Совершенствование функционирования логистической сети производственной компании с применением имитационного моделирования

Размещено на http://www.allbest.ru/

Совершенствование функционирования логистической сети производственной компании с применением имитационного моделирования

Лычкина Н.Н.

Глазков Д.Н.

Сегодня имитационное моделирование является эффективным и зачастую единственным методом исследования и решения сложных управленческих проблем. В условиях возрастающей структурной и функциональной сложности объектов управления для принятия эффективных управленческих решений знаний и интуиции экспертов недостаточно, чтобы оценить последствия реализации того или иного решения. Сложные системы контринтуитивны, состоят из множества взаимосвязанных элементов, в которых действует большое количество факторов стохастической природы и неопределенности, причина и следствие в таких системах разнесены во времени и пространстве, краткосрочные решения требуют согласования с долгосрочными прогнозами. Имитационное моделирование применяется в тех случаях, когда эксперимент с реальной системой невозможен или слишком дорог, как в случае с крупномасштабными техническими или социально-экономическими системами.

Практическое применение имитационного моделирования для управления логистической сети позволяет рассмотреть динамику процесса до исполнения плана и реализации проекта, а также дает для сложных, многообразных, зачастую уникальных процессов визуализацию и способствует комплексному пониманию логистических процессов, что делает его незаменимым в логистическом аудите. Имитационная модель позволяет продемонстрировать материальные потоки и их сложное взаимодействие с финансовыми, транспортными, информационными потоками[1].

Объектом анализа и моделирования, рассматриваемым в данной статье, является логистическая сеть (ЛС) немецкой компании LindeGasRus. Компания LindeGasRus(далее по тексту «Компания») является крупнейшим мировым производителем и поставщиком промышленных газов (азота, кислорода, аргона, двуокиси углерода, ацетилена, гелия) с общей численностью сотрудников 50,5 тыс. человек, работающих более чем в 100 странах мира и средним годовым оборотом €13,8 млрд.

Рис.1. Логистическая сеть компании LindeGasRus по поставке углекислоты

Логистическая сеть Компании по поставке углекислоты (рис.1) включает в себя заводы по производству углекислоты в г.Хельсинки (Финляндия) и г.Доргобуж (Смоленская обл.), пограничный переход Торфяновка и таможенный пост Парглово, через которые идут все поставки углекислоты на базу хранения в г.Санкт-Петербург, базу хранения в г.Балашиха (Московская обл.) и клиентов. База хранения в г.Балашиха пополняется продуктом с завода в г.Доргобуж, а также, в случае необходимости, переброской с базы в г.Санкт-Петербург. Доставка углекислоты как с заводов на базы хранения, так и с баз хранения клиентам осуществляется специализированными автоцистернами, соответствующими требованиям по перевозке опасных грузов.

Проблема функционирования ЛС связана с поставками двуокиси углерода на территории ЦФО РФ. Ее суть состоит в том, что спрос на двуокись углерода (или углекислоту) имеет ярко выраженную сезонность (рис.2).

Рис.2. Динамика объемов продаж углекислоты в 2013 году, т.

Самый большой рост спроса на углекислоту наблюдается с середины апреля, а его пик приходится на июль месяц. Связано это в первую очередь с ростом спроса на прохладительные напитки в летний период. Вместе с тем, технология производства углекислоты такова, что заводы-производители углекислоты вынуждены останавливать свое производственное оборудование на профилактическое обслуживание в весенний период, снижая, таким образом, объемы производства в 2-3 раза. И это происходит как раз в тот момент, когда начинается рост спроса. В результате этого с увеличением спроса происходит рост дефицита на углекислоту и ситуация становится критической к концу июня и длится до середины августа.

Для минимизации дефицита углекислоты в сезон повышенного спроса, Компания использует специальные емкости для хранения запасов углекислоты, расположенные в Ленинградской и Московской областях, которые пополняются в низкий сезон. Но, как показывает практика, имея 100% загрузку своих емкостей перед началом периода роста спроса, Компания не может полностью исключить возникновение дефицита, из-за чего очень часто происходят срывы сроков поставки, которые, в свою очередь, приводят к остановке производств потребителей.В результате чего Компания несет потери от упущенных продаж, а также от выплат штрафов клиентам компании за несвоевременную поставку товара, что непосредственно влияет на уровень логистического сервиса.Подобные ситуации негативно влияют на ее доходы ирепутацию.

Исходные данные, которые использовались для создания ЛС, приведены в таблицах 1-5.

Таблица 1 Среднемесячные объемы отпуска продукции Клиентам в 2013

Таблица 2 Среднемесячные объемы отпуска продукции с заводов-изготовителей

Таблица 3 Таблица расстояний, км

Таблица 4 Стоимость перевозки

Таблица 5 Дополнительные параметры

Целью исследования являлось моделирование и оптимизация логистической сети в условиях динамично изменяющегося спроса.

Были определены следующие задачи моделирования:

· оценка текущего состояния и эффективности функционирования действующей ЛС;

· анализ узких мест в ЛС;

· выбор управляющих параметров, непосредственно влияющих на ритмичность работы ЛС в условиях динамического изменения спроса;

· выбор необходимых ресурсов, состава элементов ЛС, ее реконфигурация, с целью обеспечения эффективного функционирования ЛС.

Сетевой граф модели задает базовую структуру логистической сети согласно рисунку 1,в узлах которой реализуются алгоритмы обработки материального потока.В модели детализированы основные процессы, связанные с транспортировкой продукта, обслуживанием заявок клиентов и распределением продукта потребителям.

Основные управляющие параметры имитационной модели ЛС - емкость баз хранения и количество подвижного состава. От емкости имеющихся у Компании баз хранения зависят запасы продукции, которые Компания накапливает в низкий сезон. Наличие бульшего запаса продукта позволяет сгладить остроту дефицита, что сокращает потери от упущенных продаж и повышает уровень логистического сервиса. От количества имеющегося у Компании подвижного состава зависит ритмичность поставки продукта потребителям, а также своевременное пополнение запасов на базах хранения, что сокращает суммы штрафов из-за несвоевременной поставки продукции потребителям и также повышает уровень логистического сервиса.

Помимо этого на основании собранной статистики в модели были учтены факторы, носящие стохастический характер, такие как неритмичность производства,погодные условия, влияющие на уровень спроса, количество отказов автотранспорта, время ремонта автотранспорта.

В имитационной модели ЛС формируются следующие выходные показатели: имитационный логистический сеть промышленный

- Общие затраты, включающие в себя транспортные расходы, потери, которые понесла Компания из-за образования дефицита, а также потери, которые понесла Компания от упущенных продаж из-за отсутствия свободного подвижного состава;

- Количество продукта, которое было произведено заводами-изготовителями;

- Количество продукта, которое Компания не смогла получить с заводов-изготовителей из-за отсутствия свободного подвижного состава, а также по причине полной загрузки своих хранилищ;

- Объем общих потребностей клиентов Компании, а также объем потребностей клиентов, которые компания не смогла удовлетворить;

- Уровень логистического сервиса.

В виду специфики хранения углекислоты, операционные затраты на ее хранение не зависят от того, насколько заполнены хранилища, поэтому в расчет общих затрат в модели они не включены.

Модель была реализована в многофункциональной среде Anylogic 6, поддерживающей различные парадигмы имитационного моделирования, реализующей процессный подход с помощью библиотеки объектов, позволяющих моделировать системы реального мира, имеющей развитые средства анимации и дополнительные модули, визуализирующие процесс транспортировки.Для создания модели был выбран дискретный подход, так как все процессы в модели событийные, а также в соответствии с поставленной задачей была необходимость отразить топологию ЛС и детализировать процессы транспортировки.Диаграмма дискретно-событийной модели логистической сети приведена на рисунке 3.

Рис.3. Диаграмма имитационной модели ЛС в среде AnyLogic

Рис.4.Общий вид презентации созданной модели ЛС в AnyLogic

Для наглядности работы модели был создан графический интерфейс с анимацией, с привязкой к географической карте, на которомвизуализируется передвижение автотранспорта, отображается выходная статистика (погрузка/разгрузка, простой, ремонт), текущая наполненность емкостей хранения, а также отображается текущее состояние объектов логистической инфраструктуры, с фиксированием итоговых годовых значений (рис.4). Выходные статистические данные, полученные в результате прогонов модели, представлены в таблице 6.

Таблица 6 Выходные статистические результаты имитационного моделирования по итогам одного модельного года

Проведена верификация и оценка адекватности имитационной модели логистической сети по результатам ее работы и сравнению их с фактическими значениями показателей реальной логистической сети, которая показала, что данная имитационная модель соответствует реальной логистической сети Компании.

На разработанной модели был проведен ряд сценарных исследований, в ходе которых были определены оптимальные значения управляющих параметров модели:количество подвижного состава в г.Санкт-Петербург, количество подвижного состава в г.Москва, дополнительная емкость хранения в г. Санкт-Петербург, дополнительная емкость хранения в г.Балашиха,минимизирующие потери от образования дефицита и отсутствия свободного подвижного состава, приводящие в итоге к снижению совокупной стоимости владения (TCO).Целевой функцией в модели был выбран среднегодовой уровень затрат. График формирования лучших допустимых значений целевой функции в процессе проведения оптимизационного эксперимента на имитационной модели представлен на рисунке 5.

Рис.5. График лучших допустимых значений целевой функции

В таблице 7 приведены оптимальные значения управляющих параметров для рассматриваемой логистической сети,полученные в ходе проведения сценарного исследования, которые позволяют сделать однозначный вывод о том, что для того чтобы Компании уменьшить совокупную стоимость владения необходимо увеличить количество подвижного состава в г.Санкт-Петербург, как минимум в 8 раз, а также увеличить емкость хранилища, расположенного в Московской области до 560 тонн.

Таблица 7 Результаты сценарных исследований.

Было установлено, что на текущий момент на базе хранения в г. Балашиха имеется дополнительная цистерна для хранения углекислоты, объемом 100 тонн, которая в настоящий момент Компанией не эксплуатируется.

Для оценки эффективности от запуска дополнительной емкости на базе хранения в г.Балашиха, было предложено провести дополнительное сценарное исследование и задать в модели новое значение емкости данного хранилища, увеличенное на 100 тонн, и увеличить количество подвижного состава в г.Санкт-Петербург до 80 единиц (Табл. 8).

Таблица 8 Новые значения показателей для подстановки в модель

После запуска модели были получены результаты, показывающие, что увеличение количества подвижного состава в г.Санкт-Петербург до 80 цистерн и увеличение емкости хранилища в г.Балашиха всего лишьна 100тонн, привело к сокращению суммарных затрат на 17,76%, потерь от дефицита - на 60,2% и увеличению уровня логистического сервиса на 7,3% (Табл. 9).

Таблица 9 Сравнение выходных показателей по результатам сценарных исследований

Таким образом, применение метода имитационного моделирования помогло выявить причины образования дефицита в логистической сети компании LindeGasRus и предложить оптимальное решение, позволяющее существенно снизить затраты и потери компании и увеличить уровень ее логистического сервиса, не прибегая к экспериментам с реальной системой и не инвестируя в него деньги.

Список литературы

1. Лычкина Н.Н. Имитационное моделирование экономических процессов: Учеб.пособие. -- М.: ИНФРА-М, 2011. -- 254 с. -- (Высшее образование).

2. Суслов С.А. Бизнес - это поле для экспериментов. Но проводить их лучше на имитационной модели // Рациональное управление предприятием. 2009. №4. С. 12-15.

3. Суслов С.А. Имитационная модель - уже вполне обычная составная часть логистических проектов // Логистика. 2012. №2. С. 22.

4. Толуев Ю.И. Имитационное моделирование логистических сетей // Логистика и управление цепями поставок. 2008, № 2/25

5. Дыбская В.В., Зайцев Е.И., Сергеев В.И., Стерлигова А.Н. Логистика. Полный курс MBA. - М.: ЭКСМО, 2010. - 940 с.

Аннотация

В статье демонстрируется применение метода имитационного моделирования в среде AnyLogic в целях оптимизации логистической сети промышленной компании, работающей на рынке промышленных газов. В модели детализированы основные процессы, связанные с транспортировкой продукта, обслуживанием заявок клиентов и распределением продукта потребителям. Были учтены факторы, носящие стохастический характер, такие как неритмичность производства, погодные условия, влияющие на уровень спроса, количество отказов автотранспорта, время ремонта автотранспорта. На разработанной модели был проведен ряд сценарных исследований, в ходе которых были определены оптимальные значения управляющих параметров логистической сети: количество подвижного состава, дополнительные емкости хранения, минимизирующие потери от дефицита и отсутствия свободного подвижного состава, приводящие в итоге к снижению совокупной стоимости владения (TCO).

Ключевые слова имитационная модель AnyLogic оптимизация стохастические параметры модель совокупной стоимости владения

Размещено на Allbest.ru