Бережливое мышление и ситуационное управление в оценке потерь провозной способности автомобильного парка

Обложка

Цитировать

Полный текст

Аннотация

При сменно-суточном планировании в автотранспортном предприятии главной задачей является максимальное использование провозной способности автопарка, оцениваемой количеством груза, которое может быть перевезено за смену (сутки) при отсутствии всех видов непроизводительных потерь. Решение этой задачи может быть найдено в рамках концепции бережливого мышления, в центр которой ставятся выявление и устранение непроизводительных потерь. Для выявления факторов, обусловивших возникновение потерь, используется каузальное исследование, примером которого, наряду с другими, является ситуационный подход. Проблемная ситуация представляет собой причинно-следственный комплекс факторов, устранение которых обеспечивает повышение эффективности перевозок грузов. Ситуационная модель содержит количественную оценку цели устранения проблемной ситуации, технико-эксплуатационные показатели, характеризующие отдельные виды потерь и рекомендуемые мероприятия по их устранению. Цель проведенного исследования состоит в разработке инструментария оценки потерь провозной способности автомобильного парка, основанного на ситуационном моделировании в реализации принципов бережливого мышления применительно к перевозке металлургических грузов. В исследовании использованы методы ситуационного анализа, математического моделирования, анализа технико-эксплуатационных показателей транспортного процесса. Для изучения состояния вопроса проведен анализ научной литературы. Основными результатами, имеющими научную новизну, являются: ситуационная модель потерь провозной способности автомобильного парка, коэффициенты потерь провозной способности автопарка при перевозках металлургических грузов. Расчёт коэффициентов потерь провозной способности автопарка необходимо производить с использованием возможностей интеллектуальных систем навигационного контроля. Дальнейшие исследования предполагается вести в направлении развития конкретных приложений концепции бережливого мышления и ситуационного подхода к повышению эффективности перевозок грузов, а также направлении развития цифровых систем управления автомобильными перевозками.

Полный текст

Введение

Основная тяжесть оперативно-плановой работы в автотранспортном предприятии сосредоточена на сменно-суточном планировании перевозок. Главная задача состоит в максимальном использовании имеющейся провозной способности автопарка. Она оценивается количеством груза, которое может быть перевезено за смену (сутки) при отсутствии всех видов непроизводительных потерь.

Подход к организации деятельности, исключающий возникновение потерь, получил название бережливого мышления (lean thinking). Первоначально он развивался в автомобилестроении, а впоследствии распространился на другие виды деятельности, в том числе на некоммерческие, такие, например, как государственное управление [12], образование [11] и здравоохранение [3]. О внимании к этому подходу в России можно судить по тому, что в настоящее время выпущено уже второе поколение семейства государственных стандартов по бережливому производству. Есть основания рассчитывать на результативность бережливого мышления в транспортной деятельности1 [13; 15-17], в том числе для повышения использования провозной способности автопарка2.

Ситуационная модель потерь провозной способности автомобильного парка

Устранение потерь при осуществлении перевозок требует проведения каузального исследования – выявления причинно-следственных связей факторов, приводящих к неполному использованию имеющейся провозной способности автопарка. Кроме популярной диаграммы Исикавы [4], для этой цели специалистами также рекомендуется более сложная модель системной динамики, предложенная Форрестером [10], которая была адаптирована применительно к анализу транспортной деятельности во Франции (Университет Перпиньян) и в России (Финансовый университет при Правительстве РФ) [14; 2].

Еще одним примером построения каузальных графических моделей является ситуационное управление, когда управленческое решение разрабатывается применительно к конкретной проблемной ситуации [5; 8]. Чтобы решить проблемную ситуацию, надо её расчленить на элементы, состоящие между собой в причинно-следственных связях. Следующий этап –реализация мероприятий по устранению факторов, приводящих к снижению эффективности перевозок. Количественную оценку ситуации дает показатель транспортной деятельности, который требуется улучшить и который дает оценку потерь провозной способности автопарка.

Основой предлагаемой ситуационной модели потерь провозной способности автомобильного парка при перевозке грузов металлургического производства является иерархическая схема причинно-следственных связей технико-эксплуатационных показателей, характеризующих потери провозной способности, с видами перевозимых грузов (рисунок 1).

 

Рисунок 1. Иерархическая схема причинно-следственных связей потерь провозной способности при перевозке грузов металлургического производства: А– численность автомобилей, используемых на перевозках (целевая функция); t – простои автомобилей в течение смены; γ – коэффициент использования грузоподъемности; β – коэффициент использования пробега; 1– навалочные и наливные производственные отходы; 2– металлургические шлаки; 3– тарно-штучные грузы
Источник: разработано Кургановым В. М.

 

Эффективность мероприятий по устранению потерь провозной способности может оцениваться различными технико-эксплуатационными и экономическими показателями. Расчет конечных показателей, таких, как себестоимость перевозок, доходы, прибыль, рентабельность, требует разработки специальных методик и не всегда удобен для использования в оперативном режиме. Количественную оценку потерь провозной способности автопарка удобно производить на основе безразмерных коэффициентов. Идея расчёта коэффициентов потерь провозной способности автопарка с использованием возможностей интеллектуальных систем навигационного контроля [1; 7; 9] была предложена в работе [6]. Ниже приведено обоснование целесообразности такого подхода на основе предложенной ситуационной модели (рисунок 1). Эффективностью реализуемых мероприятий является сокращение количества используемых автомобилей для выполнения принятых заказов на перевозки.

Оценка потерь провозной способности из-за простоев автомобилей

Одним из источников потерь при перевозке грузов являются простои транспортных средств. Они, как правило, имеют место при перевозке всех основных видов металлургических грузов:

  • навалочные и наливные производственные отходы (металлургические шламы);
  • металлургические шлаки;
  • тарно-штучные грузы.

При транспортном обслуживании металлургического производства некоторые из простоев автомобилей вызваны организационно технологическими причинами, в том числе:

  • операции по погрузке и выгрузке груза;
  • досмотр на контрольно-пропускных пунктах на границе территории предприятия;
  • оформление провозных документов на грузы.

Простои по этим причинам регламентируются и учитываются при определении провозной способности автопарка.

Кроме них, при перевозке основных видов металлургических грузов имеются нерациональные затраты времени по другим причинам, которые приводят к потерям в использовании провозной способности:

  • внеплановые перерывы в работе персонала и технологического оборудования;
  • очередь автомобилей на погрузку или разгрузку;
  • недостаточная производительность погрузочно-разгрузочного оборудования, не отвечающая грузоподъемности автомобилей и их численности;
  • нерациональная организация погрузочно-разгрузочных работ (например, тупиковая схема постановки автомобиля под погрузку или разгрузку с необходимостью движения задним ходом на значительное расстояние вместо сквозной или кольцевой схемы заезда и др.).

Основными мероприятиями для устранения нерегламентированных простоев являются установление приоритетов в выполнении погрузочно-разгрузочных работ и составление часовых графиков прибытия автомобилей в пункты погрузки и разгрузки.

Неполное использование рабочего времени приводит к тому, что фактическая суточная (сменная) производительность автомобилей будет ниже, чем их суммарная провозная способность. Разница этих двух величин и характеризует потери провозной способности из-за нерегламентированных простоев транспортных средств при перевозке металлургических грузов.

Устранение нерегламентированных простоев приведёт к повышению фактической сменной (суточной) производительности, если за счет возникающей при этом экономии времени автомобиль сможет выполнить дополнительные ездки с грузом. Чем большее количество работающих автомобилей смогут увеличить количество оборотов за смену, тем заметнее повысится производительность автопарка. Общие потери времени автомобилями из-за простоев и нерациональной схемы взаимодействия с пунктами погрузки и разгрузки при работе на маршрутах в течение смены могут быть определены по формуле

Tt=i=1nоб.j=1Аиttij, (1)

где ttij – длительность простоев и других нерациональных затрат времени j-ым автомобилем при работе на i -ом маршруте, ч.;

nоб. – количество оборотов j-го автомобиля на i -ом маршруте, оборотов;

Аи – количество используемых автомобилей (рабочий парк), ед.

При расчете эффекта от устранения потерь провозной способности автопарка необходимо учитывать дискретный характер транспортного процесса и его цикличность. Производительность автомобиля возрастет только в том случае, если устранение потерь сделает возможным выполнение ещё одной или нескольких ездок и перевозку дополнительного количества груза. Возможное увеличение количества оборотов одного автомобиля на i-ом маршруте рассчитается по формуле

Δnоб.=Ttitоб.i, (2)

где Ttj – потери времени автомобилем из-за простоев и нерациональной схемы взаимодействия с пунктами погрузки и разгрузки в течение смены на i-ом маршруте, ч.;

tоб.i – время оборота автомобиля на i -ом маршруте, включающее в себя затраты времени на технологически обоснованные элементы транспортного процесса: движение по маршруту, досмотр на контрольно-пропускных пунктах, операции погрузки груза и разгрузки автомобиля, оформление сопроводительной документации и др., ч.

Коэффициент потерь провозной способности на i -ом маршруте из-за простоев автомобиля и нерациональной схемы взаимодействия с пунктами погрузки и разгрузки можно рассчитать по формуле

Lпр.ti=Δnоб.inоб.i+Δnоб.i, (3)

где nоб.i – фактическое количество оборотов автомобиля в течение смены на i -ом маршруте, оборотов.

Сокращение количества используемых автомобилей на i -ом маршруте при максимальном использовании провозной способности определится по формуле

ΔАиi=АиiLпр.ti, (4)

Оценка потерь провозной способности из-за неполного использования грузоподъемности транспортных средств

Провозная способность автопарка рассчитывается при полном использовании его грузоподъемности, кроме тех случаев, когда это невозможно по объективным техническим причинам, например, при перевозке жидких металлургических шламов. Конструктивные особенности специализированного подвижного состава в этом случае таковы, что высота переднего края автоцистерны-шламовоза выше заднего, что уменьшает количество перевозимого груза.

Неполное использование грузоподъемности универсальных автомобилей обусловлено несоответствием их технических характеристик весогабаритным параметрам тарно-штучных грузов и оценивается коэффициентом статического использования грузоподъёмности γ. Полное использование грузоподъемности транспортных средств соответствует, в идеале, значению коэффициента статического использования грузоподъёмности, равному единице. При этом условии коэффициент потерь провозной способности из-за неполной загрузки транспортных средств можно рассчитать по формуле

Lγ=i=1nоб.j=1Аи(1-γij), (5)

где γij – коэффициент использования грузоподъёмности при перевозке грузов j-ым автомобилем при работе на i -ом маршруте.

Сокращение количества используемых автомобилей на i-ом маршруте при максимальном использовании провозной способности определится по формуле

ΔАиi=АиiLγi, (6)

Наиболее эффективным мероприятием по повышению использования грузоподъемности автомобилей является подбор автомобиля в соответствии с партией груза, указанной в заявке, а также полная загрузка автомобилей в пунктах отправления грузов.

Оценка потерь провозной способности из-за неполного использования пробега транспортных средств

При планировании перевозок на территории металлургического предприятия необходимо учитывать возможность выполнения нескольких заявок одним транспортным средством в течение рабочей смены. Вместо нескольких маятниковых маршрутов предпочтительнее формировать один кольцевой маршрут, увязывая в ездку автомобиля несколько заявок. Частными случаями кольцевых маршрутов являются сборные, развозочные и сборно-развозочные. В некоторых случаях при рассмотрении заявок могут выявляться возможности организации маятниковых маршрутов с обратным груженым пробегом.

Кольцевые маршруты могут быть реализованы только на перевозках тарно-штучных грузов и металлургических шлаков в отвал, так как жидкие шламы могут перевозиться только по маятниковым маршрутам до мест захоронения или утилизации. Твердые шлаки перевозятся между усреднительными складами и до перерабатывающих заводов в пределах территории металлургического предприятия. Обратная загрузка самосвала невозможна. Также недопустима организация сборно-развозочных маршрутов. Увеличение коэффициента использования пробега при перевозке шлаков возможна только в случае кольцевого маршрута с двумя гружеными ездками. Тарно-штучные грузы автомобилями с универсальным кузовом допускают перевозку от складов к производственным и вспомогательным цехам и между цехами по всем видам маршрутов.

Более сложной для анализа изменения провозной способности в зависимости от использования пробега является перевозка металлургических шлаков от доменных эстакад в отвал, так как при перевозке тарно-штучных грузов по сборным, развозочным и сборно-развозочным маршрутам порожние пробеги между точками маршрута отсутствуют.

Коэффициент использования пробега увеличивается, если после объединения двух или более маятниковых маршрутов в один кольцевой маршрут суммарный порожний пробег уменьшится. При оценке конечного эффекта необходимо учитывать дискретность транспортного процесса. Влияние коэффициента использования пробега на рост производительности при замене маятниковых маршрутов кольцевыми проявляется опосредовано через уменьшение времени, необходимого для выполнения перевозок.

За счёт сокращения пробега автомобилей при организации их работы по кольцевым маршрутам вывоз шлаков в отвал будет выполнен за более короткое время. Экономия времени при уменьшении порожних пробегов позволит выполнить дополнительные рейсы и достичь более полного использования провозной способности автопарка. Двухэтапный путь получения эффекта от увеличения коэффициента использования пробега отражен в предложенных математических моделях.

Сокращение порожнего пробега при замене маятниковых маршрутов кольцевым, объединяющим несколько эстакад отгрузки шлаков и отвалов для их приема, рассчитается по формуле

Δlх=m=1Mlхm+k=1Klхk, (7)

где lхm – порожний пробег на m-ом маятниковом маршруте, рассматриваемом для замены кольцевым маршрутом, км; M – количество заменяемых маятниковых маршрутов; lхk – порожний пробег на звеньях кольцевого маршрута, заменяющего M маятниковых маршрутов, км; K – количество звеньев кольцевого маршрута, рассматриваемого для замены M маятниковых маршрутов.

Экономия времени за счёт замены нескольких маятниковых маршрутов одним кольцевым для повышения коэффициента использования пробега β определяется по формуле

Δtхβ=ΔlхVt, (8)

где Vt – среднетехническая скорость движения, км/ч.

Оптимизация маршрутов может достигаться не только за счёт сокращения порожних пробегов, но также при движении автомобилей с грузом по кратчайшим расстояниям. В этом случае расчет экономии пробегов и сокращения времени выполнения задания на перевозку грузов проводится по формулам, аналогичным (7) и (8).

Определение возможности выполнения дополнительных рейсов автомобилями при сокращении времени за счёт оптимизации маршрутов и увеличения коэффициента использования пробега выполняется расчётом по формуле, аналогичной формуле (2). Расчёт коэффициента потерь провозной способности и расчёт количества сокращаемых автомобилей проводится по формулам, аналогичным формулам (3) и (4).

Конечный результат состоит в повышении производительности используемых автомобилей и уменьшении необходимого количества транспортных средств. 

Заключение

По итогам проведенного исследования был разработан инструментарий оценки потерь провозной способности автомобильного парка, основанный на ситуационном моделировании в реализации принципов бережливого мышления применительно к перевозке металлургических грузов. Предлагаемая ситуационная модель потерь провозной способности автомобильного парка при перевозке грузов металлургического производства основывается на иерархической схеме причинно-следственных связей технико-эксплуатационных показателей (простои автомобилей в течение смены, коэффициент использования грузоподъемности, коэффициент использования пробега), характеризующих потери провозной способности, с видами перевозимых грузов (навалочные и наливные производственные отходы, тарно-штучные грузы).

Количественную оценку потерь провозной способности автопарка предлагается производить на основе безразмерных коэффициентов, получаемых:

  • соотношением возможного увеличения количества оборотов одного автомобиля на маршруте к максимально возможному в рассматриваемых условиях числу оборотов, которое бы выполнил автомобиль при отсутствии простоев, не вызванных технологией металлургического производства;
  • суммированием по автомобильному парку неиспользованной грузоподъемности за период, определяемый сменно-суточным планированием;
  • суммированием величины сокращения порожних пробегов, при организации перевозок по кольцевым маршрутам.

 

1ГОСТ Р 56020-2020. Национальный стандарт Российской Федерации. Бережливое производство. Основные положения и словарь.– М.: Стандартинформ, 2020. – 15 с.

2Intrieri C. 5 Ways to Optimize Your Logistics & Transportation with Lean. January 20th, 2017. – https://blog.arkieva.com/using-lean-in-logisitics-and-transportation-management (accessed 16.12.2023).

×

Об авторах

Валерий Максимович Курганов

Тверской государственный университет

Автор, ответственный за переписку.
Email: glavreds@gmail.com
ORCID iD: 0000-0001-8494-2852

доктор технических наук, доцент, профессор кафедры экономики предприятия и менеджмента

Россия, Тверь

Владимир Иванович Рассоха

Оренбургский государственный университет

Email: cabin2012@yandex.ru
ORCID iD: 0000-0002-7836-2242
Scopus Author ID: 57193742928
ResearcherId: M-3242-2017

доктор технических наук, доцент, декан транспортного факультета

Россия, Оренбург

Михаил Владимирович Грязнов

Магнитогорский государственный технический университет им. Г.И. Носова

Email: gm-autolab@mail.ru
ORCID iD: 0000-0003-3142-1089

доктор технических наук, доцент, профессор кафедры логистики и управления транспортными системами

Россия, Магнитогорск

Алексей Николаевич Дорофеев

Финансовый университет при Правительстве Российской Федерации

Email: andorofeev@fa.ru
ORCID iD: 0000-0002-0689-8881

кандидат технических наук, доцент, доцент кафедры финансовых технологий

Россия, Москва

Список литературы

  1. Власов В. М., Кудрявцев А. А., Воронов П. О. Разработка критерия качества работы навигационных диспетчерских систем управления перевозками на городском пассажирском транспорте // Новости навигации. –2021. – № 2. – С. 52–58.
  2. Дорофеев А. Н., Курганов В. М. Динамическая модель функционирования автотранспортного предприятия // Мир транспорта и технологических машин. – 2022. – №3-4 (78). – С. 132–138. – http://doi.org/10.33979/2073-7432-2022-4(78)-3-132-138. – EDN: GMMJZS.
  3. Ивашинников А. В., Шуплецова В. А. Бережливое производство в здравоохранении: монография. – Тюмень: РИЦ «Айвекс», 2019. – 179 с.
  4. Исикава К. Японские методы управления качеством. – М.: Экономика, 1988. – 199 с.
  5. Курганов В. М. Ситуационное управление автомобильными перевозками: монография. – М.: МАДИ (ГТУ), Техполиграфцентр, 2003. – 196 с. – EDN: QQBWJZ.
  6. Мукаев В. Н. Методика повышения производительности автомобилей при транспортном обслуживании металлургического предприятия // Интеллект. Инновации. Инвестиции. – 2023. – № 4. – С. 58–71. – http://doi.org/10.25198/2077-7175-2023-4-58. (In Eng.).
  7. Проблемы внедрения интеллектуальных транспортных систем в регионах/ А. Н. Новиков [и др.] // Мир транспорта и технологических машин. – 2021. – № 1 (72). – С. 47–55. – https://doi.org/10.33979/2073-7432-2021-72-1-47-54. – EDN: LJEINH.
  8. Рассоха В. И. Ситуационное управление автотранспортными системами. Схема и сценарии управления городским пассажирским транспортом // Вестник Оренбургского государственного университета. – 2010. – № 4 (110). – С. 142–146. – EDN: MLZQRX.
  9. Филиппова Н. А., Власов В. М., Беляев В. М. Навигационный контроль доставки грузов в условиях севера России // Мир транспорта. – 2019. – Т. 17. – № 4 (83). – С. 218–231. – https://doi.org/10.30932/1992-3252-2019-17-4-218-231. – EDN: HWBAGR.
  10. Форрестер Дж. Основы кибернетики предприятия (Индустриальная динамика). – М.: Прогресс, 1970. – 340 с.
  11. Чернов А. Г. Разработка методики применения принципов и инструментов бережливого производства в сфере образования // Бережливая школа. Сборник материалов научно-практической конференции «Бережливые технологии в образовании: теория и практика». – Нижний Новгород: НП ПЦ «Логос», 2021. – С. 12–19.
  12. Шибанова А. А. «Бережливое мышление» в организациях бюджетной сферы // Индустриальная экономика. 2020. № 4. – С. 30–34. – https://doi.org/10.475776/2712-7559_2020_4_30. (In Eng.).
  13. Garza-Reyes J. A. et al. (2017) Improving Road Transport Operations using Lean Thinking. 27th International Conference on Flexible Automation and Intelligent Manufacturing, FAIM2017, 27-30 June 2017, Modena, Italy. Procedia Manufacturing, Vol. 11, No. 2. pp. 1900–1907. – https://doi.org/10.1016/j.promfg.2017.07.332. (In Eng.).
  14. Hamoudi K., Bellaouar A., Petiot R. (2021) A Model of System Dynamics for physical flow analysis in distribution supplty chain. Transport and Telecommunication, Vol. 22, No. 1, pp. 98–108. – https://doi.org/10.2478/ttj-2021-0008. (In Eng.).
  15. Martichenko R., Taylor L. M. Lean Transportation – Fact or Fiction? (2006) FedEx Services, LeanCor, LLC. – 7 p. (In Eng.).
  16. Villarreal B. et al. (2016) Improving Road Transport Operations through Lean Thinking: A Case Study. International Journal of Logistics Research and Applications, Vol. 20, Is. 2, pp. 163–180. (In Eng.).
  17. Villarreal B., Garza-Reyes J. A., Kumar V. (2016) Lean road transportation – A systematic method for the improvement of road transport operations. Production Planning & Control, Vol. 27, No. 11. pp. 865–877. – https://doi.org/10.1080/09537287.2016.1152405 (In Eng.).

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

© Курганов В.М., Рассоха В.И., Грязнов М.В., Дорофеев А.Н., 2024

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».