Оптимизация цепочки поставок позволяет наилучшим образом использовать аналитику данных, чтобы найти оптимальное сочетание заводов и распределительных центров для соответствия спросу и предложению.

Из-за текущего роста стоимости доставки компании начинают бросать вызов своим нынешним возможностям, чтобы адаптироваться к постковидной «новой нормальности» .

В этой статье мы представим простую методологию с использованием линейного программирования для оптимизации цепочки поставок с учетом

• Фиксированные производственные затраты ваших объектов ($/Месяц)
• Переменные производственные затраты на единицу продукции ($/единица)
• Стоимость доставки ($)
• Потребительский спрос (ед.)

Новые статьи прямо в вашем почтовом ящике бесплатно: Информационный бюллетень

Если вы предпочитаете смотреть, вы можете посмотреть видеоверсию этой статьи.

I. Как спроектировать сеть цепочки поставок с помощью Python?

Постановка задачи

Как руководитель отдела управления цепочками поставок международной производственной компании, вы хотите переопределить сеть цепочек поставок на следующие 5 лет с учетом недавнего увеличения стоимости доставки и прогнозов будущего спроса.

Ваша сеть цепочки поставок

• 5 рынков в Бразилии, США, Индии, Японии, Германии
• 2 типа производственных мощностей : маломощные и высокопроизводительные площадки
• Стоимость доставки ($/контейнер)
• Потребительский спрос (шт./год)

• Капитальные затраты на оборудование (машины, склады, ..)
• Коммунальные услуги (Электричество, Вода, ..)
• Руководство завода, административный персонал
• Аренда помещений

Производственные переменные затраты

• Операторы производственных линий
• Сырье

Переменные расходы на доставку

• Стоимость за контейнер ($/контейнер)
• Предположение: 1 контейнер может содержать 1000 единиц.

Производственные мощности по объектам

Например, завод большой мощности в Бразилии может производить 1 500 000 (единиц) в месяц.

Спрос клиентов на рынке

Вы можете найти полный код в этом репозитории Github: Связать
мое портфолио с другими проектами: Samir Saci

II. Полученные результаты

Давайте попробуем три сценария

• Сценарий 1: начальные параметры
• Сценарий 2: увеличиваем производственные мощности Индии (x2)
• Сценарий 3: рост стоимости доставки из-за нехватки контейнеров

• Завод в Бразилии производит продукцию для местного рынка и США

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)

Давайте попробуем удвоить размер завода высокой мощности в Индии, предполагая, что это удвоит фиксированные затраты.

• Завод в Бразилии по-прежнему производит продукцию для местного рынка и США.

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)

Что, если у нас есть стоимость контейнера, умноженная на 5?

• Бразилия производит только для местного рынка

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)

Подпишитесь на меня на Medium, чтобы узнать больше о науке о данных для цепочки поставок.

Мы будем использовать библиотеку Python PuLP. PuLP — это среда моделирования для задач линейного (LP) и целочисленного программирования (IP), написанная на Python и поддерживаемая COIN-OR Foundation (вычислительная инфраструктура для исследования операций).

1. Объявите свои переменные, параметры и модель

• LpMinimize : ваша цель — минимизировать свои расходы.
• lowBound =0: у вас не может быть отрицательных значений произведенных единиц

3. Решите свою модель и проанализируйте результаты

III. Заключение и следующие шаги

Не стесняйтесь подписываться на меня в среде для получения дополнительных статей, связанных с аналитикой данных и управлением цепочками поставок.

Заключение

Эта модель позволяет моделировать несколько сценариев, влияющих на эксплуатационные и коммерческие параметры.

• Что, если спрос резко возрастет в Индии?
• Что, если нам придется закрыть наш завод в Бразилии?
• Что, если мы утроим производственные мощности в Японии?

Устойчивое снабжение

Аналогичный подход можно использовать для выбора поставщиков с учетом целевой функции, которая минимизирует выбросы CO2 .

Устойчивое снабжение — это процесс интеграции социальных, этических и экологических факторов эффективности при выборе поставщиков.

Это включает в себя оценку и оценку поставщиков на основе набора критериев устойчивости, таких как трудовые права, здоровье и безопасность, воздействие на окружающую среду, права человека и многое другое.

Используйте аналитику данных для автоматического выбора лучшего поставщика с учетом сочетания экономических и экологических ограничений.

В этой статье мы узнаем, как использовать аналитику данных для разработки оптимальной сети цепочки поставок, чтобы минимизировать затраты и воздействие на окружающую среду.

Улучшите свою модель

Эта простая модель может помочь вам получить потенциал линейной оптимизации для оптимизации сети цепочки поставок. Мы можем быстро улучшить эту модель, добавив ограничения

• Затраты на хранение
• Ограничения выбросов углерода (CO2 = f(расстояние, вес))
• Время выполнения поставки
• Плата за оформление клиента
• Изменение валюты

Обо мне

Давайте подключимся через Linkedin и Twitter . Я инженер по цепочке поставок, который использует аналитику данных для улучшения логистических операций и снижения затрат.

Если вас интересует аналитика данных и цепочка поставок, загляните на мой веб-сайт.

Рекомендации

[1] Вычислительная инфраструктура для исследования операций, оптимизация с помощью PuLP (документация), ссылка