Logistics approach to organizing ethno-economic industrial clusters (сase of the Tuva Republic)
Logistics approach to organizing ethno-economic industrial clusters (сase of the Tuva Republic)
Annotation
PII
S042473880019186-3-1
Publication type
Article
Status
Published
Authors
Bailakma Mongush 
Occupation:  researcher
Affiliation: Tuvinian Institute for Exploration of Natural Resources of Siberian Branch of RAS
Address: Russian Federation, Kyzyl
Alexander Bogdanov
Occupation: professor
Affiliation: Saint Petersburg University of Industrial Technologies and Design
Address: Saint Petersburg, Polikarpov str. 5 flat 389
Svetlana Chupikova
Occupation: senior researcher
Affiliation: Tuvinian Institute for Exploration of Natural Resources of SB RAS
Address: 117a Internatsionalnaya str .
Pages
54-63
Abstract

One of the main branches of economy in Tuva republic is cattle breeding which has developed historically on the basis of Tuva’s geographical position, climate and environmental conditions and centuries-old experience of Tuvinian population. Ethno-economic custom of Tuvinian people together with the governmental support lay the groundwork for the development of regional industrial clusters such as the DUK project (processing of sheep wool and goat hair) and the KESH project (currying of animal skins). In order to raise marketability and promote industrial development on the whole, it seems reasonable to organize groups of manufacturing clusters in the region, which would unite factories dealing with processing of raw materials supplied by traditional ethnic households. The aim of this work is to define optimal geographical coordinates for manufacturing facilities taking into account the location of raw material suppliers, to the effect of minimizing transportation costs. The authors suggest a mathematic model of optimal economic space layout on the basis of the development of traditional industrial system. Cluster analysis apparatus was used as well as logistic approach to formation of production and distribution network taking into account the existing transport infrastructure. Calculations were made using the example of organization and development of Tuvinian light industry cluster based on traditional for this region branch of economy, sheep breeding

Keywords
ethnoeconomics; agro-processing; industrial development; mathematical model; optimization; ethnocluster; the shortest path problem; logistics
Received
02.06.2022
Date of publication
18.06.2022
Number of purchasers
0
Views
103
Readers community rating
0.0 (0 votes)
Cite Download pdf 100 RUB / 1.0 SU

To download PDF you should sign in

Full text is available to subscribers only
Subscribe right now
Only article and additional services
Whole issue and additional services
All issues and additional services for 2022
1 Введение Повышению качества жизни населения регионов и конкурентного преимущества традиционной хозяйственной системы с сохранением этнокультурной идентичности способствует этноэкономика, которая является перспективным направлением изучения проблем экономического развития национальных республик с учетом географических, исторических и культурных особенностей этнического сообщества. Под термином «этноэкономика» понимают науку о взаимодействии культур, традиций, этноса, обычаев, идеологии, религиозных взглядов различных наций с их хозяйственной деятельностью (Клочко, Кобозева, 2017:39). Исследователями обозначены три главных направления ее развития (Ахметов, Бердникова, Салихова, 2012:83):
  1. Индустриально-этническое (промышленная переработка сельскохозяйственного сырья);
  2. Традиционно-этническое (развитие народных промыслов и ремесла, сельского хозяйства);
  3. Рыночно-этническое (развитие этнотуризма).
Республика Тыва (РТ) является одним из регионов Российской Федерации (РФ), в которой сохранились традиции, самобытная культура коренного населения территории. Основой экономики и традиционной ведущей отраслью материального производства тувинцев является сельское хозяйство и животноводство, а именно скотоводство. Несмотря на процессы интеграции и глобализации мировой экономики, сложившийся с древних времен уклад жизни тувинцев в значительной мере определяет предпосылки экономического развития территории. Этноэкономический уклад хозяйствования тувинцев и государственная поддержка населения в виде губернаторских проектов Правительства Республики Тыва («Дук» (пер. с тув. «обработка овечьей и козьей шерсти»), «Кеш» (пер. с тув. «выделка шкур») и др.) создают предпосылки развития в регионе промышленных кластеров этнической направленности. Основной специализацией сельскохозяйственной деятельности РТ является животноводство. Общее поголовье крупного и мелкого рогатого скота на конец 2019 года составило более 1,3 млн. голов (Статистический ежегодник Республики Тыва, 2020 – далее СЕРТ, 2020:251). В то же время 70,9% продукции сельского хозяйства республики производится в личных подсобных и индивидуальных хозяйствах граждан, лишь 12,7 % производится в сельскохозяйственных организациях (СЕРТ, 2020:244). Таким образом, переработка продуктов животноводства, в том числе производство молочной, мясной продукции, выделка шкур, катание войлока, первичная обработка шерсти и кожи носят преимущественно кустарные черты и направлены на удовлетворение и обслуживание внутрихозяйственных потребностей населения. В рамках этноэкономического развития индустриально-этническое производство может стать одним из отправных точек развития региона. Для повышения конкурентоспособности продукции и оптимальной организации производства на региональном уровне целесообразно формирование в республике промышленных этнокластеров, состоящих из производителей сырья – традиционных этнических хозяйств, центров сбора сырья и предприятий глубокой переработки сырья. Отраслями промышленной переработки продукции предприятий сельского хозяйства являются пищевая и легкая промышленность. Сохранившиеся опыт и трудовые традиции тувинского народа создают предпосылки для развития консервной промышленности, переработки мяса и молока, обработки шерсти и шкур. В формировании стоимости конечного продукта немаловажную роль играет географическое расположение промышленных предприятий и складов предприятия относительно своих потребителей и поставщиков, которое в значительной степени влияет на транспортные и общие издержки. К основным факторам, влияющим на выбор места размещения производственных объектов относятся: - близость к трудовым ресурсам; - близость к сырьевым ресурсам; - близость к потребителям конечной продукции. Кроме перечисленных выше факторов необходимо учитывать наличие и состояние земельных ресурсов, транспортной инфраструктуры, электрических сетей и коммуникаций; фискальную политику государства; социально-экономические показатели рассматриваемой территории и т.д. Принимая во внимание все факторы в совокупности можно принять правильное решение об оптимальном размещении производственных мощностей и складов на рассматриваемой территории. Задаче комплексной оптимизации предшествует определение метода нахождения оптимального расположения объекта, учитывающего такие основные факторы, как расстояния между объектом, поставщиками и потребителями; объемы перевозимых грузов; транспортные тарифы и время доставки грузов от поставщиков на склад и со склада потребителям. Теории моделирования задачи оптимального размещения производства и методологии ее решения посвящены исследования В.Р. Хачатурова, Б.И. Алейникова, А.Г. Гранберг, Б.И. Алибекова и др. С развитием логистики как науки получили широкое распространение модификации задачи оптимального размещения производства: транспортно-складская, производственно-транспортная, производственно-транспортно-складская задачи, которые относятся к интегрированным моделям логистической системы предприятия и состоят из нескольких подмоделей (Бочкарев, 2009; Модели и методы…, 2012). В настоящей работе представлена авторская математическая модель оптимальной организации экономического пространства региона, охватывающая производства с традиционным хозяйствованием. Разработанная модель относится к классу интегрированных логистических транспортно-складских задач. Для решения задачи применяется аппарат кластерного анализа. В качестве алгоритма проведения кластерного анализа выбран алгоритм с оптимизацией критерия. Расчеты приводятся на примере организации и развития кластера легкой промышленности Республики Тыва на основе традиционного хозяйствования региона – животноводства.
2 МЕТОДЫ В управлении бизнес-процессами важное значение имеют интегрированные математические модели (транспортно-складская модель и производственно-транспортно-складская модель), которые позволяют реализовать принцип глобальной оптимизации. Анализ литературных источников показывает, что для интегрированных моделей, как правило, дается математическая постановка в виде задачи смешанного целочисленного линейного программирования (с целочисленными и булевыми переменными). При нахождении численного решения данной задачи возникает ряд вычислительных проблем, так как в настоящее время не разработаны достаточно эффективные с вычислительной точки зрения алгоритмы поиска решения. Кроме того, данная постановка задачи не решает вопроса определения оптимального места расположения производств с точки зрения минимизации транспортных издержек. Вышеперечисленное и обуславливает актуальность разработки новых альтернативных интегрированных математических моделей оптимизации бизнес-процессов. Вопросам построения интегрированных моделей логистических систем посвящены работы исследователей А.А. Бочкарева, В.С. Лукинского, В.И. Сергеева, В.В. Дыбской, Шапиро Дж. и других. Модели транспортно-складских задач, которые относятся к вышеуказанному классу моделей, как видно из названия, состоят из двух подмоделей: транспортной модели и модели определения географических координат расположения складов (или производственных мощностей), при которых оптимизируются транспортные издержки. Задача определения координат расположения складов (производственных мощностей) на территории рассматриваемой местности (региона, макрорегиона, страны и т.д.) вызывает большой интерес у исследователей и является одной из фундаментальных задач логистики как науки. Исходными данными поставленной задачи являются: координаты поставщиков (xi, yi); объемы поставляемой (Qi) и потребляемой (Pj) продукции; а также информация о транспортной инфраструктуре рассматриваемой местности. Решение задачи в непрерывной постановке заключается в определении точной географической локации склада с координатами (x, y), при которых оптимизируются логистические расходы, представляющие собой сумму произведений расстояния от поставщиков до склада на удельный вес (объем) транспортируемого груза (Монгуш, 2019). Для регионального размещения производственных объектов и оптимальной организации экономических промышленных этнокластеров авторы предлагают воспользоваться разработанной ими постановкой и подходом к решению транспортно-складской задачи (Богданов, Монгуш, 2018) и производственно-транспортно-складской задачи (Богданов, Монгуш, 2019). В принципе с математической точки зрения транспортно-складская задача практически идентична производственно-транспортной задаче и обе эти задачи являются частным случаем задачи размещения. При нахождении координат расположения нескольких производственных объектов или складов представляется естественным определение скоплений поставщиков сырья и потребителей продукции предприятия (кластеров) и назначения центров для обслуживания этих кластеров, что будет способствовать уменьшению стоимости перевозок и, соответственно, увеличению прибыли предприятия. В качестве поставщиков сырья рассматриваются сельскохозяйственные организации, индивидуальные предприниматели и крестьянские хозяйства, объединенные по признаку принадлежности к конкретному муниципальному образованию (району). Рассмотрим математическую постановку задачи. Введем следующие обозначения: Vi - объем вывозимого сырья от i-го поставщика (i=1, …, n); Gk - множество поставщиков для k-го производства (k=1, …, m); qk - объем производства продукции на k-ом производстве; p - цена выпускаемой продукции; AVC - средние переменные издержки на производство единицы выпускаемой продукции; FCk - постоянные издержки k-го производства. Тогда прибыль от реализации продукции (без учета затрат на транспортировку) для k-го производства составит (1) где (2) - коэффициент, учитывающий нормы расхода сырья на единицу конечного продукта. Затраты на транспортировку сырья для k-го производства составят (3) где - расстояние от i-го поставщика до k-го производства; - стоимость перевозки единицы веса на единицу расстояния. Сформулируем критерий оптимизации рассматриваемой задачи (4) Преобразуем критерий (4) к виду (5) Далее
3 где
4 а постоянные затраты всех производств будем считать одинаковыми. Таким образом, критерий оптимизации примет вид (6) или (7) Решаемая задача связана с поиском оптимального разбиения поставщиков на группы обслуживания производств Gk (k=1,…, m) и с определением места расположения предприятий. В задаче кластеризации объектов – производителей или потребителей продукции предприятия, как правило, мерой расстояния между объектами является физическое расстояние между ними, определяемое по формуле евклидова расстояния
5 где xi, yi – координаты i-го поставщика; x, y – координаты размещения производства. Безусловно это допущение не учитывает существующую сеть дорог (движение по прямой через леса и поля вряд ли возможно), но оно широко распространено в литературе по логистике, а любая математическая модель всегда является некоторым упрощением реальности – что-то учитывает, а чем-то пренебрегает. Можно принять допущение, что соотношение расстояния поездки по дорогам и по прямой одинаково для всех пар пунктов. При каждом задаваемом количестве производственных объектов m задача сводится к оптимизации разбивки всех поставщиков сырья на группы обслуживания объектов Gk (k=1,…,m) и по определению точек их месторасположения. При некотором текущем разбиении поставщиков на группы обслуживания производственных объектов задача определения их оптимального расположения может решаться независимо для всех зон обслуживания, исходя из минимизации суммарных затрат (7). Рассмотрим задачу минимизации затрат при доставке сырья в производственные объекты (координаты (x, y)) из ряда пунктов с координатами (xi, yi) ( iGk ). Задача сводится к минимизации функции
6 по переменным х и у. Это достигается решением следующей системы уравнений dZkdx=iGkVi(x-xi)(x-xi)2+(y-yi)2=0dZkdy=iGkVi(y-yi)(x-xi)2+(y-yi)2=0 Для численного решения систем нелинейных уравнений обычно используются итерационные методы: метод простой итерации, метод Зейделя, метод Ньютона. Для решения данной системы двух нелинейных уравнений будем использовать метод Ньютона. Алгоритм метода Ньютона для системы из двух уравнений с двумя неизвестными применительно к задаче нахождения оптимального места расположения склада приведен в одной из наших работ (Баисов И.М., Никитина Л.Н., Богданов А.И., 2017). При решении задачи нахождения координат расположения нескольких производственных объектов, под разбивкой потребителей на зоны обслуживания заданного m количества объектов понимают отыскание такого набора подмножеств G1, G2,…, Gm натурального ряда чисел 1, 2, …, n, что  j=1m=1, 2, ,n , а GjGq=0 при jq . Минимизация критерия качества кластеризации (как по разбиению поставщиков сырья на группы обслуживания производственного объекта, так и по выбору места расположения производственных объектов) отвечает требованиям такого разбиения поставщиков, когда в одной группе оказываются наиболее близкие между собой поставщики сырья. В то же время в качестве координат производственных объектов будут выбираться такие, которые минимизируют суммарные затраты на перевозки в зоне их обслуживания. С другой стороны, считая известными координаты производственных объектов, нетрудно построить разбиение G1, G2, ..., Gm, минимизирующее критерий качества кластеризации, при фиксированных координатах объектов, а именно (Проценко Ол., Проценко Ив, 2012) Gi=i: ρilρiq  для всех q=1,,m. Для одновременного нахождения оптимального разбиения G1, G2, …,Gm и оптимального набора координат производственных объектов предлагается итерационный алгоритм, последовательно осуществляющий выбор оптимальных (по отношению к разбиению, полученному на предыдущем шаге) координат объектов, а затем разбиения, оптимального при местах расположения производственных мощностей, полученных на предыдущем шаге. Предложенный алгоритм по существу является некоторой модификацией алгоритмов кластерного анализа с оптимизацией критерия, в качестве которого вместо обычно используемых суммы внутриклассовых дисперсий или суммы попарных внутриклассовых расстояний используется экономический показатель – минимизация затрат. Как и все алгоритмы кластерного анализа с оптимизацией критерия, он не гарантирует сходимости именно к глобальному экстремуму. Чтобы снизить вероятность сходимости к локальному минимуму можно действовать двумя способами: - многократно генерировать случайным образом начальное разбиение объектов на кластеры; - в качестве начального разбиения принять результат, полученный классическим алгоритмом кластерного анализа агломеративного типа, который, скорее всего, будет близок к оптимальному.
7 РЕЗУЛЬТАТЫ И ОБСУЖДЕНИЯ Этноэкономические кластеры легкой промышленности Республики Тыва (РТ) Деловая активность РТ, как правило, сконцентрирована преимущественно в столице региона – г. Кызыл, где расположено около 54 % предприятий республики. Здесь же осуществляется прием сельскохозяйственного сырья для дальнейшей переработки на предприятиях республики и других регионов. Для фермеров отдаленных районов, например Овюрского, Сут-Хольского, Бай-Тайгинского, Монгун-Тайгинского и других, это сопряжено с дополнительными высокими расходами на транспортировку. Эти расходы не всегда оправданы. Поэтому владельцам небольших хозяйств невыгодно возить в столицу свою продукцию. Зачастую они физически избавляются от шкур, шерсти, если сами их не перерабатывают. Поэтому организация пунктов сбора сельскохозяйственного сырья в районных центрах может снизить стоимость самого сырья для производства конечного продукта. Формирование и развитие этнокластеров легкой промышленности в РТ связано с переработкой продукции ведущей отрасли экономики республики – сельского хозяйства (шерсти и шкуры). В связи с неразвитостью дорожной инфраструктуры региона и транспортных услуг, в данной работе предложена организация пунктов первичного сбора и переработки шерсти и шкуры в административных центрах каждого муниципального образования республики (районных центрах). Это объясняется наличием развитой дорожной сети с покрытием регионального и федерального значения между административными центрами и городами. Для решения задачи кластеризации муниципальных образований РТ и формирования этноэкономических транспортно-логистических кластеров в таблице 1 представлены данные о географических координатах районных центров Тувы, которые могут служить центрами сбора сельскохозяйственного сырья у организаций, крестьянских хозяйств, хозяйств населения, а также объемы производства шерсти этих районов. Таблица 1. Географические координаты районных центров РТ1 и производство шерсти2
№ п/п Муниципальный район (кожуун) Районный центр Координаты районных центров Производство шерсти в год, тонн
X Y
Муниципальные районы
1 Бай-Тайгинский с. Тээли 90,2090 51,0149 152
2 Барун-Хемчикский с. Кызыл - Мажалык 90,5704 51,1431 80
3 Дзун-Хемчикский г. Чадан 91,5659 51,2845 117
4 Каа-Хемский с. Сарыг – Сеп 95,5564 51,4943 21
5 Кызылский пгт. Каа-Хем 94,5742 51,6995 127
6 Монгун-Тайгинский с. Мугур – Аксы 90,4445 50,3786 76
7 Овюрский с. Хандагайты 92,0685 50,7310 131
8 Пий-Хемский г. Туран 93,9161 52,1473 34
9 Сут-Холский с. Суг – Аксы 91,2891 51,4111 108
10 Тандинский с. Бай-Хаак 94,4630 51,1661 35
11 Тере-Холский с. Кунгуртуг 97,5214 50,5953 3
12 Тес-Хемский с. Самагалтай 95,0081 50,6123 75
13 Тоджинский с. Тоора – Хем 96,1273 52,4668 1
14 Улуг-Хемский г. Шагонар 92,9111 51,5104 63
15 Чаа-Холский с. Чаа – Хол 92,3636 51,5242 32
16 Чеди – Холский с. Хову – Аксы 93,6763 51,1275 40
17 Эрзинский с. Эрзин 95,1625 50,2589 168
городские округа
18 г. Кызыл 94,4454 51,7239 2
19 г. Ак-Довурак 90,5926 51,1741 11
ИТОГО 1276
1. – переведены из системы градусы/секунды/минуты

2. – Социально-экономические показатели городских округов и муниципальных образований Республики Тыва. 2021 г. Статистический сборник
8

Для решения оптимизационной задачи с помощью компьютерной программы EXCEL и языка программирования VBA проведены расчеты по кластеризации муниципальных районов РТ. В случае одного производства его целесообразно разместить в точке с координатами (92,65; 51,05). При этом суммарный пробег машин составит 2281,91 т.км, а затраты на транспортировку (при характерном для РТ тарифе С = 25 руб/т.км ) – 57,05 тыс. руб. Общие затраты с учетом FC = 18 тыс. руб. составят 75,05 тыс. руб. В случае 2-х производств уже необходимо разделить все районные центры на 2 группы обслуживания (кластеры). Первоначальное разбиение было получено с помощью классического алгоритма кластерного анализа агломеративного типа (имеющаяся в свободном доступе в интернете программа реализует принцип «дальнего соседа»). В первый кластер попали 9 объектов с номерами 1, 2, 3, 6, 7, 9, 14, 15, 19, а во второй кластер – 10 объектов с номерами 4, 5, 8, 10, 11, 12, 13, 16, 17, 18. Рисунок 1. Первоначальное разбиение на кластеры Уже после первого шага работы нашего итерационного алгоритма получено оптимальное решение, в котором объект № 15 перенесен из первого кластера во второй. Оптимальные координаты расположения для первого предприятия (91,34; 51,10), а для второго – (94,18; 50,98). При этом суммарный пробег машин составил 1464, 74 т.км, а затраты на транспортировку – 36,62 тыс. руб. Общие затраты с учетом 2 FC= 36 тыс. руб. составят 72,62 тыс. руб. При трех кластерах с оптимальными координатами (91,05; 51,01), (92,42; 51,42), (94,98; 50,72) суммарный пробег машин еще снижается и составляет 917,76 т.км, а затраты на транспортировку – 22,94 тыс. руб. Однако общие затраты с учетом 3 FC возрастают и составят 76,94 тыс. руб. Таким образом, оптимальным оказался вариант с двумя производствами. В результате получено следующее деление кожуунов республики на 2 кластера поставщиков сырья для производства готовой продукции и рассчитаны координаты центров полученных кластеров – географические координаты оптимального расположения производственных объектов (фабрики, комбината, цеха) глубокой переработки сырья сельхозпроизводителей: I кластер – 7 кожуунов: Бай-Тайгинский, Барун-Хемчикский, Дзун-Хемчикский, Монгун-Тайгинский, Овюрский, Сут-Холский, Улуг-Хемский и г. Ак-Довурак с центром в точке с координатами (91,34; 51,10), округленными до координат г. Чадаан. В данный кластер вошли западные районы республики с наиболее развитым сельским хозяйством. Объем производства предприятий сельского хозяйства полученного макрорайона, а именно животноводства, составил в 2019 году 51,2 % общего объема региона (Социально-экономические показатели городских округов и муниципальных образований Республики Тыва. Статистический сборник. 2020:88). II кластер – 10 кожуунов: Каа-Хемский, Кызылский, Пий-Хемский, Тандинский, Тере-Холский, Тес-Хемский, Тоджинский, Чаа-Холский, Чеди-Холский, Эрзинский и г. Кызыл. Центру кластера соответствует точка с координатами (94,18; 50,98). Так как производство трудно организовать где-то в лесу, вдали от электрических, транспортных и прочих коммуникаций, мы округлили координаты полученной точки до точки расположения ближайшего населенного пункта – г. Кызыл. Суммарное поголовье овец и коз в полученном кластере составляет 432873 головы, что составляет 36 % от общего количества (Социально-экономические показатели городских округов и муниципальных образований Республики Тыва. Статистический сборник. 2020:82). Данный макрорайон объединил наиболее развитые промышленные районы республики. Полученные итоги расчетов представлены на рисунке 2. Как видно из рисунка, решение задачи кластеризации разделило районы РТ на этнокластеры, образованные по критерию близости к полученным центрам кластеров. Следует отметить, что из всех исходных точек (районных центров) имеется транспортное сообщение к полученным в результате расчетов точкам расположения центров кластеров.

9

Рисунок 2. Этноэкономические кластеры Республики Тыва При организации производства в трех и более точках в результате расчетов получено разбиение предприятий на зоны обслуживания, которое несколько снижает транспортные затраты, но увеличивает при этом затраты на эксплуатацию производственных помещений и общие затраты. Таким образом, в результате расчетов рассмотренный вариант с двумя кластерами является оптимальным. Заключение Самобытная культура тувинцев, сохранившаяся до сегодняшнего дня может стать одним из потенциальных точек роста экономики РТ. Однако формирование случайных очагов обрабатывающего производства, основанных на традиционных технологиях, в современных реалиях могут в основном удовлетворить внутренние потребности хозяйств, подвержены высокому риску и не всегда полученная продукция является конкурентоспособной. Учитывая традиционные виды хозяйствования коренного населения, географические особенности территории, целесообразно применение кластерного подхода и оптимизационных моделей к организации промышленного производства с применением современных технологий переработки продукции сельхозпроизводителей. Данный подход стимулирует дальнейшее развитие сельского хозяйства республики, развитие этнокластеров перерабатывающих производств, производства конкурентоспособной продукции с высокой добавленной стоимостью, а также сохранение уникальной культуры и традиций тувинского народа. С помощью предложенной математической модели получено подтверждение целесообразности решения правительства РТ об организации промышленных объектов в городах Кызыл и Чадаан и образования кластеров с центрами в соответствующих городах, которые являются точками пересечения автомобильных дорог нескольких районов. Это говорит о полезности разработанной модели и выбранного авторами алгоритма решения производственно-транспортной задачи. В качестве дальнейшего развития работы предполагается разработать полностью дискретную модель с булевыми переменными и матрицей реальных расстояний между пунктами по существующей системе дорог и провести сравнение результатов, полученных разными моделями на задачах не очень высокой размерности.

References

1. Alejnikov B.I. (1966). Zadacha optimal'nogo razmeshcheniya proizvodstva produkcii odnogo tipa // Ekonomika i matematicheskie metody. Vypusk 2. Tom 2. S. 272 – 282;Alibekov B.I. (1975). O zadache na razmeshchenie s ogranichennymi moshchnostyami // Ekonomika i matematicheskie metody. Vypusk 3. Tom 11. S. 534 – 541;Ahmetov, V.YA., Berdnikova, G.I., Salihova, Z.M. (2012). Etnoekonomika i ee rol' v ustojchivom razvitii sel'skih territorij Rossii // Ekonomika sel'skogo hozyajstva Rossii. №2. S. 78 – 86;Baisov I.M., Nikitina L.N., Bogdanov A.I. (2017). Optimizaciya mesta razmeshcheniya sklada torgovogo predpriyatiya // Vestnik SPGUTD. Seriya 1. Estestvennye i tekhnicheskie nauki. № 2. S. 91-93;Bogdanov A.I., Mongush B.S. (2018). Optimizaciya mesta raspolozheniya skladov s pomoshch'yu klasternogo analiza // Vestnik SPGUTD, Seriya 1. Estestvennye i tekhnicheskie nauki. № 4. S. 19 – 23;Bogdanov A.I., Mongush B.S. (2019). Matematicheskie modeli optimizacii proizvodstvenno-transportno-skladskih processov // Vestnik SPGUTD. Seriya 1. Estestvennye i tekhnicheskie nauki. № 1. S. 16-20;Bochkarev A.A. (2009). Teoriya i metodologiya processnogo podhoda k modelirovaniyu i integrirovannomu planirovaniyu cepi postavok: avtoref … dis. d.e.n. SPb. 39 s.;Gadzhinskij, A.M. (2012) Logistika. M.: Izdatel'sko – torgovaya korporaciya «Dashkov i Ko»;Granberg A.G. (1970). Mnogootraslevaya model' optimal'nogo razvitiya i razmeshcheniya proizvodstva v planovo-ekonomicheskih raschetah // Ekonomika i matematicheskie metody. Vyp. 3. T. 6. S. 393 – 406;Logistika. Integraciya i optimizaciya logisticheskih biznes- processov v cepyah postavok: Uchebnik MVA. (2014) / Sergeev V.I. (red.). Moskva: Eksmo;Klochko, E.N., Kobozeva, E.M. (2017). Etnoekonomika regiona: potencial, funkcii, bar'ery razvitiya // Biznes. Obrazovanie. Pravo. - №4. – S. 38 – 42;Madera, A.G. (2005) Opredelenie optimal'nogo razmeshcheniya logisticheskih moshchnostej // Integrirovannaya logistika. № 3. S. 12 – 15;Makarov A.G., Bogdanov A.I., Nikitina L.N., Mongush B.S. (2019). Integrirovannye modeli biznes-processov // Tekhnologiya tekstil'noj promyshlennosti. № 6 (384). S. 62-65;Modeli i metody teorii logistiki (2012). Lukinskij V.S. (red.). Sankt-Peterburg: Piter;Mongush B.S. (2019). Problemy resheniya integrirovannyh transportno - skladskih zadach // Regional'naya ekonomika: tekhnologii, ekonomika, ekologiya i infrastruktura: materialy III Mezhdunarodnoj nauchno – prakticheskoj konferencii (23-25 oktyabrya 2019g.). Kyzyl: TuvIKOPR SO RAN. S. 369-372;Procenko, O.D., Procenko, I.O. (2012). Logistika i upravlenie cepyami postavok – vzglyad v budushchee: makroekonomicheskij aspekt. M.: Izdatel'skij dom «Delo»;Sergeev, V.I. (2019). Logistika i upravlenie cepyami postavok: professiya XXI veka: analiticheskij obzor. Moskva: Izdatel'skij dom Vysshej shkoly ekonomiki;Hachaturov V.R. (1967). Algoritmy i programmy resheniya zadach razmeshcheniya predpriyatij s neogranichennymi ob"emami proizvodstva // Ekonomika i matem. metody. Vyp. 2. T. 3. S. 240-251;Jeremy F. Shapiro (2006). Modeling the supply chain. Boston: Cengage learning.

Comments

No posts found

Write a review

(additional_1.tif) [Link]

(additional_2.tif) [Link]

Translate