Статья на международной конфренции в Жилине

Применение систем поддержки принятия решений для управления автопарком в малых и средних транспортных предприятиях России

В современной экономической среде в настоящее время практически невозможно вести предпринимательскую деятельность без глубокого анализа данных из различных источников информации. В транспортной отрасли на принятие управленческих решений влияют множество как внутренних, так и внешних факторов, к которым относятся баланс спроса и предложения на рынке грузоперевозок, регулирующие законодательство, техническое состояние автомобилей, дорожные и климатические условия и пр., Эти факторы могут быть известны заранее, так и могут возникать неожиданно, что требует от диспетчера оперативного реагирования и вмешательства в перевозочный процесс. При этом ситуация нередко может осложняться дополнительными коллизиями. Например, в случае внезапной поломки или аварии автомобиля необходимо произвести замену транспортного средства. Причем, если автомобиль уже был загружен, то выполняется его разгрузка и последующая загрузка подменяющей машины. А на сложность этих работ может сильно влиять характер груза, для манипуляций с которым может потребоваться кран или другое оборудование. Очевидно, что все это приводит к временным задержкам и срывам графика перевозок. В тоже время вероятность возникновения внезапного отказа какого-либо узла или агрегата транспортного средства или аварии в определяющей степени зависит от технического состояния автомобиля, мастерства и ответственности водителя, а также состояния дорожного полотна, трафика движения, погодных и климатических условий. Управление техническим состоянием подвижного состава, подбор и подготовка водительского персонала целиком и полностью возложено на владельцев или менеджеров автотранспортных предприятий, которые должны их обеспечивать в соответствии с существующими нормами, методиками и рекомендациями.

Непосредственное планирование рейсов, маршрутизация и мониторинг в настоящее время осуществляются с помощью геоинформационных систем, беспроводных средств телекоммуникаций RFID, GPS/GSM, WI-FI, что в значительной степени расширяет возможности по оптимизации перевозочного процесса. Так, использование ГИС, как общедоступных, например, Google.Maps, так и коммерческих, например, ASRI, позволяет сформировать кратчайшие маршруты движения транспортных средств, а также получать информацию о заторах, плотности транспортного потока. Определение местоположение автомобиля во время рейса, а также параметров его работы (скорость движения, расход топлива, заправки) с учетом данных о дорожной обстановке дает возможность оперативно принимать решение о коррекции маршрута, а кроме того осуществлять контроль за соблюдением графиков движения. В дальнейшем данные, полученные из системы мониторинга, можно использовать для анализа производительности и рентабельности работы транспортного средства. Известно, что в цепях поставок материальный поток всегда сопровождает информационный поток. А интеграция и скорость передачи данных в современных условиях настолько высока, что можно говорить о фактическом управлении цепями поставок в он-лайн режиме. Такое развитие информационных и телекоммуникационных технологий открыло новые возможности для операторов логистических услуг для максимально эффективного удовлетворения потребностей клиентов, в том числе и снижения затрат на транспортировку, минимизации рисков и неопределенности, адаптации в часто меняющихся условиях, решения нестандартных задач, обеспечения поставок Just-In-Time. В тоже время следует отметить, что объем электронных документов и данных операционной деятельности у supply chain провайдеров может достигать довольно значительных размеров, что предполагает использование мощных вычислительных ресурсов, а также специального программного обеспечения для анализа и обработки информации.

На практике, управление деятельностью логистической компании осуществляется на нескольких уровнях – оперативном, тактическом, стратегическом, в следствии чего на каждом уровне менеджерам необходимы свои аналитические отчеты, диаграммы и витрины данных разной степени детализации и консолидации для изучения ретроспективной информации и последующего планирования. Например, на оперативном уровне производится распределение транспортных средств по маршрутам, по заказчикам, регулирование и коррекция путей следования автомобилей в случае изменения дорожной ситуации или поступления новых заявок на перевозки. На тактическом уровне проводится составление расписаний, планирование технического обслуживание подвижного состава. На стратегическом уровне анализируется выполнение перевозочного процесса в целом, принимаются решения о приобретении автомобилей, выбираются их тип, грузоподъемность, оценивается эффективность затрат на эксплуатацию транспортных средств, рентабельность перевозок в целом и пр. Таким образом, данные из информационной логистической системы являются базисом, определяющим стратегию развития транспортной компании, а также инструментом, позволяющим повысить эффективность ее работы и получить конкурентные преимущества.

Однако, в практическом применении проблемой является получение информации из базы данных логистической системы, необходимой для поддержки принятия управленческих решений. Причем, исходя из опыта внедрения и эксплуатации таких систем на различных транспортных предприятиях в России, можно выделить ряд затруднений, с которыми сталкиваются бизнес-аналитики. Разнообразие запросов, которые необходимо формировать к базе данных системы может быть довольно велико, т.к. потребности бизнеса требуют исследовать деятельность предприятия с разных сторон. Архитектура информационной логистической системы, как правило, состоит из десятков или сотен внутренних таблиц, которые могут быть использованы в различных сочетаниях и количестве в аналитических запросах в зависимости от бизнес-задач. В тоже время обычный менеджер транспортной компании, как правило, не обладает большими познаниями в области программирования, поэтому ему необходим инструмент, с помощью которого он мог легко формировать произвольные запросы к базе данных и получать различную аналитику. В настоящее время широкое распространение в различных отраслях получили BI-системы, функционал которых включает в себя многомерный анализ данных (OLAP), прогнозирование, система ключевых показателей, Data Mining, витрины данных и пр. Эти системы имеют богатые возможности, однако, в реальной ситуации возникает проблема с нехваткой времени на предварительную подготовку аналитических запросов даже с применением специальных мастеров или построителей запросов, которые существуют в BI-системах. На практике пользователь желает по одному-двум кликам получить необходимые ему результаты, не прибегая к освоению дополнительного программного обеспечения, построению модели в соответствии с логистическими бизнес-процессами своей компании или описанию бизнес-задачи, которую он хочет решить. Нередко бывает так, что менеджер сам не знает методов решения бизнес-задач, которые в настоящие момент стоят перед его компанией. Более того, часто отсутствует система показателей эффективности, которая могла бы наглядно продемонстрировать текущее состояние предприятие. Следует отметить, что транспортно-логистическая сфера деятельности требует специальных знаний и высокого профессионализма от управленческого персонала. Однако, уровень подготовки менеджеров на предприятиях очень часто не является достаточно высоким. Поэтому предварительные настройки BI-системы перед проведением анализа должны быть по возможности сведены к минимуму, т.е. в системе должны быть уже предусмотрены бизнес-модели специально для транспортной отрасли.

Особенностью российских условий является то, что парк коммерческих транспортных средств является самым разнообразным, включая в себя как самые современные образцы грузовиков и автобусов, производства США и Западной Европы, так и уже сильно устаревшие модели российских и иностранных производителей. Интеграция с информационных логистических приложений с бортовыми электронными системами грузовых автомобилей пока еще слабо развита. В основном используются установленные системы ГЛОНАСС/GPS, с помощью которых осуществляется контроль за местоположением, временем работы транспортного средства, а также за расходом топлива. Диагностическая информация о функционировании бортовых систем автомобиля или автобуса, а также данные о действиях водителя пока еще практически не используются для оперативного управления. Реже встречаются электронные счетчики пассажиров в автобусах и маршрутных такси, хотя информация с них является очень важной для оценки пассажиропотоков. В тех регионах, где они используются в муниципалитетах, например, в Москве, с помощью аналитических приложений осуществляется планирование оптимальных маршрутов, расписаний движения автобусов с учетом динамики движения транспортных средств, изменения пассажиропотоков и пр. Таким образом, применение BI-систем в России в логистике и управлении автотранспортом пока еще находится на раннем этапе развития. Практически они совсем не используются в российских малых и средних транспортных предприятиях, т.к. BI-системы общего назначения довольно дороги для таких компаний.

Таким образом, актуальной является задача разработки специализированной системы поддержки принятия решений для управления автопарками малых и средних предприятий, которая включала бы в себя многомерный анализ данных (OLAP), систему ключевых показателей эффективности работы автотранспорта, модуль стоимостного анализа перевозок, модуль планирования технического обслуживания подвижного состава, диаграммы и витрины данных. Архитектура этой системы должна иметь единую базу данных, содержащей электронные документы операционной деятельности транспортно-локистической компании. Эти документы представляют собой заявки на перевозки, накладные на груз, маршрутные листы, информацию из системы мониторинга и бортовой диагностической системы, акты выполненных ремонтных работ и пр. В частности, OLAP-модуль должен иметь возможность строить гиперкубы по расходу топлива, по транспортной работе, по техническому обслуживанию подвижного состава, по совокупным затратам на перевозки. Например, для оперативного управления диспетчеру необходимо знать ежедневный расход топлива по каждому автомобилю, а также перерасход или экономию горючего. Известно, что на расход топлива могут влиять различные факторы – мастерство водителя, неисправность какой-либо системы грузовика, дорожные и климатически условия, недостаточно накачанные шину, плохая аэродинамика и пр. С помощью многомерных таблиц менеджер получает возможность анализировать факторы, влияющие на изменения расхода топлива и своевременно принимать решения об их устранении. Так зависимость расхода топлива от квалификации водителей определяется построением соответствующего среза гиперкуба. Для оценки эффективности перевозок строится гиперкуб с измерениями «маршрут», «заказчик», «груз», «автомобиль», «дата/месяц». Анализ, как правило, проводится по тоннажу и тонно-километрам (Рис. 1).

Рис.1. OLAP-анализ грузоперевозок

Для оценки эффективности работы транспортно-логистической компании необходима система показателей эффективности. В целом для предприятий, занимающихся грузовыми автоперевозками, используются единые показатели, характеризующие работу автомобильного грузового транспорта – время на погрузку и разгрузку, среднесуточный пробег, пробег с грузом и пр. Также для анализа используются отношения пробега с грузом к общему пробегу, перевезенный тоннаж к грузоподъемности автомобиля и т.д. Например, при перевозке груза заказчик оплачивает только доставку из начальной до конечной точки маршрута, обратный путь заказчик не оплачивает. Соответственно, чтобы повысить рентабельность, владелец должен найти работу на обратный путь. Нередко, грузовые автомобили объезжают последовательно несколько городов, выполняя перевозки разным заказчикам, чтобы добраться до дома и минимизировать холостой пробег. В этом случае общий пробег вычисляется по данным с системы мониторинга или маршрутного листа, а пробег с грузом рассчитывается по накладным. Чем больше пробег с грузом стремится к величине общего пробега, тем эффективнее является использование транспортного средства. При анализе этого и других показателей более наглядным является визуализация динамики изменения показателей в виде соответствующих диаграмм. /p>

Другой важной задачей является планирование технического обслуживания. В Российской Федерации утверждена и действует планово-предупредительная система технического обслуживания, которая также широко используется и в других странах. Планирование осуществляется исходя из нормативов, установленных заводами-производителями транспортных средств, среднесуточного пробега автомобилей, а также условий эксплуатации. В результате процесса планирования менеджер получает прогнозные значения количества дней нахождения транспортных на техническом обслуживании, количество нормативных операций и часов, необходимых для его выполнения. Эти данные являются исходной информацией для расчета количества необходимого персонала, оборудования для проведения технического обслуживания, а также производственных площадей. В дельнейшем прогнозируемое количество дней простоев на техническом обслуживании может быть использовано для расчета размера автопарка, необходимого для осуществления необходимого объема перевозок. Планирование типов и количества транспортных средств каждого типа, а также анализ стоимости их эксплуатации также является предметом самого пристального внимания со стороны руководителей и менеджеров автопредприятий. На основании данных за предыдущие периоды, а также текущих заявок на транспортирование строится прогноз объема перевозок на будущее - суммарный тоннаж и тонно-километры. Исходя из среднесуточного пробега, грузоподъемности автомобилей и размеров кузовов можно рассчитать потребное количество транспортных средств. В общем случае задача подбора оптимального количества автомобилей является довольно сложной, где многое зависит от маршрутов движения, сезонности, а также от того, что часто встречаются неоднородные автопарки. Для ее решения применяются специальные алгоритмы. Но для мелких и средних предприятий, имеющих однородные транспортные средства, постоянные маршруты и заказы, можно применять более упрощенные расчеты. В результате процесса планирования также рассчитывается стоимость эксплуатации парка транспортных средств, которая складывается из затрат на топливо, запчасти, масла и расходные материалы, амортизацию, ремонты и техническое обслуживание, заработная плата водителям, накладные расходы. /p>

Рис. 2 Анализ динамики грузоперевозок.

Нами разработана система поддержки принятия решений «Автобаза-Эксперт» для транспортно-логистических компаний, в которой реализованы подсистема многомерного анализа данных (OLAP), модуль расчета и визуализации показателей эффективности, подсистема планирования технического обслуживания, модуль расчета себестоимости и рентабельности грузовых перевозок. Малые и средние российские предприятия, занимающиеся грузовыми автоперевозками, довольно сильно ощутили на себе последствия мирового экономического кризиса, которые привели к закрытию многих из них. Одной из причин такого исхода стало в том числе и недостаточное использование IT-решений для управления автотранспортом. Однако, существуют примеры, свидетельствующие о том, что эффективное развитие компании по грузоперевозкам, стабильное положение на высококонкурентном рынке, и устойчивый рост являются следствием грамотного и успешного использования информационной логистической системы. Таким образом, на стратегическом уровне IT-решения и в том числе BI-системы, являются тем активом, который обеспечивает конкурентное преимущество. В частности, одним из сегментов грузовых перевозок, где наблюдается стабильная ситуация, является дистрибьюция продуктов питания, молока и изделий на его основе. Одним из крупнейших дистрибьютеров молока, молочной продукции и других продуктов питания в Московской области является компания «Восток-Молоко», в которой была внедрена система «Autobase-Expert». Компания имеет более 100 автомобилей грузоподъемностью от 3,5 до 20 тонн и в день обслуживает более 2500 клиентов. Для менеджеров компании было необходимо проводить анализ динамики грузоперевозок, оценивать расход топлива с учетом работы рефрижераторных установок, оценивать затраты на запчасти и ремонты, чтобы оптимизировать размер автопарка и стоимость его эксплуатации, что стало предпосылкой внедрения BI-системы. Использование приложения «Автобаза-Эксперт» показало, что специализированные системы поддержки принятия решений положительно сказывается на эффективности управления автопарком. BI-системы позволяют менеджерам вместо «сырых» данных получать наглядные показатели, характеризующие деятельность предприятия на текущий момент, а также получать прогнозную информацию на будущий период. В настоящее время в связи использованием встроенных сервисов анализа данных о транспортной работе, предлагаемых производителями грузовой техники SCANIA, VOLVO, Daimler и пр. можно ожидать дальнейшего нарастания интереса к BI-системам. Очевидно, что акцент в их применении будет смещаться с решения задач оперативного и тактического управления на стратегический уровень. Кроме того для анализа уже сейчас стала доступна информация связанная с безопасностью дорожного движения, например, данные о выполнении водителем тех или иных маневров на дороге, данные о дорожной ситуации и пр. Развитие технологий WEB 3.0 (RFID, web-сервисы, semantic web) открывает широкие перспективы для дальнейшей «интеллектуализации» fleet management систем.

Перейти в раздел «специалисту».