Journal of Applied Economic Research
ISSN 2712-7435
УДК 338.28
Модель оценки эффективности формирования лесопромышленными предприятиями устойчивых цепочек поставок сырья
Р.С. Рогулин
Владивостокский государственный университет экономики и сервиса, г. Владивосток, Россия
Аннотация
В работе представлена модель по оценке эффективности решений предприятия по формированию вектора закупок сырья на лесной бирже на основе объемов понесенных издержек. Предприятия обычно ставят себе целью понести издержки не выше, чем значение таргетных издержек, поэтому очень важным становится учет этого фактора в ходе процесса оценивания эффективности. Оценивающему лицу не всегда известен уровень таргетных издержек, в связи с этим в работе производится генерирование этих уровней, и для каждого из них проводится оценка эффективности и берется усредненное значение. Для расчета показателя эффективности была построена нелинейная экономико-математическая модель, которая отличается расчетом граничных издержек (границы эффективности), которые определяют категории эффективности. В статье используется принцип золотого сечения для определения границ и категорий эффективности. Целью работы является разработка математической модели и эвристического алгоритма, позволяющих оценить эффективность принятого решения на предприятии по формированию цепочек поставок сырья, которые при этом отличались бы возможностью учета сгенерированных разных показателей таргетных издержек, вычислением границ и категорий эффективности. Гипотезой исследования является возможность оценки эффективности принимаемого решения на предприятии по формированию устойчивых цепочек поставок сырья при условии отсутствия у оценивающего лица уровня таргетных издержек. Нелинейность математической модели предопределила построение эвристического алгоритма для поиска решения. При полученной оценке появляется проблема границ по экономическим соображениям. Для решения этой проблемы были привлечены методы нечетких множеств и нечеткой логики. Проведена апробация алгоритма и модели на данных одного из предприятий Приморского края. В ходе апробации показано, что границы эффективности изменяются и в результате имеют разные категории эффективности при разных значениях таргетных издержек из-за характера функции оценки эффективности. Результаты теста модели и алгоритма показали эффективность схемы оценивания эффективности
Ключевые слова
оценка эффективности; генетический алгоритм; функция эффективности; границы эффективности; теория и методы оптимизации; экономический анализ; лесопромышленная отрасль
JEL classification
M52, C61Список использованной литературы
1. Stewart G. Supply-chain operations reference model (SCOR): the first cross industry framework for integrated supplychain management // Logistics Information System. 1997. Vol. 10, No. 2. Рp. 62–67. DOI: 10.1108/09576059710815716.
2. Aparicio-Peralta C.C., Halabi-Echeverry A.X., Puentes-Parodi A. Sustainable requirements and value proposition for milk Ultra-high temperature (UHT) packaging // Supply Chain Forum: An International Journal. 2020. Vol. 21, Issue 1. Рр. 16–25. DOI: 10.1080/16258312.2019.1642138.
3. Yee C.L., Tan K.H. A process and tool for supply network analysis // Industrial Management and Data Systems. 2004. Vol. 104, No. 4. Рp. 355–363. DOI 10.1108/02635570410530766.
4. Rao P., Holt D. Do green supply chains lead to competitiveness and economic performance? // International Journal of Production Management. 2005. Vol. 25, No. 9. Рp. 898–916. DOI: 10.1108/01443570510613956.
5. Рогулин Р.С. Модель оптимизации плана закупок сырья из регионов России лесоперерабатывающим комплексом // Бизнес-информатика. 2020. № 4. С. 19–35. DOI: 10.17323/2587-814X.2020.4.19.35.
6. Рогулин Р.С., Мазелис Л.С. Алгоритм и математическая модель формирования устойчивых цепочек поставок древесного сырья из регионов России: сравнение и анализ // Вестник Пермского университета. Серия «Экономика». 2020. Том 15, № 3. С. 385–404. DOI: 10.17072/1994-9960-2020-3-385-404.
7. Ross-Smith K.K., Yearworth M. Dynamics of operational procurement: systems modelling for performance tracking and auditing // Proceedings of 29th International System Dynamics Conference. 2011. Рр. 1–22. [Электронный ресурс]. Режим доступа: https://www.semanticscholar.org/paper/Dynamics-of-operational-procurement%3A-systems-for-Ross-Smith-Yearworth/2df93497b83e299534b31755fff71ba809432ad3.
8. Bullinger H.-J., Kühner M., Van Hoof A. Analysing supply chain performance using a balanced measurement method // International Journal of Production Research. 2002. Vol. 40, Issue 15. Рp. 3533–3543. DOI: 10.1080/00207540210161669.
9. Gunasekaran A., Patel C., Mcgaughey R.E. A framework for supply chain performance measurement // International Journal of Production Economics. 2004. Vol. 87, Issue 3. Рp. 333– 347. DOI: 10.1016/j.ijpe.2003.08.003.
10. Thakkar J., Kanda A., Deshmukh S.G. Supply chain performance measurement framework for small and medium scale enterprises // Benchmarking: An International Journal. 2009. Vol. 16, Issue 5. Рp. 702–723. DOI: 10.1108/14635770910987878.
11. Askariazad M., Wanous M. A proposed value model for prioritising supply chain performance measures // International Journal of Business Performance and Supply Chain Modelling. 2009. Vol. 1, No. 2/3. Рp. 115–128. DOI: 10.1504/IJBPSCM.2009.030637.
12. Mishra P., Sharma R.K. Benchmarking SCM performance and empirical analysis: A case from paint industry // Logistics Research. 2014. Vol. 7. Article number: 113. DOI: 10.1007/s12159-014-0113-0.
13. Bagloee S.A., Shnaiderman M., Tavana M., Ceder A. A logit-based model for facility placement planning in supply chain management // International Journal of Logistics Systems Management. 2015. Vol. 20, No. 1. Рp. 122–147. DOI: 10.1504/IJLSM.2015.065976.
14. Govindan K., Mangla S.K., Luthra S. The Management of Operations Prioritising indicators in improving supply chain performance using fuzzy AHP: insights from the case example of four Indian manufacturing companies // Production Planning & Control. The Management of Operations. 2017. Vol. 28, Issue 6-8: Improving Supply Chain Performance through Management Capabilities. Рp. 552–573. DOI: 10.1080/09537287.2017.1309716.
15. Qazi A., Dickson A., Quigley J., Gaudenzi B. Supply chain risk network management: A Bayesian belief network and expected utility-based approach for managing supply chain risks // International Journal of Production Economics. 2018. Vol. 196. Рp. 24–42. DOI: 10.1016/j.ijpe.2017.11.008.
16. Venkatesh V.G., Zhang A., Deakins E., Luthra S., Mangla S. A fuzzy AHP-TOPSIS approach to supply partner selection in continuous aid humanitarian supply chains // Annals of Operations Research. 2019. Vol. 283, Issue 1. Рp. 1517–1550. DOI: 10.1007/s10479-018-2981-1.
17. Anand M., Sahay B.S., Saha S. Balanced Scorecard in Indian Companies // Vikalpa. 2005. Vol. 30, Issue 2. Рp. 11–26. DOI: 10.1177/0256090920050202.
18. Davis E.W., Spekman R.E. The Extended Enterprise: Gaining Competitive Advantage Through Collaborative Supply Chains. Pearson Education, 2004. [Электронный ресурс]. Режим доступа: https://www.amazon.com/Extended-Enterprise-Competitive-Advantage-Collaborative/dp/0130082740.
19. Chai J., Liu J.N.K., Ngai E.W.T. Application of decision-making techniques in supplier selection: A systematic review of literature // Expert Systems with Applications. 2013. Vol. 40, Issue 10. Рp. 3872–3885. DOI: 10.1016/j.eswa.2012.12.040.
20. Trivedi A., Rajesh K. A Framework for Performance Measurement in Supply Chain Using Balanced Score Card Method: A Case Study // International Journal of Recent Trends Mechanisms in Engineering. 2013. Vol. 1. Рp. 20–23.
21. Khanaposhtani G.F., Jafari S.S., Ariana F. Formulating the supply chain strategy of automotive industry in Iran using balanced Scorecard, system Dynamics, and Game Theory // Marketing and Branding Research. 2017. Vol. 4. Рp. 135–147. [Электронный ресурс]. Режим доступа: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3343282.
22. Xia D., Yu Q., Gao Q., Cheng G. Sustainable technology selection decision-making model for enterprise in supply chain: Based on a modified strategic balanced scorecard // Journal of Cleaner Production. 2017. Vol. 141. Рp. 1337–1348. DOI: 10.1016/j.jclepro.2016.09.083.
23. Rasolofo-Distler F., Distler F. Using the balanced scorecard to manage service supply chain uncertainty: Case studies in French real estate services // Knowledge of Process Management. 2018. Vol. 25, Issue 3. Рp. 129–142. DOI: 10.1002/kpm.1572.
24. Thanki S., Thakkar J. A quantitative framework for lean and green assessment of supply chain performance // International Journal of Productivity and Performance Management. 2018. Vol. 67, No. 2. Рp. 366–400. DOI: 10.1108/IJPPM-09-2016-0215.
25. Mentzer J.T., Dewitt W., Keebler J.S., Min S., Nix N.W., Smith C.D., Zacharia Z.G. Defining supply chain management // Journal of Business Logistics. 2001. Vol. 22, Issue 2. Рp. 1–25. DOI: 10.1002/j.2158-1592.2001.tb00001.x.
26. Harland C.M., Lamming R.C., Phillips W.E., Caldwell N.D., Johnsen T.E., Knight L.A., Zheng J. Supply management: is it a discipline? // International Journal of Operations & Production Management. 2006. Vol. 26, Issue 7. Рp. 730–753. DOI: 10.1108/01443570610672211.
27. José M., González-Varona D.P., Acebes F., Villafáñez F., Pajares J., López-Paredes Ad. New Business Models for Sustainable Spare Parts Logistics: A Case Study // Sustainability. 2020. Vol. 12, Issue 8. Р. 3071. DOI: 10.3390/su12083071.
28. Chen I.J., Paulraj A. Towards a theory of supply chain management: the constructs and measurements // Journal of Operations Management. 2004. Vol. 22, Issue 2. Рp. 119–150. DOI: 10.1016/j.jom.2003.12.007.
29. Ellram L.M., Cooper M.C. Supply Chain Management, partnership and the supplier, third party relationship // International Journal of Physical Distribution & Logistics Management. 1990. Vol. 1, No. 2. Рp. 1–10. DOI: 10.1108/95740939080001276.
30. Siwaphong K., Krerkkiat Ch., Alhawari O., Gursel S. A Genetic Algorithm Approach for Multi Objective Cross Dock Scheduling in Supply Chains // Procedia Manufacturing. 2019. Vol. 39. Рp. 1139–1148. DOI: 10.1016/j.promfg.2020.01.356.
31. Yun Y., Chuluunsukh A., Gen M. Sustainable Closed-Loop Supply Chain Design Problem: A Hybrid Genetic Algorithm Approach // Mathematics. 2020. Vol. 8, Issue 1. Р. 84. DOI: 10.3390/math8010084.
32. Taheri S., Beheshtinia M. A Genetic Algorithm Developed for a Supply Chain Scheduling Problem // Iranian Journal of Management Studies. 2019. Vol. 12, Issue 2. Рp. 281–306. DOI: 10.22059/ijms.2019.254633.673069
Благодарности
Работа была подготовлена при поддержке DAAD (German Academic Exchange Service) и Министерства науки и высшего образования Российской Федерации в рамках программы «Иммануил Кант»
Информация об авторах
Рогулин Родион Сергеевич
Ассистент кафедры математики и моделирования Владивостокского государственного университета экономики и сервиса, г. Владивосток, Россия (690014, Приморский край, г. Владивосток, ул. Гоголя, 41); ORCID 0000‑0002‑3235‑6429; e-mail: rafassiaofusa@mail.ru
Для цитирования
Рогулин Р.С. Модель оценки эффективности формирования лесопромышленными предприятиями устойчивых цепочек поставок сырья // Journal of Applied Economic Research. 2021. Т. 20, № 1. С. 148-168. DOI: 10.15826/vestnik.2021.20.1.007
Информация о статье
Дата поступления 2 ноября 2020 г.; дата поступления после рецензирования 9 января 2021 г.; дата принятия к печати 23 января 2021 г.
DOI: http://dx.doi.org/10.15826/vestnik.2021.20.1.007
Скачать полный текст статьи:
~2 МБ, *.pdf
(Размещен
19.03.2021)
Создано / Изменено: 18 августа 2015 / 20 сентября 2021
© ФГАОУ ВО «УрФУ имени первого Президента России Б.Н. Ельцина»
Увидели ошибку?
выделите фрагмент и нажмите:
Ctrl + Enter
Дизайн портала: Artsofte