DOI: https://doi.org/10.15802/tstt2018/150214

ПОБУДОВА МОДЕЛІ СТРАТЕГІЇ РОЗВИТКУ ТРАНСПОРТНО-ЛОГІСТИЧНИХ ПІДПРИЄМСТВ НА ОСНОВІ НЕЙРОННИХ МЕРЕЖ

Н. В. ХАЛІПОВА, А. М. ПАСІЧНИК, Є. П. МЕДВЕДЄВ, І. В. ПРОГОНЮК

Анотація


Метою дослідження є розвиток підходів при формуванні стратегії забезпечення ефективного процесу міжнародних поставок на основі аналізу розширених фактичних показників зовнішньоекономічної діяльності (ЗЕД) транспортно-логістичних підприємств. Об’єктом дослідження виступають вантажопотоки зовнішньоекономічної діяльності; предметом дослідження – інтегровані показники вантажопотоків на основі даних вантажних митних декларацій. Методами дослідження прийнято моделювання, що ґрунтується на нейромережевому алгоритмі кластеризації на основі використання самоорганізуючих карт Кохонена (Self Organizing Maps – SOM). У якості програмного середовища в даному дослідженні використано аналітичну платформу DEDUCTOR Academic версії 5.0 компанії BaseGroup_Labs. Результатом дослідження є методика моделювання вантажопотоків ЗЕД та проведення їх кластерного аналізу із застосуванням інтелектуальних систем та аналітичних платформ. Проведено системний аналіз імпортних вантажопотоків митно-брокерського підприємства за 2013–2016 роки з використанням бази даних електронних вантажних митних декларацій, сформованих декларантами при митному оформленні вантажів. Здійснено кластеризацію на основі використання самоорганізуючих карт Кохонена з використанням аналітичної платформи DEDUCTOR Academic версії 5.0. Запропонований алгоритм для вирішення завдання кластеризації. Для запровадження інтегрованих оцінок вантажопотоків сформовано систему показників, що характеризують їх обсяги, вартість, обсяги митних платежів. Для проведення комплексного аналізу динаміки та взаємозв’язку факторів при утворенні кластерів введено шкалу рівня кожного з досліджуваних показників ЗЕД (високий, середній та низький). Рівні показників формуються на основі аналізу отриманих в процесі кластерізації значущості атрибутів та ступеню їх впливу на утворення того чи іншого кластера. В залежності від попадання країни фірми-партнера ЗЕД в кластер з певними характеристиками, підприємство на основі результатів аналізу може модернізувати існуючу, або ж розробляти нову комплексну стратегію розвитку транспортно-логістичної діяльності за обраними напрямками. Динаміка зміни показників та їх взаємодія забезпечує суб’єктів базою даних для аналізу шляхів розвитку можливостей підприємства з метою підвищення конкурентних напрямів транспортно-логістичної діяльності. Зміна показників митної вартості, обсягів перевезень, ринкової вартості товарів тощо, потребує аналізу причин, а також виявлення та включення до системи управління ризиками окремих напрямків. Наукова новизна полягає в представленні багатоетапного алгоритму для підтримки прийняття рішень при формуванні стратегії забезпечення ефективного процесу міжнародних поставок на основі аналізу розширених фактичних показників транспортно-логістичної діяльності підприємств, отриманих з бази даних електронних вантажних митних декларацій, сформованих декларантами при митному оформленні вантажів. Практична значимість. Аналіз вихідних даних діяльності підприємства на основі запропонованого підходу дозволяє підприємству приймати рішення щодо вибору перспективних міжнародних напрямків розвитку торгівельних відносин, транспортних комунікацій та формувати стратегії розвитку конкурентоспроможності економіки України.


Ключові слова


транспортно-логістичні підприємства; ефективність процесу міжнародних поставок; моделювання вантажопотоків; нейромережевий алгоритм кластеризації

Посилання


Концепція реформування транспортного сектора економіки [Електронний ресурс] : затв. Постановою Кабінету Міністрів України від 09.11.2000 № 1684. – К., 2000. – Режим доступу : http://zakon4.rada.gov.ua /laws/ show/1684-2000-%D0%BF

Офіційний сайт Державної служби статистики в Україні [Електронний ресурс]. – Режим доступу : http://ukrstat.gov.ua

Корнійко, Я. Р. Формування механізму інтегрованого логістичного управління контейнерними вантажопотоками / Я. Р. Корнійко, О. О. Фiлоненко // Науковий вісник Ужгородського національного університету. Серія: Міжнародні економічні відносини та світове господарство. – 2017. – Вип. 11. – С. 69–72.

Методологія формування транспортно-митної інфраструктури в Україні : монографія / за ред. Пасічника А. М. – Д.: УМСФ, 2016. – 168 с.

Зосимова, Ж. С. Проблеми та умови покращення зовнішньоекономічної діяльності вітчизняних підприємств / Ж.С. Зосимова // Економіка. Управління. Інновації. – 2013. – Вип. 2 (10). – С. 119–124.

Вівчар, О. І. Основні аспекти підвищення ефективності зовнішньоекономічної діяльності підприємств / О.І. Вівчар // Галицький економічний вісник. – 2015. – №2. – С. 24–30.

Залізнюк, В. П. Транспортно-логістичне забезпечення експортної діяльності підприємства / В. П. Залізнюк // Менеджер, ДонДУУ. – № 2 (71). – 2016. – С. 100–111.

Харсун, Л. Г. Логістичне обслуговування товаропотоків між Україною та країнами ЄС / Л. Г. Харсун // Науковий журнал “Економіка України”. – 2016. – 4 (653) – С. 112–121.

Вернигора, Р. В. Мультимодальні перевезення як базовий сегмент транзитного потенціалу України / Р. В. Вернигора, А. М. Окороков, П. С. Цупров, О. І. Павленко // Транспортні системи та технології перевезень. – 2017. – Вип. 14. – С. 20–29. DOI: https://doi.org/10.15802/tstt2017/12

Бренич, Я. В. Нейромережеві методи розв’язання задачі класифікації / Я. В. Бренич, П. В. Тимощук // Науковий вісник НЛТУ України. – 2012. – Вип. 22.13. – С. 343–349.

Long Qiong, Yu Jie & Zhang Jinfang (2011). Application of Clustering Algorithm in Intelligent Transportation Data Analysis, part VI, 236, 467–473.

Lei, K., Zhu, X., Hou, J. & Huang, W. (2014). Decision of Multimodal Transportation Scheme Based on Swarm Intelligence. Mathematical Problems in Engineering, Article ID 932832, 10.

Паклин Н. М. Алгоритмы кластеризации на службе Data Mining // BaseGroup Labs. Технологии анализа данных : [сайт]. URL: https://basegroup.ru/community/articles/datamining (дата звернення: 12.10.2018).

М’ячин, В. Г. Нейромережевий підхід до кластеризації галузей промисловості України за джерелами фінансування інноваційної активності підприємств / В. Г. М’ячин, М. В. Куцинська // Науковий вісник Херсонського державного університету. – Серія: «Економічні науки». – 2016. – Вип. 20. – Ч.2. – С. 64–68.

Ткачова, А. В. Кластерний аналіз металургійних підприємств на основі виробничих, фінансово-економічних та логістичних показників діяльності / А. В. Ткачова // Вісник Запорізького національного університету. – 2012. – №1 (13). URL: http://web.znu.edu.ua/herald/issues/2012/eco-1-2012/037-44.pdf (дата звернення: 12.02.2018).

Карпенко, О. О. Обґрунтування ефективності кластеризації транспортно-логістичних підприємств / О. О. Карпенко // Водний транспорт. – 2015. – Вип. 2. URL: http://nbuv.gov.ua/UJRN/Vodt_2015_2_20

Ducret, R., Lemarié, B. & Roset, A. (2016). Cluster analysis and spatial modeling for urban freight. Identifying homogeneous urban zones based on urban form and logistics characteristics. The 9th International Conference on City Logistics, Tenerife, Canary Islands (Spain), Transportation Research Procedia 12, 301 – 313.

Ковальова, О. В. Аналіз регіональної дорожньо-транспортної мережі методом ієрархічної кластеризації / О. В. Ковальова, Р. В. Олійник // Автомобільні дороги і дорожнє будівництво. – 2011. – Вип. 82. – С. 3–10.

Альошинський, Є. С. Аналіз передумов формування прикордонних транспортно-логістичних кластерів для удосконалення міжнародних залізничних вантажних перевезень / Є. С. Альошинський, Г. Г. Замбрибор // Збірник наукових праць Української державної академії залізничного транспорту. – 2014. – Вип. 150. – С. 11–17.

Ebru V. ÖCALIR-AKÜNAL & Serpil EROL (2016). Using Cluster Analysis to Define the Position of a Developing Country in Global Transportation Services Trade Environment. Gazi University Journal of Science, 29(4), 751–767.

Бригадир, В. О. Теоретичні засади кластерного аналізу країн ЄС [Електронний ресурс] / В. О. Бригадир // Глобальні та національні проблеми економіки. – 2015. – Вип. 7.– С. 20–24. – Режим доступу: http://global-national.in.ua/issue-7-2015/15-vipusk-7-veresen-2015-r/1175-brigadir-v-o-teoretichni-zasadi-klasternogo-analizu-krajin-es

Khalipova N., Bosov A. & Progonyuk I. (2018). Development of the integrated management model for the formation of international supply chains. Eastern-european journal of Enterprise Technologies: Control processes, – 3 (93). Vol 3. Р. 59–72. DOI: 10.15587/1729-4061.2018.132683.

Вишневський, Д. О. Критерії відбору альтернативних варіантів доставки зовнішньоторгівельних вантажів / Д. О. Вишневський, О. Д. Вишневська // Вісник Східноукраїнського національного університету імені Володимира Даля. – 2017. – № 4. – С. 262–264. – Режим доступу: http://nbuv.gov.ua/UJRN/VSUNU_2017_4_52.

Bosov A., Khalipova N., Progonyuk I., Kuzmenko V., Duhanets V. & Shevchenko I. (2018). Development of method of multifactor classification of transport and logistic processes. Eastern-European Journal of Enterprise Technologies: Control processes, – 3 (92). Vol 2. 60–78 DOI: 10.15587/1729-4061.2018.128679

Полупанов, Д. В. Интеллектуальное моделирование сегментации торговых центров на основе самоорганизующихся карт Кохонена [Електронний ресурс] / Д. В. Полупанов, Н. А. Хайруллина // Журнал Науковедение. – 2014. – № 1 (20). – С. 30. Режим доступу: http://naukovedenie.ru/PDF/47EVN114.pdf

Паклин, Н. М. Алгоритмы кластеризации на службе Data Mining, BaseGroup Labs [Електронний ресурс]. – Режим доступу: http://www.basegroup.ru/clusterization/datamining.html

Kohonen Т. Essentials of the self-organizing map / Teuvo Kohonen // Neural Networks. – 2016.– № 37. – P. 52–65.

Горбань, Г. В. Методи та об’єктно-орієнтована інформаційна технологія інтелектуального аналізу багатовимірних даних : автореф. дис. канд. техн. наук : 05.13.06 / Г. В Горбань.; М-во освіти і науки України, Чорномор. держ. ун-т ім. Петра Могили. – Миколаїв, 2016. – 24 с.

Ишакова, Е. Н. Математическое и алгоритмическое обеспечение рисков на основе нейронной сети Кохонена [Электронный ресурс] / Е. Н. Ишакова, Т. М. Зубкова // Вестник Оренбургского государственного университета. – 2014. – № 9, – С. 182–186. – Режим доступу : http://vestnik.osu.ru/2014_9/35.pdf

Гончаров, В М. Нейромережевий підхід до оцінки інвестиційної привабливості підприємств / В. М. Гончаров, М. М. Білоусова, А. Ю. Дубовіков // Часопис економічних реформ. – 2012. – № 4(8). – С. 31–36.

Куликова, О. М. Исследование инновационного развития производства в регионах РФ с применением карт Кохонена / О. М. Куликова, В. Е. Калугин, Н. Б. Пильник, А. А. Гущина // Фундаментальные исследования. Экономические науки. – 2015. – № 2 (часть 25). – С. 5639–5643. – Режим доступу : https://www.fundamental-research.ru/ru/article/view?id=38479




Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.