Научная статья на тему 'Методология планирования доставки мелкопартионных грузов в условиях крупного города'

Методология планирования доставки мелкопартионных грузов в условиях крупного города Текст научной статьи по специальности «Математика»

CC BY
2451
442
i Надоели баннеры? Вы всегда можете отключить рекламу.

Аннотация научной статьи по математике, автор научной работы — Бочкарев Андрей Александрович, Клочков Виктор Николаевич

Рассматриваются методологические вопросы, связанные с решением проблемы планирования доставки мелкопартионных грузов в условиях крупного города и предлагаются альтернативные алгоритмы планирования доставки мелкопартионных грузов методом локализации. Проводится вычислительный эксперимент, подтверждающий эффективность предложенных алгоритмов. Рассматриваются также вопросы использования географических информационных систем для планирования доставки мелкопартионных грузов на примере программы «Деловая карта».

i Надоели баннеры? Вы всегда можете отключить рекламу.
iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.
i Надоели баннеры? Вы всегда можете отключить рекламу.

Текст научной работы на тему «Методология планирования доставки мелкопартионных грузов в условиях крупного города»

УДК 656:38:47

А.А. Бочкарев, В.Н. Клочков МЕТОДОЛОГИЯ ПЛАНИРОВАНИЯ ДОСТАВКИ МЕЛКОПАРТИОННЫХ ГРУЗОВ В УСЛОВИЯХ КРУПНОГО ГОРОДА

Рассматриваются методологические вопросы, связанные с решением проблемы планирования доставки мелкопартионных грузов в условиях крупного города и предлагаются альтернативные алгоритмы планирования доставки мелкопартионных грузов методом локализации. Проводится вычислительный эксперимент, подтверждающий эффективность

предложенных алгоритмов. Рассматриваются также вопросы использования географических информационных систем для планирования доставки мелкопартионных грузов на примере программы «Деловая карта».

Планирование маршрута, мелкопартионные перевозки,

геоинформационная система.

A.A. Bochkaryov, V.N. Klochkov

LESS-THAN-CARLOAD CARGOES DELIVERY PLANNING METHODOLOGY

WITHIN A LARGE CITY

The methodological questions connected with the decision of the problems of planning of delivery less-than-carload of cargoes in conditions of a large city are considered and alternative algorithms of planning of delivery less-than-carload cargoes are offered by a method of localization. The computing experiment confirming the efficiency of the offered algorithms is given. Questions of use of geographical information systems for planning delivery less-than-carload cargoes on an example of the program of the “Business map ” are considered also.

Route planning, transportation of small sets, geoinformation system.

Введение

Анализ состояния теории и практики планирования доставки грузов автомобильным транспортом позволяет утверждать, что планирование и проектирование автотранспортных систем может вестись на основе математических методов и последних достижений науки и техники (например, с использованием автоматизированных информационных систем) или же так, как оно сложилось в результате исторического развития, т.е. на основании предыдущего опыта. Однако независимо от того, проектируется ли система или она сложилась в результате исторического развития, в ней необходимо решать ряд конкретных организационных и плановых задач:

- принятие и обработка заявок на доставку грузов;

- определение кратчайших расстояний между пунктами транспортной сети (грузоотправителями и грузополучателями);

- маршрутизация перевозок грузов;

- идентификация автотранспортных систем;

- определение технико-эксплуатационных показателей функционирования автотранспортных систем;

- расчет потребности в транспортных ресурсах;

- разработка плана перевозок и др.

Анализ публикаций, посвященных теории и практике планирования доставки грузов автомобильным транспортом, показывает, что, во-первых, существуют различные подходы к планированию и проектированию автотранспортных систем, различающиеся последовательностью и содержанием этапов планирования. Во-вторых, применение современных информационных технологий в логистике позволяет значительно облегчить решение задач, связанных с планированием грузовых автомобильных перевозок. Программные продукты, предназначенные для транспортной логистики, относятся к классу географических информационных систем (ГИС). Использование программных продуктов класса ГИС для планирования доставки грузов автомобильным транспортом не нашло пока отражения в предлагаемых подходах к планированию и проектированию автотранспортных систем. Указанные обстоятельства определяют актуальность проведения исследования по данной проблеме.

Алгоритм планирования доставки мелкопартионных грузов

В управлении цепями поставок крупных компаний, включающих десятки поставщиков, несколько распределительных центров и тысячи потребителей, важное место занимает проблема оптимизации доставки мелкопартионных грузов в условиях крупного 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.

Первая задача, известная как классическая транспортная задача, подробно рассмотрена в работе [6], а также в специальной литературе по исследованию операций. Вторая задача не имеет строгого решения. Как правило, на практике зоны обслуживания потребителей формируются по географическому принципу, в соответствии с которым в одну зону обслуживания попадают клиенты, территориально близко расположенные друг к другу. Если сеть обслуживания большая, включает сотни или тысячи клиентов, то зоны обслуживания могут группироваться по уровням. На первом уровне делят всю сеть обслуживания на регионы, границы которых, как правило, совпадают с административными границами городских или сельских районов. На втором уровне регионы разбивают на сектора развозки таким образом, чтобы в каждом секторе было возможно сформировать один развозочный маршрут с учетом всех ограничений. Это упрощает формирование маршрутов, но не гарантирует минимума транспортных затрат, т. к. процедура разбиения на сектора не является оптимизационной. Разбиение определенного региона на сектора развозки проводят, как правило, из соображений «здравого смысла», например, один городской квартал (микрорайон)

- один сектор развозки.

Содержательную постановку задачи планирования доставки мелкопартионных грузов в условиях крупного города можно сформулировать следующим образом.

Организовать отправку мелких партий грузов большому количеству клиентов, таким образом, чтобы получить оптимальные маршруты следования грузовых автомобилей при минимальных транспортных затратах.

Основными условиями задачи являются следующие:

1. Поставщик или дистрибьютор располагает одним или несколькими складами, с которых осуществляется доставка товаров клиентам.

2. Склады являются многономенклатурными по ассортименту продукции, т.е. заказ клиента может быть полностью удовлетворен поставкой с любого склада.

3. Складские и транспортные мощности достаточны для выполнения заказов клиентов, то есть, гарантировано отсутствие дефицита.

4. Мы рассматриваем «заказную» систему поставок, то есть дистрибьютор только должен выполнить заказы клиентов в определенном объеме, и он располагает ресурсами для этого.

5. Количество клиентов может достигать нескольких сотен или тысяч, которые расположены в разных районах города и области.

6. Доставка осуществляется клиентам со складов автомобилями различной грузоподъемности. При этом практикуется следующая схема маршрутизации. Каждый автомобиль выполняет только один рейс от одного склада по принципу «один ко многим», то есть за один рейс автомобиль может обеспечить доставку нескольким клиентам, но клиент должен быть обслужен одним автомобилем. Суммарные заказы клиентов по маршруту автомобиля не должны превосходить его грузоподъемность.

7. Накладываются строгие требования на время доставки товаров, которые, как правило, зависят от режима работы клиентов и особенностей поставляемых товаров. Также временные ограничения могут возникать из условий работы водителей автомобилей и сопровождающих (продолжительность рабочего дня, перерывы на обед и т.д.).

8. Транспортные затраты представляют собой сумму арендной платы за автомобили, которая зависит от пробега автомобиля по конкретному маршруту, времени его использования и, возможно, некоторых других факторов.

В настоящее время для формирования маршрутов движения транспортных средств (ТС) широко используется специализированное программное обеспечение ГИС-класса. Сегодня на российском рынке представлено достаточно много фирм, предлагающих свои программные продукты для решения задач транспортной логистики. Наибольшим успехом на российском рынке пользуются Деловая карта (разработчик ООО «Фирма «ИНГИТ»1, Санкт-Петербург, Россия) и Top Logistic (разработчик «Компания «TopPlan»2, Санкт-Петербург, Россия) [3]. Функциональные возможности этих и подобных им программных продуктов очень близки. Продажная цена одной лицензии для установки программы на локальном компьютере колеблется от 500 до 2000 долларов США. Окупаются эти программные продукты, по мнению разработчиков, за два-три месяца. Основными недостатками этих программных продуктов является невозможность сформировать маршруты в автоматическом режиме, если имеется несколько пунктов отправления (баз, складов, терминалов), которые используются одновременно, и если число формируемых маршрутов велико, например, для Top Logistic свыше 100. Как правило, в дистрибутивных сетях крупных компаний решаются задачи именно такого масштаба и сложности. Поскольку «в лоб» решить данную задачу не представляется возможным, предлагается проводить декомпозицию общей задачи маршрутизации мелкопартионных грузов.

Целесообразно общую (глобальную) задачу оптимизации доставки мелкопартионных грузов в условиях крупного города разбить на ряд локальных задач, т.е. задач, в которых рассматривается не все множество складов, клиентов и возможных маршрутов, а только их часть, которую мы называем локальной системой доставки. Локальная система доставки -это система, в которой клиенты расположены недалеко друг от друга и их обеспечение осуществляется от одного грузоотправителя (базы, склада, терминала).

1 www.ingit.ru Официальный сайт разработчика ООО «Фирма «ИНГИТ».

2 www.topplan.ru Официальный сайт разработчика «Компания «ТорР1ап».

Решением задачи локализации, т. е. сведения общей задачи оптимизации доставки мелкопартионных грузов к локальной, будет решение задачи разбиения всей зоны обслуживания на сектора развозки или клиентские группы закрепления секторов развозки (клиентских групп) за грузоотправителями (базами, складами, терминалами).

В работах [2, 4, 5, 7] рассматривается первый вариант алгоритма планирования доставки мелкопартионных грузов. Данный алгоритм включает пять этапов планирования, каждый из этапов представлен соответствующим блоком или группой блоков на рис. 1.

Сначала формируется база данных (блок 1), включающая сведения о количестве транспортных средств, их типе и грузоподъемности; количестве грузоотправителей и грузополучателей; ограничениях, накладываемых грузоотправителем и грузополучателем на партию груза, которая может быть отправлена и получена соответствующим субъектом; временных ограничениях по доставке грузов в пункты назначения и их вывозу из пунктов отправления; затратах на выполнение рейса (или на доставку партии груза конкретному грузополучателю) и другие.

На основе полученной информации определяется транспортно-технологическая система (ТТС) доставки грузов (блок 2). Предлагается выделять две ТТС доставки грузов: глобальную и локальную. Локальная система доставки определена выше.

В противном случае, т.е. если доставка осуществляется из нескольких пунктов и/или клиенты расположены далеко друг от друга, данная система является глобальной системой доставки в масштабе данного города. Следовательно, необходимо провести декомпозицию общей задачи на ряд подзадач, каждая из которых является локальной. Декомпозиция общей задачи планирования доставки на локальные задачи заключается в последовательном выполнении следующих двух этапов.

Во-первых, решается задача разбиения всех клиентов по признаку близости территориального расположения на группы, регионы или сектора развозки (блок 3). Решаться эта задача может разными методами. В первом приближении разбивают всю обслуживаемую территорию на регионы, причем границы регионов совпадают, как правило, с границами административных районов. Затем каждый регион разбивают на сектора развозки, границы которых совпадают с границами микрорайонов или городских кварталов. Вместе с тем, широкое распространение в настоящее время получили методы кластерного анализа.

Рис. 1. Алгоритм планирования доставки мелкопартионных грузов (первый вариант)

Например, метод к-средних или метод нечетких с-средних. Метод к-средних принадлежит к группе итеративных методов кластерного анализа. Сущность их заключается в том, что процесс классификации начинается с задания некоторых начальных условий (количество образуемых кластеров, порог завершения процесса классификации и т. д.). Метод к-средних реализован в таких популярных пакетах статистического анализа, как 8ТАТ18Т1СЛ® и ЗРББ®. В представленном на рис. 1 алгоритме процедура разбиения всей зоны обслуживания на регионы и сектора развозки не является оптимизационной, т. е.

считается, что это разбиение проведено менеджерами компании в первом приближении из соображений «здравого смысла».

Во-вторых, решается задача об оптимальном закреплении групп клиентов (регионов, зон обслуживания) за поставщиками однородной продукции. Данная задача формулируется и решается как классическая транспортная задача (блок 4). Очевидно, что решение данной задачи имеет смысл в том случае, если каждый заказ конкретного клиента может быть отгружен из любого склада, т. е. склады являются многономенклатурными, отсутствует их специализация.

Затем, с использованием упомянутых выше программных продуктов ГИС-класса (Top Logistic, Деловая карта) или аналогичных решается задача маршрутизации движения ТС (блок 5) для каждой группы клиентов.

Таким образом, декомпозиция общей (глобальной) задачи планирования доставки мелкопартионных грузов на ряд локальных подзадач, в соответствии с изложенным выше алгоритмом, позволит находить эффективное решение в тех случаях, когда доставка заказов осуществляется от нескольких складов сотням или даже тысячам клиентов ежедневно.

В предложенном алгоритме дискуссионными являются несколько моментов. Во-первых, не очевидна последовательность решения задачи локализации, т.е. сведения общей задачи планирования доставки мелкопартионных грузов к локальной задаче. Возможны два варианта локализации. Первый вариант, заключающийся в последовательном решении двух задач: разбиения клиентов на группы и закрепления групп клиентов за поставщиками (складами), представлен на рис. І. Причем, как было отмечено выше, процедура разбиения клиентов на группы проводится из соображений здравого смысла, т.е. не является оптимизационной.

Второй вариант, заключающийся в решении тех же задач, но в другой последовательности, представлен на рис. 2.

Сначала решается задача о закреплении потребителей (клиентов) за поставщиками (складами), т.е. определяется зона обслуживания каждого склада (см. рис. 2, 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, блок 4).

Во-вторых, работа [І] и наш собственный опыт показывают, что в задаче, где клиенты расположены компактно, эффект от решения оптимальной маршрутизации незначителен. Причем решение на момент использования может стать неоптимальным или даже недопустимым. Поэтому в работах [8, 9] был предложен алгоритм решения задачи раскладки заказов по транспортным средствам, как задачи линейного программирования. В результате получен третий вариант решения задачи планирования доставки мелкопартионных грузов, который отличается от представленного на рис. 2 варианта тем, что в данном случае на завершающем этапе планирования (блок 5) решается задача о раскладке заказов по транспортным средствам как задача линейного программирования. Очевидно, что расчеты по данному алгоритму заканчиваются, когда получен оптимальный вариант раскладки заказов по транспортным средствам с учетом накладываемых ограничений.

Таким образом, предлагается три различных варианта решения задачи планирования доставки мелкопартионных грузов, которые отличаются последовательностью и содержанием этапов планирования.

В данной статье обсуждается эффективность применения предложенных алгоритмов. Приводятся результаты вычислительного эксперимента, в ходе которого рассматриваемые алгоритмы сравниваются с решениями, полученными с помощью Деловой карты, а также с базовым вариантом, под которым понимается маршрутизация, осуществляемая диспетчерами вручную.

Рис. 2. Алгоритм планирования доставки мелкопартионных грузов (второй вариант) Проведение вычислительного эксперимента

Основная цель вычислительного эксперимента: доказать эффективность предлагаемой методики решения задачи планирования доставки мелкопартионных грузов в условиях крупного города с помощью алгоритмов локализации (см. рис. 1 и 2).

Задачи эксперимента:

1. Обосновать выбор наиболее эффективного алгоритма решения задачи планирования доставки мелкопартионных грузов в условиях крупного города.

2. Оценить эффективность применения автоматизированной информационной системы «Деловая карта» при решении поставленной задачи и встроенных в нее алгоритмов оптимизации маршрутов.

3. Проверить возможность улучшения полученных результатов с помощью комбинированных (эмпирико-математических) методов (методика Дж. Шапиро) и методов целочисленного линейного программирования.

Исходные данные. В качестве исходных данных для эксперимента рассматривались реальные данные о развозке продукции клиентам Московского и Фрунзенского районов города Санкт-Петербурга, предоставленные менеджерами одной из дистрибьюторских компаний.

Доставка грузов осуществляется 110 клиентам территориально расположенным в Московском и Фрунзенском районах города Санкт-Петербурга. Обслуживание клиентов осуществляется с двух складов:

- РЦ «Центр», расположенного по адресу: Санкт-Петербург, Московский пр, д. 65;

- РЦ «Сервис», расположенного по адресу: Санкт-Петербург, 4-й Предпортовый пр-д, д. 5.

Фирма не 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».

3. Первый вариант алгоритма планирования доставки мелкопартионных грузов (см. рис. 1). 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 [15].

4. Второй вариант алгоритма планирования доставки мелкопартионных грузов (см. рис. 2). 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.

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

мелкопартионных грузов и решения задачи линейного программирования о раскладке заказов по транспортным средствам.

Результаты вычислительного эксперимента

№ п/п Параметр/ Показатель для сравнения Базовый вариант Применение ДК / Вариант Вариант 3: Кластеризация ^ ТЗ ^ ДК ^ методика Шапиро Вариант 4: ТЗ ^ Кластеризац ия ^ ДК ^ методика Шапиро Вариант 5: ТЗ ^ Кластериз ация ^ ЛП ^ ДК

2.1. «Начинать с отдаленны х точек» 2.2. «Выбират ь попутные заказы» 2.3. «Определят ь дальние направления » 2.4. «Искать самые выгодные совмещени я»

1 Суммарные транспортные издержки, руб., в том числе: 53200 43200 44000 38000 41600 38000 28000 30800

по группе клиентов «Центр» 18400 22000 16400 19200 16400 13600 13600

по группе клиентов «Сервис» 24800 22000 21600 22400 21600 14400 17200

2 Общее число задействованных единиц ТС, из них: 17 14 14 12 13 12 8 9

Газель г/п 1500 кг 7 7 6 5 4 5 1 1

ГАЗ г/п 2500 кг 6 4 4 3 5 3 0 2

ГАЗ г/п 4500 кг 4 3 4 4 4 4 7 6

3 Суммарное время движения ТС по маршрутам, ч 57,94 56,26 56,09 54,96 56,09 53,89 54,56

4 Суммарное расстояние, пройденное ТС, км 356,5 313,2 256,3 268,6 256,3 233,2 266,0

5 Общий объем перевезенного груза, кг 29357,2 29357,2 29357,2 29357,2 29357,2 29357,2 29357,2 29357,2

6 Провозная способность подвижного состава, кг 43500 34000 37000 33000 36500 33000 33000 33500

7 Коэффициент использования грузоподъемности 0,67 0,86 0,79 0,89 0,80 0,89 0,89 0,88

Улучшение в % по отношению к базовому варианту / наихудшему варианту

№ п/п Параметр/ Показатель для сравнения Базовый вариант Применение ДК / Вариант Вариант 3: Кластеризац ия —— ТЗ —— ДК — методика Шапиро Вариант 4: ТЗ — Кластеризац ия — ДК — методика Шапиро Вариант 5: ТЗ — Кластериза ция — ЛП — ДК

2.1. «Начинать с отдаленны х точек» 2.2. «Выбират ь попутные заказы» 2.3. «Определят ь дальние направления » 2.4. «Искать самые выгодные совмещени я»

1 Суммарные транспортные издержки, руб. - 18,8 17,3 28,6 21,8 28,6 47,4 42,1

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

2 Общее число задействованных единиц ТС - 17,6 17,6 29,4 23,5 29,4 52,9 47,1

3 Суммарное время движения ТС по маршрутам, ч - - 2,9 3,2 5,1 3,2 7,0 5,8

4 Суммарное расстояние, пройденное ТС, км - - 12,1 28,1 24,7 28,1 34,6 25,4

5 Провозная способность подвижного состава, кг - 21,8 14,9 24,1 16,1 24,1 24,1 23,0

6 Коэффициент использования грузоподъемности - 27,9 17,6 31,8 19,2 31,8 31,8 29,9

Примечание. 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. В ряде работ подробно рассматривается методика решения отдельных задач планирования доставки мелкопартионных грузов в условиях крупного города. Например, в работах [8, 9] рассмотрена постановка задачи о раскладке заказов по транспортным средствам при мелкопартионных перевозках, в работах [1, 6] -планирование доставки мелкопартионных грузов средствами Деловой карты, в сочетании с унифицированной методикой оптимизации маршрутов, предложенной Дж. Шапиро.

Анализ результатов 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. 1 и 2.

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. 3). 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.

□ Газель г/п 1500 кг ІШГАЗ г/п 2500 кг ШГАЗ г/п 4500 кг □ Общее количество

Рис. 3. 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.

Вариант 4 дает сравнительно лучшие результаты по всем рассматриваемым показателям потому, что здесь были более точно определены зоны обслуживания РЦ методом к-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.

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.

ЛИТЕРАТУРА

1. Бочкарев А.А. Унифицированная методика оптимизации маршрутов в цепях поставки товаров / А.А. Бочкарев // Логистика сегодня. 2004. № 2. С. 36-42.

2. 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, 2004. С. 2729.

3. Бочкарев А.А. Анализ программных продуктов для оптимальной маршрутизации перевозок грузов / А.А. Бочкарев // Логистика и управление цепями поставок. 2005. № 5 (10). 2005. С. 16-20.

4. 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, 2006. С. 29-34.

5. 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, 2006. Т. 1. С. 64-68.

6. Бочкарев А.А. Планирование и моделирование цепи поставок / А.А. Бочкарев. М.: Альфа-Пресс, 2008. 192 с.

7. 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, 2005. С. 30-33.

8. Бочкарев А.А. Решение задачи о назначениях в управлении цепями поставок мелкопартионных грузов / А.А. Бочкарев, Д.В. Горбатенко // Логистика сегодня. 2004. № 5. С. 12-19.

9. Васильев И.Л. Локальная задача обеспечения поставок мелкопартионных грузов / И. Л. Васильев, А.А. Бочкарев // Вестник ИНЖЭКОНА: Серия «Экономика». 2005. Вып. 4 (9). С. 230-234.

10. Витвицкий Е.Е. Развозочно-сборные автотранспортные системы перевозки грузов: монография / Е.Е. Витвицкий. Омск: Вариант-Сибирь, 2003. 274 с.

11. Лукинский В.С. Транспортная логистика: общий алгоритм планирования

грузовых автомобильных перевозок / В.С. Лукинский, И. А. Пластуняк, И. А. Цвиринько // Вестник ИНЖЭКОНА: Серия «Экономика». 2003. Вып. 1. С. 89-99.

12. Мочалин С.М. Научные основы совершенствования теории автомобильных перевозок по радиальным маршрутам: монография / С.М. Мочалин. Омск: Вариант-Сибирь, 2003. 246 с.

13. Мочалин С. М. Методика расчета потребности в транспортных средствах в автотранспортных системах доставки грузов / С. М. Мочалин // Вестник ОГУ. 2004. Вып. 4. С. 156-160.

14. Проектирование автотранспортных систем доставки грузов / В.И. Николин, С.М. Мочалин, Е.Е. Витвицкий, И.В. Николин; под ред. В.И. Николина. Омск: Изд-во СибАДИ, 2001. 184 с.

15. Шапиро Дж. Моделирование цепи поставок / Дж. Шапиро; пер. с англ. под ред.

В.С. Лукинского. СПб.: Питер, 2006. 720 с.

Бочкарев Андрей Александрович -

кандидат экономических наук, доцент кафедры «Логистика и организация перевозок»

Санкт-Петербургского государственного инженерно-экономического университета

Клочков Виктор Николаевич -

доктор экономических наук, профессор, заведующий кафедрой «Организация перевозок и управление на транспорте»

Саратовского государственного технического университета

Bochkaryov Andrey Aleksandrovich -

Candidate of Economical Sciences, Assistant Professor of the Department of «Logistics and transportation organization» of St-Petersburg State Economical and Technical University

Klochkov Victor Nikolayevich -

Doctor of Economical Sciences,

Professor, Head of the Department of «Organization of transportation and management on transport» of Saratov State Technical University

Статья поступила в редакцию 20.05.08, принята к опубликованию 29.07.08

i Надоели баннеры? Вы всегда можете отключить рекламу.