книги2 / 2022_IV_Mezhd_studencheskoj_konferencii

Таблица 1 – Процессы ПВЗ

Процессы внутри ПВЗ можно рассматривать как «полностью логистические», то есть с точки зрения потока грузов и сопроводительной документации. Схематическое изображение потоков представлено на DFDдиаграммах на рисунках 1 и 2.

Рисунок 1 – Поток груза «от курьера к клиенту»

51

Рисунок 2 – Поток груза «от клиента к курьеру»

Однако имеет смысл учитывать не только состояния груза и/или параметры, связанные с его доставкой. Также важны особенности сферы услуг, в которой первоочередными принципами архитектуры предприятия, обуславливающими успешность и развитие компании, являются:

Ориентированность на клиента;

Эффективность бизнеса;

Квалификация персонала.

То есть нужно рассматривать поток груза с учетом его взаимодействия с главными участниками процесса: клиент, менеджер, кладовщик, курьер и т.д. Тем самым оптимизация процессов будет подчиняться законам не только транспортной логистики, но и логистики услуг.

На основе такого рассмотрения оптимизируются параметры, имеющие отношение непосредственно к потоку груза: объем мест хранения, время хранения, количество отправлений, скорость обработки посылок, структура сопроводительной документации и т.д. Но вместе с тем учитываются «нечеткие» параметры: удовлетворенность клиентов, качество обслуживания, степень загруженности сотрудников и т.д. Возможные методы такой оптимизации:

Распределенная много-агентная среда POVES – для регуляции количества отправлений и скорости доставки [4];

Автономные транспортные парки «SNDAVP» – для управления скоростью доставки, количеством одновременно выполняемых операций [5];

Цифровой двойник OPTSORT – для максимизации пропускной способности сортировочного терминала [6];

Системы хранения «на основе головоломок» PBSSs – минимизация занятого пространства на складе [7];

Комбинаторные методы планирования – оптимизация затрат на доставку груза [8]

52

Симулятор MODUMS – для управления процессами в реальном времени [9];

Модель массового обслуживания – для оптимизации времени обслуживания и очередей [10];

Множество методов анализа временных затрат: поточная диаграмма процесса, график Ганта, хронометраж и т.д. [11].

Пример использования модели массового обслуживания для оптимизации деятельности пункта выдачи и приема заказов

Для наглядной демонстрации оптимизации рассмотрим модель массового обслуживания (ММО) на примере пункта выдачи и приема заказов воронежского подразделения франшизы «СДЭК». Этот метод удобен тем, что не требует использования сложных программных кодов и доступен для реализации в программе Excel и подобным ей.

Для анализа деятельности сотрудников клиентского отдела (КЛО) определим: из наблюдения – основные операции и среднее время на каждую операцию (таблица 2), из внутренней отчетности организации – ежедневное количество операций в течение месяца (таблица 3).

Таблица 2 – Основные операции специалиста КЛО и время на их выполнение

Поскольку в подразделении одновременно работает несколько специалистов, поток людей на обслуживание является неравномерным и возможно образование очереди, то для моделирования деятельности специалистов КЛО используем многоканальную ММО с неограниченной очередью, схема которой представлена на рисунке 3 [12, c. 48]. За основу используем тот факт, что все каналы обслуживания на пункте выдачи (в данном случае их 3) имеют общую очередь, из которой клиент может пройти к любому сотруднику по любому вопросу.

53

Рисунок 3 – Многоканальная модель массового обслуживания с неограниченной очередью

Таблица 3 – Количество операций КЛО в течение месяца

54

Рассчитаем основные показатели указанной модели на основе соответствующих формул [12, с. 48 – 49], [13, c. 363 – 369]. Результаты расчетов представлены в таблице 4.

Таблица 4 – Основные показатели модели массового обслуживания для существующей организации деятельности клиентского отдела

Из полученных результатов можно сделать следующие выводы:

Среднее число занятых каналов (2,555 из 3) и среднее время простоя канала (18,76 мин) свидетельствуют о значительной загруженности сотрудников клиентского отдела, что влечет за собой их истощение и недовольство рабочими условиями (то есть снижение мотивации вплоть до увольнения), а для руководителя подразделения еще и недостаток времени в исполнении своих основных функций;

55

В случае сбоя компьютерной программы сотрудник клиентского отдела не сможет выполнять свою работу, будет простой, приводящий к дополнительным задержкам;

Из-за загруженности сотрудники клиентского отдела практически не могут найти время для необходимого обучения и чтения инструкций;

Среднее время ожидания в очереди (7,369 мин) и длина очереди (4, 217 чел.) высоки, что может повлечь за собой недовольство работой организации со стороны клиентов.

Для оптимизации работы клиентского отдела предлагается:

найм еще одного сотрудника (то есть увеличение штата сотрудников клиентского отдела до 4 человек);

изменение графика для двоих сотрудников на «2/2» по 11 часов;

перераспределение обязанностей (в смене будет работать только один человек «кассир», ответственный за кассовые операции, а в промежутках между ними – сообщения в разделах ответов-запросов, телефонные звонки, выдача груза клиентам), чтобы остальные сотрудники «менеджеры» сосредоточились непосредственно на работе с клиентами;

в случае загруженности одного из каналов обслуживания канал другого типа берет часть клиентов, пока ситуация не урегулируется.

В таблице 5 представлены значения тех же показателей, но с учетом разделения потоков клиентов.

Таблица 5 – Основные показатели модели массового обслуживания после оптимизации деятельности клиентского отдела

56

При сравнении значений показателей в таблицах 4 и 5 можно наблюдать следующий эффект от оптимизации:

Уменьшение вероятности образования очереди;

Уменьшение среднего времени ожидания оказания услуги;

Уменьшение длины очереди;

Увеличение свободного времени сотрудников. Преимущества данного оптимизационного подхода:

Разгрузка специалистов, особенно руководителя подразделения;

Разделение ролей специалиста по работе с клиентами и специалиста по бухгалтерской отчетности, что создает параллельное течение производственных процессов и лучшее обслуживание клиентов специалистами КЛО;

Разделение ролей внесет ясность в выполняемые обязанности работников и упростит их обучение;

Лучший контроль за финансовыми операциями, ограничение доступа к кассе;

В случае болезни или увольнения одного из сотрудников возможен временный выход другого на его смену, что не допустит простоя системы;

У сотрудников остается время для обучения и чтения инструкций, что повысит их навыки в работе;

Общая разгрузка занятости и наличие большего времени для обучения повышает удовлетворенность сотрудников своей работой и снижает риск их увольнения;

Выполнение основной работы без спешки, повышение внимательности;

Удовлетворенность клиентов от качественного обслуживания и малого времени ожидания;

Отсутствие толпы в помещении.

Альтернативой данного подхода является добавление нового сотрудника клиентского отдела без изменения графика работы, то есть увеличение штата работающих одновременно сотрудников до четырех человек. Однако есть один существенный недостаток. ПВЗ работает каждый день без выходных, следовательно, придется дополнительно нанимать не одного, а нескольких людей для обеспечения постоянной

57

наполняемости работающего штата до четырех человек. При этом попрежнему будет наблюдаться смешение должностных обязанностей.

Таким образом, на основании модели массового обслуживание предложено решение оптимизационной задачи о снижении рисков, связанных с работой клиентского отдела, с выходом на продвижение организации и повышение качества обслуживания клиентов, но при этом существуют издержки в виде повышения заработной платы сотрудников из-за добавления нового участника процессов.

Заключение В современных сложных экономических и политических условиях

логистическим компаниям приходится значительно изменять организацию своих внутренних процессов, чтобы удержать позиции на рынке и оптимизировать свою деятельность. Существует множество методов оптимизации, удовлетворяющим запросам компаний и внешней среды. Но для логистических компаний следует использовать такие методы, которые бы учитывали не только специфику потока грузов, товаров и документов, но и особенности логистики услуг, предполагающие взаимодействие с клиентами и специальные квалификации сотрудников. Один из них – модель массового обслуживания – является достаточно простым, но вместе с тем эффективным примером такой оптимизации, что подтверждается приведенным примером в данной статье.

Список использованных источников:

1.Хокон А. В. Особенности развития транспортной логистики в России и в мире / А. В. Хокон, М. Н. Поддубная // Journal of Economy and

Business. – 2021. – № 6-2 (76). – С. 237-239.

2.Покровская О. Д. Логистические транспортные системы России в условиях новых санкций / О. Д. Покровская // Бюллетень результатов научных исследований. – 2022. – Вып. 1. – С. 80-94.

3.Прусова В. И. Проблемы логистических компаний в условиях несталбильной экономики / В. И. Прусова, А. О. Тимофеева, А. С. Бутылкина // Journal of Economy and Business. – 2020. – № 12-2 (70). – С. 238-242.

4.Muhammad Ali Memon. A Multi-Agent Distributed Framework for Collaborative Transportation Planning / Muhammad Ali Memon, Bernard Archimede // 7th IFAC Conference on Manufacturing Modelling, Management, and Control, International Federation of Automatic Control, Saint Petersburg, Russia, June 19-21, 2013, pp. 1370-1375.

5.Yannick Oskar Scherr. Service network design for same day delivery with mixed autonomous fleets / Yannick Oskar Scherr, Bruno Albert NeumannSaavedra, Mike Hewitt, Dirk Christian Mattfeld // Transportation Research Procedia, 2018, 30, pp. 23-32.

58

6.Supratim Ghosh. A simulation driven optimization algorithm for scheduling sorting center operations / Supratim Ghosh, Aritra Pal, Prashant Kumar, Ankush Ojha, Aditya A. Paranjape, Souvik Barat, Harshad Khadilkar // Winter Simulation Conference, 2021.

7.Yang Zou. A heuristic method for load retrievals route programming in puzzle-based storage systems / Yang Zou, Mingyao Qi // Graduate School at Shenzhen, 2021.

8.Valentyn M. Yanchuk. Mathematical simulation of package delivery optimization using a combination of carriers / Valentyn M. Yanchuk, Andrii G. Tkachuk, Dmitry S. Antoniuk, Tetiana A. Vakaliuk, and Anna A. Humeniuk // International Conference on Machine Learning Techniques and NLP, 2021, vol. 10, n.12, pp. 45-55.

9.Rafik Makhloufia. Simulation of mutualized urban logistics systems with real-time management / Rafik Makhloufia, Diego Cattaruzzab, Frédéric

Meuniera, Nabil Absib, Dominique Feillet // Transportation Research Procedia, 2015, n. 6, pp. 365 – 376.

10.Sander Peters. Fast and accurate quantitative business process analysis using feature complete queueing models / Sander Peters, Yoav Kerner, Remco Dijkman, Ivo Adan, Paul Grefen. Information Systems, 2022, 104, pp. 1-17.

11.Чучкалова Е. И. Методы изучения потерь и непроизводительных затрат времени в социальной сфере / Е. И. Чучкалова, А. А. Маукенова, А. И. Данилина // Актуальные проблемы гуманитарных и естественных наук. – 2015. – №3-1. – С. 258-262.

12.Солнышкина, И. В. Теория систем массового обслуживания: учеб. пособие / И. В. Солнышкина. – Комсомольск-на-Амуре: ФГБОУ ВПО

«КнАГТУ», 2015. – 76 с.

13.Фомин, Г. П. Экономико-математические методы и модели в коммерческой деятельности: учебник / Г. П. Фомин. – Москва: Юрайт,

2013. – 462 с.

59

УДК 005.21:338.2

© М.А. Дуняшина, И.Ш. Сайфетдинов, И.Е. Ткачук, И.Р. Хакимов, А.А. Шамагулов, А.К. Завалишина, 2022

Основные механизмы развития стратегии структурной политики в Свердловской области и ее проектная реализация

М.А. Дуняшина, И.Ш. Сайфетдинов, И.Е. Ткачук, И.Р. Хакимов, А.А. Шамагулов студенты 4 курса специалитет ИРИТ-РтФ УрФУ, Екатеринбург

E-mail: shamaguloff@gmail.com

А.К. Завалишина ассистент кафедры финансового менеджмента НИЯУ МИФИ, Москва

E-mail: akzavalishina@gmail.com

Аннотация: В статье рассмотрены основные действующие и перспективные механизмы реализации структурной политики в Свердловской области, финансовые меры поддержки. Представлены проекты их реализации внутри региона.

Ключевые слова: Свердловская область; структурная политика; индустриальная политика; экономика промышленного типа; стратегия промышленного инновационного развития

Main mechanisms for the development of the structural policy strategy in the Sverdlovsk region and its project implementation

Abstract: the article discusses the main current and prospective mechanisms for implementing structural policy in the Sverdlovsk region, financial support measures. Projects for their implementation within the region are presented.

Keywords: Sverdlovsk region; structural policy; industrial policy; economy of industrial type; strategy of industrial innovative development

Введение

ВСвердловской области всегда была и преобладала экономика индустриального типа. В таких условиях в сфере промышленности аккумулируется большая часть созданной добавленной стоимости.

Вданный момент реализация структурной политики в Свердловской области осуществляется в связи с постановлением от 28.06.2019 “Об утверждении стратегии промышленного инновационного развития Свердловской области до 2035 года”, которая, согласно «Пятилетке развития Свердловской области» на 2017–2021 годы, от 31.10.2017

60