Правительство Российской Федерации Федеральное государственное автономное образовательное учреждение высшего
advertisement
Правительство Российской Федерации Федеральное государственное автономное образовательное учреждение высшего профессионального образования "Национальный исследовательский университет "Высшая школа экономики" Санкт-Петербургский филиал федерального государственного автономного образовательного учреждения высшего профессионального образования "Национальный исследовательский университет "Высшая школа экономики" Факультет экономики Кафедра финансовых рынков и финансового менеджмента БАКАЛАВРСКАЯ РАБОТА на тему: «Риски логистической системы и методы их оптимизации» Направление: экономика Студент группы №142 Салимов Тимур Кадерович (Ф.И.О.) Руководитель ВКР Макарова Василиса Александровна Доцент кафедры ФРиФМ, К.Э.Н. (должность, звание, Ф.И.О.) Консультант (рецензент) _____________________________ _____________________________ (должность, звание, Ф.И.О.) Санкт-Петербург 2013 1 СОДЕРЖАНИЕ ВВЕДЕНИЕ……………………………………………………………………. 3 1. Теоретические аспекты риск-менеджмента……………………………... 6 1.1. Понятие риска…………………………………………………………. 6 1.2. Предпосылки риск-менеджмента……………………………………. 9 1.3. Процесс управления риском…………………………………………. 11 1.4. Методы оптимизации риска в логистических системах………….... 19 2. Формализация модели исследования……………………………………. 29 2.1. Характеристика объекта исследования……………………………… 29 2.2. Постановка задачи исследования……………………………………. 32 3. Аналитическое представление модели…………………………………. 35 3.1. Идентификация первоначальных сценариев для модели……………..35 3.2. Параметризация модели на основе дерева решений…………………..39 3.3. Оптимальное решение с учетом отношения к риску………………….42 ЗАКЛЮЧЕНИЕ………………………………………………………………….44 СПИСОК ЛИТЕРАТУРЫ……………………………………………………….47 ПРИЛОЖЕНИЕ………………………………………………………………….50 2 ВВЕДЕНИЕ Переход России к рыночной экономике привел к появлению ряда проблем, вынуждающих искать пути теоретического обоснования их решения. Проблема оптимизации потоков движения товаров входит в число важнейших для огромной по протяженности страны как наша. Решением данной проблемы является построение логистических систем (далее ЛС), являющихся структурированными вертикальными и горизонтальными связями между хозяйствующими субъектами. В условиях командной экономики, когда собственником предприятий является государство, задача создания стабильных связей между участниками товарно-денежных отношений являлась во многом тривиальной, так как государство устанавливало правила в директивном порядке. Тем не менее, подобная система оказалась нежизнеспособной, и вследствие развала СССР, перестала функционировать эффективно. Успешность реализации связей в логистике в нынешних реалиях зависит от устойчивого и стабильного взаимодействия элементов как самой ЛС, так и внешних субъектов. Данное положение не всегда выполняется даже в более развитых западных странах, стабильных и в социальнополитическом, специфика и ведения финансово-экономическом бизнеса, связанная плане. с Отечественная несовершенством в законодательстве, высокой степенью зависимости от показателей мировой экономики, несформировавшейся деловой культурой и т.п., обуславливает существование огромного количества разнообразных рисков ЛС. Риски, порождаемые внешними и внутренними источниками, напрямую влияют на ключевые показатели результативности субъекта экономических отношений. С ростом влияния рисков на деятельность ЛС, возросло и внимание владельцев и управляющих компаний к методам по управлению риском и его оптимизации. Следовательно, предоставленная работа актуальна, потому как отражает интересы современного экономического сообщества. 3 Применение методов по управлению риском в деятельности ЛС позволяет решить приоритетные задачи для бизнеса, будь то предотвращение нерационального расходования средств, увеличение уровня интеграции процессов перевозки, складирования и сбыта, или избежание потенциального ущерба репутации в том или ином виде. Таким образом, руководство хозяйствующего субъекта достигает с помощью управления риском своих неожиданностей. целей, избегая, Преимущества при этом, вероятного применения ущерба и риск-менеджмента в деятельности ЛС кажутся очевидными, и, тем не менее, отечественные компании не уделяют данным преимуществам достаточного внимания. Из актуальности и приведенных противоречий вытекает проблема исследования, состоящая в приуменьшении значения риск-менеджмента в деятельности ЛС. В рамках указанной проблемы нами определена тема исследования: «Риски логистической системы и методы их оптимизации» Объектом исследования является общество ограниченной ответственности «Логика Груп», специализирующиеся на предоставлении логистических услуг. Предметом исследования служит ЛС компании «Логика Груп». Цель исследования заключается в разработке методических рекомендаций по управлению риском в логистической системе. При достижении поставленной цели мы руководствовались следующей гипотезой: неучтенные риски оказывают значительное влияние на прибыль компании. На основании цели исследования и рабочей гипотезы были сформулированы следующие задачи исследования: произвести анализ библиографических данных, посвященных понятию риска, предпосылкам его возникновения и методам по его управлению, с целью освещения основных теоретических аспектов риск- менеджмента логистической компании; формализовать модель исследования и выявить наиболее эффективную методику по оптимизации риска в рамках представленной модели; 4 применить данную методику по управлению риском к конкретной производственной задаче; сделать заключение об эффективности методики, а также дать рекомендации относительно мер по управлению риском в ЛС. Теоретико-методологическую основу исследования составили работы: по систему подходу в науке Бродецкого Г.Л., Гранатурова В.М., Лапуста М.Г.; по методике формирования понятий Сергеева В.И., Стока Дж.Р, Ламберта Д.М.; по методике организации исследований Тупмана Л.Н., Чернова Г.В. и Дынкина А.А. Научная новизна исследования заключается в следующем: разработана методическая система, обеспечивающая формирование устойчивой к рискам ЛС. Опытным путем подтверждена результативность предложенной методической системы. Теоретическая значимость исследования состоит в том, что были выявлены сущность и значение категории «риск» для логистической системы. Практическая значимость исследования: разработаны методические рекомендации по управлению риском для руководства логистических компаний. Апробация и внедрение основных идей и результатов исследования осуществлялось во время прохождения производственной практики на объекте исследования ООО «Логика Груп». 5 1. ТЕОРЕТИЧЕСКИЕ АСПЕКТЫ РИСК-МЕНЕДЖМЕНТА 1.1. Понятие риска На данный момент проблема оценки и оптимизация риска занимает одну из ведущих позицию в сфере управления бизнесом в России. Одним из факторов, подтверждающих заинтересованность бизнеса в качественном анализе рисков, может служить увеличение количества свободных вакансий риск-менеджера примерно вдвое за период с января 2011 по февраль 2013. Управление риском оказывает непосредственное влияние на процесс принятия и реализации решений хозяйствующего субъекта, в том числе, логистической компании. Для обоснования данного тезиса стоит уделить пристальное внимание терминологическим аспектам понятия риска. В экономике нет четкого и общепризнанного определения такого фундаментального понятия как «риск». В тоже время существуют различные мнения относительно иностранных слов его сущности. можно узнать Согласно об толковому этимологии словарю понятия: РИСК, а, мн. нет, м. [фр. risque < ит. risico < греч. Rixikon утес, скала] возможная опасность. Аналогичная трактовка дается в толковом словаре русского языка С.И. Ожегова [27, с. 555]. Схожее определение фигурирует в «Большой экономической энциклопедии»: РИСК – это возможность наступления события с отрицательными последствиями в результате определенных действий или решений [26, с. 550]. Не трудно заметить, что до недавнего времени, понятие «риск» носило отрицательную коннотацию. С другой стороны, в связи с эволюцией социально-экономических отношений, восприятие риска людьми в значительной степени изменилось. Современный предприниматель учитывает экономический риск в виде затрат или потерь экономического эффекта, связанного с реализацией определенной стратегии в условиях, иных по сравнению с теми, при которых конкретная стратегия была бы наиболее эффективной [9, с. 56]. 6 Риск проявляется как обязательная часть практически любого экономического процесса [23, с. 24]. Данный феномен, прежде всего, связан с тем, что материальные, трудовые, информационные, финансовые и другие ресурсы лимитированы. Их дефицитность вынуждает предпринимателя контролировать свои возможные потери при ведении хозяйственной деятельности. Применительно к логистическим системам резонней всего будет рассматривать предпринимательский риск. Согласно ст. 48 ГК РФ, где юридическим лицом признается организация, которая имеет в собственности, хозяйственном ведении или оперативном управлении обособленное имущество и отвечает по своим обязательствам этим имуществом, может от своего имени приобретать и осуществлять имущественные и личные неимущественные права, нести обязанности, быть истцом и ответчиком в суде. В законе оговорено, что предпринимательская деятельность так или иначе связана с риском, который обычно называют хозяйственным или предпринимательским[1, с. 68]. Если же воспользоваться мировым опытом, то можно обнаружить международный стандарт ISO 31000:2009. Стандарт заинтересует компании, желающие разработать, внедрить или модернизировать систему рискменеджмента, для последующей интеграции с другими системами управления. Положения и рекомендации документа имею практикоприменимый характер и призваны оказывать содействие в разработке собственных подходов к риск-менеджменту. Однако, в случае с ISO 31000, сертификация не требуется, и он может быть применен практический к любой форме собственности(частной, государственной и др.). В то же время, ISO публикует руководство ISO 73:2009, словарь терминов управления рисками, который дополняет ISO 31000 путем предоставления списка терминов и определений, относящихся к управлению рисками. 7 Первым ученым, заинтересовавшимся в риске, как характеристике предпринимательства, являлся французский экономист ХVII в Р. Кантильон. Он представлял предпринимателя как субъекта, которого зависят от неопределенности [34, решения и интересы с. 5]. В дальнейшем, исследования в данном направление были прежде всего связаны с природой дохода предпринимателя. Ученики Р. Кантильона выдвинули теорию, согласно которой, предпринимательский доход полностью или частично является платой за риск [7, с. 20]. Схожие идеи с Р. Кантильоном в своих трудах использовал немецкий экономист XIX в. И. фон Тюнен. Ученый преследовал цель выявить взаимосвязь, существующую между «выигрышем» предпринимателя и риском. Впервые стало учитываться понятие вмененных потерь или прибылей альтернативных вариантов развития событий. Согласно И. фон Тюнену, предприниматель осуществляет осознанный выбор рисковой ситуации в условиях неопределенности. Подобная позиция отличает его от обычного служащего, который не рискует своим доходом. Исходя из всего вышеперечисленного, немецкий экономист предположил что, доход предпринимателя не может быть меньше доходы служащего (минимального дохода). Согласно рассмотренным материалам можно сделать ряд выводов. Вопервых, риск представляет собой неопределенность наступления какого-либо события. Предприниматель стремится снизить риски к минимуму, однако целиком исключить их не в состоянии. Таким образом, он заинтересован не в отклонении от риска, а его предвидении и снижении [9, с. 56]. Во-вторых, люди, вовлеченные в экономические отношения, так или иначе, подвержены влиянию риска, и в тоже время, не уделяют ему должного внимания. Данное положение можно объяснить консервативностью отношения к риску в обществе [12, с. 41]. 8 Тем не менее, современные западные и отечественные экономисты уделяют понятию риска все большее внимание: разрабатываются различные теоретические модели по выявлению и оптимизации риска. Развитие данного направления экономического учения приводит к тому, что риск различными учеными трактуется по-разному, и четкого общепризнанного определения не существует. 1.2. Предпосылки риск-менеджмента Все хозяйствующие субъекты при следовании своим бизнес-стратегиям встречаются с потребностью контролировать различные виды рисков. Решением данной проблемы занимается отдел риск-менеджмента предприятия. Успех функционирования данного отдела во многом зависит от признания исключительной важности риск-менеджмента как высшим руководством компании, так и рядовыми сотрудниками. Также стоит учитывать ряд особенностей риск-менеджмента, указанных на рисунке 1 [9, с. 59]. Управление риском, так или иначе, сводится к определению возможных отклонений от спрогнозированного результата. Отклонения происходят как в положительную, так и отрицательную сторону. Приоритетной целью риск-менеджера является выявление перспектив и возможностей для совершенствования бизнес-процессов, а также не допущение или же сокращение вероятности наступления неблагоприятных событий. В тоже время, стоит соблюдать определенный баланс между снижением степени риска и достижением предполагаемых результатов. Для принятия обоснованных решений относительно риска следует провести тщательный анализ входных данных. Анализ должен иметь логический и систематический характер, чтобы положительно влиять на эффективность бизнес-процессов предприятия. Данный принцип является гарантом результативности риск-менеджмента [11, с. 61]. 9 Рис. 1. Базовые факторы риск-менеджмента. Однако, управление риском – это процесс идентификации того, что может случиться, и одновременно подготовка к возможному развитию событий, а совсем не реакционное управление бизнес-процессами. Рискменеджер, наделенный опережающим мышлением, способен создать формализованную систему управления риском, способную предупредить потенциальные проблемы [8, с. 89]. Управление риском предполагает диверсификацию полномочий между сотрудниками хозяйствующего субъекта. Данную задачу призвано решить высшее руководство предприятия, так как оно наиболее заинтересовано в эффективном управлении риском. Однако, оно также обязано придерживаться законодательных норм и корпоративных стандартов предприятия [19, с. 141]. 10 Таким образом, критически важно найти равновесное положение между ответственностью за риск и способностью управлять этим риском. Для достижения данной цели следует установить прочное взаимодействие как внутри хозяйствующего субъекта, так и с внешними агентами. 1.3 . Процесс управления риском Каждый хозяйствующий субъект при достижении своих основных целей должен сформулировать четкое отношение к риску. Часто бывает, что риск-менеджмент рассматривают как вынужденную необходимость, выраженную в дополнительных расходах. По существу же, управление риском тесно интегрировано в основную деятельность коммерческой организации и неотделимо от неё. Риски следует представлять как преграды на пути к обозначенным целям хозяйствующего субъекта, которые присутствуют даже при очень эффективном менеджменте. В тоже время следует учитывать что за рисками скрыта дополнительная прибыль, компенсирующая затраты на отдел риск-менеджмента[19, с. 162]. Современные рыночные отношения вынуждают коммерческие организации противостоять различным видам рисков, влияющим на эффективность работы каждого подразделения. Многолетняя практика западных компаний показывает, что управление рисками требует комплексного подхода, а не решения конкретных проблем. Данный феномен связан, прежде всего, с тем, что предприятие представляет собой сложную систему из отдельных элементов и взаимодействий между ними. У хозяйствующего субъекта возникает необходимость в управлении риском как на уровне отдельных подразделений, так и всего предприятия в целом [18, с. 119]. Для решения поставленных задач создается система рискменеджмента, с успехом апробированная на Западе с конца 1980-х годов. Риск-менеджмент – это система управления рисками, проявляющимися в процессе функционирования хозяйствующего субъекта, реализацию которой можно представить как многоуровневый процесс полной или частичной 11 компенсации ущерба для предприятия при наступлении неблагоприятных событий [20, с. 231]. Если рассматривать управление риском как систему, то можно выделить две подсистемы: объект управления и субъект управления. Управляемая подсистема представляет собой, собственно, риски, а также экономические отношения, инициирующие данные риски. В управляющую подсистему входят специалисты, способные с помощь различных методов и приемов воздействовать на управляемую подсистему. Субъект управления способен функционировать благодаря поступающей информации от объекта управления. Подобная информация может содержать данные, как о самой коммерческой организации, так и о различных агентах, с которыми хозяйствующему субъекту приходится контактировать. Система риск-менеджмента создается с учетом вида хозяйствующего субъекта, сферы его деятельности, особенностями ведения бизнеса в конкретной стране, корпоративными стандартами, политической обстановки и т.п. Однако интеграция различных бизнес-процессов достигла такого уровня, что большинство коммерческих предприятий пользуется схожими приемами для управления риском. Подобный подход также позволяет минимизировать риски при помощи опыта других участников рынка. На настоящий момент существует структурированная модель управления риском. Изначально она была выведена западными учеными, затем получила развитие в России. Согласно Сенько В. существует шесть основных направлений риск-менеджмента, представленных на рисунке 2 [25, с. 92]. Данные направления хоть и имею существенные различия, но также тесно связаны друг с другом. Подобная ситуация приводит к тому, что в ходе конкретизации возникают «новые» составляющие процесса управления риском. Построение более детализованных моделей занимались такие ученые как Гранатуров В.М. и Глущенко В.В [6, с. 48]. Однако, представленные на рисунке 2, направления риск-менеджмента всегда должны присутствовать. 12 Рис. 2. Основные составляющие процесса управления рисками. Первые два этапа можно также считать анализом риска. На этапе выявления риска аналитик использует качественный подход, а при оценке риска – количественный подход. Для того что бы эффективно управлять риском, необходимо для начала этот риск идентифицировать. В реальности это достаточно трудоемкий процесс, требующий от аналитика высокой профессиональной компетенции, интуитивного понимания не только технологических, но и организационных особенностей функционирования хозяйствующего субъекта. На этапе выявления риска следует определить предельно возможное количество рисков, способных повлиять на деятельность коммерческой организации. После получения списка возможных рисков, аналитику необходимо классифицировать организации. риски Решение согласно подобной рисковому задачи полю возможно исследуемой при наличие классифицирующих факторов, таких как размер ущерба, частота проявления, источник возникновения и т. п. [19, с. 76]. 13 Как только процесс идентификации рисков подошел к концу, выявленные риски следует оценить на предмет их значимости в рамках модели, а также источников формирования. Далее стоит подвергнуть анализу чувствительность модели и ее отдельных составляющих к каждому из идентифицированных рисков. Профессиональные риск-менеджеры компании Aon Risk Services пользуются для анализа такими параметрами, как вероятность появления риска, время до воздействия и величина вероятного ущерба [32, p. 189]. Если первый и третий параметры не вызывают вопросов, то «время до воздействия» характеризуется специфичной классификацией рисков. Согласно данной классификации риски делятся на те, которые: проявляются спустя значительный период времени, достаточный для того, чтобы хозяйствующий субъект смог к ним подготовится например, изменения в законодательстве страны; проявляются через короткий промежуток времени, причем ущерб растянут во времени – например, брак продукции и её последующий отзыв; происходит за очень короткий временной отрезок, но ущерб тоже наносится практически мгновенно – например, пролетающий метеорит звуковой волной выбил все окна в головном офисе компании. По итогам первичного анализа рисков можно смоделировать вероятную степень их воздействия на деятельность хозяйствующего субъекта. Данные мероприятия проводятся для того, чтобы предоставить заинтересованному лицу релевантную информацию, достаточную для принятия взвешенного последующих действий. решения относительно Аналитическая целесообразности деятельность не всегда заканчивается выбором той или иной стратегии. Часто в ходе анализа идентифицируются неизвестные ранее формы риска, корректируются стратегии по управлению уже выявленных рисков [9, с. 63]. 14 Высокую значимость также имеет выбор метода и мер для управления риском. При этом стоит учитывать, что такие понятия, как «метод» и «мера» не являются синонимами. «Метод» является более широким понятием в отличие от «меры». В пределах выбранного метода используются определенные меры или инструменты. Основные методы по управлению риском представлены на рисунке 3 [18, с. 154]. Рис. 3. Методы по управление риском. Уклонения от риска в реальности заключается в отказе от деятельности, сопряженной с данным видом риска. Или же хозяйствующий субъект изменяет изначальный вид деятельности до состояния, при котором риск исчезает. Применение метода целесообразно только при критическом превышении уровня риска над возможными выгодами или невозможности использования других методов по тем или иным причинам [10, с. 126]. 15 Диссипацией риска заключается в формировании особой среды на предприятии, характеризующейся возможностью для заинтересованных лиц влиять на факторы риска, контролировать последствия его проявления. Данный метод в достаточной степени универсален и может использоваться с другими методами [19, с. 79]. При диверсификации риска происходит процесс перераспределения инвестиций между независимыми объектами вложения капитала для оптимизации риска и снижения вероятного ущерба. Лимитирование риска происходит при помощи принятия хозяйствующим субъектом определенных внутренних нормативов как элемента финансовой политики. Обычно данный метод регламентирует управление риском в критической или катастрофической зоне. Страхование риска позволяет переложить ответственность за риск на страховую компанию. Для реализации метода могут быть использованы различные виды страхования: полное страхование, самострахование, перестрахование и т.п. Поглощение риска – метод управления риском, при котором ответственными за убытки в случае проявления риска являются сами инициаторы рискованной деятельности. Подобный метод чаще всего применяется для рисков с небольшой вероятностью материализации, или же если ущерб незначителен для хозяйствующего субъекта [6, с. 51]. Очевидно, что даже элементарная деятельность может быть связана сразу с несколькими рисками. Для одних рисков эффективней всего применять диверсификацию, для других – лимитирование. Выбор метода зависит от результатов анализа и оценки риска на начальном этапе. Логично также предположить, что выбирать метод управления эффективнее всего еще до начала реализации будущего проекта. Игнорирование данного положения может привести как к серьезным убыткам, так и к возрастанию непонимания среди участников проекта [16, с. 141]. 16 На четвертом этапа проводятся запланированные мероприятия для предотвращения ранее выявленных рисков. Также происходит постоянный контроль над уровнем риска. Для данного направления характерны такие меры как: наблюдение за рисками; прогнозирование рисков; оповещение руководства о возможности проявления того или иного риска и составление рекомендаций по их оптимизации; специализированные организационные меры, предотвращающие и контролирующие риски (наем более квалифицированного персонала, переоснащение производственной линии, привлечение сторонних организаций для управления риском, интеграция программного обеспечения для оптимизации производства, закупка оборудования для предотвращения чрезвычайных ситуаций и др.). Необходимость предотвращать и оптимизировать риски достаточно логична. Тем не менее, всегда существуют риски, которые нельзя элиминировать или даже снизить. Участники деятельности неспособны влиять на факторы подобных видов риска. Также присутствуют риски, оптимизация которых может быть неэффективна в финансовом аспекте. Для выше перечисленных рисков применяется метод финансирования [11, с. 217]. Суть метода заключается в трансферте риска различными способами для защиты имущественных интересов участников проекта. Наиболее распространено страхование как вид трансферта риска. Хозяйствующий субъект формирует денежный фонд из внесенных страховых премий для покрытия возможных убытков в будущем. Данный метод финансирования риска также является менее затратным. Страховать свои риски может как предприятие-поставщик или предприятие-покупатель, так и предприятиеперевозчик. Участники проекта вольны направить свои средства на самострахование, взаимное страхование или страхование по средствам страховой компании [16, с. 143]. 17 Финансирования управлению риском, риска предполагает включающий также комплексный метод подход к контролирования и предотвращения. Например, при страховании различных видов риска дополнительно оговариваются обязательные для страхователя меры по технике безопасности, по поддержанию оборудования в надлежащем состоянии, по предоставлению необходимых условий труда и др. Таким образом происходит перераспределение части обязанностей по управлению риском между непосредственными участниками проекта и страховой компанией. Страховщик может даже предложить свой собственный комплекс мероприятий по оптимизации рисков и их оценке [8, с. 109]. Последним этапом риск-менеджмента является оценка результатов. Чтобы оценка оказалась релевантной, следует использовать все доступные массивы данных, полученные на предыдущих этапах. Далее следует корректировка уже реализованных методов и мер с целью повышения их эффективности. Полученный опыт обретает форму в виде рекомендаций, используемых для реализации последующих мероприятий [10, с. 99]. Описанная методология процесса риск-менеджмента принято называть классической. К сожалению, в России наиболее распространен традиционный подход к управлению рисками. Для данного подхода характерно рассматривание риск-менеджмента отдельно от остальных бизнес-процессов. Главная цель заключается в разумном сокращении затрат на страхование рисков при увеличении страхового покрытия. Тем не менее, традиционный подход намного менее эффективен в сравнении с классическим. Подобное суждение подкреплено результатами практической части работы, описанной далее. 18 1.4. Методы оптимизации риска в логистических системах Одной из ключевых проблем финансовой и предпринимательской деятельности в области логистики является проблема соотношения между риском и доходом. Действительно, риск или неопределенность являются атрибутами практически любой логистической системы. В частности, это связано со сбоями в работе транспортных средств и другого оборудования, нарушениями сроков поставок и их объемов, порчей или пропажей части грузов из-за «внешних» возмущающих воздействий, отклонениями спроса, возможными излишками товарных запасов и т. д. [5, с. 61]. Понятно, что существующие разработанные методы управления и принятия решений в условиях неопределенности и риска для цепей поставок должны быть учтены и использованы при проектировании соответствующей логистической системы. К сожалению, мероприятия по выявлению, анализу и управлению рисками все еще не настолько популярны в России по сравнению с развитыми странами запада [13, с. 199]. Стоит разграничить понятия «риска» и «неопределенности». Лицо, принимающее решения (далее ЛПР), сталкивается с задачами в условиях неопределенности, характеризующимися наличием факторов, неподконтрольных решениям ЛПР. Подобные внешние воздействия не позволяют спрогнозировать конечный экономический результат достаточно точно. ЛПР, обладающее необходимыми объемами данных для принятия взвешенного решения относительно функционирует в условиях риска. менеджмента, будь то факторов неопределенности, В независимости от концепции риск- традиционный подход, классический или неоклассический, эффективность управления рисками находится в прямой зависимости от собранной статистической информации. Однако если данная информация, а значит и основанные на ней выводы являются нерелевантными по тем или иным причинам, ЛПР возвращается к решению задач в условиях неопределенности [14, с. 102]. 19 Необходимо сразу же подчеркнуть следующую особенность, присущую решениям задач в условиях риска и неопределенности. При решении поставленных задач по оптимизации риска ЛПР частично опирается на собственное субъективное восприятие ситуации. Подобная особенность приводит к тому, что наиболее эффективное решение по управлению риском трактуется и оценивается различными ЛПР не схожим образом. Противоречивость данного суждения довольно условно, потому как для коммерческой деятельности характерно многообразие форм проявления и реализации. Каждый хозяйствующий субъект волен иметь собственное отношение к риску, а также обязан нести ответственность за принятые решения. В теории риск-менеджмента заранее предполагается наличие подобной особенности, большинство методов корректируются в зависимости от отношения к риску для ЛПР [8, с. 97]. Рассмотрим основные, разработанные в рамках теории рисков, подходы и методы, позволяющие не только сравнить различные альтернативные варианты организации логистического процесса в условиях риска и неопределенности, но и управлять соответствующими рисками. Формальная постановка задач по принятию решений в условиях неопределенности требует выполнения следующих процедур: определение множества всех возможных анализируемых случайных ситуаций, оказывающих влияние на экономическую результативность решений ЛПР; учёт альтернатив при выборе решения для всех возможных анализируемых ситуаций; определение матрицы полезностей, элементы которой представляют доходы, соответствующие анализируемым решениям при различных возможных ситуациях [5, с. 184]. 20 В многомерном пространстве доходов каждое анализируемое решение, характеризуемое представляется отношение соответствующей точкой в доминирования строкой заданном поле позволяет матрицы полезностей, полезностей. Естественное выделить множество парето- оптимальных решений, среди которых требуется найти наилучшее решение для конкретного ЛПР [13, с. 204]. Выбор наилучшего решения в условиях неопределенности экономического результата связан с заданием предпочтений ЛПР в т. н. «конусах неопределенности» применительно к анализируемым альтернативам. Формализация данных предпочтений обычно реализуется на основе аппарата «линий уровня», с помощью которых в соответствующем пространстве доходов представляются эквивалентные для ЛПР решения и характеризуется его отношение к неопределенности экономического результата [8, с. 116]. Основные классы критериев для оценки предпочтений делятся на три группы: классические; производные; составные. Классический подход при выборе критерия для оценки предпочтений ЛПР наиболее прост для понимания. Выбор классического критерия, а, следовательно, и соответствующего наилучшего решения, осуществляется непосредственно ЛПР с учетом его отношения к риску и потерям в рамках заданной анализируемой модели, а также на основе выбираемого им вида «линий уровня» в соответствующем многомерном пространстве доходов по числу событий в полной группе таких событий. Соответствующий аппарат «линий уровня» устанавливает связи между критериями с учетом вида соответствующих целевых функций Z для этих критериев [5, с. 218]. Особенности классического подхода обозначены в таблице 1. 21 Таблица 1. Классические критерии для оценки предпочтений ЛПР. Условное Отношение к риску Экономическая интерпретация Пессимистическая позиция Обеспечивает обозначение критерия ММ максимальный из всех возможных гарантированный доход Zmm. Оптимистическая позиция H Нацелен на максимальный доход Zh. Риск не учитывается. Нейтральная позиция N Обеспечивает оптимальное соотношение между риском и доходностью. Позицию S оптимизма- Принятие пессимизма ситуативных решений по снижению потерь. Производные критерии строятся как соответствующие модификации и обобщения классических критериев. Они позволяют учитывать некоторые специфические особенности отношения ЛПР к риску и неопределенности, «подстраивая» вид линий уровня применительно к конкретному ЛПР, а также специфические особенности конкретных ситуаций, обусловливающих структуру соответствующей неопределенности экономического результата [14, с. 119]. Аналогичную процедуру, но для «крайнего» случая возможной анализируемой структуры неопределенности, когда одно из случайных событий (полной их группы) имеет вероятность достаточно близкую к единице, позволяет реализовать критерий наиболее вероятного исхода. Примеры некоторых производных критериев приводятся в таблице 2. Стремление определить критерии, которые позволяли бы ЛПР лучше приспосабливаться к имеющейся ситуации с учетом его отношения к риску, чем все ранее указанные, привело к построению т. н. составных критериев. ЛПР в индивидуальном порядке, опираясь на свое финансовое положение, определяет размер предельного риска, влияющего на деятельность логистической системы [8, с. 123]. 22 Таблица 2. Интерпретация производных критериев Гурвица(HW) и Гермейера(G). Условное Сущность критерия в рамках производного подхода обозначение критерия HW Позволяет при анализе ситуаций в условиях неопределенности «настраивать» аппарат «линий уровня» и целевую функцию на выбор решения с учетом любой степени неприятия риска: от крайней пессимистической позиции ЛПР до крайней оптимистической. G, Позволяют ЛПР при анализе таких ситуаций для принятия решений выделить Gmod наиболее существенные ожидаемые составляющие случайных доходов, обусловливаемые спецификой анализируемой модели в рамках соответствующей структуры имеющейся неопределенности экономического результата. Подобный тип риска (εдоп), характерный для составных критериев, представляет собой максимально допустимое уменьшение показателя от его «опорного значения», принятого руководством ЛС [14, с. 127]. В частности, ЛПР предпочитает максимизировать возможность гарантированно получить доход, используя ММ критерий. Тогда опорным показателем будет Zmm. Если, ЛПР более заинтересовано в избежание возможных потерь, будет использоваться S критерий и Zs показатель в качестве опорного и т. д. После выбора предельного значения εдоп и опорного показателя, ЛПР способен более корректно оценить возможные негативные последствия своих решений. Тем не менее, ЛПР также способен увеличить свой выигрыш, по сравнению с опорным значением. Для этого достаточно определить соотношение между допустимым риском и значением премии за него. К примеру, если ММ критерий используется как опорный, а предельно возможный доход составляет α ОПМАХ (при некотором «внешнем» наиболее благоприятном состоянии), то при заданном значении потерь εдоп ЛПР будет анализировать только те исходы, при которых хотя бы одно значение дохода будет больше или равно αОПМАХ+εдоп [5, с. 220]. 23 Выбор наиболее выгодного с точки зрения ЛПР решения в условиях неопределенности и риска, упрощается благодаря операциям по блокировке недопустимых решений в рамках принятой методике. Блокируются те из исходов, что не удовлетворяют лимиты по рискам или же компенсируют риск недостаточно. После реализации данных операций блокировки решений применительно к исходной матрице полезностей, будет составлена обновленная матрица полезностей. Новая матрица будет удовлетворять, как лимиты по рискам для ЛПР, так и требования по извлечению максимального дохода в виде компенсации за соответствующий риск. Иначе говоря, в обновленной матрице останутся исходы, приводящие к потерям, но только к таким, с которыми ЛПР готов смирится. А также в ней буду присутствовать и выигрыши, способные скомпенсировать вероятные потери. Для подобной оставшейся «урезанной матрицы полезностей после блокирования неугодных решений, можно использовать любой необходимый критерий [8, с. 113]. В условиях, когда вероятностный или статистический характер распределения экономического результата задан или определен, используют специальные методы управления рисками. К ним, как правило, относят следующие методы: уклонения; локализации; диссипации; компенсации. Возможности отмеченных выше методов управления рисками на качественном уровне для соответствующих цепей поставок понятны. При этом требуемые оценки на количественном уровне подразумевают определение или введение соответствующей меры измерения риска [13, с. 118]. В рамках классического подхода в теории риска соответствующие решения, связанные с управлением рисками, обычно принимаются ЛПР в пространстве «Доход–Риск», т. е. в пространстве (m;δ ), где m — оценка для ожидаемого дохода, а параметр δ — среднеквадратическое отклонение для 24 ожидаемого дохода, принимаемое в качестве оценки риска. Как видим, решения ЛПР принимаются и с учетом ожидаемого дохода, и с учетом риска его отклонения. Соответствующий критерий называют MVC критерием (критерий значимой дисперсии — mean variance criterion). Частным случаем этого критерия (для нейтрального к риску ЛПР) является EVC критерий (критерий ожидаемого значения — expected value criterion), когда оценка δ для риска отклонения дохода в расчет не принимается [5, с. 218]. Удобным инструментом для определения соответствующих критериев при выборе наилучшего решения в условиях риска является метод «дерева решений» («дерева альтернатив»). В рамках этого метода рисуется граф (являющийся деревом, т. е. не имеющий циклов), вершины которого интерпретируются как события, характеризующие анализируемый процесс реализации функций соответствующего звена цепи поставок с точки зрения возможных вариантов развития событий (как с учетом возможных сценариев для внешних условий, так и с учетом анализируемых решений ЛПР), а ребра графа представляют, соответственно, возможные «траектории» процесса [13, с. 132]. При этом выделяют следующие типы вершин (для удобства реализации процедур дальнейшего анализа): (прямоугольного типа) — для ситуаций, когда дальнейшее развитие процесса зависит именно от выбора ЛПР; (круглого типа) — для ситуаций, когда дальнейшее развитие процесса зависит именно от внешних условий и определяется случаем (а не ЛПР); (точечного типа) — для концевых вершин дерева решений, представляющих завершающие события развития процесса, рядом с которыми проставляется соответствующий показатель для экономического результата (например, доход при соответствующей траектории развития процесса реализации функций анализируемого звена логистической цепи). 25 Подчеркнем, что соответствующее дерево решений воспроизводит в графической интерпретации структуру возможных «траекторий» реализации работ анализируемого звена логистической цепи. Его легко составить с учетом постановки задачи исследования (управления рисками) даже в случае, когда соответствующая задача представлена не в формальной, а в развернутой форме [14, с. 149]. Например, для приведенного выше условного примера «Выбор способа поставки товара» соответствующее дерево решений можно задать в виде, представленном в приложении 1 и 2. Для имеющегося дерева решений на начальном этапе его анализа (в рамках задач управления рисками) сначала определяются необходимые параметры. А именно, значения экономических результатов / показателей, соответствующих концевым вершинам дерева, а также вероятности возможного развития траектории процесса для «круглых» вершин графа, характеризующие влияние внешних воздействий (соответствующих случайных факторов) на исследуемый процесс работы звена цепи поставок. Обычно такие вероятности записывают рядом с соответствующим ребром графа, представляющим возможность реализации определенного сценария развития процесса [8, с. 117]. Анализ дерева решений при управлении рисками реализуется в направлении от концевых вершин дерева к начальной с помощью процедур двух типов: свертки и блокировки. Процедура свертки реализуется для «круглых» вершин дерева решений (для которых дальнейшее направление возможного развития процесса не зависит от ЛПР, а определяется случаем). Она выражается соответствующим показателем в рамках рассматриваемого критерия. Этот показатель обычно записывается в соответствующей вершине дерева решений [5, с. 225]. Например, в рамках EVC критерия (его также называют критерием Байеса Лапласа) такой показатель, обозначаемый обычно через m, представляет собой математическое ожидание для соответствующего случайного экономического результата. Он вычисляется по формуле: 26 m=∑ pi × Дi, (1) где Дi—возможные значения экономическогорезультата; pi —их соответствующие вероятности. Далее, в рамках MVC критерия такой показатель, обозначаемый обычно через f (или V), представляет собой характеристику соответствующей линии уровня для анализируемого варианта альтернативы в пространстве «доход–риск». Этот показатель вычисляется по формуле: f=f(m;δ), где m — математическое ожидание (2) соответствующего случайного результата; δ — его среднеквадратическое отклонение; f(m; δ) — функция двух переменных, задающая в пространстве «доход — риск» линии уровня, характеризующие отношение ЛПР к риску в рамках соответствующего критерия [13, с. 156]. Процедура блокировки реализуется для «прямоугольных» вершин дерева решений, представляющих ситуации, когда дальнейшее развитие процесса зависит от выбора ЛПР (в рамках анализируемых альтернатив в условиях риска) и отражается в виде запретов для выбора худших решений в рамках соответствующего критерия, учитывающего отношение ЛПР к риску (на основе предварительно найденных значений показателей критерия для последующих вершин дерева решений) [14, с. 179]. Реализуя аналогичные процедуры для всех вершин дерева решений (продвигаясь от концевых вершин к начальной), находим оптимальное решение применительно к рассматриваемой модели задачи управления рисками в рамках соответствующего EVC критерия (максимизации среднего ожидаемого дохода в условиях риска). Неоклассический подход в теории риска при количественных расчетах использует концепцию полезности, в рамках которой предпочтения ЛПР задаются посредством т. н. функции полезностей U (unility function) [5, с. 220]. 27 При этом соответствующие решения ЛПР по управлению рисками принимаются на основе максимизации ожидаемой полезности, т. е. в соответствии с т. н. критерием EUC (критерий ожидаемой полезности — expected utility criterion). Особо отметим, что в тех случаях, когда при анализе рисков в цепях поставок соответствующий акцент делается на надежность функционирования цепи или ее звеньев (т. е. риск вводится как вероятность срыва или отказа в рамках реализации функций соответствующего звена / звеньев цепи поставок), используются методы теории надежности [8, с. 120]. Сущность таких методов близка к некоторым из перечисленных выше (а именно, предполагается использование различных видов избыточности: системной, информационной, структурной, аппаратурной, временной и т. д.). При этом в качестве критерия может выступать, например, минимизация вероятности срыва в работе соответствующего звена / звеньев цепи поставок либо оптимизация некоторого показателя эффективности работы соответствующей цепи поставок [5, с. 223]. В заключение подчеркнем, что знание соответствующих методов и подходов управления рисками, умение использовать их как на качественном, так и на количественном уровне, позволит более эффективно организовать соответствующий бизнес в логистике (цепи поставок), сделать его более конкурентоспособным. 28 2. Формализация модели исследования 2.1. Характеристика объекта исследования Санкт-Петербург является одним из крупнейших узлов логистической системы Российской Федерации. Не последнюю роль в подобном положении играет расположение города. Прямой выход к Балтийскому морю, сухопутное сообщение со странами Прибалтики, близкое расположение к столице на протяжении трех столетий способствовали развитию механизмов по управлению грузооборотом. На данный момент, в городе функционируют 5 железнодорожных вокзалов, морской и речной порты, международный аэропорт, множество компаний по автоперевозке, недавно отстроенные огромные складские помещения в шаговой доступности от кольцевой автодороги. Существующие многообразие даёт логистическим компаниям города небывалые возможности для ведения бизнеса. В одной из подобных компаний автору работы довелось проходить производственную практику, чем и обуславливается выбор объекта исследования. С юридической точки зрения компания «Логика Груп» является обществом с ограниченной ответственностью, основанным в 2009 г. Предприятие осуществляет свою деятельность на основании законодательства Российской Федерации, договоров учредителей, а также устава компании. Согласно данному уставу основным видом деятельности предприятия характера. является оказание услуг транспортно-экспедиторского В состав учредителей входят четыре физических лица с равным соотношением долей в уставном капитале. Официальными партнерами «Логика Груп» являются ООО «Балтийская Фрахтовая Группа» (перевозка секретных и военных грузов, фрахтование), ООО «Балтийские Агенты» (агентское обслуживание в порту) и ЗАО «ЮРТРАНСА» (автоперевозка и сопровождение различных по габаритам грузов). 29 Компания способна предоставлять целый перечень различных логистических услуг. В том числе она способна осуществлять морские, автомобильные и железнодорожные перевозки как внутри страны, так и за ее пределами. Доставляемые грузы могут быть сборными или специфичных габаритов. Также предоставляется консультация относительно прохождения таможни и поиска надежных поставщиков. Чтобы осуществлять подобную деятельность ООО «Логика Груп» используют сложную логистическую систему, указанную на рисунке 4. Рис. 4. Схематичное изображение логистической системы ООО «Логика Груп» Данная схема хорошо иллюстрирует всю сложность отношений различных субъектов логистической системы. Сырье и полуфабрикаты доставляются до производств, затем готовая продукция поступает в основные и региональные центры распространения. Из крупных центров товары попадают к оптовым и розничным распространителям. Дистрибьютеры, в свою очередь, реализуют продукцию конечным потребителям. Также на рынке присутствуют корпоративные клиенты, требующие особого подхода. Чем сложнее система, тем больше факторов риска она в себе содержит. К счастью перед автором не стояло задачи провести оптимизацию всей системы целиком. 30 Вся совокупность оптимизационных процессов в управлении рисками логистичской компании складывается из отдельных решений относительно конкретных производственных задач. Тем не менее, проведение мероприятий по риск-менеджменту согласно определенной методологии не подразумевает ограниченность подобных мероприятий. Если меры по управлению риска оказались эффективны в определенной ситуации, то с большей степенью вероятности можно предположить, что подобные же меры будут эффективны и для схожей ситуации при прочих равных условиях. Таким образом, можно сосредоточиться на анализе более простого элемента логистической системы и апробации используемых методик на практике. В частности, в ходе производственной практики автор столкнулся с участком системы, схематично изображенным на рисунке 5. Однако даже подобный участок содержит не менее трех элементов: производство, сбывающее продукцию, компания, осуществляющая доставку товара с помощью автотранспорта и центр по распространению продукцию, выполняющий одновременно складскую функцию. Для поставленной задачи исследования, подробнее о которой можно узнать из следующего параграфа, данных элементов логистической системы более чем достаточно. Рис. 5. Исследуемая часть логистической системы ООО «Логика Груп» 31 2.2 Постановка задачи исследования Перед компанией «Логика Груп» стояла задача доставить необходимый объем скоропортящихся продуктов питания с помощью автотранспорта. Затем, доставленную продукцию необходимо было разместить на складе и отгружать заказчикам по мере надобности. Исходными данными для представленной модели являются: закупочная стоимость одного паллета продукции – 60 тысяч рублей; цена реализации одного паллета продукции – 90 тысяч рублей; объем спроса согласно прогнозу на следующий месяц составит 660 паллет; срок годности продукции равен 2 месяцам. Остановимся подробнее на вопросе, каким образом фирма прогнозирует спрос и оценивает его в 660 единиц. Логистические процессы проходят через множество транзакционных систем, что усложняет интеграцию этих систем друг с другом, а это в значительной степени снижает эффективность процессов. В этом смысле крайне важным является внедрение сложной информационной системы, охватывающей весь цикл управления. ООО «Логика Груп» использует решение компании SAP, которая предложила рынку процессо- ориентированный подход для решения логистических задач, реализованный в их продукте NetWeaver. Данная программа предоставляет целый комплект решений для логистики: расширенное планирование и оптимизация (APO — Advanced Planning and Optimization); управление взаимодействием с поставщиками (SRM — Supplier Relationship Management); решения для оперативного управления (Supply Chain Execution). 32 Однако доступ к NetWeaver имеют только сотрудники отдела статистики компании. Тем не менее, можно подать запрос на предоставление определенных данных. В частности можно узнать прогнозируемые значения спроса с соответствующей вероятностью, что не раз было реализовано в ходе исследования по мере надобности. После того как объем поставок определен, необходимо прийти к заключению требуются ли принятие каких-либо мер для оптимизации модели. Для решения данной проблемы, оценим величину производственного левериджа, ведь именно структура производственных затрат и ее влияние на конечную прибыль крайне важны для любой логистической компании. Воспользуемся основной формулой для определения производственного рычага: Эпл = (TFC + π) / π, (3) где Эпл — эффект производственного левериджа; TFC — общие постоянные затраты; π — прибыль. Общие производственные затраты, согласно исходным данным, равны 39600 тысячам рублей, прибыль – 19800 тысячам рублей. Соответственно коэффициент, характеризующий эффект производственного рычага, будет равен примерно трем условным единицам. Данное значение можно интерпретировать следующим образом – при снижении выручки на 1%, конечная прибыль сократится на 3%. Однако данное значение достигается только при реализации всего объема в 660 паллет по изначальной стоимости. В реальности же по подобным видам сделок в предыдущих периодах удавалось выручить в среднем не больше 14000 тысяч рублей чистой прибыли. Следовательно, фактическое значение производственного левериджа составляет примерно 3,82%. Увеличение величины коэффициента почти на один процент означает, что в модели присутствуют неучтенные факторы риска, обуславливающие необходимость проведения мер по их оптимизации. 33 Для построения эффективной стратегии управления запасами в условиях риска следует учитывать возможные изменения спроса, случайные объемы реализации остатков продукции, транспортный брак во время доставки продукции. Также немаловажным фактором является то, что специалисту приходится управлять запасами скоропортящихся продуктов питания. Обычно при подборе оптимального объема заказа для поставки продуктов питания логистическая компания вынуждена решать определенную проблему. Если запасы целиком или частично не будут в наличие на складе, то и заказчики не смогут отгрузить необходимый объем продукции, что в свою очередь приведет к падению их лояльности. В тоже время, если лимит по заказу будет намного превышен, то и вероятность того, что компании придется избавиться от нереализованного товара с истекшим сроком годности, значительно возрастает. Логично предположить, что наиболее верным решением данной проблемы будет заказ продукции объемом, достаточным для удовлетворения спрогнозированного спроса. Однако наиболее простое решение не всегда является наиболее эффективным. Попробуем доказать данное утверждение в следующей главе исследования. 34 3. Аналитическое представление модели 3.1 Идентификация первоначальных сценариев для модели Согласно внутрифирменным стандартам компании для подобного заказа могут использоваться три альтернативных подхода: выполнить заказ согласно прогнозу – 660 паллет; выполнить заказ на 66 паллет меньше (грузовые автомобили, используемые для доставки подобных заказов способны вместить 33 паллета), чтобы снизить риск от нереализованной продукции; выполнить заказ на 66 паллет больше, чтобы гарантированно обеспечить всех клиентов продукцией. Хозяйствующий субъект сталкивается со значительными потерями в случае истечения срока годности для 66 паллет продукции. Его потери составят полную стоимость нереализованной продукции. Тем не менее, он также заинтересован в обеспечении достаточного уровня сервиса, соответствующего возможности обеспечить не меньше 95% от всех санкционированных заказов. В противном случае компания несет условный ущерб в размере 30 тысяч за каждую паллету из невыполненного заказа. На основе статистических данных известно следующее. При заказе на 66 паллеты меньше ожидаемого спроса (заказ на 594 паллет) в модели приняты следующие сценарии реализации спроса: с вероятностью 2% спрос будет меньше 528; с вероятностью 26% спрос будет в интервале от 528 до 626; с вероятностью 72% спрос будет больше 626. Подчеркнем, что здесь формализованы именно такие интервалы для сценариев, поскольку они являются наиболее важными для компании. В случае реализации первого сценария на складе останется более 66 паллет нереализованной продукции, в случае реализации последнего сценария, компания не сможет обеспечить необходимый уровень сервиса, и будет нести существенные потери. 35 В интервале реализации спроса между 528 и 626 паллетами (второй сценарий) потери являются незначительными для компании и ими можно пренебречь в рамках анализируемой модели. При заказе 660 паллет согласно прогнозу возможны следующие сценарии реализации спроса: с вероятностью 16% спрос будет меньше 594; с вероятностью 56% спрос будет в интервале от 594 до 694; с вероятностью 28% спрос будет больше 694. При заказе на 66 паллеты больше ожидаемого спроса (заказ на 726 паллет) соответственно имеем: с вероятностью 54% спрос будет меньше 660; с вероятностью 42% спрос будет в интервале от 660 до 764; с вероятностью 4% спрос будет больше 764. Если после реализации продукции на складе остается определенное количество продукции, то у компании есть возможность частично покрыть свои потери за счет продажи остатков со скидкой. Анализируются следующие альтернативные решения относительно размера устанавливаемой скидки (для упрощения модели в ней принято, что достаточно каждому из них сопоставить только два сценария для объемов продаж остатков). А) При установлении скидки в размере 50% от цены продукции возможны следующие сценарии развития событий по продаже остатков продукции: в 40% случаев компания продаст 80% от оставшегося на складе товара; в 60% случаев – только 50%. Б) При установлении скидки в размере 70% от цены продукции соответственно анализируются сценарии: в 65% случаев компания продаст 80% от оставшегося на складе товара; в 35% случаев – только 50%. 36 Модель также должна учитывать риски доставки продукции до клиента. При транспортировке (ее осуществляет компания самостоятельно) существует вероятность повреждения продукции (брака) в соответствии со следующими возможными сценариями. В 90% случаев брака не бывает. В 8% случаев брак не превышает 10 000 рублей на 1 машину (33 паллеты). В 2% случаев брак составляет 60 000 рублей на 1 машину (33 паллеты). Представим необходимость выбора объема заказа вершиной прямоугольного типа. С ней связаны дугами (дуги соответствуют различным трем альтернативным решениям) три вершины круглого типа «Фактор спроса» (далее «Фактор R»). Если после продажи у компании останется продукция на складе, то необходимо будет принять решение относительно размера скидки. Такая ситуация должна быть представлена в формате дерева решений вершиной прямоугольного типа. Поэтому, из каждой из вершины «Фактор R» в случае реализации сценария с остатком продукции исходит по одной вершине прямоугольного типа. Это вершины «Скидка на остатки продукции». Кроме того, из вершины «Фактор R» также исходят две вершины круглого типа для двух указанных в описании задачи сценариев, при которых спрос не меньше объема заказа. В этом случае формат рассматриваемой модели управления рисками требует учета брака при поставке. Поэтому указанные вершины круглого типа обозначены как «Фактор транспортного брака», или (для упрощения записи) «Фактор B». Из вершин прямоугольного типа, обозначающих выбор размера скидки на остатки продукции, исходят две вершины круглого типа соответствующие «Фактору объема продаж после скидки» (далее «Фактор S»). В свою очередь из каждой из этих вершин исходят вершины круглого типа «Фактор B» для учета возможных сценариев реализации брака при поставке продукции. Таким образом, построенное дерево решений состоит из четырех вершин прямоугольного типа и двадцати семи вершин круглого типа. 37 Из каждой вершины «Фактор B» исходят по три концевых вершины типа D, соответствующие трем сценариям реализации брака поставки B1, B2 и B3. В приложении 1 и 2 приведена структура такого дерева решений с учетом всех требований модели. Для нахождения оптимального решения в условиях риска предварительно требуется реализовать процедуры параметризации такого дерева решений. 38 3.2. Параметризация модели на основе дерева решений Отметим на дереве решений вероятности событий, соответствующие ребрам, исходящим из вершин круглого типа. Согласно условию, для каждой вершины «Фактор B» существует три исхода: B1 с вероятностью 0,9; B2 с вероятностью 0,08 и B3 с вероятностью 0,02. В формате вершины «Фактор S» для варианта скидки 50% предусмотрено два исхода: S1 с вероятностью 0,4 и S2 с вероятностью 0,6. Для варианта скидки 70% вероятности будут отличаться: 0,65 при исходе S1 и 0,35 при исходе S2. Для каждой траектории, заканчивающейся конкретной концевой вершиной D, необходимо рассчитать значения экономических результатов. Рассмотрим сначала траекторию, которая начинается с выбора альтернативы Q1: Q1→R11→B1. Эта траектория отражает следующую цепь событий: компания заказывает 594 паллет продукции; заявки (спрос) поступают более чем на 626 паллет; транспортировка до клиента происходит без повреждения товара. Так как компания не может поставить больше продукции, чем имеется в наличии, то объем реализации при большем значении спроса равен 594 паллет по цене 90 тыс.руб. При этом уровень сервиса низкий ((594/626)·100%<95% ), значит компания будет нести потери от низкого уровня сервиса. Таким образом, для концевой вершины D1 результат будет следующим: D1 = 594·90-594·60-30·(626-594) = 16980 тыс.руб. Аналогичный результат для траектории Q1→R11→B2 будет отличаться только на стоимость продукции, поврежденной во время транспортировки. Учтем, что согласно сценарию B2 потери в среднем на каждую машину вместимостью 33 паллеты составляют 10 тыс.руб. Поэтому имеем: D2 = 594·90-594·60-30·(626-594) - 10·(594/33) = 16800 тыс.руб. Для траектории Q1→R11→B3 стоимость брака выше, чем для предыдущей траектории. Она составляет 60 тыс.руб. в среднем на каждую машину. Поэтому в такой ситуации для конечного результата получаем: D3 = 594·90-594·60-30·(626-594) - 60·(594/33) = 15896 тыс.руб. 39 Аналогичным образом рассчитаем конечный результат для траекторий, проходящих через R12, т.е. при величине спроса в таких пределах, когда компания не несет дополнительных потерь. Для траектории Q1→R12→B1 конечный результат составит: D4 = 594·90 - 594·60 = 17880 тыс.руб. Для траектории Q1→R12→B2 получаем: D5 = 594·90 - 594·60 - 10· (594/33) = 17700 тыс.руб. Для траектории Q1→R12→B3: D6 = 594·90 - 594·6060·(594/33) = 16796 тыс.руб. Обратим внимание на следующее. В случае исхода R13 величина спроса меньше заказанной продукции и компании необходимо выбрать между двумя альтернативными вариантами скидок на остатки продукции, которые останутся после реализации. Стоимость всей продукции, которая останется после продажи со скидкой, будет относиться к невозвратным потерям. Для траектории Q1→R13→A1→S1→B1 при выборе скидки в размере 50% (от ее цены) и при продаже 80% от остатков продукции (сценарий S1: s = 53 паллет) конечный вариант будет равен: D7 = 528·90 - 594·60 + 53·(0,5·90) = тыс. 14145 руб. Для траекторий Q1→R13→A1→S1→B2 и Q1→R13→A1→S1→B3 увеличится размер потерь от транспортного брака. Поэтому имеем: D8 = 528·90 - 594·60 + 53·(0,5·90) - 10· (528/33) = 13985 тыс. руб. D9 = 528·90 - 594·60 + 53·(0,5·90) - 60· (528/33)= 13185тыс.руб. При продаже 50% от остатков продукции (сценарий S2: s = 33 паллет) для соответствующих конечных результатов имеем: D10 = 528·90 - 594·60 + 33· (0,5·90) = 13245 тыс. руб. D11 = 528·90 - 594·60 + 33· (0,5·90) - 10· (528/33) = 13085 тыс.руб. D12 = 528·90 - 594·60 + 33· (0,5·90) - 60· (528/33) = 12285 тыс.руб. Аналогично можно рассчитать значения экономических результатов, если будет установлена скидка в 70%. Представим соответствующие расчеты: D13 = 528·90 - 594·60 + 53· (0,3·90) = 13191 тыс. руб. D14 = 528·90 - 594·60 + 53· (0,3·90) - 10·(528/33) = 13031 тыс. руб. D15= 528·90 - 594·60 + 53· (0,3·90) - 60·(528/33) = 12231 тыс. руб. 40 D16 = 528·90 - 594·60 + 33· (0,3·90) = 12651 тыс. руб. D17 = 528·90 - 594·60 + 33· (0,3·90) - 10·(528/33) = 12491 тыс. руб. D18 = 528·90 - 594·60 + 33· (0,3·90) - 60·(528/33) = 11691 тыс. руб. Для наглядности соответствующие расчеты сведены в таблицу 1.1 в приложении 3. Для траекторий, соответствующих решениям Q2 и Q3, расчеты значений конечного результата приведены в таблицах 1.2. и 1.3 в приложениях 4 и 5 соответственно. Соответствующее дерево решений после реализации процедур параметризации представлено на рис. 2 (а-б) в приложении 6. 41 3.3 Оптимальное решение с учетом отношения к риску Для нахождения оптимального решения необходимо реализовать процедуры свертки и блокировки в формате построенного дерева решений. При нейтральном отношении к риску используется критерий EVC. Расчет значений для показателя функции выбора такого критерия приведен в приложении 6. Дерево решений после процедур свертки по факторам «R» и «S» приведено в приложении 7 и 8. Действительно, для траектории Q1→R13→A1→S значение показателя критерия EVC составляет 13573, а при прохождении через альтернативу А2 (Q1→R13→A2→S) значение показателя критерия EVC составляет 12835. Как видим, для траектории, проходящей через Q1 в формате сценария R13 для вершины «Фактор R», максимальное значение критерия EVC соответствует альтернативе A1. Аналогичная ситуация имеет место и для траекторий, которые проходят через Q2 и Q3 (убедитесь в этом самостоятельно). Поэтому альтернативы А2 во всех указанных трех случаях анализируемых траекторий (через Q1 , Q2, Q3) необходимо заблокировать. После того, как одна из альтернатив (A2) для вариантов скидок на продукцию заблокирована, уже легко рассчитать величины математических ожиданий для вершин круглого типа «Фактор R». Соответствующие результаты приведены в таблице 3. Как видим, лучший результат соответствует фрагменту траектории Q3→R (он равен 19439,68 и выделен в таблице). Соответственно решения Q1 (q=594) и Q2 (q=660) необходимо заблокировать. При нейтральном отношении ЛПР к риску наилучшей альтернативой является Q3 (заказ 726 паллет продукции). При этом в случае, если после реализации останется продукция на складе, оптимальный размер скидки – 50% (альтернатива A1). Таблица 3. 42 Расчет значений критерия EVC (fn(σ,m) = m → max) после процедуры свертки в формате вершин «Фактор R». Фрагмент траектории Концевые вершины для свертки Q1→R (D1, D2, D3), (D4, D5, D6), (D13, D14, D15), (D16, D17, D18) =16943·0,72+17849·0,26+13573·0,02 = Q2→R (D19, D20, D21), (D22, D23, D24), (D31, D32, D33), (D34, D35, D36) =18740·0,28+19760·0,56+15669·0,16 = Q3→R (D37, D38, D39), (D40, D41, D42), (D49, D50, D51), (D52, D53, D54) =20596·0,04+21736·0,42+17568·0,54 = Расчет значения критерия EVC = 17111,16 = 18819,84 = 19439,68 Таким образом мы получили конечные значения, каждый из которых превосходят средние значения прибыли в 14000 тысяч рублей, полученные в прошлых периодах по схожим операциям. При самом благоприятном исходе мы теряем всего 400 тысяч рублей, что в рамках практически неизменившегося операционного рычага, сказывается незначительно. ЗАКЛЮЧЕНИЕ 43 Основным методических результатом рекомендаций исследования по является риск-менеджменту ЛС. разработка Результаты исследования, прежде всего, предназначены для ЛПР, заинтересованных в оптимизации производственных процессов путем снижения рисков до допустимого значения. В ходе идентификации рисков ЛС, стоит уделить особое внимание специфическим чертам проявления риска в логистике. ЛС состоит из множества функционирующих в взаимосвязанных условиях потоковых процессов, неопределенности. Подобная неопределенность обуславливает наличие риска в ЛС. Сопоставление результатов работы с поставленными задачами позволяет заключить следующее: Согласно описанным в работе теоретическим аспектам риска ЛС, риск характеризуется нарушениями в движении логистических потоков, неопределенность, наличием отклонений от опорных значений параметров потоков, отношением ЛПР к риску, влиянием внешних и внутренних факторов. Данные факторы является, в тоже время, источниками возникновения риска, способными привести к тяжелым последствиям для ЛПР. Стабильное функционирование ЛС опирается на своевременном выявлении и анализе ситуаций, связанных с риском. Наиболее распространенным методом определения рисков является моделирование конкретного сценария на основе статистических данных, доступных для ЛПР. Может применяться, как критериальный подход, так и метод «дерева решений» или метод экспертной оценки. В проведенном исследовании использовался метод «дерева решений». Тем, не менее, каждый ЛПР вправе сам решать, какой из методов наиболее применим к конкретной ситуации; 44 В ходе формализации модели исследования была дана краткая характеристика объекта исследования и его логистической структуры. Затем были проанализированы вводные данные исследуемой модели. Данная информация помогла идентифицировать возможные риски и их источники, а также оценить возможные последствия их влияния на деятельность ЛС. После был выбран опорный показатель стабильности ЛС - «операционный рычаг». Данный выбор обуславливается тем, что производственные затраты представляют собой значительную статью бюджета логистических компаний. Выбор опорного показателя обуславливает и предпочтение в методе «дерево решений», как наиболее удобном методе для анализа риска ЛС и отдельных звеньев; Применение мер по управлению риском, находящихся в арсенале метода «дерева решений», в значительной степени упрощает задачу предоставить рекомендации относительно риск-менеджмента ЛС. Метод имеет четкую структуру и включает определенную последовательность действий, таких как идентификация рисков, оценка степени их влияния на опорный показатель, выбор мер по управлению рисками (факторизация модели), блокировка исходов в зависимости от отношения ЛПР к риску и т.п. Также стоит добавить, что метод в достаточной степени универсален, его легко можно визуализировать, и он позволяет управлять рисками с минимальными затратами. Система, основанная на подобном методе управлении рисками ЛС, состоит из комплекса взаимосвязанных и взаимодействующих друг с другом элементов, действие которых направлено на обеспечение устойчивого функционирования и развития ЛС ПП за счет поддержания рисков системы на приемлемом уровне. Апробация результатов работы в ООО «Логика Груп», показала высокую степень эффективности предложенной модели. 45 Начальная гипотеза исследования подтвердилась, в том плане, что неучтенные риски по разным оценкам (от 400 тысяч до 5 миллионов рублей) значительно снижали прибыль хозяйствующего субъекта. Таким образом, следует считать, что задачи исследования полностью выполнены, цель достигнута. Вместе с тем, можно указать направления дальнейшего продолжения работы и развития использованных в ней идей: исследования всех звеньев ЛС, разработка методов управления риском для каждого отдельного звена или потока, апробация используемых мер и методов, их последующее внедрение в основную систему управления деятельность компании. 46 СПИСОК ЛИТЕРАТУРЫ 47 48 49 Приложение 1 Рис. 1(а). Структура дерева решений Фактор B B2 B3 R11: r>626 Фактор R R12: 528<r<626 Фактор B R13: r<528 Q2: q=660 Объем заказа паллет Фактор R R22: 594<r<694 Фактор B Фактор B B1 B2 B3 B1 B2 B3 R23: r<594 Фактор R D19 D20 D21 D22 D23 D24 Скидка на остатки продукции Q3: q=726 R31: r>764 D4 D5 D6 Скидка на остатки продукции Q1: q=594 R21: r>694 B1 B2 B3 D1 D2 D3 Фактор B B1 B2 B3 Фактор B B1 B2 B3 R32: 660<r<764 R33: r<660 D37 D38 D39 D40 D41 D42 Скидка на остатки продукции 50 Приложение 2 Рис. 1(б). Структура дерева решений S1: s=53 A1: d=50% Фактор S S2: s=33 паллет Скидка на остатки продукции S1: s=53 A2: d=70% Фактор B Фактор B Фактор B B1 B2 B3 B1 B2 B3 Фактор S S2: s=33 паллет B1 B2 B3 Фактор B B1 B2 B3 S1: s=53 A1: d=50% Фактор S S2: s=33 паллет S1: s=53 Фактор B B1 B2 B3 Фактор B B1 B2 B3 Фактор B B1 B2 Фактор S S2: s=33 паллет S1: s=53 A1: d=50% Фактор B Фактор S B3 S2: s=33 паллет Фактор B B1 B2 B3 Фактор B B1 B2 B3 Скидка на остатки продукции S1: s=53 A2: d=70% паллет B1 B2 B3 B1 B2 B3 Скидка на остатки продукции A2: d=70% Фактор B Фактор S S2: s=33 Фактор B B1 B2 B3 D7 D8 D9 D10 D11 D12 D13 D14 D15 D16 D17 D18 D25 D26 D27 D28 D29 D30 D31 D32 D33 D34 D35 D36 D43 D44 D45 D46 D47 D48 D49 D50 D51 D52 D53 D54 51 Приложение 3 Таблица 1.1. Расчет экономического результата для концевых вершин при выборе альтернативы Q1 : объем заказа 594 паллет Вершина Остаток на складе Уровень сервиса Скидка Конечный результат, тыс. руб. Q1→R11→B1 D1 нет низкий 0% 16980 Q1→R11→B2 D2 нет низкий 0% 16800 Q1→R11→B3 D3 нет низкий 0% 15896 Q1→R12→B1 D4 нет достаточный 0% 17880 Q1→R12→B2 D5 нет достаточный 0% 17770 Q1→R12→B3 Q1→R13→A1→ S1→B1 Q1→R13→A1→ S1→B2 Q1→R13→A1→ S1→B3 Q1→R13→A1→ S2→B1 Q1→R13→A1→ S2→B2 Q1→R13→A1→ S2→B3 Q1→R13→A2→ S3→B1 Q1→R13→A2→ S3→B2 Q1→R13→A2→ S3→B3 Q1→R13→A2→ S4→B1 Q1→R13→A2→ S4→B2 Q1→R13→A2→ S4→B3 D6 нет достаточный 0% 16796 D7 есть достаточный 50% 14145 D8 есть достаточный 50% 13985 D9 есть достаточный 50% 13185 D10 есть достаточный 50% D11 есть достаточный 50% D12 есть достаточный 50% D13 есть достаточный 70% D14 есть достаточный 70% D15 есть достаточный 70% D16 есть достаточный 70% D17 есть достаточный 70% D18 есть достаточный 70% Фрагмент траектории 13245 13085 12285 13191 13031 12231 12651 12491 11691 52 Приложение 4 Таблица 1.2. Расчет экономического результата для концевых вершин при выборе альтернативы Q1 : объем заказа 660 паллет Вершина Остаток на складе Уровень сервиса Скидка Конечный результат, тыс.руб. Q2→R21→B1 D19 нет низкий 0% 18780 Q2→R21→B2 D20 нет низкий 0% Q2→R21→B3 Q2→R22→B1 Q2→R22→B2 Q2→R22→B3 Q2→R23→A1 →S1→B1 Q2→R23→A1 →S1→B2 Q2→R23→A1 →S1→B3 Q2→R23→A1 →S2→B1 Q2→R23→A1 →S2→B2 Q2→R23→A1→ S2→B3 Q2→R23→A2 →S3→B1 Q2→R23→A2 →S3→B2 Q2→R23→A2 →S3→B3 Q2→R23→A2 →S4→B1 D21 D22 D23 D24 нет нет нет нет низкий достаточный достаточный достаточный 0% 0% 0% 0% 18580 17580 D25 есть достаточный 50% D26 есть достаточный 50% D27 есть достаточный 50% D28 есть достаточный 50% D29 есть достаточный 50% D30 есть достаточный 50% D31 есть достаточный 70% D32 есть достаточный 70% D33 есть достаточный 70% D34 есть достаточный 70% Q2→R23→A2 →S4→B2 D35 есть достаточный 70% Q2→R23→A2 →S4→B3 D36 Фрагмент траектории 19800 19600 18600 16245 16065 15165 15345 15165 14265 15291 15111 14211 14751 14571 есть достаточный 70% 13671 53 Приложение 5 Таблица 1.3. Расчет экономического результата для концевых вершин при выборе альтернативы Q1 : объем заказа 726 паллет Фрагмент траектории Вершина Остаток на складе Уровень сервиса Скидка Конечный результат, тыс.руб. Q3→R31→B1 Q3→R31→B2 Q3→R31→B3 Q3→R32→B1 Q3→R32→B2 Q3→R32→B3 Q3→R33→A1→ S1→B1 Q3→R33→A1→ S1→B2 Q3→R33→A1→ S1→B3 Q3→R33→A1→ S2→B1 Q3→R33→A1→ S2→B2 Q3→R33→A1→S 2→B3 Q3→R33→A2→ S3→B1 Q3→R33→A2→ S3→B2 Q3→R33→A2→ S3→B3 Q3→R33→A2→ S4→B1 Q3→R33→A2→ S4→B2 Q3→R33→A2→ S4→B3 D37 D38 D39 D40 D41 D42 нет нет нет нет нет нет низкий низкий низкий достаточный достаточный достаточный 0% 0% 0% 0% 0% 0% 20640 20420 19320 21780 21560 20460 D43 есть достаточный 50% D44 есть достаточный 50% D45 есть достаточный 50% D46 есть достаточный 50% D47 есть достаточный 50% D48 есть достаточный 50% D49 есть достаточный 70% D50 есть достаточный 70% D51 есть достаточный 70% D52 есть достаточный 70% D53 есть достаточный 70% D54 есть достаточный 70% 18225 15640 17025 17325 17125 16125 17271 17071 16071 16731 16531 15531 54 Приложение 6 Таблица 1.4. Расчет значений критерия EVC (fn(σ,m) = m → max) Фрагмент траектории Концевые вершины для свертки Расчет значения критерия EVC Q1→R11→B D1, D2, D3 Q1→R13→B D4, D5, D6 Q1→R13→A1→S1→B D7, D8, D9 Q1→R13→A1→S2→B D10, D11, D12 Q1→R13→A2→S1→B D13, D14, D15 Q1→R13→A2→S2→B D16, D17, D18 Q2→R21→B D19, D20, D21 Q2→R22→B D22, D23, D24 Q2→R23→A1→S1→B D25, D26, D27 Q2→R23→A1→S2→B D28, D29, D30 Q2→R23→A2→S3→B D31, D32, D33 Q2→R23→A2→S4→B D34, D35, D36 Q3→R31→B D37, D38, D39 Q3→R32→B D40, D41, D42 Q3→R33→A1→S1→B D43, D44, D45 Q3→R33→A1→S2→B D46, D47, D48 Q3→R33→A2→S1→B D49, D50, D51 Q3→R33→A2→S2→B D52, D53, D54 Q1→R13→A1→S (D7, D8, D9), (D10, D11, D12) 13573 Q1→R13→A2→S (D13, D14, D15), (D16, D17, D18) 12835 Q2→R23→A1→S (D25, D26, D27), (D28, D29, D30) 15669 Q2→R23→A2→S (D31, D32, D33), (D34, D35, D36) Q3→R33→A1→S (D43, D44, D45), (D46, D47, D48) Q3→R33→A2→S (D49, D50, D51), (D52, D53, D54) 16943,92 17849,52 14113 13213 13159 12619 18740 19760 16209 15309 15255 14715 20596 21736 17994,2 17285 17231 16691 15066 17568,68 17042 55 Приложение 7 Рис.2.(а) Дерево решений после процедуры свертки при нейтральном отношении к риску 16943 R11: r>626 Фактор R 0,72 17849 R12: 528<r<626 0,26 R13: r<528 Скидка на остатки продукции 0,2 Q1: q=594 18740 R21: r>694 Q2: q=660 Объем заказа (q) паллет Фактор R 0,28 R22: 594<r<694 19760 0,56 R23: r<594 Скидка на остатки продукции 0,16 Q3: q=726 20596 R31: r>764 Фактор R 0,4 R32: 660<r<764 21736 0,42 0,54 R33: r<660 Скидка на остатки продукции Приложение 8 56 Рис.2.(б) Дерево решений после процедуры свертки при нейтральном отношении к риску Фактор B Фактор S A1: d=50% 13573 Фактор B паллет Скидка на остатки продукции Фактор B Фактор S A2: d=70% 12835 Фактор B паллет Фактор B Фактор S A1: d=50% 15669 Фактор B паллет Скидка на остатки продукции Фактор B Фактор S A2: d=70% 15066 Фактор B паллет Фактор B Фактор S A1: d=50% 17568 Фактор B паллет Скидка на остатки продукции Фактор B Фактор S A2: d=70% паллет 17042 Фактор B 57
