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

Вариант 4 дает сравнительно лучшие результаты по всем рассматриваемым показателям потому, что здесь были более точно определены зоны обслуживания РЦ методом k-средних, то есть априори была оптимально перераспределена ответственность между РЦ по обслуживанию клиентов. Кроме того, в 4-м варианте при формировании маршрутов считалось, что транспортные средства заранее не привязаны к конкретному РЦ, что повысило шансы на оптимальную загрузку транспортных средств и привело к значительному сокращению их общего числа (см. диаграмму на рис. 3). Улучшение по сравнению с базовым вариантом составило 47,4% по транспортным издержкам и 31,8% по коэффициенту использованной грузоподъемности.

Результаты расчетов по варианту 5 показывают эффективность применения методики локализации для планирования доставки мелкопартионных грузов. В рассматриваемом примере эта методика позволила улучшить результат по сравнению с базовым вариантом 42,1% по транспортным издержкам и на 29,9% по коэффициенту использования грузоподъемности.

Таким образом, последовательность действий, соответствующая алгоритму локализации общей задачи оптимизации доставки мелкопартионных грузов, реализованная в варианте 5, позволила существенно улучшить результаты по всем показателям по сравнению с базовым вариантом. При этом отклонения от лучшего альтернативного варианта 4 по транспортным издержкам составили всего 5,3%, а по коэффициенту использования грузоподъемности - 1,9%.

Это свидетельствует об эффективности предложенного алгоритма решения задачи планирования доставки мелкопартионных грузов в условиях крупного города методом локализации, а также подтверждает правильность той четкой последовательности решения задач об определении зон обслуживания, наборе пунктов в маршрут и маршрутизации, которая была определена в алгоритме.

Проведенный анализ проблемы доставки мелкопартионных грузов в условиях крупного города позволяет сделать следующие выводы и обобщения.

Во-первых, проведенный анализ состояния теории и практики планирования доставки грузов автомобильным транспортом показывает, что применительно к перевозкам мелкопартионных грузов в настоящее время не существует алгоритмов, которые полностью и адекватно отражали бы специфику данного вида перевозок, что и определяет актуальность решения данной задачи.

Во-вторых, дана содержательная постановка задачи планирования доставки мелкопартионных грузов в крупных городах, учитывающая ее нетривиальный характер ввиду многокритериальности, значительного количества накладываемых ограничений и большого количества грузоотправителей и грузополучателей, между которыми необходимо проложить оптимальные маршруты.

В-третьих, разработан методологический подход к планированию доставки мелкопартионных грузов в условиях крупного города. В рамках данного подхода предложены альтернативные алгоритмы решения задачи планирования доставки мелкопартионных грузов методами локализации. Поставлен и проведен вычислительный эксперимент, подтверждающий эффективность предложенных алгоритмов.

Применение предложенного методологического подхода к планированию доставки мелкопартионных грузов в условиях крупного города, по нашему мнению, позволит эффективно с учетом всех накладываемых ограничений решать задачи маршрутизации в реальных условиях, когда ежедневно необходимо планировать десятки или, в отдельных случаях, более сотни маршрутов по обслуживанию тысяч грузополучателей. Безусловно, экономический эффект от внедрения предложенных алгоритмов планирования будет получен только в том случае, если эти алгоритмы будут реализованы в информационных системах, предназначенных для планирования массовой доставки грузов автомобильным транспортом.

Это свидетельствует об эффективности предложенного алгоритма решения задачи планирования доставки мелкопартионных грузов в условиях крупного города методом локализации, а также подтверждает правильность той четкой последовательности решения задач об определении зон обслуживания, наборе пунктов в маршрут и маршрутизации, которая была определена в алгоритме.

ГЛАВА 3 ПРЕДЛОЖЕНИЯ ПО СОВЕРШЕНСТВОВАНИЮ ДЕЯТЕЛЬНОСТИ ООО «МЕГА-ТРАНС-СЕРВИС-САХАЛИН» ОБЛАСТИ ЛОГИСТИЧЕСКОГО СЕРВИСА

Одним из подходов, позволяющих получить решение, близкое к оптимальному, является разработка оптимизирующих имитационных моделей. Такие модели позволяют «проиграть» различные схемы управления транспортной сетью, проанализировать различные варианты развития событий и выбрать наиболее эффективное решение на данный момент времени [1]. Разработка проводилась в среде разработке AnyLogic 6.

• • 1. AnyLogic — программное обеспечение для имитационного моделирования сложных систем и процессов, разработанное российской компанией «Экс Джей Текнолоджис» (англ. XJ Technologies). Программа обладает графической средой пользователя и позволяет использовать язык Java для разработки моделей.

Рис. 3.1 - Визуальный интерфейс автоматизированной системы

Рис. 3.1 приведен пример визуального интерфейса автоматизированной системы по управлению транспортной сетью перевозок. Программа разработана авторами. Данная система позволяет осуществлять прогнозы на будущее, и рассчитать чистый дисконтированный доход и рентабельность инвестиций. Основу системы составляет агентная имитационная модель, построенная с помощью инструмента имитационного моделирования AnyLogic 6.

Система работает с данными, загружаемыми в режиме реального времени из базы данных Access для определения координат точек потребителей и поставщиков. Таким образом, система управления транспортной сетью всегда предоставляет рекомендации по управлению сетью с учетом самой свежей информации о дислокации, внештатных ситуациях, последней статистики и т.д. Для более визуального представления необходимо нажать на кнопку внизу формы «Промоделировать сценарий». После чего появится окно, представленное на рис. 3.2

Рис. 3.2 Прогноз сценария осуществлен до 2018 года.

Кроме выше написанного данная программа производит стохастический анализ. Входные параметры стохастического анализа являются среднеквадратическое отклонение цены за 1000 км от тренда, среднеквадратическое отклонение спроса от заданного, среднеквадратическое отклонение издержек от плановых. После нажатия на кнопку «Запустить эксперимент» происходит вычисление чистого дисконтированного дохода на горизонте планирования, визуально вычисления отображаются на диаграмме слева на форме. Интерфейс стохастического анализа представлен на рис. 3.3

Рис. 3.3 - Интерфейс стохастического анализа

Внедрение системы автоматизации в ООО «Мега-транс-сервис-Сахалин» позволит существенно повысить эффективность управления транспортной сетью. Кроме того, бизнес-процесс по управлению сетью становится полностью прозрачным.

ЗАКЛЮЧЕНИЕ

Проведенный анализ проблемы доставки мелкопартионных грузов в условиях крупного города позволяет сделать следующие выводы и обобщения.

Во-первых, проведенный анализ состояния теории и практики планирования доставки грузов автомобильным транспортом показывает, что применительно к перевозкам мелкопартионных грузов в настоящее время не существует алгоритмов, которые полностью и адекватно отражали бы специфику данного вида перевозок, что и определяет актуальность решения данной задачи.

Во-вторых, дана содержательная постановка задачи планирования доставки мелкопартионных грузов в крупных городах, учитывающая ее нетривиальный характер ввиду многокритериальности, значительного количества накладываемых ограничений и большого количества грузоотправителей и грузополучателей, между которыми необходимо проложить оптимальные маршруты.

В-третьих, разработан методологический подход к планированию доставки мелкопартионных грузов в условиях крупного города. В рамках данного подхода предложены альтернативные алгоритмы решения задачи планирования доставки мелкопартионных грузов методами локализации. Поставлен и проведен вычислительный эксперимент, подтверждающий эффективность предложенных алгоритмов.

Применение предложенного методологического подхода к планированию доставки мелкопартионных грузов в условиях крупного города, по нашему мнению, позволит эффективно с учетом всех накладываемых ограничений решать задачи маршрутизации в реальных условиях, когда ежедневно необходимо планировать десятки или, в отдельных случаях, более сотни маршрутов по обслуживанию тысяч грузополучателей. Безусловно, экономический эффект от внедрения предложенных алгоритмов планирования будет получен только в том случае, если эти алгоритмы будут реализованы в информационных системах, предназначенных для планирования массовой доставки грузов автомобильным транспортом.

СПИСОК ЛИТЕРАТУРЫ

1. БаумгартерХ. Задачи планирования и управления цепями поставок // Логинфо. - 2017. - № 11.
2. Бауэрсокс Д.Дж., Клосс Д.Дж. Логистика: интегрированная цепь поставок: Пер. с англ. М.: зАО «Олимп-Бизнес», 2011. 640 с.
3. Гохберг Л. Новая инновационная система для «новой экономики» // Модернизация экономики России: в 4 кн. // отв. ред. Е. Г. Ясин. - М.: Изд. дом ГУ-ВШЭ, 2017.
4. Джермейн Р., Гюнтер А. Контрактная логистика и аутсорсинг в России. Отчет Центра международной логистики и управления цепями поставок «Дойче Бан» и ОАО «Российские железные дороги. СПб.: Высшая школа менеджмента Санкт-Петербургского гос. ун-та, 2016. 34 с.
5. Бочкарев А.А. Унифицированная методика оптимизации маршрутов в цепях поставки товаров / А.А. Бочкарев // Логистика сегодня. 2017. № 2. С. 36-42.
6. Бочкарев А. А. Решение задачи маршрутизации перевозок мелкопартионных грузов в управлении цепями поставок крупных компаний / А. А. Бочкарев // Логистика: современные тенденции развития: тез. докл. III Междунар. науч.-практ. конф. СПб.: СПбГИЭУ, 2017. С. 2729.
7. Бочкарев А.А. Анализ программных продуктов для оптимальной маршрутизации перевозок грузов / А.А. Бочкарев // Логистика и управление цепями поставок. 2010. № 5 (10). 2005. С. 16-20.
8. Бочкарев А.А. Алгоритм планирования доставки мелкопартионных грузов в условиях крупного города / А.А. Бочкарев // Логистика: современные тенденции развития: тез. докл. V Междунар. науч.-практ. конф. СПб.: СПбГИЭУ, 2015. С. 29-34.
9. Бочкарев А.А. Методика планирования доставки мелкопартионных грузов в условиях крупного города / А.А. Бочкарев // Инфокоммуникационные и вычислительные технологии и системы: материалы II Всерос. конф. с междунар. участием: в 3 т. Улан-Удэ: Изд-во Бурят. ун-та, 20152. Т. 1. С. 64-68.
10. Бочкарев А.А. Планирование и моделирование цепи поставок / А.А. Бочкарев. М.: Альфа-Пресс, 2008. 192 с.
11. Бочкарев А. А. Проблема оптимизации мелкопартионных перевозок / А. А. Бочкарев, О.В. Бадокин // Логистика: современные тенденции развития: тез. докл. IV Междунар. науч.-практ. конф. СПб.: СПбГИЭУ, 2010. С. 30-33.
12. Бочкарев А.А. Решение задачи о назначениях в управлении цепями поставок мелкопартионных грузов / А.А. Бочкарев, Д.В. Горбатенко // Логистика сегодня. 2015. № 5. С. 12-19.
13. Васильев И.Л. Локальная задача обеспечения поставок мелкопартионных грузов / И. Л. Васильев, А.А. Бочкарев // Вестник ИНЖЭКОНА: Серия «Экономика». 2010. Вып. 4 (9). С. 230-234.
14. Витвицкий Е.Е. Развозочно-сборные автотранспортные системы перевозки грузов: монография / Е.Е. Витвицкий. Омск: Вариант-Сибирь, 2016. 274 с.
15. Лукинский В.С. Транспортная логистика: общий алгоритм планирования грузовых автомобильных перевозок / В.С. Лукинский, И. А. Пластуняк, И. А. Цвиринько // Вестник ИНЖЭКОНА: Серия «Экономика». 2016. Вып. 1. С. 89-99.
16. Мочалин С.М. Научные основы совершенствования теории автомобильных перевозок по радиальным маршрутам: монография / С.М. Мочалин. Омск: Вариант-Сибирь, 2016. 246 с.
17. Мочалин С. М. Методика расчета потребности в транспортных средствах в автотранспортных системах доставки грузов / С.М. Мочалин // Вестник ОГУ. 2017. Вып. 4. С. 156-160.