Анализ индекса логистической инфраструктуры на основе методов визуализации многомерных данных

УДК: 311.21 + 164.01

Анализ индекса логистической инфраструктуры на основе методов визуализации многомерных данных

Олейник Никита Сергеевич

студент 1 курса магистратуры

Новосибирский государственный технический университет,

г. Новосибирск, Россия

E-mail: olejnik.2015@stud.nstu.ru

Научный руководитель – Щеколдин Владислав Юрьевич

кандидат технических наук, доцент кафедры маркетинга и сервиса

Новосибирский государственный технический университет,

г. Новосибирск, Россия

E-mail: raix@mail.ru

Logistics Performance Index analysis  using multidimensional data visualization methods

Oleinik Nikita Sergeevich

Master student, 1st year

Novosibirsk State Technical University, Novosibirsk, Russia

Scientific advisor – Shchekoldin Vladislav Yurievich

Candidate of Science in Engineering (Ph.D.),

Associate Professor of Marketing and Service Department,

Novosibirsk State Technical University, Novosibirsk, Russia

В работе обсуждается региональная и международная логистика, проблемы использования индекса эффективности логистики, а также способы их решения и анализа. В рамках исследования рассматривается выделение аномальных наблюдений на основе ABOD-подхода с применением многомерного шкалирования­ (ординация Орлочи, метод главных проекций Торгерсона).

Ключевые слова: логистика, LPI, многомерное шкалирование, выбросы

The paper discusses regional and international logistics, the problem of using Logistics Performance Index. As part of the analysis, the separation of anomalous observations by ABOD-algorithm using multidimensional scaling based on Orlochi’s ordination and Torgreson’s main projection methods is considered.

Key words: logistics, LPI, multidimensional scaling, outliers

В настоящее время особое внимание уделяется развитию региональной логистики в России, что связано со стремлением перейти от сырьевого пути развития в экономике к инновационному курсу. Логистика предлагает свои решения для оптимального использования ресурсов через интегрированные механизмы, связывающие отдельные секторы экономики региона. При этом одна из проблем состоит в том, что теория и, особенно, практика региональной логистики в нашей стране все еще находится в зачаточном состоянии.

Региональная логистика – направление в логистике, изучающее цепи поставок, проходящие через определенную территорию. Целью региональной логистики является обслуживание материальных и сопутствующих им потоков, проходящих через территорию, с оптимальными затратами, в зависимости от транспортных путей и распределительных центров региона.

Наряду с региональной логистикой необходимо отметить и международную, которая представляет собой стратегическое управление международными цепями поставок и координацию логистической деятельности их звеньев путем объединения операционной, финансовой, маркетинговой функций и контроля материального потока товаров, денежных средств и информации с учетом границ и экономик различных государств [2].

При анализе тенденций мировой логистики, а также региональной логистики отдельных стран, можно воспользоваться индексом логистической инфраструктуры, или эффективности логистики LPI (Logistic Performance index). LPI – это интерактивный инструмент сравнительного анализа, разработанный в Мировом банке, созданный для того, чтобы помочь странам выявить проблемы, с которыми они сталкиваются в своей деятельности в области логистики, и то, что они могут сделать для улучшения своих показателей [4]. Расчет LPI производится каждые два года на основе всемирного опроса более чем 5000 логистических операторов на местах (ритейлеров, глобальных экспедиторов, курьерских перевозчиков), дающий обратную связь о состоянии логистики в изучаемых странах. При этом достигается сочетание глубоких знаний стран, в которых они работают, обоснованность качественных оценок других стран, в которых они торгуют, и опыт использования глобальной логистической среды. Отзывы логистических операторов дополнены количественными данными об эффективности ключевых компонентов логистических цепей в странах их работы.

Таким образом, LPI формируется на основе качественных и количественных показателей. Он измеряет производительность по всей цепи логистических поставок внутри страны и предлагает две разные перспективы: международную и внутреннюю. Международный LPI обобщает качественные оценки страны в шести областях деятельности, предоставляемые ее торговыми партнерами: специалистами по логистике, работающими за пределами страны. Внутренний LPI объединяет качественные и количественные оценки страны, предоставляемыми специалистами по логистике, работающими в ней. Он включает подробную информацию о логистической среде, логистических процессах, а также данные о сроках и условиях поставок и затратах.

При анализе международного LPI возникает ряд трудностей. Во-первых, данные представляют собой наблюдения в многомерном пространстве, вследствие чего сложно понять взаимное расположение анализируемых стран. Во-вторых, для получения более полной информации необходимо анализировать данные разных лет, следовательно, сложно понять тенденции или же определить закономерности, и чем больше временной период, тем ситуация становится сложнее и неоднозначнее. Один из путей решения может состоять в привлечении методов визуализации многомерных данных, таких, например, как методы многомерного шкалирования.

Термин «многомерное шкалирование» был введен У. Торгерсоном (1952) [3]. Целью этой процедуры является выявление внутренней структуры исследуемого множества объектов, формируемой из набора факторов, по которым различаются объекты, и построение описания каждого объекта в терминах этих факторов. В нашем случае этот метод используется для выявления возможных особенностей в распределении стран по LPI.

Данными для исследований являются значения LPI за 2007, 2010, 2012, 2014, 2016 и 2018 гг. по 126 странам мира [4]. На основе простой ординации Орлочи [1] удалось свести шестимерные данные к двумерным, кластерный анализ которых методом Лювена (Louvain’s clustering) представлен на рис. 1. Анализ показывает, что четко выделены три группы: среди стран, относящихся к классу C2 (39%), преобладают страны высокими показателями LPI; в C3 (17%) – страны наименьшими значениями; в C1 (44%) – страны с промежуточными значениями показателей.

Рисунок 2. Кластерный анализ результатов ординации Орлочи

Результат, полученный на основе классического метода Торгерсона [3], оказался значительно хуже. Выявить общие черты у данных, принадлежащих разным классам, не удалось. При этом распределение по группам выглядит следующим образом: C1 (45%), C2 (36%), C3 (19%). Ситуацию удалось улучшить путем применения синтеза алгоритмов ABOD и CCA [5]: он позволил выделить выбросы, среди которых явно выделяются Швеция, Бельгия, Нидерланды, Сингапур, Швейцария и Германия, которые, если сравнить со списком Aggregated LPI на сайте Мирового банка, окажутся среди лучших 15 стран. Исключая эти «элитные» страны и проведя повторную кластеризацию, получим результаты, изображенные на рис.2. Здесь в классе C3 (10%) преобладают страны с высокими показателями LPI, в C2 (40%) – страны с промежуточными значениями, а также C1 (60%) – страны с наименьшими значениями.

Рисунок 3. Классификация по синтезу ABOD и метода главных проекций Торгерсона

Таким образом, синтез метода простой ординации Орлочи и кластеризации Лювена дал хорошие результаты в плане построения удобной визуализации многомерных данных. При этом следует отметить, что вследствие высокой однородности исходных данных более простая ординация Орлочи позволила получить приемлемые результаты, а более сложная комбинация кластеризации с методом главных проекций Торгерсона не привела к улучшнию восприятия проекции. Кроме того, при использовании первого подхода Россия оказалась в группе стран с наименьшими показателями, тогда как во втором она была отнесена к классу с промежуточными значениями. Применение метода ABOD-CCA позволило улучшить ситуацию, но и здесь Россия оказалась в числе стран с промежуточными показателями. Анализ данных за 2012-2018 гг. позволяет заметить, что Россия смогла подняться с 90х до 70х позиций в рейтинге LPI, что, безусловно, является хорошей тенденцией (хотя, исходя из возможностей страны, это существенно ниже ее желаемого уровня). Специалисты по логистике связывают такое улучшение с проведением в России чемпионата мира по футболу, при подготовке к которому была существенно улучшена прежде всего транспортная инфраструктура западной части страны. Дальнейшая работа может быть направлена на изучение динамики движения стран в рейтинговых списках типа LPI, при этом использование предложенных в работе визуализаций дает удобный и наглядный инструмент для проведения таких исследований.

Библиографический список:

1. Олейник Н. С., Щеколдин В.Ю. Методы многомерного шкалирования в задаче визуализации данных больших размерностей // Наука. Технологии. Инновации: сб. науч. тр.: в 9 ч., Новосибирск, 2-6 дек. 2019 г. – Новосибирск: Изд-во НГТУ, 2019. – Ч. 2. – С. 214-217.
2. Полищук И.И. Логистика. Практикум – Мн.: Изд-во БГЭУ, 2012. – 362 с.
3. Торгерсон У.С. Многомерное шкалирование в психологии. Теория и метод. – В кн.: Статистическое измерение качественных характеристик. – АиТ, 1980, № 10.
4. Global Rankings 2018 / www.worldbank.org [Электронный ресурс]. – Режим доступа: https://lpi.worldbank.org/international/global/2018 (дата обращения: 25.03.2020)
5. Oleinik N.S., Shchekoldin V.Y. Study of the properties of geometric ABOD-approach modifications for outlier detection by statistical simulation // Statistical computation and simulation, AMSA'2019: proc. of the intern. workshop. – Novosibirsk: NSTU publ., 2019. – P. 389-395.

Материал размещен кафедрой «Логистика и маркетинг в АПК» Красноярского государственного аграрного университета