. Экспертные системы в химической технологии. – М.: Химия,1995. – 368с.
  2. Мешалкин В.П., Дови В.Г., Марсанич А. Принципы промышленной логистики. – Москва/Генуя, «РХТУ», 2002. – 727с.
  3. Мешалкин В.П., Дови В. Г., Марсанич А. Стратегия управления логистическими цепями химической продукции и устойчивое развитие. – Москва/Генуя, «РХТУ», 2003. – 531с.
  4. Саати Т. Принятие решений. Метод анализа иерархий. М.: Радио и связь, 1993.
  5. Лещинский Б. С. Нечеткий многокритериальный выбор объектов недвижимости // Вестник ТГУ. 2003. Вып. 269. С. 116–119.
  6. Саати Т. Математические модели конфликтных ситуаций. М.: Советское радио, 1977. 302 с.
  7. Пегат А. Нечеткое моделирование и управление. Пер. с англ. – М. : БИНОМ. Лаборатория знаний, 2009. – 798 с.

Supplementary files

Supplementary Files
Action
1. JATS XML

Copyright (c) 2013 Butusov O.B., Dubinin M.E.

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

This website uses cookies

You consent to our cookies if you continue to use our website.

About Cookies