Уважаемые студенты! На сайте Вы можете посмотреть примеры диссертаций, дипломов, рефератов, презентаций, докладов, статей по экономическим и гуманитарным дисциплинам.

Предложения по совершенствованию системы управления логистическими процессами в закупках предприятия ОАО «Российские железные дороги»


ВКР:Особенности совершенствования управления логистическими процессами в закупках на примере ОАО «Российские железные дороги»

Для совершенствования системы управления логистическими процессами в закупках предприятия ОАО «Российские железные дороги» целесообразно предложить следующие направления: улучшение закупок конкурентным способом и закупок в электронном магазине, таблица 3.1.

Таблица 3.1-Мероприятия по совершенствованию системы управления логистическими процессами в закупках предприятия ОАО «Российские железные дороги»

№ п/п Виды закупок Мероприятия
1 Закупки конкурентным способом Внедрение подающих роботов- по ключевым словам находят нужные торги и подают заявку на участие (подгружают документы).
Внедрение торгующих роботов — участвуют в торгах в указанное время, подают ценовые предложения, позволяют даже неопытным участникам торгов превзойти самых профессиональных конкурентов. Например: перебивают цены конкурентов в последние секунды торгов, если требуется, то быстро нажимают «нужные кнопки».
2 Закупки в электронном магазине Внедрение нейросети для определения категории товара на сайтах компании: 1)Закупки РДЖ: https://rzdlog.ru/company/purchases/; 2)Электронный магазин РЖД: https://eshoprzd.ru/home

Внедрение технологии машинного обучения для поиска соответствия между похожими товарными единицами на сайтах компании: 1)Закупки РДЖ: https://rzdlog.ru/company/purchases/; 2)Электронный магазин РЖД: https://eshoprzd.ru/home

 

Рассмотрим подробнее мероприятия, представленные в таблице 3.1.
1)Совершенствование закупок конкурентным способом. Это мероприятие предлагается осуществить путем внедрения программных роботов для отдела закупок. В настоящее время чаще всего применяются подающие и торгующие роботы.
Аукционный робот — это программа, используемая на электронных торговых площадках, которая позволяет подавать ценовые предложения по заранее установленной стратегии без участия пользователя.
Самой распространенной стратегией является снижение цены до установленной пользователем стоп-линии. Это то предельное значение цены, ни-же которого пользователь не планирует опускаться в ходе проведения электронного аукциона. Однако есть роботы, в которых можно использовать и иные стратегии. Например, подача первого ценового предложения быстрее всех или подача ценового предложения перед закрытием периода до подачи.
Основное предназначение аукционных роботов заключается в экономии времени участников закупок. После внедрения роботизации, нет необходимости в назначенный день и время заходить на электронную площадку, чтобы подавать ценовые предложения. К тому же некоторые процедуры могут растянуться на несколько часов или даже несколько дней[4].
Аукционные роботы можно разделить на 2 категории – официальные и сторонние.
А)Официальные аукционные роботы – это программы, являющиеся частью функционала электронных торговых площадок. Насчитывается 8 федеральных ЭТП, но аукционный робот есть не на каждой площадке. Данная программа представлена на Сбербанк-АСТ и РТС-тендер. На площадке РТС-тендер она называется по-другому — «Автоторг». Официальными программа-ми можно пользоваться бесплатно. У них ограниченный функционал, но его вполне достаточно для участия в торгах. Пользоваться ими можно только на тех ЭТП, в которые они встроены.
Б)Сторонние роботы – это платные сервисы, которые могут работать на разных торговых площадках. У них более гибкий и адаптированный функционал. Например, можно установить подачу цены за пару секунд до окончания таймера. Сейчас популярностью пользуются программы Ause и WIN-IT. Их можно настроить для работы на площадках «Росэлторг», «Фабрикант», РАД и другие.
Аукционные роботы имеют как преимущества, так и недостатки, таблица 3.2[3]

Таблица 3.2-Плюсы и минусы аукционных роботов при закупках[3]

№ п/п Плюсы Минусы
1 Эффективность. Быстро и эффективно управляют ставками на аукционах, автоматически подавать ценовые предложения, чтобы сохранить конкурентоспособность. Это позволяет существенно увеличить количество аукционов, в которых можно участвовать. Ограничения функционала. Обычно имеют ограниченный функционал и могут работать только на определенных онлайн-платформах или типах аукционов. Кроме того, они могут быть ограничены в возможностях настройки и адаптации к конкретным условиям торгов.
2 Точность. Основывают свои решения на заранее заданных правилах и параметрах, что может уменьшить вероятность ошибок, связанных с человеческим фактором, такими как эмоции и невнимательность. Недостаток гибкости. Основывают свои решения на заранее заданных правилах и параметрах, что может снижать гибкость в адаптации к изменяющимся условиям торгов. Они не могут учитывать уникальные факторы, которые могут повлиять на цену или конкуренцию на аукционе.
3 Экономия времени. Управление ставками на аукционах может быть довольно трудоемким и затратным по времени процессом. Использование аукционных роботов позволяет автоматизировать этот процесс, экономя время и силы, которые можно использовать для других задач. Непредсказуемость конкуренции. Могут работать только на основе доступной им информации, такой как предложения и ставки конкурентов на аукционе. Однако эта информация может быть неполной или неправильной, что может привести к непредсказуемой конкуренции и потерям.
4

Увеличение шансов на выигрыш. Использование аукционных роботов может повысить шансы на выигрыш торгов и заключение контракта.

 

Риск потерь. Несмотря на то, что аукционные роботы могут быть настроены на управление максимальной ставкой и другими параметрами, они не могут гарантировать выигрыш в торгах. Потери могут произойти из-за различных факторов, таких как ошибки в настройках, непредсказуемость конкуренции, изменение условий торгов и т.д.
5 Контроль затрат. Функционал настраивается на управление максимальной ставкой и другими параметрами, что помогает контролировать затраты и избежать нежелательных потерь. Риск мошенничества. Использование автоматизированных сервисов может увеличить риск мошенничества, так как злоумышленники могут использовать программы-роботы для манипулирования ценами и ставками на аукционе.

В настоящее время существует не мало компаний, которые занимаются производством программных роботов для отдела закупок, одной из них является компания «МБС», рисунок 3.1.
Компания «МБС» предлагает роботизированный подход к автоматизации бизнес-процессов в закупках: простое и эффективное программное обеспечение для автоматизации повторяющихся задач:
-Робот для поиска выгодных предложений поставщиков;
-Робот для мониторинга и анализа цен;
-Робот для составления и рассылки запросов;
-Роботы различных других сценариев для отдела закупок.
Сотрудничество с компанией «МБС», по части производства программных роботов для закупок, дает множество преимуществ:
А) Повышение скорости и точности операций. Рутинные процессы ускоряются с часов до минут и секунд, сотрудники могут сосредоточиться на самых важных задачах.
Б)Быстрое внедрение. Не требуется изменение или замена
ИТ – решений компании. От идеи процесса до работающего робота от 1 не-дели до 1 месяца.
В)Простое сопровождение. При изменении процесса сценарий можно
скорректировать за считанные часы.
Г)Робот работает 24 часа в сутки 7 дней в неделю.
Д) Робот выполняет операции в 2-5 раз быстрее человека.
Ж)Робот точно исполняет заданные функции[19].
Итак, преимуществ от внедрения программных роботов для отдела закупок более, чем достаточно, поэтому необходима реализация данного мероприятия в ОАО «РЖД».
2) Совершенствование закупок в электронном магазине. В настоящее время у компании ОАО «РЖД» имеется два сайта по закупкам: 1)Закупки РДЖ: https://rzdlog.ru/company/purchases/; 2)Электронный магазин РЖД: https://eshoprzd.ru/home, рисунок 3.2.
На сайтах уже применяется искусственных интеллект в виде чат-бота (голосового помощника: Интерактивный робот «Виртуальный ассистент» (ПО «Виртуальный ассистент»). ПО «Виртуальный ассистент» состоит из следующих компонентов:
-портал обеспечивает работу сотрудников с диалогами клиентов;
-робот поддерживает автоматический диалог с клиентами;
-база знаний представляет совокупность информационных, алгоритмических и иных данных, позволяющих поддерживать диалог с клиентами в автоматизированном режиме;
-редактор Базы знаний позволяет наполнять, редактировать и тестировать Базу знаний;
-база данных обеспечивает хранение, обработку и изменение информации.
Однако, для совершенствования работы интернет-ресурсов компании ОАО «РЖД» целесообразно внедрение: а)нейросети для определения категории товара на сайтах компании; б) технологии машинного обучения для поиска соответствия между похожими товарными единицами на сайтах компании.
Нейросеть для определения категории товара- это еще одно решение на основе искусственного интеллекта. Когда пользователи размещают в каталоге сведения о своей продукции, им необходимо отнести ее к определенной категории: бумага, полиграфическая продукция, медицинские препараты, зоотовары, канцтовары, текстильные изделия, инженерно-строительные товары, мебель и т.д. Без нейросети пользователям приходится вручную выбирать нужную категорию из длинного списка, на это уходит много времени. Нейросеть избавит поставщиков от рутинной процедуры. Достаточно загрузить изображение продукции, и искусственный интеллект за несколько секунд проанализирует предложенную картинку, после чего предложит подходящие категории на выбор. По статистике на сегодня точность определения категории составляет 92,0%. Этот показатель будет расти, поскольку нейросеть, как и чат-бот, постоянно обучается и пополняет свои знания на основе различных моделей[16].
Технологии машинного обучения необходимы для поиска соответствия между похожими товарными единицами. Один и тот же товар или продукт (кондиционер, принтер, пачка бумаги, йогурт определенной марки) могут предлагать разные компании, а значит, что и цены будут различаться. На сайте аналогичные товары отображаются в одной карточке с информацией о том, какие ценовые предложения по ним есть в системе. Поставщику достаточно загрузить свой прайс-лист, и благодаря искусственному интеллекту система сравнит его с уже опубликованными товарными позициями. Система предложит похожие позиции в случае найденного соответствия. Необходимо лишь указать свое ценовое предложение по данному товару и заверить его электронной подписью.
Машинное обучение в сфере закупок — это применение самообучающейся автоматизированной статистики для решения конкретных задач или повышения операционной эффективности. Благодаря машинному обучению (ML) закупки могут обеспечить высочайшее качество по отношению к объему и конечному результату.
Машинное обучение — это часть ИИ, которая наиболее активно применяется в сфере закупок. Это естественный преемник роботизированной автоматизации процессов (RPA) в эволюции автоматизированных или автономных процессов закупок. Хотя RPA считается автоматизированной статистикой, ему не хватает способности учиться и совершенствоваться с течением времени.
Машинное обучение также является одним из наиболее неправильно понимаемых аспектов ИИ в закупочных организациях. Некоторые энтузиасты считают машинным обучением любые примеры передовых статистических методов, в то время как многие поставщики программного обеспечения изображают изображения человекоподобных машин. Пришло время развеять некоторые мифы, рассмотрев основные типы машинного обучения.
В процессах закупок используются различные типы машинного обучения. Каждый тип машинного обучения требует различной степени вмешательства человека. Четыре типа машинного обучения включают в себя:
А)Контролируемое обучение: алгоритм обучается шаблонам, используя прошлые данные, а затем автоматически обнаруживает их в новых данных. Наблюдение осуществляется в виде правильных ответов, которые люди дают для обучения алгоритма поиску закономерностей в данных. Обычно используется в рамках анализа расходов в таких областях, как классификация расходов.
Б)Неконтролируемое обучение: алгоритм запрограммирован на обнаружение новых и интересных закономерностей в совершенно новых данных. Ожидается, что без надзора алгоритм не будет выявлять конкретные пра-вильные ответы, вместо этого он ищет логические закономерности в необработанных данных. Редко используется в рамках важных закупочных функций.
В)Обучение с подкреплением: алгоритм решает, как действовать в определенных ситуациях, и поведение вознаграждается или наказывается в зависимости от последствий. В основном теоретический в контексте закупок.
Г) Глубокое обучение: продвинутый класс машинного обучения, вдохновленный человеческим мозгом, где искусственные нейронные сети постепенно улучшают свою способность выполнять задачу. Это новые возможности в функциях закупок[15].
Итак, выше были предложены мероприятия, направленные на совершенствование логистических процессов в закупках компании ОАО «РЖД». Для того, чтобы оценить эффективность предложенных рекомендаций, перейдем к следующему параграфу исследования.


Приложение 1. Подходы в управлении закупочной логистикой

Приложение 2. Основные методы закупок

Приложение 3. Характеристики Закупок 4.0 (Четвертой промышленной революции). Выгоды от комплексного внедрения цифровых технологий в закупочный процесс

Приложение 4. Структура управления персоналом ОАО «РЖД». Структура корпоративного управления ОАО «РЖД»

Приложение 5. Бухгалтерская отчетность ОАО «РЖД»

Приложение 6. Формулы расчета финансовых показателей


Posted in Без рубрики   

Author: Admin