В настоящее время все большее количество грузоперевозок осуществляется транспортно-экспедиторскими фирмами. Обусловлено это, в первую очередь тем, что производителям содержать собственный парк подвижного состава и логистический отдел невыгодно. Так же, прежде чем выбрать оптимальный вариант перемещения груза от поставщика к конечным потребителям, необходимо разработать несколько вариативных цепей поставок и выбрать из них наилучшую. Помимо этого, приходится сталкиваться с отсутствием навыков оформления документации и прочими нюансами и форс-мажорными обстоятельствами. Именно поэтому клиентам проще обратиться в транспортную компанию и заплатить им небольшую сумму за полный перечень необходимых услуг, чем самим заниматься организацией перевозки с большими трудовыми и временными затратами.
В связи с популяризацией экспедиторских фирм на транспортном рынке, к современным экспедиторам предъявляются высокие квалификационные требования. Чтобы фирма была конкурентоспособной среди прочих, необходима постоянная модернизация производственных и управленческих процессов на предприятии, что в свою очередь обеспечивает развитие транспортной инфраструктуры государства и уменьшение транспортных издержек, находящих свое отражение в цене конечного продукта. Таким образом, совершенствование работы транспортно-экспедиторских фирм отразится на конкурентоспособности отечественной продукции.
Клиентоориентированность является важным элементом антикризисного управления.
Очень важно понятие клиентоориентированности и с точки зрения транспортного бизнеса. В условиях современного рынка наблюдается жестокая борьба транспортных предприятий за привлечение новых и удержание уже сотрудничающих с предприятием клиентов. Помимо человеческого фактора, а именно квалификации персонала и их личных качеств, способствовать улучшению клиентоориентированности компании также будет и индивидуальный подход к клиенту, заключающийся в разработке индивидуальных схем крепления и размещения груза, рациональных схем доставки груза в определенные точки выгрузки, направленность на сокращение расходов клиента и улучшение сохранности перевозок [1].
Группа компаний «С» более 15 лет успешно работает на рынке транспортной логистики и предлагает полный спектр услуг в области внутрироссийских и международных перевозок грузов.
В наличии компании имеется собственный контейнерный парк — более 2000 TEU, парк фитинговых платформ и автомобильный парк.
Группа компаний «С» осуществляет доставку в любую точку России, СНГ и дальнего зарубежья и обратно по технологии «Door-to-door», включая следующие услуги:
– транспортно-экспедиционное обслуживание при перевозках любым видом транспорта по России и за рубежом;
– организация мультимодальных импортно-экспортных перевозок;
– грузоперевозки в собственных 20-ти и 40-ка футовых контейнерах через морские порты (Восточный, Владивосток, Новороссийск, Санкт-Петербург и другие), а также через сухопутные пограничные переходы (Москва, Забайкальск, Достык и другие), в том числе нестандартных (негабаритных) грузов и пищевой продукции;
– экспедирование в портах (через свои филиалы), организация перегруза на сухопутных границах;
– обеспечение сохранности груза в пути, в частности страхование груза, бесплатное предоставление оперативной информации о местонахождении груза;
– услуга «Контрактодержание»;
– услуги по таможенному оформлению, сертификации различного происхождения;
– консолидация груза на складах в Шанхае, Гуанчжоу (сборные грузы);
– организация автомобильной, железнодорожной, морской и авиадоставки, в том числе сборных грузов, из Китая и других стран.
Для удовлетворения потребностей клиентов необходимо оптимизировать технологии «Door-To-Door», «Just-In-Time», принцип «одного окна» [2]. Эти технологии находят свое применение при осуществлении ГК «СЭ развоза от складов, тяготеющих к железнодорожным станциям до клиентов (в т. ч. мелких грузовладельцев). Осуществим прогнозирование объемов работы автомобильного транспорта при развозе груза для клиента «Э».
Прогнозирование — вероятностное суждение, обоснованное научно, о перспективах возможных состояний того или иного явления в будущем и об альтернативных путях и сроков их осуществления [3].
При анализе объектов в теории прогнозирования производится классификация прогнозов. В качестве основных признаков в данном случае указываются:
– масштабность (отражает количество значимых переменных величин при описании объекта);
– сложность (характеризует степень взаимосвязанности переменных);
– детерминированность или стохастичность переменных;
– информационная обеспеченность периода ретроспекции (включает в себя как объекты с полным количественным обеспечением, так и объекты, у которых данное обеспечение отсутствует).
На рисунке 1 представлена схема, позволяющая соотнести цели прогнозирования, объем исходных данных и вид данных для получения корректного прогноза. В зависимости от количества исходных данных и вида прогноза возможны прогнозы на один или несколько шагов, проверка модели прогнозирования на предмет адаптации к исходным данным. Для получения прогноза используются разные методы, для выбора которых важно соотнести имеющийся вид и количество данных с требованиями к минимальному количеству исходных данных, на основании которых можно сделать прогноз.
Рис. 1. Схема подготовки прогнозных решений
Существует ряд различных методов для получения прогноза. Для выбора нужного метода важно соотнести количество и вид имеющихся данных с требованиями к минимальному количеству исходных данных, на основе которых можно сделать прогноз. Общие рекомендации по выбору метода прогнозирования приведены в таблице 1 [4].
В работе для прогнозирования используется простой метод сглаживания данных. Для любого метода сглаживания очень важно использование последних данных ряда, поскольку информация имеет свойство устаревания, причем, чем ближе данные к интервалу прогноза, тем их значимость для прогноза должна быть больше.
Таблица 1
Общие рекомендации по выбору метода прогнозирования
|
Метод прогнозирования |
Наличие тренда |
Наличие сезонности |
Требования кминимальному количеству данных |
Прогноз возможен |
||
|
несезонные |
сезонные |
на один шаг |
на несколько шагов |
|||
|
экспертный |
не обязательно |
не обязательно |
0 |
0 |
да |
да |
|
наивный |
да/нет |
да/нет |
1 |
-**** |
да |
нет |
|
экспоненциальное сглаживание (простое) |
нет |
нет |
2 |
- |
да |
нет |
|
арифметическое сглаживание |
нет |
нет |
4 |
- |
да |
нет |
|
метод Хольта |
да |
нет |
3 |
- |
да |
нет |
|
10 |
- |
да |
да |
|||
|
метод экспоненциальных средних (метод Брауна) |
да |
нет |
3 |
- |
да |
да * |
|
экстраполяция тренда |
да |
нет |
3 |
- |
да |
да * |
|
да |
да |
- |
1∙Т** |
да |
да * |
|
|
метод Винтерса |
да |
да |
- |
2∙Т |
да *** |
|
|
комбинированный прогноз (оценка среднего значения) |
да/нет |
да/нет |
1 |
- |
да |
нет |
|
комбинированный прогноз (оценка среднего значения и отклонения) |
да/нет |
да/нет |
3 |
- |
да |
нет |
|
* Прогноз на несколько шагов возможен при соблюдении соотношения длины предпрогнозного периода и периода прогнозирования 3:1. ** Т — периодичность сезонности. *** Прогноз на один период, содержащий сезонность (например, на 1 год поквартально). **** «-» — метод не используется для учета сезонности. |
||||||
Исходя из имеющихся данных и из таблицы 1, для прогнозирования объемов работы применяется метод экспоненциального сглаживания с одним параметром (однопараметрическая модель Брауна), согласно которого прогнозируемое значение в определенный момент времени (t+1) представляет собой сумму фактического значения показания на момент времени t и прогнозируемого.
, (1)
где
— фактическое значение показателя;
— прогнозируемое значение на момент времени t;
= 0…1– параметр сглаживания — подбирается путем последовательного приближения, в результате которого выбирается наименьшая погрешность среднеквадратичного отклонения:
, (2)
где 
— число учитываемых периодов;
— количество параметров показательного сглаживания, 
.
Прогнозирование на следующий год выполняется на основе статистических данных прогноза за предыдущие три года по клиенту «Э».
Для расчетов принимаем = 1. Годовой объем погрузки автомобильных транспортных средств на складе № 2 «Э» определим как среднеарифметическое значение, рассчитанное на основе трех предыдущих лет.
(1140+1760+1820)/3=1574 авт./год;
Тогда:
1 год: 
;
2 год:
.
3 год: 
Рассчитаем погрешность:
Количество погруженных собственных машин на складе ООО «Э» равно количеству выгруженных автомобилей на данном складе.
Результаты прогнозирования годовых объемов погрузки и выгрузки сведены в таблицу 2.
По данным прогнозирования наименьшая погрешность обеспечивается при =0,9 — прогнозные значения по погрузке и выгрузке составят 
авт./год.
Таблица 2
Прогнозирование годовых объемов погрузки ивыгрузки
|
Период |
Значение |
Значение параметра |
||||||||
|
|
|
|
|
|
|
|
|
|
||
|
Погрузка |
||||||||||
|
1 |
1140 |
1531 |
1487 |
1444 |
1401 |
1357 |
1314 |
1271 |
1227 |
1184 |
|
2 |
1760 |
1554 |
1542 |
1539 |
1545 |
1559 |
1582 |
1614 |
1654 |
1703 |
|
3 |
1820 |
1581 |
1598 |
1624 |
1655 |
1690 |
1725 |
1759 |
1787 |
1809 |
|
S |
355,3 |
329,6 |
299,7 |
266,1 |
228,5 |
188,4 |
145,3 |
99,7 |
51,5 |
|
|
Выгрузка |
||||||||||
|
1 |
1140 |
1531 |
1487 |
1444 |
1401 |
1357 |
1314 |
1271 |
1227 |
1184 |
|
2 |
1760 |
1554 |
1542 |
1539 |
1545 |
1559 |
1582 |
1614 |
1654 |
1703 |
|
3 |
1820 |
1581 |
1598 |
1624 |
1655 |
1690 |
1725 |
1759 |
1787 |
1809 |
|
S |
355,3 |
329,6 |
299,7 |
266,1 |
228,5 |
188,4 |
145,3 |
99,7 |
51,5 |
|
Среднемесячные объемы погрузки и выгрузки определяются по следующей формуле:
, (3)
где
— коэффициент неравномерности перевозок, 
;
12 — число месяцев в году.
Среднемесячный объем работы по погрузке и выгрузке составит:
авт/мес.
Таким образом, можно отметить, что правильный подбор метода прогнозирования должен обеспечить максимальную сходимость с результатами фактически выполненной работы. Прогнозирование определяет дальнейшую политику транспортно-экспедиционной фирмы в отношении своих клиентов, позволяет оценить объемы работ, более точно соотнести свои технические и технологические возможности со спросом клиента, а, следовательно, и повысить уровень качества его обслуживания [5].
Литература:
- Гришкова Д. Ю. Оказание логистического сервиса клиентам железнодорожного транспорта / Д. Ю. Гришкова // Сборник материалов VII Международной научно-практической конференции НГТУ «Производственный менеджмент: теория, методология, практика», Новосибирск, 2016. С. 26–31.
- Гришкова Д. Ю. Применение концепции бережливого производства на станции / Д. Ю. Гришкова // Сборник материалов XV Международной научно-практической конференции НГТУ «Инфраструктурные отрасли экономики: проблемы и перспективы развития», Новосибирск, 2016. С. 128–134.
- Гаджинский А. М. Логистика: учебник. [Текст] / Гаджинский, А. М. — Москва, 2010. –С. 345–349.
- Лукинский В. С. Модели и методы теории логистики: Учебное пособие. 2-е изд. / Лукинский В. С., Лукинский В. В., Малевич Ю. В., Пластуняк И. А., Плетнева Н. Г. — СПб.: Питер, 2008–448 с.
- Гришкова Д. Ю. Определение максимальной разницы времени накопления груза на прямую и сборную контейнерную отправку / Д. Ю. Гришкова // Молодой ученый. — 2016. — № 7. Часть 1. — С. 60–63.
