Файл: Характеристики качества логистического сервиса (ТЕОРЕТИЧЕСКИЕ АСПЕКТЫ ОРГАНИЗАЦИИ ЛОГИСТИЧЕСКОГО СЕРВИСА).pdf

- ООО «Мега-транс-сервис-Сахалин» не хватает навыков для создания и мониторинга аутсорсинговых контрактов

Преодоление этих барьеров позволит наладить интеграционные связи между ООО «Мега-транс-сервис-Сахалин» и обеспечит синергетический эффект логистической системе государства.

2.3 Методология планирования доставки мелкопартионных грузов в условиях крупного города

В управлении цепями поставок ООО «Мега-транс-сервис-Сахалин», включено более десятка поставщиков, несколько распределительных центров и тысячи потребителей, важное место занимает проблема оптимизации доставки мелкопартионных грузов в условиях города. Решение данной проблемы подразумевает поиск решения двух взаимосвязанных задач: во-первых, задачи оптимального закрепления потребителей за поставщиками во- вторых, задачи разбиения потребителей, т.е. рынков на зоны обслуживания. Оптимизация в обоих случаях должна приводить к минимуму транспортных расходов в распределительной сети.

Рис. 2.6 Алгоритм планирования доставки мелкопартионных грузов (первый вариант)

Второй вариант, заключающийся в решении тех же задач, но в другой последовательности, представлен на рис. 2.7.

Сначала решается задача о закреплении потребителей (клиентов) за поставщиками (складами), т.е. определяется зона обслуживания каждого склада (см. рис. 2.7, блок 3). Затем отдельно для каждой зоны обслуживания (группы клиентов, закрепленной за определенным складом), решается задача кластеризации, т.е. определение клиентов, территориально близко расположенных друг к другу (см. рис. 2.7, блок 4).

Рис. 2.7 Алгоритм планирования доставки мелкопартионных грузов (второй вариант)

Основная цель вычислительного эксперимента: доказать эффективность анализируемых методик решения задачи планирования доставки мелкопартионных грузов в ООО «Мега-транс-сервис-Сахалин», в условиях крупного города с помощью алгоритмов локализации (см. рис. 2.6 и 2.7).

В качестве исходных данных для эксперимента рассматривались реальные данные о развозке продукции клиентам ООО «Мега-транс-сервис-Сахалин».

Доставка грузов осуществляется 110 клиентам территориально расположенным в Сахалине. Обслуживание клиентов осуществляется с двух складов:

ООО «Мега-транс-сервис-Сахалин» на территории Сахалина располагает собственным парком подвижного состава, а использует транспортные средства различных перевозчиков, с которыми заключены договора на перевозку. В процессе доставки использовались грузовые автомобили следующих марок: ГАЗ-3302 («Газель») г/п 1500 кг - 7 единиц; ГАЗ-52 г/п 2500 кг - 6 единиц; ГАЗ-3307 г/п 4500 кг - 4 единицы. Итого 17 автомобилей.

Стоимость аренды транспортного средства, зависящая только от его типа и грузоподъемности и не зависящая от времени его использования, составляет:

ГАЗ-3302 («Газель»), г/п 1500 кг, стоимость 2800 руб./день;

ГАЗ-52, г/п 2500 кг., стоимость 3200 руб./день;

ГАЗ-3307, г/п 4500 кг, стоимость 3600 руб./день.

Клиенты предъявляют определенные требования по времени доставки товара, которые должны быть учтены в расчетах. Кроме того, заказы не могут быть разбиты между двумя или более грузовиками и каждый клиент может быть посещен только один раз. Задача состоит в составлении маршрутов таким образом, чтобы все ограничения были соблюдены при минимальных общих затратах.

В процессе эксперимента сопоставлялись следующие варианты организации доставки мелкопартионных грузов:

1. Базовый вариант (маршруты сформированы диспетчерами вручную).

2. Вариант с применением ГИС Деловая карта и встроенных в нее 4 алгоритмов:

2.1. «Начинать с отдаленных точек»;

2.2. «Выбирать попутные заказы»;

2.3. «Определять дальние направления»;

2.4. «Искать самые выгодные совмещения».

Первый вариант алгоритма планирования доставки мелкопартионных грузов (см. рис. 2.6). Вариант планирования доставки мелкопартионных грузов, при котором, в рамках сформированного в базовом варианте разбиение всей зоны обслуживания на регионы и сектора развозки и существующего закрепления регионов за распределительными центрами, делается попытка улучшения полученного средствами Деловой карты решения. Для этого создается и оптимизируется модель линейного программирования по алгоритму, предложенному Дж. Шапиро.

Второй вариант алгоритма планирования доставки мелкопартионных грузов (см. рис. 2.6). Вариант планирования доставки мелкопартионных грузов, при котором, во-первых, решается транспортная задача, т. е. проводится закрепление клиентов за распределительными центрами. В результате решения данной задачи формируются зоны обслуживания для каждого распределительного центра. Во-вторых, проводится разбиение сформированных зон обслуживания на кластеры (группы клиентов) по признаку близости территориального расположения.

Третий вариант алгоритма планирования доставки мелкопартионных грузов. Вариант расчетов с применением «локализации» общей задачи оптимизации доставки

Таблица 2.6 - Результаты вычислительного эксперимента

Таблица 2.7 - Улучшение в % по отношению к базовому варианту / наихудшему варианту

По параметрам «Суммарное время движения ТС по маршрутам, ч» и «Суммарное расстояние, пройденное ТС, км» все варианты сравниваются с наихудшим вариантом, полученным средствами «Деловой карты»

Формат публикации не позволяет подробно рассмотреть методику проведения вычислительного эксперимента.

Для определения степени эффективности предлагаемой методики решения задачи нами были рассмотрены все возможные варианты решения, каждый из которых оценивался по таким показателям, как:

• суммарные транспортные издержки (суммарная арендная плата за использованные автомобили), руб.;
• общее число задействованных единиц ТС;
• суммарное время движения ТС по маршрутам, ч;
• суммарное расстояние, пройденное ТС, км;
• общий объем перевезенного груза, кг;
• провозная способность подвижного состава, кг;
• коэффициент использования грузоподъемности.

Результаты расчета контрольных показателей по каждому из возможных вариантов представлены в табл. 2.7 и 2.8

Базовый вариант по сравнению с другими вариантами дает наихудший результат как по показателю «Суммарные транспортные издержки, руб.», так и по показателю «Коэффициент использования грузоподъемности». Основная причина состоит в том, что в системе доставки задействовано избыточное число автомобилей, в основном, марки ГАЗ- 3302 «Газель», грузоподъемностью до 1,5 т (рис. 2.8). Избыток автомобилей связан с традиционной системой распределения заказов и прокладки маршрутов строго в границах административных районов города, когда даже близко расположенные клиенты, относящиеся к разным районам, не могут включаться в маршрут одного автомобиля, что приводит к недогрузке ТС и необходимости формирования дополнительных маршрутов.

Оценка результатов по варианту 2 показывает, что применение ГИС Деловая карта привело к улучшению исходного результата на 17,3...28,6% по показателю «Суммарные транспортные издержки, руб.» и на 17,6.31,8% по показателю «Коэффициент использования грузоподъемности». Необходимо отметить, что применение каждого из 4, заложенных в Деловую карту алгоритмов приводит к разным результатам. Результаты расчетов, полученных средствами Деловой карты с применением различных алгоритмов, сильно варьируются по отдельным показателям. Например, по транспортным издержкам наилучшее решение, полученное средствами Деловой карты (вариант 2.3 «Определять дальние направления»), отличается от наихудшего (вариант 2.1 «Начинать с отдаленных точек») на 5200 руб., т.е. на 12%. Этот же вариант расчета дает лучшие результаты по показателям: «Общее число задействованных единиц ТС», «Суммарное расстояние, пройденное ТС, км» и «Коэффициент использования грузоподъемности». В то же время по показателю «Суммарное время движения ТС по маршрутам, ч» наилучший результат дает вариант 2.4 «Искать самые выгодные совмещения». Это затрудняет анализ результатов и выбор наилучшего решения, полученного с использованием Деловой карты. Следует отметить также, что оптимизация по критерию минимума транспортных издержек не реализована в Деловой карте и проведение этих расчетов требует дополнительных усилий и затрат времени пользователя.

Рис. 2.8 Количество задействованных единиц ТС в различных вариантах расчета

Результаты расчетов по варианту 3 показывают, что применение методики Шапиро, заключающееся в объединении гибких эвристических методов и строгих моделей линейного программирования, не всегда позволяет улучшить первоначальное решение, полученное с помощью эвристики. В рассматриваемом примере решение, полученное средствами Деловой карты с использованием алгоритма предварительной раскладки заказов «Определять дальние направления», является оптимальным. Данное решение не удалось улучшить созданием модели линейного программирования по методике Шапиро, т.е. в оптимальное решение попадают только маршруты из варианта 2.3. Сравните также графы «Применение ДК/Вариант 2.3» и «Вариант 3» в табл. 1 и 2.