Проектирование цепи поставок крупного производителя товаров для дома: перебазирование производства

Проектирование цепи поставок
Управление закупками
Планирование производства
Manufacturing Supply Chain Design

ОПИСАНИЕ ПРОБЛЕМЫ:

Крупный европейский производитель товаров для дома столкнулся с необходимостью перебазировать один из своих заводов в другой город в связи с повышением арендной платы. Аналитики рассматривали три возможных варианта размещения. Необходимо было выбрать один из них, основываясь на географическом положении клиентов, других предприятий компании и складов. Перед аналитиками также стояла задача разработать стратегию выбора поставщиков для складов, рассчитать бюджет и протестировать предположения относительно проектирования цепей поставок в целях повышения их эффективности. Основным критерием принятия решения являлись расходы на транспортировку, в то время как главными источниками неопределенности служили спрос и время перевозки.

В каждом регионе снабжение осуществлялось из трёх складских помещений в зависимости от их вместимости, спроса и доступности транспортных ресурсов. Обслуживая сразу несколько регионов, каждый склад должен был поддерживать высокий уровень сервиса при сохранении низких транспортных затрат.

Помимо перемещения предприятия, компания рассматривала возможность перепроектирования текущей цепи поставок путем введения производства на складах. Характер товара позволял компании организовать небольшие производства на территории складских помещений для получения конечного продукта из концентратов. Аналитические расчеты показали, что введение подобного локального производства окупится за счёт более низких затрат на транспортировку и хранение товаров. Третьей задачей этого исследования была оценка окупаемости инвестиций (ROI) при открытии такого производства.

РЕШЕНИЕ:

Цепь поставок производстваЦепь поставок производства была смоделирована с помощью anyLogistix. Аналитики выбрали именно эту программу, так как она позволила создать более точную и детальную модель цепи поставок, чем обычные аналитические инструменты. В отличие от аналитических моделей, имитационная модель способна учесть случайные колебания спроса, вариативность времени транспортировки и политики пополнения запасов. Созданная модель включала в себя все существенные особенности цепи поставок, необходимые аналитикам.

В модели на карте была воспроизведена существующая сеть поставок и размещены следующие элементы:

  • Склады и производственные объекты с установленной вместимостью и доступными способами перевозки (автомобильный или ж/д транспорт).
  • Клиенты из разных регионов с прогнозируемым спросом на каждую товарную позицию.

Кроме того, конфигурацию модели можно было настроить таким образом, чтобы она включала потенциальные объекты производства: три варианта нового расположения завода и три склада с производством.

С помощью реальных данных дорожной сети на карте автоматически были проложены транспортные маршруты. Рассматривались два вида транспортных средств (железнодорожный и автомобильный). Доставка могла оплачиваться и осуществляться как самой компанией, так и клиентами. Статистическая информация была взята из данных прошлых лет.

Операционная статистика для каждого элемента цепи поставок собиралась при каждом запуске имитационной модели. Данные были доступны как на уровне всей сети, так и для отдельных предприятий. Собиралась следующая статистика:

  • Транспортные расходы каждого вида (внешние и внутренние перевозки; доставка, оплачиваемая клиентами; забор заказов клиентами).
  • Число недоставленных товаров и сопутствующие убытки.
  • Уровень загруженности складов.

Логика имитационной модели основывалась на данных о деятельности компании за предыдущие годы.

ЭТАПЫ ИССЛЕДОВАНИЯ:

Оптимизация производственной цепи поставокПосле того, как цепь поставок была смоделирована, эксперты перешли к стадии исследования, которая, в свою очередь, делилась на три этапа.

Первый этап: определение лучшей стратегии пополнения запасов на складах для каждого возможного расположения нового завода.

Для поддержания высокого уровня сервиса, избегания дефицита товаров и повышения устойчивости сети в каждый регион товарные позиции поставлялись сразу несколькими складами. Модель запускалась многократно, что позволило выявить оптимальные политики поставок на склады для каждого региона и товара с учетом соотношения транспортных затрат и уровня сервиса. Затем полученные результаты использовались на втором этапе исследования для выявления оптимального расположения завода.

Второй этап: поиск наиболее подходящего расположения для перебазирования завода.

Определив оптимальные политики поставок на склады для каждого возможного расположения завода, эксперты сравнили все варианты и выбрали из них лучший с точки зрения транспортных затрат. Для более реалистичного анализа имитационная модель отражала различные вариации спроса при каждом запуске. Поэтому, чтобы получить более полную вероятностную характеристику каждого варианта расположения, модель снова необходимо было воспроизвести многократно. Таким образом, подробный анализ колебаний спроса и времени транспортировки позволил получить более точные результаты по сравнению с теми, что предлагают обычные аналитические модели. Основываясь на средних показателях транспортных затрат и вероятностном распределении, эксперты выявили лучшее место для переноса завода.

Третий этап: тестирование предположения о производстве на складах.

Чтобы понять, окупится ли введение производства на складах, эксперты добавили в имитационную модель необходимые данные и повторили предыдущие этапы исследования. Полученные показатели сопоставили с результатами предыдущего анализа. При сравнении рассматривались данные о транспортных и оперативных расходах, а также затраты на открытие производства на территории складов.

РЕЗУЛЬТАТ:

Модель anyLogistix позволила производителю товаров для дома определить лучшее место для перебазирования одного из его заводов, основываясь на показателях транспортных затрат и уровня сервиса.

Как ни парадоксально, аналитики выявили, что введение производства на складах было бы неэффективным. Результаты исследования показали, что более низкие расходы на транспортировку не смогли бы окупить затраты на создание подобного производства в ближайшем будущем. Этот результат был получен благодаря использованию имитационного моделирования, которое позволяет моделировать цепь поставок более детально, чем обычные аналитические методы.

Другие примеры проектов

еще