• Гранты и конкурсы
• Наука в ВолГУ
• Грантовые исследования ВФ ВолГУ
• Финансируемые проекты
• Объекты интеллектуальной собственности
• Результаты НИР

Грант РФФИ, проект № 19-010-00182 "Методологический подход к построению логистической инфраструктуры на территории региона".

На первоначальном этапе реализации проекта автора был предложен методологический подход формирования логистической инфраструктуры на территории региона страны, позволяющий определить оптимальное месторасположение складской сети (распределительно-подсортировных складов) и взаимоувязанной с ней транспортной сети (транспортно-логистических терминалов и автомобильных парков), а также их мощности и видов товароносителя. Данный подход включает в себя два этапа.

Первый этап. Первоначально на территории региона определяются все площадки, где возможно размещение объектов основной составляющей логистической инфраструктуры. Исходя из того, что количество площадок может быть достаточно большим, предлагается разделить все районы и города областного подчинения на группы со схожими значениями социально-экономических показателей. После этого, в качестве возможных площадок под размещение распределительно-подсортировочных складов и грузовых автомобильных терминалов и парков следует оставить только те, которые расположены в районах и городах региона, отнесенных в группу с наибольшими значениями ключевых социально-экономических показателей.

Второй этап. После определения районов и городов областного подчинения с площадками под возможное размещение основных объектов логистической инфраструктуры необходимо осуществить их географическую привязку на местности. Географическую привязку на местности ключевых объектов складской сети и основных объектов транспортной инфраструктуры (грузовых автомобильных терминалов и парков) необходимо выполнять в следующей последовательности. На первоначальном этапе определяются места расположения сети распределительно-подсортировочных складов с одновременным определением их мощности и вида товароносителя.

Предложенный авторами методологический подход опубликован в журнале «Экономика региона» в 2019 году, Т. 15, вып. 2, с. 483-492.

Далее авторами проекта были определены ключевые параметры логистической инфраструктуры. С учетом работ российских В.И. Сергеева и В.В. Дыбской и зарубежных Д. Дж. Бауэрсокса, Д.Дж. Клосса, Ч. Сковронека и З. Сариуш-Вольского ученых, к ним были отнесены:

• объем перевозок порта (морские и внутренние водные), тыс. т.;
• перевозка пассажиров железнодорожным транспортом, тыс. чел.;
• отправление грузов железнодорожным транспортом, млн. т.;
• число предприятий и организаций транспорта, шт.;
• перевозка пассажиров автомобильным транспортом, тыс. чел.;
• отправление грузов автомобильным транспортом, млн. т.;
• пассажиропоток аэропорта, чел.;
• перевозка грузов воздушным транспортом, т.;
• объем импорта товаров, млн. дол.;
• объем экспорта товаров, млн. дол.;
• индекс промышленного производства, %;
• перевозка пассажиров внутренним водным транспортом, чел.;
• объем иностранных инвестиций, млн. дол.;
• количество предприятий, оказывающих финансовые услуги, шт. (x₁₄);
• количество предприятий, использовавших информационно-коммуникационные технологии, шт.

В качестве ключевых социально-экономических показателей Российской Федерации были отобраны:

• валовый внутренний продукт, млрд. руб.;
• инвестиции в основной капитал, млрд. руб.;
• доходы консолидированных бюджетов, млрд. руб.

После этого для каждого региона Российской Федерации, сгруппированным по федеральным округам, по всем вышеперечисленным показателям были получены количественные значения за 2004 – 2016 гг. Данные были взяты из сборника «Регионы России. Социально-экономические показатели», кратких статистических сборников субъектов Российской Федерации, российских статистических ежегодников, данных Федеральной службы государственной статистики и Федерального агентства воздушного транспорта.

На следующем этапе, для исключения из дальнейшего расчета избыточных независимых переменных, осуществлялась проверка на соответствие показателей логистической инфраструктуры нормальному закону распределения с использованием критерия Колмогорова-Смирнова. Независимые переменные, для которых распределение значений не соответствовало нормальному закону распределения, исключались из дальнейшего рассмотрения. Для выявления зависимости между параметрами логистической инфраструктуры субъектов РФ и ее социально-экономическими показателями был использован коэффициент линейной корреляции Пирсона. Если взаимосвязь между переменными отсутствовала, то данные независимые переменные исключались из дальнейшего расчета. На последнем этапе осуществлялась проверка на мультиколлинеарность путем построения матрицы интеркорреляций. Из дальнейшего расчета исключались показатели логистической инфраструктуры, имеющие наибольшее количество значений коэффициента линейной корреляции, превышающих 0,7.

После выбора переменных была проведена оценка линейной взаимосвязи между социально-экономическими показателями страны и логистической инфраструктурой федеральных округов Российской Федерации.

Оценка проводилась с использованием совокупного потенциала методов многофакторного дисперсионного анализа и множественного регрессионного анализа. Расчет проводился в программе IBM SPSS Statistics 20 с использованием функции автоматизированное линейное моделирование. В качестве метода исследования применялся метод шагового отбора.

В результате проведенного исследования была установлена линейная взаимосвязь между логистической инфраструктурой субъектов страны и экономическими показателями Российской Федерации, а также количественно оценено их влияние. Уравнения линейной множественной регрессии представлены в журнале Транспорт: наука, техника, управление №12, 2019 г. Исследование также позволило сделать следующие обобщающие выводы.

1. Наибольшее влияние на показатель «Валовый внутренний продукт, млрд. руб.» оказывает транспортная инфраструктура (аэропортовая, железнодорожная и автомобильная) федеральных округов Российской Федерации.
2. На показатель «Инвестиции в основной капитал, млрд. руб.» наибольшее влияние оказывает аэропортовая инфраструктура Центрального, Северо-Западного, Южного, Уральского и Сибирского федеральных округов. Кроме этого, существенное влияние оказывает объем импорта в Ставропольском крае и Ульяновской области, экспорта в Московской области, а также количество предприятий транспортной сферы в Камчатском крае.
3. Наибольшее влияние на показатель «Доходы консолидированных бюджетов, млрд. руб.» оказывает аэропортовая инфраструктура Южного, Приволжского, Уральского и Сибирского федеральных округов. Кроме этого, ключевое влияние оказывает объем экспорта в Костромской области, объем отправленных грузов на железнодорожном транспорте в Республике Карелия, число предприятий и организаций транспорта в Республике Дагестан и объем иностранных инвестиций в Сахалинскую область.

Результаты исследования опубликованы в журнале Транспорт: наука, техника, управление №12, 2019 г.

В результате исследования влияния логистической инфраструктуры субъектов Российской Федерации на ее социальные показатели были получены следующие результаты:

1. Установлена линейная взаимосвязь между логистической инфраструктурой субъектов Российской Федерации и ее социальными показателями, позволяющая оценить вклад каждой независимой переменной в ключевые социальные показатели Российской Федерации. Расчет проводился IBM SPSS Statistics 20 как с использованием функции автоматизированное линейное моделирование (результаты опубликованы журнале Транспорт: наука, техника, управление №10, 2019 г.) так и без нее с использованием метода шагового отбора (результаты опубликованы журнале Логистика №7, 2019 г.). Уравнения линейной множественной регрессии представлены в указанных ранее журналах. Необходимо отметить схожесть полученных результатов.
2. Наибольшее влияние на показатель «Количество безработных, тыс. чел.» наибольшее влияние оказывают следующие показатели логистической инфраструктуры федеральных округов Российской Федерации: Центральный – объем импорта Костромской области; Северо-западный – объем перевозок портов в Ленинградской области; Южный – перевозка пассажиров железнодорожным транспортом в Краснодарском крае; Сибирский – количество предприятий, использующих информационно-коммуникационные технологии в Новосибирской области; Дальневосточный - объем перевозок портов в Амурской области.
3. На показатель «Средний уровень заработной платы, руб.», за исключением Южного федерального округа, существенное влияние оказывает аэропортовая и водная (морская и внутренняя водная) инфраструктура. В Южном федеральном округе наибольшее влияние на зависимую переменную оказывает автомобильная инфраструктура. Кроме этого, в Дальневосточном федеральном округе наибольшее влияние на социальный показатель «Средний уровень заработной платы, руб.» оказывает объем экспорта в Приморском крае, в Сибирском федеральном округе – количество предприятий, оказывающих финансовые услуги.

На последнем этапе реализации проекта была предложена новая модель формирования складской инфраструктуры на территории субъекта Российской Федерации с учетом вероятностного спроса на товар.

При составлении модели считалось:

1. известны места расположения производственных предприятий, выпускающих гетерогенную продукцию и их характеристики;
2. заданы максимальные объемы производства каждого товара на каждом предприятии;
3. известны места расположения поставщиков разнородной продукции на различных типах товароносителей;
4. определены возможные пункты размещения распределительно-подсортировочных складов общего назначения;
5. для каждого пункта размещения даны приведенные затраты на строительство и содержание склада;
6. известны пункты потребления по всем видам гетерогенной продукции и объемы спроса;
7. заданы транспортные затраты по доставке единицы каждого вида продукции:
   1. со склада общего назначения до пунктов потребления;
   2. со складов производителей и товаров от поставщиков до складов общего назначения.

Решение модели основано на минимизации функции общих затрат, включающей издержки, связанные с приведенными затратами на размещение объектов сети распределения, издержками на грузопереработку транспортировку гетерогенных товаров от поставщиков и производителей на распределительно-подсортировочные склады, а так же со складов потребителям.

Функцию должна быть минимизирована при следующих ограничениях:

1. Мощности распределительно-подсортировочных складов могут принимать значения только из заданного набора.
2. Выбор товароносителей может принимать значение только из заданного набора.
3. Объем ввозимых на склад товаров не должен превышать его мощности ни по одному из видов товара.
4. Потребность каждого магазина розничной торговли в товарах должна быть полностью удовлетворена.
5. Количество продукции, вывозимой с каждого производственного предприятия, не должна превосходить его объемов производства.
6. Количество продукции, вывозимой от каждого поставщика, не должна превосходить его запасов.
7. Объемы поставок товаров на склады и со складов магазинам розничной торговли должны быть неотрицательными.

Для учета вероятностного спроса в модели был применен подход к решению задач стохастического программирования, который заключается в постановке задачи стохастического программирования в одном из видов в соответствии с теми или иными требованиями на выполнение случайных ограничений, сведении поставленной задачи стохастического программирования к детерминированному эквиваленту и решении эквивалентной задачи оптимизации.

В данной модели потребности магазинов розничной торговли являются случайными векторами, компоненты которых - случайные величины.

Относительно случайных параметров могут предполагаться известными различные функциональные и числовые характеристики (математическое ожидание, дисперсия, плотность распределения, функция распределения, среднее квадратическое отклонение, коэффициент вариабельности и др.).

Для построения модели с учетом удовлетворения спроса в среднем была использована М-постановка ограничений. Данная модель ограничений используется, когда нарушение ограничения в порождающей задаче не приводит к серьезным последствиям. Полученный по этой модели оптимальный план может не принадлежать множеству планов ни при одной реализации случайных величин.

Для построения модели с учетом удовлетворением спроса с заданной вероятностью была использована Р-постановку (с вероятностными ограничениями).

Разработанная модель была опубликован в журнале «Казанский экономический вестник» в 2019 году, №4 (42), с. 71-76.

На следующем шаге была разработана модель формирования транспортной инфраструктуры на территории региона. В предлагаемой модели полагается, что на территории региона сформирована складская инфраструктура, то есть определены места расположения распределительно-подсортировочных складов, их мощность и известен тип товароносителя, а также издержки на грузопереработку товаров на складах. Кроме этого, считается известным месторасположение поставщиков и производителей продукции, мощность производства в разрезе номенклатурных групп товаров и объемы поставок товаров от поставщиков, пункты потребления гетерогенной продукции, транспортные издержки, связанные с поставкой товаров от производителей / поставщиков на склад и со склада потребителям, а также движением порожнего транспорта. К модельным предположениям также были отнесены:

• известные возможные места расположения транспортных парков / терминалов;
• транспортная сеть взаимоувязывает все пункты логистической инфраструктуры;
• каждый транспортный пакет содержит только один типа товара / груза;
• перевозка выполняется транспортными пакетами;
• определены возможные виды транспортных средств (всего H видов) для перевозки груза, для каждого вида определена его грузоподъемность (в грузовых единицах – транспортных пакетах);
• к моменту планирования нет точной информации о потребностях в продуктах, но есть основание считать величину спроса случайной с известными законами распределения или числовыми характеристиками.

На этой модели решается задача минимизации функции общих затрат, включающей издержки, связанные с приведенными затратами на размещение объектов транспортной инфраструктуры, затраты,связанные с грузоперевозкой товаров и перегоном порожнего транспортного средства, издержками на грузопереработку на распределительно-подсортировочных складах.

Функцию должна быть минимизирована при следующих ограничениях:

1. Объем ввозимых на склад и вывозимых со склада товаров не должен превышать его мощности ни по одному из видов товара.
2. Потребность каждого магазина розничной торговли по каждому товару должна быть полностью удовлетворена.
3. Количество продукции, вывозимой с каждого производственного предприятия, не должно превосходить его объемов производства ни по одному из видов товара. Аналогичное требование должно выполняться и для поставщиков.
4. Ограничения по типам и количеству транспортных средств в каждом автопарке.
5. Ограничение по общему количеству транспортных средств каждого типа.
6. Ограничения по вместимости транспортных средств (потребность пунктов в порожнем транспорте) для складов, производителей и поставщиков.
7. Все переменные неотрицательны, переменные, связанные с количеством автотранспорта, могут принимать неотрицательные целочисленные значения.

Разработанная модель была опубликована в журнале «Логистика» в 2020 году, №7, с. 44-48.

Для учета вероятностного спроса в моделях был применен подход к решению задач стохастического программирования, который заключается в постановке задачи стохастического программирования в одном из видов в соответствии с теми или иными требованиями на выполнение случайных ограничений, сведении поставленной задачи стохастического программирования к детерминированному эквиваленту и решении эквивалентной задачи оптимизации.

В данных моделях потребности магазинов розничной торговли являются случайными векторами, компоненты которых - случайные величины.

Относительно случайных параметров могут предполагаться известными различные функциональные и числовые характеристики (математическое ожидание, дисперсия, плотность распределения, функция распределения, среднее квадратическое отклонение, коэффициент вариабельности и др.).

Для построения модели с учетом удовлетворения спроса в среднем была использована М-постановка ограничений. Данная модель ограничений используется, когда нарушение ограничения в порождающей задаче не приводит к серьезным последствиям. Полученный по этой модели оптимальный план может не принадлежать множеству планов ни при одной реализации случайных величин.

Для построения модели с учетом удовлетворением спроса с заданной вероятностью была использована Р-постановка (с вероятностными ограничениями).

На последнем этапе авторами был разработан эффективный алгоритм решения поставленной задачи оптимизации. Вследствие схожести задач оптимизации был предложен единый алгоритм решения, который показан на примере построения транспортной инфраструктуры на территории региона.

Для решения поставленной задачи оптимизации в работе предложен подход на основе идей декомпозиции задачи по уровням планирования, по стадиям оптимизации (выделяется стадия построения допустимого решения и стадия итерационной доводки полученного допустимого решения до близкого к оптимальному), использования алгоритмов решения транспортных и потоковых задач. В рамках предлагаемого подхода сформулированную задачу предлагается решать в два этапа. На первом этапе задача рассматривалась как совокупность последовательно решаемых задач в двухуровневом планировании (модифицированная матричная модель транспортной задачи на сети с промежуточными пунктами), в результате строится допустимый план размещения и загрузки автопарков, загрузки складов, а также перевозок. На втором этапе происходит итерационное улучшение полученного допустимого плана до близкого к оптимальному.

Решением поставленной задачи оптимизации является множество элементов определяющее план автотранспортных парков, их мощности, объемы перевозок количество перегоняемого порожнего транспорта.

Алгоритм решения поставленных задач оптимизации был опубликован в журнале «Логистика» в 2020 году, №11, с. 39-43.