Науковий вісник НГУ

Вибір структури логістичного ланцюга для перевезень насипних вантажів: приклад Республіки Казахстан

• 
• 

Рейтинг користувача:  / 0

ГіршийКращий 

Деталі

Категорія: Зміст №3 2021

Останнє оновлення: 25 червня 2021

Опубліковано: 30 листопада -0001

Перегляди: 3283

Authors:

Б. Рамазан, orcid.org/0000-0001-8486-8736, Казахська Академія транспорту та комунікації імені М. Тинишпаєва, м. Алмати, Республіка Казахстан, e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

Р. Муcсалієва, orcid.org/0000-0001-8867-9932, Університет «Туран», м. Алмати, Республіка Казахстан, e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

З. Бітілєуова, orcid.org/0000-0001-9260-7034, Казахська Академія транспорту та комунікації імені М. Тинишпаєва, м. Алмати, Республіка Казахстан, e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

В. Наумов, orcid.org/0000-0001-9981-4108, Краківський політехнічний університет імені Т. Костюшко, м. Краків, Республіка Польща, e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її., Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

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

повний текст / full article

Naukovyi Visnyk Natsionalnoho Hirnychoho Universytetu. 2021, (3): 142 - 147

https://doi.org/10.33271/nvngu/2021-3/142

Abstract:

Мета. Стаття спрямована на розробку методології вибору найкращої доступної структури логістичного ланцюга для доставки насипних вантажів.

Методика. Системний підхід використовується для формалізації задачі вибору оптимальної структури логістичного ланцюга: за сумарними витратами визначається цільова функція, альтернативні структури логістичного ланцюга й чисельні параметри потоку заявок (відстань доставки та вага партії вантажу) визначені як керуючі змінні, а випадкові змінні, що представляють технологічні параметри процесів обслуговування, використовуються для врахування впливу навколишнього середовища на логістичний ланцюг. Математична модель визначає функціональну залежність сумарних витрат суб’єктів у ланцюгу доставки від параметрів потоку заявок для двох альтернативних структур: доставка з перевалкою в одному вантажному терміналі й доставка за участі двох терміналів. На підставі функціонального аналізу ми визначаємо діапазони параметрів потоку заявок, для яких використання конкретної структури логістичного ланцюга характеризується мінімальними сумарними витратами.

Результати. Експериментальні дослідження, проведені з урахуванням двох альтернативних структур логістичного ланцюга, показали, що оптимальне рішення варіюється в залежності від значень параметрів заявок. Отримані результати дозволяють стверджувати, що діапазони числових параметрів потоку заявок можуть бути визначені для обґрунтування оптимальної структури логістичного ланцюга доставки сипучих вантажів.

Наукова новизна. У роботі вперше встановлені залежності загальних логістичних витрат від дальності доставки та ваги партії як параметрів потоку заявок на перевезення насипних вантажів.

Практична значимість. Запропонований методичний підхід може бути використаний експедиторами для обґрунтування оптимального варіанту серед наявних альтернативних структур логістичного ланцюга для доставки вантажів із заданими відстанню доставки та вагою партії вантажу.

Ключові слова: структура логістичного ланцюга, експедирування вантажів, сумарні логістичні витрати, потік заявок

References.

1. Agency for Strategic planning and reforms of the Republic of Kazakhstan Bureau of National statistics (n.d.). Retrieved from http://stat.gov.kz.

2. Ghorashi Khalilabadi, S.M., Zegordi, S.H., & Nikbakhsh, E. (2020). A multi-stage stochastic programming approach for supply chain risk mitigation via product substitution. Computers & Industrial Engineering, (149), 106786. https://doi.org/10.1016/j.cie.2020.106786.

3. Naumov, V. (2020). Substantiating the logistics chain structure while servicing the flow of requests for road transport deliveries. Sustainability, 12(4), 1635. https://doi.org/10.3390/su12041635.

4. Rajabion, L., Khorraminia, M., Andjomshoaa, A., Ghafouri-Azar, M., & Molavi, H. (2019). A new model for assessing the impact of the urban intelligent transportation system, farmers’ knowledge and business processes on the success of green supply chain management system for urban distribution of agricultural products. Journal of Retailing and Consumer Services, (50), 154-162. https://doi.org/10.1016/j.jretconser.2019.05.007.

5. Bakker, C., Zaitchik, B.F., Siddiqui, S.A., Hobbs, B.F., Broaddus, E.T., Neff, R.A., Haskett, J.D., & Parker, C.L. (2018). Shocks, seasonality, and disaggregation: Modelling food security through the integration of agricultural, transportation, and economic systems. Agricultural Systems, (164), 165-184. https://doi.org/10.1016/j.agsy.2018.04.005.

6. Lee, G., Lee, H.-W., & Lee, J. (2015). Greenhouse gas emission reduction effect in the transportation sector by urban agriculture in Seoul, Korea. Landscape and Urban Planning, (140), 1-7. https://doi.org/10.1016/j.landurbplan.2015.03.012.

7. Wu, J., & Haasis, H.D. (2018). The freight village as a pathway to sustainable agricultural products logistics in China. Journal of Cleaner Production, (196), 1227-1238. https://doi.org/10.1016/j.jclepro.2018.06.077.

8. Sun, J., Tang, J., Fu, W., Chen, Z., & Niu, Y. (2020). Construction of a multi-echelon supply chain complex network evolution model and robustness analysis of cascading failure. Computers & Industrial Engineering, (144), 106457. https://doi.org/10.1016/j.cie.2020.106457.

9. Dai, M., & Liu, L. (2020). Risk assessment of agricultural supermarket supply chain in big data environment. Sustainable Computing: Informatics and Systems, (28), 100420. https://doi.org/10.1016/j.suscom.2020.100420.

10. Huo, L., Guo, H., Cheng, Y., & Xie, X. (2020). A new model for supply chain risk propagation considering herd mentality and risk preference under warning information on multiplex networks. Physica A: Statistical Mechanics and its Applications, (545), 123506. https://doi.org/10.1016/j.physa.2019.123506.

11. Liu, H., Yang, R., Wu, J., & Chu, J. (2021). Total-factor energy efficiency change of the road transportation industry in China: A stochastic frontier approach. Energy, (219), 119612. https://doi.org/10.1016/j.energy.2020.119612.

12. Fierro, L.H., & García, J.I. (2020). Modelling of a multi-agent supply chain management system using Colored Petri Nets. Procedia Manufacturing, (42), 288-295. https://doi.org/10.1016/j.promfg.2020.02.095.

13. Yan, B., Chen, X., Cai, C., & Guan, S. (2020). Supply chain coordination of fresh agricultural products based on consumer behavior. Computers & Operations Research, (123), 105038. https://doi.org/10.1016/j.cor.2020.105038.

14. Mehmann, J., & Teuteberg, F. (2016). The fourth-party logistics service provider approach to support sustainable development goals in transportation – a case study of the German agricultural bulk logistics sector. Journal of Cleaner Production, (126), 382-393. https://doi.org/10.1016/j.jclepro.2016.03.095.

15. Agrawal, A.K., & Yadav, S. (2020). Price and profit structuring for single manufacturer multi-buyer integrated inventory supply chain under price-sensitive demand condition. Computers & Industrial Engineering, (139), 106208. https://doi.org/10.1016/j.cie.2019.106208.

16. Magalhães, V., Ferreira, L. M., & Silva, C. (2021). Using a methodological approach to model causes of food loss and waste in fruit and vegetable supply chains. Journal of Cleaner Production, (283), 124574. https://doi.org/10.1016/j.jclepro.2020.124574.

17. Liu, L., Wang, H., & Xing, Sh. (2019). Optimization of distribution planning for agricultural products in logistics based on degree of maturity. Computers and Electronics in Agriculture, (160), 1-7. https://doi.org/10.1016/j.compag.2019.02.030.

18. Moubed, M., Boroumandzad, Y., & Nadizadeh, A. (2021). A Dynamic model for deteriorating products in a closed-loop supply chain. Simulation Modelling Practice and Theory, (108), 102269. https://doi.org/10.1016/j.simpat.2021.102269.

19. Darmawan, A., Wong, H.W., & Thorstenson, A. (2021). Supply chain network design with coordinated inventory control. Transportation Research Part E: Logistics and Transportation Review, (145), 102168. https://doi.org/10.1016/j.tre.2020.102168.

20. Sabraliev, N., Abzhapbarova, A., Nugymanova, G., Taran, I., & Zhanbirov, Zh. (2019). Modern aspects of modeling of transport routes in Kazakhstan. News of the National Academy of sciences of the Republic Kazakhstan, 2(434), 62-68. https://doi.org/10.32014/2019.2518-170X.39.

21. 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.

22. Naumov, V. (2018). Modeling demand for freight forwarding services on the grounds of logistics portals data. Transportation Research Procedia, 30, 324-331. https://doi.org/10.1016/j.trpro.2018.09.035.

• < Попередня
• Наступна >