CC BY
114
II. ПРОБЛЕМЫ РАЗВИТИЯ ТРАНСПОРТНОЙ ЛОГИСТИКИ
УДК 656:078
КЛАСТЕРИЗАЦИЯ РЕГИОНАЛЬНЫХ ТРАНСПОРТНО-ЛОГИСТИЧЕСКИХ СИСТЕМ Копылова О.А.
ФГБОУ ВПО «Магнитогорский государственный технический университет им. Г.И.Носова» (МГТУ), 455000, г. Магнитогорск, пр-т Ленина, 38,
кафедра «Промышленный транспорт», [email protected]
Аннотация
В статье рассмотрен процесс группировки регионов РФ по уровню их социально-экономического развития, инфраструктурной оснащенности и объему выполняемой транспортной работы с использованием метода кластерного анализа.
Ключевые слова: транспортно-логистическая инфраструктура, кластерный анализ, регион, факторы рыночной среды.
CLUSTERING OF REGIONAL TRANSPORTATION AND LOGISTICS SYSTEMS Kopylova O.
Magnitogorsk State Technical University named after G.I. Nosov Abstract
The article describes the process of grouping the regions in terms of social and economic development, infrastructure equipment and volume of transport work using cluster analysis.
Key words: transport and logistics infrastructure, cluster analysis, the region, the factors of the market environment.
Эффективность функционирования объектов транспортно-логистической инфраструктуры в значительной степени определяется уровнем развития экономики региона [1]. Однако существующие методы оптимизации размещения логистических мощностей недостаточно учитывают влияния рыночных факторов [2, 3]. Предлагается проводить исследование рыночной среды регионов потенциальных мест размещения элементов транспортно-логистической инфраструктуры в однородных группах, поскольку для разных регионов могут существовать различные закономерности и зависимости между рыночными факторами.
Группировка региональных транспортно-логистических систем проводилась по показателям, которые оказывают наиболее значимое влияние на размещение объектов транспортно-логистической инфраструктуры. К таким показателям были отнесены:
• социально-экономические: численность населения (ЧН); среднедушевые доходы населения (Д); Валовой региональный продукт (ВРП); объем розничного товарооборота (ОТ); объем обрабатывающего производства (ОбП); объемы экспортной (Э) и импортной продукции (И);
• инфраструктурные и географические факторы: плотность автомобильных дорог (Пл.авто); плотность железнодорожных дорог (Пл.жд); принадлежность к климатической зоне (КЗ); наличие транспортных коридоров на территории региона
• показатели транспортной работы региона: объем транспортных услуг на душу населения (Уг.у); объем автомобильных перевозок ^авто); объем железнодорожных перевозок
Поскольку группировку региональных транспортно-логистических систем требуется произвести по ряду факторов, которые имеют разнородную природу (количественная, балльная оценка), то для решения этой задачи использовались методы кластерного анализа.
Кластерный анализ представляет собой способ группировки многомерных объектов, основанный на представлении результатов отдельных наблюдений точками подходящего геометрического пространства с последующим выделением групп как «сгустков» этих точек (кластеров) [60]. Методы кластерного анализа разделяют на иерархические и неиерархические. Иерархические методы используются при небольшом количестве наблюдений. Учитывая, что необходимо провести кластеризацию 80 регионов по 14 параметрам, то в настоящей работе решено было использовать неиерархические методы. Данные методы основаны на интерактивном разделении исходной совокупности данных методом к-средних, также называемым быстрым кластерным анализом.
Метод к-средних заключается в построении к кластеров, расположенных на максимально больших расстояниях друг от друга. Первоначально объекты распределяются по кластерам, количество кластеров задается исследователем. На втором этапе вычисляются центры кластеров и происходит перераспределение объектов. Этот процесс повторяется до тех пор, пока кластерные центры либо не стабилизируются (все наблюдения должны принадлежать кластеру, которому принадлежали до текущей итерации), либо пока число итераций не станет равным максимальному значению [7].
(ТК);
(Ужд) [4, 5].
Рассмотрим результаты кластерного анализа, проведенного с использованием программного пакета «Statistica». Исходными данными для проведения кластерного анализа являются значения по выявленным факторам за 2010 год. Московская область и г. Москва были исключены при кластеризации регионов, поскольку значения по анализируемым показателям резко отличаются от остальных регионов.
Исходные данные имеют разнородную природу и размерность. Так, например, значение показателя «среднедушевые доходы населения» изменяется в диапазоне от 7,5 до 51 тыс. руб, а значения показателя «климатическая зона» от 0 до 5. Поскольку при расчете величины расстояния между объектами параметр с большими значениями будет доминировать над параметрами с малыми значениями, необходимо устранить различие в дисперсиях и единицах измерения. Для этого следует предварительно стандартизировать переменные. Для нормирования значений показателей использовался встроенный модуль Standardize (рис.1).
2*19.4 \<aii' ii®ii~a_6t73J» гшГ?ТГ™»ГТЩЗТ}7 В» г 14064 215412 21QMLM В0522 191.MSB ЯЗЮ IК 12» V«0S 2В0М 802966> 9SB8 4497 632? 16ЭЛЙ1
10107 uwoi ujk4 4 этздг* «tai зтб.геви wrouw
Qlvbythl
, П*1»КД. усгт>т
•0.37464 -0 47141 -073499
Хз
0.16496 -0.<7469
0 014207 H)«6/5 0.1C8346
-0.37099 -061561 OK JUS
-0.06491 1.635097 «03647
■O.TOiS -040tjf 41*144
0.30393 0.613Г» 4.6337
OJtwi о.кгэя iiMf*
■own утмПГШй! -0.3391s -0.1WS -e.jftut
-0 72959 4 »31? -Qltbtt
огвыхГ 0.291605 03*16+J ■0 764361 -0 ?Ш
-O.TSStt?
0 266*74 «17М64
-0 261614
-0.312623
«Т ■
0 2,4052 019125« ■0523122 Л 16526 -0.3740,3165*7 24674716 S 172741 0JtB1fi,ri' 0 СНЭ№ i2f3WJf <4210« 0242611 4)00M9 ■4,721452 0.049797 -0.25054 -0.197$ -046717 4 56936
О 062293 0.03,'5«Г О 146555? 172825557 -059Я397 -0 61323110 0 .1933065 -0 271621«
«571*41 j,*6jr049
o.«i6i обЗйзя
О ЭМ04 0 2П6И462 02006472 •0016Ш49 0.06*715* -0.41479096 -0.573363 -0.33641724
-04*6545 '1 0975»? -0.1739615 1.16219967 1.44672447 17)11*122 0 02260681 O.WWJOS 0.7Т9ЭО996 0 007959®
I
щ
13 U те «3 J
«9901331 0.452007 •1.02312642 0452Ю7 -0.61079743 0.452007 0.965306139 -0 »134
оадеюмо ммоет
0 4620М4В 1.SM657 0.2?266Я4 i ffiKi ■0 «35783 -0 30134 0.51902139 0.457W7 -0.79721659
0.4») О 414) 0.414? 0.435? 0.435?
-0 333164 -0.Ж67 -«,3lS37 JMJHS «303X6? -0.273972 43140« 0«Я3447 -0.42447436 -0.BJ1J04 -0.97«Л4Д -0»l
Рис. 1. Фрагмент результатов нормирования значений показателей
Метод ^-средних предполагает наличие гипотезы о вероятном количестве кластеров. Основываясь на результатах предыдущих исследований [8,9,100], выдвинута гипотеза о группировке регионов РФ на четыре кластера в зависимости от уровня социально-экономического и инфраструктурного развития. В результате первичной группировки регионов по выявленным факторам рыночной среды было выделено четыре кластера: первый кластер включает в себя 31 регион, второй - 5, третий - 36 и четвертый кластер - 8 регионов.
Корректность кластеризации определяется тем, насколько кластеры отличны друг от друга. Для этого рассчитываются средние значения параметров по каждому кластеру. При хорошей кластеризации должны быть получены сильно отличающиеся средние для всех измерений или хотя бы большей их части [7]. Также следует стремиться к тому, чтобы
значения внутригрупповой дисперсии (Within SS) были меньше значений межгрупповой дисперсии признаков (Between SS). Лучшей кластеризации также соответствуют большие значения F-критерия, используемого для проверки гипотезы о неравенстве дисперсий, и меньшие значения p (число степеней свободы для внутриклассовой дисперсии). Признаки с большими значениями p (больше 0,05) следует из процедуры кластеризации исключать.
Средние значения нормированных показателей по выявленным факторам рыночной среды представлены на рис. 2, результаты дисперсионного анализа сведены в табл.1.
3,5 3,0 2,5 2,0 1,5 1,0 0,5 0,0 -0,5 -1,0 -1,5 -2,0 -2,5 -3,0
ЧН ВРП ОТ
Д ОбП Э
Кластер 1 I- Кластер 2 Кластер 3 к- Кластер 4
И Уавто Пл.жд ТК
Ужд Утр.услуг Пл.авто КЗ
Факторы рыночной среды
Рис. 2. Средние значения факторов рыночной среды по каждому кластеру
(14 факторов)
Из табл. 1 видно, что для более точной группировки регионов необходимо провести повторную кластеризацию, исключив такие параметры, как «наличие транспортных коридоров (ТК)» и «количество импорта на душу населения (И)», поскольку они имеют самые высокие значения р при малых значениях Е. При следующей кластеризации не удовлетворял данному условию параметр «объем транспортных услуг», поэтому данный фактор был также исключен.
Результаты повторной кластеризации (11 переменных) сведены в табл.2. Графическое представление средних значений нормированных переменных (факторов) представлено на рис.3.
Повторная кластеризация регионов по уровню социально-экономического, инфраструктурного развития более точна по сравнению
с предыдущей кластеризацией. Значение ^-критерия почти по всем факторам увеличилось. Однако значение внутригрупповой дисперсии превышает значения межгрупповой дисперсии практически по всем параметрам, это свидетельствует о неудовлетворительном разбиении на группы.
Таблица 1
Результаты дисперсионного анализа первичной кластеризации (14 факторов)
Between df Within df F sign if.
Variable SS SE P
ЧН, тыс.чел 26,47863 3 62,62137 76 12,77179 0.000001
Д. руб 39,67370 3 39.32630 76 25,55712 0.000000
ВРП ру&/чел 34,84368 3 44,16642 76 19,99039 0,000000
ОбП руб/чел 17,43429 3 61 66570 76 7,17394 0.000264
ОТ. руб/чел 25,39270 3 63,60730 76 11,99989 0,000002
Э, долг/чел 19,07423 3 59,92577 76 8,06354 0,000099
И. долл/чел 18.46104 3 60.63896 76 7.72527 0.000143
V пер.жд, млн.т 30,24707 3 48,75293 76 15,71719 0,000000
V пер.авто, млн.т. 29,46708 3 49,54292 76 15,06261 0,000000
Утран.услуг, руб/чел 36.36040 3 42.64960 76 21,59168 0.000000
Пл.жд, км. на 10000кв.м. 38.96208 3 40.04792 76 24,64013 0 000000
Пл.авто, км на 1000кв.м. 41,08172 3 37,91828 76 27,44684 0,000000
ТК 7,07906 3 71,92094 76 2,49352 0,066340
КЗ 41,80079 3 37,19921 76 28,46710 0,000000
Таблица 2
Результаты дисперсионного анализа повторной кластеризации (11 факторов)
Variable Between SS df Within SS df F signrf. P
ЧН, тыс.чел 38,316391 3 40 68361 76 23,85929 0.000000
; руб 34,97689 3 44,02311 76 20.12764 0.000000
ВРП руб/чел 52.221 S8 3 26,77842 76 49,40348 0 000000
ОбП руб/чел 29,05204 3 49,94796 76 14,73504 0.000000
ОТ. руб/1 en 26,81496 3 52,18504 76 13,01738 0.000001
Э долл/чел 39,06124 3 39,93876 76 24,77671 0 000000
V пер.жд, млн.т 23,15973 3 £5,84027 76 10,50699 0.000007
V пер.авто, млн т. 31,39349 3 47.60661 76 16,70573 0.000000
1 In Я'/! км. на 10000кз.м. 42.66169 3 36,43831 76 29,69054 0 000000
Пл.авто км на 1000кв.м. 39,58093 3 39,41907 76 25,43735 0.000000
КЗ 35,60426 3 43,39575 /6 20.78485 0.000000
ЧН ВРП ОТ V>™ Пл.жд КЗ
Д ОбП Э VaBTO Пл.авто
Кластер 1 -■- Кластер 2 ♦ Кластер 3 -А- Кластер 4
Факторы рыночной среды
Рис. 3. Средние значения факторов рыночной среды по каждому кластеру (11
факторов)
5
4
3
2
0
Результаты окончательной кластеризации (8 переменных) сведены в табл.3. Значения р не превышают 0,05, а значение ^-критерия увеличились по показателям «принадлежность к климатической зоне» и «объем обрабатывающего производства». Анализ величин дисперсии позволяет говорить о значимости показателей при группировке регионов, так как значение межгрупповой дисперсии либо превышает, либо близко к значению внутригрупповой дисперсии. Средние значения нормированных показателей различаются по большинству факторов рыночной среды (рис.4).
Таблица 3
Результаты дисперсионного анализа окончательного варианта кластеризации
(8 факторов)
УалаЫе Вемееп 55 (К \№Шл ББ Г щщМ Р
ЧН, тыс.чел 23,472031 3 55,52797 76 10 70856 0.000006
Д. руб 32,54588 3 46.45412 76 17,74860 0.000000
БРП, руб/чел 52,07089 3 26,92911 76 48,98526 0.000000
ОбП, руб/чел 52,96037 3 26,03963 76 51,52386 0.000000
Э, дол л/чел 38,93728 3 40.06272 76 24,62167 0.000000
Пп.жд, км. на 10000кв.м. 39.96444 3 39,03556 76 25,93615 0.000000
Пп авто, км. на 1000кв.м. 38,44485 3 40.55515 76 24,01511 0.000000
КЗ 40,22500 3 38,77500 76 26,28068 0.000000
<
V V
__________1 1
■ „-Л г ■ кг ----л 1
•................. ►'
Д
Кластер 1 -■- Кластер 2 ♦ Кластер 3 -А- Кластер 4
ВРП ОбП Э Пл.жд Пл.авто КЗ Факторы рыночной среды
Рис.4. Средние значения факторов рыночной среды по каждому кластеру
(8 факторов)
5
4
3
2
0
Поэтапное исключение анализируемых показателей, например, «численность населения», привело к выделению в отдельный кластер Ненецкого автономного округа. Таким образом, дальнейшие эксперименты с составом переменных и количеством кластеров показали, что использование приведенных ниже показателей позволяют получить, на наш взгляд, наиболее удачную группировку регионов. К показателям, которые
вошли в окончательную группировку, отнесены следующие показатели: численность населения; среднедушевые доходы населения; Валовой региональный продукт на душу населения; объем промышленной продукции на душу населения (обрабатывающее производство); объем экспортной продукции на душу населения; плотность железнодорожных путей сообщения; плотность автодорог с твердым покрытием; принадлежность к климатической зоне.
Окончательный вариант группировки регионов включает в себя 4 кластера:
• Кластер 1: Ленинградская обл. и г.Санкт-Петербург, Свердловская обл., Республика Башкортостан, Республика Татарстан, Самарская, Тюменская, Челябинская области и др. регионы, всего по кластеру 17 регионов. На рис. 4 видно, что данные регионы являются лидирующими по численности населения и объему промышленной продукции обрабатывающего производства, расположены в умеренной климатической зоне. Добыча полезных ископаемых и распределение газа и энергии были исключены из анализа внешних факторов объектов логистической инфраструктуры, поскольку для логистического обслуживания интерес представляет продукция обрабатывающей промышленности. Особенностью промышленного потенциала регионов первого кластера является преобладание в структуре их производства машиностроения и металлообработки, химической промышленности, черной и цветной металлургии. Этот факт объясняет и более высокие значения экспорта, по сравнению со значением этого показателя для второго и четвертого кластера. Для регионов первого кластера характерно сбалансированное развитие экономики и инфраструктуры: достаточно высокие показатели среднедушевых доходов населения, плотности железнодорожных и автомобильных дорог;
• Кластер 2 включает в себя 31 регион, это: Саратовская, Ульяновская, Рязанская, Ростовская области, Ставропольский край и др. Регионы данного кластера имеют самые низкие значения уровня социально-экономического развития при высоких инфраструктурных показателях. В основном это регионы Южного и Центрального федеральных округов;
• Кластер 3: Ненецкий авт. округ, Сахалинская область, Ханты-Мансийский авт. округ, Ямало-Ненецкий авт. округ. Как видно из графика (рис.4), при небольшой численности населения эти регионы обеспечивают высокий Валовой региональный продукт и среднедушевой объем экспорта, что связано с особенностью промышленного производства в данных округах (основная деятельность -добыча полезных ископаемых, распределение газа и энергии). Это,
а также сложные климатические условия (самая низкая балльная оценка по параметру принадлежность к климатической зоне), объясняют высокие значения показателя «среднедушевые доходы населения». Для данного кластера характерны низкие значения инфраструктурных показателей;
• Кластер 4: Алтайский край, Приморский край, Томская, Мурманская, Иркутская области и др., всего 28 регионов. Преимущественно данный кластер представлен субъектами Дальневосточного и Сибирского федеральных округов. Для данного кластера характерны невысокие значения практически по всем анализируемым показателям.
В результате проведенного кластерного анализа методом к-средних регионы были сгруппированы в четыре кластера, в зависимости от их уровня социально-экономического и инфраструктурного развития. Классификация регионов на однородные группы позволит в дальнейшем строить по каждому кластеру типологические регрессионные уравнения взаимодействия рыночных факторов, что повысит точность исследования динамики развития рыночной среды регионов потенциального местораз-мещения элементов транспортно-логистической инфраструктуры.
Библиографический список
1. Рахмангулов А.Н., Гавришев С.Е. О механизме обеспечения надежного функционирования логистической системы // Проблемы адаптации предприятий: труды НТЦ-НИИОГР. - Екатеринбург: УрО РАН, 1999. - №. 4. - С. 74-77.
2. Копылова О.А., Рахмангулов А.Н. Применение метода системной динамики для исследования факторов размещения элементов транс-портно-логистической инфраструктуры // Современные проблемы транспортного комплекса России: межвуз. сб. науч. тр. - Магнитогорск: Изд-во Магнитогорск. гос. техн. ун-та им. Г.И. Носова, 2012. - № 2. - С.92-97.
3. Рахмангулов А.Н., Кайгородцев А.А. Проблема выбора места размещения логистического распределительного центра. Существующие подходы к решению // Современные проблемы транспортного комплекса России: межвуз. сб. научн. тр. - Магнитогорск: Изд-во Магнитогорск. гос. техн. ун-та им. Г.И. Носова, 2011.- № 1. - С. 39-49.
4. Копылова О.А., Рахмангулов А.Н. Анализ спроса и предложения на рынке транспортно-логистических услуг России // Современные проблемы транспортного комплекса России: межвуз. сб. науч. тр. - Магнитогорск: Изд-во Магнитогорск. гос. техн. ун-та им. Г.И. Носова, 2011. - №1. - С. 115-121.
5. Методика формирования энергоэффективной транспортно-логистической инфраструктуры / В.В. Багинова, А.Н. Рахмангулов, О.А Копылова [и др.]//Бюллетень транспортной информации. - 2012.-№ 5.-С.26-30
6. Кузнецов Д.Ю., Трошина Т.Л. Кластерный анализ и его применение // Ярославский педагогический вестник. - 2006. - № 4. - С. 103-107.
7. Чубукова И.А. Лекция: Методы кластерного анализа. Итеративные методы // Интернет университет информационных технологий [Электронный ресурс]. URL: http://www.intuit.ru/.
8. Рахмангулов А.Н. Копылова О.А. Методика выбора мест размещения транспортно-логистических центров на основе интегрированной оценки факторов рыночной среды // Логистика и экономика ресурсосбережения в промышленности: сб. науч. тр. по материалам VI Международной научно-практической конференции 11-13 декабря 2012 года. -Саратов: Изд-во Саратовск. гос. техн. ун-та, 2012. - С.28-32.
9. Копылова О.А. Развитие региональной транспортно-логистической инфраструктуры // Сборник научных трудов Sworld. Материалы международной научно-практической конференции «Современные проблемы и пути и решения в науке, транспорте, производстве и образовании 2012». - Одесса: КУПРИЕНКО, 2012. - Т. 1. № 4. - С.42-46.
10. Рахмангулов А.Н., Копылова О.А., Аутов Е.К. Выбор мест для логистических мощностей // Мир транспорта. - 2012. - № 1 (39). - С. 84-91.
УДК 656.07
МЕТОДИКА ОПТИМИЗАЦИИ ТРАНСПОРТНО-ГРУЗОВОГО
КОМПЛЕКСА ГОРНО-ОБОГАТИТЕЛЬНЫХ ПРЕДПРИЯТИЙ
Тариков Д.Ш., Корнилов С.Н.
ФГБОУ ВПО «Магнитогорский государственный технический университет им. Г.И.Носова» (МГТУ), 455000, г. Магнитогорск, пр-т Ленина, 38,
кафедра «Промышленный транспорт», [email protected]
Аннотация
В статье представлена методика оптимизации транспортно-грузового комплекса (ТГК) горно-обогатительных предприятий на основе математической модели. Применение методики позволит повысить рентабельность производства.
Ключевые слова: транспорт, логистика, модель, согласованность, горнообогатительные предприятия.
THE OPTIMIZATION METHOD OF TRANSPORT AND CARGO COMPLEX MINING ENTERPRISE
Tarikov D., Kornilov S.
Magnitogorsk State Technical University named after G.I. Nosov
The paper presents a methodology for optimizing the transport and cargo complex ore mining are processing enterprises on the basis of a mathematical model. Application of the technique will improve the profitability of.
Abstract
Методика оптимизации транспортно-грузового комплекса горно-обогатительных предприятий
