ОПТИМИЗАЦИЯ СКЛАДСКОЙ ПЛОЩАДИ В ЦЕПЯХ ПОСТАВОК

АННОТАЦИЯ

В данной статье авторами был рассчитан один из возможных вариантов оптимизации складского пространства в логистической цепочки доставки грузов. Авторами были изучены существующие методы организации работы складского хозяйства и была составлена тепловая карта склада. На основе этого анализа был применен один из наиболее эффективных алгоритмов сортировки двумерного массива данных на складе , что позволило получить выигрыш в производительности почти на 25%, по сравнению с базовым, случайным хранением товаров на складе составил 7000 часов (22000 часов работы против 29000).

ABSTRACT

 In this article, the authors calculated one of the possible options for optimizing storage space in the logistics chain of cargo delivery. The authors studied the existing methods of organizing the work of the warehouse and compiled a heat map of the warehouse. Based on this analysis, one of the most efficient algorithms for sorting a two-dimensional data array in a warehouse was applied, which made it possible to obtain a performance gain of almost 25%, compared with the basic, random storage of goods in a warehouse, which was 7,000 hours (22,000 hours of operation versus 29,000).

Ключевые слова: оптимизация, грузопоток, грузопереработка, сортировка, алгоритм, складское пространство, производительность, эффективный, диверсифицированный

Keywords: optimization, cargo flow, cargo handling, sorting, algorithm, warehouse space, performance, efficient, diversified

В условиях дальнейшего роста национальной экономики одним из ключевых вопросов является организация эффективной логистической системы по доставки грузов. Оперативная и своевременная доставка товаров, прежде всего, обеспечивает адекватность движения готовой продукции и сырья на внутреннем рынке и снижает стоимость продукции, доставляемой потребителям. Многие учёные изучали в своих исследованиях вопросы управления перевозками с точки зрения логистического подхода решая такие задача, как обеспечение непрерывности транспортных услуг в производственных процессах, оптимизация работы складов и снижение материальных затрат. Джеймс С. Джонсон, Дональд Ф. Дерево, П, Р. Мерфи, Д. Ретлиф, С. Уваров, Д. Иванов, Б. Аникин, Л. Миротин, А. Гаджинский, М. Окландер, Д. Бауэрсокс, Саматов Г.А., Бутаев. Ш.А., Джураев М.Н. и другие учёные изучали эти вопросы в своей научных работах [1,2,3,4,9,11].

В логистической цепочке движение материальных потоков по складам влияет на цену товаров в части затрат на доставку. Поэтому проблемы организации движения материальных потоков на складах напрямую связаны с рационализацией их движения в логистических цепочках и грузопотоках [5].

Для повышения эффективности работы склада достаточно оптимизировать основной процесс - грузопереработку. Грузопереработка связана с перемещением товаров на короткие расстояния, обычно в пределах самого склада или между зонами хранения и транспортными средствами. Эффективно работающие склады сокращают время перемещения до минимума, а необходимые перемещения делают максимально эффективными [6,7,8].

В данной работе задача оптимизации грузопереработки сводится к переосмыслению подхода к хранению товара на складе.

Основные показатели работы склада:

• грузопоток - количество груза, которое проходит через склад за единицу времени.
• грузопереработка - количество операций, совершаемых с грузом на участки между приемкой груза и его выдачей.
• продолжительность оборота - единица времени, характеризующая продолжительность нахождения груза на территории склада

Возьмем за основу основную задачу оптимизации, в виде снижения времени между необходимостью доставки товара к выгрузке и временем доставки товара от точки приемки к точке хранения. Представим процесс в виде следующего графика [12,13]:

Рисунок 1. Векторная диаграмма перемещения груза по складу

Каждый участок цепи характеризуется временем, затраченным между ним и следующим участком, а весь процесс выражается через формулу (1):

,                                                         (1)

Где:

n – число операций

t – время затраченное на конкретном участке

На выходе получим следующий список:

Необходимо регулярно производить перегруппировку точек хранения товара, сначала на основе математической модели, после чего, в случае достижения оптимальных теоретических показателей – переносить ее в реальный процесс.  За основу теоретический модели склада возьмем грузооборот овощной продукции в Кашкадарьинский области Республики Узбекистан, за 2020 год он составил 768000 тонн. Овощная продукция — это максимально диверсифицированный товар, который поступает и отгружается со склада не равномерно по времени и объему [10].

Представим территорию склада в виде двухмерной тепловой карты, каждая ячейка которой характеризует интенсивность грузооборота товара, по шкале от 1 до 100:

Рисунок 2. Тепловая карта склада

Данная карта иллюстрирует случайное хранение товара на складе, базируясь лишь на подходах [17]:

• Первым пришел – первым ушел
• Первым пришел – последним ушел

На основе имеющегося внутреннего набора данных о спросе на каждый конкретный товар, по истечению некоторого времени необходимо произвести оптимизацию точек хранения, а именно перенести точки с наибольшим спросом – ближе к местам приемки и отгрузки товаров.

Если принять каждый уровень склада за временный интервал, и пропорционально разделить его на временные зоны доступа к товару, то доступ к товарам в первой временной зоне будет составлять – 1 минуту, доступ к товарам второй временной зоне – 2 минуты и так далее. Перемножив интенсивность доступа к ячейке с ее временной зоной – получим суммарное время, затраченное на выполнение работы по доставке груза:

                                  ,                   (2)

где:

х_i – количество запросов к товару;

y_i – время на доступ к товару.

       По результатам расчётов получим следующую таблицу, показывающую, сколько времени необходимо на завершение полного цикла переработке всего товара на складе. Так к примеру для 280 товаров из 10 временной группы потребуется 280 * 10 часов:

Таблица 1.

Совокупное время обработки грузопотока

Примем алгоритм пузырьковой сортировки [16] к представленной в таблице №2 тепловой карте:

На основе алгоритма пузырьковой сортировки мы получили следующий результат. В данном случае выигрыш во времени достигает 25%.

Рисунок 3. Тепловая карта склада после оптимизации

Подобные сортировки следует производить постоянно, основываясь на ежеквартальных, ежемесячных, и даже ежедневных данных, если речь идет о товарах с небольшим периодом переработки. Применять оптимизационные подходы к цепи поставок необходимо на каждом из ее участков, особенно эффективно это проявляет себя при условии, что вся цепь контролируется одно компанией, в таком случае объем данных информационного потока открывает огромные возможности для оптимизации процесса [9,14,15].

Но даже если рассматривать участки изолированно друг от друга, то используя даже базовые метрики и алгоритмы можно значительно ускорить процесс доставки груза или уменьшения затрат на его транспортировку. В данной работе был показан один из возможных вариантов оптимизации складского пространства. Применённый один из наиболее эффективных алгоритмов сортировки двумерного массива данных на складе позволил получить выигрыш в производительности почти на 25%, по сравнению с базовым, случайным хранением товаров, т.е. выигрыш во времени составил 7000 часов (22000 часов работы склада против 29000).

Список литературыЖ

1. Миротин Л. Б. Эффективная логистика / Л. Б. Миротин, Э. Ташбаев, О. Г. Порошина. — М. : "Экзамен", 2002. - 160 с.
2. Логистика: Учебник / А. М. Гаджинский. - 20-е изд. - М.: Издательско-торговая корпорация «Дашков и К*», 2012. - 484 с.
3. Бауэрсокс Д., Клосс Д. Логистика. Интегрированная цепь поставок. – М.: Олимп-Бизнес, 2010. – 640 с.
4. Григорьев М.Н., Уваров С.А., Ткач В.В. Коммерческая логистика. Теория и практика. – М.: Юрайт, 2012. – 490 с.
5. Джеймс С.Джонсон, Дональд Ф.Вуд, Дэниел Л.Вордлоу, Поль Р.Мерфи-мл. Modern logistics (Современная логистика). Учебное пособие. – М.: “Вильямс”, 2015.
6. Дыбская В.В. Управление складированием в цепях поставок. 2009.
7. Бутаев, Ш. А., Мирзааҳмедов, Б. М., Жўраев, М. Н., Дўрмонов, А. Ш., & Баҳодиров, Б. (2009). Ташиш жараёнларини моделлаштириш ва оптималлаштириш. Т.: ФАН, 268.
8. Саматов Г.А. Инновационное развитие автомобильного транспорта. – Т.: «Ўзбекистон Миллий энциклопедияси» Давлат илмий нашриёти, 2011.– 256 б.;
9. Жураев М.Н., Омонов Б.Ш., Кенжаев С.Н. Формирование моделей управления объемами перевозок в соответствии с потребностями потребителей // Universum: технические науки : электрон.научн. журн. 2021. 5(86). URL: https://7universum.com/ru/tech/archive/item/11803
10. Juraev Muxiddin, Yusufkhanov Zokirkhon, & Akhmedov Dilmurod (2022). MODELING THE SYSTEM OF VEHICLE AND DRIVER ACTIVITY. Universum: технические науки, (1-3 (94)), 71-73.
11. Shermukhamedov A.A., Kuziev A.U. Solution of the problem of optimal distribution of cargo flows in the region and the development of its transport network/ International Journal of Mechanical and Production Engineering Research and Development (IJMPERD) ISSN (P): 2249–6890; ISSN (E): 2249–8001 Vol. 10, Issue 3, Jun 2020, 11337-11348.
12. Shermukhamedov Abdulaziz Adilkhakovich, & Juraev Mukhiddin Nortojievich (2019). Combinatory method of definition of discrete decisions of the problem of rational distribution of vehicles on radial routes. European science review, (3-4), 118-123.
13. Gwynne Richards, Warehouse Management: A Complete Guide to Improving Efficiency and Minimizing Costs in the Modern Warehouse. 2011.
14. Жураев М.Н. Ахмедов Д.Т. Мустанов О.Г. Юсуфхонов З.Ю. (2022). ОЦЕНКА ВЛИЯНИЯ СОСТОЯНИЯ ДОРОЖНОЙ ИНФРАСТРУКТУРЫ НА ХАРАКТЕР КООРДИНАЦИОННОЙ МОДЕЛИ // Universum: технические науки  2(95). URL: https://7universum.com/ru/tech/archive/item/13179 (дата обращения: 18.03.2022).
15. Yuldoshev Davron, Abdullaev Botir, Yusufkhonov Zokirkhon, & Muminov Tulkin (2022). DETERMINING THE IMPACT OF WEATHER INDICATORS ON PASSENGER TRAFFIC IN PUBLIC TRANSPORT. Universum: технические науки, (1-3 (94)), 64-70.
16. Introduction to Algorithms. Thomas H. Cormen, 1989
17. Warehouse Management: A Complete Guide to Improving Efficiency and Minimizing Costs in the Modern Warehouse. Gwynne Richards, 2011