Оцінка логістики експедиторського підприємства на основі використання нейронних мереж

Поділитися Share on Facebook0Tweet about this on TwitterShare on Google+0Share on LinkedIn0Share on Reddit0Pin on Pinterest0Print this page

Анотація. У роботі детально розглянуто актуальні питання, пов’язані з оцінкою рівня логістики експедиторського підприємства та її значення в сучасних умовах. Висвітлено структуру факторів, які впливають на даний показник та здійснено порівняльний аналіз підходів до оцінювання рівня логістики експедиторського підприємства. Запропоновано модель оцінки рівня логістики суб’єктів господарювання  в умовах невизначеності, застосування якої забезпечує підвищення ефективності функціонування підприємства.

Ключові слова: логістична система, ризик втрати конкурентоспроможності, підходи до оцінки логістичної системи, нейронні мережі, модель оцінки рівня логістики.

Annotation.Actual questions, connected with the assessment of logistics level of forwarding company and its importance in modern conditions, have been examined in this paper.

The structure of factors, influencing on this index, has been made clear and the comparative analysis of approaches to the assessment of logistics level of forwarding company, has been carried out.

The assessment model of logistics level of market participants in uncertainty conditions has been offered, which usage provides rising of enterprise efficiency.

Keywords: logistics system, competitive ability risk loss, approaches to the assessment of logistics system, neuron networks, assessment model of logistics level.

 Постановка проблеми. На сьогоднішній день на підприємствах все більше уваги починає приділятися логістиці та її похідним інструментам для отримання ряду переваг перед своїми конкурентами. Починаючи з певного етапу розвитку логістичних процесів на таких підприємствах починають виникати питання пов’язані з їх неупередженою оцінкою. Визначення ефективності логістичної діяльності є одним із ключових завдань як для дослідження поточного стану логістичної системи, так і для формування логістичної стратегії. На сьогодні одним з розповсюджених критеріїв оцінки розвитку логістичної діяльності є експертна оцінка фахівців в галузі логістики[7], але як відомо думка експерта є доволі суб’єктивною і доволі часто навіть може бути помилковою. Такий стан речей визначає гостру необхідність для підприємствв об’єктивній моделі оцінки логістичних процесів, яка б могла робити обґрунтовані висновки.

Аналіз останніх досліджень та публікацій.Інформаційною базою для дослідження стали роботи, присвячені оцінці логістичних процесів на підприємствах таких вчених-економістів як Н.В. Гайдабрус, М. Кристофер, А.В. Ткачова, В.Г. Алькема, О.А. Рудківський, Т.О. Колодзієва та Г.Р. Руденко. Грунтовні дослідження Є.В. Крикавського, І.Г. Смирнова, В.І. Сергієва, Д.Т. Новикова, В.В. Щербакова, І.В. Заблодської, Л.Г. Зайончика, С.М. Шарая, Є.А. Беляневича, А.Г. Кальченка, Ю.М. Неруша, А.М. Гаджинського були проведені у напрямку вдосконалення системи траснпортно-логістичного сервісу для вантажних перевезень. В роботах даних авторів представлені підходи, які являють собою загальну концепцію оцінки логістики на основі певних ключових характеристик, або є розробленими для конкретних промислових підприємств, що не є нашим об’єктом досліджень. Також є ряд підходів до визначення якості логістичних процесів на основі інтегральних методик, які проте мають великий ступінь суб’єктивізму, адже використовують експертні оцінки. Проте, на сьогоднішній день практично відсутні наукові розробки методики комплексного оцінювання логістичних процесів, які б дозволяли оперативно, об’єктивно й повно визначити їхню якість з урахуванням динамічного середовища функціонування підприємств в умовах ринкової економіки.

Завдання дослідження. Завдання даного дослідження полягає  у розробці моделі оцінки логістичних процесів експедиторського підприємства на основі вивчення теоретичних та прикладних аспектів дослідження даної проблематики.

Виклад основного матеріалу. Поняття логістики на сьогоднішній день можна розглядати в декількох  аспектах, причому єдиного підходу до виділення цих аспектів в науковій літературі на сьогоднішній день не існує. Проте в загальному автори визнають, що логістика насамперед покликана на зменшення транспортних витрат і як наслідок – збільшення прибутку компанії шляхом реалізації стратегічних та тактичних завдань логістики. Також варто відзначити і те, що логістика є комплексною, динамічною та багатофакторною категорією.

В ході дослідження даного поняття на основі вже наявних визначень поняття логістики, які були нами узагальнені, ми сформулювали власне визначення даного поняття. На нашу думку, логістика – це сукупність науково обґрунтованих методів і засобів планування, управління, розподілу та контролю процесами транспортування і складування сировини, напівфабрикатів та готової продукції, здійснюваних в процесі доведення останньої до кінцевого споживача, націлених на максимізацію прибутку компанії через зменшення витрат на вищезазначені операції.

Більшість сучасних підходів до оцінки якості логістичних процесів на підприємствах базуються на використанні дискримінантних моделей з використанням інтегрального показника. Причому варто зазначити, що багато науковців відзначають низьку точність останніх, адже дані методи не мають стійкості до варіацій у вихідних даних, бо передбачають стаціонарність розвитку випадкових величин і незмінність зовнішніх умов[2, 242]. Проте реалії як української, так і світової економіки не задовольняють цих вимог, що пов’язано з невизначеністю, в умовах якої функціонують суб’єкти господарювання. Тож використання подібних моделей для математичної оцінки логістичних процесів на підприємстві носить доволі спірний характер.

Виходячи з вищесказаного для того, щоб побудувати адекватну модель логістичних процесів за даних умов потрібно використовувати більш сучасні підходи. Зараз, найперспективнішим методом прогнозування є використання нейронних мереж[6]. Використання даного способу моделювання має ряд переваг над іншими аналогічними алгоритмами.

Використовуючи ж навіть найпростішу нейромережеву архітектуру і базу даних легко одержати працюючу модель. Причому враховувати, чи не враховувати зовнішні параметри системою буде визначатися включенням, або виключенням відповідного входу в нейронну мережу автоматично. Ще одна серйозна перевага нейронних мереж полягає в тому, що експерту не потрібно вибирати математичну модель поведінки ряду. Побудова нейромережевої моделі відбувається адаптивно під час навчання, без участі експерта. При цьому нейронній мережі пред’являються приклади з бази даних і вона сама підлаштовується під ці дані.

Крім того нейронні мережі можуть ефективно відтворювати залежності між вхідними та вихідними змінними навіть за повної відсутності значимих кореляційних зв’язків між ними, бо здатні виявити лінійні закономірності розвитку (як це роблять класичні економетричні моделі) і складні нелінійні функціональні залежності. Така здатність обумовлюється використанням у нейронах нелінійного функціонального перетворювача, який описується деякою функцією активації. Завдяки такій особливості нейронні мережі отримують більшу апроксимуючу здатність для відтворення вихідних функціональних залежностей і прогнозування подальшого розвитку досліджуваних процесів, ніж економетричні аналоги[6].

На рисунку 1 показана базова структура нейронної мережі, яка в нашому випадку буде використовуватися для оцінки ефективності логістичних бізнес-процесів. У даній нейронної мережі кожен нейрон здійснює перетворення вхідних сигналів у вихідний сигнал і пов’язаний з іншими нейронами. Вхідні нейрони формують так званий інтерфейс нейронної мережі. З вхідного шару сигнали розповсюджуються на наступний шар, який носить назву внутрішнього, в даному випадку в нас є два внутрішні шари. Усі шари нейронної мережі обробляють ці сигнали до тих пір, поки вони не досягнуть вихідного шару,  який власне і виводить інформацію. Завдання нейронної мережі – перетворення інформації потрібним чином.

Рис. 1. Базова структура нейронної мережі

Рис. 1. Базова структура нейронної мережі

Враховуючи, що нами будуть оцінюватися логістичні бізнес-процеси на підприємстві, доречно отримувати на виході з мережі величину, яка характеризуватиме їхню ефективність.

Одним з підходів до оцінки  ефективності логістичної системи є концепція діаграм збалансованих переваг, запропонована М. Кристофером [4, 144]. За даною концепцією логістична система досліджується за допомогою ключових показників ефективності (як фінансових, так і не фінансових), які надають можливість застосувати найбільш досконалі та доречні засоби досягнення цілей. Автор даної концепції зазначає, що  трьома основними проявами успіху є якість, швидкість і мінімізація витрат. Він вважає, що така система трьох взаємопов’язаних цілей має універсальне застосування[3, 62]. Використовуючи дану концепцію, нами було вирішено, що в результативної змінної на виході з нейронної мережі в нас буде виступати інтегральна оцінка, яка включатиме показники, що характеризують саме ці сторони діяльності досліджуваного підприємства. Але для того, щоб скористатись ідеєю діаграми збалансованих переваг для оцінки ефективності логістичних бізнес-процесів, необхідно для кожного з ключових показників ефективності ввести певний коефіцієнт.

Першим ключовим фактором ефективності є якість обслуговування, що забезпечує досконале виконання замовлення. З позицій процесного управління, для забезпечення досконалого виконання замовлення необхідним і достатнім є виконання всіх операцій, що входять у процес із рівнем помилок не нижче визначеного. Якщо всі операції, з яких складається бізнес-процес, будуть виконані з мінімальним рівнем помилок, то і якість виконаного замовлення буде відповідати стандарту[3, 64]. Отже, для визначення рівня якості обслуговування нами було вирішено обрати відношення кількості невиконаних на належному рівні (проблемних) замовлень за певний період до загальної кількості операцій проведених підприємством.

Другим ключовим фактором ефективності є час, що визначає тривалість логістичного ланцюга[3, 64]. Для оцінки ефективності логістичного бізнес-процесу за часом пропонується використати величину часового проміжку, що був затрачений на виконання замовлення.

Третім ключовим фактором ефективності є логістичні витрати[3, 64]. Для оцінки ефективності логістичного бізнес-процесу пропонується розмір комісійної винагороди, що була отримана підприємством (її частка в загальних логістичних витратах замовника).

Врахування взаємного впливу трьох ключових факторів ефективності слід представити загальною ефективністю логістичного бізнес-процесу,а саме як добуток значень показників ефективності за кожним з цих факторів. Варто відмітити, що дані показники мають дещо різну розмірність, тому для того щоб уникнути вплив різних масштабів ознак, застосуємо так звану «мінімаксну» нормалізацію. В результаті чого всі характеристики коливатимуться в межах від 0 до 1. Загальну ж ефективність автор концепції збалансованих переваг пропонує знаходити, як добуток вищезгаданих трьох характеристик.

Оскільки значення трьох факторів коливаються в межах від 0 до 1, то значення показника загальної ефективності буде коливатися також в даних межах. Для того ж, щоб розділити підприємства з різною якістю логістичних процесів, нами було досліджено закон їх розподілу (рис. 2.).

Рис. 2. Закон розподілу інтегрального показника якості логістичної діяльності підприємств

Рис. 2. Закон розподілу інтегрального показника якості логістичної діяльності підприємств

Використовуючи ці дані, градація підприємств з різним рівнем якості логістичної діяльності здійснювалася на основі розбиття даного проміжку на три рівні за обсягами зони. Даний поділ проводився на основі формули знаходження медіани інтервального ряду 1.

Me=x_{0}+h*\frac{\frac{\sum_{i=1}^{n} f_{i}}{2}-s_{m-1}}{f_{m}}                                    (1)

де Ме – медіана;

х0 – нижня межа медіанного інтервалу;

h – ширина інтервалу;

– сума накопичених частот до медіанного інтервалу;

– частота медіанного інтервалу.

Оскільки наша сукупність ділиться не на дві, а на три рівні частини, то дана формула дещо модифікується в формули 2та 3 для знаходження першої і другої точок поділу сукупності.

T_{1}=x_{0}+h*\frac{\frac{\sum_{i=1}^{n} f_{i}}{3}-s_{m-1}}{f_{m}}                                    (2)

T_{2}=x_{0}+h*\frac{\frac{\sum_{i=1}^{n} f_{i}}{3}*2-s_{m-1}}{f_{m}}                                  (3)

Використовуючи дані формули нами були знайдені дві точки поділу вищезазначеного інтервалу: 0,641 та 0,772. Таким чином, якщо: показник ефективності [0,00; 0,641] – це означає низьку якість логістичних процесів; при значенні показника ефективності в межах (0,641; 0,772] – нормальна якість; при значенні показника ефективності в межах (0,772; 1] – висока.

Що ж до вхідного шару,  то сюди мають бути віднесені факторні змінні, які впливають на вихідний шар. В аспекті досліджуваної тематики варто відзначити,  що індикаторами високої якості логістичних процесів, а як наслідок високої конкурентоспроможності є стабільно високі показники фінансової звітності  підприємства, адже вони можуть бути такими лише в тому випадку, коли підприємство виконує свою роботу на високому рівні та здатне залучати нових і утримувати вже існуючих клієнтів.  Тому беручи це до уваги визначимо факторні змінні, з числа фінансових показників, на основі підходу О.О. Бакаєва, який пропонує використовувати для експедиторського підприємства з даною метою чотири групи вихідних показників [1, с.49].

У першу групу входять: чиста рентабельність оборотних активів (відношення чистого прибутку до оборотних активів підприємства); чиста рентабельність активів (відношення чистого прибутку до активу балансу); чиста рентабельність власного капіталу (відношення чистого прибутку до середнього залишку власного капіталу).

До другої групи показників оцінки конкурентоспроможності експедиторського підприємства  даний автор відносить показники ефективності управління підприємством: співвідношення чистого прибутку до доходу  (виручки) від реалізації послуг, робіт (без ПДВ) за аналізований період; співвідношення балансового прибутку до  доходу  (виручки) від реалізації послуг, робіт (без ПДВ) за аналізований період;

До третьої групи увійшли показники ділової активності експедиторського підприємства: коефіцієнт віддачі всіх активів (співвідношення чистої виручки від реалізації перевезень до активу балансу);коефіцієнт віддачі основних фондів (скільки чистої виручки припадає на одиницю основних фондів);віддача власного капіталу (скільки чистої виручки припадає на одиницю власного капіталу);оборотність дебіторської заборгованості (в скільки разів чиста виручка перевищує дебіторську заборгованість).

До четвертої групи даний автор пропонує відносити показники оцінки ліквідності та ринкової позиції підприємства: коефіцієнт маневреності власних обігових коштів (відношення величини коштів до величини власних обігових коштів); коефіцієнт автономії, що характеризує незалежність підприємства від запозичених коштів; коефіцієнт фінансової стабільності.

Крім того на основі аналізу операцій досліджуваного суб’єкта господарювання в якості ще одної факторної змінної нами було обрано тип перевезення (всередині країни, чи міжнародне перевезення), адже це дасть змогу не тільки врахувати маршрут перевезення, але й країни завантаження та здачі товару, і показник  ризику втрати конкурентоспроможності підприємством, що сигналізуватиме про погіршення рівня ведення справ на підприємстві (тобто про зниження якості логістичних процесів), який обраховується на основі методики запропонованої Смоляк В.А.[5, 108].

Для безпосередньої побудови моделі нами було використано прикладну програму STATISTICA 10, в якій дані всі процеси є автоматизовані, й для побудови моделі потрібно лише ввести вхідні данні і задати ряд налаштувань, а програма сама підбере внутрішню структуру мережу, ваги для кожного входу нейрона та функції активації. В нашому випадку, беручи до уваги те, що ми будемо моделювати логістичні процеси експедиторського підприємства, то в якості статистичного матеріалу для навчання буде використовуватися база даних, в якій відображені всі операції з надання експедиторських послуг даним підприємством. Вищезазначені показники були розраховані для всіх угод досліджуваного підприємства за досліджуваний період (три роки) і містять в собі шістсот  шістдесят два значення.

В результаті нами було побудовано п’ять нейронних мереж, серед яких найкращі результати показала мережа типу персептрон, яка складається з тридцяти входів, одного виходу, і прихованого шару в якому міститься шістнадцять нейронів.

Рис 3. Підсумкова статистика по побудованим мережах STATISTICA10

Рис 3. Підсумкова статистика по побудованим мережах STATISTICA10

Така велика кількість вхідних нейронів пояснюється введенням двох категоріальних змінних, які  в підсумку кодуються. В якості функцій активації в даній мережі використовуються експоненціальні функції на вході та синусоїдні на виході.

Для того щоб більш наглядно продемонструвати результати оцінювання наявних в нашій вибірці підприємств нашою моделлю побудуємо графік залежності змодельованих значень від емпіричних для виходу моделі.

 Рис 4. Графік залежності змодельованих значень оцінок якості логістичної діяльності досліджуваного підприємства від реальних значень

Рис 4. Графік залежності змодельованих значень оцінок якості логістичної діяльності досліджуваного підприємства від реальних значень

На рисунку 4 подана вищезгадана залежність. З даного рисунка видно, що змодельовані значення оцінки відносно емпіричних значень тяготить до бісектриси першого координатного кута, тобто до прямої y. Це означає, що модельовані значення з певним відхиленням прямують до реальних.

Більше інформації про точність даної моделі можна отримати оцінивши похибки відхилення модельованих значень оцінки якості логістичних процесів від їх реальних значень.

Таблиця 1

Результати моделювання оцінки якості логістичних процесів методом нейронних мереж ТОВ «ТЕК Інтер»

Період

Фактична оцінка

Модельований інтегральний показник

Середня похибка за квартал, %

1 квартал 2010 року

0,45

0,56

25,04

2 квартал 2010 року

0,58

0,64

10,65

3 квартал 2010 року

0,57

0,62

9,21

4 квартал 2010 року

0,76

0,67

12,08

1 квартал 2011 року

0,62

0,70

12,03

2 квартал 2011 року

0,74

0,63

15,32

3 квартал 2011 року

0,82

0,72

12,63

4 квартал 2011 року

0,81

0,74

8,99

1 квартал 2012 року

0,83

0,71

14,36

2 квартал 2012 року

0,89

0,78

12,44

3 квартал 2012 року

0,69

0,77

12,26

4 квартал 2012 року

0,66

0,73

11,16

1 квартал 2013 року

0,60

0,69

14,38

2 квартал 2013 року

0,61

0,70

15,48

3 квартал 2013 року

0,69

4 квартал 2013 року

0,71

Середня похибка весь період

12,92

 

Як видно з вищенаведеної таблиці середня похибка оцінки якості логістичних процесів побудованою моделлю за 14 кварталів становить 12,92%, що є доволі хорошим показником, адже означає, що точність оцінки становить 87,08%.  А це в свою чергу підтверджує існування істотного зв’язку між якістю логістичних процесів та так званими індикаторами, які при побудові моделі виступали в ролі факторних змінних.

Висновки. За результатами проведених досліджень нами було сформовано комплексний підхід до оцінки якості логістичних процесів експедиторського підприємства на основі використання нейронних мереж. Даний підхід є універсальним підходом для повноцінної оцінки якості логістичних процесів експедиторського підприємства, що підтверджується високою точністю моделі. Але також варто відзначити, що використання побудованої моделі має ряд переваг, адже вона дозволяє проводити поточний контроль стану логістичних процесів на підприємстві, коли більшість угод знаходяться в стадії виконання,  і по них є доступними лише загальні дані, яких є не достатньо, щоб оцінити якість логістики іншими методами. На основі аналізу динаміки інтегрального показника ми дійшли висновку, що за останні періоди спостерігалося зростання рівня якості логістики на ТОВ «ТЕК Інтер», причому на даний момент вона перебуває в інтервалі (0,641; 0,772], який відповідає нормальному рівню якості логістичних процесів. Це в свою чергу означає, що в подальшому можна очікувати покращення загального стану справ на підприємстві. В такому випадку всі зусилля персоналу мають бути направленими на збереження досягнутих результатів та поточних тенденцій.

Література:

  1. Бакаєв О.О., Гриценко В.І.,Бажан Л.І., Бакаєв Л.О. Мікроекономічне моделювання і інформаційні технології. – К.:Наукова думка – 2003. -181 с.
  2. Житна І.П., Щолокова Т.В. Оцінка ефективності логістичної системи / І.П. Житна, Т.В. Щолокова // Вісник  Східноукраїнського національного університету  імені Володимира Даля. –2011. –№11 (153). Ч.1 – С. 241–244.
  3. Кочубей Д.Оцінка ефективності функціонування логістичної системи торгівельних підприємств // Вісник КНЕУ – 2009. – №4. – 59-66с.
  4. Кристофер М. Логистика и управление цепочками поставок / М. Кристофер; под общ. ред. В. С. Лукинского. — СПб. : Питер, 2004. — 316 с.: ил. — (Серия “Теория и практика менеджмента”).
  5. Смоляк В.А. Економічна оцінка ризику діяльності промислових підприємств:Дис. канд. екон. наук:08.07.01 / Харківський національний економічний ун-т. – Х., 2005. – 260с.
  6. Ротштейн А.П. Интеллектуальные технологии идентификации [Електронний ресурс]. – Режим доступу: http://matlab.exponenta.ru/fuzzylogic/book5/
  7. Рудківський О. А. Інтегративний підхід до оцінки розвитку логістичної системи молокопереробного підприємства: стратегічний аспект [Електронний ресурс]. – Режим доступу: http://www.economy.nayka.com.ua/?op=1&z=2337
Поділитися Share on Facebook0Tweet about this on TwitterShare on Google+0Share on LinkedIn0Share on Reddit0Pin on Pinterest0Print this page

Залишити відповідь