В результате построенная регрессионная модель является инструментом для оценки пропускной способности склада и с ее помощью была измерена максимальная возможная пропускная способность склада «Гамма» при текущих ограничениях на факторы производства. Для компании были приведены аргументы преимущества использования данного инструмента и инструкция для его применения. А также сформулированы основные рекомендации для компании «Алерс РУС». Во-первых, компании необходимо разработать дополнительный информационный блок к внутренней системе WMS по учету возможностей операционной зоны, для оптимизации физического потока внутри склада и минимизации риска возникновения заторов. Во-вторых, компании следует увеличить операционную зону, так как именно данных фактор производства имеет наибольшее влияние на эффективность, за счет сокращения зоны хранения. Это позволит компании сбалансировать возможности по пропускной способности и поступающим заказам. В-третьих, сотрудникам компании следует обновить процедуры по правилам работы сотрудников на складском комплексе. И ввести запрет на проведение операций по сбору заказа вне операционной зоны. Это условие позволит избежать дополнительного риска брака и уменьшить очередь к зоне отгрузки.
Список литературы
1. Алерс в России // Ahlers URL: https://www.ahlers.com/regions-countries/russia-central-asia (дата обращения: 16.12.2017);
2. История компании // Ahlers URL: https://www.ahlers.com/about-ahlers/our-company/yesterday_23 (дата обращения: 10.12.2017);
3. Ю.В. Федотов. 2012. Измерение эффективности деятельности организации: особенности метода DEA (анализа свертки данных). Российский журнал менеджмента 10 (2): 51-62;
4. A new fuzzy logic-based metric to measure lean warehousingperformance // Taylor&Francis URL: http://proxy.library.spbu.ru:2354/doi/full/10.1080/16258312.2017.129346 (дата обращения: 07.01.2018);
5. Ali Emrouznejad and Victor Podinovski (2004).Data envelopment analysis and performance management. Warwick print, Coventry. Page 9.http://deazone.com/en/deabook-deabook2004;
6. Bartholomew 2018 Bartholomew, D., 2008 «Putting Lean Principles in the Warehouse». Lean Enterprise;
7. Battese G.E., T.J. Coelli (1988). Prediction of firm-level technical efficiencies with generalized frontier production function and panel data. Journal of Econometrics, Vol. 38, pp. 387-399;
8. Battese, G. and Coelli, T. (1995), «A model for technical inefficiency effects in a stochastic frontier production function for panel data», Empirical Economics, Vol. 20 No. 2, pp. 325-332;
9. Behrouzi, F., and W. Kuan Yew, 2011 «Lean performance evaluation of manufacturing systems: a dynamic and innovative approach», Procedia computer science);
10. Bhaumik, S.K., Das, P.K. and Kumbhakar, S.C. (2012), «A stochastic frontier approach to modelling financial constraints in firms: an application to India», Journal of Banking & Finance, Vol. 36 No. 5, pp. 1311-1319;
11. Bogetoft, P., & Otto, L. (2010). Benchamrking with DEA, SFA and R. Springer Science & Business Media;
12. Brian S. Everitt, Sophia Rabe-Hesketh Handbook of Statistical Analyses Using Stata, Fourth Edition. CRC Press, 2006;
13. Chen, W.C. and McGinnis, L.F., «Reconciling Ratio Analysis and DEA as Performance Assessment Tools,» European Journal of Operational Research, 178, 277-291 (2007);
14. Dehdari, P. (2013). Measuring the Impact of Techniques on Performance Indicators in Logistics Operations, Ph.D thesis, Karlsruher Instituts fьr Technologie, Karlsruhe;
15. Dotoli, M., G. Petruzzelli, and B. Turchiano. 2012. «A lean warehousing approach using unified modeling language and value stream mapping: a case study.» 9th. International Conference Modeling, Optimization and Simulation. Bordeaux, France;
16. Farrell, M.J., «The Measurement of Productive Efficiency,» Journal of the Royal Statistical Society, 120, 499-513 (1957);
17. Haan, de J., Overboom, M., and Naus, F. (2009), Lean Logistics Service Providers: Option or Utopia? Experiences from the Netherlands. The 5th International congress on Logistics and SCM Systems. Seoul;
18. Jibendu Kumar Mantri (2008).Research methodology on data envelopment analysis (DEA).Universal-Publishers Boca Raton, Florida, USA. Page 15;
19. Jondrow J., C.A.K. Lovell, I.S. Materov and P. Schmidt (1982). On the estimation of technical inefficiency in the stochastic frontier production function model. Journal of Econometrics, Vol. 19, pp. 233-238;
20. Kolinski, A. & Sliwczynski, B. (2015). IT support of production efficiency analysis in ecological aspect. In: Golinska P., Kawa A. (eds.), Technology Management for Sustainable Production and Logistics, Berlin Heidelberg: Springer Verlag, p. 205 - 219;
21. Kumbhakar, S. and Lovell, C. (2003), Stochastic Frontier Analysis, Cambridge University Press, Cambridge;
22. Mahfouz, A. (2011). An Integrated Framework to Assess «Leanness' Performance in Distribution Centres. Ph.D. thesis, Dublin Institute of Technology, Dublin;
23. Myerson, P. (2012). Lean supply chain and logistics management. McGraw-Hill;
24. Myerson, P. 2012. Lean Supply Chain and Logistics Management;
25. Nguyen, G. and Swanson, P. (2009), «Firm characteristics, relative efficiency, and equity returns», Journal of Financial and Quantitative Analysis, Vol. 44 No. 1, pp. 213-236;
26. Reichart, A. and Holweg, M. (2007). Lean Distribution: Concepts, Contributions and Conflicts. International Journal of Production Research. 45 (16), p. 3699-3722;
27. Reifschneider, D. and Stevenson, R. (1991), «Systematic departures from the frontier: a framework for the analysis of firm inefficiency», International Economic Review, Vol. 32 No. 3, pp. 715-723;
28. Sarma, S. (2008). RFID technology and its application. In S. Miles, S. Sarma, & J. Williams (Eds.), RFID Technology and Applications (pp. 16-32). Cambridge: Cambridge University Press;
29. Sobanski, E.B. (2009). Assessing Lean Warehousing: Development and validation of a lean assessment tool. Ph.D. thesis, Oklahoma State University, Oklahoma;
30. Subal C. Kumbhakar, C.A. Knox Lovell Stochastic Frontier Analysis. Cambridge University Press, 2003;
31. Subal C. Kumbhakar, Hongren Wang, Alan P. Horncastle A Practitioner's Guide to Stochastic Frontier Analysis Using Stata. Cambridge University Press, 2015. С. 48-72;
32. Surie& Reuter, B. (2015). Supply Chain Analysis. In: Stadtler H., Kilger C. & Meyr H. (ed.), Supply Chain Management and Advanced Planning, BerlinHeidelberg: Springer-Verlag, pp. 29-54;
33. Tompkins, J.A., White, J.A., Bozer, Y.A. and Tanchoco, J.M.A., Facilities Planning, John Wiley & Sons, Inc., New York (2010);
34. Waters, D. (2002). Operations management: producing goods and services, London: Pearson Education;
35. William Wager Cooper, Lawrence M. Seiford, Kaoru Tone (2007) Data envelopment analysis: a comprehensive text with models, applications. SpringerScience + BusinessMedia, LLC. Page 22;
36. Winsten, C. (1957), «Discussion on Mr. Farrel's Paper», Journal of the Royal Statistical Society. Series A, 120, 282-4.
Приложения
Приложение 1
Пример временных нормативов в контракте с клиентом
Приложение 2
Пример условий предоставления услуг в контракте с клиентом
Приложение 3
1. Сохранить исходные данные в программе stata
2. Command: regress / перечислить все фактора и зависимую переменную
3. Command: predict e, residual / сохранить OLS в переменных через е
4. Command: quietly summarize e / собрать сумарную стаистику без какик-либо результатов.
5. Command: generate double u_star = - (e - r(max)) / вычислить значения неэффективности
6. Command: generate double eff_cols = exp (-u_star) / вчислить индекс технической неэффективности
7. Command: summarize eff_cols / собрать общую статистику
8. Command: histogram eff_cols, bin(100) `kden' saving (eff_cols) / построить гистограмму плотности распределения оценок эффективности по моделе OLS
9. Command: qreg / перечислить все фактора и зависимую переменную
10. Command: predict e_cmad, residual / сохранить MAD в переменных через е
11. Command: quietly summarize e_cmad / собрать сумарную стаистику
12. Command: generate double eta_star_q = - (e_cmad - r(max)) / вычислить значения неэффективности
13. Command: generate double eff_cmad = exp (-eta_star_q) / вчислить индекс технической неэффективности
14. Command: summarize eff_cmad / собрать общую статистику
15. Command: label variable eff_cmad «Model 3: CMAD''/ сохранить показатели эффективности
16. Command: histogram eff_cmad, bin(100) `kden' saving (eff_cmad) / построить гистограмму плотности распределения оценок эффективности по моделе MAD