Цепочка поставок: переход к стратегии Pull

Одним из основных трендов в промышленных отраслях является планирование цепи поставок, ориентированной на спрос. Cпрос является ключевой и опорной точкой при планировании логистической системы, ведь он отражает потребность клиента, а клиентоориентированность - самое главное конкурентное преимущество любой компании.

Цепи поставок можно планировать двумя способами: Push и Pull. В основе планирования логистической системы по методу Push лежит необходимость максимального использования логистических мощностей компании для минимизации времени простоя дорогостоящего оборудования, производственных линий, а так же зафрахтованных транспортных средств. С развитием современных технологий появилась возможность загружать все мощности компании и даже испытывать в них дефицит, поэтому многие уходят от планирования по методу Push к Pull. Этому способствует усовершенствование способов коммуникаций, EDI сообщения, развитие order to cash процессов. Компании достаточно быстро подключают и без ущерба своевременно отключают от логистической системы внешних игроков рынка.

Но как же осуществить грамотный переход от уже прижившейся системы Push и адаптировать её к текущим реалиям рынка Pull? На этот вопрос могут ответить только эксперты по проектированию логистической инфраструктуры.

В промышленности при построении правильной конфигурации необходимо учитывать внутренние и внешние предпосылки логистической среды. Из внешних предпосылок - изменчивую законодательную среду. Так, например, в начале 2019 года был выпущен указ о сдерживании розничных цен на топливо, что привело к острой необходимости оптимизировать расходы, с целью сохранения текущей прибыльности нефтепродуктового бизнеса. Внутренние предпосылки: централизация функций управления товаропроводящей сетью, необходимость интеграции бизнес-процессов этих же функций.

Моделирование позволяет бизнесу корректно использовать все возможности цепи поставок и ограничения, проработать все возможные альтернативы распределения ресурсов, сформировать критерии их отбора, а также формализовать их с помощью понятного языка – математики. Но в различных ситуациях эти составляющие могут весьма отличаться, и потому бизнес должен быть готов быстро обработать «новые вызовы» внешней или внутренней среды.

Для корректного моделирования товаропроводящей сети выбранной компании строится её цифровой двойник, включающий в себя все объекты логистической инфраструктуры. Помимо этого, учитываются все факторы, влияющие на конечную прибыль и затраты, все взаимосвязи между объектами (заводы, склады, точки реализации), а также спрос.

Спрос, в данном случае, это то, что будет являться драйвером нашей логистической модели. Прообразом цифрового двойника является математическая функция, оптимальность которой может достигаться в точках минимума издержек, максимума прибыли или охватывать обе функции сразу. Для специалиста, ответственного за построение такого двойника задача стоит весьма понятно: математически описать движение грузопотока по товаропроводящей сети. Но что же делать с критично важными для бизнеса показателями, такими как: уровень сервиса, утилизация склада/рц/нефтебаз, ошибка прогноза спроса, дальность плеча доставки и т.д.? Конечно, решение есть всегда. И одним из таковых является программное обеспечение LLamasoft, которое специализируется на решении подобных задач.

Одним из часто встречающихся вопросов является: «чем специализированное ПО лучше чем Excel?». Каким бы ни был размер предполагаемого бизнеса, построить математическую модель логистической сети средствами Excel сложно. Существенными различиями между специализированным ПО и Excel являются:

Представьте себе матрицу размерности: 10 объектов производства х 4 типа транспорта х 70 складов х 2 типа доставки х 1000 точек доставки. Далее у каждого из объектов есть признаки. Например: производство может быть собственным и сторонним, при этом своё производство использовать предпочтительнее; склад может быть арендованным и собственным и иметь ограничения по вместимости; клиенты могут быть класса VIP и обслуживаться в первую очередь и т.д. Теперь наложите на эту придуманную цепь поставок следующие условия: уровень логистического сервиса, максимальная длина транспортного плеча, максимальное время в пути до клиента, минимальный размер заказа, минимальную утилизацию складов, а также ошибку прогноза спроса. Чувствуется как нарастает ворох вопросов, об упорядочивании этих параметров в Excel таблицах? Между прочим, данные это 80% успеха при моделировании товаропроводящей сети.

Многие компании, шагая в ногу со временем, используют принципы технологии, дополняющие классическую концепцию SCM. Создаются шины, озёра данных, мануальные процедуры по управлению холодными и условными мастер-данными. Изменения данных в источниках информации, нельзя не учитывать при моделировании цепи поставок. Поэтому одна из основных задач специализированного ПО – это помощь специалисту/оператору/архитектору в изменении входных данных, влияющих на конечный результат функции. Только представьте: что станет с Excel, если к нему одновременно подключить ERP, WMS, TMS и облачные сервисы? А специализированное ПО очень стремительно развивается в этом направлении.

В завершении статьи хотелось бы отметить, что не только промышленные компании нуждаются в оптимизации логистических процессов. Это правильный путь управления денежным потоком, который выполняет три ключевых функции:

• снять все конфликты интересов внутри компании;
• синхронизировать все функции компании, приводя их к общей цели;
• обосновать принимаемые решения с помощью строгих математических расчетов и согласованных правил расчета;
• проверять все возможные гипотезы «что будет если?»

Как следствие, окупаемость такого внедряемого бизнес-решения не заставит себя ждать и приятно удивит владельцев и акционеров компании. Так, например, в среднем по отраслям эффект от проекта оптимизации даёт сокращение транспортных расходов, в следующих значениях:

• Ритейл - 10,9%;
• Автомобильная отрасль - 9,4%;
• Логистика и 3PL - 11,7%;
• CPG, Напитки и продукты питания - 9,8%;
• Перерабатывающие отрасли промышленности - 6,9%;
• Высокие технологии и электроника - 9,6%;
• Производство - 8,9%;
• Медицина - 18,1%.
  
  

Важно помнить, что результат - плод совместной работы. Команда разработчиков будущей модели использует математический подход, а необходимый опыт и знание реальной бизнес-ситуации – на стороне клиента.