Вестник Института экономики № 2/2026. Экономика и управление.  

JATS XML

Больдясов Алексей Ильич

Аналитик рынка, ООО «ПромХимРесурс-Д», Дзержинск, Россия

ORCID: 0000-0002-7307-900X

ОПРЕДЕЛЕНИЕ ОПТИМАЛЬНОГО СТРАХОВОГО ТОВАРНОГО ЗАПАСА В ОПТОВОЙ ТОРГОВЛЕ ЦВЕТНЫМИ МЕТАЛЛАМИ

 99-123   

 8   

 457.66 KB   

 Текст статьи

Работа посвящена разработке моделей оптимального страхового товарного запаса для торговых предприятий, специализирующихся на оптовой продаже цветных металлов. Выявлены существующие подходы к оптимизации страхового запаса в литературе: эвристический; уровень обслуживания (сервиса); робастная оптимизация; модель «Newsvendor» и ее вариации; многокритериальная и целевая оптимизация; минимизация затрат; минимизация потерь; применение цифровых инструментов. Страховой товарный запас в отрасли представляет собой минимальную величину складских запасов, гарантирующую необходимый уровень обслуживания (сервиса) за время до пополнения товарных ресурсов или организации транзитной доставки до клиента при неизвестном дискретном, целочисленном распределении спроса (объема заказов). Предложены две модели, основанные на универсальной оценке вероятностных границ по неравенствам Чебышева и Кантелли соответственно, и модель распределенной робастной оптимизации, в основе которой лежит задача линейного программирования с ограничением на моменты и верхнюю границу случайной величины. Эмпирическое исследование на реальных данных показывает, что при уровне обслуживания (сервиса) 0,90 и 0,95 разница в результатах между сравниваемыми моделями составляет лишь 1–2 т, что делает предпочтительным более консервативное решение, так как оно универсально для любого распределения. В рассматриваемом примере при уровне обслуживания (сервиса) 0,99, соответствующем минимальной вероятности дефицита, модели, основанные на вероятностных неравенствах, позволяют получить страховой товарный запас от 70 до 100 т, в то время как модель, основанная на задаче линейного программирования, рекомендует держать страховой запас, равный максимальному значению спроса (объема заказов). В таком случае решение является компромиссом между высокими альтернативными издержками хранения страхового товарного запаса и утратой робастности к незнанию распределения за счет введения верхней границы спроса (объема заказов).

Ключевые слова: оптовая торговля, цветные металлы, страховой запас, уровень обслуживания, робастная оптимизация, неравенство Чебышева, неравенство Кантелли, линейное программирование.

УДК: 338.46

EDN: BJPJVS

DOI: https://doi.org/10.52180/2073-6487_2026_2_99_123

Литература

1. Булатов С.В. Повышение эффективности управления запасными частями на автотранспортном предприятии при наличии страхового запаса // Вестник Брянского государственного технического университета. 2021. № 9 (106). С. 43–48. EDN: ABRJSL. DOI: 10.30987/1999-8775-2021-9-43-48.
2. Земсков А.В., Лян Я., Клыков М.С. Оптимизация страховых запасов материально-технической продукции в организациях транспортного строительства // Научно- техническое и экономическое сотрудничество стран АТР в XXI веке. 2014. № 1. С. 127–129. EDN: SGSRDH.
3. Кацович Д.М., Найдис О.А. Совершенствование системы управления запасами с помощью внедрения динамического нормирования // Логистика. 2023. No. 7–8 (200–201). С. 20–25. EDN: EUAMJG. DOI: 10.54959/22197222_2023_07_08_20.
4. Миксюк С.Ф., Анкуда Е.В. Управление запасами в закупочной логистике в корпоративной информационной системе: концептуальный подход // Белорусский экономический журнал. 2020. № 1 (90). С. 138–147. EDN: ZLLSJO.
5. Скворода Е.В. Модель формирования страхового запаса материальных ресурсов предприятий химической промышленности // Труды БГТУ. Серия 5: Экономика и управление. 2018. № 2 (214). С. 69–73. EDN: YPTTZB.
6. Соломаха Г.М., Тулуева В.А., Хижняк С.В. Детерминированные модели управления запасами на производственном предприятии при изменяющихся характеристиках спроса, поставки и хранения // Вестник Тверского государственного университета. Серия: Прикладная математика. 2015. № 1. С. 51–66. EDN: WYWNCY. DOI: 10.26456/vtpmk729.
7. Чендылова Е.Б. Методика расчета страховых запасов готовой продукции в горнодобывающей отрасли // Экономика промышленности. 2013. № 2. С. 83–88. EDN: QJFATP.
8. Эльяшевич И.П. Гармонический анализ при управлении запасами в логистике и цепях поставок // Вестник Московского университета. Серия 6: Экономика. 2023. № 4. С. 223–246. EDN: RHDDZV. DOI: 10.55959/MSU0130-0105-6-58-4-10.
9. Amirjabbari B., Bhuiyan N. Determining Supply Chain Safety Stock Level and Location // Journal of Industrial Engineering and Management. 2014. Vol. 7. No. 1. Pp. 42–71. DOI:10.3926/jiem.543.
10. Arrow K., Harris T., Marschak J. Optimal Inventory Policy. 1951. Econometrica. Vol. 19. No. 3. Pp. 250–272. DOI: 10.2307/1906813.
11. Apollonio N. Cantelli’s Bounds for Generalized Tail Inequalities // Axioms, 2025. Vol. 14. No. 43. Pp. 1–18. DOI: 10.3390/axioms14010043.
12. Barros L., Cortez P., Sameiro-Carvalho M. A systematic literature review about dimensioning safety stock under uncertainties and risks in the procurement process // Operations Research Perspectives. 2021. No. 8. Pp. 1–25. DOI: 10.1016/j.orp.2021.100192.
13. Bazyar A., Taghizade G. A Multi-objective Multi-item Capacitated Lot-sizing Model with Safety Stock and Shortage Costs based on Just-in-time Approach // Global Journal of Economic and Finance Research. 2025. Vol. 2. No. 4. Pp. 171–180. DOI: 10.55677/GJEFR/01-2025-Vol02E4.
14. Chen B. Data-Driven Inventory Control with Shifting Demand // Production and Operations Management. 2021. Vol. 30. No. 5. Pp. 1–38. DOI: 10.1111/poms.13326.
15. Cinfrignini A., Petturiti D., Stabile G. Newsvendor problem with discrete demand and constrained first moment under ambiguity // Decisions in Economics and Finance. 2024. No. August. Pp. 1–34. DOI: 10.1007/s10203-024-00477-7.
16. Díaz D., Marta R., Ortega G., Ponce H. A Machine Learning Approach for Modeling Safety Stock Optimization Equation in the Cosmetics and Beauty Industry // Advances in Computational Intelligence. 2021. MICAI 2021. Lecture Notes in Computer Science. Vol. 13067. Springer, Cham. Pp. 173–186. DOI: 10.1007/978-3-030-89817-5_13.
17. Farahinejad K., Gholamian M. Optimizing the Safety Stock with Guaranteed Service Model in Reverse Logistics Considering Internal and External Returns // International Journal of Supply and Operations Management. 2019. Vol. 6. No. 3. Pp. 188–199. DOI: 10.22034/2019.3.1.
18. Fleuren T., Merzifonluoglu Y., Hendriks M., Sotirov R. Integrated production and safety stock planning in high-tech manufacturing: a comparative study at ASML // Flexible Services and Manufacturing Journal. 2025. No. November. Pp. 1–44. DOI: 10.1007/s10696-025-09634-5.
19. Ghosh S., Mukhoti S. Non-parametric generalised newsvendor model // Annals of Operations Research. 2021. No. 321. Pp. 241–266. DOI: 10.1007/s10479-022-05112-5.
20. Gijsbrechts J., Boute R., Mieghem J., Zhang D. Can Deep Reinforcement Learning Improve Inventory Management? Performance on Lost Sales, Dual-Sourcing, and Multi-Echelon Problems // Manufacturing & Service Operations Management. 2021. Vol. 24. No. 3. Pp. 1349–1368. DOI: 10.1287/msom.2021.106.
21. Gotoh J., Takano Y. Newsvendor solutions via conditional value-at-risk minimization // European Journal of Operational Research. 2006. No. 179. Pp. 80–96. DOI: 10.1016/j.ejor.2006.03.022.
22. Kelle P. On the safety stock problem for random delivery processes // European Journal of Operational Research. 1984. Vol. 17. No. 2. Pp. 191–200.
23. Kim D., Farmaciawaty D., Nizar A. Strategic Safety Stock Level for High Import Dependence Manufacturing Supply Chain for Enhanced Force Majeure Preparedness // Eduvest – Journal of Universal Studies. 2025. Vol. 5. No. 7. Pp. 9080–9097. DOI: 10.59188/eduvest.v5i7.51630.
24. Khokhar M., Zia S., Khan S., Saleem S., Siddiqui A., Abbas M. Decision Support System for Safety Stock and Safety Time Buffers in Multi-Item Single-Stage Industrial Supply Chains // International Journal of Information Systems and Social Change. 2023. Vol. 14. No. 1. Pp. 1–13. DOI: 10.4018/IJISSC.324933.
25. Mercadier M., Strobel F. A one-sided Vysochanskii-Petunin inequality with financial applications // European Journal of Operational Research. 2021. Vol. 295. No. 1. Pp. 374–377. DOI: 10.1016/j.ejor.2021.02.041.
26. Modares A., Farimani N., Emroozi V. Developing a Newsvendor Model based on the Relative Competence of Suppliers and Probable Group Decision-making // Industrial Management Journal. 2022. Vol. 14. No. 1. Pp. 115–142. DOI: 10.22059/IMJ.2022.331988.1007872.
27. Moncayo-Martínez L., Reséndiz-Flores E., Mercado D., Sánchez-Ramírez C. Placing Safety Stock in Logistic Networks under Guaranteed-Service Time Inventory Models: An Application to the Automotive Industry // Journal of Applied Research and Technology. 2014. Vol. 12. No. 3. Pp. 538–550. DOI: 10.1016/s1665-6423(14)71633-5.
28. Nurbandini R., Sadirsan E. Optimization of Re-Order Point (ROP) and Safety Stock (SS) for RON 92 Fuel (Pertamax) Using the Economic Order Quantity (EOQ) Method at Pertashop Ulak Bandung, Muara Enim Regency // Journal of Management and Energy Business. 2025. Vol. 5. No. 1. Pp. 79–87. DOI: 10.54595/jmeb.v5i1.105.
29. Panas E., Ninni V. The Distribution of London Metal Exchange Prices: A Test of the Fractal Market Hypothesis // European Research Studies. 2010. Vol. 13. No. 2. Pp. 193–210. DOI: 10.35808/ersj/284.
30. Prékopa A. The discrete moment problem and linear programming // Discrete Applied Mathematics. 1990. Vol. 27. No. 3. Pp. 235–254. DOI: 10.1016/0166-218X(90)90068-N.
31. Scarf H. A min-max solution of an inventory problem. In: Studies in the Mathematical Theory of Inventory and Production // Stanford University Press*, California, 1958. Pp. 201–209. DOI: 10.1057/9781137024381_3.
32. Watkins C., McAleer M. Pricing of non-ferrous metals futures on the London Metal Exchange // Applied Financial Economics. 2006. Vol. 16. No. 12. Pp. 853–880. DOI: 10.1080/09603100600756514.
33. Zhang J., Xie W., Sarin S. Robust Multi-Product Newsvendor Model With Substitution Under Cardinality-Constrained Uncertainty Set // European Journal of Operational Research. 2020. Vol. 293. No. 1. Pp. 1–58. DOI: 10.1016/j.ejor.2020.12.023.

* Stanford University (США) признан нежелательной организацией в России.

Дата поступления рукописи: 09.02.2026 г.

Дата принятия к публикации: 02.04.2026 г.

Для цитирования:

Больдясов А.И. Определение оптимального страхового товарного запаса в оптовой торговле цветными металлами // Вестник Института экономики Российской академии наук. 2026. № 2. С. 99-123. https://doi.org/10.52180/2073-6487_2026_2_99_123 EDN: BJPJVS

  Лицензия Creative Commons 4.0