Представительство компании Coca-Cola HBC в России является одним из крупнейших инвесторов среди производителей товаров народного потребления. Компании принадлежат 10 современных заводов по производству безалкогольных напитков и соков в Москве и Московской области, Санкт-Петербурге, Самаре, Екатеринбурге, Ростовской области, Новосибирске, Красноярске и Владивостоке. 96% закупок ингредиентов и материалов Coca-Cola в России осуществляется у локальных поставщиков.
Первый Бит | NFP входит в список 100 крупнейших консалтинговых компаний России. Одно из направлений работы компании – разработка инструментов для планирования, анализа рисков и оптимизации на основе имитационных моделей.
Coca-Cola HBC Россия управляет несколькими производственными площадками по всей стране. Такой подход даёт бизнесу гибкость и надёжность; однако при выпуске продукции в разных регионах сложнее управлять логистическими потоками. На них влияют изменчивые транспортные тарифы в регионах, сезонность и прочее. Помимо этого, при усложнении логистической сети повышаются затраты на хранение, транспортировку и доставку продукции.
Еще одна сложность цепи поставок компании – в многоуровневой схеме логистических потоков. Так, например, доставка с завода может выполняться напрямую оптовым или розничным клиентам, кросс-докингом или перевалкой через региональный склад.
Чтобы сократить затраты и оптимизировать поставки по всей стране, компания решила смоделировать текущую логистическую сеть. При этом модель должна была учитывать корпоративную push-pull политику на разных уровнях цепи поставок и оптимизировать уровень товарных запасов на складах.
Задачу по созданию модели поручили специалистам из компании NFP. Модель должна была помочь:
Этот подход позволил бы компании масштабировать современные практики планирования цепей поставок на всю сеть в России, увеличить ее производительность и усилить экспертизу Coca-Cola HBC Россия в управлении инвестициями в логистику.
На этапе выбора ПО для оптимизации сети руководство Coca-Cola HBC Россия сравнило несколько систем и выбрало anyLogistix. По сравнению с другими системами он предоставлял больше возможностей для оптимизации, а также позволил бы консультантам детально смоделировать сценарии работы цепи поставок. Консультанты и заказчики также оценили простой в использовании интерфейс программы, встроенный набор отчетов, а также функцию программного расширения возможностей платформы.
С помощью готовой модели и методов сетевой оптимизации anyLogistix консультанты хотели:
В начале проекта консультанты изучили данные по работе логистической сети и построили концепцию модели, включающую текущие архитектурные решения, иерархию измерений и показателей, а также разработали методику работы с рисками, которые могут повлиять на работу сети.
На втором этапе команда проекта разработала прототип модели и протестировала его на ограниченных данных. Тестовые сценарии позволили оценить риски масштабирования модели при разных горизонтах планирования и правильность работы модели относительно реальных процессов.
Нажмите, чтобы увеличить
Чтобы ускорить тестирование большого количества сценариев, часть из них создавалась автоматически. Для этого консультанты разработали скрипты на языке Python для проверки качества исходных данных, связности списков объектов, а также создания тестовых сценариев из шаблонов.
На третьем этапе команда начала масштабировать разработанные сценарии. Для этого они создали логистическую сеть из 200 000 клиентов и с помощью эксперимента Гравитационный анализ объединили тех, кто был расположен рядом друг с другом, в кластеры. При анализе маршрутных сетей до клиентов алгоритмы исключали экономически неэффективные маршруты. Для подходящих маршрутов рассчитывалось нужное количество транспортных средств (ТС) и их загрузка.
В рамках этого этапа команда из специалистов Coca-Cola HBC и консультантов решали 5 бизнес-задач:
Выбор стратегии производства
Команда хотела понять, как изменение работы производственных площадок повлияет на операции во всей логистической сети. Для этого она отразила в модели производственные ограничения для каждого предприятия, в том числе по номенклатуре и по производительности линий, и зафиксировали значения ключевых показателей работы сети в этих условиях. Затем команда воспользовалась оптимизационными возможностями anyLogistix: они позволили алгоритмам рассчитать оптимальные ограничения для предприятий в зависимости от производительности предприятий и уровня спроса.
Выбор стратегии снабжения
Для решения этой задачи консультанты оптимизировали товарные потоки на разных уровнях цепи поставок, учитывая при этом производственные ограничения, вместимость складов и транспортных средств, размер минимальных потоков, страховой запас, частоту доставки и другие показатели. Они также сравнивали разные варианты снабжения клиентов: прямой разными типами транспорта, с накоплениями на производственных складах, локальный с 3PL складов, перевалкой через кросс-доки и непрямой, через дистрибуторов.
Тестирование обновленной сети складов
Эксперименты с моделью позволили рассчитать оптимальное количество складов второго уровня и их расположение. Но чтобы доказать эффективность результатов экспериментов, консультанты сравнили затраты на текущую и обновленную топологии складов, учитывая возможность транспортировки с помощью дистрибуторов и кросс-докингом.
Доставка в розничные сети
Раньше заказчик снабжал магазины ритейлеров напрямую, но хотел проанализировать возможности поставок продукции через региональные и федеральные распределительные центры розничных сетей. На основе модели консультанты рассчитали экономию затрат от перехода на новую стратегию обслуживания ритейлеров и количество грузовиков, которое понадобится для поставок по новой схеме.
Тестирование Push-Pull стратегии и расчет страхового запаса
Команда проекта разработала в модели расширенную MRP-логику товародвижения на основе прогноза спроса и протестировала уровень загрузки складов 3PL партнёров при поддержании уровня целевых запасов согласно pull-политике. При этом неравномерности производства сглаживались использованием push-политики буферного хранения на заводских складах. Команда также рассчитала детальный уровень товарного запаса на каждом складе и пиковые периоды загрузки, а также проверила, как изменится уровень сервиса при изменении целевых значений страхового запаса, доступных видов транспорта и степени его загрузки.
Модель, созданная на базе anyLogistix, позволила консультантам управлять работой цепи поставок на разных горизонтах планирования. Для Coca-Cola HBC она стала системой поддержки принятия решений, которая позволяет за несколько часов проверять большое количество гипотез по изменению логистических и производственных стратегий, пересчитывая схемы логистических потоков, необходимое количество ТС и их оптимальную загрузку. Менеджеры компании, которые планируют логистику и управляют цепями поставок, теперь могут выбирать наиболее выгодные точки для прямой доставки, используя детальный расчёт затрат по каждому магазину сети.
Модель легко перенастраивается, поэтому специалисты Coca-Cola HBC Россия смогут использовать ее для проверки новых конфигураций цепи поставок и при этом:
