Прогнозирование в логистике

Размещено на http://www.allbest.ru/

СОДЕРЖАНИЕ

Введение

Глава I. Прогнозирование в логистике

Глава II. Планирование в логистике

Глава III. Выбор, оценка и применение методов прогнозирования и планирования в логистике

Заключение

Список использованной литературы

Введение

Развитие рыночной экономики предполагает постоянное увеличение предложения над спросом. В этой ситуации ориентация всех предприятий подчиняется поиску наиболее эффективных способов привлечения и удержания потребителей. Тезис "создать потребителя" становится обобщением всех целевых установок любого предприятия. Достижение цели в такой постановке связано с удовлетворением всего спектра потребностей потребительского рынка по профилю выпускаемой продукции или видов услуг. Для этого необходимо налаживать тесные связи и постоянное взаимодействие функциональных подсистем всей совокупности предприятий-производителей, потребителей готовой продукции и поставщиков ресурсов, а также разработки и внедрения принципиально нового подхода в планировании производственных мощностей. Расширяются и усложняются функции самого предприятия как производственно-хозяйственной единицы.

Идеи нового подхода в планировании должны основываться на стремлении увеличить результативность работы предприятия (или производственной системы) с учетом требований международных стандартов, в отличии от режима плановой экономики, когда целевые установки ориентированы на сокращение затрат. Управление предприятием должно осуществляться не по принципу непосредственного реагирования, а основываться на планировании упреждающих воздействии. Необходимо выходить на уровень осуществления интеграции планирования и контроля операций по организации производства с операциями маркетинга, сбыт, снабжения и финансов, организации единой логистической системы, охватывающей все подразделения предприятия. Это должно способствовать увязке часто противоречивых целей различных функциональных подсистем и подразделений.

Подобный подход к изучению производственно-хозяйственной деятельности предприятий возник на Западе в 20-е - 30-е годы нашего столетия и, развиваясь, сформировался в самостоятельное направление научно-практической деятельности, получившей название логистики.

Термин "логистика" в организационно-экономические науки пришел из французского языка и происходит от французского слова "loger" (размещение, расквартирование), которое употребляется в военной терминологии для определения движения военных грузов, их складирования и размещения, а также в смысле размещения и расквартирования военных подразделений.

В настоящее время термин "логистика" широко используется в деловом мире и определяет теорию и практику движения сырья, материалов, производственных, трудовых и финансовых ресурсов, готовой продукции от их источника к потребителю.

С 1974 года в литературе и в практике утвердилось следующее определение логистики: Логистика - наука о планировании, управлении и контроле за движением материальных, информационных и финансовых ресурсов в различных системах.

Настоящее определение было сформулировано и принято Первым Европейским Конгрессом по логистике, проходившем в Берлине с 20 по 22 марта 1974 года.

Логистика, хотя и имеет глубокие исторические корни, тем не менее, сравнительно молодая наука. Особенно бурное развитие она получили в период второй мировой войны, когда была применена для решения стратегических задач и четкого взаимодействия оборонной промышленности, тыловых и снабженческих баз и транспорта с целью своевременного обеспечения армии вооружением, горюче-смазочными материалами и продовольствием. Постепенно понятие и методы логистики стали переносить из военной области в гражданскую, вначале как нового научного направления о рациональном управлении движением материальных потоков в сфере обращения, а затем и в производстве.

Подразделения логистики созданы на предприятиях промышленности, аграрно-промышленного комплекса, транспорта, они включаются в состав организационных комитетов по проведению крупных международных соревнований и т.д.

К концу XX века логистическая наука выступает как дисциплина, включающая в себя закупочную и снабженческую логистику, логистику производственных процессов, сбытовую, или распределительную, логистику, транспортную логистику, информационную, или компьютерную, логистику и ряд других.

Предметом логистики является комплексное управление всеми материальными и нематериальными потоками в системах.

Новизна концепции логистики к управлению промышленными системами состоит во всестороннем комплексном подходе к вопросам движения материальных благ в процессе производства и потребления. Логистическая система должна охватывать и согласовывать процессы производства, закупок и распределения продукции, а также быть основой при стратегическом планировании и прогнозировании.

Глава I. Прогнозирование в логистике

Прогнозирование - процесс получения прогностической информации. Прогноз:

1) вероятностное представление о появлении событий в будущем, основанное на наблюдениях и теоретических положениях;

2) обоснованное суждение о вероятности наступления одного или нескольких событий или о возможных состояниях процесса(явления);

3) суждение о будущем периоде времени.

Процедура прогнозирования:

1) определение объектов прогноза;

2) отбор объектов, которые прогнозируются;

3) определение временных горизонтов прогноза - краткосрочный прогноз, среднесрочный или долгосрочный;

4) отбор модели (моделей) прогнозирования;

5) сбор данных, необходимых для прогноза;

6) обоснование модели прогнозирования;

7) составление прогноза;

8) отслеживание результатов.

При планировании и управлении логистическими операциями часто используются различные методы и модели прогнозирования. От точности и достоверности прогнозов потребительского спроса, расходования материальных ресурсов, уровня запасов и т. п. напрямую зависит эффективность реализации практически всех логистических концепций, особенно JIT, DDT. Логистические менеджеры в своей практической деятельности используют различные методы прогнозирования в зависимости от требуемой точности (достоверности), объема и вида исходной информации и других факторов, причем в большинстве случаев для этой цели применяются стандартные или индивидуальные компьютерные программы.

Существуют три основные категории методов прогнозирования: качественные методы, методы динамических рядов и причинно-следственные методы. Качественные методы выводят прогнозы на будущее из экспертных оценок и специальной информации. При этом можно учитывать результаты прошлых периодов, а можно ими пренебречь. Методы динамических рядов при построении прогнозов оперируют исключительно данными прошлых периодов и их динамикой. Причинно-следственные методы, такие как регрессия, нацелены на выявление взаимосвязей между изменением независимых переменных и прогнозируемыми событиями.

Качественные методы прогнозирования. Качественные методы ориентируются на суждения экспертов, требуют довольно много времени и являются относительно дорогостоящими. Они идеальны в ситуациях, где не нужно много статистики, а главное -- это опыт и суждения менеджеров. Примером может служить использование мнения торговцев о перспективах сбыта нового продукта или о перспективах торговли в новом районе. Но эти методы отнимают слишком много времени, а потому малопригодны в логистике. Качественные методы прогнозирования опираются на результаты опросов, анкетирования и конференций.

Методы динамических рядов. Это методы статистического анализа данных за прошлые периоды, для которых характерны относительно ясные и стабильные тенденции и взаимосвязи. Динамический анализ используют для выявления: (1) систематических колебаний под влиянием сезонных факторов; (2) циклических колебаний; (3) выраженных тенденций; (4) темпов роста в рамках этих тенденций. Методы динамических рядов опираются на предпосылку, что будущее похоже на прошлое, а стало быть, существующая структура спроса сохранится и в будущем. В краткосрочной перспективе такое предположение часто оказывается верным. Поэтому для краткосрочных прогнозов именно эта техника является наиболее подходящей. Но точность результатов здесь напрямую зависит от стабильности модели спроса.

Когда темпы роста или устойчивая тенденция резко меняются, в модели спроса возникает точка перелома. Поскольку методы динамических рядов оперируют данными за прошлые периоды и средневзвешенными величинами, они обычно не пригодны для выявления точек перелома. Поэтому, когда есть основания ожидать возникновения точки перелома, нужно применять и другие методы прогнозирования.

Техника динамических рядов включает в себя несколько методов разной степени сложности. Ниже мы рассмотрим четыре из них в порядке усложнения: метод скользящей средней, метод экспоненциального сглаживания, метод расширенного сглаживания и метод адаптивного сглаживания.

Скользящая средняя. В прогнозировании по методу скользящей средней используются средние показатели продаж за последние периоды. Можно рассчитать средние величины за любое число периодов, но обычно берут средние за один, три, четыре или двенадцать периодов. Когда используют среднюю за один период, то именно ее значение и служит прогнозной оценкой объема продаж на будущий период. Если нужна скользящая средняя за двенадцать периодов -- скажем, месяцев, -- то ее вычисляют на основе средних каждого из двенадцати последних месяцев. Когда оканчивается очередной месяц, мы берем среднюю за этот месяц и отбрасываем среднюю за первый. Так что данные все время обновляются, а количество учитываемых периодов остается постоянным.

Скользящую среднюю легко вычислить, но у этого показателя есть некоторые ограничения. Прежде всего, он нечувствителен к изменениям, к тому же для составления прогнозов на его основе нужно хранить и постоянно обновлять крупные массивы данных. Если в прошлом объем продаж испытывал значительные колебания, средняя величина не может служить надежной основой для прогноза. Скользящая средняя учитывает только базовый элемент прогноза (базовый спрос) и оставляет в стороне остальные элементы.

Для преодоления этих недостатков был разработан модифицированный метод скользящей средневзвешенной, в котором больший вес присваивается данным за более поздние периоды. Одна из разновидностей метода скользящей средневзвешенной -- экспоненциальное сглаживание.

Экспоненциальное сглаживание. При использовании метода экспоненциального сглаживания оценка будущего объема продаж основывается на средневзвешенной величине продаж за предыдущий период и на прогнозных значениях спроса. Новый прогноз равен старому прогнозу, измененному на некую долю разности между значением старого прогноза и фактическим объемом продаж за последний прошедший период.

Главное преимущество метода экспоненциального сглаживания в том, что он позволяет быстро рассчитывать новые значения прогнозов, не требуя для этого больших массивов данных за прошлые периоды и обновления информации. Благодаря этому свойству метод экспоненциального сглаживания очень подходит для программирования с применением компьютерных средств. Изменяя значение коэффициента сглаживания, можно изучать и изменять чувствительность метода к изменениям.

При использовании метода экспоненциального сглаживания самым ответственным решением является выбор значения альфафактора. Если он равен 1,0, тогда объем продаж за последний прошедший период и есть прогноз на ближайший будущий период. При очень малом значении альфафактора -- скажем, 0,01 -- метод становится почти идентичным методу скользящей средней. Когда значение альфафактора велико, прогноз оказывается очень чувствительным к изменениям. При низком значении альфафактора метод слабо реагирует на изменения, а значит, и на случайные колебания спроса. В то же время этот метод не делает различий между сезонными и случайными колебаниями, а в силу этого не устраняет потребности в экспертных оценках. Выбирая значение альфафактора, прогнозист вынужден находить компромисс между полным отсечением случайных колебаний и высокой чувствительностью прогноза к изменениям спроса.

Расширенное сглаживание. Базовую модель можно расширить так, чтобы она учитывала долгосрочные тенденции и сезонный фактор. Соответствующие разновидности метода называют экспоненциальным сглаживанием с учетом тенденций и экспоненциальным сглаживанием с учетом сезонного фактора.

Расширенное экспоненциальное сглаживание включает в расчет тенденции и сезонный фактор, когда конкретное значение этих элементов поддается четкому определению. Формула расширенного экспоненциального сглаживания похожа на базовую формулу, только она содержит три элемента и три константы, представляющие базовый спрос, временную тенденцию и сезонный фактор.

Этот метод тоже позволяет быстро рассчитать прогнозные значения при минимальном запасе данных. Чувствительность метода зависит от значения констант. Чем выше значение константы, тем сильнее чувствительность к колебаниям объема продаж, однако порой это ведет к их переоценке. Главная особенность расширенного метода -- способность напрямую учитывать тенденции и сезонный фактор -- составляет его несомненное преимущество, но одновременно и слабость. Этот метод зачастую оказывается чрезмерно чувствительным, поскольку не располагает инструментами для придания правильных весов разным элементам прогноза. Такая сверхчувствительность чревата снижением точности прогнозов.

Адаптивное сглаживание. Метод адаптивного сглаживания предполагает постоянный пересмотр выбранных значений альфафактора. Коэффициент пересматривают по завершении каждого прогнозного периода и определяют то его значение, при котором прогноз был бы безошибочным. Таким образом, субъективная оценка менеджеров отчасти заменяется систематической и последовательной корректировкой альфафактора.?

Более изощренные разновидности адаптивного сглаживания построены на автоматическом отслеживании сигналов, предупреждающих о погрешностях и ошибках. Когда обнаруживается сигнал, вызванный слишком большой ошибкой, значение константы автоматически увеличивается, что делает прогноз более чувствительным к сглаживанию в предыдущие периоды. Если в последнем периоде объем продаж претерпевал значительные изменения, такая повышенная чувствительность уменьшит погрешность прогноза. Когда погрешность прогноза уменьшается, сигнал автоматически возвращает константу к ее первоначальному значению.

Метод адаптивного сглаживания обладает свойством самокоррекции, то есть подстраивания собственной чувствительности под текущую ситуацию. Хотя этот метод был специально разработан для систематического преодоления ошибок, его слабость -- в склонности к чрезмерным реакциям, когда случайная погрешность воспринимается как проявление тенденции или сезонного фактора. Такое ошибочное истолкование может стать причиной роста величины погрешностей в будущем.

Причинно-следственные методы прогнозирования. Эти методы прогнозирования основаны на регрессионной оценке объема продаж по каждой единице хранения с учетом влияния независимых факторов. Например, продажа кофе на стадионе во время футбольных матчей обычно есть функция температуры воздуха. Чем холоднее, тем больше кофе выпивают болельщики.

Приведены соответствующие данные за два сезона. Уравнение линейной регрессии, в котором независимой переменной (или так называемым факторным признаком) является температура воздуха, придает указанному соотношению количественные параметры 7. Из уравнения регрессии (у = 49,775 -- 0,45х) следует, что с повышением температуры воздуха на каждый градус (значение х увеличивается на 1,0° по шкале Фаренгейта) потребление кофе сокращается на 450 чашек (0,450 х 1°р х Ю00 чашек). Коэффициент корреляции (г2), обычно используемый в регрессионном анализе, определяет пропорциональное соотношение между изменениями (вариациями) зависимой (потребления кофе) и независимой (температура воздуха) переменных. Коэффициент корреляции может принимать любые значения от 0 до 1, и значение 1 указывает на наличие абсолютной прямой связи между вариациями независимой и зависимой переменных.

Так, в нашем примере 88% изменений в потреблении кофе объясняются изменениями температуры воздуха.

При выявлении тесной корреляционной связи между двумя переменными (как между температурой воздуха и спросом на кофе) прогнозировать будущие события нетрудно. В нашем примере ожидаемый спрос на кофе, чашки, сахар и сливки можно рассчитать заранее, исходя из прогноза погоды. Когда удается найти независимую переменную (факторный признак), причинно-следственные, или регрессионные, методы прогнозирования работают очень хорошо. Но в логистике такие ситуации встречаются не особенно часто. Если прогнозирование спроса на какой-либо продукт базируется на единственном независимом факторе, мы говорим о простом регрессионном анализе. Если же факторных признаков два или больше, применяется так называемая множественная регрессия.

Этот метод прогнозирования опирается на корреляционную связь между факторным, или предсказуемым, событием и зависящим от него объемом продаж конкретного продукта (результирующим событием). Если существует тесная и стабильная корреляция между независимым фактором и объемом продаж, нет необходимости в причинно-следственной связи между ними. Наличие корреляции означает, что прогнозируемым продажам предшествует некое предопределяющее их независимое событие -- скажем, продажа сопутствующего товара. Но более надежные результаты прогнозирования дает регрессия на основе причинно-следственных связей. Поскольку регрессионный анализ позволяет эффективно учитывать влияние внешних факторов и событий, причинно-следственные методы больше подходят для составления долгосрочных или интегрированных прогнозов. Например, их обычно используют для прогнозирования годового или общенационального объема продаж.

Глава II. Планирование в логистике

Задача планирования логистики -- разработать проекты, устанавливающие на перспективу определенные параметры логистической деятельности, в результате чего достигается цель логистической системы предприятия.

Планирование логистики:

· упорядоченный, основанный на переработке логистических данных процесс разработки логистического проекта, определяющий параметры для достижения целей в будущем;

· формирование управленческих решений на основе прогнозирования будущих событий в области логистической деятельности предприятия;

· «предвосхищающее решение», т. е. под планируемым решением понимают такое решение, которое вырабатывается по времени раньше наступления данных событий.

Цель концептуального планирования -- предотвратить распыление ресурсов предприятия на слишком большое число разрозненных действий (акций).

Признаки планирования приведены на рисунке 1:

Этапы планирования приведены на этом рисунке 2:

Виды планирования по срокам:

· стратегическое. Представляет собой деятельность по выработке плана с дальним прицелом. Эта деятельность касается форм и способов поддержания существующего уровня бизнеса, его развития в условиях постоянно изменяющейся внешней среды. При стратегическом планировании формулируются только глобальные цели и стратегии, соотносимые с отрезками времени от 10 до 20 лет; » долгосрочное. Конкретизируются планы инвестиций и программы обслуживания потребителей. Долгосрочное планирование охватывает, как правило, отрезок времени до 10 лет;

· среднесрочное. Задачей среднесрочного планирования является создание предпосылок для реализации программ долгосрочного планирования. При этом учитываются финансовый, экономический, технический и технологический аспекты планирования. Его временной промежуток -- около пяти лет -- определяется прежде всего потребностью во времени, необходимом для инвестиций и особенно для подготовки оборудования и помещений, изготовления специального оборудования;

· бюджетное;

· скользящее краткосрочное.

При стратегическом планировании рекомендуется:

· избегать рискованных решений;

· тщательно анализировать благоприятные возможности;

· четко поддерживать баланс различных сил, оказывающих влияние на результаты логистической деятельности предприятия;

· отдавать предпочтение тем видам деятельности, которые приводят к укреплению связей внутри логистической системы предприятия.

Виды планирования по функциональным областям приведены на рисунке 3:

Система планирования -- это упорядоченная структура отдельных частей планирования.

Требования к системам планирования:

· документальное обеспечение. Для согласования плановых расчетов и контроля над выполнением планов важно, чтобы их основные составные части были документированы. Качественная плановая документация облегчает выполнение указанных выше задач и положительно влияет на достижение цели. Система документации может стоить дорого, но эти затраты, как правило, окупаются;

· организованность. В системе планирования устанавливается определенный организационный режим. Заорганизованность и отсутствие способности к импровизации снижают гибкость системы планирования. Система планирования с разумной степенью организованности оптимальным образом адаптируется к постоянно меняющимся условиям и факторам внешней среды;

· стандартизация;

· полнота;

· точность. Очень важно правильно выбрать, с какой степенью точности должны быть измерены характеристики объектов планирования, а также правильно определить элементы и содержание плана;

· согласованность. Все частные планы системы планирования интегрируются и координируются. Согласованность планов касается прежде всего составных частей плана и отношений между отдельными планами. С позиции содержания планов можно согласовывать цели, прогнозы, мероприятия, средства, действия лиц, ответственных за планы и сроки. Требуется согласование отдельных планов по степени необходимости, срочности, иерархии, последовательности и гибкости.

Интеграция планов -- согласование планов различных рангов. Координация планов -- согласование планов одного ранга. Координация планов представляет собой интегрированный подход к планированию работы системы:

· разработку взаимоувязанных планов обработки материального потока;

· разработку стандартов и технических условий на выполнение логистических процедур.

Экономическое планирование обеспечивает информацией, полезной при оценке общих тенденций цены, стоимости, заработных плат и других расходов. Сетевое планирование включает в себя разработку сетевых моделей и графиков.

Глава III. Выбор, оценка и применение методов прогнозирования и планирования в логистике

Выбор метода построения прогноза в каждой конкретной ситуации - дело достаточно сложное, поскольку, как правило, существует несколько альтернатив. Остановлюсь на основных моментах.

На первом этапе следует определиться с размером выборки, на которой будет строиться прогноз. Если данных мало, рекомендуется использовать экспертные оценки.

Если используется экспертное оценивание, следует ответить на следующие вопросы:

подразумевает ли постановка задачи возможность взаимодействия между лицами, принимающими решения;

следует ли ожидать существенных для системы в целом событий, и, если ответ на этот вопрос утвердительный, будет ли проводиться анализ стратегии развития.

В ситуации, когда исследователь располагает достаточным объемом наблюдений, чтобы применять статистические методы, следует определиться с природой изучаемых данных.

Если есть возможность выдвинуть гипотезы о структуре ожидаемых взаимосвязей, оправдано применение эконометрических моделей.

В ситуации, когда работаем с временным рядом и нет дополнительных объясняющих факторов, рекомендуется использовать экстраполяцию. Если же при отсутствии объясняющих факторов имеется возможность получить оценку специалиста в данной области, следует разработать системы рекомендаций, как поступать при каждом типе ответа.

Если работаем не с временным рядом и отсутствует априорная информация о структуре взаимосвязей, следует рассматривать две альтернативы:

если нет возможности привлечь эксперта из данной отрасли - подбирается товар-аналог и прогнозируем по нему;

в противном случае используется экспертная оценка.

При построении прогноза следует помнить о том, что не всегда представляется возможным точно определить условия, в которых мы находимся. В такой ситуации оправдано строить оценки, применяя различные методы анализа, и затем выбирать наиболее правдоподобную.

Проиллюстрирую примерами общую схему подходов к построению прогноза.

Размер рынка. В настоящем исследовании Институт Вин Новой Зеландии хочет спрогнозировать объем рынка белого вина на пять лет вперед. В распоряжении имеются данные о потреблении вина в прошлых периодах, а также набор факторов, оказывающих значимое влияние на спрос на вино. Эти факторы включают в себя величину и половозрастную структуру населения, располагаемый доход населения, а также уровень цен на товары-субституты (красное вино и прочие алкогольные напитки). Также, на основе проведенных ранее исследований можно получить оценки эластичности спроса по цене и по доходу.

Такой набор данных позволяет рекомендовать использовать эконометрическую модель.

Действия лиц, принимающих решения. Положим, что Институт Вин Новой Зеландии хочет оценить возможный эффект от протекционистской политики правительства и субсидирования местных производителей на некоторых новых экспортно-ориентированных рынках. В этой ситуации не приходится рассчитывать на исторические данные, а также следует рассчитывать на то, что контрагенты (правительства Новой Зеландии и торговые представительства иностранных государств) будут взаимодействовать, причем результат переговоров может оказать значимое влияние на объемы продаж.

Рекомендуется моделировать ситуацию с помощью ролевых игр, или привлекать экспертов.

Доля рынка. Пусть компания, производящая вина, хочет оценить, как повлияет новая маркетинговая стратегия на ее долю рынка. В данной ситуации в нашем распоряжении имеются данные о долях рынка, которые занимают конкурирующие бренды, и данные о их маркетинговой активности. Исходя из истории продаж, можно оценить эластичность доли рынка по таким факторам, как вложения в рекламу, акции по продвижению продукта и т.д.

Рекомендуется использовать эконометрические методы.

Продажи. Рассмотрю ситуацию, когда компания планирует посадить элитные сорта винограда, с которым отечественный потребитель еще не знаком. Оценивая перспективы продаж учитывается, что данных в нашем распоряжении немного, покупатели и продавцы могут взаимодействовать друг с другом и между собой, хотя и ограниченно, а также что проект представляет собой крупную инвестицию для компании.

Рекомендуется использовать методы, основанные на привлечении экспертов (Дельфин или бутстрапирование оценок), или покупателей (conjoint).

Заключение

логистика прогнозирование планирование эконометрический

В логистике как науке, находящиеся на стыке экономике, кибернетике, менеджмента, психологии и социологии, широко используется вся совокупность методов, теорий и видов анализа, которые разработаны и применяются для решения общих или локальных задач в сфере производства и обращения. Среди них нельзя выделить более или менее важные. Каждый из них в определенной ситуации может играть решающую роль в достижении поставленных целей.

С точки зрения логистики по ряду характерных признаков все методы можно условно объединить в четыре группы:

· метод анализа;

· метод прогнозирования;

· метод планирования;

· неформальные методы.

Совокупность экономико-математических методов, представляющая наиболее обширную методологическую группировку. Особую значимость для логистики в данной группе имеют методы разработки оптимальных решений. Они применяются в управлении для повышения качества принимаемых решений. Практически эти методы можно рассматривать как разновидности моделирования.

Список литературы

1. Гаджинский А. М. Логистика: Учебник для студентов высших учебных заведений. - 9-е изд., перераб. и доп. - М.: "Дашков и Ко, 2004.

2. Киршина М. В. Коммерческая логистика. - М.: Центр экономики и маркетинга, 2001.

3. Логистика: Учебник/ Под ред. Б. А. Аникина: 2-е изд. перераб. и доп. - М.: ИНФРА - М, 2000.

4. Лукинский В. Модели и методы теории логистики. - СПб.: Питер, 2003. - 176 с.

5. Модели и методы теории логистики: Классификация; Прогнозирование; Анализ: Учебное пособие для вузов /Под ред. Лукинского В.С. - СПб: Питер. - 2003. - 176 с.

6. Николайчук В. Е. Логистика в сфере распределения. - СПб: Питер, 2001.

7. Основы логистики: Учеб. пособие/ Под ред. Л.Б. Миротина, В.И. Сергеева. - М.: ИНФРА - М, 2000.

8. Семененкоит А. К универсальному пониманию сути и значения логистики// Логистика 2001. - №1.

9. Сивохина Н. П., Родионов В. Б., Горбунов Н. М. Логистика: Учеб. пособие. - М.: ООО "Издательство АСТ", ЗАО "РИК Русанова", 2000.

Размещено на Allbest.ru