4. Технологический процесс перевозок
Для доставки грузов точно в срок и с возможно меньшими затратами ресурсов должен быть разработан и осуществлен единый технологический процесс на основе интеграции производства, транспорта и потребления. Под единым технологическим процессом в данном случае понимается комплексная технология, в рамках которой на основе системного подхода осуществляется четкое взаимодействие всех элементов логистической системы.
Новый подход к транспорту как к составной части более крупной системы привел к целесообразности рассмотрения всего процесса перевозки: от грузоотправителя до грузополучателя, включая грузопереработку, упаковку, хранение, распаковку и информационные потоки, сопровождающие доставку. Это вызвало необходимость создания специальных логистических центров.
Технологические процессы, протекающие в логистических цепях при доставке грузов потребителю, имеют свои особенности, зависящие от транспортной характеристики груза (физико-механические и физико-химические свойства груза, его объем и масса, вид тары и упаковки), количества груза (массовые грузы, мелкопартионные грузы, грузы в пакетах, контейнерах, на поддонах), вида транспорта и его провозной способности, характера производственных объектов и др.
Наиболее просто принципы логистики могут быть использованы при перевозке массовых грузов (каменного угля, железной руды, нефтепродуктов и т.д.) в условиях, когда сформировались стабильные и мощные грузопотоки (технологические маршруты) между отправителями и получателями. В Канаде и США для работы тяжеловесных поездов (отправительских маршрутов массой 10-25 тыс.т), доставляющих сырье и топливо потребителям, выделяются магистральные пути промышленного назначения.
При доставке многономенклатурной продукции появляются дополнительные операции: контейнеризация, пакетизация, подгруппировка партий грузов, выбор видов транспорта и типа транспортных средств, сортировка грузов в пути следования и др. В отдельных случаях на направлениях значительных грузопотоков приходится создавать крупные распределительные складские базы и решать вопросы выбора рациональных зон обслуживания потребителей складскими распределительными центрами.
При решении таких задач весьма актуальны принципы распределения спроса и готовой продукции на основе оптимального управления материальными потоками, т.е. идет речь о решении стохастической производственно-транспортной задачи, так как среда, в которой функционирует логистическая система, характеризуется ярко выраженной турбулентностью и случайностью протекающих процессов. Для решения названной задачи эффективны не только классические методы математического программирования, но и эвристические. Классические - на основе использования алгоритма производственно-транспортной задачи в сетевой или аналитической формах, эвристические - с применением теории нечетких множеств.
5. Общие принципы решения задачи распределения грузов на полигоне
При решении проблемы оптимизации процессов распределения транспорта и обслуживания потребителей возможно создание сети складов на полигонах обслуживания. Приведем математическую формулировку классической однопродуктовой производственно-транспортной задачи рационального распределения функций между распределительными складскими центрами и складами потребителей, группировки потребителей и рационального прикрепления их к пунктам производства.
Рассмотрим общие принципы решения задачи распределения грузов на полигоне (рис. 5.1).
.
Рис.5.1. Простейшая схема расположения пунктов производства (квадраты), складских распределительных центров (круги) и потребителей (треугольники) на полигоне
Математическая формулировка однопродуктовой производственно-транспортной задачи прикрепления производителей продукции к ее потребителям по торговым зонам с участием региональных распределительных складских центров (РСЦ) может быть представлена следующим образом. Пусть даны:
i = 1,…, n - пункты производства продукции;
j = 1,…, r - складские распределительные центры;
k = 1,…, m - потребители;
хij - грузопоток от i-го предприятия до j-го РСЦ;
хjk - грузопоток от j-го РСЦ до k-го потребителя;
хj - количество хранимого и перерабатываемого груза в РСЦ;
Сj - стоимость хранения и переработки единицы груза в региональном РСЦ;
Qi - количество продукции, поступающей на магистральный транспорт от i-го потребителя;
qj - потребность k-го получателя продукции;
Cij и Cjk - стоимости перемещения единицы продукции соответственно из пункта i в j-й РСЦ и из j-го РСЦ в k-й пункт потребления.
Тогда задача распределения материальных потоков между производителями, РСЦ и потребителями формулируется следующим образом:
Задача состоит в том, чтобы найти такие хij и хjk, которые бы минимизировали целевую функцию (2.2) при соблюдении ограничений (2.3-2.6).
Целевая функция выражает суммарные затраты, связанные с транспортировкой и переработкой грузов в РСЦ. Ограничения (2.4) и (2.5) представляют собой условия баланса производства и потребления продукции. В эту модель при необходимости могут быть внесены ограничения по перерабатывающей способности технических средств Рj (в том числе по вместимости зоны хранения):
Кроме того, могут быть наложены ограничения по провозной способности магистрального транспорта на участках (i, j) и (j, k).
Если помимо распределения потоков необходимо оптимизировать число и размещение РСЦ на полигоне, то производственно-транспортная задача дополняется комбинаторной на основе применения метода направленного перебора вариантов.
В последние годы заметно выросли масштабы и сферы применения эвристических методов для решения различных задач в области проектирования, прогнозирования и управления. Эвристические методы в высшей степени полезны в условиях применения интерактивных систем, когда за человеком, принимающим решение, остается последнее слово по выработке. Особое место занимает теория нечетких (расплывчатых) множеств (ТНМ), которая является важным разделом современной теории принятия решений.
Элементы ТНМ могут успешно применяться для принятия решений в условиях неопределенности.
Методы нечетких множеств применяют, как правило, в условиях ярко выраженной неопределенности, когда не представляется возможным использовать классические, в том числе вероятностные, модели для описания процессов и явлений. Имеется класс неопределенностей, которые характеризуются нечеткостью целей и ограничений. Такого рода неопределенности называются лингвистическими. В задачах управления или проектирования с помощью ТНМ, которые характеризуются лингвистическими переменными, такими, как "высокий", "низкий", "не очень высокий", "хорошо", "неудовлетворительно" и т.д., принимаемые решения во многом зависят от субъективных оценок. Поэтому принимающий решение должен иметь сведения о переменных (их свойствах, характеристиках), объективно оценивать стоимостную (в широком смысле) структуру этих переменных и уметь пользоваться решающими правилами. Тогда с помощью набора лингвистических переменных можно получить ответы с достаточной степенью достоверности. Решение при нечетких целях и ограничениях также представляет расплывчатое множество и может рассматриваться как нечетко сформулированная инструкция.