Математика на службе у логистов: как оптимизировать отгрузку готовой продукции

Товар готов — осталось отправить его заказчику. Руководитель направления систем бизнес-аналитики BIA Technologies Станислав Воронин — о том, как математическая оптимизация решает проблемы логистов.

В прошлой статье я подробно разобрал, как осуществляется производственное планирование. В этой статье речь пойдёт о следующей задаче, с которой сталкивается любое промышленное предприятие: отгрузке больших объёмов готовой продукции.

Когда менеджеры смотрят на управление крупным предприятием, они в первую очередь фокусируют своё внимание на оптимизации основного производственного процесса — собственно изготовлении необходимого товара. При составлении производственного плана учитываются имеющиеся заказы и наличие сырья; цель программы-планировщика — сформировать график, при котором производство работает с максимальной эффективностью (то есть так, чтобы за минимальное время изготовить максимальное количество продукции, при этом понеся как можно меньше издержек на единицу выпуска). Последующая отгрузка товара в это уравнение, как правило, не входит.

Перед логистами встаёт задача оптимизации сбыта готовой продукции. И здесь они должны найти ответы на следующие вопросы:

При хаотичном ручном планировании учесть все вышеуказанные аспекты и найти оптимальное решение не так-то просто. Задачу осложняет тот факт, что производство в разрезе номенклатурных позиций нередко имеет «всплескообразный» характер, что, в свою очередь, ведёт к всплескам объёмов готовых к отгрузке заказов. Неравномерная нагрузка приводит к росту объёмов хранения готовой продукции на складе и дефициту складских площадей.

Пиковая нагрузка на склад и соответствующая ей пиковая потребность в транспорте также означает неизбежность простоев в ожидании груза в периоды между пиками. А это, в свою очередь, ведёт к штрафам и финансовым потерям. Особенно остро проблема стоит в отношении железнодорожного транспорта.

Дело в том, что многие промышленные предприятия используют не собственный, а наёмный транспорт. Если заявки поступают неравномерно, перевозчикам сложно найти большее количество транспорта за короткий срок и выстроить оптимальные реверсивные маршруты. Чтобы удовлетворить лавинный спрос, транспортные компании поднимают тарифы в 1,5–2 раза (за обратный порожний пробег).

Очевидно, что заказывать транспорт заранее и согласовывать график поставок с перевозчиком было бы выгоднее. Так перевозчик узнает заранее, как будет использован его транспорт, сможет спланировать свою деятельность точнее и дать скидку на рейс. На рынке, конечно, возникают ситуации, когда контрактная цена оказывается выше спотовой. Но это, скорее, следствие конкретного стечения обстоятельств с крайне ограниченным предложением.

Все эти факторы нужно помножить на сотни заказчиков и направлений, а также десятки или сотни видов продукции. Комплекс этих проблем падает на плечи логистов. Планирование графика отгрузки готовой продукции в ручном режиме трудоёмко и не позволяет оптимально учитывать все возможные комбинации из заказов, рейсов и остатков готовой продукции. Затраты на перевозку и складские расходы растут, а общая маржинальность падает.

Для решения логистической задачи хорошо подходят методы математической оптимизации. Цифровой подход позволяет смоделировать большое количество разнообразных ситуаций, оценить изменение показателей работы, выбрать лучший вариант и реализовать автоматизированный инструмент планирования. Система может учитывать достаточно большое количество входных

параметров:

и ограничений:

Исходно математическое моделирование ставит целью снижение удельных затрат на перевозку. Оно достигается за счёт выравнивания графика подачи транспорта: система старается отгрузить продукцию таким образом, чтобы ежедневное количество отправляемого транспорта было примерно одинаковым. Таким образом формируется некий транспортный грузооборот и растёт ритмичность поставок на основе регулярности и максимально эффективного использования транспорта. Выравнивание отгрузок, в свою очередь, выравнивает нагрузку на складские службы (отпадает потребность в дополнительном персонале). Система также следит за тем, чтобы соблюдались пропускные способности на стороне предприятия и на стороне заказчика. Наконец, учитываются приоритеты по отгрузке («горящие» и не очень заказы).

Нужно понимать, что идеальная картина недостижима даже при внедрении сложной системы. Но, в целом, компьютерная система может перебрать гораздо большее количество вариантов, по сравнению с ручным планированием графика отгрузки. Цифровая модель позволяет без труда проводить what-if-анализ («что если») и вносить корректировки. Скорость автоматизированных расчётов очевидно выше, что снижает трудоёмкость процесса планирования.

Ещё одно преимущество использования математического моделирования: система постоянно анализирует изменения и работает с ними. Жизнь непредсказуема, и планы имеют свойство меняться (в любой момент может случиться поломка на производственной линии, произойти авария и остановка погрузочной техники, обнаружиться проблема с транспортом или внезапно измениться последовательность производства продукции). Система работает в режиме ежедневной корректировки созданного плана, помогая логистам оперативно реагировать на ситуацию и находить оптимальное решение при изменении внешних условий.

Как и в случае с производственным планированием, система работает на двух уровнях детализации:

Отмечу, что система отгрузки готовой продукции может быть частью интегрированной системы планирования цепочки поставок, работающей по принципу обратной связи и позволяющей синхронизировать планы каждого подпроцесса цепочки, а также выполнять задачу оптимизации процесса в целом. Но углубление в эту тему оставим для другой статьи.

Напоследок приведу данные из личной практики. В настоящий момент мы пилотируем подобную систему оптимизации с одной из российских металлургических компаний. Целевые эффекты внедрения такие:

Эти показатели достижимы при грамотном внедрении на предприятии математических методов, автоматизации процесса планирования, чётком онлайн-управлении графиками отгрузок и цифровом моделировании складов готовой продукции.