Науковий вісник НГУ

Визначення ефективної системи управління спеціалізованим транспортним підприємством

• 
• 

Рейтинг користувача:  / 0

ГіршийКращий 

Деталі

Категорія: Зміст №4 2020

Останнє оновлення: 31 серпня 2020

Опубліковано: 31 серпня 2020

Перегляди: 2087

Authors:

В. Волков, orcid.org/0000-0003-2202-3441, Харківський національний автомобільно-дорожній університет, м. Харків, Україна, e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

І. Таран, orcid.org/0000-0002-3679-2519, Національній технічний університет «Дніпровська політехніка», м. Дніпро, Україна, e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

Т. Волкова, orcid.org/0000-0001-8546-4119, Харківський національний автомобільно-дорожній університет, м. Харків, Україна, e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

О. Павленко, orcid.org/0000-0003-4237-4310, Харківський національний автомобільно-дорожній університет, м. Харків, Україна, e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

Н. Бережна, orcid.org/0000-0001-8740-3387, Харківський національний технічний університет сільського господарства імені Петра Василенка, м. Харків, Україна, е-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

 повний текст / full article

Abstract:

Мета. Визначити ефективну систему управління спеціалізованим транспортним підприємством в умовах змінного попиту за рахунок оптимізації параметрів і зменшення витрат.

Методика. Використовуючи принципи системного підходу та спираючись на апарат теорії масового обслуговування, запропоновано підхід щодо визначення ефективної системи управління спеціалізованим транспортним підприємством. Для побуди регресійних моделей формалізовані витрати на обслуговування замовлень та, за допомогою регресійного аналізу, встановлено рівень впливу параметрів системи на оціночний показник.

Результати. Аналіз теоретичних розробок показав, що, не зважаючи на велику кількість розроблених підходів щодо вдосконалення систем управління підприємствами різних галузей, в яких пропонуються сучасні методи та моделі, необхідно розробити саме невитратну та адаптивну методику визначення ефективної системи управління спеціалізованим транспортним підприємством. Запропоновано підхід визначення такої системи на прикладі Приватного Акціонерного Товариства «Маріупольський металургійний комбінат імені Ілліча», на двох рівнях: за параметрами обслуговування й витратами на обслуговування замовлень підприємства. Для цього розроблена математична модель системи обслуговування замовлень, що враховує різні ймовірнісні фактори (моменти надходження замовлень, час обслуговування та інші). Також формалізовані витрати на обслуговування, за якими визначаються оптимальні умови, та на основі їх значень і параметрів впливу отримані регресійні моделі у ступеневій формі з ненульовим коефіцієнтом. Побудовані моделі дозволять в оперативному режимі визначати оптимальні умови обслуговування та приймати управлінські рішення щодо варіювання кількості ремонтних бригад, кількості автомобілів тощо.

Наукова новизна. У роботі вперше запропоновано підхід щодо визначення ефективної системи управління спеціалізованим транспортним підприємством на основі теорії масового обслуговування, з урахуванням системного підходу у взаємодії виробничих і транспортних підприємств. Також побудовані прогнозні моделі визначення витрат на обслуговування замовлень гірничо-видобувних і металургійних компаній у залежності від кількості бригад, часу обслуговування та числа замовлень.

Практична значимість. Розроблений підхід є теоретичною основою для вдосконалення взаємодії спеціалізованих транспортних підприємств і гірничодобувних та металургійних компаній. На основі отриманих моделей можна побудувати ефективну систему управління на основі визначення раціональної кількості ремонтних бригад і автомобілів на автотранспортному підприємстві, що, у свою чергу, дозволить зменшити витрати на експлуатацію ресурсів.

References.

1. Kozhevnikova, N. Yu. (2013). Specialized rolling stock as a priority growth area of a motor transport enterprise. Agrarnoe obrazovanie i nauka, (4), 10-14.

2. Naumov, V. (2017). Estimating the Vehicles’ Number for Servicing a Flow of Requests on Goods Delivery. Transportation Research Procedia, 27, 412-419. https://doi.org/10.1016/j.trpro.2017.12.063.

3. Rossolov, A., Popova, N., Kopytkov, D., Rossolova, H., & Za­porozhtseva, H. (2018). Assessing the impact of parameters for the last mile logistics system on creation of the added value of goods. Eastern-European Journal of Enterprise Technologies, 95, 70-75. https://doi.org/10.15587/1729-4061.2018.142523.

4. Vojtov, V., Berezchnaja, N., Kravcov, A., & Volkova, T. (2018). Evaluation of the Reliability of Transport Service of Logistics Chains. International Journal of Engineering & Technology, 7(4.3), 270-274. https://doi.org/10.14419/ijet.v7i4.3.19802.

5. Deryugin, O., & Cheberyachko, S. (2015). Substatiation of truck selection in terms of psychophysiologic stress on a driver minimizing. Eastern-European journal of enterprise technologies, 3(75), 15-22. https://doi.org/10.15587/1729-4061.2015.42127.

6. Naumov, V. S., & Kholeva, O. G. (2017). Forming the strategies of sustainable development of freight forwarders at transportation market. Naukovyi Visnyk Natsionalnoho Hirnychoho Universytetu, (3), 129-134.

7. Ebrahimi, M., Baboli, A., & Rother, E. (2019.) The evolution of world class manufacturing toward Industry 4.0: A case study in the automotive industry. IFAC-PapersOnLine, 52(10), 188-194. https://doi.org/10.1016/j.ifacol.2019.10.021.

8. Kozachenko, D., Skalozub, V., Gera, B., Hermaniuk, Yu., Korobiova, R., & Gorbova, A. (2019). A model of transit freight distribution on a railway network. Transport Problems, 14(3), 17-26. https://doi.org/10.20858/tp.2019.14.3.2.

9. Gou, J., Li, N., Lyu, T., Lyu, X., & Zhang, Z. (2019). Barriers of knowledge transfer and mitigating strategies in collaborative management system implementations. Journal of Information and Knowledge Management Systems, 49(1), 2-20. https://doi.org/10.1108/VJIKMS-09-2018-0072.

10. Malucelli, F., & Tresoldi, E. (2019). Delay and disruption management in local public transportation via real-time vehicle and crew re-scheduling: a case study. PUBLIC TRANSPORT, 11(1), 1-25. https://doi.org/10.1007/s12469-019-00196-y.

11. See, B. P., Yap, C. S., & Ahmad, R. (2019). Antecedents of continued use and extended use of enterprise systems. Behaviour & Information Technology, 38(4), 384-400. https://doi.org/10.1080/0144929X.2018.1536165.

12. Saraeian, S., Shirazi, B., & Motameni, H. (2019). Adaptive control of criticality infrastructure in automatic closed-loop supply chain considering uncertainty. International Journal of Critical Infrastructure Protection, 25, 102-124. https://doi.org/10.1016/j.ijcip.2019.02.004.

13. Shramenko, N., Pavlenko, O., & Muzylyov, D. (2020). Logistics Optimization of Agricultural Products Supply to the European Union Based on Modeling by Petri Nets. In: I. Karabegović (Ed.). New Technologies, Development and Application III. NT 2020. Lecture Notes in Networks and Systems, 128, (pp. 596-604). Cham: Springer. https://doi.org/0.1007/978-3-030-46817-0_69.

14. Gritsuk, I., Volkov, V., Mateichyk, V., Gutarevych, Y., Tsiu­man, M., & Goridko, N. (2017). The Evaluation of Vehicle Fuel Consumption and Harmful Emission Using the Heating System in a Driving Cycle. SAE International Journal of Fuels and Lubricants, 10(1), 236-248. https://doi.org/10.4271/2017-26-0364.

15. Sładkowski, A., Utegenova, A., Kolga, A. D., Gavrishev, S. E., Stolpovskikh, I., & Taran, I. (2019). Improving the efficiency of using dump trucks under conditions of career at open mining works. Naukovyi Visnyk Natsionalnoho Hirnychoho Universytetu, (2), 36-42. https://doi.org/10.29202/nvngu/2019-2/8.

16. Turpak, S. M., Taran, I. O., Fomin, O. V., & Tretiak, O. O. (2018). Logistic technology to deliver raw material for metallurgical production. Naukovyi Visnyk Natsionalnoho Hirnychoho Universytetu, (1), 162-169. https://doi.org/10.29202/nvngu/2018-1/3.

17. Rossolov, A., Kopytkov, D., Kush, Y., & Zadorozhna, V. (2017). Research of effectiveness of unimodal and multimodal transportation involving land modes of transport. Eastern-European Journal of Enterprise Technologies, 5(89), 60-69. https://doi.org/10.15587/1729-4061.2017.112356.

18. Shramenko, N., & Muzylyov, D. (2020). Forecasting of Overloading Volumes in Transport Systems Based on the Fuzzy-Neural Model. Advances in Design, Simulation and Manufacturing II. DSMIE 2019. Lecture Notes in Mechanical Engineering, (pp. 311-320). Cham: Springer. https://doi.org/10.1007/978-3-030-22365-6_31.

19. Naumov, V., Nagornyi, I., & Litvinova, Y. (2015). Model of multimodal transport node functioning. Archives of Transport, 36(4), 43-54. https://doi.org/10.5604/08669546.1185202.

20. Ni, D. (2015). Traffic Flow Theory. Butterworth-Heinemann. Retrieved from https://www.elsevier.com/books/traffic-flow-theory/ni/978-0-12-804134-5.

• < Попередня
• Наступна >