СИНТЕЗ ЭФФЕКТИВНЫХ ТРАНСПОРТНО – ЛОГИСТИЧЕСКИХ СИСТЕМ

УДК 658.7

СИНТЕЗ ЭФФЕКТИВНЫХ  ТРАНСПОРТНО – ЛОГИСТИЧЕСКИХ СИСТЕМ

Корчагин Виктор Алексеевич

заслуженный деятель науки и техники РФ, д.т.н., профессор,

зав. кафедрой «Управления автотранспортом»,

Липецкий государственный технический университет, г. Липецк, Россия

e-mail: lyapin@stu.lipetsk.ru

Суворов Владимир Александрович

к.т.н. доцент кафедры «Управления автотранспортом»,

Липецкий государственный технический университет, г. Липецк, Россия

e-mail: kaf-uat@stu.lipetsk.ru

Чекрыжов Евгений Анатольевич

аспирант кафедры «Управления автотранспортом»,

Липецкий государственный технический университет, г. Липецк, Россия

e-mail: chekryzhov_evgeny@mail.ru

SYNTHESIS OF EFFECTIVE  TRANSPORT – LOGISTICS SYSTEM

Korchagin Viktor Alekseevich

doctor (Tech.), professor, head of a chair «Management of motor transport»

Lipetsk State Technical University, Lipetsk, Russia

Suvorov Vladimir Alexandrovich

candidate of science (Tech.), associate professor of a chair «Management of motor transport»

Lipetsk State Technical University, Lipetsk, Russia

Chekryzhov Evgeniy Anatolievich

graduate student a chair «Management of motor transport»

Lipetsk State Technical University, Lipetsk, Russia

В статье предложена методика создания эффективных  транспортно - логистических систем. Разработаны модель прохождения материального потока в системе «поставщик – производитель – потребитель», математическая модель оптимизации интегрированной цепи поставок, экономико-математическая модель определения рисков и очерёдности внедрения инвестиционных проектов.

Ключевые слова: транспортно-логистическая система, интегрированная цепь поставок, надёжность, резервирование

The article suggested method of making effective transport – logistics system. Mathematical model passing material flow in system “supplier – producer – consumer”, mathematical model of optimization integrated supply chain and economic-mathematical model to determine risk and sequence of introducing investment project are developed.

Key words: transport-logistics system, integrated supply chain, reliability, reservation

В настоящее время на рынках промышленной продукции конкурируют не отдельные организации, а интегрированные образования «системы доставки ценностей» [1] – интегрированные цепи поставок (ИЦП). Устойчивость функционирования ИЦП как социоприродоэкономических систем, их целостность и рыночная адаптивность во многом зависят от состояния обслуживающих их коммуникаций и, прежде всего, транспортного обслуживания.

Большинство   логистических операторов уделяют основное внимание стоимости доставки и не учитывают требований к надежности доставки грузов, которые предъявляет заказчик. Возможность быстро и гибко реагировать на любые внешние и внутренние изменения условий поставки является важнейшим свойством транспортно-логистических систем (ТЛС).

Надёжность ТЛС - это способность оператора гарантировать минимальное количество отказов в цепи поставок (ЦП). Это показатель качества её работы, связанный с вероятностью безотказного функционирования в заданных условиях с учётом влияния окружающей и внешней сред. Поэтому необходим системный подход к оценке и повышению надёжности ИЦП: установление вероятностных закономерностей функционирования цепи, разработка экономико-математических моделей оптимизации надёжности ЦП и оценки эффективности принимаемых управленческих решений.

Первая часть задачи решена с помощью конечных цепей Маркова, позволяющих определить вероятность нахождения материального потока (МП) в процессе движения в заданных состояниях [2].

Оптимизация ИЦП осуществляется при помощи разработанной математической модели на основе методов последовательных приращений и выпуклых оболочек [3]. Целью указанных методов является  определение элементов, входящих в звенья материалопроводящей цепи и обеспечивающих физическое перемещение МП, и узла, который резервируется. Такими элементами могут быть погрузчики, автотранспортные средства, работники склада, упаковочные автоматы и т.д. Узел – это функционально обособленное звено логистической цепи, выполняющее определённый вид логистической активности [4].

Математически ИЦП представляет собой систему, состоящую из узлов, , в которой каждый узел состоит из  элементов, .

 Вероятность безотказной работы элемента в узле равна . Тогда вероятность отказа  элемента в  узле . Вероятность отказа  узла , а вероятность его безотказной работы . Каждый узел имеет вес (важность)  в цепи поставок.

Обозначим неизвестное количество резервных элементов, выделяемых для элемента  узла , а его стоимость  . Величина бюджета задана и равна .

Таким образом, необходимо найти матрицу , доставляющую максимум функции

при линейном ограничении на переменные

и дополнительных условиях:

Т.к. целевая функция (1) не убывает, а ограничение (2) линейно, то решение будет выполняться при знаке «равно» в ограничении (2) с точностью, определяемой дискретностью величины .

Алгоритм решения

Шаг 1. Вычислить элементы матрицы  по формуле

Элемент  по своему смыслу означает прирост целевой функции на единицу затрат.

Шаг 2. По принципу доминирования исключить из рассмотрения «лишние» элементы матрицы .

Шаг 3. Последовательно увеличивая бюджет  и применяя условие

построить зависимости изменения оптимального состава элементов и максимального уровня достигаемого эффекта от величины бюджета , выделяемого для резервирования  узла , для .

Шаг 4. С помощью метода последовательных приращений, который является модификацией градиентных методов оптимизации нелинейных функций, определить вектор , доставляющий максимум функции

и компоненты которого удовлетворяют условию

В основе метода лежит эквивалентная замена оптимизируемой функции

Физический смысл величины  - степень эффективности расходования ограниченного ресурса . Ресурс последовательно распределяется порциями  (где  - номер шага процесса), величина которых и номер  компоненты вектора  определяются в соответствии с максимумом эффективности использования каждой единицы ресурса на каждом шаге процесса.

Шаг 5. Записать решение.

После определения необходимой для резервирования элементов величины ресурса (бюджета) для каждого узла цепи, проводится оценка эффективности внедрения полученных инвестиционных проектов. Идея решения данной задачи состоит в применении теории нечётких множеств для определения степени риска и очерёдности инвестирования выделенных средств [5]. Зададим критерии риска инвестиционного проекта:

·                   риск повышения затрат из-за инфляции;

·                   риск внедрения новой техники и технологий;

·                   риск повышения переменных затрат производства.

Введём лингвистические переменные:

 - оценка критериев риска;  - вес критерия риска.

Терм-множество (словарь) для этих переменных:

Универсальное множество  представляет собой интервал . 

Функции принадлежности значений термов:

высокий – линейная функция, возрастающая на промежутке [0,5;1], которая имеет вид средний – нормальное распределение с параметрами и , которая имеет вид  низкий - линейная функция, убывающая на промежутке [0; 0,5], которая имеет вид  

 Имеется набор из  проектов, которые должны быть упорядочены по величине рисков. Риск каждого проекта оценивается по  критериям. В результатах проекта заинтересованы разные группы его участников, число участников  (поставщик сырья, производитель, потребитель готовой продукции). Каждый критерий риска определяется оценкой и весом.

Оценка критерия  осуществляется участником  с помощью значения лингвистической переменной , выбираемой из словаря и отображаемой в нечёткое число  ,  ;  ; . Оценка веса критерия  осуществляется участником  с помощью значения лингвистической переменной , выбираемой из словаря и отображаемой в нечёткое число  ,  ;  ;  .

Агрегирование весов и оценок проводится по формулам

Нечёткие веса критериев нормируются по формуле

Комплексная оценка риска проекта  определяется по формуле

Расстояние Хеминга между ,  и каждым из видов риска определяется по формуле

Находится минимальное расстояние Хемминга для проекта  с нечётким множеством {высокий; средний; низкий}, определяется лингвистическая оценка проекта  (высокий, средний или низкий). Делается вывод о степени риска проектов и определяется наименее рискованный для внедрения в 1-ю очередь.

Библиографический список:

1.     Зайцев Е.И., Бочкарев A.A. Модель функционально-структурной надежности цепи поставок / Е.И. Зайцев, A.A. Бочкарев // Logistics and Supply Chain Management: Modern Trends in Germany and Russia: IV Германо-российская конференция по логистике и управлению цепями поставок 6-9 мая 2009 г.: Тез. докл. - Гетгинген: CUVILLER VERLAG, 2009. - С. 187-195.

2.     Корчагин В.А., Суворов В.А., Чекрыжов Е.А. Моделирование интегрированных цепей поставок с помощью поглощающих цепей Маркова. «Вестник МАДИ». 2012. №3 (30), с. 49-53.

3.     Корчагин В.А., Суворов В.А., Чекрыжов Е.А. Математическая модель и алгоритм решения, повышающие эффективность функционирования транспортно-логистических систем. // Вестник Тихоокеанского государственного университета. 2013. № 2 (29), с. 91-100.

4.     Корпоративная логистика. 300 ответов на вопросы профессионалов / Под общей и науч. редакцией проф. В.И. Сергеева. – М.: ИНФРА-М, 2005. – 976 с.

5.     Корчагин В.А., Суворов В.А., Чекрыжов Е.А. Экономико-математическая модель оценки рисков инвестиционных проектов для интегрированной цепи поставок. // Транспорт: наука, техника, управление. 2015. №11, с. 36-39.