656.13:658.7:338.47

автомобільний транспорт, ланцюг поставок, аналіз витрат, очікувана вартість, точка беззбитковості

Оптимізація ланцюга поставок є одним із визначальних факторів діяльності торговельних фірм. Залежно від особливостей цільового ринку, фірми можуть оптимізувати власні витрати на основі аналізу різних факторів, включаючи сезонність, маршрутизацію поставок, вибір виду транспортного засобу, використання власного автопарку чи послуг логістичних посередників. Важливим фактором є вибір виду транспортування продукції від постачальника до торгівельних посередників. Вибір виду транспорту залежить від кількох факторів, таких як тип вантажу, що перевозиться, його розмір, відстань транспортування, час доставки та витрати. Економічні розрахунки завжди превалюють та повинні бути ретельно оцінені, оскільки транспортні витрати складають основну та найбільшу частку витрат дистриб'юторської компанії. У цій статті проаналізовано три варіанти доставки товарів автомобільним транспортом. Перший варіант передбачає використання послуг транспортної компанії, яка бере на себе відповідальність за своєчасну та безпечну доставку вантажу в межах ланцюга поставок. Другий варіант базується на угоді, за якою лізингова компанія надає транспортний засіб в обмін на регулярні лізингові платежі від клієнта. Третій варіант - це угода, що передбачає використання транспортного засобу протягом тривалішого (договірного) періоду, але без необхідності його придбання, тобто довгострокова оренда. Період дослідження становив один календарний рік, протягом якого експлуатаційні витрати оцінювалися для кожного варіанту. Через сезонність ці витрати для кожного варіанту детально представлені помісячно (Таблиця 2, Таблиця 3 та Таблиця 4). Далі було оцінено середню змінну вартість доставки одиниці товару для кожного варіанту, а також постійні витрати, які, вочевидь, були опущені для варіанту аутсорсингу. Потім були розраховані очікувані значення, проведений аналіз точки беззбитковості та розроблені остаточні висновки. Використання ефективного, чіткого і зрозумілого інструментарію математичного аналізу дозволить фірмам максимально оптимізувати витрати, що стає особливо актуальним в період нестабільності світових цін на паливно-мастильні матеріали. Також він є підгрунтам для прийняття стратегічних рішень, що забезпечить фірмам розвиток на принципах сталості.

1. Alves R., Hora J., Galvão T. (2026). Optimizing Transit Connectivity: A Synchronization Model Applied to Porto Campanhã, w Lecture Notes in Mobility. Springer, pp. 708–714. DOI: https://doi.org/10.1007/978-3-032-04774-8_102.
2. Anussornnitisarn P. et al. (2025). Urban freight Electrification: Total cost of ownership comparison of medium-duty BEVs and ICEVs in Thailand», Case Studies on Transport Policy, 22. DOI: https://doi.org/10.1016/j.cstp.2025.101600.
3. Borucka A., Sobczuk S. (2025). Analysis of the Relationship Between Energy Consumption in Transport, Carbon Dioxide Emissions and State Revenues: The Case of Poland, Energies, 18(9). DOI: https://doi.org/10.3390/en18092291.
4. Chandiramani H., Soni G., Mittal M.L. (2026). Advances in Intelligent Urban Transportation: New Approaches to Routing, Scheduling, and Network Design, w Mech. Mach. Sci. Mechanisms and Machine Science, Springer Science and Business Media B.V., рр. 503–515. DOI: https://doi.org/10.1007/978-3-031-93327-1_29.
5. Damaziak K. et al. (2025). Multi-objective optimization of the deck structure of the lightweight micro-vehicle for improved reliability and desired comfort and stability while driving, Eksploatacja i Niezawodnosc, vol. 27(4). DOI: https://doi.org/10.17531/ein/206048.
6. Ferro C.G., Leopoldo L., Maggiore P. (2026). Cost and Sustainability Comparison of Airship vs. Long-Haul Trucking for Cold Chain Vegetable Logistics in Europe, w Sustainable Aviation. Springer Nature, рр. 247–258. DOI: https://doi.org/10.1007/978-3-031-89553-1_17.
7. Folęga P. et al. (2025) Application of the life cycle assessment method in public bus transport, Eksploatacja i Niezawodnosc, vol. 27(3). DOI: https://doi.org/10.17531/ein/204539.
8. Gładysz P. et al. (2026). Reliability of Unmanned Aerial Vehicles in the Context of Selected Factors, Eksploatacja i Niezawodnosc, vol. 28(1). DOI: http://doi.org/10.17531/ein/210312
9. Grzelak M. et al. (2024). Application of Logistic Regression to Analyze The Economic Efficiency of Vehicle Operation in Terms of the Financial Security of Enterprises, Logistics, vol. 8(2). DOI: https://doi.org/10.3390/logistics8020046.
10. Guo Y., Zhang M. (2026). Joint optimization of electric bus infrastructure planning, fleet composition, and charging schedule with multiple charging modes, Expert Systems with Applications, 297 P. DOI: https://doi.org/10.1016/j.eswa.2025.129402.
11. Jung Y., Lee U., Lee I. (2026). An integrated framework for reliability analysis and design optimization using input, simulation, and experimental data: Confidence-based design optimization under aleatory and epistemic uncertainty, Reliability Engineering and System Safety, 267 P. DOI: https://doi.org/10.1016/j.ress.2025.111895.
12. Lu S. et al. (2026). Multi-driver transportation scheduling for improving supply chain resilience, Omega (United Kingdom), 140 P. DOI: https://doi.org/10.1016/j.omega.2025.103461.
13. Mallidis I. et al. (2026). Optimizing fleet size for on-demand taxi and ridehailing services: application to the case of Madrid, Transport Policy, 175 P. DOI: https://doi.org/10.1016/j.tranpol.2025.103868.
14. Mohamed Alshabibi N., Matar A.-H. H., Abdelati M. (2025). Multi-Objective Mixed-Integer Linear Programming for Dynamic Fleet Scheduling, Multi-Modal Transport Optimization, and Risk-Aware Logistics, Sustainability (Switzerland), vol. 17(10). DOI: https://doi.org/10.3390/su17104707.
15. Purshamsian R. et al. (2026). Optimizing maritime transport schedule recovery strategies: a novel approach for speeding up and port-skipping in case of disruption, Multimodal Transportation, vol. 5(1). DOI: https://doi.org/10.1016/j.multra.2025.100233.
16. Rönnqvist M. et al. (2026). An enhanced pricing model for truck transportation: a case study in Swedish forestry, International Transactions in Operational Research, vol. 33(2), pp. 775–797. DOI: https://doi.org/10.1111/itor.70062.
17. Rosiński A. et al. (2024). Method for Assessing Reliability of the Power Supply System for Electronic Security Systems of Intelligent Buildings Taking Into Account External Natural Interference, Eksploatacja i Niezawodnosc, vol. 26(1). DOI: https://doi.org/10.17531/ein/176375.
18. Sang T. et al. (2025). An uncertain programming model for fixed charge transportation problem with item sampling rates, Eksploatacja i Niezawodnosc, vol. 27(1). DOI: https://doi.org/10.17531/ein/192165.
19. Topaloglu Yildiz S., Doymuş M. (2025). Multi-objective intermodal transportation planning with real-life application, Maritime Policy and Management, vol. 52(5), pp. 745–763. DOI: https://doi.org/10.1080/03088839.2024.2407381.
20. Wang F. et al. (2026). Multi-dimensional integrated development strategy for urban rail transit optimized via a carbon emission model driven by new quality productive forces, Case Studies on Transport Policy, vol. 23. DOI: https://doi.org/10.1016/j.cstp.2025.101664.
21. Wang, Z. et al. (2026). Dynamic optimization of hazardous materials vehicle transportation routes based on real-time risk, Journal of Loss Prevention in the Process Industries, vol. 100. DOI: https://doi.org/10.1016/j.jlp.2025.105864.
22. Waygood E.O.D. et al. (2026). Transport emissions and climate change: Which actions are the hardest?, Case Studies on Transport Policy, vol. 23. DOI: https://doi.org/10.1016/j.cstp.2025.101660.
23. Wróblewski P. et al. (2021). Total cost of ownership and its potential consequences for the development of the hydrogen fuel cell powered vehicle market in poland, Energies, vol. 14(8). DOI: https://doi.org/10.3390/en14082131.
24. Youness E.-Y., Lahoussine L. (2026). Optimization problems with nonconvex multiobjective generalized Nash equilibrium problem constraints, Communications in Combinatorics and Optimization, vol. 11(1), pp. 93–116. DOI: https://doi.org/10.22049/cco.2024.29435.1993.
25. Zhou T. et al. (2026). Integrated recovery of air cargo transportation under various abnormal scenarios, European Journal of Operational Research, vol. 329(3), pp. 864–877. DOI: https://doi.org/10.1016/j.ejor.2025.08.037.
26. Zhou X. et al. (2026). A collaborative evolution algorithm for unmanned equipment project distributed scheduling optimization with grouping and due window constraints, Expert Systems with Applications, 296. DOI: https://doi.org/10.1016/j.eswa.2025.129143.
27. Ziółkowski J. et al. (2022). Optimization of the Delivery Time within the Distribution Network, Taking into Account Fuel Consumption and the Level of Carbon Dioxide Emissions into the Atmosphere, Energies, vol. 15(14) DOI: https://doi.org/10.3390/en15145198.
28. Ziółkowski J. et al. (2025). Optimization Of Road Transport Within The Supply Network – A Case Study From Poland, Transport Problems, vol. 20(1), pp. 193–206; https://doi.org/10.20858/tp.2025.20.1.16.
29. Żurek J., Zieja M., Ziółkowski J. (2018). Reliability of supplies in a manufacturing enterprise, w Saf. Reliab. - Safe Soc. Chang. World - Proc. Int. Eur. Saf. Reliab. Conf. Safety and Reliability - Safe Societies in a Changing World - Proceedings of the 28th International European Safety and Reliability Conference, ESREL 2018, CRC Press/Balkema, pp. 3143–3148.