A logisztikai folyamatok optimalizálási stratégiáinak gazdasági hatékonysága
DOI:
https://doi.org/10.58423/2786-6742/2025-11-164-178Kulcsszavak:
logisztikai rendszerek, gazdasági hatékonyság, optimalizálás, imitációs modellezés, fuzzy logika, fejlesztési stratégiákAbsztrakt
A modern gazdaság elválaszthatatlan és stratégiailag fontos eleme a logisztikai rendszerek hatékony működése, mivel ezek biztosítják a szállítások folytonosságát, az erőforrások ésszerű felhasználását és a vállalkozások versenyképességét a globális piacon. A globális válságok okozta instabilitás és növekvő bizonytalanság körülményei között a logisztika optimalizálásának hagyományos megközelítései elveszítik hatékonyságukat, mivel nem veszik kellőképpen figyelembe a kockázatokat és a vezetői döntések gazdasági következményeit. Ez szükségessé teszi új megközelítések keresését, amelyek ötvözik a gazdasági modelleket a modern adatelemzési módszerekkel, az imitációs modellezéssel és a fuzzy logika eszközeivel. A kutatás célja a logisztikai folyamatok optimalizálási stratégiáinak gazdasági hatékonyságának alátámasztása többkritériumos elemzés, szimulációs modellezés és fuzzy logikai eszközök alkalmazásával, valamint gyakorlati ajánlások kidolgozása a vállalkozások fenntarthatóságának és versenyképességének növelése érdekében. A munka a logisztikai rendszerek hatékonyságának értékelésére vonatkozó elméleti és módszertani megközelítéseket ismerteti, meghatározza a gazdasági hatékonyság kritériumait (költségek, idő, szolgáltatás minősége, kockázatok), és megvizsgálja a digitalizálás és az innováció szerepét a logisztikai stratégiák átalakításában.
Az elemzési eredmények azt mutatták, hogy a hagyományos stratégiák a rövid távú költségcsökkentésre irányulnak, de korlátozott hatással vannak a szolgáltatás minőségére és a környezeti mutatókra. A digitális technológiákon alapuló innovatív megközelítések jelentősen javítják a szolgáltatás színvonalát és a környezeti fenntarthatóságot, de nagyobb beruházásokat igényelnek. A kombinált stratégiák, amelyek ötvözik az alkalmazkodóképességet és a fenntarthatóságot, a legnagyobb integrált hatást mutatták, mivel lehetővé teszik a költségek, a szolgáltatás és a környezeti paraméterek közötti egyensúly elérését. A gyakorlati implikációk mind az üzleti életre (raktárak, szállítási áramlások, készletgazdálkodás optimalizálása), mind az állami politikára (digitális platformok ösztönzése, infrastrukturális beruházások támogatása), mind a tudományra (gazdasági modellek további integrálása mesterséges intelligencia rendszerekkel) vonatkoznak. Így a kutatás eredményei megerősítik a szimulációs modellezés és a fuzzy logika alkalmazásának célszerűségét a logisztikai stratégiák gazdasági hatékonyságának értékelésében, valamint bemutatják a komplex, többkritériumos modellek kidolgozásának perspektíváit, amelyek hosszú távú versenyképességet biztosíthatnak a vállalkozások számára.
Hivatkozások
1. Badakhshan, E., Mustafee, N., & Bahadori, R. (2024). Application of simulation and machine learning in supply chain management: A synthesis of the literature using the Sim-ML literature classification framework, Computers & Industrial Engineering, 198, 110649, https://doi.org/10.1016/j.cie.2024.110649
2. Bottani, E., & Casella, G. (2024). Discrete-event simulation in logistics and supply chain management: a scientometric perspective. Production & Manufacturing Research, 12 (1). https://doi.org/10.1080/21693277.2024.2415038
3. Korder, B., Maheut, J., & Konle, M. (2024). Simulation Methods and Digital Strategies for Supply Chains Facing Disruptions: Insights from a Systematic Literature Review. Sustainability, 16(14), 5957. https://doi.org/10.3390/su16145957
4. Hosseini Shekarabi, S., Kiani Mavi, R. & Romero Macau, F. (2025). Supply Chain Resilience: A Critical Review of Risk Mitigation, Robust Optimisation, and Technological Solutions and Future Research Directions. Glob J Flex Syst Manag, 26, 681-735. https://doi.org/10.1007/s40171-025-00458-8
5. Karabacak, E., & Kutlu, H. A. (2024). Evaluating the Efficiencies of Logistics Centers with Fuzzy Logic: The Case of Turkey. Sustainability, 16(1), 438. https://doi.org/10.3390/su16010438
6. Xie, D., Qiu, Y., & Huang, J. (2024). Multi-objective optimization for green logistics planning and operations management: From economic to environmental perspective. Computers & Industrial Engineering, 189, 109988. https://doi.org/10.1016/j.cie.2024.109988
7. Schiffmann, O., Hicks, B., Nassehi, A., Gopsill, J., & Valero, M. (2023). A Cost–Benefit Analysis Simulation for the Digitalisation of Cold Supply Chains. Sensors, 23(8), 4147. https://doi.org/10.3390/s23084147
8. Becerra, P., Mula, J., & Sanchis, R. (2023). Optimising location, inventory and transportation in a sustainable closed-loop supply chain. International Journal of Production Research, 62(5), 1609–1632. https://doi.org/10.1080/00207543.2023.2197515
9. Li, F., Tao, J., Wang, Q. et al. (2025). Simulation and optimization of cold chain logistics system towards lower carbon emission: a state-of-the-art review. Carbon Res, 4, 22. https://doi.org/10.1007/s44246-024-00191-4
10. Cai, H., Xu, P., Tang, X., & Lin, G. (2024). Solving the Vehicle Routing Problem with Stochastic Travel Cost Using Deep Reinforcement Learning. Electronics, 13(16), 3242. https://doi.org/10.3390/electronics13163242
11. Gülmez, B., Emmerich, M., & Fan, Y. (2024). Multi-objective Optimization for Green Delivery Routing Problems with Flexible Time Windows. Applied Artificial Intelligence, 38(1). https://doi.org/10.1080/08839514.2024.2325302
12. Tayyab M., Malik A .I., Khan I., Ullah M. (2024). A simulation-optimization approach for economic assessment of an imperfect serial production management under uncertainty. Journal of Industrial and Production Engineering, 4, 1-18. https://doi.org/10.1080/21681015.2024.2355964
13. Khalili-Fard, A., Sabouhi, F., Bozorgi-Amiri, A. (2024). Data-driven robust optimization for a sustainable steel supply chain network design: Toward the circular economy. Computers & Industrial Engineering, 195, 110408. https://doi.org/10.1016/j.cie.2024.110408
##submission.downloads##
Megjelent
Folyóirat szám
Rovat
License
Copyright (c) 2025 Andriy PAPINKO, Valery KUDINOV, Viktor KOLODIY
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
A szerzők fenntartják a szerzői jogokat, és jogot adnak a folyóiratnak a cikk első közzétételére, amely egyidejűleg engedélyezett a Creative Commons CC BY-NC licence alapján.
