Управление рисками в предпринимательской деятельности

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.

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%.

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.

Из каждой вершины «Фактор B» исходят по три концевых вершины типа D, соответствующие трем сценариям реализации брака поставки B₁, B₂ и B₃. Для нахождения оптимального решения в условиях риска предварительно требуется реализовать процедуры параметризации такого дерева решений.

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.

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 - 594·60- 60·(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) = 14145 тыс. 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.

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.

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.

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».

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).

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

Основным результатом исследования является разработка методических рекомендаций по риск-менеджменту ЛС. 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 взаимосвязанных потоковых процессов, функционирующих в условиях 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;

· 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.

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.

Размещено на Allbest.ru