Część I – założenia do budowy modeli optymalizacyjnych

Zapasy stanowią niezwykle ważny komponent w przepływie dóbr w systemie logistycznym. Sterowanie ich uzupełnianiem i utrzymywaniem wpływa na koszty logistyczne, a jednocześnie na tzw. poziom obsługi (wyrażający się w tym przypadku wymaganą dostępnością zapasu), co przekłada się na przychody. Ten złożony charakter wpływu zapasu na wyniki finansowe przedsiębiorstw sprawia, że zarządzanie zapasami jest często przedmiotem optymalizacji polegającej na znajdowaniu optymalnych wartości parametrów sterujących odnawianiem zapasu, zapewniających minimalizację kosztów lub maksymalizację zysków.

Zdefiniowanie i rozwiązanie zadania optymalizacyjnego obejmuje zazwyczaj:

1. Określenie zakresu optymalizacji. Może być ograniczony do pojedynczych pozycji asortymentowych lub ich grup, w najszerszym ujęciu do całego asortymentu. Ten pierwszy przypadek będzie ważny w przypadku np. ciągłych dostaw o dużym wolumenie.
2. Ustalenie funkcji celu, to znaczy wielkości która w trakcie optymalizacji powinna osiągnąć wartość maksymalna lub minimalną. Można tu wymienić:
   • marżę rozumianą jako różnicę pomiędzy ceną sprzedaży, a kosztami pozyskania (ceną zakupu lub kosztem wytworzenia) uwzględniającymi także koszty logistyczne (magazynowania, transportu itp.). Marża może być wyrażona kwotowo lub procentowo (poprzez odniesienie do ceny sprzedaży). Takie kryterium będzie szczególnie uzasadnione w przypadku optymalizacji prowadzonej dla pojedynczych pozycji asortymentowych. Ta funkcja celu powinna przyjmować wartość maksymalną.
   • różnicę pomiędzy przychodami ze sprzedaży grup pozycji, a kosztami ich pozyskania, rozumianymi jak wyżej. Wielkość ta może być przedstawiana także jako odniesiona do przychodów ze sprzedaży (w ujęciu procentowym) i rozumiana jako swego rodzaju „marża grupowa”. Tu także poszukiwać będziemy wartości maksymalnych.
   • wyłącznie koszty logistyczne, przy założeniu stałego poziomu cen sprzedaży oraz cen zakupu (kosztów pozyskania). Znalezienie minimum tej funkcji oznacza maksymalizację marży wskazanej wyżej.
3. Identyfikację wielkości wpływających na wartość wybranej funkcji celu i ich podział na ustalone,
   a więc stałe dla danego cyklu optymalizacji i tzw. zmienne niezależne (optymalizowane). Do tych pierwszych zaliczać się będzie zazwyczaj: koszty realizacji pojedynczych dostaw (w tym koszty transportu), współczynniki kosztów utrzymania zapasu (wskazujących na proporcję
   w stosunku do wartości zapasu), czasy cyklu uzupełniania, średni popyt oraz jego zmienność (np. odchylenie standardowe lub błędy prognoz), koszty braku zapasu (odnoszące się zarówno do braku zapasu rozumianego jako zdarzenie jak i braków w ujęciu ilościowym). Z kolei zmienne optymalizowane to wielkości sterujące procesem i decydujące o tym, kiedy
    i w jakiej wielkości należy składać zamówienia, co jest istotne z operacyjnego punktu widzenia. Zaliczamy do nich: wielkość dostaw (lub rytm ich składania) oraz poziom obsługi, zazwyczaj rozumiany jako prawdopodobieństwo niewyczerpania zapasu w trakcie cyklu uzupełnienia. Poziom obsługi może być też jednoznacznie wyrażony za pomocą tzw. współczynnika zmienności (przy określonym typie rozkładu popytu – np. rozkładu normalnego).
4. Identyfikację różnego typu ograniczeń, takich jak na przykład:
   • maksymalna dopuszczalna wartość zapasu,
   • maksymalna dopuszczalna przestrzeń zajmowana przez zapas,
   • pojemność (ładowność) środków transportu (minimalna i maksymalna),
   • minimalna, akceptowana rotacja zapasu.

Z pomocą aplikacji Dature wykorzystasz sztuczną inteligencję i uczenie maszynowe oparte o sieci neuronowe do prognozowania popytu i optymalizacji zapasów. Dzięki czemu znacznie usprawnisz swój łańcuch dostaw. Połączenie prognozowania popytu z modułem optymalizacji zapasów Dature pozwala określić właściwe poziomy zapasów oraz generuje optymalne rekomendacje zatowarowania. Wypróbuj już teraz!

Niniejszy artykuł powstał dzięki środkom pochodzącym ze współfinansowania przez Unię Europejską Programu Operacyjnego Inteligentny Rozwój 2014-2020, projektu realizowanego w ramach konkursu Narodowego Centrum Badań i Rozwoju: w ramach konkursu „Szybka Ścieżka” dla mikro-, małych i średnich przedsiębiorców – konkurs dla projektów z regionów słabiej rozwiniętych w ramach Działania 1.1: Projekty B+R przedsiębiorstw Poddziałanie 1.1.1 Badania przemysłowe i prace rozwojowe realizowane przez przedsiębiorstwa. Tytuł projektu: „Stworzenie oprogramowania do poprawy trafności prognoz i optymalizacji zapasów z perspektywy odbiorcy i dostawcy współpracujących w ramach łańcucha dostaw przy zastosowaniu rozmytych, głębokich sieci neuronowych.