3. Совершенствование процесса прогнозирования перевозок

   1. Разработка модели прогнозирования объемов погрузки по маршрутам

Разработка модели прогнозирования объемов погрузки нефтепродуктов по маршрутам является основным элементом совершенствования процесса планирования перевозок в транспортно–логистической группе «Трасойл».

Действующих подход не предусматривает маршрутного разделения прогнозов и не учитывает сезонную специфику отдельных направлений, что порождает систематической расхождение между плановыми и фактическими объемами погрузки.

В качестве объекта моделирования выбран маршрут Кириши–Лужская (Усть–Луга) являющийся крупнейшим маршрутом в сети транспортно–логистической группы «Трансойл» с годовым объемом погрузки свыше 7 тысяч тонн. Маршрут представляет направление Северо–Запад и характеризует экспортные перевозки мазута и светлых нефтепродуктов через балтийские портовые терминалы. Выбор данного маршрута обусловлен полнотой и достаточностью исходных данных для построения и верификации прогнозной модели.

Исходными данными для разработки модели послужили внутренние данные транспортно–логистической группы «Трансойл» об объемах фактической погрузки нефтепродуктов по маршруту Кириши–Лужская (Усть–Луга) за период с 2023 по 2025 год. Данные представлены в помесячном разрезе по трем видам груза, таким как мазут, бензин нефтяной и нефрас. Данные за 2023 – 2024 годы использованы в качестве обучающей выборки, данные за 2025 год использованы для верификации модели. В таблице 20 представлены объемы погрузки нефтепродуктов по маршруту Кириши–Лужская.

Таблица 20 – Объем погрузки нефтепродуктов по маршруту Кириши–Лужская

Месяц	2023 год, тысяч тонн	2024 год, тысяч тонн	2025 год, тысяч тонн
Январь	726,6	751,1	702
Февраль	683,4	734,7	632,2
Март	632,6	593,8	671,4
Апрель	568,2	529,4	607
Май	580,5	561,7	559,2
Июнь	474,4	527,9	420,9
Июль	494	507,1	480,9
Август	733,9	646,6	821,1
Сентябрь	616,8	507,4	726,3
Октябрь	627,6	640,6	614,7
Ноябрь	668,3	665,4	671,1
Декабрь	707,6	713,2	702
Итого	7513,9	7378,9	7645,8

Источник: составлено автором на основе [19]

Данные в таблице 20 показывают, что за трехлетний период совокупный годовой объем погрузки на маршруте варьировался в диапазон от 7379 до 7648,9 тысяч тонн с 2024 по 2025 год, что говорит об относительной стабильности грузопотока при выраженной внутригодовой неравномерности. Сопоставление помесячных значений выявляет устойчивый сезонный профиль в виде повышенной активной погрузки, фиксируемой в зимние месяцы и в августе, тогда как июнь и июль характеризуются минимальными значениям в году.

Для формализации сезонной структуры рассчитаны сезонные индексы маршрута на основе средних значений объемов погрузки за 2023–2024 годы. Сезонный индекс представляет собой отношение среднего объема погрузки в конкретном месяце к среднемесячному объему за год и характеризует относительную интенсивность грузопотока в каждом периоде. В таблице 21 приведены сезонные индексы объема погрузки по маршруту Кириши–Лужская.

Таблица 21 – Сезонные индексы объема погрузки по маршруту Кириши–Лужская

Месяц	Средний объем 2023–2024, тысяч тонн	Сезонный индекс
Январь	738,8	1,191
Февраль	709,1	1,143
Март	613,2	0,988
Апрель	548,8	0,884
Май	571,1	0,920
Июнь	501,2	0,808
Июль	500,6	0,807
Август	690,3	1,112
Сентябрь	562,1	0,906
Октябрь	634,1	1,022
Ноябрь	666,8	1,075
Декабрь	710,4	1,145
Среднемесячный объем	620,5	1

Источник: составлено автором

Сезонные индексы, представленные в таблице 21, подтверждают наличие устойчивой сезонной компоненты. Пиковые значения погрузки характерны для января, февраля, августа и декабря, что обусловлено высоким спросом на мазут в период отопительного сезона и интенсивностью экспортных операций через балтийские порты. Минимальная погрузка фиксируется в июне и июле в связи с сезонным снижением потреблением мазута. Выявленный профиль является структурной характеристикой маршрута и подлежит учету в прогнозной модели.

На основе анализа данных и выявленной структуры в качестве метода прогнозирования выбран метод тройного экспоненциального сглаживания Хольта–Уинтерса с аддитивной моделью сезонности. Данный метод входит в группу статистических методов анализа временных рядов и позволяет одновременно учитывать три составляющие временного ряда, такие как уровень, тренд и сезонность. Выбор аддитивной специфики обусловлен тем, что амплитуда сезонных колебаний остается относительно стабильной и не зависит от уровня ряда, что характерно для рассматриваемого маршрута.

Модель Хольта–Уинтерса описывается системой рекуррентных уравнений. Уравнение уровня: Lt = α · (Yt / St−m) + (1 − α) · (Lt−1 + Tt−1). Уравнение тренда: Tt = β · (Lt − Lt−1) + (1 − β) · Tt−1. Уравнение сезонности: St = γ · (Yt / Lt) + (1 − γ) · St−m. Прогноз на h шагов вперёд: Ŷt+h = (Lt + h · Tt) + St−m+h, где α, β, γ — параметры сглаживания уровня, тренда и сезонной компоненты соответственно; m = 12 — длина сезонного периода.

Параметры модели оптимизированы методом минимизации суммы квадратов ошибок прогноза на обучающей выборке 2023–2024 годов. В результате оптимизации получены значения α = 0,000 (сглаживание уровня), β = 0,000 (сглаживание тренда), γ = 0,000 (сглаживание сезонной компоненты). Нулевые значения параметров указывают на то, что сезонный профиль маршрута является высокостабильным и устойчивым, так как модель опирается на накопленный исторический паттерн, а не на последний наблюдения, что соответствует природе маршрута, в котором сезонность определяется структурными факторами, такими как отопительный сезон и режим портовых операций, которые воспроизводятся из года в год.

Подтверждение модели выполнено путем сравнения прогнозных значений на 2025 год, рассчитанных по модели с фактическими данными за тот же период. Для сопоставления в качестве базовой альтернативы (As Is) использован перенос фактических объемов 2024 года. Этот метод, наиболее близкий к текущей практике планирования в компании. Точность обоих подходов оценена по показателю MAPE. В таблице 22 представлена подтверждение модель с прогнозом 2025 года против фактических данных.

Таблица 22 – Подтверждение модели

Месяц	As Is (факт 2024)	To Be (модель)	Факт	Отклонение As Is	Отклонение To Be
Январь	751,1	722	702	-6,5%	-2,8%
Февраль	734,7	692,2	632,2	-14%	-8,7%
Март	593,8	596,3	671,4	13,1%	12,6%
Апрель	529,4	531,9	607	14,7%	14,1%
Май	561,7	554,2	599,2	6,7%	8,1%
Июнь	527,9	484,3	420,9	-20,3%	-13,1

Продолжение таблицы 22

Месяц	As Is (факт 2024)	To Be (модель)	Факт	Отклонение As Is	Отклонение To Be
Июль	751,1	483,7	480,9	-5,2%	-0,6%
Август	646,6	673,4	821,1	27%	21,9%
Сентябрь	507,4	545,2	726,3	43,1%	33,2%
Октябрь	640,6	617,2	614,7	-4%	-0,4%
Ноябрь	665,4	649,9	671,1	0,9%	3,3%
Декабрь	713,2	693,6	702	-1,6%	1,2%
MAPE				13,1%	10%

Источник: составлено автором

Результаты подтверждения модели, представленные в таблице 22, показывают, что модель Хольта–Уинтерса обеспечивает более высокую точность прогнозирования по сравнению с базовым подходом. MAPE модели составила 10% против 13,1% при использовании As Is, то есть точность прогноза повысилась на 3,1%. Наибольшее улучшение достигнуто в периоды с выраженной сезонной переориентацией, так в июне ошибка снизилась с 20,3% до 13,1%, а в июле снизилась с 5,2% до 0,6%, что говорит о том, что учет сезонного профиля позволяет корректно захватывать летний спад погрузки. Вместе с тем, оба метода показали существенные отклонения в 3 квартале 2025 года, в частности, в августе и сентябре. Данный всплеск является аномальным относительно исторического профиля маршрута и объясняется внешними факторам конъюнктурного характера, которые не могут быть предсказаны на основе анализа временного ряд без привлечения дополнительных экзогенных переменных, что подтверждает необходимость системы оперативного контроля план/факт, так как точная модель требует регулярной сверки прогноза с фактическими данными для своевременного реагирования на непредвиденные отклонения. В таблице 23 представлена точность прогноза по кварталам 2025 года.

Таблица 23 – Точность прогноза по кварталам 2025 года

Квартал	As Is	To Be	Факт 2025	Отклонение As Is	Отклонение To Be
Первый	2079,6	2010,5	2005,6	-3,6%	-0,2%
Второй	1619	1570,4	1627,1	0,5%	3,6%
Третий	1661,1	1702,3	2028,3	22,1%	19,2%
Четвертый	2019,2	1960,7	1987,8	-1,6%	1,4%

Источник: составлено автором

На основе подтвержденной модели построен прогноз объемов погрузки по маршруту Кириши–Лужская на 2026 год. Горизонт прогнозирования составляет 1 год, что соответствует оперативно–тактическому горизонту планирования в транспортно–логистических компаниях. Прогноз представлен в таблице 24.

Таблица 24 – Прогноз объема погрузки по маршруту Кириши–Лужская на 2026 год

Месяц	Прогнозный объем, тысяч тонн	Сезонный индекс
Январь	710,7	1,191
Февраль	681	1,143
Март	585,1	0,988
Апрель	520,7	0,884
Май	543	0,920
Июнь	473	0,808
Июль	472,5	0,807
Август	662,1	1,112
Сентябрь	534	0,906
Октябрь	606	1,022
Ноябрь	638,7	1,075
Декабрь	682,3	1,145
Итого	7109,1

Источник: составлено автором

Прогнозный совокупный объем погрузки на 2026 год составляет 7109,1 тысяч тонн, что ниже фактического значения 2025 года. Снижение обусловлено нисходящим трендом, выявленным моделью и отсутствием оснований для воспроизведения аномального всплеска 3 квартала 2025 года в прогнозируемом периоде. Сезонный профиль прогноза воспроизводит исторически устойчивую структуру в виде перехода максимальных объемов на январь и февраль, минимальный переходя на июль и июнь. Таким образом, разработанная модель прогнозирования объемов погрузки по маршруту Кириши–Лужская позволяет формализовать сезонный профиль маршрута, снизить ошибку прогноза с 13,1% до 10% и получить помесячный прогноз на плановый год, необходимый для расчета потребности в железнодорожных цистернах, рассматриваемого в следующем разделе