Как было сказано в заключении предыдущей главы, наиболее подходящим уровнем планирования, исходя из управленческой задачи является операционный уровень и, соответственно, методами, которые необходимо применить и оценить их эффект на деятельность компании будут модель BTA и модели, основанные на линейном программировании. Имитационное моделирование позволяет также оценить возможность внедрения изменений на стратегическом и тактическом уровне, что не позволяет сделать модель BTA и линейное программирование, цель которых заключается непосредственно в планировании на операционном уровне. Исходя из сказанного в начале данной главы и в предыдущей главе, был выбран метод имитационного моделирования, так как его особенности в наибольшей степени подходят для решения поставленной управленческой проблемы.

Перед тем как перейти непосредственно к оценке применимости и самому применению методов, необходимо проанализировать данные, предоставленные компанией. Это делается как для того, чтобы сделать некие промежуточные выводы о деятельности компании, так и для того, чтобы первично оценить возможно ли применение описанных методик планирования.

3.1 Анализ данных

В ходе проведения исследования, автору была предоставлена информация от РЖД, касающаяся аспектов деятельности компании в сфере грузовых железнодорожных перевозок в направлении портов. Информация была зашифрована в целях сохранения коммерческой тайны, но динамика и взаимосвязи данных были сохранены.

Данные, полученные от компании, содержали следующие характеристики:

· Информацию о станции, регионе и дороге отправления груза;

· Информацию о номенклатуре груза (всего 27 номенклатур);

· Информацию о станции, регионе и дороге назначения;

· Информацию об объемах перевозимых грузов посуточно в период от 1 декабря 2015 года по 31 марта 2016 года (посуточно).

Также, дополнительно была предоставлена информация об объемах, перевозимых на припортовые станции ежемесячно, грузов за период с 2010 по 2015 год (также содержащая характеристики о месте отправления и месте назначения).

Первичный анализ данных показал, что за период с декабря 2015 года по март 2016 года, наибольший объем грузоперевозок приходится на каменный уголь (40% от всего объема грузоперевозок) и нефть и нефтепродукты (34% от всего объема грузоперевозок), что соответствует общей годовой динамике грузоперевозок (см. Рисунок 3). Так как данные были зашифрованы, данные представлены в относительных величинах.

Рисунок 3 Соотношение объемов грузоперевозок за декабрь 2015 г. - март 2016 г.

Также, были проанализированы объемы погрузки из различных регионов страны (см. Рисунок 4). В ходе анализа было выявлено, что наибольший объем отправки грузов приходится на Кемеровскую область (около трети всех перевозимых грузов). Это объясняется тем, что в данном регионе расположен Кузнецкий угольный бассейн, на который приходится наибольшая часть производимого в стране каменного угля, груза, наиболее часто перевозимого по железной дороге. Другими важными регионами являются Краснодарский край, Ленинградская область и Пермский край. Данный анализ показал, что РЖД в первую очередь необходимо сосредоточить свои мощности в вышеназванных регионах, в особенности в Кемеровской области.

Рисунок 4 Относительный объем погрузки из регионов России.

Далее, был оценен объем перевозок в зависимости от региона и дороги назначения (см. Рисунок 5 и Рисунок 6). Анализ показал, что практически весь объем грузоперевозок за обозначенный период в направлении портов приходится на Октябрьскую, Дальневосточную и Северо-Кавказскую железные дороги и в следующие регионы: Краснодарский край, Ленинградская область, Приморский край, Хабаровский край и Санкт-Петербург. Полученные данные логичны, так как в именно в этих регионах расположены крупнейшие российские порты. При этом, преследуемая автором цель, выделить некий регион, в который отправлялось бы подавляющее большинство грузов, не была достигнута. Как показал анализ объемы поставляемых грузов приблизительно одинаковы.

Рисунок 5 Соотношений объемов перевозки на железные дороги.

Рисунок 6 Соотношение объемов перевозки в регионы.

Также, были проанализированы объемы отправки грузов из Кемеровской области в регионы России (см. Рисунок 7). Анализ показал, что подавляющее большинство каменного угля, добытого в Кузнецком угольном бассейне, отправляется на Дальний Восток, а именно в Приморский и Хабаровский края (суммарно около 57% от всего объема погрузки). Также, большое количество угля доставляется в Санкт-Петербургский и Мурманский порты.

Рисунок 7 Относительные объемы перевозок из Кемеровской области в регионы.

Проведенный выше анализ полученных от РЖД данных позволил выявить основные закономерности в перевозке грузов в направлении портов:

· Основными грузами, которые перевозились за данный период являются каменный угол и нефть. Это совпадает с годовыми тенденциями и позволяет сделать вывод, что данные грузы не подвержены сезонным колебаниям (это еще раз подтверждается анализом данных о месячных объемах перевозки за 2010-2016 гг.; см Приложение 5 и Приложение 6).

· Нельзя сделать вывод о том, что какой-либо из главных портов России является ключевым с точки зрения направления на него железнодорожных грузов. Объем перевозимых грузов приблизительно равномерно распределен между тремя железными дорогами: Октябрьской, Дальневосточной и Северо-Кавказской. Это говорит о том, что РЖД для повышения общей эффективности работы сети грузоперевозок необходимо вносить улучшения на всех трех ключевых железных дорогах. За период с 2010 по 2015 год динамика аналогичная (см. Приложение 7 и Приложение 8).

· Основным регионом назначения за период являлась Кемеровская область, что объясняется расположением в нем места производства основного груза, перевозимого по железным дорогам - каменного угля. РЖД необходимо сконцентрировать основные мощности по погрузке грузов именно в данном регионе.

· Общий вывод из проведенного первичного анализа данных следующий: для повышения эффективности железнодорожных грузоперевозок на портовые терминалы компании необходимо совершенствовать все участки цепи таких перевозок (а именно в местах доставки грузов вблизи портов и в местах отправления грузов) так как невозможно выделить какой-либо регион или железнодорожную дорогу из участвующих в цепи перевозок такого типа, которые являлись бы ключевыми. Все портовые станции равномерно участвуют в системе перевозки грузов железнодорожным транспортом.

Далее автором работы был проведен более детальный анализ данных за период с декабря 2015 года по март 2016 года. Целью этого анализа было выявление тенденций в отправке грузов со станций и доставке грузов на припортовые станции.

Для начала было проверено наличие управленческой проблемы - неравномерности загрузки припортовых станций, то есть неравномерного прибытия на припортовые станции грузов. Автором работы было решено использовать в качестве примера станции, расположенные на Северо-Кавказской железной дороге. Соответственно, были проанализированы суточные объемы поступающих на данные станции грузов исходя из данных за период с декабря 2015 года по март 2016 года (см. Приложение 8). Анализ показал, что на все станции, расположенные на Северо-Кавказской железной дороге, грузы прибывают неравномерно. То-есть наличие управленческой проблемы подтверждено.

Далее были составлены графики суточных объемов отправки грузов различных номенклатур со всех мест отправления. Это было сделано для того, чтобы оценить имеется ли внутримесячная динамика в отправке грузов (см. Приложение 9). Анализ показал, что суточные объемы погрузки всех грузов во всех направлениях достаточно равномерны. При этом, большинство наименований грузов отправляются неравномерно, то есть нельзя говорить, что такие грузы, как, например, бумага, ежедневно отправляются в одинаковом объеме. Это осложняет задачу планирования объемов грузоперевозок. Так как отправкой грузов занимается сама РЖД, то можно говорить, что такая тенденция возникает не ввиду неравномерности спроса на услуги компании, а скорее ввиду того, что сама компания либо не ставит задачи отправлять грузы каждой отдельной номенклатуры равномерно, либо такую задачу ставит, но с ней не справляется. Наиболее вероятен первый вариант, так как планировать отправку грузов одинаковой номенклатуры во всей сети в одинаковом объеме ежесуточно довольно затруднительно и, по большому счету, не имеет смысла в основном из-за наличия влияния со стороны внешних факторов, в первую очередь объемов спроса со стороны грузоотправителей. Наличие же равномерности в общем объеме грузооборота позволяет однозначно оценить общие потребности всей транспортной сети данного вида грузоперевозок, что облегчает стратегическое планирование, но не позволяет оценить насколько загружены отдельные участки цепи. Вывод из вышесказанного следующий: отдельные группы грузов отправляются по большей части неравномерно. Соответственно одним из факторов, который необходимо учитывать при планировании является неравномерность отправки грузов разных товарных групп.

Также для целей планирования грузоперевозок, необходимо оценить возможность прогнозирования объема перевозимых грузов определенной группы. Для того, чтобы оценить это, автор работы провел проверки гипотез о видах распределения случайных величин; случайной величиной выступал суточный объем грузов, измеренный в вагонах (алгоритм проверки гипотезы о виде распределения см. в Приложении 10). Проведенный анализ показал следующие результаты:

Таблица 5 Законы распределения суточного объема погрузки грузов

Номенклатура груза	Закон распределения
Грузы в контейнерах	Равномерный
Зерно	Равномерный
Каменный уголь	Нормальный
Кокс	Отсутствует
Лесные грузы	Нормальный
Бумага	Отсутствует
Нефть и нефтепродукты	Нормальный
Остальные продовольственные товары	Показательный
Железная и марганцевая руда	Отсутствует
Химикаты и сода	Нормальный
Химические и минеральные удобрения	Нормальный
Цветные металлы и изделия из них	Отсутствует
Черные металлы	Нормальный

Как видно, для большинства групп грузов подтвердилась гипотеза о виде закона распределения, а те, которые его не имеют, занимают относительно небольшую долю в грузообороте. Следовательно, можно говорить, что прогнозирование объемов перевозки того или иного груза возможно, исходя из статистических данных, что существенно облегчает задачу планирования.

Более важным для достижения общей равномерности поставок грузов на припортовые станции является их равномерная отправка в течение периода со станций отправления. То есть, не беря в учет группу груза, общий суточный объем отправляемых грузов должен быть приблизительно одинаков в течение периода планирования. Для того, чтобы оценить соблюдается ли данная стратегия компаний, автором были проанализированы данные о суточных объемах погрузки на станциях отправления (см. Приложение 11). Анализ показал, что на некоторых станциях погрузка осуществляется равномерно, но на подавляющем большинстве из них этого не происходит. Можно говорить, что одной из причин возникновения проблемы, рассматриваемой в работе, является именно отсутствие равномерности в отправке грузов со станций. Соответственно, одним из путей решения проблемы может являться достижение равномерности в отправке грузов непосредственно со станций с помощью соответствующего планирования грузоперевозок либо же создание звеньев цепи грузоперевозок, которые бы аккумулировали грузы, отправленные с разных станций, собирали их в составы и равномерно отправляли на припортовые станции. Такими звеньями могли бы стать логистические терминалы или сухие порты (в большей степени, данной цели соответствуют сухие порты, расположенные на отдалении от самих портов и которые работали бы с несколькими портами). Также, была проведена проверка гипотез о законе распределения суточных объемов погрузки грузов на станциях отправления. Проверка показала, что практически на всех станциях отсутствует какой-либо закон распределения, что еще раз говорит о том, что сегодня погрузка осуществляется не в соответствии с какой-то стратегией либо из-за отсутствия таковой, либо из-за невозможности ей следовать.

Исходя из всего вышеизложенного в параграфе можно сделать следующий вывод: на сегодняшний день проблема неравномерной загрузки припортовых станций действительно существует. Она возникает ввиду нескольких причин, главной из которых, по мнению автора работы, является неравномерная погрузка грузов на станциях отправления. Из-за отсутствия либо не следования определенной методике планирования грузоперевозок, в сети возникают проблемы, которые приводят к неравномерной загрузке припортовой инфраструктуры. Решить данную проблему можно несколькими способами, которые были ранее описаны в работе. В первую очередь, необходимо разработать либо усовершенствовать методику планирования грузоперевозок на припортовые станции, главным образом относительно отправки грузов, либо изменить архитектуру сети таким образом, чтобы даже несмотря на неравномерную отправку, грузы прибывали равномерно. В первом случае, проблема лежит в области операционного планирования и далее будут рассмотрены варианты ее решения с помощью модели BTA, имитационного моделирования и линейного программирования. Во втором случае, проблема лежит в сфере стратегического и тактического планирования. По мнению автора, лучшим решением проблемы в данном случае будет внедрение в сеть грузоперевозок сухих портов или логистических центров, влияние которых на систему будет также оценено с помощью имитационного моделирования.



3.2 Оценка возможности применения модели BTA

В первую очередь необходимо оценить способна ли данная модель решить проблему, рассматриваемую в работе. Основной целью модели является минимизация затрат на перевозку, что в общем виде соответствует цели работы так как неравномерная загрузка портовой инфраструктуры приводит к росту затрат. С другой стороны, модель BTA в большей степени направлена на минимизацию затрат, связанных с самой перевозкой, что четко видно по параметрам, которые задаются в модели: затраты на перевозку, затраты на хранение груза на промежуточных станциях, затраты на перевалку груза. В целом, эти параметры важны и относительно проблемы, решаемой в работе, особенно затраты, связанные с хранением груза на станциях, но в работе не учитываются затраты на перевозку и на все процессы, связанные с ней. Согласно работе, грузы перевозятся от станции отправления до припортовой станции за фиксированный период времени и операции, производимые с составом и с грузом за это время не учитываются. Целью работы является улучшение методики планирования грузоперевозок исходя из необходимости достижения равномерности обработки грузов в портах, а стоимость, связанная с этим, не берется в расчет так как единственные затраты, которые несет компания в случае возникновения проблем с доставкой на припортовые станции связаны с простоем поездов, ожидающих обработки. Это происходит как раз ввиду неравномерности прибытия составов. То есть достижение цели работы и решение проблемы, обозначенной в ней, приведет к тому, что затраты станут минимальны. Следовательно, модель BTA не в полной мере соответствует цели работы так как она будет вносить дополнительные трудности и параметры, которые не имеют значения при решении проблемы.

Также, необходимо рассмотреть возможность применения модели исходя из имеющихся данных. Как было сказано ранее, автору были предоставлены данные о группах грузов, местах и отправления и местах доставки. Данных о стоимости перевозки грузов предоставлено не было, чего и не требовалось, так как, как и было сказано выше, характеристики, связанные с транспортировкой грузов, не берутся в учет и считаются постоянными. То есть, для надлежащей оценки применимости данного метода не хватает данных.

Суммируя вышесказанное, модель BTA в перспективе может позволить минимизировать затраты на перевозку грузов на припортовые станции, но параметры и задачи модели не полностью отвечает специфике работы. Более того, перед автором изначально не ставилась цель минимизировать затраты. Данная задача предполагалась, так как равномерная загрузка портовой инфраструктуры приведет к снижению издержек. Модель BTA представлена в работе в большей степени для того, чтобы показать один из возможных способов минимизации дальнейших затрат на перевозку, когда первоначальная цель будет достигнута. То есть, когда компания сможет достичь равномерности поставок на припортовые станции, модель BTA сможет помочь ей в дальнейшем совершенствовать методику планирования грузоперевозок уже исходя не из цели, обозначенной в работе, а из цели минимизации затрат на перевозку. В таком случае, модель BTA способна помочь, так как с помощью нее можно определить какой объем грузов, каким способом (с помощью скольких составов) и через какие узлы будет проходить производится транспортировка.

3.3 Применение линейного программирования

Как было сказано в Главе 2, ученые не раз пробовали применить линейное программирование для решения задачи транспортировки грузов по железнодорожным сетям. В работе рассматривается более узкая проблема доставки груза на припортовые станции, а не по всей системе. Также, в работе не учитывается время транспортировки и операции, производимые с грузом во время нее. Все это облегчает задачу формулировки задачи линейного программирования и делает его применение возможным. Автором работы будет далее предложена модель, позволяющая достичь равномерной погрузки на припортовых станциях, благодаря применению линейного программирования и оценена возможность ее применения на примере.

Для начала необходимо определить элементы, входящие в модель. Первоначально задаются станции отправления и назначения груза. С каждой станции отправления груз может отправляться как на одну станцию назначения, так и на несколько. Также в модели учитываются спрос со стороны грузоотправителей за период, который выступает ограничением. Для решения проблемы и достижения равномерности погрузки на припортовых станциях, ограничениями являются пропускная способность станции и минимально допустимый размер суточной погрузки. В математическом виде модель выглядит следующим образом:

Зависимая переменная:

Целевая функция:

Ограничения:

Таким образом, в данной модели минимизируется суммарное количество единиц, в которых измеряется погрузка. С другой стороны, в данном случае целевая функция роли не играет. Основная цель, преследуемая автором, - достижение равномерной погрузки, то есть, согласно модели, выполнение условия второго ограничения. Первое ограничение отражает требования по спросу от грузоотправителей за период. Второе ограничение одновременно выполняет функцию недопущения погрузки в объеме, превышающем пропускные способности припортовых станций, а также, благодаря наличию минимально возможно объема суточной погрузки, достигается равномерность загрузки припортовых станций. Далее представлен пример применения модели.

Для примера было рассмотрено 17 станций отправления (A, B, C, D, E, F, G, H, I, J, K, L, M, N, O, P, Q) и 6 станций назначения (R, S, T, U, V, W). Спрос со стороны грузоотправителей на Рисунке 8.

Рисунок 8 Спрос со стороны грузоотправителей

Ограничения на припортовых станциях следующие: на станции F от 1800 до 2000 вагонов в сутки, на станции G от 1600 до 1800 вагонов в сутки, на станции H от 1200 до 1500 вагонов в сутки. Для решения задачи использовался надстройка «Поиск решения» в MS Excel. Полученные значения на Рисунке 9. Объем перевозок составил 408000 вагонов.

Рисунок 9 Решение задачи

Данная модель, основанная на линейном программировании, рассмотренная в параграфе вряд ли может быть применима на практике. В ней не учтено время перевозки, поэтому она не полностью отражает реальную систему грузоперевозок. С другой стороны, вместо станций отправления в данной модели могут выступать номенклатуры грузов, а станцией будет считаться некий логистический центр. В таком случае, модель будет работать, так как время доставки будет одинаково. Следовательно, данная модель применима для планирования грузоперевозок с логистического центра на припортовые станции. Также, данная модель может быть применима для региональной доставки грузов со станций, время движения поездов с которых до портов приблизительно одинаково.

Чтобы сделать модель применимой не только для ситуаций, описанных выше, необходимо учесть в ней время перевозки грузов от станций отправления до припортовых станций. для этого в модель вводятся дополнительные параметры:

Целевая функция и первое ограничение останутся неизменными, а второе ограничение, изменится, соответственно, на:

Для проверки новой модели, был использован тот же пример, но с некоторыми изменениями; представлены на Рисунке 10.

Рисунок 10 Время доставки и спрос

Ограничения на припортовых станциях также были изменены. Допустимый объем погрузки на станции R составил от 18000 до 20000 вагонов в сутки, на станции S от 18000 до 20000 вагонов в сутки, на станции T от 19000 до 22000 вагонов в сутки, на станции U от 18000 до 20000 вагонов в сутки, на станции V от 18000 до 20000 вагонов в сутки и на станции W от 18000 до 20000 вагонов в сутки. Для решения также использовался надстройка «Поиск решения» в MS Excel. Полученные результаты представлены на Рисунке 11.

Рисунок 11 Результаты моделирования

Как видно, объемы погрузки со станций отправления различались ежедневно, но все требования по погрузке на припортовых станциях соблюдены. Следовательно, основная цель, погрузка на припортовых станциях в рамках определённого интервала. достигнута.

Описанная выше модель, как в ее первоначальном виде, так и в измененном, может быть полезна для решения обозначенной в работе управленческой проблемы. Так как, благодаря модели, можно достичь поставок на припортовые станции. Поставка грузов на станцию в объемах, расположенных в определенном интервале (если интервал достаточно узок) как раз и говорит о том, что погрузка осуществляется равномерно. В данном случае, модель можно описать как основанную на «вытягивающей» системе производства, так как определяющем фактором в системе является доставка груза, то есть конечный этап цепи. Все остальные элементы (в данном случае, отправка груза) настраиваются исходя из требований последнего элемента.

3.4 Применение имитационного моделирования

Имитационное моделирование не требует какой-то особенной специфики данных или проблемы работы. Оно может быть применено во многих сферах бизнеса и позволяет оценить нынешнее состояние системы и влияние на не внедряемых изменений. Аналогично и рассматриваемой проблемы, с помощью моделирования можно построить модель сети железнодорожных грузоперевозок на припортовые станции исходя из данных, которые были получены от РЖД. С помощью имитационного моделирования автор преследует цель решить следующие задачи:

· Построить модель транспортной сети региона, в котором расположены припортовые станции и оценить параметры функционирования системы в том виде, в котором она представлена сейчас;

· Смоделировать внедрение в сеть сухого порта или логистического центра и оценить, как данное изменение повлияет на эффективность сети.

3.4.1 Модель Северо-Кавказской железной дороги

Участком сети, рассматриваемой в работе в дальнейшем, будет являться Северо-Кавказская железная дорога. Данная дорога была выбрана так как на ней расположены один из крупнейших российских портов в городе Новороссийск и потому что туда отправляются все виды грузов, транспортируемых по железнодорожной сети. Узлами сети были выбраны припортовые станции, расположенные на дороге. Информация об узлах транспортной сети и объемах перевозимых грузов за период с декабря 2015 года по март 2016 года была взята из данных, полученных из компании (см. Таблицу 6). Для моделирования использовалась программа Anylogic версии 7.3.1.

Таблица 6 Данные о станциях Северо-Кавказской ж/д

Название станции	Регион	Грузооборот за период (вагоны)
Махачкала	Республика Дагестан	1128
Туапсе	Краснодарский край	197367
Новороссийск	Краснодарский край	400371
Грушевая	Краснодарский край	115291
Темрюк	Краснодарский край	20192
Вышестеблиевская	Краснодарский край	94622
Кавказ	Краснодарский край	18169
Ейск	Краснодарский край	15106
Таганрог	Ростовская область	12770
Азов	Ростовская область	14264
Заречная	Ростовская область	9214
Кизитеринка	Ростовская область	3316
Усть-Донецкая	Ростовская область	217

С помощью программного обеспечения узлы были расположены на карте (см. Приложение 12). Anylogic позволяет использовать настоящие карты и настоящие железнодорожные магистрали, что позволяет визуально оценить как перемещаются грузы. Станции, с которых отправлялся груз не учитывались, так как целью работы является достижение равномерной доставки на станции назначения и в связи с этим рассматриваются только данные об объемах прибывающих грузов; время доставки считается постоянным и не значимым для работы. Далее, для моделирования нынешнего состояния системы были использованы также данные об объемах групп грузов, поступающих на станции (см. Таблицу 7). Всего для моделирования использовалось 9 номенклатур грузов, которые в сумме составляют 98% всего грузооборота за период. Объем перевозок остальных групп грузов незначителен. В модели также было учтено, какой объем каждой группы грузов был отправлен на какую станцию за период.

Таблица 7 Объем погрузки номенклатур грузов

Номенклатура груза	Объем погрузки за период (вагоны)
Лесные грузы	13478
Черные металлы	167380
Каменный уголь	90957
Зерно	85783
Химикаты и сода	11889
Химические удобрения	35034
Нефть и нефтепродукты	438372
Железная и марганцевая руда	29134
Грузы в контейнерах	10606

В итоге была получена имитационная модель, в которой были отражены припортовые станции, группы грузов и объем их суточной погрузки на припортовых станциях. Данные объемы были смоделированы исходя из законов распределения, которые были заранее проверены. Для групп грузов, суточной объем погрузки которых не попадал ни под один закон распределения, было использовано эмпирическое распределение. Распределение грузов по станциям назначения было также взято из данных за обозначенный период (соответственно, какая доля от всего объема погруженных грузов определенной номенклатуры отправлялась на ту или иную станцию). Для проверки модели, она была запущена на период, аналогичный периоду, за который имеются данные, а именно 122 дня. Полученные результаты представлены в Таблице 8 (значения погрузки на некоторых станциях скорректированы, с учетом того, что в модели рассмотрены не все номенклатуры грузов; на большинстве станций обрабатываются только те группы грузов, которые рассмотрены в модели). Архитектура модели в программе Anylogic представлена в Приложении 13. Как видно, полученные значения суточной погрузки как номенклатур грузов, так и на припортовых станциях, практически аналогичны эмпирическим данным, что говорит о том, что модель корректна. Следовательно, на ней можно в дальнейшем проверять влияние изменений, которые автор будет вносить для решения управленческой проблемы.

Таблица 8 Значения, полученные после моделирования

Номенклатура груза/припортовая станция	Эмпирические данные	Объем погрузки (вагоны)	Отклонение от эмпирических данных
Лесные грузы	13478	12200	9%
Черные металлы	167380	169600	1%
Каменный уголь	90957	89900	1%
Зерно	85783	86100	0%
Химикаты и сода	11889	10780	9%
Химические удобрения	35034	35110	0%
Нефть и нефтепродукты	438372	448400	2%
Железная и марганцевая руда	29134	26300	10%
Грузы в контейнерах	10606	10600	0%
Махачкала	1128	1200	6%
Туапсе	193420	193600	0%
Новороссийск	392364	389800	1%
Грушевая	115291	116200	1%
Темрюк	19788	18200	8%
Вышестеблиевская	94622	97200	3%
Кавказ	18169	19200	6%
Ейск	14800	15000	1%
Таганрог	12770	11700	8%
Азов	14264	15200	7%
Заречная	9214	9300	1%
Кизитеринка	3250	2800	14%
Усть-Донецкая	217	210	3%
Всего	882633	888990	0,7%

Графики суточной погрузки на припортовых станциях согласно имитационной модели представлены в Приложении 14 и Приложении 15 (не представлены станции Кизитеринка, Махачкала и Усть-Донецк ввиду малых объемов; станция Новороссийск вынесена отдельно). На них, как и на графиках погрузки по эмпирическим данным, видно, что погрузка осуществляется неравномерно, что в дальнейшем необходимо исправить. Также, была проведена проверка гипотез о законах распределения суточной погрузки на припортовые станции по данным, полученным в результате моделирования. Результат показал, что только на пяти станциях объем погрузки распределен согласно нормальному закону, а на семи никакого закона распределения не было. Это говорит о том, что суточный объем погрузки на этих станциях не равномерен.



3.4.2 Моделирование Северо-Кавказской железной дороги с установкой логистического центра

На основе модели, описанной в предыдущем параграфе, была создана аналогичная модель, но было добавлено новое звено - логистический центр. Он был расположен в разных местах и, в зависимости от расположения, соответствовал концепции сухих портов, находящихся на отдалении от порта или близко к порту. Были смоделированы ситуации добавления одного центра, который бы осуществлял работу со всеми припортовыми станциями Северо-Кавказской железной дороги и одного центра, который работал бы с некоторыми станциями.

Для начала рассмотрена модель с внедрением большого логистического центра, в который бы поступали все грузы, следующие на порты, расположены в регионе Северо-Кавказской железной дороги и с которого они бы далее отправлялись на станции назначения. Для этого в исходную модель было добавлено дополнительное звено (модель в Anylogic представлена в Приложении 16), а после этого оценены полученные данные об объемах погрузки на припортовых станциях (кроме станций Кизитеринка, Махачкала и Усть-Донецк ввиду их очень малой загруженности). Графики суточной погрузки представлены в Приложении 17 и Приложении 18 (только припортовая станция в Новороссийске так как объема погрузки на ней не сопоставимы с другими станциями). Даже на графиках видно, что объем погрузки стал значительно более равномерным, но, чтобы оценить изменения более точно, был проведен анализ распределений случайных величин, которыми в данном случае также выступал объем погрузки на станцию. Для этого были проверены гипотезы о виде распределения. Анализ показал, что практически на всех станциях, суточный объем погрузки распределен согласно нормальному закону, что говорит о том, что говорит о том, что с высокой вероятностью можно ожидать погрузку в объеме, расположенном в некоем узком диапазоне значений, что говорит о равномерности прибытия. На двух станциях не подтвердились гипотезы о нормальном распределении (станции Азов и Таганрог), но также была отмечена высокая частота попадания значений в узкий интервал. То есть, результаты лучше, чем в модели, описывающей нынешнюю ситуацию, и основная цель была достигнута, управленческая проблема решена.

Далее, была протестирована модель с логистическим центром, который бы работал со всеми станциями, кроме Новороссийска. Именно такой был вариант был принят на рассмотрение так как Новороссийский порт наиболее важный в регионе и, возможно, было бы выгоднее направлять грузы, отправляющиеся с него на экспорт, напрямую, минуя логистический центр. Остальные же станции менее важны и объемы перевозок на них существенно ниже. При этом, на них погрузка менее равномерна. То есть для них, внедрение логистического центра могло бы увеличить эффективность. Была построена модель в Anylogic (см. Приложение 19) и были собраны данные об объемах суточной погрузки на припортовые станции (см. Приложение 20 и Приложение 21). Далее были проверены гипотезы о виде распределения случайной величины. В итоге на всех станциях, кроме трех (Азов, Ейск и Таганрог) наблюдался нормальный закон распределения. Чтобы выбрать модель с логистическим центром из двух проверенных, были сравнены значения среднеквадратического отклонения суточных объемов погрузки (см. Таблица 9). На 6 станциях лучший результат был показан в модели с общим логистическим центрам. На двух станциях (Азов и Таганрог) в обоих случаях не было нормального распределения, так что результат не показателен. Еще на одной станции (Ейск) в модели с общим логистическим центром результат хуже, но имеется нормальное распределение, что говорит в его пользу. То есть, модель с общим логистическим центром более эффективна. Также, наибольшее различие между моделями отмечено на станциях, на которых объемы погрузки наибольшие (Вышестеблиевская, Новороссийск и Туапсе), что также говорит в пользу первой модели.



Таблица 9 Сравнение СКО для двух моделей с логистическим центром

Станция	СКО с единым лог. центром	СКО с лог. центром для всех станций кроме Новороссийска
Азов	51,2 (нет распределения)	48,9 (нет распределения)
Вышестеблиевская	135,5	161,2
Грушевая	159,2	159,8
Ейск	58,6	45 (нет распределения)
Заречная	34,8	41,6
Кавказ	51	62,4
Новороссийск	405,7	446,5
Таганрог	45,6 (нет распределения)	45 (нет распределения)
Темрюк	63,2	55,6
Туапсе	239,4	273,4

Соответственно, если рассматривать вариант размещения логистического центра на Северо-Кавказской железной дороге, то необходимо делать его достаточно большим, чтобы он мог работать со всеми припортовыми станциями и грузами. Установка центра, который бы не обслуживал Новороссийск также позволит достичь равномерной погрузки на большинстве станций, но эффект не такой сильный.

Выводы и практические рекомендации

Проведенный анализ показал, что проблема неравномерности загрузки припортовых станций действительно существует. Более того, неравномерность наблюдается на всех участках цепи грузоперевозок. Можно утверждать, что неравномерность в отправке грузов по большей части объясняется влиянием спроса, который не может быть постоянен на каждой отдельной станции, с другой стороны, согласно документации РЖД, компания сама решает в какой день и сколько грузов отправлять. Соответственно, суточный объем погрузки на станциях отправления может изменяться и это необходимо было учитывать в работе. Также, анализ данных показал, что отсутствует какая-либо внутримесячная сезонность в отправке разных групп грузов. При этом, суточные объемы погрузки групп грузов во всей сети грузоперевозок на припортовые станции достаточно предсказуем (что подтвердилось проверкой гипотез о виде распределения). Это говорит о том, что можно оценить общие объемы необходимой железнодорожной инфраструктуры. Далее была проверена применимость наиболее известной модели планирования грузоперевозок, модели BTA. Было выявлено, что данная модель не подходит для решения поставленной проблемы ввиду иных целей ее применения.

Относительно линейного программирования, можно говорить, что оно применимо для решения поставленной управленческой проблемы. Автором была представлена модель планирования грузоперевозок, которая способна достичь цели поставленной в работе. Данная модель может быть применена и в ее изначальном виде (когда грузы доставляются за одинаковый промежуток времени), и в измененном (когда грузы доставляются за разные промежутки времени). Наилучшей сферой применения модели в первоначальном виде автор считает ее использование совместно с логистическими центрами. В таком случае станции отправления заменяются на группы грузов. В измененном виде модель может быть полезна для изменения всей системы планирования грузоперевозок на припортовые станции.

С помощью имитационного моделирования был оценен эффект внедрения логистического центра на примере Северо-Кавказской железной дороги. Проверка показала, что наличие логистического центра позволяет достичь равномерности погрузки на припортовых станциях. Причем, лучшим вариантом будет размещение большого логистического центра, работающего со всеми станциями. Относительно концепции сухих портов, рассмотренной во второй главе, данный логистический центр может быть назван сухим портом, расположенным на отдалении от самого порта так как их функции идентичны. Также, постройка логистического центра соответствует стратегии развития РЖД, ранее обозначенной в работе.



ЗАКЛЮЧЕНИЕ

На сегодняшний день проблеме планирования железнодорожных грузоперевозок уделяется все большее внимание не только практиков и менеджеров, занятых в данном бизнесе, но и научного сообщества. В то же время, эффективных методов решения проблем, возникающих в ходе планирования, до сих пор не существует. Из-за этого, компаниям приходится собственноручно разрабатывать способы совершенствования своих транспортных сетей и методик планирования. Проведенный автор обзор имеющейся литературы по теме исследования показал, что несмотря на наличие большого количества работ по теме, практически отсутствуют методики, которые могли бы быть выбраны как определяющие для дальнейшей их проработки и применения. Многие исследователи только постулируют наличие проблем, но не ищут пути их решения, отдавая это на откуп менеджмента железнодорожных компаний. С другой стороны, существует большое количество исследователей, которые смотрят на проблему планирования железнодорожных перевозок с другой стороны, например, со стороны развития транспортной сети. Множество работ посвящено добавлению в сеть сухих портов (как в их привычном виде - в непосредственной близости от портов, так и в виде, больше напоминающем логистические центры). Большинство работ по теме сухих портов оценивают эффективность их внедрения на примере различных компаний, регионов и даже стран. Приведенный в работе пример компании Deutsche Bahn и ее концепции Mega Hub показывает, что проблема лежит не только в плоскости операционного, но и тактического и стратегического менеджмента. Все вышесказанное говорит о том, что железнодорожные компании и исследователи ищут способы решения проблем планирования грузоперевозок на всех уровнях, а не концентрируются только на планировании отправки и погрузки грузов.

Компания РЖД также сталкивается с проблемой планирования грузоперевозок. Перед автором работы была поставлена узкая задача - улучшить работу припортовых станций за счет достижения равномерности их загрузки. Как было сказано в работе, равномерность загрузки станций необходима потому что на сегодняшний день основные издержки компании связаны с длительными простоями груженых составов вблизи портов. Это ведет и к прямым потерям в виде штрафов, накладываемых грузоотправителями, так и виде косвенных потерь времени и средств на содержание груженых составов. Для того, чтобы решить данную проблему, автор рассмотрел ее с нескольких сторон и пришел к выводу, что лучшим будет изменение методики планирования на тактическом и операционном уровне. Под тактическим уровнем понимается расположение и функции звеньев цепи грузоперевозок. С этой точки зрения, лучшим решением будет внедрение в сеть сухих портов или логистических центров. С помощью имитационного моделирования было оценено влияние внедрения логистического центра, и оно оказалось положительным. Добавление такого центра в транспортную сеть Северо-Кавказской железной дороги привело к тому, что практически на всех припортовых станциях была достигнута равномерность погрузки (что подтвердилось статистически).

На операционном уровне была рассмотрена самая известная сегодня модель планирования грузоперевозок, модель BTA, которая не подошла для решения поставленной проблемы. В первую очередь, это еще раз подтверждает тезис, что на сегодняшний день не существует методики, которая могла бы быть названа универсальной. В то же время, методы линейного программирования позволили построить модель, которая решает управленческую проблему. Разработанная автором модель может быть применена для планирования грузоперевозок на припортовые станции, что и необходимо, исходя из цели работы, но не может быть использована как единая система планирования всех грузоперевозок. Также, модель ставит целью достичь именно равномерности погрузки, в ней не учтены стоимость доставки и переработки грузов. С одной стороны, этого достаточно, так как издержки на перевозку грузов будут понесены в любом случае, а издержки, связанные с простоем и задержкой в доставке, были сведены к нулю. С другой стороны, модель не позволяет выбрать некий оптимальный путь, по которому будет доставляться груз и совсем не учитывает операции, связанные с транспортировкой. В любом случае, с помощью модели управленческая проблема была решена и цель достигнута.

Ключевым выводом работы, исходя из ее специфики (консалтинговый проект) является формулирование рекомендаций для РЖД, а именно внедрение в сеть грузоперевозок логистических центров и использование описанной модели планирования грузоперевозок. Данные рекомендации соответствуют стратегии развития компании и позволяют достичь равномерности работы припортовых станций.



СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ

1. Аналитическая справка о российско-китайском торговом сотрудничестве в 2015 году [Электронный ресурс] // Портал внешнеэкономической информации, Министерство экономического развития Российской Федерации. - Режим доступа: http://www.ved.gov.ru/exportcountries/cn/cn_ru_relations/cn_ru_trade/ (дата обращения: 11.04.2016).

2. Беспилотные грузовики к 2018 году поедут от Москвы до Санкт-Петербурга [Электронный ресурс] // Электронное периодическое издание «Ведомости». - Режим доступа: https://www.vedomosti.ru/economics/articles/2015/10/23/614036-bespilotnie-gruzoviki (дата обращения: 11.04.2016).

3. В черепашьем темпе [Электронный ресурс] // «Лента.Ру». - Режим доступа: https://lenta.ru/articles/2013/02/01/trains/ (дата обращения: 12.04.2016).

4. Внешняя торговля Российской Федерации по основным странам за январь-декабрь 2015 г. [Электронный ресурс] // Федеральная таможенная служба. - Режим доступа: http://www.customs.ru/index2.php?option=com_content&view=article&id=22580:-2015-&catid=125:2011-02-04-16-01-54&Itemid=1976 (дата обращения: 12.04.2016).

5. Динамика грузоперевозок в России. // Бюллетень социально-экономического развития России. Декабрь 2015. - М., 2015. - 25 с.

6. Годовой отчет 2014 / ОАО РЖД. - Москва. - 2014. - 226 с.

7. Документы, подписанные в рамках официального визита Президента Российской Федерации В.В. Путина в Китайскую Народную Республику [Электронный ресурс] // Официальные сетевые ресурсы Президента России, Администрация Президента России. - Режим доступа: http://kremlin.ru/supplement/1643 (дата обращения: 11.04.2016).

8. Емельянов, А.А. Имитационное моделирование экономических процессов / А.А. Емельянов, Е.А. Власова, Р.В. Дума; под ред. А.А. Емельянова. - 1-е изд. - М.: Финансы и статистика, 2002. - 368 с.

9. Как увеличить торговлю с Китаем [Электронный ресурс] // Электронное периодическое издание «Ведомости». - Режим доступа: https://www.vedomosti.ru/opinion/articles/2015/09/23/609829-kak-uvelichit-torgovlyu-kitaem (дата обращения: 11.04.2016).

10. Консолидированная финансовая отчетность по состоянию на 31 декабря 2014 г. и за год, закончившийся на указанную дату / ОАО РЖД. - Москва. - 2014. - 99 с.

11. Концепция создания терминально-логистических центров на территории Российской Федерации / ОАО РЖД. - Москва. - 2012. - 79 с.

12. О создании открытого акционерного общества "Российские железные дороги" : Постановление Правительства РФ от 18.09.2003 № 585 [Электронный ресурс]. - Режим доступа: http://doc.rzd.ru/doc/public/ru?STRUCTURE_ID=704&layer_id=5104&refererLayerId=5151&id=3932#4586 (дата обращения: 11.04.2016).

13. ОАО "РЖД" публикует консолидированную отчетность в соответствии с международными стандартами финансовой отчетности (МСФО) за первое полугодие 2015 года [Электронный ресурс] // ОАО РЖД. - Режим доступа: http://press.rzd.ru/news/public/ru?STRUCTURE_ID=654&layer_id=4069&refererVpId=1&refererPageId=704&refererLayerId=4065&id=86424 (дата обращения: 11.04.2016).

14. ОАО "РЖД" сегодня [Электронный ресурс] // ОАО РЖД. - Режим доступа: http://rzd.ru/static/public/ru?STRUCTURE_ID=628 (дата обращения: 11.04.2016).

15. Об утверждении государственной программы Российской Федерации "Развитие транспортной системы" : Постановление Правительства РФ от 15.04.2014 №319 [Электронный ресурс]. - Режим доступа: http://programs.gov.ru/Portal/programs/passport/25 (дата обращения: 12.04.2016).

16. Обзор компании [Электронный ресурс] // ОАО РЖД. - Режим Доступа: http://ir.rzd.ru/static/public/ru?STRUCTURE_ID=62 (дата обращения: 11.04.2016).

17. Промпроизводство в России сократилось впервые с 2009 года [Электронный ресурс] // РосБизнесКонсалтинг. - Режим доступа: http://www.rbc.ru/economics/25/01/2016/56a5da3e9a7947628cf80a83 (дата обращения: 11.04.2016).

18. С какой скоростью на самом деле РЖД перевозит грузы [Электронный ресурс] // Проект «Открытая Россия». - Режим доступа: https://openrussia.org/post/view/8263/ (дата обращения: 12.04.2016).

19. Скорлыгина, Н., Попов, Е. Грузы отправляют на старую колею / Н. Скорлыгина, Е. Попов // Газета «Коммерсантъ». - 2015. - №222. - С. 1.

20. Стратегия развития холдинга "РЖД" на период до 2030 года (основные положения) [Электронный ресурс] // ОАО РЖД. - Режим доступа: http://doc.rzd.ru/doc/public/ru?STRUCTURE_ID=704&layer_id=5104&id=6396#4702902 (дата обращения: 11.04.2016).

21. Таха, Х.М. Исследование операций / Х.М. Таха. - 7-е изд. - М.: Издательский дом «Вильямс», 2005. - 915 с.

22. Данциг Дж. Линейное программирование, его применения и обобщения / Дж. Данциг. - М.: Прогресс, 1966. - 600 с.

23. Центр фирменного транспортного обслуживания - филиал ОАО "РЖД" (ЦФТО) [Электронный ресурс] // ОАО РЖД. - Режим доступа: http://rzd.ru/ent/public/ru?STRUCTURE_ID=5185&layer_id=5554&id=877#main (дата обращения: 11.04.2016).

24. Экспорт-импорт важнейших товаров за январь-декабрь 2015 года [Электронный ресурс] // Федеральная таможенная служба. - Режим доступа: http://customs.ru/index2.php?option=com_content&view=article&id=22570&Itemid=1981 (дата обращения: 12.04.2016).

25. Alternative transport network designs and their implications for intermodal transshipment technologies / J. Woxenius // European Transport \ Trasporti Europei. - 2007. - N. 35. - P. 27-45.

26. Dry Port Development: A Systematic Review / F. Bentaleb, C. Mabrouki, A. Semma // JEMS. - 2015. - Vol. 3, N. 2. - P. 75-96.

27. List of countries by rail transport network size [Электронный ресурс] // Wikipedia: The free encyclopedia. - Режим доступа: https://en.wikipedia.org/wiki/List_of_countries_by_rail_transport_network_size#cite_note-9 (дата обращения: 11.04.2016).

28. New Approaches for Solving the Block-to-Train Assignment Problem / K.C. Jha, R.K. Ahuja, G. Sahin // NETWORKS. - 2008. - Vol. 51, N. 1. - P. 48-62.

29. New operating concepts for intermodal transport: The mega hub in Hanover/Lehrte in Germany / H. Rotter // Transportation Planning and Technology. - 2010. - Vol. 27, N. 5. - P. 347-365.

30. Organization of Swedish dry port terminals / V. Rosso, J. Woxenius, G. Olandersson // A Report in the EU INTERREG North Sea Programme Chalmers University of Technology, Division of Logistics and Transportation. - 2006. - N. 123. - 63 p.

31. Rail transport in Russia [Электронный ресурс] // Wikipedia: The free encyclopedia. - Режим доступа: en.wikipedia.org/wiki/Rail_transport_in_Russia (дата обращения: 11.04.2016).

32. The dry port concept: moving seaport activities inland? / V. Rosso, K. Lumsden // Transport and Communications Bulletin for Asia and the Pacific. - 2009. - N. 78. - 15 p.

33. The dry port concept - Theory and practice / Guest Editorial // Maritime Economics & Logistics. - 2012. - N. 14. - P. 1-13.



ПРИЛОЖЕНИЕ 1

План работы с составами в Mega Hub



ПРИЛОЖЕНИЕ 2

Модель расположения удаленного сухого порта



ПРИЛОЖЕНИЕ 3

Модель расположения сухого порта на среднем удалении



ПРИЛОЖЕНИЕ 4

Модель близко расположенного сухого порта



ПРИЛОЖЕНИЕ 5

Месячные объемы перевозки каменного угля



ПРИЛОЖЕНИЕ 6

Месячные объемы перевозки нефти и нефтепродуктов



ПРИЛОЖЕНИЕ 7

Соотношение объемов перевозок по дорогам назначения за 2010-2016 гг.



ПРИЛОЖЕНИЕ 8

Объемы суточной погрузки на станции Северо-Кавказской железной дороги



ПРИЛОЖЕНИЕ 9

Объемы суточной погрузки грузов по группам (декабрь 2015 г.- март 2016 г.)





ПРИЛОЖЕНИЕ 10

Алгоритм проверки гипотез о законе распределения по критерию Пирсона

1. Берется некая непрерывная случайная величина и группируется по интервалам следующим образом:

a. Находится количество интервалов по формуле: ;

b. Находится минимум и максимум из значений, которые будут являться началом первого и концом последнего интервала соответственно;

c. Находится , которая будет являться шагом между интервалами;

d. Строятся интервалы по формуле: ; правой границей последнего интервала является максимальное значение в выборке;

e. Все значения выборки располагаются в интервалы и находится их количество - .

2. Находится относительная частота попадания случайной величины в интервал по формуле: ;

3. Строится гистограмма распределения случайной величины и делается первичный анализ о возможном законе распределения;

4. Выдвигаются основная и альтернативная гипотезы о законе распределения;

5. Находится значение критической области (по критерию Пирсона будет являться правосторонней) с заданными уровнем значимости (1-б) и числом степеней свободы (находимому по формуле: ;

6. Находится значение ; ;

7. Если , то основная гипотеза принимается и случайная величина распределена по искомому закону.



ПРИЛОЖЕНИЕ 11

Объемы суточной погрузки грузов с шести крупнейших станций



ПРИЛОЖЕНИЕ 12

Узлы транспортной сети Северо-Кавказской железной дороги



ПРИЛОЖЕНИЕ 13

Модель погрузки на припортовые станции Северо-Кавказской железной дороги



ПРИЛОЖЕНИЕ 14

Модельный объем суточной погрузки на припортовые станции



ПРИЛОЖЕНИЕ 15

Модельный объем суточной погрузки на станцию Новороссийск



ПРИЛОЖЕНИЕ 16

Модель погрузки на припортовые станции Северо-Кавказской железной дороги с логистическим центром



ПРИЛОЖЕНИЕ 17

Объем суточной погрузки на припортовых станциях после добавления логистического центра



ПРИЛОЖЕНИЕ 18

Объем суточной погрузки в Новороссийске после добавления логистического центра



ПРИЛОЖЕНИЕ 19

Модель погрузки на припортовые станции с логистическим центром, не обслуживающим Новороссийск, в Anylogic

...