Supply Chain Network Optimization - Hur man gör det på rätt sätt
Det är hög tid att omforma er strategi för leveranskedjan, bland annat av följande skäl:
Logistik och fulfillment är de nya skyltfönstren och försäljningsverktygen
Den explosionsartade ökningen av direkt-till-konsument-affärer tvingar alla företag att ha en omnikanalstrategi.
Inköpssituationen förändras snabbt med mer "near-sourcing" och riskminimering.
Hållbarhetsmedvetenhet blir alltmer oundvikligt - och transporter är en viktig del.
Den traditionella metoden leder ofta till en oändlig mängd data och, i bästa fall, ett matematiskt svar som minimerar de teoretiska logistikkostnaderna men inte bidrar till att skapa en implementerbar strategi för leveranskedjan.
Men man gör inte en nätverksoptimering för att återuppleva de linjära programmeringskurserna från college och visa sin matematiska begåvning. Vissa av oss kanske gör det. För resten av er finns här några viktiga lärdomar från många nätverksoptimeringsprojekt:
1. Undvik att spendera tid och pengar på att mata monstret med data
Ingen har perfekta data. En lämplig strategi för att rensa och bevara data kommer att vara en nyckel till projektets framgång.
Det viktiga är att veta vilka data som verkligen är viktiga och hur man sammanställer de ofullständiga uppgifterna till en användbar dataset. De mest kritiska uppgifterna för resultatet är transportuppgifterna och det är ofta de uppgifter som är svårast att få tag på. Om du inte har tillgång till dessa data internt så har transportörerna det. De är inte alltid så pigga på att dela med sig, men de är fortfarande den bästa källan. Orderdata är vanligtvis lättillgängliga och kan användas för att återskapa sändningar, även om dim/vikt kan komplicera saker och ting. Detta är ett område där databerikning från företag som specialiserat sig på detta kan fungera, och även artikelprofilering för att minska komplexiteten till där den spelar roll.
De mest avancerade modellerna kräver mycket mer data, men effekten av andra data är mindre kritisk och kan i många fall hanteras med riktmärken för att få en utgångspunkt och känslighetsanalys där du kör om modellen med den kritiska datapunkten varierad tills du hittar den brytpunkt där rekommendationen ändras. Det är mycket lättare att fatta ett beslut när man ser var det verkligen gäller och har tydliga valmöjligheter.
2. Modellen kommer inte att ge dig en strategi. Den berättar bara vilket alternativ som är det matematiskt bästa.
Innan du kör modellen: använd de data som har samlats in för att profilera din leveranskedja. På så sätt kan ni utvärdera relevanta lösningar.
Kundprofiler och krav: Att leverera till de stora detaljhandlarna kräver en annan lösning än att leverera direkt till konsument. Två separata nätverk?
Lagerprofil: Vissa produkter kan ha efterfrågemönster som är mycket ojämna geografiskt eller som är kritiska ur ett utbudsperspektiv. Långsamma förändringar vs bästsäljare. Exempel på fakta som kan avgöra vilka alternativa nätverksstrukturer som är lämpliga att optimera, t.ex. central DC, regionala DC, satelliter, forward stocking locations etc.
Orderprofil, leveransprofil, produktprofil är andra exempel på fakta som är viktiga att analysera före modellering.
3. Känslighetsanalys
Istället för att försöka skapa det perfekta datasetet. Använd modellen för att ta reda på med vilket värde på kritiska men osäkra data som rekommendationen ändras. Detta sparar mycket tid och gör besluten relevanta.
4. Använd rätt mjukvaruverktyg för din utmaning
De mest avancerade optimeringsverktygen är dyra och kräver mycket arbete för att konfigureras. Du har spenderat mycket tid och pengar innan du är redo att köra modellen. Det är absolut värt investeringen om din leveranskedja är mycket komplex och du har för avsikt att använda modellen ofta när den väl är konfigurerad. Dessa programvaruverktyg är sofistikerade och fantastiska med alla sina möjliga tillägg.
De flesta företag har en mer okomplicerad leveranskedja eller kan optimera nätverket i Nordamerika, Europa, Asien etc. separat och sedan sätta ihop dem. Om så är fallet kommer de mest komplexa verktygen att komplicera saker och ting utan att ge något mervärde. Lägg den tid och de pengar du sparar på ett lämpligt optimeringsverktyg på att fokusera på strategiutveckling istället.