ЭФФЕКТИВНОЕ ФУНКЦИОНИРОВАНИЕ СКЛАДА

КРИТЕРИИ ОПТИМИЗАЦИИ И ПОКАЗАТЕЛИ ЭФФЕКТИВНОСТИ СКЛАДСКИХ СИСТЕМ

При построении складской системы и расчете ее параметров решающая роль принадлежит правильному и обоснованному выбору критериев оптимизации. В методологическом плане синтезируемая структура складской системы должна быть наилучшим образом приспособлена для целей большой логистической системы товародвижения, элементом которой она является. При этом в качестве складской системы может рассматриваться как складская сеть компании (на уровне макропроектирования системы), так и сам склад со своей системой складирования (на уровне микропроектирования).

С позиций системного подхода такую наилучшую приспособленность системы можно трактовать как эффективность логистического управления, которую характеризуют три показателя: величина ожидаемого полезного эффекта (результата), вероятность его достижения и затраты на достижение этого эффекта с заданной вероятностью. Основной принцип количественной оценки эффективности состоит в соизмерении результатов управления с затратами (логистическими издержками) на их получение.

Под критерием эффективности понимается экстремальное значение показателя эффективности функционирования складской системы (целевой функции).

В большинстве случаев основным критерием эффективности логистических систем является минимум совокупных логистических издержек, связанных со сквозным управлением материальными (товарными) и сопутствующими (информационными, финансовыми) потоками при обеспечении требуемого уровня качества сервиса. Однако с позиций стратегии, например для торговой компании, в качестве критериев оптимизации функционирования в рыночной среде может применяться ряд иных показателей, например: максимальный объем продаж, максимальная прибыль, завоевание максимальной доли рынка, удержание позиций на рынке и даже такой далекий от логистики показатель, как максимальная курсовая стоимость акций компании, и т.п.

Обязательным условием при этом является наиболее полное удовлетворение покупателей качеством товаров, сроками выполнения заказов, уровнем логистического сервиса.

В то же время необходимо учитывать, что критерии оптимизации складской системы и ее отдельных параметров (локальные критерии) должны быть увязаны с глобальным критерием и учтены в общей модели оптимизации логистической системы предприятия и (или) структуры более высокого уровня. Такая увязка может оказаться сложной из-за возможной несовместимости (или несовпадения по направлениям действия) локальных и глобальных целевых функций (особенно при наличии логистических посредников). Один из возможных путей достижения глобального компромисса состоит в использовании методов векторной (многокритериальной) оптимизации для синтеза структуры складской системы (на уровне сети) и логистического управления.

Синтез эффективной структуры складской системы и расчет ее оптимальных параметров усложняются отсутствием в настоящее время достаточно обоснованных формализованных критериев, отражающих цели ее функционирования. Многокритериальность (векторный характер целевой функции) усложняется качественным характером показателей логистического сервиса.

Складские системы относятся к сложным динамическим и стохастическим системам большой размерности. Эффективное управление такими системами невозможно без построения комплекса моделей, отражающих различные аспекты системного подхода к их анализу и синтезу.

В настоящее время известно много типов моделей, которые классифицируются по различным признакам (математические, экономические, физические, графические, логические, имитационные и т.п.). Выбор вида модели зависит от цели исследования. Наиболее продвинутые практические решения получены с применением экономико-математических методов и моделей. Конструктивных результатов (оптимизации управления логистическим процессом в складской системе, реализации принципов устойчивости, управляемости и адаптивности) можно достичь, используя элементы кибернетики, в частности методы исследования операций (Рубенс, 1993).

Под эффективностью синтезируемой складской системы мы будем понимать в общем случае степень достижения поставленных перед ней целей.

В современных условиях для логистической системы предприятия, элементом которой является склад, глобальным критерием оптимизации зачастую выступает максимально возможный уровень качества логистического сервиса. Задача оптимизации уровня качества как целевая функция управления является, как правило, многокритериальной, так как необходимо учитывать многообразные параметры качества и их противоречивость, а также локальные критерии функционирования складской системы и привлеченных посредников, которые в общем случае могут не соответствовать глобальной цели. Например, модели оптимизации организационной структуры складской системы, логистического управления и принятия решений могут быть связаны с одновременным использованием таких критериев, как максимальный уровень качества товаров и сопутствующего сервиса, минимум логистических издержек, максимум надежности снабжения и др. В свою очередь, критерий максимального качества является векторной целевой функцией и, например (для оценки качества логистического сервиса), включает такие составляющие, как максимальная вероятность удовлетворения заказа, минимальное время доставки, максимальная сохранность груза, максимальный уровень послепродажного сервиса и др. Сложность синтеза оптимальных моделей складских систем с использованием подобных векторных целевых функций состоит в невозможности формализовать многие критерии. Кроме того, приходится учитывать противоречивость локальных критериев функционирования элементов складской системы и привлеченных посредников в общей макросистеме торговой фирмы и стремиться к разумному компромиссу между ними для достижения глобальной цели оптимизации.

В настоящее время в России и за рубежом создана обширная литература по многокритериальной (векторной) оптимизации (Рубенс, 1993). В самом общем виде задача выбора решений в случае нескольких критериев может быть сформулирована следующим образом. Пусть X — решение (план), возможные варианты которого определены на допустимом множестве решений Dx. Качество решения оценивается п скалярными критериями У|, Y2,...,Yn, образующими вектор эффективности Y= (Y{,Y2,...,Yn). Вектор У связан с функциональным отображением X —> Y= F(X), заданным аналитически, или статистически, или даже эвристически. Необходимо найти оптимальное решение А'0, которое определяется двумя условиями:

  • 1) решение должно быть осуществимо, т.е. принадлежать допустимому множеству Dx;
  • 2) решение должно быть наилучшим, т.е. оптимизировать вектор эффективности У(х).

Данной формулировке соответствует модель оптимизации общего вида

где opt — оператор оптимизации вектора эффективности, имеющий смысл отношения порядка; F~l обратное преобразование Yв X. Описанная модель является векторной моделью оптимизации, так как в ней критерий эффективности У — вектор, а ее реализация позволяет находить оптимальное решение в Х°.

При многокритериальной оптимизации возникают три основные проблемы.

Первая проблема связана с выбором принципа оптимальности, который определяет свойства оптимального решения и отвечает на вопрос, в каком смысле оптимальное решение превосходит все остальные допустимые решения. Это объясняется тем, что приходится сравнивать векторы эффективности на основе некоторой схемы компромисса, т.е. оператора — opt. Эта проблема часто называется проблемой скаляризации, так как выбор принципа оптимальности приводит к некоторому обобщенному скалярному критерию, являющемуся функцией локальных критериев.

Вторая проблема связана с нормализацией векторного критерия эффективности Y. Она вызвана тем, что часто локальные критерии, являющиеся компонентами вектора эффективности, имеют различные масштабы измерения и их сравнение становится трудным или даже невозможным. Поэтому приходится приводить критерии к единому масштабу измерения, т.е. нормализовать их.

Третья проблема связана с учетом приоритета локальных критериев. При выборе решения и следует добиваться наивысшего качества по всем критериям, однако степень совершенства по каждому из них, как правило, имеет различную значимость. Поэтому обычно для учета приоритета вводится вектор распределения важности критериев X = (A,j, Х2,...,ХГ), с помощью которого корректируется принцип оптимальности или проводится дифференциация масштабов измерения критериев.

От того, насколько успешно решены эти проблемы, во многом зависит успех и правильность выбора логистических решений. Все эти трудности имеют не математический, а концептуальный характер. Поэтому в задачах синтеза логистического управления и оптимизации решений непременно должно участвовать лицо, принимающее решение, — директор по логистике (с функциями интегрального менеджера) или начальник отдела логистики.

В задачах выбора решений для ЛС, формализуемых в виде модели векторной оптимизации, первым естественным шагом следует считать выделение области компромиссов (или решений, оптимальных по Парето).

Областью компромиссов Гх называется множество допустимого множества решений Dx, обладающее тем свойством, что все принадлежащие ему решения не могут быть улучшены одновременно по всем локальным критериям—компонентам вектора эффективности. Следовательно, для любых двух решений, принадлежащих этому подмножеству (X', X" ?Тх), обязательно имеет место противоречие хотя бы с одним локальным критерием. Это автоматически приводит к необходимости проводить выбор решения в Гх на основе некоторой схемы компромиссов. Нахождение векторного максимума (минимума) не имеет смысла, и математическое решение возможно лишь для скалярной однокритериальной оптимизации.

Легко видеть, что оптимальное решение, выбираемое на основе многокритериального подхода, не зависит от избираемого принципа оптимальности и всегда должно принадлежать области компромиссов (оптимальных по Парето решений), иначе оно может быть улучшено и, следовательно, не является оптимальным.

Приведенному определению области компромиссов Гх соответствует модель выбора

Скалярная параметрическая модель оптимизации при этом имеет следующий вид:

где А = (оц, а 2, •••, ая) — векторный параметр, определенный на множестве JA =|А ^ осу = 1; ау >0|.

Реализация скалярной модели для выпуклого допустимого множества требует нахождения глобального оптимума линейной формы 2/ХуУ,. (рис. 15.1, а) — пример для двухкритериальной целевой функции. Dy = UY(X) — образ допустимого множества решений в пространстве критериев XgDx; Гу = UY{X) — образ области компромиссов в пространстве критериев XgDx.

(еометрическая интерпретация определения области компромиссов

Рис. 15.1. (еометрическая интерпретация определения области компромиссов: а) выпуклая задача; б) невыпукпая задача

Для невыпуклых задач помимо глобального оптимума необходимо определить все локальные оптимумы, а также проверить их на условие доминирования (рис. 15.1, б). Условия выпуклости задач векторной оптимизации определяются выпуклостью области Dy в пространстве критериев.

Важным практическим результатом выделения области компромиссов является существенное сужение области поиска оптимальных решений при синтезе управления или организационных структур ЛС, вследствие чего необходимо по возможности выдавать все решения из этой области лицу, принимающему решения. В области компромиссов Тх выбор и сравнение качества решений возможны только на основе некоторой схемы компромиссов. Рассмотрим общую схему компромиссов, в которой реализуется принцип справедливости критериев (Сток, Ламберт, 2005).

Пусть все локальные критерии, образующие вектор эффективности при оптимизации управления в ЛС, имеют одинаковую значимость. Тогда справедливым будем считать такой компромисс, при котором относительный уровень снижения качества по одному или нескольким критериям не превосходит относительного уровня повышения качества по остальным критериям (меньше или равен). Это условие составляет принцип справедливого компромисса (рис. 15.2 а, б).

Математическая интерпретация этого принципа выглядит следующим образом. Пусть в области компромиссов даны два решения X и X', качество которых оценивается критериями yl5y2. Решение X превосходит решение X' по критерию у}, но уступает по критерию у2 (рис. 15.2, а). Необходимо сравнить эти решения и выбрать наилучшее на основе принципа справедливого компромисса. Для этого вводится мера относительного снижения качества логистического решения по каждому критерию — так называемая цена уступки — р:

где Ду1? Ду2 — абсолютные величины снижения уровня критериев при переходе от решения X к решению X" (для критерия yt) и при обратном переходе (для критерия у2).

Если относительная величина снижения качества решения по критерию у, больше, чем по критерию у2, то необходимо отдать предпочтение решению X (см. рис. 15.2, а). В случае непрерывного из-

Геометрическая интерпретация принципа справедливого компромисса

Рис. 15.2. Геометрическая интерпретация принципа справедливого компромисса: а) дискретный случай; б) непрерывный случай

менения решения цена уступки имеет вид логарифмической производной (рис. 15.2, б):

Принципу справедливого компромисса соответствует скалярная модель оптимизации с критерием в виде произведения локальных критериев, т.е.

Следовательно, идея справедливого компромисса реализуется в принципе оптимальности:

В данном виде принципа оптимальности предполагается, что все локальные критерии имеют одинаковую важность. Если это не так, то в модель следует внести коррективы с помощью вектора распределения важности X = (A.J, ..., Хп) и определить оптимальные решения на основе модели вида

В данной модели принцип справедливого компромисса нарушается, однако это происходит в соответствии со степенью важности каждого из п критериев.

Модель определения области компромиссов, а также модель справедливого компромисса инвариантны к масштабу измерения критериев. Поэтому в большинстве случаев оптимизации решений в ЛС, когда локальные критерии имеют разные масштабы измерения, возникает необходимость их нормализации. Большинство известных принципов нормализации основываются на введении идеального решения, т.е. решения, обладающего идеальным вектором эффективности у*. Тогда выбор оптимального решения становится равнозначным наилучшему приближению к этому идеальному вектору у* = (у!*, у2*,..., у*). В этом случае вместо действительной величины критериев рассматривается или их отклонение от идеального значения

или их безразмерная относительная величина

При этом обычно предпочтение отдается величине уу, так как она не зависит от масштабов измерения критериев. Таким образом, успешное решение проблемы нормализации во многом зависит от того, насколько точно и объективно удается определить качество логистического идеального решения.

Применяются обычно следующие основные способы нормализации.

Первый способ. Идеальный вектор качества определяется уу- — заданной величиной критериев:

Этот случай достаточно редкий, так как определение заданной величины (максимальной «эффективности») логистических критериев вызывает значительные трудности и часто субъективно.

Второй способ. В качестве идеального вектора эффективности берется вектор, компонентами которого являются экстремумы локальных критериев (для общности — максимумы):

Вместо абсолютной величины критериев вводится их относительная безразмерная величина

Недостатком такого способа нормализации является нарушение «равноправия» критериев, когда предпочтение отдается критерию с наибольшей величиной локального оптимума. После нормализации критериев необходимо выбрать принцип оптимизации в соответствии с теорией приближения к идеальному вектору эффективности. Возможны три основных варианта.

Принцип равномерной оптимизации Чебышева определяется соотношением

и ему соответствует модель оптимизации вида

Этот принцип оптимальности гарантирует наиболее равномерное повышение уровня всех нормализованных критериев, что достигается путем «подтягивания» наиболее «отстающих» из критериев — ттДЛО — до уровня остальных критериев.

Принцип интегральной оптимальности (оптимальности «в среднем») определяется соотношением

Данному принципу соответствует модель оптимизации вида

Этот принцип предполагает повышение интегрального уровня всех критериев (или среднего уровня критериев). Серьезный недостаток этого принципа оптимальности заключается в том, что большое значение обобщенной вектор-функции показателя эффективности может быть достигнуто за счет одного или группы критериев при невысоком уровне остальных.

Принцип дифференциальной оптимальности:

которому соответствует модель оптимизации вида

Этот принцип наибольшей дифференциации уровней критериев противоположен принципу оптимальности Чебышева. Все рассмотренные принципы, как и способы нормализации, предполагают одинаковое значение критериев. В практических задачах оптимизации ЛС необходимо учитывать приоритеты критериев, из которых состоит векторная целевая функция. Имеются два принципиально различных подхода к учету приоритета критериев: принципы жесткого и гибкого приоритета.

Принцип жесткого приоритета предполагает, что критерии расположены по важности в ряд предпочтения у{, у2, у3 у у уна основе которого проводится последовательная оптимизация критериев. Принцип последовательной оптимизации состоит в том, что не допускается повышение уровня менее важных критериев, если это приводит хотя бы к небольшому снижению уровня более важного критерия из ряда предпочтения. Это значит, что вначале ищется локальный оптимум наиболее важного критерия оптимизации управления (принятия логистического решения), который фиксируется в виде дополнительного ограничения. Затем идет поиск локального оптимума второго по важности критерия, но уже для нового допустимого множества решений, эффективных по Парето, до единственного оптимального решения:

где

К сожалению, метод последовательной оптимизации с жестким приоритетом в большинстве практических задач синтеза ЛС и ее управления неприменим, так как оптимизация по первому, наиболее важному критерию уже приводит к единственному оптимальному решению, т.е. задача сводится к обычной однокритериальной локальной оптимизации.

Можно улучшить решение, если на каждом этапе проводить квазиоптимизацию локальных критериев, т.е. поиск квазиоптимально- го множества D°x. При этом уровень допустимого отклонения от точного оптимума определяется с учетом требований точности решения задачи. Определение каждого Dx‘ в этом случае проводится на основе принципа квазиоптимальности:

где Ду, — уровни допустимого отклонения от точного оптимума — «уровни квазиоптимальности», соответственно, для критерия /.

Метод жесткого приоритета предполагает задание коэффициента важности критериев А,-, а не только расположение их в ряд предпочтения. Естественно, в логических задачах это не всегда возможно.

Принцип гибкого приоритета предполагает задание коэффициентов важности критериев А,-, образующих вектор распределения А = (At Д2,... , А„). Это позволяет при выборе решения отдавать предпочтение более важным критериям, что практически приводит к оценке качества решения с помощью взвешенного векторного критерия

т.е., по существу, — к дополнительной нормализации пространства критериев числовым вектором. После этого проводится выбор оптимального решения на основе одного из возможных принципов оптимальности, но уже для дважды нормализованного вектора эффективности.

Принцип гибкого приоритета позволяет в разумных границах отдавать предпочтение более важным критериям при оптимизации решений в ЛС. Трудности определения коэффициентов предпочтения А могут быть преодолены с использованием метода районирования И.Я. Динера (Рубенс, 1993), а также с учетом обработки соответствующих экспертных оценок и статистического материала.

Рассмотрим теперь состав показателей эффективности, отражающих вопросы, связанные с проектированием, строительством (арендой) и эксплуатацией склада как элемента логистической системы. Многие из этих показателей могут быть включены в состав векторной целевой функции при оптимизации функционирования складской системы.

Первоначально рассмотрим критерии и показатели инвестиционной привлекательности проектов склада (складского хозяйства).

Инвестиции, необходимые для реализации проекта склада, включают в общем случае вложения в приобретение (выкуп) основных фондов, на предпроектные технико-экономические исследования и проектирование, приобретение лицензий, а также на вложения, непосредственно увеличивающие стоимость основных фондов, — затраты на ремонтные и строительные работы, приобретение и монтаж складского технологического оборудования, приобретение компьютерной и оргтехники, затраты на системы управления, связи, сигнализации и охраны и т.п.

В странах с развитой рыночной экономикой основные положения оценки инвестиционных проектов определены, с одной стороны, рекомендациями международных организаций UNIDO и IASC, а с другой — системой национальных стандартов. Вышедшее в России официальное издание по оценке эффективности инвестиционных проектов (Инвестиционная деятельность, 1994) рекомендует использовать для этой цели четыре основных показателя: чистый дисконтированный доход (NPV); индекс доходности (PI); внутреннюю норму доходности (IRR) и срок окупаемости (РВ).

Для расчета этих показателей необходимо использовать дисконтированные денежные потоки на основе принципа неоднозначной текущей и будущей стоимости денежных средств. Чистый дисконтированный доход (чистая текущая стоимость, чистая дисконтированная стоимость) позволяет сравнивать оценку текущей стоимости будущих денежных поступлений от реализации проекта создания склада с инвестициями, необходимыми для его реализации. В общем случае величина NPVопределяется следующим соотношением:

где tr — продолжительность расчетного периода; te — период начала эксплуатации склада; Д — затраты капитала на капитальное строительство склада; Z), — доходы за период эксплуатации склада; Е — норма дисконта; i — шаг расчета.

При расчете этого критерия следует обратить внимание на соответствие шага расчетного периода (шага расчета) условиям предоставления кредита. Желательно, чтобы шаг i был равен или кратен сроку начисления процентов за кредит. Источники финансирования проектов нового строительства или модернизации склада можно разделить на две основные группы: собственный и заемный капитал — средства, предоставляемые акционерами (учредителями), — который должен быть увеличен в результате реализации и последующей эксплуатации склада. Заемным капиталом является кредит банков, государства, местных органов власти, который должен быть погашен в соответствии с условиями его предоставления.

Оценка финансовой сбалансированности и эффективности проекта склада определяется на основании анализа расчетного сальдо финансовых потоков. Кроме того, должен рассчитываться такой показатель, как собственные средства, которые составляют разность между чистой прибылью и суммой выплат по погашению кредита, увеличенную на сумму амортизационных отчислений. Накопленный итог данной величины отражает аккумулированные свободные финансовые средства, которые получаются в ходе реализации проекта.

Согласно методическим принципам анализа эффективности инвестиционных проектов показатель NPV, полученный за счет кредитных ресурсов, имеет вспомогательный характер, так как в этом случае критерием эффективности проекта склада является своевременное погашение задолженности по кредитам. Этот показатель отражает общую инвестиционную привлекательность проекта.

Для определения величины критерия «индекс доходности» (показатель рентабельности инвестиций) (PI) используются те же потоки платежей, что и для расчета критерия NPV. Однако он представляет собой не разницу между доходами и затратами на реализацию проекта, а их отношение:

Здесь использованы те же обозначения, что и в формуле (15.25). Очевидно, что величина критерия PI > 1 свидетельствует о целесообразности реализации проекта, причем, чем больше PI превышает единицу, тем больше инвестиционная привлекательность проекта. Иными словами, дисконтированные доходы от реализации проекта склада в PI раз превосходят дисконтированные инвестиции.

Под сроком окупаемости проекта склада (РВ) понимается период от момента начала его реализации до того момента эксплуатации объекта, когда доходы от эксплуатации сравниваются в затратами капитала (на капитальное строительство). При расчете критерия «срок окупаемости» капитальные затраты учитываются в дисконтируемой сумме затрат на реализацию проекта, а эксплуатационные расходы входят в себестоимость услуг склада и, соответственно, уменьшают сумму чистой прибыли в период его эксплуатации.

Очевидно, что окупаемость достигается на том шаге расчетного периода, когда величина критерия «индекс доходности» впервые превысит единицу, т.е. доходы от реализации превысят инвестиционные затраты. Поэтому алгоритм расчета срока окупаемости состоит в интерполяции критерия «индекс доходности» на величину, равную единице, для указанного шага расчетного периода. Уменьшение срока окупаемости повышает инвестиционную привлекательность проекта.

Внутренняя норма доходности (рентабельности, прибыльности, IRR) в общем случае определяет ту расчетную ставку процентов, при которой капитализация регулярно получаемого дохода дает сумму, равную инвестициям, и, следовательно, капиталовложения окупаются (Инвестиционная деятельность, 1994).

Исходя из этого для расчета критерия JRR можно записать соотношение в следующем виде:

где F= IRR. Все остальные обозначения сохранены такими же, как для формул (15.25) и (15.26).

Очевидно, что чем выше ставка дисконта, тем меньше сегодняшняя стоимость будущих поступлений денежных средств. При оценке инвестиционной привлекательности проектов склада до начала расчета известны условия предоставления кредита, в том числе и ставка процента за его предоставление. Если кредит предоставляется частями в разные периоды от начала реализации проекта, то повышение ставки процента за кредит приведет к снижению стоимости будущих поступлений кредита, дисконтируемых к моменту начала реализации проекта. А это, в свою очередь, ведет к завышению величины проверочного дисконта. Поэтому для потоков заемных средств в формуле (15.27) необходимо использовать или ставку процентов за кредит, или норму дисконтирования, принятую для проведения расчетов.

Эффективность логистического процесса на складе можно оценить по такими ключевым факторам, как удовлетворение потребителей, использование инвестиций, логистические издержки, качество услуг, продолжительность логистических циклов, производительность.

Учитывая западный опыт логистического менеджмента (Сергеева, 1997), ключевые факторы должны быть расширены и дополнены системой количественных и качественных показателей, которые используются при анализе, контроле и оценке эффективности складирования (табл. 15.1).

Большая часть показателей эффективности, приведенных в табл. 15.1, имеют количественные оценки, что важно для повышения достоверности контроля над логистическим процессом на складе и принятия правильных управленческих решений. Эта система показателей может быть расширена и дополнена другими критериями и показателями в зависимости от целей анализа или управления складскими системами.

Таблица 15.1

Показатели эффективности логистического процесса на складе

Ключевой фактор

Показатели эффективности и результативности

1

2

Качество складского сервиса и удовлетворение потребителей

Обеспечение выполнения заказа точно к указанному сроку Полнота выполнения заказа Точность выполнения параметров заказа Точность поддержания уровней запасов Число возвратов заказов, отсутствия запасов, повышения тарифов

Число ошибок при выполнении заказов Число случаев потерь, хищений, порчи и т.п.

Число возвратов товаров покупателями Число жалоб потребителей

Оценка потребителями уровня удовлетворенности сервисом

Использование

инвестиций

Скорость и число оборотов запасов

Использование оборотного капитала

Средний уровень запасов на складе

Возврат на инвестиции в основные фонды

Доля инвестиций в складскую инфраструктуру

Доля инвестиций в технологическое (подъемно-транспортное)

оборудование

Логистические

издержки

Затраты на управление складскими запасами Затраты на внутрискладскую транспортировку Затраты, связанные с качеством продукции и сервиса (ущерб от низкого уровня качества, потерь продаж, возвратов товаров, устаревания запасов и т.п.)

Затраты на складскую грузопереработку и хранение Затраты, связанные с процедурами заказов

Продолжительность логистических циклов

Продолжительность составляющих цикла заказа Момент пополнения запасов Продолжительность обработки заказов Продолжительность доставки заказа Продолжительность подготовки и комплектации заказа Продолжительность цикла закупки товаров Продолжительность цикла подготовки отчетов

Производительность

Число обработанных заказов в единицу времени Грузовые отправки на единицу складских мощностей и грузовместимости транспортных средств Использование складского пространства Число операций грузопереработки в час Общие логистические издержки на единицу инвестированного в складские запасы капитала

Общие логистические издержки на единицу складского товарооборота

 
Посмотреть оригинал