Оптимизация за счет принимаемых решений в цепях поставок

Оптимизация за счет принимаемых решений












Главная » Ресурсы » Здесь

Основной целью количественной оптимизации цепей поставок является автоматическое создание высокоэффективных решений. Целью оптимизации не является создание числовых показателей, таких как, например, еженедельные прогнозы. Такие показатели считаются внутренней информацией, которая просто используется для расчета финальных решений. Под решениями мы понимаем ответы на вопросы, с которыми сталкиваются сотрудники, отвечающие за цепи поставок, и которые подразумевают выполнение определенных действий, несущих за собой реальные, зачастую физически выраженные последствия. С точки зрения классического планирования цепей поставок, установка на создание решений может показаться неожиданной, так как решения не включены в стандартную схему планирование — операции. Тем не менее именно установка на создание решений во многом способствует оптимизации цепей поставок. В данной статье мы расскажем о том, что понимается под решением в цепях поставок, разберем самые часто встречающиеся типы решений, а также ключевые аспекты нашего подхода.

Выбор допустимых решений

При количественной оптимизации цепей поставок основной упор делается на числовые и статистические методы решения проблем. Однако данный подход применим не ко всем задачам. Для оценки допустимости использования количественных методов при решении той или иной задачи необходимо следующее:

  • Повторяемость — создание числового решения проблемы требует определенных усилий, а значит и затрат. Чтобы получать выгоду от оптимизации цепей поставок, необходимо, чтобы сама оптимизация была не дороже, чем экономия от ее проведения. Как правило, повседневные проблемы (пополнение запасов и др.), которые необходимо решать ежедневно или еженедельно, гораздо лучше поддаются количественной оптимизации, чем исключительные события, такие как, например, выход на новый рынок.
  • Узконаправленные решения — чтобы не усложнять выше необходимого используемое ПО, желательно сфокусироваться на таких проблемах, которые можно решить с помощью четко определенных типов решений, в идеале — числовых. Например, вопрос о необходимости прекратить закупку товара из-за того, что спрос на него недостаточно высок, чтобы загружать им цепи поставок, является достаточно узким, а значит на него легко можно ответить с помощью автоматизированной процедуры. Напротив, вопрос о необходимости изменения рабочих процедур на складе является достаточно широким, а значит автоматизировать его решение вряд ли удастся.
  • Фактические данные — ПО не может работать без исходной информации. Знания, необходимые для решения задач цепей поставок, можно загрузить в систему вручную с помощью определенных правил, однако создание большого набора эффективных правил для расчета решений — это невероятно сложная задача. Большинство современных систем извлекают всю необходимую информацию из фактических данных (истории продаж, истории закупок и т. д.), и тогда пользователям будет необходимо указать вручную только специфические политики, например ограничения по минимальному объему заказов (MOQ), которые ПО не сможет правильно сформулировать на основании фактических данных.

По мере развития технологий программирования, в том числе машинного самообучения, спектр решений, которые могут создавать информационные системы, становится шире с каждым годом. Например, первые системы оптимизации запасов могли работать только с товарами, история продаж которых насчитывала хотя бы несколько месяцев, тогда как новые системы поддерживают любые товары, даже те, продажи которых еще не начались.

Кроме того, иногда ПО позволяет решить проблемы, с которыми невозможно было разобраться вручную. Например, современные системы оптимизации запасов могут подсказать, какие записи складских данных являются неточными, что позволяет производить приоритетную ревизию, которая гораздо эффективнее традиционного пересчета всех единиц складского хранения (SKU).

Примеры решений в цепях поставок

Цепи поставок могут значительно различаться, и значимые проблемы для одной отрасли могут казаться пустяковыми для другой. В данном разделе мы вкратце рассмотрим типичные решения, которые считаются эффективными с точки зрения количественной оптимизации цепей поставок.

  • Заказы на закупку — определение точного количества товаров, закупаемых у каждого поставщика, отдельно по каждому наименованию. Это решение генерируется ежедневно, даже если по факту заказ размещается реже. Заказ на закупку должен учитывать все ограничения по заказу (MOQ) и транспортировке (например, объемы контейнеров). Кроме того, заказ на закупку может содержать в себе указания по способу доставки груза (морем или самолетом) с возможностью комбинирования разных методов доставки.
  • Заказы на производство — выбор точного количества товаров, которые необходимо произвести. Заказ на производство должен учитывать все производственные ограничения (например, минимальный объем производственной партии). Кроме того, предел возможностей производства может быть ниже, чем уровень спроса на рынке в пиковый сезон. В таком случае необходимо заранее создать запас на производстве.
  • Балансировка запасов — оценка необходимости перемещения запасов из одной точки в другую. Как правило, это происходит, когда распределение запасов не соответствует ожидаемому спросу в разных отделениях компании. Данное решение также генерируется ежедневно, даже если ежедневное перемещение товаров не является экономически выгодным.
  • Ликвидация запасов — оценка необходимости уничтожения или сбыта товара через вторичный канал (как правило, со скидкой). Неликвидные запасы могут захламлять склады, и расходы на их содержание могут превышать экономическую выгоду, получаемую от них. В различных отраслях такие запасы можно ликвидировать за счет промоакций, сбыта через специальные каналы или просто уничтожить.
  • Поддержание запаса или дропшиппинг — если товар пользуется достаточным спросом, возможно, его стоит закупать и хранить, чтобы продать клиенту по первому требованию; в противном случае стоит договориться с поставщиками, чтобы они самостоятельно доставили товар, когда появится покупатель. Товары, поставляемые по схеме дропшиппинга, как правило, приносят меньшую прибыль, но и расходы на их обработку также заметно ниже. В итоге решение сводится к составлению точного списка товаров, которые можно хранить в запасе, без ущерба для ассортимента.
  • Целевая ревизия — оценка необходимости пересчета того или иного товара из-за возможной неточности электронной записи (то есть зафиксированное количество товара не соответствует реальному). Такое решение позволяет снизить трудовые затраты на пересчет товара и сгладить негативные последствия наличия фантомных позиций в цепях поставок. На практике такие проблемы более характерны для розничных магазинов, а не для закрытых складов или заводов.

Отметим, что в разных отраслях используются различные наборы решений. Примеры, перечисленные ниже, являются более специфичными, чем те, что указаны выше.

  • Ассортимент розничного магазина — определение точного списка товаров, доступных в каждом розничном магазине. Иногда полный каталог продукции значительно превышает возможности любого отдельно взятого магазина, а значит, в каждом из них можно выставить лишь часть товаров из каталога. Оптимизация ассортимента позволяет повысить эффективность розничного магазина до максимально возможного уровня. В магазинах, которые продают, например, предметы роскоши, данная задача становится еще сложнее, потому что в таких организациях, как правило, есть лишь один экземпляр того или иного товара.
  • Спонтанная замена — оценка допустимости наличия замены товара и необходимости сохранения этой замены в ассортименте. Например, интернет-магазин свежих продуктов может принимать товары, заказанные несколькими днями ранее, что может привести к запоздалому дефициту свежей продукции, которая уже была заказана, а значит и к изменению изначального заказа клиента. В такой ситуации продавцу и клиенту будет выгоднее найти хорошую альтернативу выбранной продукции.
  • Спонтанная реализация активов — оценка необходимости перепродажи запасов, как правило, восстановленных запчастей, изначально предназначавшихся для внутреннего потребления. Запасы восстановленных запчастей можно поделить на две части: те, которые можно использовать, и те, которые нельзя использовать. Их полный цикл использования состоит из первого использования, демонтажа, ремонта и повторного использования. В отдельных ситуациях, например при резком падении спроса, запас запчастей, которые можно использовать, может значительно превышать потребности компании. В таком случае нужно искать компромисс между продажей запчастей на вторичном рынке, как правило, по более низкой цене, с целью вернуть хотя бы часть исходной стоимости деталей, и повышающимся риском того, что компания не сможет вовремя удовлетворить спрос на деталь в будущем.
  • Хранение непригодных к использованию запчастей — оценка необходимости немедленного ремонта непригодной к использованию, но подлежащей восстановлению детали или допустимости переноса ремонта на потом и хранения детали в непригодном виде. Ремонт деталей может обойтись дешевле покупки новых запчастей, однако текущих запасов готовых к установке запчастей может хватить на достаточно длительное время. Таким образом, откладывание ремонта представляет собой компромисс между откладыванием расходов на более поздний срок (причем существует вероятность, что такие расходы вообще не придется нести, если на рынке появится альтернатива используемым деталям) и увеличением риска несвоевременного удовлетворения спроса на данную деталь в будущем.
  • Спонтанный подбор источников — оценка необходимости поиска источников для установления референтной цены. В некоторых отраслях формирование расценок на запчасти является достаточно сложным. Получение актуальной цены на запчасть, в особенности если она дорогая, может занять несколько дней усердной работы. Если речь идет о тысячах запчастей, то необходимо искать компромисс между покупкой более дорогих деталей и расходами на поиск более дешевых поставщиков.
  • Сохранение наборов — оценка разумности продажи последней единицы товара отдельно или сохранения ее для последующего включения в набор. Существуют ситуации, когда наличие наборов, то есть комплектов запчастей или товаров, важнее наличия отдельных деталей. Продажа последней единицы товара в отдельном виде может привести к случаю дефицита более крупного и важного набора в будущем. Таким образом, нужно искать компромисс между преимуществом продажи отдельной запчасти сейчас и негативными последствиями возможного дефицита более дорогого набора в будущем.

Решения, связанные с цепями поставок, как правило, в косвенном виде рассчитывают люди, и программы. Например, определение минимального/максимального уровня запаса косвенно подразумевает принятие множества решений, помимо выбора объема нового заказа: если максимальный уровень запаса выше нуля, товар будет оставаться в ассортименте. Кроме того, ревизии происходят только после пополнения запасов, что также является косвенным решением и т. д. К сожалению, нельзя оптимизировать то, что нельзя измерить, поэтому именно недостаточная формализация решений обычно и не позволяет систематически улучшать работу цепей поставок посредством указанных решений.

Числовые показания и решения

При работе со сложными проблемами цепей поставок работники могут перепутать причины со следствиями. Например, создание прогноза спроса на неделю по отдельной единице складского учета для пополнения запасов требуется некоторыми, но не всеми системами расчета объема заказов. Такой недельный прогноз является лишь промежуточным расчетом, тогда как финальным решением является объем заказа. При количественной оптимизации цепей поставок такие промежуточные расчеты называются числовыми показаниями. При количественной оптимизации цепей поставок значение числовых показаний не отрицается, однако подчеркивается тот факт, что они являются лишь временными, переходными единицами, которые нужны для создания финальных расчетов — решений в цепях поставок.

Было бы неправильно считать, что чисто механическая оптимизации числовых показаний по произвольным математическим метрикам, например оптимизация прогнозов спроса по взвешенной средней абсолютной ошибке в процентах (WMAPE), приводит к получению финансовой прибыли. Как правило, в цепях поставок так не происходит. Проблемы цепей поставок обычно являются асимметричными. Например, отсутствие детали стоимостью 200 долларов в авиационной промышленности может привести к тому, что самолет стоимостью 200 миллионов долларов не поднимется в воздух. Количество деталей, которые хранятся в запасе, не всегда определяется ожидаемым спросом: на процесс принятия решения может повлиять соотношение расходов на хранение запчасти и убытков из-за ее отсутствия.

Напротив, при количественной оптимизации цепей поставок значение имеют только решения, потому что именно они несут реальные и измеримые финансовые последствия для компании. Таким образом, хотя проверка эффективности решений является чрезвычайно важной, те, кто отвечает за цепи поставок, должны с большим скептицизмом относится в том числе и к показателям деятельности, которые основываются на ни к чему не обязывающих, неустойчивых числовых показателях, таких как еженедельные или ежемесячные прогнозы спроса.

Вынужденные решения — между реальностью и вымыслом

Процесс принятия решений в цепях поставок, как правило, связан с определенными ограничениями: ответы могут считаться приемлемыми, только если они удовлетворяют числовым ограничениям. Например, при заказах на закупку иногда нужно учитывать минимальный объем заказа (MOQ), который является нелинейным ограничением. Кроме того, вместительность складов, как правило, ограничена — это еще одно нелинейное ограничение.

Зачастую ограничения определяются базовыми экономическими факторами, связанными с работой цепей поставок — с учетом текущей цены на товар. Способы распространения товара необходимо учитывать, если товары продаются в упаковках, то есть когда можно приобрести только строго определенное количество товара, например 50 штук (кол-во единиц товара в упаковке).

Кроме того, ограничения могут быть вызваны просто требованиями той или иной компании. Например, компания может решить, что годовой бюджет на закупки для того или иного отделения не может превышать 1 миллион долларов. Такие бюджетные ограничения устанавливаются задолго до того, как будут известны реальные показатели продаж отделения. В таком случае решения о закупке товаров должны удовлетворять требованиям нелинейного ограничения, которое является результатом достаточно произвольного процесса.

При количественной оптимизации цепей поставок мы стараемся максимально учитывать реальные ограничения цепей поставок, не ограничивая возможности более современных организаций, которые могут работать без ограничений, связанных с устаревшими методами работы. В цепях поставок большинство произвольных ограничений являются следствием недостаточной автоматизации: если "оптимальный" бюджет каждого отделения нельзя эффективно пересчитывать с учетом всех проблем, с которыми сталкивается компания, то использование годовых или ежеквартальных бюджетов является естественным решением.

Для принятия решений требуется расстановка приоритетов и координирование действий

Почти все решения в цепях поставок связаны друг с другом: каждая приобретаемая у поставщика единица товара будет занимать определенное место на складе, и так будет продолжаться до тех пор, пока склад не окажется переполнен, и работа компании не встанет. Взаимозависимость решений обычно неочевидна, и ее сложно обработать с математической точки зрения, однако от этого данный феномен не становится менее важным для цепей поставок и даже стратегического развития компании. Если общая вероятность обслуживания достигает 99%, что само по себе очень хорошо, но при этом для самого крупного клиента она составляет лишь 85%, потому что все случаи дефицита товара связаны именно с теми продуктами, которые этот клиент покупает, то компания рискует потерять своего лучшего клиента.

Самым простым способом получения максимальной выгоды от общих, но ограниченных ресурсов цепей поставок является расстановка приоритетов для решений. Например, из-за того что пространство склада и оборотный капитал ограничены, целью оптимизации становится не просто покупка дополнительной единицы товара, которая может принести прибыль, но выбор наиболее прибыльной единицы товара из всего ассортимента. Работа с каждым решением о закупке товаров отдельно создает риск истощения складских мощностей или растраты закупочного бюджета на малоприбыльные товары.

На практике для расстановки приоритетов требуется значительное изменение аналитического ПО для работы с цепями поставок. При использовании примитивных методов, таких как выбор максимального/минимального уровня запасов, вместо обработки каждого решения по-отдельности необходимо рассматривать их все вместе и ранжировать по ожидаемой прибыли. Такой подход вполне под силу современному ПО, но для его реализации требуются значительно большие вычислительные ресурсы, чем для старых систем управления цепями поставок.

Для обработки всех пересекающихся друг с другом ограничений в работе цепей поставок требуется координация решений. Например, при заказе товаров у зарубежного поставщика экономически выгодно заполнить контейнер целиком. Таким образом, проблемой становится не столько выбор объема заказа для каждого товара, сколько выбор таких объемов, чтобы вместе они заполнили контейнер. Пересекающиеся ограничения встречаются по всех цепях поставок: сюда относится и корректировка ассортимента новых коллекций в модной индустрии, обеспечение высокой вероятности обслуживания клиентов, которым требуется целый набор изделий в магазинах инструментов и стройматериалов, поддержание запасов на центральном складе в случае размещения большого заказа одним из розничных отделений и т. д.

Традиционный и крайне неэффективный способ решения проблем с координацией заключается в проведении двухэтапных расчетов: такой подход сначала игнорирует саму проблему координации, из-за чего потом приходится корректировать полученный результат для его соответствия поставленной задаче. В случае с контейнерной поставкой, упомянутой выше, мы сначала рассчитываем желаемый объем заказа без учета объема контейнера, а затем корректируем его таким образом, чтобы заказ уместился в контейнер. Основная проблема двухэтапных расчетов заключается в том, что на втором этапе совершенно не учитываются все экономические факторы, которые присутствовали в расчетах на первом этапе. Иными словами, корректировка результата на втором этапе может "свести на нет" все усилия, потраченные на расчет экономически выгодных решений на первом этапе. Современное ПО обрабатывает такие ситуации с помощью числовых алгоритмов, которые могут успешно обрабатывать пересекающиеся ограничения. Повторимся, что для выполнения таких алгоритмов требуются гораздо более значительные вычислительные ресурсы, чем для двухэтапных расчетов, однако для современных систем это не проблема.