مدل سازی شبکه های زنجیره ای و لجستیک چیست؟

آیا شرکت شما طراحی شبکه زنجیره تامین و تدارکات خود را؟

هنگامی که یک شرکت در حال طراحی شبکه تدارکات جدید خود است، تمام عناصر مکان مانند بازار مشتری، استخر کار، الزامات زندگی و مشوق های دولتی را مورد توجه قرار می دهد. هنگامی که این عناصر تجزیه و تحلیل می شود، می توان مدل هایی را ایجاد کرد که به شرکت ها اجازه می دهد تا بینش هایی را که در اختیار دارند، درک کنند.

تعدادی از تکنیک های مدل سازی وجود دارد که می توانند مورد استفاده قرار گیرند، هر کدام با مزایا و مشکلات خود به ارمغان می آورد.

این مقاله به انواع مختلف تکنیک های مدل سازی نگاه می کند که می توانند برای حمایت از تصمیمات مورد استفاده قرار گیرند.

تکنیک های مدل سازی

استفاده از تکنیک های مدل سازی برای شرکت هایی که تصمیم می گیرند بر شبکه جدید تدارکاتشان اهمیت پیدا کند، اهمیت دارد. تکنیک های مختلف مدل سازی می توانند شرکت ها را به مقایسه عملکرد، بهره وری هزینه و بهره وری خدمات مشتری در شبکه های مختلف تدارکاتی که پیشنهاد شده اند، نگاه کنند. شرکت ها می توانند به تکنیک های مختلف مدل سازی نگاه کنند و تصمیم بگیرند که کدام یک از آنها بهترین بینش را در مورد گزینه های شبکه ارائه می دهد.

مدل سازی بهینه سازی

مدل بهینه سازی از روش های دقیق ریاضی است که بهترین راه حل بهینه را براساس فرمول ریاضی مورد استفاده قرار می دهند. این مدل فقط بر اساس فرمول ریاضی است.

این به این معنی است که هیچ مدل ذهنی برای مدل وجود ندارد، تنها فرض ها و داده ها. مدل بهینه سازی به داده هایی نظیر سطح خدمات مشتری می پردازد، تعداد و محل مراکز توزیع، تعداد کارخانه های تولیدی، تعداد مراکز توزیع به کارخانه تولیدی و موجودی هایی که بایستی حفظ شود، به نظر می رسد.

یک مدل بهینه سازی که برای شبکه های تدارکات استفاده شده است، مدل با استفاده از برنامه نویسی خطی، گاهی اوقات به عنوان LP نامیده می شود. این به خصوص برای اتصال محدودیت های عرضه و تقاضا در تولید گیاهان، مراکز توزیع و مناطق بازار مفید است.

با توجه به هدف کمینه کردن هزینه ها، برنامه نویسی خطی می تواند الگو توزیع مطلوب تسهیلات را براساس محدودیت های تعیین شده تعریف کند.

با این حال، به این دلیل که از فرمولهای ریاضی استفاده می شود، برای هیچ ورودی ذهنی هیچگونه کمک هزینه ای وجود ندارد.

مدل های شبیه سازی

یک مدل شبیه سازی به عنوان ایجاد یک مدل مبتنی بر دنیای واقعی تعریف شده است. هنگامی که این مدل ایجاد شده است، می توانید آزمایش های مربوط به مدل را انجام دهید تا ببینید که چگونه تغییرات به مدل می تواند بر هزینه کلی شبکه تدارکات تاثیر بگذارد.

برای مثال، با تغییر محدودیت ها در شبکه، ممکن است از یک مدل شبیه سازی استفاده کنید تا ببیند که چگونه این تاثیر هزینه های کلی شبکه را تحت تاثیر قرار می دهد.

برای یک مدل شبیه سازی برای موثر بودن، شما نیاز به جمع آوری مقدار قابل توجهی از اطلاعات در مورد حمل و نقل، انبارداری ، هزینه های نیروی کار، بارگیری مواد و سطوح موجودی، به طوری که زمانی که شما را به تغییرات محدودیت، مدل به دقت تغییرات را منعکس می کند. با این حال، تغییرات در مدل شبیه سازی، شبکه بهینه سازی تدارکات را تولید نخواهد کرد، که به وسیله مدل بهینه سازی تولید می شود؛ این فقط تغییراتی را که به مدل داده شده است ارزیابی خواهد کرد. این نوع مدل بسیار مفید است، زمانی که شرکت ها تصمیمات عمومی در مورد شبکه اتخاذ کرده و می خواهند ببینند تاثیر کلی هر گونه تغییر چیست.

مدل اکتشافی

شبیه به مدل های شبیه سازی، مدل های اکتشافی یک راه حل بهینه برای یک شبکه تدارکات ایجاد نمی کند.

یک مدل اکتشافی برای کاهش یک مشکل بزرگ به اندازه قابل کنترل استفاده می شود. باید فهمید که مدل های اکتشافی یک راه حل را تضمین نمی کند و تعدادی از مدل های اکتشافی ممکن است با یک سوال متضاد و یا پاسخ های مختلفی را ارائه دهند و هنوز در ایجاد یک شبکه تدارکاتی مفید باشند.

مدلهای هورستیکی اغلب به یک قاعده کلی اشاره می شود که می تواند در ایجاد یک شبکه تدارکاتی مفید باشد.

به عنوان مثال، یک مدل اکتشافی می تواند برای در نظر گرفتن بهترین سایت برای مرکز توزیع که حداقل 10 مایل از منطقه بازار، پنجاه مایلی از یک فرودگاه بزرگ و بیش از صد مایل از نزدیک ترین مرکز توزیع باشد، استفاده شود. یک مدل اکتشافی در تمامی زمینه هایی که در پارامترهای تعریف شده مناسب است، مورد بررسی قرار می گیرد و مناطقی را که بیشتر مناسب هستند پیدا می کند.

به روز شده توسط Gary Marion، لجستیک و کارگزار زنجیره تامین.