Tedarik zinciri optimizasyonu, arz ve talebi eşleştirmek için fabrikaların ve dağıtım merkezlerinin en uygun kombinasyonunu bulmak için veri analitiğinden en iyi şekilde yararlanır .

Nakliye maliyetlerindeki mevcut artış nedeniyle şirketler, covid sonrası "Yeni Normal" e uyum sağlamak için mevcut ayak izlerini zorlamaya başlıyor .

Bu makalede, Tedarik Zinciri Optimizasyonu için Doğrusal Programlama kullanarak basit bir metodoloji sunacağız.

• Tesislerinizin sabit üretim maliyetleri ($/Ay)
• Üretilen birim başına değişken üretim maliyetleri ($/Birim)
• Nakliye masrafları ($)
• Müşteri talebi (Adet)

Yeni makaleler ücretsiz olarak doğrudan gelen kutunuzda: Bülten

İzlemeyi tercih ederseniz, bu makalenin video versiyonuna göz atabilirsiniz.

I. Python ile Tedarik Zinciri Ağı nasıl tasarlanır?

Sorun bildirimi

Uluslararası bir üretim şirketinin Tedarik Zinciri Yönetimi Başkanı olarak, son zamanlarda artan nakliye maliyetleri ve gelecekteki talep tahminlerini göz önünde bulundurarak Tedarik Zinciri Ağını önümüzdeki 5 yıl için yeniden tanımlamak istiyorsunuz.

Tedarik Zinciri Ağınız

• Brezilya, ABD, Hindistan, Japonya, Almanya'da 5 pazar
• 2 tip üretim tesisi : düşük kapasiteli ve yüksek kapasiteli tesisler
• Nakliye masrafları ($/konteyner)
• Müşteri talebi (Adet/yıl)

• Ekipman için Sermaye Harcaması (Makineler, Depolama, ..)
• Kamu Hizmetleri (Elektrik, Su, ..)
• Fabrika yönetimi, idari personel
• Alan Kiralama

Üretim Değişken Maliyetleri

• Üretim hatları operatörleri
• İşlenmemiş içerikler

Nakliye Değişken Maliyetleri

• Konteyner başına maliyet ($/Konteyner)
• Varsayım: 1 konteyner 1000 birim içerebilir

Tesise Göre Üretim Kapasitesi

Örneğin, Brezilya'daki yüksek kapasiteli bir fabrika 1.500.000 (Birim/ay) üretebilir.

Pazar başına müşteri talebi

Kodun tamamını şu Github deposunda bulabilirsiniz: Portföyümü diğer projelerle ilişkilendirin : Samir Saci

II. Sonuçlar

Üç senaryo deneyelim

• Senaryo 1: başlangıç ​​parametreleri
• Senaryo 2: Hindistan'ın üretim kapasitesini artırıyoruz (x2)
• Senaryo 3: Konteyner kıtlığı nedeniyle artan nakliye maliyetleri

• Brezilya fabrikası yerel pazar ve ABD için üretim yapıyor

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)

Sabit maliyetleri ikiye katlayacağı varsayımıyla Hindistan Yüksek Kapasiteli tesisin boyutunu iki katına çıkarmaya çalışalım.

• Brezilya tesisi halen yerel pazar ve ABD için üretim yapmaktadır.

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)

Konteyner maliyetlerimiz 5 ile çarpılırsa ne olur?

• Brezilya sadece yerel pazar için üretim yapıyor

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)

Tedarik Zinciri için Veri Bilimi ile ilgili daha fazla içgörü için beni medyada takip edin.

Python'un PuLP kütüphanesini kullanacağız. PuLP, Python'da yazılmış ve COIN-OR Foundation (Yöneylem Araştırması için Hesaplamalı Altyapı) tarafından yürütülen Lineer (LP) ve Tamsayı Programlama (IP) problemleri için bir modelleme çerçevesidir.

1. Değişkenlerinizi, parametrelerinizi ve modelinizi bildirin

• LpMinimize : amacınız maliyetlerinizi en aza indirmektir
• lowBound =0: üretilen birimlerin negatif değerlerine sahip olamazsınız

3. Modelinizi çözün ve sonuçları analiz edin

III. Sonuç ve Sonraki Adımlar

Veri Analitiği ve Tedarik Zinciri Yönetimi ile ilgili daha fazla makale için beni ortamda takip etmekten çekinmeyin

Çözüm

Bu model, operasyonel ve ticari parametreleri etkileyen çeşitli senaryoları simüle etmenize olanak tanır.

• Ya Hindistan'da talep patlarsa?
• Ya Brezilya'daki fabrikamızı kapatmak zorunda kalırsak?
• Ya Japonya'daki üretim kapasitesini üçe katlarsak?

Sürdürülebilir Kaynak Kullanımı

Benzer bir yaklaşım, tedarikçilerinizi CO2 ayak izini en aza indirecek objektif bir fonksiyon göz önünde bulundurarak seçmek için kullanılabilir .

Sürdürülebilir kaynak kullanımı, tedarikçileri seçerken sosyal, etik ve çevresel performans faktörlerini entegre etme sürecidir.

Bu, tedarikçilerin işçi hakları, sağlık ve güvenlik, çevresel etki, insan hakları ve daha fazlası gibi bir dizi sürdürülebilirlik kriterine göre değerlendirilmesini ve değerlendirilmesini içerir.

Ekonomik ve çevresel kısıtlamaların bir karışımıyla en iyi tedarikçiyi otomatik olarak seçmek için veri analitiğini kullanın

Bu makalede, maliyetleri ve çevresel etkileri en aza indirmek için en uygun Tedarik Zinciri Ağını tasarlamak için veri analitiğini nasıl kullanacağımızı keşfedeceğiz.

Modelinizi geliştirin

Bu basit model, Tedarik Zinciri Ağı Optimizasyonu için doğrusal optimizasyon potansiyelini elde etmenize yardımcı olabilir. Kısıtlamalar ekleyerek bu modeli hızla geliştirebiliriz.

• Depolama Maliyetleri
• Karbon emisyon sınırlamaları (CO2 = f(mesafe, ağırlık))
• Teslimat süresi
• Müşteri Gümrükleme Ücretleri
• para birimi değişikliği

Benim hakkımda

Linkedin ve Twitter'da bağlantı kuralım , Lojistik operasyonlarını iyileştirmek ve maliyetleri azaltmak için veri analitiği kullanan bir Tedarik Zinciri Mühendisiyim.

Veri Analitiği ve Tedarik Zinciri ile ilgileniyorsanız, web siteme bir göz atın

Referanslar

[1] Yöneylem Araştırması için Hesaplamalı Altyapı, PuLP ile Optimizasyon (Dokümantasyon), Bağlantı