Skip to content
Назад к результатам поиска

Маршрутизация запасов

Автор метода
Coelho, L. C., Cordeau, J. F., & Laporte, G.
Год
2014
Тип
Optimization problem
Семейство
Distribution and Logistics

Этот текст переведён машинным способом и ещё не проверен. Читать оригинал на английском

Размер шрифта

Что он делает?

Проблема маршрутизации запасов (IRP) — это задача оптимизации, которая совместно определяет уровни запасов в точках продаж, маршруты доставки и объемы поставок для минимизации общих затрат на логистику и хранение запасов.

Вместо того чтобы рассматривать управление запасами и маршрутизацию транспортных средств как отдельные решения, IRP признает их взаимозависимость: более крупные поставки снижают затраты на маршрутизацию, но увеличивают затраты на хранение запасов, и наоборот. IRP решается с использованием смешанного целочисленного программирования, эвристик и метаэвристик и является краеугольным камнем программ управления запасами поставщиком (VMI).

Интуиция метода

Представьте себе дистрибьютора напитков, поставляющего 50 магазинов. Традиционные подходы отвечают на два вопроса отдельно: (1) Как часто следует пополнять запасы в каждом магазине? (2) Какой маршрут минимизирует расстояние? Эти отдельные решения субоптимальны. IRP вместо этого спрашивает: 'Какая частота и объем поставок для каждого магазина в сочетании с эффективной маршрутизацией минимизируют общие затраты (хранение + транспортировка)?' Если вы часто посещаете магазин А с небольшими объемами, вы несете высокие транспортные расходы, но имеете низкие запасы. Если вы посещаете редко с большими поставками, растут затраты на хранение. IRP совместно балансирует эти компромиссы. Для дистрибьютора это может означать посещение магазина А каждые 2 недели с 200 единицами (вместо еженедельно со 100 единицами), если выигрыш от эффективности маршрута перевешивает увеличение запасов.

История

IRP возникла в 1980-х–1990-х годах в сообществе исследователей операций как расширение задач маршрутизации транспортных средств (VRP) и управления запасами. Основополагающие работы Белла и др. (1983) и Кэмпбелла и др. (1998) формализовали проблему и разработали алгоритмы решения. IRP получила практическое признание в 2000-х годах с принятием управления запасами поставщиком в цепочках поставок розничной торговли. Сегодня крупные компании по производству напитков и потребительских товаров (Coca-Cola, Procter & Gamble, Nestlé) используют системы на основе IRP для планирования маршрутов и запасов.

Когда применять

IRP ценна для отраслей со значительными совместными затратами на запасы и маршрутизацию: товары повседневного спроса (напитки, закуски, доставка), дистрибуция запасных частей, доставка топлива и управление парком арендованных автомобилей. Применяйте IRP, когда спрос относительно стабилен (что позволяет планировать на несколько периодов), местоположение клиентов фиксировано, а транспортные расходы значительны. Менее эффективна в высокодинамичных средах или когда продукты громоздки (ограничения полной загрузки грузовика ограничивают гибкость).

Ограничения и замечания

  • Требует точного прогнозирования спроса; ошибки прогнозирования приводят к субоптимальным решениям по маршрутизации и запасам
  • Предполагает относительно статичную клиентскую базу и стабильные модели спроса; высокая волатильность или частое добавление клиентов усложняют планирование
  • IRP вычислительно сложна; практические алгоритмы являются эвристиками, которые могут не находить глобально оптимальных решений
  • Реальные ограничения (доступность транспортных средств, правила для водителей, временные окна доставки клиентов) могут быть не полностью учтены в модели

Условия из источника не заменяют независимую научную проверку или валидацию аналитическим движком.

Сильные стороны

  • Снижает общие логистические затраты за счет оптимизации компромисса между хранением запасов и транспортировкой
  • Повышает уровни обслуживания, позволяя более частые, мелкие пополнения без пропорционального увеличения затрат
  • Улучшает удовлетворенность клиентов за счет снижения риска дефицита и уменьшения возраста запасов (более свежие продукты)
  • Обеспечивает принятие решений на основе данных: систематическая оценка 'как часто и сколько' заменяет интуитивные правила
  • Обеспечивает основу для программ управления запасами поставщиком, укрепляя отношения с клиентами

Применение

  • Дистрибьютор безалкогольных напитков применяет IRP для оптимизации маршрутов для 200 розничных продавцов в пределах мегаполиса, сокращая транспортные расходы на 15 процентов и увеличивая частоту доставки с еженедельной до двухнедельной без дефицита.
  • Фармацевтический оптовый продавец использует IRP для балансировки запасов в 500 аптеках, сокращая средние запасы на 10 процентов при сохранении 98-процентной доступности товаров.
  • Поставщик отопительного масла применяет IRP для планирования поставок для 1000 бытовых клиентов, используя прогнозы погоды и исторические модели потребления для оптимизации маршрутов доставки и заполнения резервуаров.
  • Компания по дистрибуции продуктов питания использует IRP для управления доставкой свежих продуктов в продуктовые сети, оптимизируя свежесть продуктов, ограничения по месту на полке и эффективность транспортировки.

Как это работает

Как это работает

1

Прогнозирование спроса клиентов на плановый период (обычно 1–4 недели). Сбор данных о транспортных расходах, грузоподъемности транспортных средств, емкости складских помещений клиентов и затратах на хранение.

2

Определение ограничений по запасам: максимальные уровни запасов у каждого клиента (место на полке, правила безопасности), минимальные объемы заказа и желаемые уровни обслуживания.

3

Решение о том, какие клиенты будут посещены в каждый день/маршрут, какой объем будет доставлен каждому, и последовательность (маршрутизация) для минимизации расстояния или времени.

4

Реализация плана: доставка партий, запись фактического спроса, обновление уровней запасов.

5

Использование алгоритмов оптимизации (смешанное целочисленное программирование, генетические алгоритмы, муравьиный алгоритм) для поиска близкого к оптимальному плана. Итерации с обновленными прогнозами.

Частые ошибки

  • Чрезмерная зависимость от статического плана IRP без частого обновления; отклонения реального спроса требуют корректировки плана, чтобы оставаться экономически эффективным
  • Игнорирование предпочтений клиентов; даже оптимальный план, нарушающий ожидания клиентов (например, определенные дни доставки), потерпит неудачу
  • Оптимизация затрат в ущерб обслуживанию; чрезмерно низкие запасы или пропущенные доставки подрывают лояльность клиентов и увеличивают отток

Часто задаваемые вопросы

Чем IRP отличается от управления запасами поставщиком (VMI)?

VMI — это деловое соглашение, при котором поставщик управляет запасами в точках продаж клиента; поставщик решает, когда и сколько доставлять. IRP — это задача оптимизации, лежащая в основе VMI: определение наилучших объемов и маршрутов доставки при условии договоренности VMI. IRP — это техническое решение; VMI — это бизнес-модель.

Каков плановый период для IRP?

Обычно 1–4 недели, достаточно долго, чтобы сгладить краткосрочную изменчивость спроса, но достаточно коротко, чтобы прогнозы оставались точными, а потребности клиентов не менялись кардинально. Более длительные периоды (например, ежемесячные) могут снизить транспортные расходы, но увеличить запасы; необходим баланс.

Может ли IRP обрабатывать несколько продуктов за одну доставку?

Да. Современные формулировки IRP явно включают размеры продуктов, ограничения (например, температурный контроль) и предпочтения клиентов по продуктам. Транспортные средства могут использоваться совместно для разных категорий продуктов или быть выделенными. Алгоритмы соответствующим образом корректируют сложность.

Как мы проверяем решение IRP перед внедрением?

Симулируем план: прогнозируем уровни запасов с учетом неопределенности спроса, проверяем наличие дефицита, измеряем общую стоимость. Проводим анализ чувствительности: как изменится стоимость, если спрос будет на 10 процентов выше? Если клиент откажется от доставки в определенный день? Надежные решения хорошо работают при вариациях.

Похожие методы

Источники

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

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

    Открыть ссылку на публикацию
    Скопировано.