💬 Цифровое моделирование цепей поставок в промышленности.
Кейс: КСЛ х Сахалинская ЭнергияВызовы в проектах с «Сахалинской Энергией»
стали одними из самых сложных, но при этом и самых амбициозных в практике КСЛ.
⬇️ В этот раз нам предстояло разработать дизайн всей цепи поставок МТР и выбрать ее лучшую конфигурацию:🔤 должно ли вестись снабжение каждого из добычных и перерабатывающих подразделений с локальных складов или центральных;
🔤 какой вариант доставки МТР до производственных локаций будет эффективнее с учетом того, что больше 30% рабочих дней недоступно для автомобильного транспорта из-за погодных условий;
🔤 что лучше: передача логистики на аутсорсинг или, наоборот, на инсорсинг, либо комбинированный вариант;
🔤 строить или арендовать (включая BtR) склады;
🔤 что делать с жесточайшим сезонным дефицитом транспорта в сезонный период (путина с июля по сентябрь).
🥾«Гладко было на бумаге, да забыли про овраги, а по ним ходить»Пожалуй, это самая большая проблема, часто превращающая результаты цифрового моделирования в таких сложных проектах в труху.
Поэтому мы потратили
1,5 месяца на то, чтобы объехать
весь Сахалин, чтобы собрать и загрузить в модель реальные данные.
Три инженерные группы разъехались по направлениям и обследовали инфру от портов и причальных стенок до складов 3PL-операторов и даже автомобильных мостов.
В итоге в цифровой модели цепочки поставок были все реальные ресурсы, которые может задействовать компания, и с разделением на календарные периоды доступности транспортной инфраструктуры.
📌 А еще в этой части был экзотический и интересный фрагмент работы:
Компания годами не могла решить проблему сезонного дефицита траков в летние месяцы — все местные ресурсы уходили на путину (тут наши краснодарцы должны понять эту боль с арбузным сезоном).
➡️ Решение оказалось необычным:
заложив в модель инфраструктуру и мощности транспортных компаний и лог. операторов не только острова, но и близлежащую — Владивосток, Находка и др., модель показала, что мобилизация траков на сезонный период с материка, несмотря на приличные доп затраты, —
более выгодное решение, чем упреждающий на 3–4 месяца завоз продукции в производственные локации.
✅ Оптимизация запасов при цифровом моделированииИспользуя в модели данные по фактическому и прогнозному потреблению, мы смогли
оптимизировать размещение запасов по складам, проведя одновременно централизацию пересекающейся в потреблении номенклатуры МТР и при этом
локализовать запас на производственных складах с кратно меньшей глубиной, но не допускающей дефицита.
📎 В итоге в Цифровой модели мы:
▶️
1. Посчитали оптимум по инфраструктуре — централизованная складская система с НРЦ в Южно-Сахалинске и локальными складами на производствах.
▶️
2. Рассчитали уровень запасов МТР, включая аварийный, страховой и текущий. Оптимизировали текущий запас через централизацию по пересекаемой в потреблении номенклатуре.
▶️
3. Определили оптимальные транспортно-технологические схемы доставки МТР на каждый период в течение года.
▶️
4. Рассчитали гибридный формат по лог. обслуживанию: микс 3PL на центральных складах и точках входа на остров и инсорсинг на производственных складах с постепенным увеличением 3PL.
В одном из следующих постов расскажу подробнее как цифровое моделирование позволяет оптимизировать запасы с аллокацией их по складам.
#Цифровое_моделирование #референсы #Horizon📶 Горизонты Демина
→ Читайте канал в Мах