Термин «цифровой двойник» сейчас у всех на слуху. Цифровые двойники или модели очень разнообразны — это и системы мониторинга с датчиками текущего состояния системы в реальном времени, и реалистичные 3D-модели инженерных сооружений и агрегатов, на которых проводятся испытания, и описанные с помощью математики сложные системы, такие, например, как логистическая сеть. Остановимся на последних.
Генеральный директор LAMACON Дмитрий Красилов и генеральный директор «Фокус Групп» Александр Демин поделились, для каких задач в логистике применяются математические модели и чем принципиально отличаются два подхода — оптимизационное и имитационное моделирование.
Лучший из пяти сценариев — еще не оптимальный
Допустим, компания планирует открыть новый распределительный центр. Команда выбирает пять локаций, рассчитывает для каждой транспортные расходы, сроки доставки до клиентов и другие факторы и находит наиболее выгодный вариант.
Проблема в том, что лучший из пяти вариантов — это еще не обязательно лучший вариант вообще. Возможно, объект нужен в другой, шестой локации, но ее просто не было в выборке. Может, новый РЦ не нужно строить совсем, и достаточно перераспределить потоки или немного расширить существующие объекты, или экономичнее открыть два меньших объекта в двух других местах.
В сложной цепи поставок число возможных комбинаций быстро становится таким, что последовательно проверить их вручную в Excel невозможно. А те сценарии, которые проверяются, нередко рассчитываются с некой долей упрощения, поэтому оптимальное решение, а вместе с ним и возможность найти ощутимую экономию в цепях поставок, ускользает от аналитиков.
От сценариев к математическому оптимуму
В работе мы часто называем оптимальным решение, которое выглядит разумным по ряду параметров. Математическая оптимизация более строга, ведь она позволяет найти глобальный оптимум — решение, которое при заданных параметрах невозможно еще как-то улучшить. Для бизнеса разница между «бытовым» оптимальным решением и математическим может достигать нескольких миллиардов рублей годовой экономии.
Чтобы построить оптимизационную модель, сначала создается математический двойник текущей цепи поставок. В цифровом виде он воспроизводит ключевые элементы цепи и связи между ними: поставщиков, производства, склады, клиентов, товарные потоки, транспорт и связанные с ними затраты.
Модель наполняется мастер-данными (весогабаритные характеристики товаров, локации клиентов, складов и производств, типы транспорта, рецептуры), складскими, транспортными и другими тарифами, информацией о спросе, а также предпосылками и ограничениями, которым должно соответствовать найденное решение.
К последним относятся пропускные способности, мощности и емкости объектов, нормативы товарных запасов, товарное соседство, остаточные сроки годности, лидтаймы, максимальное расстояние доставки и другие условия. Затем задается цель, например, минимизировать логистические затраты или максимизировать прибыль, — и математический солвер ищет лучшую конфигурацию цепи среди допустимых вариантов.
Здесь реализуется возможность, которую не получить ручными расчетами в Excel. Бизнесу не обязательно заранее придумывать все варианты решения. При большом количестве складов, производств, продуктов и клиентов число комбинаций может быть огромным. Оптимизационная модель сама анализирует их и находит наилучший вариант в рамках заданных условий.
Что это меняет на практике
В FMCG, ритейле, производстве, агросекторе и других отраслях, где сложные мультиэшелонные цепочки — одна из основ экономики бизнеса, моделирование открывает широкие возможности для сокращения затрат.
Чаще всего оптимизационное моделирование применяется для стратегических решений на несколько лет вперед, например, где размещать склады и производства, какие объекты открывать и закрывать, как перестраивать сеть при выходе на новые рынки или сделках слияний и поглощений. Однако оптимизация полезна и для тактических задач поиска резервов эффективности внутри действующей сети: управления ассортиментом в зависимости от спроса, распределения запасов, привязок клиентов к складам, с которых они снабжаются, и формирования оптимальных товаропотоков.
Так, «Детский мир» использовал моделирование для проверки двух гипотез по снижению транспортных затрат: оптимального количества и расположения собственных кросс-докинговых площадок и консолидации части онлайн-заказов с регулярными поставками в магазины. Совокупный потенциал экономии по двум сценариям составил около 5% транспортных затрат.
В проекте для «Черкизово» необходимо было учесть одновременно ограничения производства, требования к свежести продукции, условия обслуживания клиентов и другие факторы. Моделирование показало, как изменить товарные потоки: сократить межскладские перемещения, увеличить долю прямых отгрузок и эффективнее выстроить маршруты. Потенциал экономии превысил 5% логистических затрат, а в клиентской доставке достиг 7%.
Однажды построенную модель можно встроить в цикл принятия управленческих решений и многократно использовать для проверки различных сценариев, меняя исходные предпосылки, ограничения и параметры. Для этого компании развивают внутренние компетенции по оптимизационному моделированию, постоянно обновляя модели.
В результате такой работы для каждой сложной логистической задачи бизнес получает своего рода карту возможных решений с пониманием экономики каждого варианта и может сравнивать их между собой по ключевым показателям.
Однако оптимизационное моделирование отвечает не на все вопросы. Предположим, модель показала, что компании нужен склад определенного размера в конкретной локации. Это еще не говорит о том, сколько ворот потребуется на погрузке, будут ли образовываться очереди и как объект поведет себя в часы пик. Здесь появляется другая задача — не найти лучшую конфигурацию, а воспроизвести работу системы максимально точно.
Имитация приходит на выручку
Мы все с детства знаем слова «имитация» или даже «симуляция». Означают они «сделать что-то не по-настоящему» и имеют выраженную негативную коннотацию. В бизнесе же «не по-настоящему» означает «без связанных издержек и сопутствующих рисков», и согласитесь, так смысл становится уже строго положительным.
Чем же имитация отличается от оптимизации, а имитационная модель — от оптимизационной? Имитационная модель не находит лучшее решение, а позволяет детально представить один из вариантов, заглянуть в будущее и узнать, что будет, если:
- Что будет, если грузопоток через существующий склад будет выше на 30%?
- Что будет, если изменить точку заказа и объем партии?
- Что будет, если изменить зонирование склада?
- Что будет, если внедрить конвейерную или роботизированную систему?
- Что будет, если завтра на смену выйдет меньше на 10 человек?
При этом имитационные модели визуальны, а анимация моделей очень похожа на компьютерную игру. Эта визуализация, а также возможность отследить в динамике любой показатель (финансовый, показатель загрузки, пробег, длительность операции), позволяет разным специалистам заказчика говорить на одном языке, обсуждая результаты моделирования.
Говоря по-научному, имитационное моделирование заключается в разработке динамической компьютерной модели и проведении на этой модели вычислительных экспериментов, что позволяет оценить эффективность разрабатываемого или существующего объекта или системы.
Возьмем для примера склад как базовый элемент цепочки поставок. Первым шагом при разработке модели является задание детальной структуры склада с учетом его топологии: точного расположения зон, оборудования и путей движения техники. На втором шаге задаются бизнес-процессы, определяющие работу склада. Эти процессы определяют, что, когда и с использованием какой техники делает персонал при выполнении различных операций. Затем задается график прихода товаров и поступления заказов на склад: с указанием времени, объема, номенклатуры. В ходе работы модели собирается и отображается подробная статистика о работе склада: например, коэффициенты загрузки ресурсов, пробег комплектовщиков, количество обработанных паллет, время на выполнение операций и так далее.
Используя имитационную модель, можно еще на стадии проектирования или планирования определить эффективность структуры и бизнес-процессов склада или предлагаемых мер по его реорганизации.
Уже сегодня ведущие российские ритейлеры и производственные компании используют имитационное моделирование, чтобы выбирать лучшую планировку складского помещения, просчитать эффективность проектов по роботизации, оптимизировать количество персонала в конкретную смену, выработать политики комплектации заказов.
Конечно, возможности имитационного моделирования не ограничиваются складом: можно построить имитационную модель работы подвижного состава на железной дороге, доступа к труднодоступному руднику, логистики на буровых установках, расписания ремонтных бригад и множество других.
Резюмируем: отличие и совмещение подходов
Выбор метода моделирования зависит от задач, которые необходимо решить. Оптимизационная модель отвечает на вопрос «Как лучше сделать?» и находит наилучшую конфигурацию системы, рассчитанную относительно заданной цели. Имитационная модель отвечает на вопрос «Что произойдет, если сделать так?». Она воспроизводит работу системы и позволяет наглядно представить последствия конкретных сценариев.
Ценным для бизнеса является то, что оба подхода помогают протестировать ценность внедряемых решений и их экономический эффект в безрисковой среде и оценить их эффективность при помощи сценарного анализа. Все это делается «в песочнице» – на модели, что позволяет быть более уверенными в управленческих решениях стоимостью в миллионы, а иногда миллиарды рублей.
При этом подходы не исключают, а дополняют друг друга. Например, компания планирует открытие нового склада. Сначала с помощью оптимизационного моделирования решаются вопросы его конфигурации: нужен ли склад вообще, где он должен быть расположен, какого размера, какие потребует капитальные вложения на запуск и каких операционных затрат — на дальнейшую эксплуатацию, какой спрос и какие территории будет обслуживать.
После того как эти параметры определены, имитационное моделирование позволяет проверить уже операционную работу объекта: не будут ли возникать очереди при погрузке и разгрузке, сколько потребуется ворот, как склад будет справляться с пиковыми нагрузками. В результате компания получает объект, который и оптимально встроен в общую сеть, и устойчиво работает на операционном уровне.