Przejdź do treści
Wróć do wyników wyszukiwania

Problem trasowania zapasów

Autor metody
Coelho, L. C., Cordeau, J. F., & Laporte, G.
Rok
2014
Typ
Optimization problem
Rodzina
Distribution and Logistics

Ten tekst jest tłumaczeniem maszynowym i nie został jeszcze sprawdzony. Przeczytaj oryginał po angielsku

Rozmiar czcionki

Do czego służy?

Problem trasowania zapasów (IRP) to problem optymalizacyjny, który wspólnie określa poziomy zapasów w lokalizacjach klientów, trasy dostaw i ilości wysyłek w celu minimalizacji całkowitych kosztów logistyki i utrzymania zapasów.

Zamiast traktować zarządzanie zapasami i trasowanie pojazdów jako odrębne decyzje, IRP uznaje ich wzajemną zależność: większe przesyłki zmniejszają koszty trasowania, ale zwiększają koszty utrzymania zapasów, i odwrotnie. IRP rozwiązuje się za pomocą programowania mieszanego całkowitoliczbowego, heurystyk i metaheurystyk, i jest kamieniem węgielnym programów zarządzania zapasami przez dostawcę (VMI).

Intuicja stojąca za metodą

Wyobraźmy sobie dystrybutora napojów zaopatrującego 50 sklepów spożywczych. Tradycyjne podejścia odpowiadają na dwa pytania oddzielnie: (1) Jak często należy uzupełniać zapasy w każdym sklepie? (2) Jaka trasa minimalizuje dystans jazdy? Te oddzielne decyzje są suboptymalne. IRP zamiast tego pyta: 'Jaka częstotliwość i wielkość dostaw dla każdego sklepu, w połączeniu z efektywnym trasowaniem, minimalizuje całkowity koszt (magazynowanie + transport)?' Jeśli często odwiedzasz Sklep A z małymi ilościami, ponosisz wysokie koszty transportu, ale niskie zapasy. Jeśli odwiedzasz rzadko z dużymi przesyłkami, koszty magazynowania gwałtownie rosną. IRP wspólnie równoważy te kompromisy. Dla dystrybutora może to oznaczać odwiedzanie Sklepu A co 2 tygodnie z 200 jednostkami (zamiast co tydzień ze 100 jednostkami), jeśli zysk z efektywności trasy przewyższa wzrost zapasów.

Historia

IRP wyłoniło się w latach 80.–90. XX wieku w społeczności badaczy operacyjnych jako rozszerzenie problemów trasowania pojazdów (VRP) i zarządzania zapasami. Przełomowe prace Bell et al. (1983) i Campbell et al. (1998) sformalizowały problem i opracowały algorytmy rozwiązywania. IRP zyskało praktyczne znaczenie w latach 2000. wraz z przyjęciem zarządzania zapasami przez dostawcę w łańcuchach dostaw detalicznych. Obecnie czołowe firmy z branży napojów i dóbr konsumpcyjnych (Coca-Cola, Procter & Gamble, Nestlé) wykorzystują systemy oparte na IRP do planowania tras i zapasów.

Kiedy stosować

IRP jest cenne dla branż ze znaczącymi wspólnymi kosztami zapasów i trasowania: szybko zbywalne towary konsumpcyjne (napoje, przekąski, dostawy), dystrybucja części zamiennych, dostawy paliwa i zarządzanie flotą wynajmowaną. Zastosuj IRP, gdy popyt jest stosunkowo stabilny (umożliwiając planowanie wielookresowe), lokalizacje klientów są stałe, a koszty transportu są znaczące. Mniej skuteczne w środowiskach o wysokiej dynamice lub gdy produkty są nieporęczne (ograniczenia pełnego załadunku ciężarówki ograniczają elastyczność).

Ograniczenia i uwagi

  • Wymaga dokładnego prognozowania popytu; błędy prognozy przekładają się na suboptymalne decyzje dotyczące trasowania i zapasów
  • Zakłada stosunkowo statyczną bazę klientów i stabilne wzorce popytu; wysoka zmienność lub częste dodawanie klientów komplikuje planowanie
  • IRP jest złożone obliczeniowo; praktyczne algorytmy to heurystyki, które mogą nie znaleźć globalnie optymalnych rozwiązań
  • Rzeczywiste ograniczenia (dostępność pojazdów, przepisy dotyczące kierowców, okna czasowe dostaw do klienta) mogą nie być w pełni uwzględnione w modelu

Warunki podane w źródle nie zastępują niezależnego przeglądu naukowego ani walidacji przez silnik analityczny.

Mocne strony

  • Redukuje całkowite koszty logistyki poprzez optymalizację kompromisu między utrzymaniem zapasów a transportem
  • Poprawia poziomy obsługi, umożliwiając częstsze, mniejsze dostawy bez proporcjonalnego wzrostu kosztów
  • Zwiększa satysfakcję klienta dzięki zmniejszonemu ryzyku braków w magazynie i krótszemu wiekowi półki (świeższe produkty)
  • Umożliwia podejmowanie decyzji w oparciu o dane: systematyczna ocena 'jak często i ile' zastępuje intuicyjne zasady
  • Stanowi podstawę programów zarządzania zapasami przez dostawcę, wzmacniając relacje z klientami

Zastosowania

  • Dystrybutor napojów bezalkoholowych stosuje IRP do optymalizacji tras dla 200 detalistów na obszarze metropolitalnym, redukując koszty transportu o 15 procent, jednocześnie zwiększając częstotliwość dostaw z tygodniowej do dwutygodniowej bez braków w magazynie
  • Hurtownia farmaceutyczna wykorzystuje IRP do równoważenia zapasów w 500 aptekach, redukując średnie zapasy o 10 procent przy jednoczesnym utrzymaniu 98-procentowej dostępności produktów
  • Dostawca oleju opałowego stosuje IRP do planowania dostaw dla 1000 klientów indywidualnych, wykorzystując prognozy pogody i historyczne wzorce zużycia do optymalizacji tras dostaw i uzupełniania zbiorników
  • Firma dystrybucyjna żywności wykorzystuje IRP do zarządzania dostawami świeżych produktów do sieci spożywczych, optymalizując pod kątem świeżości produktu, ograniczeń przestrzeni na półkach i efektywności transportu

Jak to działa

Jak to działa

1

Prognozowanie popytu klientów w horyzoncie planowania (zazwyczaj 1–4 tygodnie). Gromadzenie danych o kosztach transportu, ładowności pojazdów, pojemności magazynowej klienta i kosztach utrzymania zapasów.

2

Określenie ograniczeń zapasów: maksymalne poziomy zapasów u każdego klienta (przestrzeń na półkach, przepisy bezpieczeństwa), minimalne ilości zamówień i pożądane poziomy obsługi.

3

Zdecydowanie, które lokalizacje klientów odwiedzić każdego dnia/trasy, jaką ilość dostarczyć do każdego z nich oraz kolejność (trasowanie) w celu minimalizacji dystansu lub czasu.

4

Wdrożenie planu: dostarczenie przesyłek, rejestracja rzeczywistego popytu, aktualizacja poziomów zapasów.

5

Wykorzystanie algorytmów optymalizacyjnych (programowanie mieszane całkowitoliczbowe, algorytmy genetyczne, optymalizacja mrowiskowa) w celu znalezienia bliskiego optimum. Iteracja z aktualizowanymi prognozami.

Częste pułapki

  • Nadmierne poleganie na statycznym planie IRP bez częstych aktualizacji; rzeczywiste odchylenia popytu wymagają dostosowania planu, aby pozostał opłacalny
  • Ignorowanie preferencji klienta; nawet optymalny plan, który narusza oczekiwania klienta (np. określone dni dostaw), zakończy się niepowodzeniem
  • Optymalizacja kosztów kosztem obsługi; nadmiernie niskie zapasy lub pominięte dostawy podważają dobrą wolę klienta i zwiększają jego odejście

Najczęściej zadawane pytania

Czym IRP różni się od zarządzania zapasami przez dostawcę (VMI)?

VMI to porozumienie biznesowe, w którym dostawca zarządza zapasami w lokalizacjach klientów; dostawca decyduje, kiedy i ile dostarczyć. IRP to problem optymalizacyjny leżący u podstaw VMI: określenie najlepszych ilości dostaw i tras w ramach porozumienia VMI. IRP to rozwiązanie techniczne; VMI to model biznesowy.

Jaki jest horyzont planowania dla IRP?

Zazwyczaj 1–4 tygodnie, wystarczająco długo, aby wygładzić krótkoterminową zmienność popytu, ale na tyle krótko, aby prognozy pozostały dokładne, a potrzeby klientów nie uległy drastycznej zmianie. Dłuższe horyzonty (np. miesięczne) mogą zmniejszyć koszty transportu, ale zwiększyć zapasy; potrzebna jest równowaga.

Czy IRP może obsługiwać wiele produktów w jednej dostawie?

Tak. Nowoczesne formuły IRP wyraźnie uwzględniają wymiary produktów, ograniczenia (np. kontrola temperatury) i preferencje produktowe klientów. Pojazdy mogą być współdzielone między kategoriami produktów lub dedykowane. Algorytmy dostosowują złożoność odpowiednio.

Jak walidujemy rozwiązanie IRP przed wdrożeniem?

Symulujemy plan: prognozujemy poziomy zapasów przy niepewności popytu, sprawdzamy braki w magazynie, mierzymy całkowity koszt. Przeprowadzamy analizę wrażliwości: jak zmienia się koszt, jeśli popyt jest o 10 procent wyższy? Jeśli klient odmówi dostawy w określonym dniu? Solidne rozwiązania dobrze sprawdzają się w warunkach zmienności.

Pokrewne metody

Źródła

  1. Coelho, L. C., Cordeau, J. F., & Laporte, G. (2014). Thirty years of inventory routing. Transportation Research Part B: Methodological, 55, 28-67.

    Otwórz odnośnik DOI
    Skopiowano.
  2. Campbell, A. M., & Savelsbergh, M. W. (2011). Vehicle routing with time windows for inventory routing problems. Operations Research, 59(2), 500-515.

    Otwórz odnośnik do publikacji
    Skopiowano.