Прогнозирование объемов работы автомобильного транспорта при обслуживании клиентов | Статья в журнале «Молодой ученый»

Автор:

Рубрика: Экономика и управление

Опубликовано в Молодой учёный №7 (141) февраль 2017 г.

Дата публикации: 17.02.2017

Статья просмотрена: 74 раза

Библиографическое описание:

Гришкова Д. Ю. Прогнозирование объемов работы автомобильного транспорта при обслуживании клиентов // Молодой ученый. — 2017. — №7. — С. 233-237. — URL https://moluch.ru/archive/141/39617/ (дата обращения: 22.06.2018).



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

=0,1

=0,2

=0,3

=0,4

=0,5

=0,6

=0,7

=0,8

=0,9

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:

  1. 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.
  2. 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.
  3. Гаджинский А. М. Логистика: учебник. [Текст] / Гаджинский, А. М. — Москва, 2010. –С. 345–349.
  4. 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.
  5. 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.
Основные термины (генерируются автоматически): нет, данные, момент времени, прогноз, Россия, TEU, годовой объем погрузки, экспоненциальное сглаживание, наименьшая погрешность, выбор метода прогнозирования.


Обсуждение

Социальные комментарии Cackle
Задать вопрос