Математические и инструментальные средства обеспечения Интеллектуальной системы поддержки принятия решений при управлении грузопотоками
- Авторы: Болодурина И.П.1, Спешилов Е.А.1,2
- Учреждения:
- Оренбургский государственный университет
- Оренбургский филиал Института экономики УрО РАН
- Выпуск: № 2 (2023)
- Страницы: 93-107
- Раздел: Статьи
- URL: https://ered.pstu.ru/index.php/amcs/article/view/3841
- DOI: https://doi.org/10.15593/2499-9873/2023.2.09
- Цитировать
Аннотация
В сложившихся геополитических и экономических условиях особенно остро стоит вопрос принятия оперативных управленческих решений для эффективного функционирования предприятий страны с учетом организационных и технологических особенностей, а также возрастающих уровней риска и неопределенности, связанных в том числе с необходимостью обработки потоков специфической быстро меняющейся информации. В этом отношении все большую популярность приобретают интеллектуальные системы поддержки принятия решений, содержащие модули сбора, обработки и моделирования формализованных данных и носящие как универсальный характер, так и адаптационный под конкретный круг вопросов, актуальных для некоторой группы или даже отдельно взятого предприятия. Целью представленного исследования являлась разработка такого рода системы при управлении грузопотоками. На основе проведенного анализа предлагается разработанная интеллектуальная система поддержки принятия решений, применяемая для повышения эффективности процесса управления грузопотоками. Описаны ее основные блоки и их логическая взаимосвязь. Математическое обеспечение состоит из комплекса адаптированных под отдельные модули классических моделей, а также разработанных обобщенных моделей планирования и размещения грузов. При формировании набора альтернативных маршрутов используются «Яндекс-карты». Для автоматизации выбора маршрута грузоперевозок применяются расчетные алгоритмы правил нечеткой логики, реализованные в среде Yandex DataLens. Основное внимание уделено подсистеме управления процессом грузоперевозок. Представлена обобщенная функциональная схема цифровизации формирования путевых листов и контроля, а также блок-схема алгоритма, положенного в основу разработанного и внедренного на ряде предприятий программного продукта, автоматизирующего процесс заполнения путевых листов с учетом специфики автопарка и выбранных маршрутов. В пределах синтеза структуры и алгоритма работы интеллектуальной системы, позволяющей оптимизировать процесс организации перевозки грузов, проведена апробация отдельных предлагаемых модулей и подходов, показавшая повышение эффективности формирования и выбора маршрутов при организации грузопотоков, снижение времени на поиск оперативного решения, а также затрат на перевозку и контроль движения груза в условиях возникающих проблем, связанных со случайными факторами. Интеллектуальная система поддержки принятия решений ориентирована на малые фирмы, а также предприятия, занятые, помимо прочего, также и организацией перевозки грузов посредством своего автотранспорта, так как именно они находятся в большей зоне риска, чем крупные компании, основной экономической деятельностью которых является оказание услуг по грузоперевозкам, имеющие широкую сеть представительств, логистических центров и состав транспортных средств.
Полный текст
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.Об авторах
И. П. Болодурина
Оренбургский государственный университет
Е. А. Спешилов
Оренбургский государственный университет; Оренбургский филиал Института экономики УрО РАН
Список литературы
- 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.
Статистика
Просмотры
Аннотация - 136
PDF (Russian) - 137
Ссылки
- Ссылки не определены.