Зазначено, що дослідження роботи кар’єрного автотранспорту дало змогу сформувати цільову функцію дослідження з урахуванням критерію ефективності всіх процесів системи, яка передбачає зниження витрат на функціонування транспортно-виробничої системи кар’єру металургійного підприємства, а саме, підсистем: “Надходження сировини”, “Переробка сировини”, “Збут сировини”. У процесі дослідження були виокремленні основні фактори, які впливають на показник витрат на функціонування підсистем. До цих факторів належать: виробничий простій автотранспорту, швидкість автотранспорту з вантажем, швидкість автотранспорту без вантажу, значення яких були отримані в результаті хронометражу роботи автотранспорту на технологічних маршрутах протягом чотирьох діб. Для кожної з підсистем були розраховані рівні інтервалів варіювання та тип їх змін для трьох режимів. Для моделювання витрат був проведений регресійний аналіз досліджуваних факторів. Побудовані поверхні відгуку отриманих математичних моделей, а саме: вплив часу виробничого простою автотранспорту та швидкості руху без вантажу на витрати на функціонування підсистем, вплив часу виробничого простою автотранспорту та швидкості руху з вантажем на витрати на функціонування підсистем, вплив швидкості руху з вантажем та швидкості руху без вантажу на витрати на функціонування підсистем. Оптимальним значенням для зменшення витрати на функціонування підсистеми “Переробка сировини” є: значення виробничого простою 4–5 хв, швидкості руху автотранспорту без вантажу 9 хв, швидкості руху автотранспорту з вантажем 9 км/год. Оптимальним значенням для зменшення витрати на функціонування підсистеми “Збут сировини” є: значення виробничого простою 4–6 хв, швидкості руху автотранспорту без вантажу 14–16 хв, швидкості руху автотранспорту з вантажем 13–15 км/год. Оптимальним значенням для зменшення витрати на функціонування підсистеми “Надходження сировини” є: значення виробничого простою 4–5 хв, швидкості руху автотранспорту без вантажу 7–8 км/год, швидкості руху автотранспорту з вантажем 10 км/год
1. Chislov, O., Bogachev, V., Zadorozhniy, V., Kravets, A., Bakalov, M., & Bogachev, T. (2021). Mathematical modeling of cargo flow distribution in a regional multimodal transportation system. Transport Problems, 16(2), 153-165. doi: 10.21307/tp-2021-031 (in English).
https://doi.org/10.21307/tp-2021-031
2. Jahed, A., Tavakkoli Moghaddam, R. (2021). Mathematical modeling for a flexible manufacturing scheduling problem in an intelligent transportation system. Iranian Journal of Management Studies, 14(1), 189-208. doi: 10.22059/ijms.2020.261618.673203 (in English).
3. Pavlenko, O., Velykodnyi, D., Lavrentieva, O., Filatov, S. (2020). The Procedures of Logistic Transport Systems Simulation in the Petri Nets Environment. In Ceur workshop proceedings, 2732, (pp. 854-68). (in English).
4. Barykin, S. Y., Kapustina, I. V., Sergeev, S. M., & Yadykin, V. K. (2020). Algorithmic foundations of economic and mathematical modeling of network logistics processes. Journal of Open Innovation: Technology, Market, and Complexity, 6(4), 189. doi: 10.3390/joitmc6040189 (in English).
https://doi.org/10.3390/joitmc6040189
5. Tavasszy, L. A. (2020). Predicting the effects of logistics innovations on freight systems: Directions for research. Transport Policy, 86, A1-A6. doi: 10.1016/j.tranpol.2019.11.004 (in English).
https://doi.org/10.1016/j.tranpol.2019.11.004
6. de la Torre, R., Corlu, C. G., Faulin, J., Onggo, B. S., & Juan, A. A. (2021). Simulation, optimization, and machine learning in sustainable transportation systems: models and applications. Sustainability, 13(3), 1551. doi: 10.3390/su13031551 (in English).
https://doi.org/10.3390/su13031551
7. Zhang, Y., Kou, X., Song, Z., Fan, Y., Usman, M., & Jagota, V. (2022). Research on logistics management layout optimization and real-time application based on nonlinear programming. Nonlinear Engineering, 10(1), 526-534. doi: 10.1515/nleng-2021-0043 (in English).
https://doi.org/10.1515/nleng-2021-0043
8. Bučková, M., Skokan, R., Fusko, M., & Hodoň, R. (2019). Designing of logistics systems with using of computer simulation and emulation. Transportation Research Procedia, 40, 978-985. doi: 10.1016/j.trpro.2019.07.137 (in English).
https://doi.org/10.1016/j.trpro.2019.07.137
9. Yazdani, M., Pamucar, D., Chatterjee, P., Chakraborty, S. (2020). Development of a decision support framework for sustainable freight transport system evaluation using rough numbers. International Journal of Production Research, 58(14), 4325-4351. doi: 10.1080/00207543.2019.1651945 (in English).
https://doi.org/10.1080/00207543.2019.1651945
10. Devendra K. P., Lakshman S. Thakur, Shams R. (2019) Performance evaluation framework for sustainable freight transportation systems, International Journal of Production Research, 57(19), 6202-6222. doi: 10.1080/00207543.2019.1602741 (in English).
https://doi.org/10.1080/00207543.2019.1602741
11. Nassim M., Nadia H., Laurent D. (2021) Sustainable Freight Transport Association. Journal of the Society for Operational Research, 72 (10), 2180-2195. (in English).
https://doi.org/10.1080/01605682.2020.1772022
12. Guo, Z., Zhang, Y., Zhao, X., Song, X. (2020). CPS-based self-adaptive collaborative control for smart production-logistics systems. IEEE Transactions on Cybernetics, 51(1), 188-198. doi: 10.1109/TCYB.2020.2964301 (in English).
https://doi.org/10.1109/TCYB.2020.2964301
13. Kernychniy, B., & Radynskiy, S. (2021). Metodychnyi instrumentarii otsiniuvannia efektyvnosti upravlinnia transportno-lohistychnym obsluhovuvanniam promyslovoho pidpryiemstva [Methodical tools for evaluating the effectiveness of transport and logistics services management of an industrial enterprise]. Innovative Solution in Modern Science, 7(43), 169-191. doi: 10.26886/2414-634X.7(43)2020.11 (in Ukrainian).
https://doi.org/10.26886/2414-634X.7(43)2020.11
14. Shramenko, N., & Muzylyov, D. (2020). Forecasting of overloading volumes in transport systems based on the fuzzy-neural model. In Advances in Design, Simulation and Manufacturing II: Proceedings of the 2nd International Conference on Design, Simulation, Manufacturing: The Innovation Exchange, DSMIE-2019. (pp. 311-320). (in English).
https://doi.org/10.1007/978-3-030-22365-6_31