Ottimizzazione della supply chain con Python

Mar 17 2023

Trova le posizioni ottimali dei tuoi impianti di produzione per soddisfare la domanda dei tuoi clienti e ridurre i costi di produzione

L'ottimizzazione della supply chain sfrutta al meglio l'analisi dei dati per trovare una combinazione ottimale di fabbriche e centri di distribuzione per far corrispondere domanda e offerta. A causa dell'attuale aumento dei costi di spedizione, le aziende iniziano a sfidare la loro attuale impronta per adattarsi al "New Normal" post-covid.

Problema di ottimizzazione della rete della supply chain — (Immagine per autore)

L'ottimizzazione della supply chain sfrutta al meglio l'analisi dei dati per trovare una combinazione ottimale di fabbriche e centri di distribuzione per far corrispondere domanda e offerta.

A causa dell'attuale aumento dei costi di spedizione, le aziende iniziano a sfidare la loro attuale impronta per adattarsi al "New Normal" post-covid .

In questo articolo, presenteremo una semplice metodologia che utilizza la programmazione lineare per l'ottimizzazione della supply chain considerando

Costi di produzione fissi delle tue strutture ($/mese)
Costi di produzione variabili per unità prodotta ($/Unità)
Spese di spedizione ($)
Domanda del cliente (Unità)

Nuovi articoli direttamente nella tua casella di posta gratuitamente: Newsletter

Se preferisci guardare, puoi dare un'occhiata alla versione video di questo articolo

I. Come progettare una rete di supply chain con Python?

Dichiarazione problema

In qualità di Head of Supply Chain Management di un'azienda manifatturiera internazionale, vuoi ridefinire il Supply Chain Network per i prossimi 5 anni considerando il recente aumento dei costi di spedizione e le previsioni della domanda futura.

Mappa della tua rete di filiera — (Immagine per autore)

La tua rete di filiera

5 mercati in Brasile, USA, India, Giappone, Germania
2 tipi di impianti di produzione : siti a bassa capacità e ad alta capacità
Costi di spedizione ($/contenitore)
Fabbisogno del cliente (Unità/anno)

Spese in conto capitale per le attrezzature (Macchine, Stoccaggio, ..)
Utenze (Elettricità, Acqua, ..)
Direzione della fabbrica, personale amministrativo
Affitto dello spazio

Costi fissi del sito di produzione — (Immagine per autore)

Costi variabili di produzione

Operatori di linee di produzione
Materie prime

Costi fissi del sito di produzione — (Immagine per autore)

Costi variabili di spedizione

Costo per contenitore ($/Contenitore)
Ipotesi: 1 contenitore può contenere 1000 unità

Spese di spedizione via mare ($/container) — (Immagine per autore)

Capacità produttiva per sito

Capacità del sito di produzione — (Immagine per autore)

Ad esempio, una fabbrica ad alta capacità in Brasile può produrre 1.500.000 (Unità/mese).

Domanda dei clienti per mercato

Capacità del sito di produzione — (Immagine per autore)

Puoi trovare il codice completo in questo repository Github: Collega
il mio portfolio con altri progetti: Samir Saci

II. Risultati

Proviamo tre scenari

Scenario 1: parametri iniziali
Scenario 2: aumentiamo la capacità produttiva dell'India (x2)
Scenario 3: aumento dei costi di spedizione a causa della carenza di container

L'impianto in Brasile produce per il mercato locale e per gli Stati Uniti

Facilities: 1 high capacity plant
('Brazil','Brazil') = 145,000 (Units/Month)
('Brazil','USA') = 1,250,000 (Units/Month)

Facilities: 1 high capacity plant and 1 low capacity plant
('India','Germany') = 90,000 (Units/Month)
('India','India') = 160,000 (Units/Month)
('India','Japan') = 200,000 (Units/Month)
('India','USA') = 1,550,000 (Units/Month)

Facilities: 1 high capacity plant
('Japan','Japan') = 1,500,000 (Units/Month)

Total Costs = 62,038,000 ($/Month)

Proviamo a raddoppiare le dimensioni dell'impianto ad alta capacità in India con l'ipotesi che raddoppierà i costi fissi.

L'impianto in Brasile continua a produrre per il mercato locale e per gli Stati Uniti

Facilities: 1 high capacity plant
('Brazil','Brazil') = 145,000 (Units/Month)
('Brazil','USA') = 1,250,000 (Units/Month)

Facilities: 2 high capacity and 1 low capacity plants
('India','Germany') = 90,000 (Units/Month)
('India','India') = 160,000 (Units/Month)
('India','Japan') = 1,700,000 (Units/Month)
('India','USA') = 1,550,000 (Units/Month)

-19.4(%) vs. Scenario 1
Total Costs = 51,352,000 ($/Month)

E se avessimo i costi del container moltiplicati per 5?

Il Brasile produce solo per il mercato locale

Facilities: 1 low capacity plant
('Brazil','Brazil') = 145,000 (Units/Month)

Facilities: 1 high capacity plant
('USA','Japan') = 200,000 (Units/Month)
('USA','USA') = 1,300,000 (Units/Month)

Facilities: 1 high capacity plant
('India','Germany') = 90,000 (Units/Month)
('India','India') = 160,000 (Units/Month)
('India','USA') = 1,500,000 (Units/Month)

Facilities: 1 high capacity plant
('Japan','Japan') = 1,500,000 (Units/Month)

Total Costs = 92,981,000 ($/Month)

Seguimi su medium per ulteriori approfondimenti relativi a Data Science for Supply Chain.

Useremo la libreria PuLP di Python. PuLP è un framework di modellazione per problemi di programmazione lineare (LP) e intera (IP) scritto in Python e gestito da COIN-OR Foundation (Computational Infrastructure for Operations Research).

1. Dichiarare le variabili, i parametri e il modello

LpMinimize : il tuo obiettivo è minimizzare i tuoi costi
lowBound =0: non si possono avere valori negativi di unità prodotte

3. Risolvi il tuo modello e analizza i risultati

III. Conclusione e passaggi successivi

Sentiti libero di seguirmi su medium per altri articoli relativi all'analisi dei dati e alla gestione della catena di approvvigionamento

Conclusione

Questo modello consente di simulare diversi scenari che influenzano i parametri operativi e commerciali.

E se la domanda esplodesse in India?
E se dovessimo chiudere il nostro stabilimento in Brasile?
E se triplicassimo la capacità produttiva in Giappone?

Approvvigionamento sostenibile

(Immagine per autore)

Un approccio simile può essere utilizzato per selezionare i fornitori considerando una funzione obiettivo che ridurrà al minimo l' impronta di CO2 .

L'approvvigionamento sostenibile è il processo di integrazione dei fattori di prestazione sociale, etica e ambientale nella selezione dei fornitori.

Ciò comporta la valutazione e la valutazione dei fornitori sulla base di una serie di criteri di sostenibilità, come i diritti del lavoro, la salute e la sicurezza, l'impatto ambientale, i diritti umani e altro ancora.

Valutazione dei fornitori in base a fattori ambientali — (Immagine per autore)

Utilizza l'analisi dei dati per selezionare automaticamente il miglior fornitore con un mix di vincoli economici e ambientali

In questo articolo scopriremo come utilizzare l'analisi dei dati per progettare una rete di supply chain ottimale per ridurre al minimo i costi e gli impatti ambientali.

Migliora il tuo modello

Questo semplice modello può aiutarti a ottenere il potenziale dell'ottimizzazione lineare per l'ottimizzazione della rete della supply chain. Possiamo migliorare rapidamente questo modello aggiungendo vincoli

I costi di stoccaggio
Limiti delle emissioni di carbonio (CO2 = f(distanza, peso))
Termine di consegna
Commissioni di sdoganamento del cliente
Cambio di valuta

Su di me

Connettiamoci su Linkedin e Twitter , sono un ingegnere della catena di approvvigionamento che utilizza l'analisi dei dati per migliorare le operazioni logistiche e ridurre i costi.

Se sei interessato a Data Analytics e Supply Chain, dai un'occhiata al mio sito web