Что такое цифровая модель цепочек поставок

Цифровая (или математическая) модель цепи поставок – это виртуальный двойник логистической сети компании, отражающий её физические объекты и связи между ними.

Цифровую модель ещё часто называют цифровым двойником. Цифровой двойник даёт виртуальное представление исходного бизнес-процесса и на основе анализа показывает, какие сценарии в цепочке поставок приносят бизнесу пользу.

Категория «цифровой двойник» довольно часто используется в логистике, и под этой технологией понимают как репрезентацию объектов в режиме, максимально близком к реальному времени, так и как математическую модель, построенную на исторических данных. Мы называем эту модель математическим двойником цепочек поставок.

В основе цифровой модели – данные об объектах логистической сети, транспорте, ограничениях и мощностях объектов, ограничениях потоков и тарифицируемых операциях. Всё это вносится в математический инструмент, который производит поиск оптимальной конфигурации потоков, решая системы линейных уравнений, которые содержат разные ограничения плеч цепи поставок и объектов инфраструктуры.

Математический двойник цепочек поставок или максимально приближенная к реальности цифровая модель, создается в процессе матмоделирования. Он учитывает:

• все составляющие логистической сети: продукты, поставщиков, клиентов, распределительные центры и транспортные средства,
• правила взаимодействия между компонентами сети,
• политики и ограничения, накладываемые на объекты и их взаимодействия (например, вместимости объектов, сроки доставки, ограничения по производству).

Инструмент математического моделирования, с помощью которого строится двойник, позволяет визуализировать перечисленные компоненты и связи между ними.

Определяем бизнес-логику модели и создаём её архитектуру на основании собранных данных. Моделирование текущей структуры цепей поставок последовательно:

1. создаём в модели минимальный набор физических элементов, которые отражают логику реальной инфраструктуры;
2. формируем логику привязок между объектами: определение основных видов политик снабжения;
3. создаём основные виды тарифов для отображения логики формирования затрат на объектах инфраструктуры и перемещениях между ними;
4. накладываем ограничения на объекты или потоки в соответствии с правилами;
5. собираем воркфлоу (последовательность шагов обработки данных) для построения модели и формирования отчётов;
6. меняем масштаб модели до полного объёма, т.е. наполняем её данными;
7. уменьшаем вычислительную сложность модели (если это возможно) путём агрегации или упрощения данных.

Сравниваем результаты расчёта при различных наборах входных данных. В процессе оптимизации удаляем ограничения на фиксированные потоки, добавляем потенциальные решения: политики, направления, объекты и т.д. Получаем результаты двух расчётов: на текущей структуре цепей поставок и потенциального оптимизированного результата, – и сверяем их с целью определения рычагов оптимизации.

И наконец, оцениваем исполнимость каждого из рычагов оптимизации и потенциальных рисков, спровоцированных отклонением от текущей структуры цепей поставок.

Цифровая модель воспроизводит бизнес-процессы компании, её логистические потоки и имеющиеся ограничения для оптимального использования ресурсов и повышения уровня планирования поставок.

Цифровые модели бывают нескольких видов в зависимости от их целевого использования.

Приведем пример трех основных видов:

Определяет оптимальную сетевую структуру: потоков и правил снабжения для заданного набора логистических объектов, клиентов, продуктов и спроса.

Решает задачу маршрутизации транспортных средств с помощью объединения грузов в маршруты с несколькими остановками.

Определяет оптимальный страховой запас на объектах сети с учётом изменчивости спроса и целевого уровня клиентского сервиса.

Цифровая модель помогает искать рычаги оптимизации логистических расходов и потоков в зависимости от бизнес-целей.

Модель помогает решать долгосрочные стратегические задачи по развитию цепей поставок и краткосрочные операционные вопросы.

Математический двойник решает следующие логистические задачи:

• оптимизация потоков: поиск в существующей структуре цепей поставок мест с наименьшей эффективностью;
• оптимизация сетевой инфраструктуры с открытием или закрытием объектов;
• cost-to-serve оптимизация для анализа маржинальности клиентов: оценка клиентов по затратам на их обслуживание;
• управление запасами: поиск оптимального распределения ассортимента по объектам хранения;
• управление поставщиками: определение оптимального соотношения прямых поставок и тех, которые осуществляются через распределительные центры, поиск оптимальных точек отгрузки;
• планирование производства и его распределение в зависимости от характеристик и спроса на товар;
• оптимизация транспортных потоков: расчёт наиболее экономически выгодного способа доставки до клиента;
• сценарный анализ для обеспечения непрерывности бизнеса: управление рисками при вероятных или плановых остановках, поломках и иных чрезвычайных ситуациях;
• логистика возвратов: определение оптимальной структуры потоков;
• определение потенциального синергетического эффекта при совместном использовании инфраструктуры и транспорта несколькими компаниями или даже сегментами бизнеса.

С помощью математического моделирования цепочек поставок бизнес может проверять гипотезы об эффективности внесения тех или иных изменений в логистическую структуру компании в безрисковой среде, максимально экономя ресурсы на тестирование сценариев.

Создание математического двойника позволяет укрепить слабые места в конфигурации потоков и произвести краткосрочное или долгосрочное планирование цепей поставок в соответствии с целями компании. При этом полученное в результате моделирования решение имеет математическое обоснование и удовлетворяет имеющимся ограничениям потоков, то есть является исполнимым.

Рассмотрим пример. Предположим, что ваша компания хочет сократить операционные затраты. Она строит математического двойника текущих цепей, после чего:

• ослабляет ограничения, наложенные на транспорт, для проверки оптимальности транспортных мощностей;
• снижает ограничения, наложенные на мощности распределительных центров, чтобы проверить возможности сокращения затрат за счёт изменения объёма обработки на объектах;
• оценивает эффект от открытия потенциальных локаций, закладывая в модель значения CAPEX на открытие/закрытие объектов;
• ослабляет ограничения, наложенные на объём производства и предложения поставщиков, для оценки экономического эффекта от перераспределения объёмов предложения;
• симулирует ограничения, которые могут быть наложены поставщиками, для оценки их влияния на бизнес.

Такой подход к поиску рычагов оптимизации актуален не только для финансовых бизнес-целей. К примеру, если компания заботится о снижении своего экологического следа, она может использовать математический двойник для моделирования влияния расположения поставщиков и производств на объём выбрасываемого при транспортировке углерода.

Математическое моделирование позволяет компаниям выявить имеющиеся в текущей структуре цепей поставок наименее эффективные точки и предлагает способы их устранения. В зависимости от запроса бизнеса цифровая модель помогает рассчитать и предоставить рекомендации по стратегическому развитию логистической сети на годы вперёд. Также технология может быть использована как инструмент для оперативного принятия решений о конфигурации поставок в горизонте 1-7 дней. Это особенно актуально для компаний с высокой волатильностью спроса и/или предложения, а также в реальной экономической ситуации в России.

Если вы хотите больше узнать о математическом моделировании, напишите нам на адрес supplychain@lamacon.ru или заполните форму «Задать вопрос». Наши эксперты вас проконсультируют.