Оценка качества логистического обслуживания (2004, 448c., EFK0001-04) - часть 1

Рассмотрим показатели оценки качества логистического обслуживания. Измерение уровня качества при анализе и синтезе систем логистического обслуживания основывается на показателях, используемых клиентами для этих целей. Когда клиенты оценивают уровень качества логистического обслуживания, они сравнивают фактические значения измеряемых показателей с их ожидаемыми значениями. Если эти значения совпадают, то уровень качества признается удовлетворительным.

Для измерения ожиданий клиентов могут быть использованы анкетные опросы, экспертные оценки, статистические методы. Сложность заключается в том, что большинство показателей оценки качества логистического обслуживания трудно измерить количественно. Ожидания клиентов, как правило, основываются на их субъективном мнении и чаще всего выражаются такими предложениями, как «желательно, чтобы груз был доставлен с 9 до 10 ч», «мы можем заплатить в пределах от 1000 до 1200 долл.». В этих предложениях имеются элементы нечеткости. 

Инструментом выражения нечетко определенных ожиданий клиентов является математический аппарат, основанный на теории нечетких множеств. Рассмотрим пример применения данного инструментария для формализации нечеткого ожидания клиента: «желательно, чтобы груз был доставлен в 10 ч».

Пусть X — множество альтернатив логистического обслуживания, т.е. совокупность выборов лица, принимающего решение. Нечетким множеством С в X называется совокупность пар вида (x, ?_C(x)), где x?X, а ?_C(x) — уровень достижения вариантом х заданной нечеткой цели.

?_C(x) — функция х?[0, 1] — функция принадлежности нечеткому множеству С. Чем больше значение ?_C(x_i), т.е. чем больше степень принадлежности альтернативы x_i нечеткому множеству С, тем больше степень достижения заданной цели при выборе альтернативы x_i в качестве решения.

На рис. 4.13 показан пример функции принадлежности для реализации нечеткой цели.

Рис. 4.13. Функция принадлежности ?_C(x) по показателю срока доставки

Каждый вариант x_i отображается соответственно своей продолжительностью доставки.

Если доставка будет выполнена точно в 10 ч — вариант x₃ (x₃=10), то ожидание клиента можно считать полностью достигнутым и вариант x₃, считается оптимальным (по этому ожиданию). В этом случае функция принадлежности принимает максимальное значение ?_C(x)=1.

Рассмотрим варианты х₂ (9 ч 30 мин) и х₄ (10 ч 30 мин). Они, как видно, не соответствуют требованию клиента. Однако из-за незначительного отклонения от требования их можно принять в качестве решения, но с меньшей степенью соответствия заданному требованию. Их степени принадлежности к нечеткому множеству С принимают соответственно значения ?_C(x₂)=0,8 и ?_C(x₄)=0,8.

Другие два варианта х₁ (8 ч 30 мин) и х₅ (11 ч 30 мин) исключаются из дальнейшего рассмотрения из-за большого отклонения их времени доставки от требуемого срока. Функция принадлежности для этих вариантов принимает соответственно минимальное значение ?_C(x₁)=0 и ?_C(x₅)=0.

Функция принадлежности строится на основе субъективных мнений экспертов и может иметь различные формы. В общем случае эта функция неразрывна, имеет максимум ?_C(x)=1 в точке, равной оптимальному значению параметра х, и асимптотически уменьшается при удалении значения параметра х от желаемого. В зависимости от ситуации функция принадлежности может иметь несколько точек или некоторый интервал, где ?_C(x)=1 Если на значение параметра накладываются жесткие ограничения типа «не больше» (?) или «не меньше» (?), то функция принадлежности принимает нулевое значение, когда данное условие ограничений не выполняется.

Построение функции принадлежности является основной и наиболее трудоемкой процедурой методов теории нечетких множеств. Процедура построения функции принадлежности состоит из следующих шагов:

1) подготовительный. Главная задача в этом шаге — подбор экспертов и разъяснение им того, как следует выражать свои ожидания;

2) определение вида функции. Функция принадлежности должна отражать представление экспертов о степени принадлежности (степени достижения нечеткой цели) возможных значений показателя. Поэтому множество возможных значений показателя сортируется по степени их принадлежности, после чего каждому значению параметра ставится в соответствие предлагаемое значение функции принадлежности. Выясняется, является ли функция монотонной, убывающей или возрастающей;

3) установление конкретных значений функции. Определяется интервал изменения показателя функции принадлежности и устанавливаются ее значения для нескольких точек. Чем больше количество рассматриваемых точек, тем более четко выражается мнение экспертов. Количество точек и их позиции подбираются тщательно, чтобы построенная функция принадлежности соответствовала выбранному на предыдущем шаге виду функции. В некоторых исследованиях предлагают набор функций принадлежности в виде прямолинейных или криволинейных функций. Это делает функцию принадлежности плавной, однако усложняет расчет и ограничивает свободу эксперта при построении функции;

4) проверка адекватности. Необходимо убедиться в том, что построенная функция действительно соответствует суждениям экспертов. Для этого проводится сравнение расчетных значений с фактическими значениями. На основе анализа статистических данных по запросам на логистические услуги были построены следующие виды функций принадлежности для оценки качества логистического обслуживания по различным показателям (рис. 4.14, а-и). При построении функций принадлежности — формировании нечетких ожиданий — экспертом задаются некоторые значения показателя качества и соответствующие им значения функции принадлежности. Остальные промежуточные значения определяются методом интерполяции. Рассмотрим оценку соответствия вариантов системы логистического обслуживания ожиданиям клиентов.

Рис. 4.14

а. Функция принадлежности ?_C(x₁) показателю на доставку x₁. Выбирается вариант с затратами, лежащими в допустимых пределах. Более низкие затраты могут свидетельствовать о низком качестве логистического обслуживания, что отражается на графике соответствующим низким значением ?_C(x₁)

б. Функция принадлежности ?_C(x₂) по показателю «минимальное время доставки». х₂ — суммарное время доставки. Чем меньше суммарное время доставки, тем больше значение функции ?_C(x₂) тем лучше уровень качества доставки

в. Функция принадлежности ?_C(x₃) по показателю сохранности грузов при доставке. x₃ — процент грузов, потерянных при доставке, от общего количества доставленных грузов (по тоннажу либо по стоимости грузов). Потери могут оцениваться по количеству утрат по или количеству испорченных грузов

г. Функция принадлежности ?_C(x₄) для оценки уровня совместимости систем логистического обслуживания. x₄ — время совместных работ участников процесса обслуживания или процент работ, удачно выполняемых, от общего числа совместных работ. Чем дольше время совместной деятельности, тем лучше может работать система

д. Функция принадлежности ?_C(x₅) по показателю репутации предприятия. x₅ — количество претензий потребителей

е. Функция принадлежности ?_C(x₆) по показателю способности системы логистического обслуживания на оказание требуемой услуги. x₆ — способность оказать услугу

ж. Функция принадлежности ?_C(x₇) по показателю достоверности предоставляемой клиентам информации. x₇ — процент ошибочно предоставленной клиентам информации

з. Функция принадлежности ?_C(x₈) по параметру оперативности предоставления информации клиентам. x₈ — среднее время, затраченное для отклика на запрос клиента.

и. Функция принадлежности ?_C(x₉) по показателю удобства логистического обслуживания. x₉ — время, затраченное клиентом на связи с участниками процесса обслуживания и обработку требуемых документов в человеко-часах

Если услуга оказана, то можно определить значение параметра качества. Например, установлено, что доставка была выполнена в 10 ч 15 мин (x_ф=10h15'), тогда требование клиента «желательно, чтобы груз был доставлен в 10 часов» удовлетворяется со степенью:

K_с = ?_C(x_ф) = 0,95

где K_с - коэффициент соответствия доставки требованиям клиента;

x_ф - фактическое время доставки.

Значение K_с=0,95 свидетельствует о высоком уровне качества логистического обслуживания (высоком соответствии оказанной услуги ожиданиям клиента).

На рис. 4.15 представлена процедура оценки уровня качества обслуживания при решении задачи синтеза системы логистического обслуживания.

Рис.4.15. Процедура оценки качества варианта логистического обслуживания

В настоящее время существует большое количество методов прогнозирования, основными из которых являются вероятностно-статистические методы, методы экстраполяции, методы аналогии, экспертные методы, комбинированные методы. Эти методы, условия их применения, степень достоверности их результатов рассмотрены в специальной литературе. Результат прогнозирования показателя логистического обслуживания в общем случае можно представить в виде графика распределения вероятности срока доставки груза.

На рис. 4.16 показан пример прогнозирования времени доставки.

Рис. 4.16. Распределение вероятности срока доставки грузов

Согласно графику, если доставка была бы выполнена по данному варианту, груз был бы доставлен к месту назначения:

- в интервале от 8h45' до 9h15' с вероятностью Р₁ = 0,1;

- в интервале от 9h15' до 9h45' с вероятностью Р₂ = 0,20;

- в интервале от 9h45' до 10h15' с вероятностью Р₃ = 0,30;

- в интервале от 10h15' до 10h45' с вероятностью Р₄ = 0,25;

- в интервале от 10h45' до 11h15' с вероятностью Р₅ = 0,1;

- в интервале от 11h15' до 11h45' с вероятностью Р₆ = 0,05.

Всегда имеет место равенство: ?P_i=1, i=1,…, n

где n - количество интервалов значений прогнозируемого показателя (n=6 в этом примере).

Какое значение прогнозируемого показателя x (в этом случае срок доставки) необходимо выбрать для оценки качества соответствующего варианта? Для решения этой задачи можно применить следующие подходы.

Сразу видно, что выбор таких значений, как x_min=8h45', x_max=11h45' или x_ср=(x_min+x_max)/2=10h15', для дальнейшего расчета является неоптимальным. Этот подход учитывает диапазон возможных значений показателя, однако не позволяет учитывать вид диаграммы распределения плотности показателя.

Нельзя также рассматривать значение с максимальной вероятностью появления x_Pmax=10h00', либо среднее значение (математическое ожидание параметра) x_м.о.=10h06'. Эти значения не полностью соответствуют закону распределения значений прогнозируемого показателя. Могут существовать разные варианты логистического обслуживания с одинаковым значением x_Pmax или x_м.о., но с разными диапазонами изменений [x_min, x_max] или с разными дисперсиями ?_x.

Имеет смысл совместить график функции принадлежности оценки параметра с диаграммой распределения его плотности и определить общую площадь двух графиков (рис. 4.17).

Рис. 4.17. Совмещенный график распределения вероятности P(x) и функции принадлежности ?_C(x)

Чем больше общая площадь, тем выше степень соответствия прогнозируемого показателя с его ожиданиями. Полное соответствие имеет место в случае совпадения обоих графиков.

На рис. 4.18 показан пример, отличающийся от предыдущего тем, что функция распределения плотности имеет следующее различие: P_2A=0,10 и P_3A=0,40.

Рис. 4.18. Совмещенный график распределения вероятности P(x) и функции ?_C(x)

То есть при данном варианте вероятность того, что логистическое обслуживание будет выполнено в интервале времени от 9h45' до 10h15', существенно выше, чем в предыдущем варианте (P_3A=0,40>P₃=0,30 ). Как видно из графика, оба варианта имеют одинаковое значение общей площади функции распределения плотности и функции принадлежности (рис. 4.18 получается из рис. 4.17 путем перенесения части графики функции распределения вероятности). Однако второй вариант (рис. 4.18), несомненно, более предпочтителен для клиента, чем первый вариант (рис. 4.17).

Итак, предложенные выше способы оценки уровня соответствия прогнозируемого показателя ожиданиям клиента могут и не дать корректный результат. Они не полностью учитывают как вид функции распределения плотностей прогнозируемого параметра, так и особенности функции принадлежности.

Для расчета коэффициента соответствия варианта логистического обслуживания требованиям клиента предлагается формула, исключающая недостаток рассмотренных выше подходов:

K_с = ? ?_C(x) P(x) dx. (4.1)

Здесь учитывается каждое возможное значение рассматриваемого показателя x, вероятность его появления и соответствующее значение функции принадлежности. Для удобства применения формула (4.2) может быть преобразована в более простой вид:

K_с = ? ?_C(x^ср_i) P(x^ср_i) , (4.2)

где x^ср_i - среднее значение показателя х в интервале i;

i - номер интервала, i = 1,..., n;

n - количество интервалов значений прогнозируемого показателя;

P(x^ср_i) - вероятность того, что показатель х принимает значение в интервале i;

?_C(x^ср_i)- значение функции принадлежности в точке .

На основе формулы (4.2) произведем сравнение двух рассмотренных выше вариантов примера (рис. 4.17 и рис. 4.18).

Первый вариант:

K¹_с = 0,3·0,1+0,8·0,2+1,0·0,3+0,8·0,25+0,3·0,1+0·0,05=0,72.

Второй вариант:

K²_с = 0,3·0,1+0,8·0,1+1,0·0,4+0,8·0,25+0,3·0,1+0·0,05=0,74.

Отсюда имеем: K¹_с < K²_с.

Результаты расчета показывают, что второй вариант больше соответствует требованиям клиента, чем первый вариант.

Рассмотрим метод оценки качества логистического обслуживания.

Для оценки качества логистического обслуживания анализируются наиболее значимые показатели обслуживания. В целом уровень обслуживания определяется путем оценки и взвешивания каждого показателя.

Продолжение в части 2 на нашем сайте…

Источник: Эффективность логистического управления: Учебник для вузов / Под общ. ред. Л.Б. Миротина. - М.: Издательство «Экзамен», 2004. - С.337-359 (448 с.)