Оптимизация, основанная на принятии решений

learn menu

Количественная цепочка поставок сосредоточена на создании автоматизированных решений для оптимизации работы цепочки поставок. Основной целью не является предоставление числовых артефактов, таких как еженедельные прогнозы. Эти артефакты рассматриваются как произвольные внутренние вычисления, которые случайно используются для вычисления конечных решений. Мы определяем решение как ответ на проблему цепочки поставок, который может быть реализован и имеет осязаемые, если не физические, последствия для самой цепочки поставок. С точки зрения классического планирования цепочки поставок, фокус на принятии решений может показаться неожиданным, поскольку они не определяются по обычным линиям планирования и операций. Тем не менее, фокус на решениях значительно облегчает фактическую оптимизацию цепочки поставок. В этом разделе мы уточняем понятие решения цепочки поставок, рассматриваем наиболее часто встречающиеся типы решений и характеризуем ключевые аспекты перспективы, основанной на принятии решений.

Определение возможных решений

Количественная цепочка поставок принимает высоко числовую и статистическую позицию по отношению к проблемам цепочки поставок. Однако эта позиция не является подходящей для всех проблем. Чтобы оценить, является ли количественная перспектива подходящей для проблемы, должны выполняться следующие условия:

  • Повторяемость: разработка числового рецепта для решения проблемы требует усилий, которые превращаются в затраты. Чтобы оптимизировать цепочку поставок с прибылью, необходимо убедиться, что сам процесс оптимизации не стоит дороже ожидаемых от него выгод. Как правило, рутинные проблемы, например, пополнение запасов, которые необходимо решать каждый день или каждую неделю, намного лучше подходят для количественного подхода, чем исключительные проблемы, например, расширение на новую страну.
  • Узкие решения: для того чтобы контролировать сложность программного решения, целесообразно сосредоточиться на проблемах цепочки поставок, которые могут быть решены определенным типом решений, в идеале, высоко числовых решений. Например, решение о прекращении складирования продукта вообще из-за низкого спроса, который не оправдывает дополнительные затраты на цепочку поставок, является очень узким вопросом, на который высокоавтоматизированный процесс может легко ответить. В отличие от этого, решение о изменении рабочих практик команды по управлению складом является очень открытой проблемой, которая плохо подходит для автоматизации.
  • Исторические данные: программные решения не могут работать в вакууме. Знания для решения проблемы цепочки поставок могут быть встроены в программное обеспечение в виде ручно заданных правил; однако создание большого объема последовательных и эффективных правил принятия решений является очень сложной задачей. Большинство современных подходов широко используют все соответствующие знания из исторических данных (история продаж, история закупок и т. д.) и ограничивают записи правил определенными политиками цепочки поставок, например, минимальными объемами заказа, которые мы определенно не хотим, чтобы программное обеспечение пыталось экстраполировать из исторических данных.

По мере развития программной инженерии и, более конкретно, развития области машинного обучения, спектр решений, доступных компьютерным системам, расширяется с каждым годом. Например, ранние системы оптимизации запасов были ограничены товарами с несколькими месяцами истории продаж, тогда как новые системы поддерживают все товары, включая те, которые еще не были проданы.

Иногда программная инженерия позволяет решать проблемы, которые ранее считались неразрешимыми для эксперта по цепочке поставок. Например, современные системы оптимизации запасов могут предсказывать, какие записи о запасах наиболее вероятно содержат ошибки, что позволяет приоритетно пересчитывать запасы, что превосходит более традиционный подход линейного пересчета всех SKU.

Примеры решений в цепочке поставок

Цепочки поставок чрезвычайно разнообразны, и то, что является проблемой первостепенной важности для одной отрасли, может казаться только случайным в другой. В этом разделе мы кратко рассмотрим типичные решения, которые хорошо подходят с точки зрения количественной цепочки поставок.

  • Заказы на закупку: принятие решения о точных количествах, которые следует закупить у каждого поставщика для каждого товара. Это решение обновляется ежедневно, даже если не ожидается фактического заказа на закупку большую часть дней. Заказ на закупку должен учитывать все ограничения заказа (минимальные партии) и ограничения транспортировки (например, контейнеры). Также заказ на закупку может включать выбор способа транспортировки (морской или воздушный) с возможностью комбинирования транспортировки.
  • Заказы на производство: принятие решения о точных количествах, которые следует произвести. Заказ на производство должен учитывать все ограничения производства, которые могут требовать минимальных партий производства. Также максимальная производственная мощность может быть ниже рыночных потребностей пикового сезона в течение года, в таком случае производство должно заранее создавать запасы, чтобы справиться с пиковым сезоном.
  • Балансировка запасов: принятие решения о том, следует ли перемещать единицы, которые в настоящее время находятся на складе в одном месте, в другое место, обычно потому что баланс запасов больше не соответствует прогнозируемому будущему спросу, дифференцированному по местоположению. Опять же, решение обновляется ежедневно, даже если в большинстве дней, для большинства товаров, экономически невыгодно перемещать их между местами.
  • Ликвидация запасов: принятие решения о том, следует ли уничтожить или продать единицы, которые в настоящее время находятся на складе, через вторичный - обычно сильно сниженный - канал. Действительно, мертвые запасы могут бесполезно загромождать склады и тем самым создавать затраты, превышающие экономическую стоимость самих запасов. В зависимости от отрасли запасы могут быть ликвидированы через акции, специализированные каналы или чистое уничтожение.
  • Складирование по сравнению с прямыми поставками: принятие решения о том, достаточно ли спроса на товар, чтобы оправдать его закупку, хранение и непосредственное обслуживание, или будет лучше, если товар будет доставлен третьей стороной по запросу. Продукты с прямыми поставками обычно приносят меньшие маржи, но также несут меньшие затраты на хранение. Решение заключается в определении точного списка товаров, которые следует хранить на складе, при этом поддерживая общую управляемость разнообразия запасов. Целевой учет запасов: принятие решения о необходимости пересчета SKU из-за потенциальной неточности электронной записи, которая может не соответствовать фактическому количеству единиц, доступных на полке. Это решение является компромиссом между затратами на труд, связанными с операцией пересчета, и негативным влиянием фантомных запасов на эффективность цепи поставки. На практике неточности в инвентаризации гораздо больше в общедоступных розничных магазинах по сравнению с складами или заводами с ограниченным доступом для персонала.

Следует отметить, что у конкретных отраслей есть свои наборы решений. Приведенные ниже примеры можно считать более зависимыми от контекста, чем перечисленные выше.

  • Ассортимент розничного магазина: принятие решения о точном списке продуктов, которые должны присутствовать в каждом розничном магазине. Иногда полный каталог продуктов может значительно превышать вместимость любого отдельного магазина; поэтому каждый магазин может выставить на показ только подмножество каталога. Оптимизация ассортимента максимизирует производительность розничного магазина с учетом его вместимости. Кроме того, вызовы становятся еще более сложными в случае отраслей, таких как товары роскоши, поскольку в магазине обычно имеется не более одной единицы на каждый продукт из выбранного ассортимента.
  • Оптимальная замена: принятие решения о том, когда замена продукта является приемлемой и когда выгодно продолжить замену. Например, интернет-магазин свежих продуктов может принимать доставки за несколько дней вперед, что создает проблему задержки дефицита товара для свежего продукта, который уже был заказан, и тем самым изменяет исходный заказ клиента. В этой ситуации замена хорошо подобранным альтернативным продуктом может быть более выгодной операцией для розничного продавца и лучшим обслуживанием для клиента.
  • Оптимальное отчуждение: принятие решения о перепродаже запасов, обычно ремонтных частей, которые изначально предназначались для внутреннего потребления. Запас ремонтных частей обычно перемещается между двумя состояниями - исправным и неисправным, поскольку части проходят обслуживание, извлекаются, ремонтируются и, наконец, снова обслуживаются. В определенных обстоятельствах, таких как снижение спроса, запас исправных частей может значительно превышать потребности компании. В этом случае возникает выбор между перепродажей части на вторичном рынке, обычно по сниженной цене, для возврата части первоначальной стоимости запаса или, альтернативно, увеличения риска неподачи части в будущем вовремя.
  • Сохранение неисправных запасов: принятие решения о немедленном ремонте неисправной, но в принципе подлежащей ремонту части или отсрочке ремонта и хранении части в неисправном состоянии. В то время как ремонт частей может быть дешевле, чем покупка новых частей, текущий запас исправных частей может быть достаточным для удовлетворения спроса в течение длительного периода времени. Таким образом, отсрочка ремонта является компромиссом между отсрочкой затрат на ремонт в будущем - с возможностью никогда не понести эти затраты, если спрос на рынке переключится на альтернативные части в промежутке времени, или увеличением риска неподачи части в будущем вовремя.
  • Оптимальное снабжение: принятие решения о целесообразности проведения операции снабжения для установления ценового бенчмарка для определенной части. В некоторых отраслях цена на части относительно непрозрачна. Установление актуальной цены на часть, возможно, очень дорогого оборудования, может занять несколько дней усилий. Когда операции требуют тысячи частей, возникает выбор между покупкой более дорогих частей и понесением затрат на рабочую силу, связанных с операциями снабжения. Сохранение комплектов: принятие решения о том, стоит ли продавать последнюю единицу определенного продукта как отдельную продажу или лучше сохранить эту единицу для последующей продажи в составе комплекта. Действительно, есть ситуации, когда наличие комплектов, то есть комбинаций частей или продуктов, имеет большое значение, в то время как наличие отдельных частей имеет меньшее значение. Однако, продав последнюю часть как отдельную часть, можно создать проблему с отсутствием товара для более крупного, более важного комплекта. Таким образом, существует компромисс между преимуществами правильного обслуживания отдельной части сейчас и недостатками столкновения с более поздней, более значимой проблемой отсутствия товара для комплекта.

До формализации таких решений, решения в сфере цепочки поставок обычно принимаются неявно, возможно, людьми, но также и программными системами. Например, конфигурация запасов Мин/Макс неявно принимает множество решений, и не только о количестве для повторного заказа: пока значение Max не равно нулю, продукт будет оставаться в ассортименте. Кроме того, пересчет запасов не происходит перед запуском пополнения, что является еще одним неявным решением и т.д. К сожалению, нельзя оптимизировать то, что нельзя измерить, именно отсутствие формализации самих решений обычно препятствует систематическому улучшению производительности цепочки поставок, полученной благодаря этим решениям.

Числовые артефакты против решений

Сталкиваясь с сложными проблемами в сфере цепочки поставок, практики рискуют путать цели и средства. Например, столкнувшись с необходимостью пополнения запасов, установление еженедельного прогноза спроса, связанного с конкретным артикулом, является всего лишь составляющей, необходимой для некоторых, но не всех, числовых методов, доступных для вычисления количества для повторного заказа. Еженедельный прогноз - это только промежуточный расчет, в то время как заказанное количество - это окончательное решение. С точки зрения количественной цепочки поставок, мы называем эти промежуточные расчеты числовыми артефактами. Количественная цепочка поставок не отрицает важность числовых артефактов; однако она также подчеркивает, что эти артефакты - всего лишь это: одноразовые, временные числовые выражения, которые вносят вклад в конечный результат: решения цепочки поставок.

Что касается числовой оптимизации, ошибкой является мысль о том, что оптимизация числовых артефактов по произвольным математическим метрикам, например, прогнозы спроса, оптимизированные по WMAPE (взвешенная средняя абсолютная процентная ошибка), автоматически приводит к финансовым результатам. Хотя это может показаться контринтуитивным, в сфере цепочки поставок это обычно не так. Проблемы цепочки поставок обычно являются высокоасимметричными проблемами. Например, в авиационной отрасли отсутствующая деталь стоимостью 200 долларов США может удерживать на земле самолет стоимостью 200 миллионов долларов США. Количество деталей, которые следует хранить на складе, не обязательно определяется ожидаемым спросом: стоимость детали по сравнению с затратами на ее отсутствие может полностью определять процесс принятия решения о запасах.

В отличие от этого, количественная цепочка поставок подчеркивает, что в конечном итоге только решения действительно имеют значение, потому что они являются единственными осязаемыми элементами, которые имеют реальные и измеримые финансовые последствия для компании. Таким образом, хотя крайне важно проверять производительность решений, управление цепочкой поставок также должно быть здорово скептическим по отношению к КПЭ, которые применимы к независимым, необязательным, временным числовым результатам, таким как еженедельные или ежемесячные прогнозы спроса.

Ограниченные решения между реальностью и вымыслом

Решения в сфере цепочки поставок обычно ограничены: ответы являются действительными только в том случае, если они удовлетворяют набору числовых ограничений. Например, заказы могут быть подвержены MOQ (минимальным объемам заказа), которые представляют собой нелинейное ограничение. Кроме того, склад имеет ограниченную вместимость - еще одно нелинейное ограничение.

Часто ограничения генерируются на основе основных экономических факторов, связанных с операциями цепочки поставок: учет текущей цены продукта; распределение продукта может быть экономически целесообразным только в случае продажи продуктов, упакованных на поддонах, и, следовательно, продукт может быть продан только с партией, скажем, 50 единиц, что представляет собой загруженный поддон.

Однако также бывает, что ограничения могут возникать из произвольных организационных правил. Например, компания может решить, что годовой бюджет на закупки для подразделения будет ограничен 1 миллионом долларов США. Это ограничение бюджетирования устанавливается задолго до того, как фактически становятся известными продажи подразделения. В такой ситуации ожидается, что решения по закупкам будут соответствовать нелинейному ограничению, которое является результатом относительно произвольного процесса бюджетирования.

Количественная цепочка поставок стремится отражать наиболее реальные ограничения цепочки поставок, позволяя при этом новым, возможно, пересмотренным организациям работать без оков, которые были наложены произвольными аспектами предыдущих процессов. Действительно, в цепочке поставок большинство произвольных ограничений являются результатом отсутствия автоматизации: если “оптимальный” бюджет на подразделение нельзя надежно переоценить ежедневно, учитывая все поперечные проблемы внутри компании, то естественно прибегнуть к годовому или квартальному бюджету.

Решения требуют приоритизации и координации

Почти все решения в цепочке поставок взаимозависимы: каждая дополнительная единица, закупленная у поставщика, будет занимать дополнительное место на складе, пока склад не заполнится, а затем операции остановятся. Эти зависимости обычно косвенные и сложно решить с числовой точки зрения, но это не делает их менее важными с точки зрения цепочки поставок и даже стратегической. Если общий уровень обслуживания составляет 99%, что очень хорошо, но крупнейший клиент страдает от уровня обслуживания 85%, потому что все случаи отсутствия товара сосредоточены в группе товаров, закупаемых этим самым клиентом, компания сталкивается с серьезным риском потерять своего крупнейшего клиента.

Приоритизация решений обычно является наиболее простым методом для наилучшего использования общих, но ограниченных ресурсов в цепочке поставок. Например, поскольку вместимость склада и оборотный капитал ограничены, цель не просто купить одну дополнительную единицу товара, которая оказывается прибыльной, а определить следующую единицу товара, которая оказывается наиболее прибыльной единицей во всем каталоге продукции. Обработка решений по закупкам товаров в отдельности создаст риск исчерпания места на складе или бюджета на закупки на низкоприбыльные товары.

На практике для этой приоритизации требуется значительное изменение аналитического программного обеспечения, поддерживающего цепочку поставок. Вместо обработки каждого решения в отдельности, как это делается с примитивными методами цепочки поставок, например, инвентаризация Min/Max, все решения должны быть объединены и ранжированы по их ожидаемой прибыльности. Такой процесс возможен с использованием современных программных решений, но требует значительно больше вычислительных ресурсов по сравнению с ранними методами цепочки поставок.

Координация решений необходима для управления всеми поперечными ограничениями, применимыми к операциям цепочки поставок. Например, при заказе товаров у зарубежного поставщика может быть сильное экономическое стимулирование для заказа полного контейнера. Таким образом, задача заключается не столько в выборе количества товаров, сколько в выборе количества товаров, которые в совокупности точно соответствуют вместимости контейнера. Поперечные ограничения являются неотъемлемыми в цепочке поставок: настройка ассортимента новой коллекции в моде, обеспечение высокого уровня обслуживания для клиентов, ищущих список товаров в магазине для самостоятельного ремонта, не истощение центрального склада через крупные заказы из одного магазина в ущерб другим магазинам и т. д.

Традиционный и крайне неэффективный способ решения таких проблем с координацией заключается в выполнении двухэтапного расчета, который в первую очередь игнорирует проблему координации, а затем корректирует начальный числовой результат, чтобы он соответствовал проблеме. Что касается приведенного выше примера с контейнером, первым шагом мы можем вычислить желаемые количества для заказа, полностью игнорируя угол контейнера; затем мы можем скорректировать эти количества так, чтобы они фактически помещались в контейнер. Основной недостаток такого двухэтапного расчета заключается в том, что второй этап полностью игнорирует все экономические факторы, учтенные при расчете первого этапа. Другими словами, пересмотр результатов на втором этапе может “отменить” все усилия, вложенные в вычисление прибыльных решений на первом этапе. Современное программное обеспечение решает такие ситуации путем введения численных решателей, которые могут фронтально решать такие поперечные ограничения. Опять же, эти решатели требуют гораздо больше вычислительных ресурсов, чем их наивные двухэтапные аналоги, но с учетом обычно доступных вычислительных ресурсов это не проблема.