Управление запасами (2006, 720с., VV0193-11)

Управление запасами (выводы)

В разделе 11.1 мы рассмотрели вероятностные модели для управления запасами. Главную задачу этих моделей можно сформулировать так: определить количество страховых запасов для данного вида продукцин, которое оптимально покрывает расходы на приобретение и содержание запасов в случае, когда за период размещения заказа спрос на их пополнение приводит к тому, что запасы исчерпываются до того, как будет получен дополнительный запас (таким образом, создаются дополнительные расходы из-за недовольства покупателей или потерь продаж). Эти модели рассматривают отдельные виды продукции независимо друг от друга. Дополнительные издержки и ограничения цепи поставок игнорируются.

В разделе 11.2 мы обсуждали методы для аппроксимации решений о запасах и связанных с ними затрат в детерминированных оптимизационных моделях для стратегического и тактического планирования. В зависимости от способов применения выделяются следующие методы:

1. Стратегические модели цепи поставок. Для мгновенных моделей, часто используемых в стратегическом планировании, мы исследовали конструктивные методы для аппроксимации общей стоимости запасов (страховой запас плюс расходы на пополнение) для каждого продукта и каждого подразделения как функцию стоимости с уменьшающимся маргинальным стоимостным отношением к общей продуктовой производительности в конкретном подразделении. Мы согласны с тем, что такая функция отражает свойства, лежащие в основе вероятностных моделей, рассмотренных в разделе 11.1.

2. Тактические модели цепи поставок. Мы предложили использовать многопериодные модели оптимизации, которые отслеживают и контролируют запасы в конце каждого периода для каждого продукта (продуктовой группы) и для каждого подразделения. Страховые запасы могут быть рассчитаны на основе конечных запасов, основанных на сделанных ранее вычислениях для создания модели оптимизации. Мы также обсуждали методы для установки конечных условий на запасы для устранения ситуации, когда уровень запасов падает до нуля в конце многопериодного горизонта планирования.

В разделах 11.3 и 11.4 мы привели примеры успешного применения моделирования для нескольких задач планирования запасов. Мы представили обзор того, как вероятностные модели запасов, рассмотренные в разделе 11.1, могут быть расширены до сложных моделей для решения проблем, возникающих в управлении многоступенчатой дистрибьюцией и производственными системами. Один из подходов для производственной цепи поставок трансформ провал вероятностную задачу страхового запаса в детерминированную задачу путем рассмотрения ограниченного худшего случая, когда все участники цепи поставок согласились с достоверным обслуживанием. Случаи со спросом, выходящим за рамки границы, должны были рассматриваться как аномалии, которые существовали бы в качестве исключений. Результирующая модель запасов могла быть определена и оптимизирована также, как модель (детерминированного) динамичного программирования или смешанного целочисленного программирования, объединенная с подобными моделями смешанного целочисленного программирования для производственного и календарного планирования.

Важной областью исследования является эффект раздувания (bull-whip effect), который описывает возрастания колебаний в спросе по мере продвижения по цепи поставок. Модели, подобные тем, которые рассмотрены в разделе 11.4, используются для изучения этого феномена и контроля над ним. Одним из важных обнаруженных результатов до сих пор является возможность уменьшения эффекта раздувания путем обеспечения руководителя каждого этапа цепи поставок текущей информацией о спросе на конечную продукцию и его влиянии на производственную и распределительную деятельность.

Четыре модели, рассмотренные в разделах 11.3 и 11.4, использовались применительно к производственным проблемам запасов, принимая как данность структуру цепи поставок, например расположение производственных подразделений и их взаимосвязь, и миссию данных подразделений, например какие продукты должны быть произведены или запасены и какие ресурсы имеются в наличии для данной деятельности. Очевидно, что результирующие стратегии запасов были субоптимальны с глобальной точки зрения. Таким образом, преимущество подхода к интеграции решений о запасах и других решений цепи поставок позволяет анализировать эти стратегии с помощью отдельных моделей, чьи результаты систематически комбинируются.

Модель смешанного целочисленного программирования определяет оптимальный проект и действующую стратегию для цепи поставок компании. Эти решения передаются к подмодели запасов, которая на основе этих решений определяет оптимальную политику запасов. Подмодель запасов далее анализируется для обеспечения обратной связи, которую мы называем анализом чувствительности, с моделью смешанного целочисленного программирования для того, чтобы увидеть, как изменения в цепи поставок улучшат управление запасами. Сложность на данном этапе представляет вычисление (расчет) этой обратной связи. Однако результаты исследований предполагают, что подобное вычисление возможно.

Наконец, в разделе 11.1 мы обсудили то, как модели стохастического программирования расширяют детерминированные модели оптимизации путем, который близок аналогиям вероятностных моделей запасов. К сожалению, модели стохастического программирования не могут быть применены к проблемам управления запасами, включающими сотни или даже тысячи единиц продукции. Методы иерархического планирования для устранения такого ограничения являются еще одной важной областью прикладного исследования.

Источник: Шапиро Дж. Моделирование цепи поставок / Пер. с англ. под ред. В. С. Лукинского — СПб.: Питер, 2006. — С. 634-637 (720 с.)