Журнал «Информационные технологии и вычислительные системы» - Р. С. Рогулин "Модель формировании лесопромышленных цепочек поставок сырья на склад с учетом особенностей"

Просматривается номер 2023 / 04

В статье рассматривается деятельность лесопромышленного предприятия без собственных источников сырья в лице делян, которое ставит себе целью найти оптимальное решение в конце горизонта планирования, основываясь на данных об уже реализованных сделках. В качестве источника сырья рассматривается товарно-сырьевая биржа, где лоты появляются каждый день в разных регионах добытчиках в случайном порядке. В работе представлена математическая модель, позволяющая оценить оптимальную траекторию значений прибыли на всем горизонте планирования и отличающуюся тем, что позволяет учитывать долю полезного объема сырья, которое по зачислению на склад можно использовать в производстве ОСБ плит и время лота в пути в условиях неопределенностей. Модель протестирована на данных товарно-сырьевой биржи России и одного из предприятий Приморского края. Проведен анализ полеченных решений.

Ключевые слова:

оптимизация производства, транспортная задача, лесная промышленность, товарно-сырьевая биржа, цепочки поставок, выпуск продукции.

DOI 10.14357/20718632230411

Литература

1. Ghasemy, Y.R. Enhancing supply chain production-marketing planning with geometric multivariate demand function (a case study of textile industry) // Computers & Industrial Engineering. – 2020. – Vol. 140. Article ID 106220.

2. Maina, J., Mwangangi, P.W. A Critical Review of Simulation Applications in Supply Chain Management // Journal of Logistics Management. – 2020. – Vol. 9. – P. 1-6.

3. Brintrup, A., Pak, J., Ratiney, D., Pearce, T., Wichmann, P., Woodall, P., McFarlane, D. Supply chain data analytics for predicting supplier disruptions: a case study in complex asset manufacturing // International Journal of Production Research. – 2020. – Vol. 58. – P. 3330-3341.

4. Dominguez, R., Cannella, S. Insights on Multi-Agent Systems Applications for Supply Chain Management // Sustainability. – 2020. – Vol. 12. Article ID 1935.

5. Luigi, R., Stamova, I.M., Tomasiello, S. Numerical schemes and genetic algorithms for the optimal control of a continuous model of supply chains // Applied Mathematics and Computation. – 2021. – Vol. 388. Article ID: 125464.

6. El Raoui, H., Oudani, M., El Hilali, A. Coupling Soft Computing, Simulation and Optimization in Supply Chain Applications: Review and Taxonomy // IEEE Access. – 2020. – Vol. 8. – P. 31710-31732.

7. Alkahtani, M. Mathematical Modelling of Inventory and Process Outsourcing for Optimization of Supply Chain Management // Mathematics. – 2022. – Vol 10. Article ID 1142.

8. Sadeghi, Z., Boyer, O., Sharifzadeh, S., Saeidi, N. A Robust Mathematical Model for Sustainable and Resilient Supply Chain Network Design: Preparing a Supply Chain to Deal with Disruptions // Complexity. – 2021. – Vol. 5. – P. 1-17.

9. Goodarzian, F., Shishebori, D., Nasseri, H., Dadvar, F. A bi-objective production-distribution problem in a supply chain network under grey flexible conditions // RAIRO Operations Research. – 2021. – Vol. 55. – P. 1287-1316.

10. Taghizadeh-Yazdi, M., Farrokhi, Z., Mohammadi-Balani, A. An integrated inventory model for multi-echelon supply chains with deteriorating items: a price-dependent demand approach // Journal of Industrial and Production Engineering. – 2021. – Vol. 37. – P. 87 - 96.

11. Flores-Sigüenza, P., Marmolejo-Saucedo, J.A., Niembro-García, J., Lopez-Sanchez, V.M. A systematic literature review of quantitative models for sustainable supply chain management // Mathematical biosciences and engineering: MBE. – 2021. – Vol. 18. – P. 2206-2229.

12. Escobar, J.W., Marin, A.A., Lince, J.D. Multi-objective mathematical model for the redesign of supply chains considering financial criteria optimization and scenarios // International Journal of Mathematics in Operational Research. – 2020. – Vol. 16. – P. 238-256.

13. Fierro, L.H., Cano, R.E., García, J.I. Modelling of a multiagent supply chain management system using Colored Petri Nets // Procedia Manufacturing. – 2020. – Vol. 42. – P. 288-295.

14. Heydari, J., Rafiei, P. Integration of environmental and social responsibilities in managing supply chains: A mathematical modeling approach // Computers & Industrial Engineering. – 2020. – Vol. 145. Article ID 106495.

15. Schroeder, M., Lodemann, S. A Systematic Investigation of the Integration of Machine Learning into Supply Chain Risk Management // Logistics. – 2021. – Vol. 5. Article ID 62.

16. Nishanth, B., Priyanka, S., Kannan, V., Muhammad, R.B.A., Dinesh, J., Muruganandham, R., Harish, V. Mathematical modelling of supply chain under current COVID’19 business scenario with the review study on the fuzzy logic based supply chains // European Journal of Molecular and Clinical Medicine. – 2020. – Vol. 7. – P. 1-10.

17. Saadi, E., Hafshejani, K.F., Radfar, R. Designing and Developing a multi - level supply chain mathematical model, multi products, multi objective of supplier selection considering simultaneous overall - incremental Discount // Journal of new researches in mathematics. – 2020. – Vol. 2. Article ID: 226097431

18. Teixeira, A., Silva, E.C., Lopes, C. A mixed integer nonlinear multiperiod model for supply chain management of a company in the retail sector // RAIRO - Operations Research. – 2021. – Vol. 55. – P. 997-1013.

19. Nuñez, R.J., Andrade, S.H.H., Villarreal, A.S.M., Ortiz, A. System Dynamics Modeling in Additive Manufacturing Supply Chain Management // Processes. – 2021. – Vol. 9. Article ID: 982.

20. Rezaei, E., Paydar, M.M., Safaei, A.S. Customer relationship management and new product development in designing a robust supply chain // RAIRO - Operations Research. – 2020. – Vol. 54. – P. 369-391.

21. Nezamoddini, N., Gholami, A., Aqlan, F. A risk-based optimization framework for integrated supply chains using genetic algorithm and artificial neural networks // International Journal of Production Economics. – 2020. – Vol. 225. Article ID: 107569.

22. Cesarelli, G., Scala, A.E., Vecchione, D., Ponsiglione, A., Guizzi, G. An Innovative Business Model for a Multi-echelon Supply Chain Inventory Management Pattern // Journal of Physics: Conference Series. – 2021. – Vol. 1828. Pp. 1-10.

23. Уздемир А. П. Динамические целочисленные задачи оптимизации в экономике. — М.: Физматлит, 1995. — 288 с.

24. Рогулин, Р.С. Моделирование перспектив взаимодействия предприятия лесопромышленного комплекса и товарно-сырьевой биржи России // Journal of Applied Economic Research. – 2020. – Т. 19. – № 4. – С. 489–511.

25. Рогулин, Р.С. Модель оптимизации плана закупок сырья из регионов России лесоперерабатывающим комплексом // Бизнес-информатика. – 2020. – Т.14. – № 4. – С. 19–35.

26. Рогулин, Р. С. Место ИКТ и предпринимательства в формировании устойчивых цепочек поставок // Экономическая политика. – 2021. – Т.16. – № 4. – С. 84–103.

27. Рогулин, Р. С. Математическая модель формирования ценовой политики и плана производственно-транспортной системы лесопромышленного предприятия // Бизнес-информатика. – 2021. – Т.15. – № 3. – С. 60–77.

28. Рогулин, Р. С. Роль информационно-коммуникационных технологий в формировании устойчивых цепочек поставок до и после пандемии covid-19 // Journal of Applied Economic Research. – 2021. – Т.20. – № 3. – С.461–488.

29. Mazelis, L., Rogulin, R. Devising a method for the formation of sustainable chains of supply of raw materials from mercantile exchange to a timber processing enterprise considering uncertainties and risks // Eastern-European Journal of Enterprise Technologies. – 2021. – Vol. 5. – P. 6–18.

30. Тарасов В. Б. От многоагентных систем к интеллектуальным организациям: философия, психология, информатика. — М.: Эдиториал УРСС, 2002. — 352 с.

31. Ойхман Е. Г., Попов Э. В. Реинжиниринг бизнеса: Реинжиниринг организаций и информационные технологии. — М.: Финансы и статистика, 1997. — 336 с.

32. Ларичев О. И., Бебчук Б. Ц. Человеко-машинные процедуры решения многокритериальных задач линейного программирования с простыми иерархическими моделями // Системы и методы поддержки принятия решений. Сборник трудов / Под ред. С. В. Емельянова, О. И. Ларичева. — №12. М.: ВНИИСИ, 1986. — С. 100–108.

33. Черешкин Д. С., Ройзензон Г. В., Бритков В. Б. Применение методов искусственного интеллекта для анализа риска в социально-экономических системах // Информационное общество. — 2020. — № 3. — С. 14–24.

34. Попков Ю.С. Математическая демоэкономика. Макросистемный подход. — М.: ЛЕНАНД. 2013. — 560 с.

35. Ларичев О. И. Вербальный анализ решений. — М.: Наука, 2006. — 181 с.

36. Лившиц В. Н., Лившиц С. В. Системный анализ нестационарной экономики России (1992- 2010): рыночные реформы, кризис, инвестиционная политика. — М.: Маросейка, 2011. — 478 с.

37. Алиев Р. А., Церковный А. Э., Мамедова Г. А. Управление производством при нечеткой исходной информации. — М.: Энергоатомиздат, 1991. — 240 с.

38. Борисов А. Н., Крумберг О. А., Федоров И. П. Принятие решений на основе нечетких моделей: Примеры использования. — Рига: 3инатне, 1990.— 184 с.

39. Емельянов В.В., Ясиновский С.И. Имитационное моделирование систем: учебное пособие. Серия: Информатика в техническом университете. — М. МГТУ им. Баумана, 2009. — 584 с.

40. Ройтман Е.Я. Проблемы ценообразования на прокат тяжелых цветных металлов // Цветные металлы. — 2006. — № 6. — С. 5–7.

41. Бурков В.Н., Кацнельсон М.Б. Оперативное управление поставками металлопродукции. Решение некоторых проблем оптимизации // Автоматика и Телемеханика. — 1970. — № 1. — С. 148–158.

42. Макаров В. Л., Бахтизин А. Р. Социальное моделирование – новый компьютерный прорыв (агент-ориентированные модели). — М.: Экономика, 2013. — 295 с.

43. Сохова З. Б., Редько В. Г. Моделирование поиска инвестиционных решений автономными агентами в прозрачной конкурентной экономике // Искусственный интеллект и принятие решений. — 2019. — № 2. — С. 98–108.