Как нейросети спасают логистику в трудные времена

Этой весной словосочетание «цепочки поставок» запестрело в заголовках новостей. Из-за политических событий и санкций с проблемами в логистике столкнулось множество компаний – кто-то потерял важных поставщиков, кто-то просто не мог доставить товар через границу по старому пути. В итоге – рост цен, дефицит товаров, опустевшие полки магазинов.

Почему важно оптимизировать цепочки поставок

Перебои в поставках могут грозить производителю гораздо большими убытками, чем кажется на первый взгляд. Очень важно сохранять свое присутствие на рынке и обеспечивать ритейлерам приемлемый service level, или уровень обслуживания. В основном он определяется процентом заказов, доставленных в срок.

Для поставщиков товаров повседневного спроса (FMCG) и представителей B2C-отраслей, ориентированных на потребителей, острой проблемой является представленность в магазинах. Её нужно поддерживать постоянно.

Если вы пропадёте из магазинов на неделю, то потеряете не только потенциальную прибыль от непроданных на этой неделе товаров, но и постоянных клиентов, которые могут успеть пристраститься к продукции конкурента. Соответственно, чем дольше вас нет на полке, тем больше убытки. Также не стоит забывать и об отношениях с ритейлом. Если вашего товара часто нет в наличии, то магазины могут пересмотреть контракты и отдать ваше место на полках товарам других брендов.

Максимальный service level при минимальных затратах – продукт грамотно выстроенной цепочки поставок. В стабильное время многие компании даже не подозревают, как много денег они теряют, используя неоптимальные логистические цепочки. Увидеть все изъяны и найти наиболее выигрышные варианты – задача долгая и нетривиальная.

Искусственный интеллект, оптимизирующий цепочки поставок, может помочь и «тяжёлому» B2B-бизнесу с небольшим количеством клиентов – компаниям, которые сбывают произведённый или добытый продукт другим производственным предприятиям или за рубеж. Для них софт подбирает самые выгодные схемы снабжения и производства, позволяя удерживать запасы с учётом современных рисков, следить за сроками обеспечения, быстро реагировать на изменения тарифов и доступность различных видов транспорта.

Симуляция и моделирование на службе у бизнеса

Комплексный планировочный продукт «Логистический решатель» – решение офиса NFP компании «Первый Бит». Он состоит из двух систем: программы для оптимизации цепей поставок anyLogistix и среды имитационного моделирования Anylogic. Вместе они позволяют проанализировать все элементы логистических цепей (от закупки материалов до доставки в конечные торговые точки) и найти лучшие возможные решения.

Объединенная система позволяет рассмотреть все возможные факторы и ответить на любые связанные с логистикой вопросы.

Где открывать новые склады? Как перераспределить потоки между уже имеющимися? Какой из распределительных центров будет выгоднее закрыть? Что будет, если появятся новые продукты? Перестраивать ли потоки в зависимости от сезона? Выгодно ли производить определенный продукт на конкретном заводе или лучше перенести производство в другое место? Строить собственный склад или арендовать? Откуда доставлять товары в Челябинск? Куда перераспределить нагрузку, если производственные мощности завода исчерпаются? Какой запас хранить на собственных складах? Как часто снабжать крупную торговую сеть?

В условиях кризиса весны 2022 и многочисленных санкционных ограничений на первый план выходят новые проблемы другого характера. С каким поставщиком заключить контракт? Как перестроить цепочку, чтобы логистические издержки не увеличились в разы? Что будет, если спрос продолжит падать? Что делать, если нужного вам товара временно не окажется у партнёра?

Список подобных насущных вопросов можно продолжать и продолжать, и каждый месяц к ним присоединяются всё новые неожиданные потребности. Анализ постоянно меняющейся ситуации, конечно, в теории можно сделать самостоятельно, но именно системы, подобные «решателю», позволяют быстро и надежно просчитать последствия того или иного выбора.

Достигается это благодаря созданию подробной виртуальной модели всей схемы поставок и сбыта, включающей собственные объекты, объекты действующих и потенциальных партнеров. Виртуальная модель строится максимально подробно и поддерживает детализацию вплоть до конкретного товара или транспортного рейса. В неё вносится самая разная информация – вместимость складов, производственные ограничения, тарифы, целевые показатели, спрос.

Полная модель создается только после глубокого тестирования прототипа на ограниченных данных и гипотетических ситуациях. Для ускорения тестирования часть сценариев создается автоматически на основе библиотеки шаблонов специальными скриптами на Python. Эти же скрипты проверяют качество исходных данных и связность списков.

Протестированную систему масштабируют, постепенно внося в неё все имеющиеся данные. Когда всё готово, вступают в дело алгоритмы математической оптимизации – они прорабатывают сотни тысяч вариантов дальнейшего развития событий и выбирают из них наиболее выигрышные. Благодаря этому можно быстро принимать управленческие решения любой сложности день в день.

Как уже было сказано выше, система моделирования цепи поставок может быть полезна любым компаниям с разветвлённой схемой сбыта, даже в стабильное время. Поэтому, если текущие специфические проблемы обошли ваш бизнес стороной, верные решения по оптимизации логистики всё равно помогут пересмотреть приоритеты и обнаружить невидимые ранее возможности для снижения затрат. Без специализированного ПО раскрыть этот потенциал попросту невозможно.

Кейс

Среди недавних крупных проектов офиса NFP компании «Первый Бит» было внедрение anyLogistix в российское отделение одного из мировых лидеров рынка напитков.

При построении модели в неё пришлось внести информацию о 200 000 клиентов. Для удобства аналитики и планирования их разделили на кластеры. Для этого использовался метод «гравитационного анализа».

Проект помог производителю с выбором стратегий производства и снабжения, способов доставки в розничные сети, нового варианта push-pull стратегии и многого другого. Так как сеть складов было решено переделать, симуляционные возможности ПО позволили путем многочисленных экспериментов предугадать риски и доказать эффективность принимаемых изменений.

По результатам внедрения прямые затраты на работу с клиентами снизились на 2-7%. Помимо этого, компания выиграла за счёт изменения структуры автопарка и улучшенного распределения потоков. Были предотвращены инвестиции в потенциально убыточные стройки и расширения, суммарно на несколько миллиардов рублей.