Науковий вісник НГУ

Оптимізація менеджменту матеріально-технічного постачання промислових підприємств

• 
• 

Рейтинг користувача:  / 0

ГіршийКращий 

Деталі

Категорія: Зміст №3 2022

Останнє оновлення: 11 липня 2022

Опубліковано: 30 листопада -0001

Перегляди: 2274

Authors:

В.Ф.Столяров, orcid.org/0000-0002-4399-7117, ТОВ «Бердянський університет менеджменту та бізнесу», м. Бердянськ, Україна, e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

Я.Пашторова, orcid.org/0000-0002-7255-0197, Університет економіки у Братиславі, м. Братислава, Словацька Республіка, e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

М.В.Зось-Кіор, orcid.org/0000-0001-8330-2909, Полтавський державний аграрний університет, м. Полтава, Україна, e-mail:  Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

І.А.Гнатенко, orcid.org/0000-0002-0254-2466, Київський національний університет технологій та дизайну, м. Київ, Україна, e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

М.В.Петченко, orcid.org/0000-0003-1104-5717, Харківський національний університет внутрішніх справ, м. Харків, 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. 2022, (3): 163 - 167

https://doi.org/10.33271/nvngu/2022-3/163

Abstract:

Мета. Розробка адаптивної економіко-математичної моделі управління постачанням сировини для виробничої діяльності промислових підприємств.

Методика. У ході дослідження використовувались такі способи пізнання економічних явищ і процесів для вирішення поставлених у роботі проблем: системний аналіз, економіко-математичне моделювання, абстрактно-логічний і графічний методи.

Результати. У роботі визначені специфічні характеристики організації постачання сировини, обладнання, товарно-матеріальних цінностей і готової продукції на промислові підприємства. Сформульована адаптивна економіко-математична модель оптимізації матеріально-технічного постачання зазначених підприємств. Запропонована модель дозволила спростити вибір системи менеджменту запасів сировини в залежності від специфіки виробничого процесу конкретного підприємства й зовнішніх умов його функціонування. Використання адаптивної моделі необхідне при формуванні програм постачання зміни попиту та пропозиції на ринках збуту готової продукції, здійснення моніторингу руху власних грошових коштів при організації транспортування сировини від постачальників і перерозподілу наявних фінансових ресурсів на вирішення першочергових задач суб’єктів підприємницької діяльності.

Наукова новизна. Авторами запропонована адаптивна економіко-математична модель оптимізації матеріально-технічного постачання, що враховує можливість порушення строків доставки товарно-матеріальних цінностей під впливом форс-мажорних обставин, а також визначає оптимальну для постачання кількість сировини в певних умовах функціонування конкретного промислового підприємства.

Практична значимість. Використання сформованої авторами економіко-математична моделі в господарській діяльності промислових підприємств надасть можливість останнім своєчасно прогнозувати та планувати свої логістичні витрати та, як наслідок, уникнути нераціонального витрачання наявних фінансових ресурсів.

Ключові слова: логістика, менеджмент, адаптаційна модель, постачання, зберігання, транспортні витрати

References:

1. Semenov, A., Kuksa, I., Hnatenko, I., Sazonova, T., Babiy, L., & Rubezhanska, V. (2021). Management of Energy and Resource - Saving Innovation Projects at Agri-Food Enterprises. TEM Journal, 10(2), 751-756. https://doi.org/10.18421/TEM102-32.

2. Brockova, K., Rossokha, V., Chaban, V., Zos-Kior, M., Hnatenko, I., & Rubezhanska, V. (2021). Economic Mechanism of Optimizing the Innovation Investment Program of the Development of Agro-Industrial Production. Management Theory and Studies for Rural Business and Infrastructure Development, 43(1), 129-135. https://doi.org/10.15544/mts.2021.11.

3. Sorooshian, S., Jambulingam, M., & Dodangeh, J. (2013). Case Study on Logistics Performance. International Journal of Engineering Business Management. https://doi.org/10.5772/56264.

4. Ivashkin, Y., & Nikitina, M. (2019). Agent-oriented modeling and optimization of material flows of multi-assortment production. IFAC-PapersOnLine, 52(13), 660-664. https://doi.org/10.1016/j.ifacol.2019.11.109.

5. Ahumada, O., & Villalobos, J. (2011). A tactical model for planning the production and distribution of fresh produce. Annals of Operations Research, 190(1), 339-358. https://doi.org/10.1007/s10479-009-0614-4.

6. Yuan, Y., Viet, N., & Behdani, B. (2019). The impact of information sharing on the performance of horizontal logistics collaboration: A simulation study in an agri-food supply chain. IFAC-PapersOnLine, 52(13), 2722-2727. https://doi.org/10.1016/j.ifacol.2019.11.619.

7. Alfonso-Lizarazo, E., Montoya-Torres, J., & Gutiérrez-Franco, E. (2013). Modeling reverse logistics process in the agro-industrial sector: The case of the palm oil supply chain. Applied Mathematical Modelling, 37(23), 9652-9664. https://doi.org/10.1016/j.apm.2013.05.015.

8. Zhao, X., Wang, P., & Pal, R. (2021). The effects of agro-food supply chain integration on product quality and financial performance: Evidence from Chinese agro-food processing business. International Journal of Production Economics, 231. https://doi.org/10.1016/j.ijpe.2020.107832.

9. Raut, R., Gardas, B., Narwane, V., & Narkhede, B. (2019). Improvement in the food losses in fruits and vegetable supply chain - a perspective of cold third-party logistics approach. Operations Research Perspectives, 6. https://doi.org/10.1016/j.orp.2019.100117.

10. Qiang, Q., Ke, K., Anderson, T., & Dong, J. (2013). The closed-loop supply chain network with competition, distribution channel investment, and uncertainties. Omega, 41(2), 186-194. https://doi.org/10.1016/j.omega.2011.08.011.

11. Furmann, R., Furmannová, B., & Więcek, D. (2017). Interactive Design of Reconfigurable Logistics Systems. Procedia Engineering, 192, 207-212. https://doi.org/10.1016/j.proeng.2017.06.036.

12. Prajapati, D., Harish, A., Daultani, Y., Singh, H., & Pratap, S. (2020). A Clustering Based Routing Heuristic for Last-Mile Logistics in Fresh Food E-Commerce. Global Business Review. https://doi.org/10.1177/0972150919889797.

13. Scholz-Reiter, B., Windt, K., & Liu, H. (2011). A multiple-logistic-objective-optimized manufacturing planning and control system. Proceedings of the Institution of Mechanical Engineers, Part B: Journal of Engineering Manufacture, 225(4), 599-610. https://doi.org/10.1177/2041297510394108.

14. Gonzalez, A., Patroni, S., & Vidal, J. (2015). Developing Competencies in the Process of Hazard Identification in an Enterprise Related to the Field of Logistic and Food. Procedia Manufacturing, 3, 5052-5058. https://doi.org/10.1016/j.promfg.2015.07.518.

15. Riahi, Y., Saikouk, T., Gunasekaran, A., & Badraoui, I. (2021). Artificial intelligence applications in supply chain: A descriptive bibliometric analysis and future research directions. Expert Systems with Applications, 173, 114702. https://doi.org/10.1016/j.eswa.2021.114702.

16. Bučková, M., Skokan, R., Fusko, M., & Hodoň, R. (2019). Designing of logistics systems with using of computer simulation and emulation. Transportation Research Procedia, 40, 978-985. https://doi.org/10.1016/j.trpro.2019.07.137.

17. Mishkurov, P., Fridrikhson, O., Lukyanov, V., Kornilov, S., & Say, V. (2021). Simulated Transport and Logistics Model of a Mining Enterprise. Transportation Research Procedia, 54, 411-418. https://doi.org/10.1016/j.trpro.2021.02.090.

18. Kovalský, M., & Mičieta, B. (2017). Support Planning and Optimization of Intelligent Logistics Systems. Procedia Engineering, 192, 451-456. https://doi.org/10.1016/j.proeng.2017.06.078.

19. Zos-Kior, М., Shkurupii, O., Hnatenko, I., Shulzhenko, I., & Rubezhanska, V. (2021). Modeling of the investment program formation process of ecological management of the Agrarian cluster. European Journal of Sustainable Development, 10(1), 571-583. https://doi.org/10.14207/ejsd.2021.v10n1p571.

20. Nofal, M., & Yusof, Z. (2013). Integration of Business Intelligence and Enterprise Resource Planning within Organizations. Procedia Technology, 11, 658-665. https://doi.org/10.1016/j.protcy.2013.12.242.

• < Попередня
• Наступна >