Григорий Левкин - Основы логистики

Параметры «Поиска решения» приведены на рисунке:

В итоге получается следующий результат (см. рис. на стр. 215).

Продемонстрируем возможность фактического применения рассмотренного алгоритма на практическом примере. Одна из крупных дистрибьюторских компаний Санкт-Петербурга ООО «Холдинг78», осуществляющая поставку продуктов питания в магазины города и Ленинградской области, использует для перевозки арендованный подвижной состав. Поскольку ежедневно данная компания обслуживает до полутора тысяч клиентов, что вызывает серьезные проблемы при формировании маршрутов, весь город разбит на зоны обслуживания и секторы развозки. Перед диспетчерами, занимающимися формированием маршрутов, ставится задача – обслужить всех клиентов, используя минимальное количество подвижного состава.

Решение данной задачи до настоящего времени не автоматизировано, но имеется определенный алгоритм, в соответствии с которым, во-первых, выбирается рациональный по грузоподъемности подвижной состав из имеющегося в наличии. Во-вторых, формируются маршруты внутри секторов развозки при условии, что число пунктов, объединенных в один маршрут, не должно превышать двенадцати. Если число клиентов в данном секторе развозки превышает двенадцать, то часть их присоединяется к клиентам ближайших секторов таким образом, чтобы выполнялось данное ограничение.

В качестве примера взяты данные об обслуживании клиентов данной компании в зоне Московского района Санкт-Петербурга за один день. Сводная таблица грузопотоков и фактически сформированные маршруты представлены в табл. 5.

В табл. 5 представлены следующие данные:

– в «шапке» таблицы отмечены: дата, регион, сектор развозки, номер магазина, номера рейсов и модели автомобилей, которыми были обслужены данные клиенты (магазины);

– в столбце «сумма» указан вес заказа каждого магазина (кг);

– в строке «сумма» – фактическая загрузка каждого автомобиля (кг).

В ячейках таблицы на пересечении соответствующих строк и столбцов представлен вес товара, доставленного клиенту данным рейсом (кг).

Анализ данной таблицы показывает: для обслуживания 25-ти клиентов потребовалось девять единиц подвижного состава, рейсы 48,54 и 57 выполнены с крайне низкой загрузкой автомобилей, заказ магазина номер 7254 распределен между двумя единицами подвижного состава, что может быть оправдано только при отсутствии автомобиля требуемой грузоподъемности.

Расчет фактических затрат на перевозку представлен в табл. 6.

Таблица 5

Сводная таблица грузопотоков в базовом варианте 

Расчет показывает, что в базовом варианте общие затраты на перевозку, включающие затраты на аренду автомобиля и затраты на экспедирование, составили 12,405 тыс. руб.

Попытаемся улучшить данное решение. Во-первых, сократим количество единиц подвижного состава, предоставив для выполнения заказа магазина номер 7254 автомобиль КамАЗ-5320 грузоподъемностью 8 т. Во– вторых, используем алгоритм линейного программирования для оптимизации загрузки подвижного состава. В табл. 7 представлена матрица теневых цен.

Таблица 6

Расчет фактических затрат на перевозку 

Таблица 7

Матрица теневых цен сij. 

Остальные матрицы необходимо составить и заполнить в соответствии с примером. Время выполнения задачи с помощью «Поиска решения» может занять длительное время.

1. Бочкарев А.А. Решение задачи о назначении в управлении цепями поставок мелкопартионных грузов / Бочкарев А.А., Горбатенко Д.В. Логистика сегодня. № 5. 2004. С. 12–19.

2. Левкин Г.Г. Логистика: теория и практика. М.: Директ-Медиа. 2013. 217 с.

3. Модели и методы теории логистики. Учебное пособие / Под ред. Лукинского B.C. СПб: Питер. 2003. 176 с.

4. Цисарь И.Ф. Лабораторные работы на персональном компьютере. М.: Экзамен. 2004.

5. Эффективная работа с Microsoft Excel 2000 /Додж М. и др. СПб: Питер. 2001.

Задача определения приемлемого варианта размещения товаров на складе не является новой для торговли и материально-технического снабжения. Суть ее заключается в определении оптимальных мест хранения для каждой товарной группы. Разработаны различные методы, предлагающие решать эту задачу с помощью ЭВМ.

Несмотря на очевидное достоинство, применение данных методов сдерживается необходимостью наличия на складах соответствующего программного обеспечения и вычислительной техники, а также персонала, владеющего этой техникой.

Названные ограничения могут быть преодолены в результате применения так называемого «правила Парето (20/ 80)». Согласно этому правилу 20 % объектов, с которыми обычно приходится иметь дело, дают, как правило, 80 % результатов этого дела. Соответственно, оставшиеся 80 % объектов дают 20 % результатов. Американцы называют эту закономерность правилом большого пальца: поднятый вверх большой палец правой руки символизирует эти самые 20 % объектов, при этом сжатые в кулак 4 пальца обозначают их значимость – 80 %.

Рис. 14. Разделение потоков на складе:

→ – «горячая» линия; → – «холодная» линия

На складе применение метода Парето позволяет минимизировать количество перемещений посредством разделения всего ассортимента на группы товаров, требующих большого количества перемещений, и группы товаров, к которым обращаются достаточно редко.

Как правило, часто отпускаемые товары составляют лишь небольшую часть ассортимента, и располагать их необходимо вдоль так называемых «горячих» линий или зон. Товары, требующиеся реже, отодвигают на «второй план» и размещают вдоль «холодных» линий (зон) (рис. 14).

Вдоль «горячих» линий могут располагаться также крупногабаритные товары и товары, хранящиеся без тары, так как их перемещение связано со значительными трудностями.

Рассмотрим склад, ассортимент которого включает 27 позиций (табл. 8). Предположим, что груз поступает и отпускается целыми грузовыми пакетами, хранится в стеллажах на поддонах в пакетированном виде и все операции с ним полностью механизированы. Всего за предшествующий период (например, за прошлый месяц) было получено 945 грузовых пакетов, столько же и отпущено. Груз размещается на хранение по случайному закону.