Логистика для большинства предприятий на микроуровне весьма востребована и актуальна, так как оптимальный подход и принципы позволяют значительно снизить издержки, связанные с управлением самых разнообразных потоков: материальных ресурсов, денежных средств, информации, транспорта, энергии и многого другого, а также более эффективно и упорядоченно планировать, организовывать потоковые процессы. В этой связи в статье рассматривается актуальная задача разработки модели планирования маршрутов, позволяющей устанавливать информацию о движении груза с определением кратчайшего пути. В статье авторами предложена комплексная оптимизационная экономико-математическая модель, позволяющая определить оптимального поставщика для каждого потребителя конкретного вида готовой продукции с наименьшими транспортными расходами для предприятия-производителя продукции. Применение экономико-математического моделирования позволяет решить задачу планирования маршрутов, чтобы собирать информацию о движении груза в онлайн-режиме, составлять расписание рейсов, легко создавать отчеты и документы для логистики предприятия. Благодаря автоматическому учету этих и других параметров построенные маршруты будут оптимальными. По опыту наших предприятий-партнеров, это экономит до 20% транспортных расходов. Подсистема управления логистикой распределяет работу таким образом, чтобы исполнители прибывали в места назначения в удобных для получателя окнах доставки. Система распределяет работу и рассчитывает время прибытия с учетом множества факторов: требований к транспортному средству и его типу, информации об исторических пробках, особенностях и условиях работы каждого водителя. Подсистема «Управление логистикой» в режиме реального времени отслеживает процесс доставки и при появлении нового заказа анализирует текущее местонахождение и загруженность персонала. На основе этой информации система предлагает наиболее подходящего подрядчика и вносит изменения в маршрут движения.

1. Шохнех А.В. Математические методы оценки экономической безопасности хозяйствующих субъектов // Управление экономическими системами: электроннный научный журнал. 2012. №. 6 (42).

2. Краев В.Н. Методы принятия управленческих решений // Управление, подбор персонала. 2014. С. 67.

3. Якимов М. Концепция транспортного планирования и организации движения в крупных городах. 2017.

4. Бестембек Е.С., Секербаева А.Ф. Задачи исследования и разработки многофакторной модели транспортно-складских решений // Актуальные проблемы транспорта и энергетики: пути их инновационного решения. 2016. C. 156.

5. Бестембек Е.С., Секербаева А.Ф. Разработка алгоритма решения многофакторной модель транспортной и складской задач при механизации строительных работ // Интеграция науки, образования и производства – основа реализации Плана нации. 2015. С.196.

6. Бестембек Е.С., Секербаева А. Ф., Рамазан Б. А. Анализ существующих методов решения транспортной и складской задач // Молодой ученый. 2016. № 27. С. 506-509.

7. Bukharin S.V., Melnikov A.V., Chernyaeva S.N., Korobova L.A. The method of immersion the problem of comparing technical objects in an expert shell in the class of artificial intelligence algorithms // IOP Conference Series: Materials Science and Engineering International Conference on Materials. 2017. P. 012208.

8. Grant R.M. Contemporary strategy analysis. Oxford: Blackwell Publishing, 2002. 551 p.

9. Ireland R., Hitt M. Achieving and maintaining strategic competitiveness in the 21st century: The role of strategic leadership // Academy of Management Executive. 2005. № 4 (19). P. 63-77.

10. Snowdon B., Stonehouse G. Competitiveness in globalized world: Michael Porter on the Microeconomic Foundations of the Competitiveness of Nations, Regions and Firms // Journal of International Business Studies. 2006. № 2 (37). P. 163-175.

11. Dey P.K., Petridis N.E., Petridis K., Malesios C. et al. Environmental management and corporate social responsibilitypractices of small and medium-sized enterprises // Journal of cleaner production. 2018. № 195. P. 687–702.

12. Collings D.G., Mellahi K., Cascio W.F. Global talent management and performance in multinational enterprises: A multilevel perspective // Journal of Management. 2019. № 45 (2). P. 540–566.

13. Hilorme T., Chorna M., Karpenko L., Milyavskiy M. et al. Innovative model of enterprises personnel incentives evaluation // Academy of Strategic Management Journal. 2018. № 17 (3). P. 1–6.

14. Тихомиров С.Г., Авцинов И.А., Туровский Я.А., Суровцев А.С. и др. Программно-аппаратный комплекс для управления биотехнологическими системами с использованием интеллектуальных информационных технологий // Вестник Воронежского государственного университета. Серия: Системный анализ и информационные технологии. 2019. № 3. С. 158-165.

15. Информационные технологии и вычислительные системы: Обработка информации и анализ данных. Программная инженерия. Математическое моделирование. Прикладные аспекты информатики; под редакцией. С.В. Емельянова. М.: Ленанд, 2015. 104 с.

16. Остроух А.В., Николаев А.Б. Интеллектуальные информационные системы и технологии. СПб.: Лань, 2019. 308 с.

17. Тельнова Ю.Ф. Информационные системы и технологии. М.: Юнити, 2017. 544 с.

18. Drosou M., Jagadish H.V., Pitoura E., Stoyanovich J. Diversity in big data: A review // Big data. 2017. V. 5. №. 2. P. 73-84. doi: 10.1089/big.2016.0054

19. Montali M., Rivkin A. Model checking Petri nets with names using data-centric dynamic systems // Formal Aspects of Computing. 2016. V. 28. №. 4. P. 615-641. doi: 10.1007/s00165-016-0370-6

20. Гончаров Д.И. Конфигурирование в системе «1С: Предприятие 8». Основные объекты. ООО «1С: Паблишинг», 2009. 147 c.