Размещено на http://www.allbest.ru/

Введение

Склады влияют на издержки обращения, на размер и движение запасов на различных участках логистической цепи, поэтому игнорирование рационального, логистического управления складами неизбежно ведет к увеличению стоимости товара. Следовательно, и к понижению конкурентоспособности предприятия, времени доставки готовой продукции, сырья и материалов от производителя к потребителю, а в некоторых случаях и к потере потребительских свойств товара. Именно поэтому уделяется большое внимание логистическому управлению складами, именно поэтому данная тема считается на сегодня актуальной и не только сегодня до тех пор, пока буду существовать товарно-денежные отношения.

Главной целью работы является, исследование, как в теории, так и в практике на примере многономенклатурных (многопродуктовых) поставок (заказов) при логистическом управлении складами и терминалами. А так же разработка рекомендаций по оптимизации данного процесса.

Постановка главной цели обусловила необходимость решения следующих задач:

Провести анализ существующих подходов в управлении процессом многономенклатурных поставок при логистическом управлении сладами и терминалами. многономенклатурный поставка заказ логистический

Рассмотреть состояние и тенденции современного рынка складских логистических процессов.



1. Многономенклатурные поставки при логистическом управлении складами.

1.1 Основная модель расчёта оптимального размера заказа. Учёт скидок при расчёте оптимальной партии заказа

Наиболее распространенной моделью прикладной теории лоrистики является модель оптимальноrо или экономичноrо размера заказа

Расчет производится на основе суммарных общих затрат C r , которые можно представить в виде Функции:

Се = Ск + Сз + Сх + Сд + Сл (8.1)

Затраты на приобретение Ск определяются стоимостью единицы продукции; в свою очередь, стоимость может быть постоянной или переменной при учете оптовых скидок, которые зависят от объема заказа.

Затраты на оформление заказа Сз представляют собой постоянные расходы, связанные с размещением заказа у поставщиков и ero TpaHC портировкой. Считается, что затраты Сз не зависят от объема заказа, что, на наш взrляд, являются дискуссионным.

Затраты на хранение запаса Сх отражают затраты на содержание и rрузопереработку запаса на складе; затраты С х включают как процент на инвестированный капитал, так и стоимость хранения, coдepжания и ухода.

Потери от дефицита запаса Сд включают, во-первых, потенциальные потери прибыли из-за отсутствия запаса, во-вторых, возможные потери из-за утраты доверия покупателей.

В общую зависимость (8.1) включен еще один вид затрат, который мы назвали «Cкpытые» или «Латентные».

Это те затраты, которые реально существуют, но не учитываются в расчетных моделях. Примером таких затрат являются расходы на хранение продукции в контейнерах, кузовах автомобилей или железнодорожных вагонах при разгрузке транспортных средств, прибывающих на склад. К «скрытым» можно отнести, на наш взгляд, затраты, которые отражают взаимозависимость и взаимовлияние текущего и страхового запасов. К сожалению, эти вопросы еще не получили должного освещения в литературе по логистике.

Очевидно, что учет различного количества слагаемых в Формуле (8.1) приводит к многовариантности расчетных формул для определения EOQ. Рассмотрению некоторых из них посвящен данный раздел.

Основная модель расчета оптимального размера

заказа.

При формировании основной модели расчета EOQ в качестве критерия оптимизации принимается минимум общих затрат C _? , включающих затраты на выполнение заказов С_з и затраты на хранение запаса на складе С_х в течение определенного периода времени (год, квартал ит. п.):

=+, (8.2)

Где Со- затраты на выполнение одного заказа, руб.; А- потребность в заказываемом продукте в течении данного периода, шт.; Cn - цена единицы продукции, хранимой на складе, руб. i - доля от цены Сn, приходящейся на затраты по хранению; S- искомая величина заказа, шт.

На рис. 8.1 предоставлены составляющие затрат Сз и Сх и сумарные затраты С? в зависимости от размера заказа.

Из рис. 8.1 видно, что затраты на выполнение заказов с увеличением размера заказа уменьшаются, подчиняясь гиперболической зависимости(кривая 1); затраты на хранение партии поставки возрастают прямо пропорционально размеру заказа(линия 2); кривая общих затрат(кривая 3); имеет вогнутый характер, что говорит о наличии минимума, соответствующего оптимальной партии Sv.

Значение оптимума So совпадает с точкой пересечения зависимостей Сз и Сх. Это объясняется тем, что абсцисса точки пересечения S находится из решения уравнения.

(8.3)

т.е.

(8.4)

При других зависимостях Сз = f(S) и Cx = f (S) указанное совпадение может не наблюдаться, и в этом случае необходимо применить процедуру оптимизации. Так, для функции (8.2) находим:

(8.5)

Решая уравнение (8.5), приходим к формуле (8.4) для определения EOQ.

Зная So нетрудно определить кол-во знаков:

(8.6)

Минимальные суммарные затраты за рассматриваемый период:

(8.7)

Время между заказами:

(8.8)

Где Др - продолжительность рассматриваемого периода.

Если речь идёт о количестве рабочих дней в году, то Др = 260 дн., если о количестве недель, то Др = 52 недели, в общем случае Др = 365 дн.

Формула (8.4) получена при большом количестве допущений:

· Затраты на выполнение заказа С_о, цена поставляемой продукции С_n и затраты на хранении единицы продукции в течении рассматриваеиого периода постоянны;

· Период между заказами (поставками) постоянный, т.е. Т_з= const;

· Заказ So выполняется полностью мгновенно;

· Интенсивность спроса л= S_o/T₃ - постоянна;

· Емкость склада не ограничена;

· Рассматриваются только текущие (регулярные) запасы, другие виды запасов( страховые, подготовительные, сезонные, транзитные и т.д.) не учитываются.

Учет скидок при расчете оптимальной партии заказа.

Не менее важным условием , которое необходимо учитывать при расчете EOQ, являются скидки. Известно, что при покупке партии товара большинство фирм дает скидки, величина которых зависит от размера партии S. Наиболее часто в работах по управлению запасами приводятся дискретные зависимости, отражающие взаимосвязь цены единицы продукции Сnj и размера партии Sj, при этом возможны различные варианты (табл. 8.4).

Таблица(8.4)

Изменение цены единицы продукции и затрат на хранение в зависимости от размера партии поставки

Размер поставки, ед.	Цена единицы продукции, у.е.	Вариант учёта затрат на хранение
		Первы(f=0,24)	Второй ,у.е. (f=0,24)	Третий
				Cf	Cnf, y.e.
1-99	2,5	Cnf =0.6	0,60	0,24	0,6
100-199	2,0		0,48	0,20	0,4
200 и более	1,8		0,43	0,20	0,36

Первый вариант, когда цена меняется, а затраты на хранение остаются такими же, т.е. не зависят от изменения цены. С учётом (8.1) и (8.2) зависимость суммарных затрат записывается в виде:

(8.18)

В результате расчёта получаем семейство кривых для суммарных затрат С _? (q), при этом оптимальная партия заказа не зависит от величины скидок и определяется по формуле(8.4).

1.2 Прогнозирование потребности в продукте на планируемый период

Основные положения теории прогнозирования.

В снабженческой, производственной и распределительной логистике широко используются методы прогнозирования, поскольку прогнозные оценки развития анализируемых процессов являются основой принятия управленческих решений при оперативном, тактическом и стратегическом планировании. От точности и надежности прогноза зависит эффективность реализации различных логистических операций и функций: от оценки вероятности дефицита продукции на складе до выбора стратегии развития фирмы.

Различным аспектам теории прогнозирования посвящено значительное количество исследований. В большинстве работ прогноз определяется как вероятностное научно обоснованное суждение о перспективах, возможных состояниях того или иного явления в будущем и/или об альтернативных путях и сроках их осуществления. Под методологией прогнозирования понимается область знаний о методах, способах и системах прогнозирования, а именно:

· метод прогнозирования -- способ исследования объекта, направленный на разработку прогноза;

· методика прогнозирования -- совокупность одного ИЛД? нескольких методов;

· система прогнозирования -- упорядоченная совокупность методик и средств реализации.

Известно, что теория прогнозирования включает: анализ объекта прогнозирования; методы прогнозирования, подразделяющиеся на математические (формализованные) и экспертные (интуитивные); системы прогнозирования, в частности непрерывного, при котором за счет мониторинга осуществляется корректировка прогнозов в процессе функционирования обьекта.

Экспертные методы прогнозирования рекомендуется использовать в том случае, если:

· нет достаточной статистической информации об изменении ана

· лизируемого показателя и влияющих на него факторов;

· показатель не изменяется численно, а выражается качественны

· ми признаками;

· анализируемый показатель не может быть описан на основе эволюционного развития, поскольку изменяется скачкообразно и при

· рода этих изменений неизвестна.

Математические методы прогнозирования подразделяются на три группы:

· симплексные (простые) методы экстраполяции по временным

· рядам (метод наименьших квадратов, экспоненциальное сглаживание и др.);

· статистические методы, включающие корреляционный и регрессионный анализ, факторный анализ и др.;

· комбинированные методы, представляющие собой синтез различных вариантов прогнозов.

При формировании методики прогнозирования целесообразно, на наш взгляд, рассматривать прогноз в узком (I тип прогноза) и в широком (II тип прогноза) смысле.

В узком смысле прогноз выполняется при условии, что основные факторы, определяющие развитие прогнозируемого процесса или явления, не претерпят существенных изменений. Это позволяет выдвигать гипотезы о будущем развитии процессов и явлений, в значительной мере базирующиеся на анализе прошлого.

Прогнозы I типа осуществляются с применением симплексных или статистических методов на основе временных рядов. Для прогнозов I типа характерно, что:

число значимых переменных включает от 1 до 3 параметров, т. е.

по масштабности они относятся к сублокальным прогнозам;

при использовании одного параметра, например времени, такие

прогнозы считаются сверхиростыми, при двух-трех взаимосвя

занных параметрах -- сложными;

по степени информационной обеспеченности периода ретроспекции прогнозы 1 типа могут быть отнесены к объектам с полным

информационным обеспечением.

Для повышения точности и достоверности прогнозных оценок I типа целесообразно использование комбинированных методов, при этом желательно использование большого количества вариантов прогноза, рассчитанных на основе различных подходов или альтернативных источников информации.

Прогноз II типа (в «широком» смысле) подразумевает, что исходные данные для получения оценок определяются с использованием опережающих методов прогнозирования: патентного, публикационного и др. Как правило, прогнозы II типа используются для долгосрочного прогнозирования и разбиваются на два этапа: первый -- получение прогнозных оценок основных факторов; второй -- собственно прогноз развития процесса или явления. Учитывая объективную сложность и трудоемкость выполнения прогнозов II типа, можно констатировать, что наибольшее распространение получили методы прогнозирования I типа. В дальнейшем мы будем рассматривать только прогнозы I типа.

В ряде работ приводится более полная классификация методов прогнозирования и дается их подробная характеристика, например [47, 61, 63 и др.]. Некоторые методы иллюстрируются примерами, при этом не говорится, как ориентироваться в этих методах, какой из них лучше выбрать для прогноза на основе имеющихся данных.

На наш взгляд, для успеха в построении прогнозов знаний только о способах получения прогнозных оценок недостаточно. Важно четко разграничивать области применения разных методов прогнозирования и в зависимости от объема и характера данных быстро и безошибочно выбирать нужный метод в соответствии с целью получения конкретного прогноза.

Рассмотрим методы прогнозирования, требующие применения специальной вычислительной процедуры, в порядке увеличения объема исходных данных, необходимых для получения прогнозных оценок.

Простые методы сглаживания данных

К простым методам сглаживания данных можно отнести метод экспоненциального сглаживания с одним параметром и метод арифметического сглаживания. Важнейшая предпосылка любого метода сглаживания состоит в использовании последних данных ряда, поскольку информация имеет свойство устаревания, причем чем ближе данные к интервалу прогноза, тем их вес (или значимость) для прогноза должен быть больше. При прогнозировании по методу экспоненциального сглаживания с одним параметром прогнозируемое значение у\+ { в момент времени I + 1 представляет собой сумму фактического значения показателя ус и прогнозируемого значения у\ъ момент времени I.

Определение параметра сглаживания имеет большое значение для функционирования модели (7.1). В работе [35] даны следующие рекомендации по выбору параметра сглаживания:

если в модели наиболее значимым является именно последнее наблюдение, рекомендуется назначать большое значение а. В случае а - 1 прогнозное значение будет равно фактическому за предыдущий период;

если существует практически полное доверие ко всем данным временного ряда и игнорирование значимости последнего наблюдения, то а близко к 0;

если исследуемый показатель характеризуется низким уровнем случайных воздействий, но подвержен редким и значительным по величине скачкам, то следует выбирать относительно высокое значение а(а~ 0,5).

Модель (7.1) называется однопараметрической моделью Брауна, значение параметра а в которой должно подбираться путем последовательных приближений. Процедура подбора сводится к поиску такого значения а, которое обеспечивает наименьшую погрешность -- среднеквадратичное от клонение:

где п -- число учитываемых периодов времени (можно принять как число данных исходного ряда); тп -- количество параметров показательного сглаживания (модель (7.1) однопараметрическая, поэтому гп = 1).

Наилучшее значение параметра а может быть найдено с помощью процедуры Поиск решения М5 Ехсе1.

Для прогнозирования с использованием модели (7.1) помимо выбора параметра а важно задать начальное условие (или начальное предположение). Существует несколько способов определения начального условия. Во-первых, наиболее часто предполагается, что начальное условие равно фактическому значению показателя при I = 1. Заметим, что этот способ доступен при количестве исходных данных Ы>2. Во-вторых, в качестве начального условия выбирается среднее арифметическое значение, рассчитанное по всем доступным к началу прогнозирования данным. В-третьих, при большом объеме данных в качестве начального условия используется среднее значение нескольких наблюдений (например, первой трети имеющихся данных), которые далее не будут участвовать в модели прогнозирования (7.1).

Следует иметь в виду, что экспоненциальное сглаживание не является подходящим методом прогнозирования для монотонно возрастающих или убывающих статистических данных. В первом случае модель (7.1) даст всегда заниженный, а во втором -- завышенный прогноз. Метод можно скорректировать, включив в него направление изменения значений прогнозируемого показателя, и такой метод называется методом Хольта или экспоненциальным сглаживанием с учетом тренда. Этот метод мы рассмотрим немного позднее. Модель (7.1) также не может дать удовлетворительный прогноз, если исходные данные подвержены сезонным изменениям. В этом случае необходимы специальные методы прогнозирования.

Метод экстраполяции тренда

Суть метода экстраполяции тренда состоит в том, что закономерность, действующая внутри анализируемого временного ряда, выступающего в качестве базы прогнозирования, сохраняется и на период прогноза. Прогнозирование в этом случае можно свести к подбору аналитически выраженных моделей трендов типа у =/({) по данным предпро-гнозного периода и экстраполяции полученных трендов на интервале прогноза.

Расчетная формула для получения прогноза может быть записана в аддитивном и мультипликативном виде. Аддитивная модель прогноза имеет вид

где у* 1 -- прогнозные значения временного ряда; у( -- среднее значение прогноза (тренд); 5( -- составляющая прогноза, отражающая периодические колебания, которые повторяются через примерно одинаковые промежутки в течение небольшого промежутка времени (сезонные колебания или сезонная волна); V, -- составляющая прогноза, отражающая периодические колебания, повторяющиеся в течение длитель- ного промежутка времени (циклические колебания); г/( -- составляющая, позволяющая учесть другие важные для конкретного прогноза факторы, такие как фаза жизненного цикла и другие факторы, определяемые долгосрочной динамикой, или эффект от маркетинговых мероприятий [21; е, -- случайная величина отклонения прогноза, обусловленного стохастическим характером социально-экономических процессов (случайные колебания, характеризующиеся абсолютной нерегулярностью величины, частоты, направления возникновения, поэтому их предсказание на основе анализа временного ряда оказывается невозможным). Мультипликативная модель прогноза имеет вид

у\=у_сх1^1_г,х1₄+е₍, (7-5)

где /, -- коэффициент (индекс), учитывающий сезонные колебания; /р -- коэффициент (индекс), учитывающий циклические колебания; 1г1 -- коэффициент (индекс), учитывающий другие важные для конкретного прогноза факторы (фаза жизнентюго цикла, эффект от маркетинговых мероприятий и др.); Е, -- случайная величина отклонения прогноза.

Рассмотрим простой вариант, когда модели (7.4) или (7.5) содержат только составляющие у1 и ег Процедуру прогнозирования в этом случае можно представить в виде следующей последовательности.

Первый этап -- подбор зависимости для описания уравнения тренда. Видом функции задаются, обычно используются полиномы различных порядков, экспоненциальные, степенные функции и т. п. Параметры модели прогнозирования определяются методом наименьших квадратов (МПК), при этом модель тренда должна быть такой, чтобы сумма квадратов опстонений расчетных значений от фактических была бы наименьшей.

Если модель тренда является линейной: у*'( = п0 + п{ С, то расчет ко-эффициенгов уравнения я()п д( производится по формулам:

*'*УА; (7.6)

Второй этан -- продолжение полученного тренда за интервал значений, по которым строилась зависимость, или определение точечного прогноза. Для получения значения прогноза на 1-й год в уравнение тренда подстав, шюгея конкретные значения I. При этом важно помни гь о соотношении длины предпрогнозного периода и периода прогноза, их соотношение должно быть не менее чем 3 : 1.

Третий этап -- расчет ошибки прогноза. Тренд характеризует лишь средний уровень ряда на каждый момент времени, в том числе и на прогнозный период. Отдельные наблюдения в прошлом (на интервале наблюдения) отклоняются от линии тренда, это дает право предполагать, что н в будущем следует ожидать таких отклонений. Значит, прогноз имеет погрешность, которая помимо колебаний значений от среднего уровня объясняется еще и наличием неопределенности при определении параметров модели тренда, поскольку их оценивание производится на основе ограниченной совокупности данных. Погрешность прогноза можно оценить по среднеквадратнческому отклонению:

Погрешность прогноза отражается в виде доверительного интервала, с помощью которого точечный прогноз преобразуется в интервальный.

Четвертый этап -- определение интервала прогноза. Доверительный интервал прогноза при небольшом числе наблюдений и при предположении о нормальном распределении прогнозных оценок определяется следующим образом:

Ьу = у,±1_а$_г (7.9)

где га -- табличное значение /¦-критерия Стыодента с к степенями свободы и уровнем значимости р.



2. Многономенклатурные (многопродуктовых) поставки (заказов) при логистическом управлении складами и терминалами (на примере)

2.1 Характеристика предприятия и его достижения в области управления складским хозяйством

В 2010 году холдинг в который входило российское предприятие известное ранее на российском рынке логистических услуг под именем WELZ, вышел из состава группы компаний Он стал частью холдинга, объединяющий транспортную компанию специализирующуюся на перевозках в Западной Европе и логистическую компанию являющуюся экспертом в области организации перевозок и контрактной логистики в Австрии и странах Восточной Европы, включая бывшие страны СНГ.

Таким образом, в России появился новый брэнд

, ориентированный на предприятия, использующие преимущества сотрудничества с компанией, отличительной чертой которой является проверенный временем интегрированный и специализированный сервис компетентных логистических провайдеров одной из самой универсальной и обширной международной сети на рынках Восточной Европы.

Стоит также добавить, что смена названия не повлекла за собой изменение организационно-правовой формы, структуры, принципов работы, реквизитов, регистрационных данных и взятых на себя договорных обязательств предприятия в России.

СМК способствует повышению прозрачности предприятия в части его организационной структуры, бизнес-процессов и функций.

Улучшение управляемости предприятия происходит в связи с тем, что при проектировании СМК строго распределяется ответственность за выполнение процедур, ведутся отчеты о качестве выполненных действий, пересматриваются положения о подразделениях, должностные и рабочие инструкции, то есть компания получает четкую документированность и регламентацию её бизнес-процессов. Кроме того, предприятие имеет возможность организации своей деятельности по принятым мировым стандартам качества; получает преимущества при участии в тендерах и конкурсах и уверенное положение на рынке после вступления России во Всемирную Торговую Организацию.

Так же СМК даёт большие преимущества не только самой компании, но и её клиентам в плане надёжного долгосрочного сотрудничества, уверенности в постоянстве качества предоставляемых услуг. В чём заинтересована и сама Компания: уверенности в адекватной ответной реакции на рекламации, в плане возможности оценки СМК предприятия перед заключением договоров и прогрессивности подхода руководства к управлению бизнесом.

Новая система призвана не только обеспечить высокое качество предоставляемых услуг, но и способствовать дальнейшему совершенствованию компании в области развития бизнеса.

Весь товар, находящийся на складе далее реализуется только на территории России. Так же головной офис регулирует нововведения и основные правила внутри компании. Каждый офис работает на свой доход, отчисляя процент головной компании в Австрии. Компания регулирует деятельность своих отделений с помощью ежегодных проверок на наличие всех стандартов и правильности ведения документации.

На рассматриваемом предприятии введена автоматизирования система учёта прихода, ухода и расстановки товара. Штат на складе состоит из 8 сотрудников занимающихся загрузкой и разгрузкой, 1 операционист, начальник склада, зам. начальника склада, менеджер по складским продажам, менеджер по складскому развитию, охранник, 10 водителей, 2 менеджера по. Из техники на складе оперируют двумя высотными штабелёрами, 2 подъёмной тележкой электрической, 2 механической подъёмной тележкой, 2 штабелёрами стандартными.

Основная продукция которая хранится на складе: кровельные материалы, снейковые продукты, колёса, авто запасные части, детали для поездов, тренажёры, обувь, медицинские товары, хозяйственные принадлежности.

Разгрузкой и погрузкой занимаются, сотрудники склада перечисленные ранее. Ответственные за прр, не вся рабочая сила нанимается у соответствующих компаний, путём аутсорсинга. Это является одним из условий головной компании, предоставленных к российскому филиалу.

ППР производится по заранее оговорённому расписанию, что позволяет организации эффективно рассчитать время. В течении недели, 1-ый и последний час работы склада уходит на перекидку товара из междугородних рейсов в местные или на оборот, для дальнейшей реализации товара без затрат на складирование, что приносит положительный результат и для склада и для организаций заказчиков. Всегда работают одни свободные ворота для загрузки товара, компаний не рассчитывающих время развозки, таких как снейковые компании, поставляющих товар на заправки и в ларьки.

Основная деятельность данного склада, в основном хранение продукции. Однако компании принадлежат 7 грузовых фур, которые принимают заказы на доставку товара со склада и на склад в пределах РФ. Фуры находятся на территории предприятия предоставляемой компанией «ЮИТ Дом».

Просроченный и списанный товар, хранится в незадействованных участках склада, что является большой проблемой, так как территория практически полностью задействована если не хранимой продукцией, то товаром в режиме операции. Развозка мусора производится раз в неделю, что крайне редко, но дополнительные рейды составляют большие расходы, поэтому организация старается, всячески избавляться от отходов дополнительными силами, продавая пластик и картон компаниям, занимающимся утилизацией и переработкой. Но это тоже требует больших временных затрат.

Организационная структура отдела складской логистики указана в ПРИЛОЖЕНИИ 1.

2.2 Подходы, используемые на предприятии по управлению многономенклатурными поставками складкой системе

Основным управляющим звеном на предприятии является система «Бухта WMS»

Система управления складом (англ. Warehouse Management System) -- система управления, обеспечивающая автоматизацию и оптимизацию всех процессов складской работы профильного предприятия. Специализированная программная платформа для автоматизации различных типов складов, в том числе территориально разделенных. Включает в себя средства для управления топологией склада, параметрами товарной номенклатуры, планирования складских операций, управления ресурсами, применения различных методик хранения и обработки грузов. Система позволяет управлять складской логистикой в рамках различных технологических процессов (приём и отгрузка товара, внутренние перемещения) в реальном времени. Посредством автоматизации склада достигается высокая оборачиваемость склада, осуществляется быстрая комплектация партий товара, отгрузка их потребителям



Список источников

1. Албеков А.У., Митько О.А. «Логистическое управление складской деятельностью»,/ «Коммерческая логистика» Ростов- на- Дону, «Феникс» 2002

2. Николайчук В. Е. Логистика: Учебное пособие. - СПб.: Питер, 2003. - 216 с.

3. Хруцкий Е. А. Оптимизация хозяйственных связей и материальных запасов. - М.: Экономика 2005. - 263 с.

4. Гаджинский А. М. Логистика: Учебник. - 9-е изд., перераб. и доп. - М.: Дашков и К, 2004. - 408 с.

5. А.М. Гаджинский «Логистика» Москва 2003

6. Интегрированная логистика накопительно-распределительных комплексов (склады, транспортные узлы, терминалы) / Под общ. ред. Л.Б. Миротина. «Экзамен», 2003. стр. 177.

7. Барчук И. Д. Технология торговых процессов. М.: Экономика, 1979.

8. Албеков А.У. и др. «Штриховой код», / «Логистика Коммерции» Ростов-на-Дону 2001

Размещено на Allbest.ru