Оптимізація менеджменту матеріально-технічного постачання промислових підприємств
- Деталі
- Категорія: Зміст №3 2022
- Останнє оновлення: 11 липня 2022
- Опубліковано: 30 листопада -0001
- Перегляди: 2231
Authors:
В.Ф.Столяров, orcid.org/0000-0002-4399-7117, ТОВ «Бердянський університет менеджменту та бізнесу», м. Бердянськ, Україна, e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.
Я.Пашторова, orcid.org/0000-0002-7255-0197, Університет економіки у Братиславі, м. Братислава, Словацька Республіка, e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.
М.В.Зось-Кіор, orcid.org/0000-0001-8330-2909, Полтавський державний аграрний університет, м. Полтава, Україна, e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.
І.А.Гнатенко, orcid.org/0000-0002-0254-2466, Київський національний університет технологій та дизайну, м. Київ, Україна, e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.
М.В.Петченко, orcid.org/0000-0003-1104-5717, Харківський національний університет внутрішніх справ, м. Харків, Україна, e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.
Naukovyi Visnyk Natsionalnoho Hirnychoho Universytetu. 2022, (3): 163 - 167
https://doi.org/10.33271/nvngu/2022-3/163
Abstract:
Мета. Розробка адаптивної економіко-математичної моделі управління постачанням сировини для виробничої діяльності промислових підприємств.
Методика. У ході дослідження використовувались такі способи пізнання економічних явищ і процесів для вирішення поставлених у роботі проблем: системний аналіз, економіко-математичне моделювання, абстрактно-логічний і графічний методи.
Результати. У роботі визначені специфічні характеристики організації постачання сировини, обладнання, товарно-матеріальних цінностей і готової продукції на промислові підприємства. Сформульована адаптивна економіко-математична модель оптимізації матеріально-технічного постачання зазначених підприємств. Запропонована модель дозволила спростити вибір системи менеджменту запасів сировини в залежності від специфіки виробничого процесу конкретного підприємства й зовнішніх умов його функціонування. Використання адаптивної моделі необхідне при формуванні програм постачання зміни попиту та пропозиції на ринках збуту готової продукції, здійснення моніторингу руху власних грошових коштів при організації транспортування сировини від постачальників і перерозподілу наявних фінансових ресурсів на вирішення першочергових задач суб’єктів підприємницької діяльності.
Наукова новизна. Авторами запропонована адаптивна економіко-математична модель оптимізації матеріально-технічного постачання, що враховує можливість порушення строків доставки товарно-матеріальних цінностей під впливом форс-мажорних обставин, а також визначає оптимальну для постачання кількість сировини в певних умовах функціонування конкретного промислового підприємства.
Практична значимість. Використання сформованої авторами економіко-математична моделі в господарській діяльності промислових підприємств надасть можливість останнім своєчасно прогнозувати та планувати свої логістичні витрати та, як наслідок, уникнути нераціонального витрачання наявних фінансових ресурсів.
Ключові слова: логістика, менеджмент, адаптаційна модель, постачання, зберігання, транспортні витрати
References:
1. Semenov, A., Kuksa, I., Hnatenko, I., Sazonova, T., Babiy, L., & Rubezhanska, V. (2021). Management of Energy and Resource - Saving Innovation Projects at Agri-Food Enterprises. TEM Journal, 10(2), 751-756. https://doi.org/10.18421/TEM102-32.
2. Brockova, K., Rossokha, V., Chaban, V., Zos-Kior, M., Hnatenko, I., & Rubezhanska, V. (2021). Economic Mechanism of Optimizing the Innovation Investment Program of the Development of Agro-Industrial Production. Management Theory and Studies for Rural Business and Infrastructure Development, 43(1), 129-135. https://doi.org/10.15544/mts.2021.11.
3. Sorooshian, S., Jambulingam, M., & Dodangeh, J. (2013). Case Study on Logistics Performance. International Journal of Engineering Business Management. https://doi.org/10.5772/56264.
4. Ivashkin, Y., & Nikitina, M. (2019). Agent-oriented modeling and optimization of material flows of multi-assortment production. IFAC-PapersOnLine, 52(13), 660-664. https://doi.org/10.1016/j.ifacol.2019.11.109.
5. Ahumada, O., & Villalobos, J. (2011). A tactical model for planning the production and distribution of fresh produce. Annals of Operations Research, 190(1), 339-358. https://doi.org/10.1007/s10479-009-0614-4.
6. Yuan, Y., Viet, N., & Behdani, B. (2019). The impact of information sharing on the performance of horizontal logistics collaboration: A simulation study in an agri-food supply chain. IFAC-PapersOnLine, 52(13), 2722-2727. https://doi.org/10.1016/j.ifacol.2019.11.619.
7. Alfonso-Lizarazo, E., Montoya-Torres, J., & Gutiérrez-Franco, E. (2013). Modeling reverse logistics process in the agro-industrial sector: The case of the palm oil supply chain. Applied Mathematical Modelling, 37(23), 9652-9664. https://doi.org/10.1016/j.apm.2013.05.015.
8. Zhao, X., Wang, P., & Pal, R. (2021). The effects of agro-food supply chain integration on product quality and financial performance: Evidence from Chinese agro-food processing business. International Journal of Production Economics, 231. https://doi.org/10.1016/j.ijpe.2020.107832.
9. Raut, R., Gardas, B., Narwane, V., & Narkhede, B. (2019). Improvement in the food losses in fruits and vegetable supply chain - a perspective of cold third-party logistics approach. Operations Research Perspectives, 6. https://doi.org/10.1016/j.orp.2019.100117.
10. Qiang, Q., Ke, K., Anderson, T., & Dong, J. (2013). The closed-loop supply chain network with competition, distribution channel investment, and uncertainties. Omega, 41(2), 186-194. https://doi.org/10.1016/j.omega.2011.08.011.
11. Furmann, R., Furmannová, B., & Więcek, D. (2017). Interactive Design of Reconfigurable Logistics Systems. Procedia Engineering, 192, 207-212. https://doi.org/10.1016/j.proeng.2017.06.036.
12. Prajapati, D., Harish, A., Daultani, Y., Singh, H., & Pratap, S. (2020). A Clustering Based Routing Heuristic for Last-Mile Logistics in Fresh Food E-Commerce. Global Business Review. https://doi.org/10.1177/0972150919889797.
13. Scholz-Reiter, B., Windt, K., & Liu, H. (2011). A multiple-logistic-objective-optimized manufacturing planning and control system. Proceedings of the Institution of Mechanical Engineers, Part B: Journal of Engineering Manufacture, 225(4), 599-610. https://doi.org/10.1177/2041297510394108.
14. Gonzalez, A., Patroni, S., & Vidal, J. (2015). Developing Competencies in the Process of Hazard Identification in an Enterprise Related to the Field of Logistic and Food. Procedia Manufacturing, 3, 5052-5058. https://doi.org/10.1016/j.promfg.2015.07.518.
15. Riahi, Y., Saikouk, T., Gunasekaran, A., & Badraoui, I. (2021). Artificial intelligence applications in supply chain: A descriptive bibliometric analysis and future research directions. Expert Systems with Applications, 173, 114702. https://doi.org/10.1016/j.eswa.2021.114702.
16. Bučková, M., Skokan, R., Fusko, M., & Hodoň, R. (2019). Designing of logistics systems with using of computer simulation and emulation. Transportation Research Procedia, 40, 978-985. https://doi.org/10.1016/j.trpro.2019.07.137.
17. Mishkurov, P., Fridrikhson, O., Lukyanov, V., Kornilov, S., & Say, V. (2021). Simulated Transport and Logistics Model of a Mining Enterprise. Transportation Research Procedia, 54, 411-418. https://doi.org/10.1016/j.trpro.2021.02.090.
18. Kovalský, M., & Mičieta, B. (2017). Support Planning and Optimization of Intelligent Logistics Systems. Procedia Engineering, 192, 451-456. https://doi.org/10.1016/j.proeng.2017.06.078.
19. Zos-Kior, М., Shkurupii, O., Hnatenko, I., Shulzhenko, I., & Rubezhanska, V. (2021). Modeling of the investment program formation process of ecological management of the Agrarian cluster. European Journal of Sustainable Development, 10(1), 571-583. https://doi.org/10.14207/ejsd.2021.v10n1p571.
20. Nofal, M., & Yusof, Z. (2013). Integration of Business Intelligence and Enterprise Resource Planning within Organizations. Procedia Technology, 11, 658-665. https://doi.org/10.1016/j.protcy.2013.12.242.
Наступні статті з поточного розділу:
- Дослідження впливу фрагментації русла малих річок штучними водоймами на якість водних ресурсів - 11/07/2022 22:51
- Формування бренду сталого розвитку промисловості в післявоєнний період - 11/07/2022 22:51
- Моделі міжнародної інвестиційної позиції країн Вишеградської групи та України: компаративний аналіз - 11/07/2022 22:51
- Основні механізми реалізації технології блокчейн в умовах застосування цифрових технологій - 11/07/2022 22:51
Попередні статті з поточного розділу:
- Стратегії фінансування інфраструктурних проектів у сфері державно-приватного партнерства - 11/07/2022 22:51
- Вплив цифровізації на розвиток промислових підприємств - 11/07/2022 22:51
- Стратегії обробки та вимірювання GNSS у різних умовах розробки - 11/07/2022 22:51
- Інформаційні інструменти управління підприємствами в Економіці 4.0 - 11/07/2022 22:51
- Обліково-аналітичне забезпечення функціонування підприємств в умовах цифрової економіки - 11/07/2022 22:51
- Підвищення концентрації важких металів у ґрунтах поблизу електрогенераторів у місті Самарра (Ірак) - 11/07/2022 22:51
- Підвищення надійності вантажних автомобільних перевезень в умовах гірничодобувного підприємства - 11/07/2022 22:51
- Проблеми й завдання екологічної безпеки та геодинамічний моніторинг на Карачаганакському нафтогазоконденсатному родовищі - 11/07/2022 22:51
- Посилення контролю за діяльністю підприємств із промисловим забрудненням атмосферного повітря - 11/07/2022 22:51
- Дослідження впливу споживання відновленої енергії на викиди CO2: докази країн ПААРС - 11/07/2022 22:51