Прогнозирование работы морского порта

1.5. Технологические процессы с ро-ро грузами - выгрузка/ погрузка судна, складирование генеральных гцзов на складе, обработка городского автотранспорта. Погрузо - разгрузочные работы осуществляются по двум схемам: перегрузки ролл-трейлеров по аппарели и с помощью МПК (для штучных, специальных грузов), складирование происходит через тягачи, цепляющие груз на ролл-трейлере и перемещающие его по терминалу к месту дальнейшей перегрузки, обработка автотранспорта происходит при помощи ричстакера, цепляющего груз при помощи цепей или специального спредера.

2. По типу транспорта:

2.1. Cудно - Автотранспорт: на ПЛП характеризуется как «прямой вариант» - редкий технологический процесс перегрузки контейнера сразу на городской автотранспорт, как правило осуществляется на обработке крупных судов типа Panamax.

2.2. Cудно - Cклад - самый распространенный технологический процесс на ПЛП - состоит из двух основных этапов: погрузки на тягач или терминальный автотранспорт с судна и выгрузки с тягача или автотранспорта в складскую зону согласно типу обрабатываемого груза.

2.3. Склад - Судно - технологический процесс погрузки судна со складской зоны терминала, является одним из самых распространенных технологических процессов в Петролеспорту и составляет основную деятельности порта по погрузки судозаходов.

2.4. Cклад - Cклад (межскладское перемещение) - технологический процесс перевозки груза внутри терминала между разными складскими зонами, осуществляется по нескольким основным схемам в зависимости от типа груза: RTG - АВТО - RTG, RS - АВТО - RS и другие.

2.5. Cклад - Автотранспорт - перегрузка товара со складской зоны на городской автотранспорт - технологический процесс, составляющий ежедневную работу терминала и обеспечивающий непрямую перегрузку груза между различными видами транспорта и между морем и континентальной системой распределения.

2.6. Cклад - Вагон - технологический процесс непрямой перегрузки товара между судном и железнодорожным транспортом. Груз перегружается на склад, где контейнера (как правило порожние) подбираются и перегружаются на вагоны и платформы,

2.7. Автотранспорт - Судно - прямой вариант перегрузки с городского автотранспорта на судно, также является редким технологическим процессом на ПЛП из-за сложности расчета своевременного прихода груза к погрузке судна.

2.8. Автотранспорт - Склад - технологический процесс перегрузки экспортного груза с автотранспорта в складскую зону ПЛП и последующее накопление груза для отправки через судно.

2.9. Вагон - Склад - технологический процесс выгрузки железнодорожного маршрута на терминальный автотранспорт и сразу в складскую зону терминала, либо из вагона напрямую на склад.



2.4 Выводы

Технологические процессы грузового порта описывают теоретически бесконечные схемы обработки грузов на терминале с применение погрузочной и перевозочной техники. Технологические процессы содержат ряд технологических операций, которые в свою очередь состоят из элементов и, далее, из особых приемов выполнения эксплуатационной работы.

Количество технологических процессов лимитируется структурой обрабатываемого грузопотока и типами транспорта, участвующими в механизированных линиях перемещения груза и, поэтому, многочисленны на универсальных терминалах и в крупных портах, оказывающих широкий ассортимент услуг перевозчикам.[63]

В рассмотренной стивидорной компании АО «Петролеспорт», являющейся универсальной стивидорной компанией на территории Большого порта Санкт - Петербург, технологические процессы различаются в зависимости от типа груза и используемого перегрузочного транспорта. На ПЛП располагается причальная зона, железнодорожный фронт, автомобильный фронт, склады, досмотровая площадка, технологические процессы, соответственно различаются по фронтам работ и включают почти все общие технологические процессы за исключением прямого варианта с/на железнодорожные пути и операций трансшипмента, присущие крупным глубоководным портам и хабам. [54]

Поскольку Петролеспорт является универсальным портом, то есть обладает инфраструктурой для обработки широкой номенклатуры грузов на терминале, технологические процессы на ПЛП могут существенно отличаться в зависимости от типа и особенностей грузов. Общее правило состоит в том, что чем тяжелее обработка груза, тем меньшее количество процессов может быть применено по отношению к этой товарной позиции, и тем большее количество операций может быть совершено в одном технологическом процессе. Так, на ПЛП особо выделяются два полярных вида грузовых технологческих процессов: технологические процессы с контейнерными грузами (с самой широкой вариацией технологический процессов) и ро-ро грузами (как правило нео-навальные или штучные грузы, габаритность которых не позволяет быструю обработку при существующей инфраструктуре).

Несмотря на разнообразие технологических процессов, порт как перевалочный пункт был и остается локальным логистическим звеном. Наибольшую роль в современной морской перевозке играют судовые линии. Основная методология судовых линий при организации перевозки заключается в установлении морской логистической сети, состоящей из множества регулярных навигаций - или линий, которые формируются крупными мировыми перевозчиками для удовлетворения спроса на перевозку торгуемых товаров между государствами. [47]

На данный момент, в морской логистике, конечная перевозка (перевозка с одним пунктом отправления и одним пунктом назначения) не входит в активный инструментарий судовых линий. Современные крупные перевозчики осуществляют организацию регулярных перевозок по двум основным механизмам: комплектацию и перевозку груза внутри одной судовой линии (симметричное и ассимитричное судоходство) и комбинацию нескольких судовых линий (веерное судоходство, интерлайнинг) для охвата максимально возможной территории в рамках одного маршрута или для быстрой навигации флота.

В целом, судовые линии стремятся охватить наибольшее число рынков через включение в регулярные маршруты порты в наиболее потенциально прибыльных регионах. На сегодня, крупные перевозчики стремятся владеть в той или иной мере портами и инфраструктурой для быстрой и дешевой транспортировки груза между регионами. АО «Петролеспорт», рассмотренный ранее, частично принадлежит компании APMTerminal, являющейся дочерней компанией Maersk - крупнейшей мировой судовой линии. Таким образом, обобщая данную тенденцию, порты денационализируются, сращиваясь с глобальной морской логистической системой, что ведет будущее технологическое развитие порта к зависимости от стратегической позиции судовой линии по отношению к репрезентативному региону.



3. Модели и методы прогнозирования

3.1 Модели и методы прогнозирования

Процесс прогнозирования имеет ряд особенностей в теоретическом применении для академических и внеакадемических акторов. Во - первых, прогнозирование. составляет основу инструментария для выявления и аналитической обработки многофакторных объектов исследования (как ранее было указано - сложных систем) и элементов, не поддающихся очевидному описанию в рамках формальных языков.[10]

Во - вторых, прогнозирование может быть осуществлено на разные временные периоды: до 1 года - краткосрочные, от 2 до 5 лет - среднесрочные, от 5 до 10 лет долгосрочные и сверхдолгосрочные для промежутков более 10 лет. Время, охватываемое в прогнозе - это шаг прогнозирования, который может быть постоянным или переменным.

Для аналитической обработки многофакторных объектов в разных временных промежутках, в терминологии прогностики выделяются два основных операционных понятия - модель и метод прогнозирования, которые являются базовыми в процессе прогнозного исследования.

Метод прогнозирования - это исследовательский прием, направленный на изучение объекта и выработку прогноза на заданный шаг для рассматриваемого предмета.

Совокупность методов прогнозирования в беглом рассмотрении можно классифицировать по трем основным кластерам:

1. Экстраполяция (интерполяция) - группа методов, суть которых заключается в исследовании объекта, выявлении тенденций его изменения и перенос найденных тенденций на другие компоненты объекта или на будущие временные промежутки. Интерполяция построена по аналогичному принципу, но ориентируется на поиск переходных значений параметра, ориентируясь на известные данные.

2. Моделирование - изучение объектов прогнозирования на основании построенных моделей, реагирующих на накладываемые изменения таким же образом, что и реальные объекты в реальной среде.

3. Опрос экспертов - группа интуитивных методов, основанные на базисе личных мнений одного или группы компетентных лиц, дающих экспертную оценку будущим состояниям объекта.

Если рассматривать методы прогнозирования подробно, то на данный момент, возможно выделить порядка 150 различных методов прогнозирования, которые в укрупненном виде могут быть классифицированы по степени формализации, принципу действия и получения прогнозной информации.

Во-первых, методы прогнозирования разделяются по уровню формализации - данная основа классификации выделяет интуитивный (экспертный) и формализованный (аналитический) методологии прогнозирования. Интуитивные методы, как было замечено выше, это методы экспертного характера и могут быть применены для обработки количественной информации, когда математические методы неприменимы. Обратная логика распространяется на формализованную методологию, позволяющую обрабатывать данные, легко поддающиеся формальному описанию.[5]

Далее будет описана общая укрупненная классификация, однако необходимо заметить, что любая классификация зависит от конкретных целей исследования.

1. Формализованные методы подразделяются на:

1.1. Экстраполяцию:

1.1.1. Простая экстраполяция - используется для временного ряда со стационарным значением

1.1.2. Метод наименьших квадратов (МНК)

1.1.3. Метод группового учета аргументов (МГУА)

1.1.4. Адаптивные методы - методы скользящих средних, авторегрессии, временных рядов.

1.1.5. Другие

1.2. Моделирование

1.2.1. Имитационное

1.2.2. Структурное

1.2.3. Другие

1.3. Особые

1.3.1. Распознавание образов

1.3.2. Цифровые алгоритмы

1.3.3. Другие

Формализованные методы (аналитические, статистические) могут быть применены для объектов с полной ретроспективной информацией о его развития (наиболее точный прогноз) и для объектов с неполными данными о прошлых показателях (менее точный прогноз).[10]

Экспертные методы прогнозирования используются для анализа объектов с превалирующим обладанием качественной информации над количественной и объектов с полным отсутствием ретроспективных данных.

Модель прогнозирования определяется как разработанная модель рассматриваемого предмета прогнозирования, изучение которой дает возможность вывести данные о вероятных будущих состояниях объекта и возможных путях реализации данных состояний. [10]

Модели прогнозирования существенно отличаются в зависимости от отрасли применения, поскольку предполагают моделирование различных объектов в принципиально отличных друг от друга сред.

В общем виде, модели прогнозирования логически выводятся исходя из выбранной методологии процесса разработки прогнозного исследования.

Эксплуатация моделей прогнозирования является наиболее характерной для формализованных методов прогнозирования. В общем виде, модели прогнозирования могут быть классифицированы на:

1. Предметные модели - математические модели, характерные для конкретной области исследования - физика, химия, системный анализ и.т.д., поскольку содержат специфические зависимости и отношения, пригодные для использования исключительно в рассматриваемой области.

2. Модели временных рядов - математические модели, особенность которых - универсальность использования, достигаемая за счет возможности подсчета значений внутри самого объекта.

2.1. Статистические модели - характеризуются зависимостями, заданными некоторым уравнением. Примерами подобных моделей являются регрессионные и авторегрессионные модели, экспоненциального сглаживания и.т.д.

2.2. Структурные модели - отношения будущих значений задаются в форме структуры и логики движения по данной структуре. Примерами служат нейросетевые модели, модели, основанные на цепях Маркова и классификационно - регрессионных деревьев.

3.2 Решение задачи прогнозирования в классе полиномиальных уравнений

Метод аппроксимации является методом прогнозирования, в котором при помощи упрощения и сглаживания данных (проводимого через определение линии тренда) выстраивается тенденция движения информации и строится предположение о возможных дальнейших показателях или прогноз на будущий период. Тренд может быть построен с помощью нескольких видов аппроксимации: линейной, логарифмической, степенной, экспоненциальной и полиномиальной.

Прогнозирование через аппроксимацию является важным и достаточно точным инструментом для прогнозирования экономических и производственных показателей работы портовой индустрии. По указанной причине на основании данных о грузообороте за 2009 - 2019 год будет решена прогнозная задача по грузообороту Большого порта Санкт - Петербург на 2020 год и проведена оценка потенциальному развитию грузопотоков через Санкт - Петербург на основе полиномиальной аппроксимации.

Полиномиальная аппроксимация заключается в поиске полинома n-й степени, который представлял бы определенную нелинейную характеристику в задаче. Для построения тренда при помощи полиномиальной аппроксимации используем Microsoft Excel.

Представим полиномиальную аппроксимацию для грузооборота большого порта Санкт - Петербург по показателям грузооборота.

1) Создадим таблицу, куда занесем данные по грузообороту Большого порта Санкт - Петербурга за период 2009 - 2019 года.

Грузооборот Большого порта Санкт - Петербург 2009 - 2019

№	Год	Грузооборот, тыс.т.
1	2009	50 408,40
2	2010	58 059,90
3	2011	59 989,30
4	2012	57 814,40
5	2013	57972,1
6	2014	61183,1
7	2015	51513,5
8	2016	48624,3
9	2017	53648,8
10	2018	59325,4
11	2019	59879,5

2) Основная задача заключается в построении тренда по указанным данным и определении последующей тенденции движения грузооборота. Построим график по существующим данным.



График 6 Грузооборот Большого порта Санкт - Петербурга

3) Для построения линии тренда в Excel, пройдем по вкладке «Добавить линию тренда» при нажатии на график, где выберем полиномиальную линию тренда. Далее указываем степень полинома, которая определит количество экстремумов функции - максимумов и минимумов. Укажем вторую степень полинома, что опишет только один максимум функции.

Рисунок 7 Построение полиномиального тренда в EXCEL.

4) В результате, получим следующий тренд:



График 7 Прогноз грузооборота Большого порта Санкт - Петербурга на 2020 год по степени полинома 2

Как видно, линия тренда представляет собой почти прямую линию с низким уровнем достоверности (отображенном буквой R) в 0,004. Прогноз на 2020 год коррелируется с общим трендом и демонстрирует понижение грузооборота на будущий год.

5) Для увеличения степени достоверности, увеличим степень полинома.

График 8 Прогноз грузооборота Большого порта Санкт - Петербурга на 2020 год по степени полинома 3

При третьей степени полинома, как заметно, поменялось уравнение и вид тренда, и существенно вырос показатель достоверности, по сглаживанию по третьей степени, объем грузооборота демонстрирует резкий рост на 2020 год.

График 9 Прогноз грузооборота Большого порта Санкт - Петербурга на 2020 год по степени полинома 4

По 4 полиному, поменялось уравнение тренда, но общий его вид изменился не сильно, снизив прогноз на 2020 год на уровень 69 000 млн. тонн.

График 10 Прогноз грузооборота Большого порта Санкт - Петербурга на 2020 год по степени полинома 5

При сглаживании данных по 5 - й степени полинома, наблюдается увеличение числа экстремумов, прогноз на 2020 год демонстрирует понижение на несколько процентов по объему грузооборота на будущий год. Заметно увеличение показателя достоверности.



График 11 Прогноз грузооборота Большого порта Санкт - Петербурга на 2020 год по степени полинома 6

Показатель прогноза по 6 - ой степени полинома демонстрирует резкое понижение грузооборота в 2020 году. Несмотря на высокую степень достоверности, настолько резкое понижение грузооборота маловероятно, поэтому прогноз грузооборота Большого порта Санкт - Петербург будем ориентировать с прогнозом по 5 - й степени полинома.

Таким образом, при постройке полиномиального тренда, прогнозируем падение грузооборота в Большом порту Санкт - Петербурга на 3 млн. тонн в будущем году.

Далее представим прогнозы для всех российских портов Балтийcкого региона.

1) Усть - Луга -



График 12 Прогноз грузооборота порта Усть - Луга на 2020 год по полиномиальной аппроксимации

2) Высоцк -



График 13 Прогнозы грузооборота порта Высоцк на 2020 год по полиномиальной аппроксимации

3) Приморск -

График 14 Прогнозы грузооборота порта Приморск на 2020 год по полиномиальной аппроксимации

4) Калининград -

График 15 Прогнозы грузооборота порта Калининград на 2020 год по полиномиальной аппроксимации

5) Выборг -

График 16 Прогнозы грузооборота порта Выборг на 2020 год по полиномиальной аппроксимации

3.3 Анализ результатов прогнозирования и оценка загруженности порта

По результатам полиномиальной аппроксимации можно постулировать следующие прогнозные показатели по грузообороту Балтийского региона:

1. Для Большого порта Санкт - Петербург, прогнозируется небольшое понижение грузооборота (если судить по результатам возведения старшего полинома в 5 - ую степень с наиболее высоким показателем достоверности) приблизительно на 3 000 млн. тонн. Если брать в диапазоне, то следует ожидать грузооборот на 2020 год в промежутке 56 - 71 млн. тонн. Резкое понижение грузооборота по 6-й степени полинома не учитывается в диапазоне, ввиду низкой вероятности подобного объема в будущем периоде.

Подобный диапазон является достаточно вероятным по отношению к порту Санкт - Петербурга, поскольку существенное понижение грузооборота может быть связано исключительно с заметным снижением спроса в обслуживаемом Санкт - Петербургом регионе, что является маловероятным, если судить по динамике изменения реальных доходов жителей Северо - Запада России.

2. Для Усть - Луги прогнозируется изменение грузооборота от 90 до 121 млн. тонн за 2020 год. Ориентируясь на показатель с самой высокой степенью достоверности (6-ая степень полинома) прогнозируется рост грузооборота приблизительно до 121 млн. тонн.

Усть - Луга обладает большим потенциалом при учете существующих площадей и инфраструктуры и возможном расширении терминала на большую номенклатуру грузов и складских площадей. Внегородское положение и опыт в перевалке универсальных грузопотоков, а также стабильный ретроспективный рост, позволяет судить о прогнозе на 2020 год для Усть - Луги как вероятном, что подтверждается ростом грузооборота в первые три месяца 2020 года по всем видам груза на терминале.

3. Для порта Приморск прогнозируется изменение грузооборота с 58 млн. тонн до 71 млн. тонн (прогноз по 6-й степени полинома учитывать не будем ввиду низкой вероятности подобного резкого роста по грузообороту). В целом по порту Приморск, прогнозируется рост грузооборота, что подтверждается последними показателями по грузообороту за первые 4 месяца 2020 года (рост на 23%). Однако, последняя ценовая война на рынке нефти и решения по сокращению ее добычи могут серьезно сказаться на показатели третьего и четвертого квартала 2020 года, предпосылкой чего может выступать низкая, текущая загруженность терминала транспортными судами.

4. По порту Высоцка получены прогнозные показатели в диапазоне 16 - 23 млн. тонн (прогноз по 6-й степени полинома учитывать не будем ввиду низкой вероятности подобного резкого падения по грузообороту). Судя по снижению грузооборота за первые месяцы 2020 года, но потенциальному развитию терминальных площадей, можно считать прогноз небольшого снижения или повышения объема грузооборота для порта Высоцк оправданным и сопоставимым с полученным с помощью полиномиальной аппроксимации диапазоне.

5. По порту Калининград прогнозируется снижение грузооборота в диапазоне 11 - 8 млн. тонн (прогноз по 5-й и 6-й степени полинома учитывать не будем ввиду низкой вероятности подобного резкого падения по грузообороту). В последнее время, порт Калининград переживает стабильный спад грузопотоков, что подтверждается 10 - процентным снижением перевалочных грузов за первый квартал 2020 года. Высокая конкуренция и потенциальный экономический кризис, стоит ожидать, окажет дополнительный отрицательный эффект на объемы грузов, поэтому логично ожидать снижение грузов по результатам 2020 года.

6. Для порта Выборг ожидается понижение грузооборота в промежутке 1,05 - 1,45 млн. тонн, что подтверждается текущей низкой загруженностью терминала и понижением спроса на перевалку генеральных грузов.



3.4 Выводы

Прогнозирование является стратегически важным инструментом анализа внешней и внутренней деятельности компании.

В общем случае, методы прогнозирования делятся на экспертные (для данных, не поддающихся формальному исследованию) и формализованные (для данных, поддающихся формальному описанию).

Метод аппроксимации является формализованным методом прогнозирования, позволяющим через сглаживание и упрощение данных построить тренд, на основании которого можно вывести прогноз на будущие периоды. Полиномиальная аппроксимация является эффективным и точным инструментом для прогнозирования данных. Суть полиномиальной аппроксимации заключается в присвоении степени полиномиальному уравнению. Полиномиальную аппроксимацию можно реализовать с помощью программы Microsoft Excel через построение линии тренда и присвоения степени от 2 до 6 для заключения итогового прогноза.

В зависимости от степени, уравнение линии тренда будет отличаться от квадратного уравнения до уравнения 6-й степени, что также повлияет и на показатель достоверности. Чем выше степень, тем выше показатель достоверности.

По результатам полиномиальной аппроксимации для порта Усть - Луга прогнозируется рост, для портов Санкт - Петербург, Высоцк и Приморск - небольшой рост или небольшое падение и для портов Калининград и Выборг - стабильное снижение грузооборота.

В целом по Балтийскому региону можно ожидать увеличение суммарного грузооборота на 2020 год.



Заключение

Развитие морской логистики в последние десятилетия достигло знаменательных показателей: увеличение грузопотоков, модификация информационных технологий и инфраструктуры позволило глобальной экономике развиваться более быстрыми темпами, что оказало одно из существенных влияний на размеры мировой экономики.

Индустрия морских портов и операторов является системно важным направлением в Российской Федерации и одним из крупнейших транспортных бизнес - областей в стране. Менеджмент морского порта эволюционирует и развивается, и все чаще имплементирует и модифицирует управленческие практики на терминале.

Несмотря на обилие морских выходов России, Балтийский регион занимает особую позицию в торговых грузопотоках страны. Около 30% всех грузов государства перегружается на терминалах Балтийского моря, и большая часть инвестиций направляется на их развитие.

Становление Балтийского региона также занимает важную страницу истории развития грузовой транспортировки и включает ряд долгих войн за контроль над прибалтийскими территориями и созданием новых портов и терминалов для обеспечения обработки современных судов и последовательным развитием морской логистики. В подобном историческом водовороте особое место занял возникший порт Санкт - Петербурга, который на протяжении трех веков являлся главным портом на Северо - Западе России.

На сегодняшний момент, Большой порт Санкт - Петербург является одним из крупнейших портов России и соединяет в себе наиболее масштабные терминалы по перевалке контейнерных грузов.

Современный порты состоят из стивидорных компаний или операторов, которые осуществляют перегрузку заходящих грузопотоков за оплату своих услуг. Рабочие операции грузового порта описываются технологическими процессами, которые состоят из операций и описываются технологической картой порта. Технологические процессы регулируют и формализуют деятельность работников порта по обработке различных типов груза и видов транспорта, что существенно облегчает и делает безопасным перегрузочные операции в порту.

Информационные технологии в порту являются предметом исследования и достижения конкурентного преимущества для мировых терминалов. В первую очередь, это технические средства навигации и мониторинга, на самом высоком уровне, это технологии по идентификации объектов проходящих на и из терминала. Информационные технологии и системы являются существенным для портовых администраций, менеджмента порта и судовых линии. Последние используют современные системы по мониторингу морских логистических объектов для организации регулярных навигаций и транспортных линий.

Судовые линии являются важнейшим элементом морской логистики, поскольку именно они определяют размеры и форму морских транспортных потоков, и объемы грузопотоков для локальных портов. Ввиду подобной сложности в коммерческих взаимоотношениях терминалов и судовых линий, необходимым является применение прогнозирования как инструмента стратегического управления в менеджменте работы порта.

Методология прогнозирования подразделяется на две общие классификации. Во - первых, экспертные методы, включающие любое прогнозирования данных, не поддающихся численной или формальной обработке и формализованные методы, используемые для измерения количественной информации. Важным представляется комбинирование данных методологий в особенности при прогнозировании коммерческих показателей для обеспечения высокой точности информации.

Метод аппроксимации используется для сглаживания и упрощения данных, чтобы построить итоговый тренд, на основании которого делается итоговое прогнозирование. В данной работе использована методология полиномиальной аппроксимации для проведения прогноза для Большого порта Санкт - Петербург и российских портов Балтийского региона.

Порты Балтийского региона демонстрировали неплохие темпы роста на протяжении многих лет и увеличивали показатели грузооборота на протяжении долгого времени, однако увеличивающаяся конкуренция от портов прибалтийского региона и Северной Европы требуют от российской терминальной индустрии поиска новых решений по увеличению грузопотоков. В целом на 2020 год, прогнозируется рост грузооборота почти у всех портов Балтийского региона, что является результатом скорее протекционистской политики России, чем нахождением новых грузовых потоков из глобальных транспортных сетей.

Основная деятельность коммерческих департаментов российских портов должна состоять в привлечении новых товаропотоков для заполнения существующих мощностей, в то время как стратегическое управление терминалов должно рассчитывать инвестиции в модернизированную инфраструктуру и вкладывать финансовые средства в постоянную модификацию причалов и перегрузочного оборудования.

Крайне важно усовершенствование информационных систем и технологий, которые позволяют повысить эффективность менеджмента в порту и имплементировать беспрерывную цепь поставок и повысить значение логистических показателей для повышения привлекательности для судовых линий и соответствующего увеличения числа судозаходов в порт.

Прогнозирование, таким образом, представляется жизненно необходимым инструментом для достижения указанных целей и обеспечения предприятия необходимой информацией о внешнем состоянии рынка и внутренних спецификаций конкретного порта, позволяя получить диапазон значений по существенным экономическим показателям.

Полученные прогнозные результаты говорят только о тренде или стабильном движении данных в определенном направлении, однако для портов необходимо учитывать в оперативном режиме гораздо больший объем факторов, чем грузооборот на следующий год. Большую часть бизнеса морской логистики составляют судовые линии, которые через опосредованное взаимодействие с конечным потребителем, определяют уровень спроса и возможность организации транспортных услуг в предполагаемый регион. По последним статистическим данным, новая коронавирусная инфекция и нефтяной кризис не сильно сказался на текущем грузопотоке на российские терминалы, что, однако совсем не отражаем реальное состояние глобальной экономики.

В среднесрочном периоде, когда ввиду упавшего спроса перевозчики будут пересматривать загруженность собственных судовых линий, терминалы могут оказаться на грани собственного кризиса, что, конечно, не может быть учтено при построении полиномиальной линии тренда. Поэтому, несмотря на текущий рост грузооборота в конце 2020 года, российским портам возможно стоит ожидать более пессимистические результаты по общему уровню грузооборота, что, таким образом, может повлечь сложный период в индустрии, смягчением которого может послужить перевод всех российских грузопотоков через российские терминалы.



Список использованной литературы

1. Ахутина, В. Д. Балтии?ское море: от координации стратегии? к процветанию макрорегиона: науч. Издание / В.Д. Ахутина, С.Д. Воронцова, С.В. Лазовскии?, Л.К. Коровин, А.П. Сологуб, А.М. Ходачек, С.Т. Ходько; Санкт-Петербургскии? филиал Нац. Исследоват. Ун-та «Высшая школа экономики». 3-е издание, испр. И доп. СПб.: НИУ ВШЭ - Санкт-Петербург, 2014. 124 с.

2. Бабурина О.Н., Кондратьев С.И. МОРСКИЕ ПЕРЕВОЗКИ: ТЕНДЕНЦИИ РАЗВИТИЯ В МИРОВОЙ И РОССИЙСКОЙ ЭКОНОМИКЕ. Транспортное дело России. 2016. № 5. С. 112-116.

3. Балдин К.В., Воробьев С.Н., Уткин И.Б. Управленческие решения. / учебник. - М.: Дашков и К, 2014. 495 c.

4. Благих В.И. РАЗРАБОТКА СТРАТЕГИИ РАЗВИТИЯ КОНТЕЙНЕРНОГО ТЕРМИНАЛА В сборнике: ПЕРСПЕКТИВЫ РАЗВИТИЯ НАУКИ В СОВРЕМЕННОМ МИРЕ сборник статей по материалам XII международной научно-практической конференции. 2018. С. 165-170.

5. Боголепов И.И. ОБЩЕСТВЕННАЯ КОНЦЕПЦИЯ СТРАТЕГИИ РАЗВИТИЯ САНКТ-ПЕТЕРБУРГА, РЕГИОНА И РОССИИ

6. Вестник Восточно-Сибирской Открытой Академии. 2017. № 24. С. 4.

7. Винников В.В. Системы технологий на морском транспорте (перевозка и перегрузка). М.: ТрансЛит, 2010. 576 с.

8. Гапочка, А. А. Контеи?нерные терминалы Санкт-Петербурга и Ленинградскои? области: инструменты повышения / А.А. Гапочка, С.В. Никулина //Логистика. - 2016. No 9 (118). -с. 22-27.

9. Горюнов Б.Ф. Специализированные причалы морских портов. М.: Транспорт, 1968. 312 с.

10. Дуброва Т.А., Архипова М.Ю. СТАТИСТИЧЕСКИЕ МЕТОДЫ ПРОГНОЗИРОВАНИЯ В ЭКОНОМИКЕ: Учебное пособие, практикум, тесты, программа курса / Дуброва Т.А.; руководство по изучению дисциплины / Московскии? государственныи? университет экономики, статистики и информатики. М., 2004. 136 с.

11. Дуброва Т.А. Статистические методы прогнозирования. М.: ЮНИТИ-ДАНА, 2003.

12. Дуброва Т.А. Статистические методы прогнозирования. УПП, МЭСИ-М., 2004.

13. Джиоев А.З. ИННОВАЦИИ В СИСТЕМАХ УПРАВЛЕНИЯ КОНТЕЙНЕРНЫМИ ТЕРМИНАЛАМИ. Системный анализ и логистика. 2013. № 10. С. 4-8.

14. Жулева О.И., Кузьменкова В.Н. ЛОГИСТИЧЕСКИЕ ИННОВАЦИИ И АНАЛИЗ ДЕЯТЕЛЬНОСТИ РОССИЙСКИХ МОРСКИХ ПОРТОВ, ДИНАМИКА ГРУЗООБОРОТА И ПЕРСПЕКТИВЫ РАЗВИТИЯ Вестник Алтайской академии экономики и права. 2019. № 2-2. С. 260-266.

15. Изотов О.А. ПРОГНОЗИРОВАНИЕ ПЕРЕВОЗОК ГРУЗОВ. Системный анализ и логистика. 2019. № 4 (22). С. 12-19.

16. Кизим А.А., Квиткина Ю.А. МОРСКИЕ ПЕРЕВОЗКИ И ИХ РОЛЬ В МИРОХОЗЯЙСТВЕННЫХ СВЯЗЯХ. Экономика устойчивого развития. 2017. № 1 (29). С. 165-172.

17. Кильдишев Г. С., Френкель А. А. Анализ временных рядов и прогнозирование. М., «Статистика», 1973.

18. Кириченко, А.В. Взаимоотношения города и порта: эволюция и перспективы / А.В. Кириченко, А.Л. Кузнецов // Транспорт России?скои? Федерации. 2014. No 1 (50). С. 12-15.

19. Ковалёва А.С., Кузин А.С., Симакова З.Л. ИССЛЕДОВАНИЕ ПРОБЛЕМЫ СНИЖЕНИЯ ГРУЗООБОРОТА В АО "МОРСКОЙ ПОРТ САНКТ-ПЕТЕРБУРГ". В сборнике: Неделя науки СПбПУ материалы научной конференции с международным участием. 2017. С. 283-286.

20. Колбасникова М.А. Прогнозирование перевозок в проектах и программах развития транспорта. // Дисс. канд. техн. наук /. М.: ГУУ, 2015. - 142 с.

21. Кремнева М.С., Ларионова К.М., Скорюпина Л.С. АНАЛИЗ РАБОТЫ ПОРТОВ ПО ПЕРЕВАЛКЕ ГРУЗОВ В сборнике: Имитационное и комплексное моделирование морской техники и морских транспортных систем (ИКМ МТМТС-2019) Пятая международная научно-практическая конференция. Труды конференции. 2019. С. 87-91.

22. Кузнецов А.Л. Генезис агентного имитационного моделирования в ходе развития методов технологического проектирования портов и терминалов // Эксплуатация морского транспорта. 2009. No 4. С. 3-7.

23. Кузнецов А. Л. Морские и сухопутные порты в новои? мировои? системе грузораспределения // Эксплуатация морского транспорта. 2009. No 1 (55). С. 9-12.

24. Кузнецов А.Л., Погодин В.А., Спасский Я.Б. Имитационное моделирование работы порта с учетом дифференцированных метеоусловий // Эксплуатация морского транспорта. 2011. No 1. С. 3-8.

25. Кузнецов А.Л. Оптимальная концентрация технологических линий для обслуживания судна в порту в условиях ограниченных ресурсов // Эксплуатация морского транспорта. 2011. No 4. С. 3-7.

26. Кузнецов А.Л. Расширение возможностей нормативного расчета технологических параметров контейнерных терминалов // Эксплуатация морского транспорта. 2011. No 1. С. 19-22

27. Куркин, К. На Балтике обостряется конкуренция / К.Куркин // Эксперт Северо-Запад. 2016. - No2

28. Мамаев Э.А., Долгий И.Д., Добрынин Н.Ф., Демьянов А.А. ЛОГИСТИКА И ОРГАНИЗАЦИЯ ПЕРЕВОЗОК ПРИПОРТОВОЙ ЖЕЛЕЗНОЙ ДОРОГИ НА СОВРЕМЕННОМ ЭТАПЕ. Вестник Ростовского государственного университета путей сообщения. 2019. № 4 (76). С. 155-163.

29. Пискулов Ю.В. Геополитические риски в глобальнои? экономике и международнои? торговле / Ю.В. Пискулов // России?скии? внешнеэкономическии? вестник. 2015. Т. 2015. No 2. С. 14-21.

30. Поляков К.В., Никулина С.В. СТРАТЕГИЯ РАЗВИТИЯ ТРАНСПОРТНОЙ СИСТЕМЫ САНКТ-ПЕТЕРБУРГА И ЛЕНИНГРАДСКОЙ ОБЛАСТИ ДО 2030 Г. Транспорт Российской Федерации. 2016. № 5 (66). С. 36-41.

31. Сабайдаш М.В. МОРСКИЕ КОНТЕЙНЕРНЫЕ ТЕРМИНАЛЫ - ТОЧКИ ИННОВАЦИОННОГО РОСТА ЭКОНОМИКИ. Транспортное дело России. 2018. № 6. С. 150-151.

32. Сабайдаш М.В. РЕТРОСПЕКТИВНЫЙ АНАЛИЗ ЭКОНОМИЧЕСКОГО РАЗВИТИЯ МОРСКИХ ПОРТОВ РОССИИ (КОНЕЦ XIX - НАЧАЛО XX ВЕКА). Вестник Астраханского государственного технического университета. Серия: Экономика. 2019. № 2. С. 58-71.

33. Соляков О.В., Изотов О.А., Якунчиков В.В. ОСОБЕННОСТИ РАЗВИТИЯ НАЦИОНАЛЬНЫХ МОРСКИХ ПОРТОВ. Мир транспорта. 2017. Т. 15. № 4 (71). С. 110-121.

34. Терентьева Л.В., Беловицкий Р.Е. О ТЕХНОЛОГИИ ПЕРЕГРУЗКИ ЗЕРНОВЫХ ГРУЗОВ НА УНИВЕРСАЛЬНОМ ТЕРМИНАЛЕ МОРСКОГО ПОРТА. В сборнике: Актуальные проблемы и перспективы развития системы отраслевого транспортного образования Сборник статей Всероссийской научно-практической конференции. Под редакцией И.Р. Салахова. 2019. С. 77-81.

35. Титов А.В., Ивашкович Д.Б. СОВРЕМЕННЫЕ ТЕНДЕНЦИИ РАЗВИТИЯ МОРСКИХ ПОРТОВ В МИРЕ И ИХ ВЛИЯНИЕ НА ПОРТОВУЮ ИНДУСТРИЮ РОССИИ. Вестник Астраханского государственного технического университета. Серия: Морская техника и технология. 2016. № 1. С. 115-124.

36. Тринос А.В., Юдникова Е.С. АНАЛИЗ КОНКУРЕНТНОЙ СРЕДЫ НА РЫНКЕКОНТЕЙНЕРНЫХТЕРМИНАЛОВ. В сборнике: Логистика - евразийский мост материалы 12-й Международной научно-практической конференции. 2017. С. 248-253.

37. Федоров, Г.М. Балтии?скии? регион: социально-экономическая география Балтии?ского региона / Г.М. Федоров, В.С. Корневец. Калининград: Изд-во Калинингр. ун-та, 1999. 208 с.

38. Ханова А.А. Методология стратегического управления грузовым портом на основе имитационного моделирования: диссертация... доктора технических наук: 05.13.10. Астрахань, 2013. 260 c.

39. Хейзер Дж., Рендер Б. Операционный менеджмент. / 10-е изд./ пер. с англ. под ред. А. Чернова. - СПб.: Питер, 2015. 1056 c

40. Черепанов И.В., Филатова Е.В. СОВРЕМЕННОЕ СОСТОЯНИЕ И ТЕНДЕНЦИИ РАЗВИТИЯ МОРСКИХ ПОРТОВ РОССИИ КАК ЭЛЕМЕНТА ТРАНСПОРТНОГОПРОСТРАНСТВА. Транспортное дело России. 2018. № 5. С. 48-53.

41. Шелест К.Д. КЛАССИФИКАЦИИ МОРСКИХ ПОРТОВ БАЛТИЙСКОГО РЕГИОНА. Вестник Санкт-Петербургского университета. Серия 7. Геология. География. 2005. № 3. С. 119-126.

42. Arvis, JF, Duval, Y, Shepherd, B and Utoktham, C (2013) Trade costs in the developing world: 1995-2010, Policy Research Working Paper 6309, The World Bank

43. Akyildiz IF, Su W, Sankarasubramaniam Y, Cayirci E (2002) Wireless sensor networks: a survey. Comput Netw 38(4):393-422

44. Amundson I, Koutsoukos XD (2009) A survey on localization for mobile wireless sensor networks. Mobile entity localization and tracking in GPS-less environments. Springer, Berlin, pp 235-254

45. Bowersox, DJ, Closs, DJ and Cooper, MB (2002) Supply Chain Logistics Management, p 656, McGraw Hill, Boston

46. Bowersox, DJ, Closs, DJ and Cooper, MB (2007) Supply Chain Logistics Management, 2nd edn, p 410, McGraw Hill, Boston

47. Burt, DN, Dobler, DW and Starling, SL (2003) World Class Supply Management: The key to supply chain management,7th edn, p 689, McGraw Hill, Boston, Containerisation International (2011) August, pp 4-5, UK

48. Bunker, S. G. (1989). Staples, Links, and Poles in the Construction of Regional Development Theories. Sociological Forum, 4(4), 589. https://doi.org/10.1007/BF01115065

49. Bergqvist, R (2009) Hamnpendlarnas betydelse fo?r det Skandinaviska logistiksys- temet, Handelsho?gskolan vid Go?teborgs universitet, BAS Publishing, Gothenburg, Sweden

50. Bergqvist, R and Monios, J (2014) The role of contracts in achieving effective governance of intermodal terminals, Journal of World Review of Intermodal Transportation Research (WRITR), forthcoming

51. Bergqvist, R and Pruth, M (2006) Public/Private Collaboration in Logistics: An Exploratory Case Study, Supply Chain Forum: An International Journal, 7(1), pp 106-16

52. Bergqvist, R, Wilmsmeier, G and Cullinane, K (2013) Introduction: A global perspective on dryports, in R Bergqvist, G Wilmsmeier and K Cullinane (eds) Dryports: A global perspective, challenges and developments in serving hinterlands, Ashgate Publishing Limited, pp 1-12

53. CarreМre, C and De Melo, J (2011) Non-tariff measures: What do we know, what might be done? Journal of Economic Integration, 26(1), pp 169-96

54. Cullinane, K and Wilmsmeier, G (2011) The Contribution of the Dry Port Concept to the Extension of Port LifeCycles, in Handbook of Terminal Planning, ed JW Bo?se, Springer, New York

55. Ferna мndez P, Santana JM, Ortega S, Trujillo A, Sua м rez JP, Dom мэnguez C, Santana J, Sa мnchez A (2016) SmartPort: a plat- form for sensor data monitoring in a seaport based on FIWARE. Sensors 16(3):417-441

56. Filipowicz W (2004) Vessel traffic control problems. J Navig 57(1):15-24

57. Finkenzeller K (2010) Fundamentals and applications in con- tactless smart cards, radio frequency identification and near-field communication, 3rd edn. Wiley, Chichester

58. Garstone S (1995) Electronic data interchange (EDI) in port operations. Logist Inf Manag 8(2):30-33

59. Gaukler GM, Seifert RW (2007) Applications of RFID in supply chains. In: Jung H, Jeong B, Chen FF (eds) Trends in supply chain design and management. Springer, New York, pp 29-48

60. Ginsberg ML, Austin MM, Chang PA, Mattison SC (2009) Traffic routing using intelligent traffic signals, GPS and mobile data devices. Google Patents, US Patent App. 12/639,770

61. Giuliano G, O'Brien T (2007) Reducing port-related truck emissions: the terminal gate appointment system at the ports of Los Angeles and Long Beach. Transp Res Part D Transp Environ 12(7):460-473

62. Goccia M, Bruzzo M, Scagliola C, Dellepiane S (2003) Recognition of container code characters through gray-level feature extraction and gradient-based classifier optimization. In: Proceedings of the 12th international conference on document analysis and recognition (ICDAR), pp 973-973. IEEE

63. Grzechnik, M. (2012). Making Use of the Past: The Role of Historians in Baltic Sea Region Building. Journal of Baltic Studies, 43(3), 329-343. https://doi.org/10.1080/01629778.2011.64490

64. Haralambides, HE and Veenstra, AW (1996) Ports as trade facilitators in the export-led growth strategies of developing countries, in The Port Industry: Towards the sustainable development of ports, ed M Valleri (in Italian), Cacucci, Bari

65. Harrison, A and van Hoek, R (2011) Logistics Management and Strategy: Competition through the supply chain, 4th edn, Prentice Hall, London

66. Hummels, D and Schaur, G (2012) Time as a trade barrier (No w17758), National Bureau of Economic Research

67. Lee, E-S and Song, D-W (2015) Maritime Logistics Value in Knowledge Management, Routledge, London

68. Pamuk, S (2000) Mediterranean Response to Globalization Before 1950, p 246, Routledge, London

69. Panayides, PM (2006) Maritime logistics and global supply chains: Towards a research agenda, Maritime Economics and Logistics, 8(1), pp 3-18

70. Porter, ME (1985) Competitive advantage: Creating and sustaining superior performance, Free Press, New York

71. Robinson, R (2002) Ports as elements in value-driven chain systems: The new paradigm, Maritime Policy and Management, 29(3), pp 241-55

72. Rodrigue, JP and Browne, M (2007) International Maritime Freight Movements, in Transport Geographies: Mobilities, flows and spaces, eds R Knowles, J Shaw and I Docherty, p 320, Wiley-Blackwell Publishing

73. Zhang, A, Lam, JS and Huang, GQ (2014) Port strategy in the era of supply chain management: The case of Hong Kong, Maritime Policy and Management, 41(4), pp 367-83

Размещено на Allbest.ru

...