Mathematical and instrumental means of providing an intelligent decision support system for cargo traffic management
- Authors: Bolodurina I.P.1, Speshilov E.A.1,2
- Affiliations:
- Orenburg State University
- Orenburg Branch of the Institute of Economics of the Ural Branch of the Russian Academy of Sciences
- Issue: No 2 (2023)
- Pages: 93-107
- Section: ARTICLES
- URL: https://ered.pstu.ru/index.php/amcs/article/view/3841
- DOI: https://doi.org/10.15593/2499-9873/2023.2.09
- Cite item
Abstract
In the current geopolitical and economic conditions, the issue of making operational management decisions for the effective functioning of the country's enterprises is particularly acute, taking into account organizational and technological features, as well as increasing levels of risk and uncertainty associated, among other things, with the need to process flows of specific rapidly changing information. In this regard, intelligent decision support systems are becoming increasingly popular, containing modules for collecting, processing and modeling formalized data and having both a universal character and adaptation to a specific range of issues relevant to a certain group or even a single enterprise. The purpose of the presented study was to develop such a system for managing cargo flows. Based on the analysis, the developed intelligent decision support system is proposed, which is used to improve the efficiency of the cargo flow management process. Its main blocks and their logical relationship are described. The mathematical support consists of a complex of classical models adapted to individual modules, as well as developed generalized models of cargo planning and placement. When forming a set of alternative routes, Yandex Maps are used. To automate the selection of the cargo transportation route, algorithms of fuzzy logic rules are used, with the implementation of calculations in the Yandex DataLens environment. The main attention is paid to the subsystem of cargo transportation process management. A generalized functional scheme of digitalization of the formation of waybills and control is presented, as well as a block diagram of the algorithm based on a software product developed and implemented at a number of enterprises that automates the process of filling out waybills, taking into account the specifics of the fleet and selected routes. Within the framework of the synthesis of the structure and algorithm of the intelligent system, which allows to optimize the process of organizing cargo transportation, the approbation of individual proposed modules and approaches was carried out, which showed an increase in the efficiency of forming and choosing routes for organizing cargo flows, reducing the time to find an operational solution, as well as the costs of transportation and control of cargo movement in the conditions of emerging problems associated with accidental factors. The intelligent decision support system is aimed at small firms, as well as enterprises engaged, among other things, also in the organization of cargo transportation by means of their vehicles, since they are in a greater risk zone than large companies whose main economic activity is the provision of cargo transportation services and having a wide network of representative offices, logistics centers and the composition of vehicles.
Full Text
Транспортно-логистический комплекс играет одну из ведущих ролей в развитии экономики любой страны. В России транспортная отрасль вносит стабильный вклад и обеспечивает до 7 % ВВП [1], кроме того, важным элементом функционирования широкого круга предприятий различной отраслевой принадлежности является организация логистических процессов (как внешнего, так и внутреннего характера), в том числе связанных с управлением грузопотоками. Главная задача транспортной логистики заключается в обеспечении доставки груза(в неповрежденном состоянии) в определенное место с учетом заявленного временного отрезка, причем с наименьшими финансовыми затратами. Активное развитие отечественного рынка услуг в сфере транспортировки грузов (в соответствии с мировыми тенденциями) за последнее время привело к увеличению числа крупных транспортных компаний. Однако, согласно исследованию Всемирного банка, Россия входит в первую пятерку в мире по протяженности путей и занимает 75-е место по индексу эффективности логистики [2]. Исторически ведущая роль относительно грузоперевозок отводилась железнодорожному транспорту, но в последнее время увеличение протяженности и качества автомобильных дорог дало возможность более эффективного использования комбинированных логистических маршрутов, что приобрело особую актуальность в свете сложившихся на сегодняшний день неблагоприятных геополитических условий и санкционной политики.В результате поиск оптимального сочетания всех видов материальных затрат (особенно для маршрутизации транспортных средств при мультимодальных перевозках [3]) с временными ограничениями ставит перед организациями задачу оптимизации управления грузопотоками, что, в свою очередь, требует разработки соответствующих систем поддержки принятия решений, реализуемых в условиях цифровой трансформации ряда процессов организационно-экономического и технологического характеров [4]. Выше было отмечено, что в последнее время наблюдается укрупнение компаний, занятых грузоперевозками. Это имеет отношение к тем их них, у кого данный вид деятельности заявлен в качестве основного. Однако существует большое количество малых предприятий, стремящихся с целью обеспечения конкуренции оказывать более гибкий набор услуг, а также вынужденных в рамках производственной деятельности решать вопросы перевозки грузов силами своего автопарка. Одна из возникающих проблем в этом случае заключается в выборе оптимального маршрута, что является многокритериальной задачей, которую лицу, принимающему решения (ЛПР), следует рассматривать с учетом применения декомпозиционных подходов и автоматизации, основанной на использовании математических методов и программных средств. В фирме при организации документооборота, относящегося к заполнению путевых листов и контролю выполнения работ, также эффективно применение автоматизированных информационных технологий. В обоих случаях необходимо оперировать качественной достоверной информацией, поступающей от различных источников логистической системы на каждом этапе ее функционирования. ЛПР, опираясь на такого рода фактические данные, может сделать верные выводы и принять обоснованные решения. Искажение же информации, причем даже незначительное, ведет к снижению эффективности управления, а значит и влияет на издержки и прибыль компании. В этом случае актуально вести речь о разработке и внедрении в процессы управления грузопотоками автоматизированных, экспертных и интеллектуальных систем [5], реализованных посредством современного программного обеспечения и цифровых технологий, направленных на поддержку принятия решений.About the authors
I. P. Bolodurina
Orenburg State University
E. A. Speshilov
Orenburg State University; Orenburg Branch of the Institute of Economics of the Ural Branch of the Russian Academy of Sciences
References
- Дитрих Е.И. Транспортная отрасль обеспечивает до 7 % ВВП России // Отраслевой журнал Вестник. - 2020. - № 3-4 (120-121). - С. 124-125.
- Состояние и перспективы развития отрасли грузоперевозок, итоги 2021 года [Электронный ресурс] // Официальный сайт РУКОН АФК. - URL: http://afk.rukon.ru/analitika/post-1568/?ysclid=le5o5hnitf803761046 (дата обращения: 15.02.2023).
- Меркулова И.П. Мультимодальные перевозки в России: опыт, проблемы, перспективы [Электронный ресурс] // Молодая наука Сибири: электрон. науч. журн. - 2018. - № 2. - URL: http://mnv.irgups.ru/toma/22-2018 (дата обращения: 30.01.2023).
- Спешилова Н.В., Спешилов Е.А. Анализ состояния транспортной отрасли и проблемы развития логистических систем в России в условиях цифровизации // Экономика и предпринимательство. - 2022. - № 2 (139). - С. 670-674.
- Application of Intelligent Algorithms for the Development of a Virtual Automated Planning Assistant for the Optimal Tourist Travel Route / N. Yanishevskaya, L. Kuznetsova, K. Lokhacheva, L. Zabrodina, D. Parfenov, I. Bolodurina // Advances in Intelligent Systems and Computing, 2020. - Vol. 1126: AISC 2020: Proceedings of the 3rd International Conference of Artificial Intelligence, Medical Engineering, Education, AIMEE 2019, 1-3 October 2019, Moscow, Russian Federation / eds: Z. Hu, S. Petoukhov, M. He. - Electronic data. - P. 13-22.
- Тарасенко Е.А., Карх Д.А., Тяпухин А.П. Управление логистическими системами: монография. - М.: Издательство "КноРус", 2021. - 156 с.
- Структура государственной программы Российской Федерации "Развитие транспортной системы" в 2021-2024 годах [Электронный ресурс] // Постановление Правительства РФ от 30 марта 2021 г. № 483 "О внесении изменений в государственную программу Российской Федерации "Развитие транспортной системы". - URL: https://base.garant.ru/400697145/?ysclid=leva24tron485061134 (дата обращения: 15.02.2023).
- Экономико-математические методы и модели в принятии оптимальных решений: учеб.пособие / Н.В. Спешилова, Е.В. Шеврина, О.А. Корабейникова и др.; под общ. ред. проф. Н.В. Спешиловой. - 2-е изд., испр. и доп. - М.: Издательство "Омега-Л"; Оренбург: Издательский центр ОГАУ, 2015. - 396 с.
- Козлов П.А., Владимирская И.П. Методы оптимизации взаимодействия железнодорожного и морского транспорта // Транспорт Российской Федерации. - 2009. - № 1 (2). - С. 53-55.
- Буянова, Л.Н., Королева Е.А. Инновационные подходы к управлению грузопотоками на водном транспорте // Транспортное дело России. - 2017. - № 5. - С. 49-51.
- Спешилов Е.А. Анализ данных, автоматизация и имитационное моделирование при управлении грузоперевозками в условиях неопределенности // Материалы международной научно-практической конференции "Цифровая трансформация социальных и экономических систем" (Москва, 27 января 2023 года). - М.: изд. ЧОУВО Изд-во "МУ им. С.Ю. Витте", 2023. - С. 582-587.
- Болодурина И.П., Нугуманова А.А. Фильтр Винера как метод вторичной обработки информации с системы ГЛОНАСС // Интеллект. Инновации. Инвестиции. - 2016. - № 8. - С. 79-83.
- Отчет по Государственному контракту № УД-47/261 от 07.10.2009 г., на выполнение НИР по проекту: "Разработка концепции создания интеллектуальной транспортной системы на автомобильных дорогах федерального значения" [Электронный ресурс]. - URL: https://100-bal.ru/sport/230165/index.html (дата обращения: 22.02.2023).
- Молоканова А.В. Тенденции развития систем управления транспортировками (TMS) [Электронный ресурс] // Молодой исследователь дона. - 2018. - № 6 (15). - С. 44-47. - URL: https://cyberleninka.ru/article/n/tendentsii-razvitiya-sistem-upravleniya-transportirovkami-tms?ysclid=lev8medxur547338428 (дата обращения: 22.02.2023).
- Лахин О.И. Особенности постановки задачи планирования программы полета и грузопотока российского сегмента международной космической станции // Вестник Самарского государственного технического университета. Серия: Технические науки. - 2015. - Т. 23, № 3. - С. 32-46.
- Трипкош В.А., Спешилов Е.А. Модельное представление организации грузопотоков транспортной компании в рамках реализации логистической стратегии // Сборник материалов X Всероссийской конференции с международным участием "Компьютерная интеграция производства и ИПИ-технологии" (Оренбург, 18-19 ноября 2021 года). - Оренбург, 2021. - С. 385-389.
- Буркатовская Ю.Б. Теория графов [Электронный ресурс]. - URL: https://portal.tpu.ru/SHARED/t/TRACEY/Courses/DisMath/Tab/Теория%20графов.pdf (дата обращения: 12.01.2023).
- Курманова Е.Л. 3PL-провайдер - основа становления рынка транспортно-логистических услуг // Вестник университета. - 2013. - № 2. - С. 61-64.
- Андрейчиков А.В., Андрейчикова О.Н. Анализ, синтез, планирование решений в экономике. - М.: Финансы и статистика, 2000. - 368 с.
- Якубов А.Р. Алгоритмизация систем оперативного управления транспортно-технологическими комплексами и ее применение на карьерах: автореф. дис. … канд. техн. наук. Ташкент, 1984 [Электронный ресурс]. - URL: https://www.dissercat.com/content/algoritmizatsiya-sistem-operativnogo-upravleniya-transportno-tekhnologicheskimi-komleksami-i (дата обращения 12.01.2023).
- ПутевойЛист / В.Н. Шепель, Р.Р. Рахматуллин, В.А. Трипкош, Е.А. Спешилов // Свидетельство об официальной регистрации программы для ЭВМ, № 2021660670, Роспатент, 30.06.2021.
Statistics
Views
Abstract - 136
PDF (Russian) - 137
Refbacks
- There are currently no refbacks.