Товар готов — осталось отправить его заказчику. Руководитель направления систем бизнес-аналитики BIA Technologies Станислав Воронин — о том, как математическая оптимизация решает проблемы логистов.
В этой статье речь пойдёт о следующей задаче, с которой сталкивается любое промышленное предприятие: отгрузке больших объёмов готовой продукции.
Проблематика
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:
- Если клиенту нужны разные номенклатурные позиции (например, четыре вида металлических труб разного диаметра), нужно ли ждать, пока вся необходимая номенклатура соберётся на складе, или следует отгружать товар частями?
- Стоит ли забирать продукцию с производственной линии и сразу отправлять её заказчику, или сперва отвозить товар на склад (и если так, то какой — склад при цехе на самом производстве или удалённый распределительный центр)?
- Какова максимальная пропускная способность склада (предел крановых мощностей)? Как сделать нагрузку на склад более равномерной?
- Какова текущая загруженность персонала на складе (ведь у сотрудников могут быть другие задачи, помимо погрузки товаров)?
- Какая транспортно-погрузочная техника имеется в распоряжении компании?
- Каковы технические ограничения доступного транспорта (тип, оснащённость, весогабаритные параметры)?
- Существуют ли какие-либо ограничения со стороны заказчика (временные окна приёмки или ограничения по объёму продукции, которую заказчик в состоянии одномоментно принять)?
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.
Решение
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:
- детализация по заказам (какая продукция, кому, куда и в какой срок нужна);
- остатки на складах;
- производственный план (какая продукция в какой день будет выпущена) и т. д.
и ограничений:
- нормативная ёмкость и пропускная способность складов с точки зрения погрузки-выгрузки;
- нормативы времени погрузки в разрезе цехов и видов транспортных средств;
- количество доступного транспорта нужной грузоподъёмности;
- клиентские ограничения по приёмке и многие другие.
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:
- исходный план на длинный горизонт: базовый месячный/декадный план отгрузок для формирования графика поставок транспорта на заданный период; актуализируется минимум раз в неделю;
- уточнённый план на короткий горизонт: ежедневный (или даже более частый) точный пересчёт базового плана с учётом изменений в поставке транспорта, выхода с производства, поломки кранов и прочего.
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:
- Сокращение логистических затрат. Как говорилось выше, тариф на перевозку зависит от специфики заказчика услуги. Если перевозчик в 40–50% случаев сталкивается с тем, что поданная к установленному сроку машина простаивает сутки под погрузкой или выгрузкой, то в следующий раз эти риски будут включены в базовый тариф. Кроме того, если разовая потребность перевозок по направлению существенно превышает текущий грузооборот по направлению, то для её удовлетворения необходимо привлекать дополнительных поставщиков, ещё не выстроивших эффективные реверсивные рейсы и закладывающих холостые обратные пробеги в стоимость. Минимизация указанных рисков перевозчиков позволяет снизить тарифы до 15–25% в зависимости от направления.
- Соблюдение графиков отгрузки. Система планирования учитывает имеющиеся ресурсы склада, что позволяет сократить количество случаев срыва графика погрузки по причине нехватки крановых мощностей или персонала минимум на 60–80%. Отдельно отмечу, что до внедрения системы большая часть таких инцидентов может быть не зафиксирована, что снижает оценку масштабности проблем.
- Снижение трудоёмкости процессов планирования и оперативного формирования графиков. Оценочно можно сократить время, затрачиваемое специалистами на процесс планирования, не менее чем на 25%.
Эти показатели достижимы при грамотном внедрении на предприятии математических методов, автоматизации процесса планирования, чётком онлайн-управлении графиками отгрузок и цифровом моделировании складов готовой продукции.
