Kitekintő: Létesítményelhelyezés egy pakisztáni nagyvállalatnál
Ebben a bejegyzésben az ellátási lánc menedzsmentjének egyik fontos problémája, a létesítmény-elhelyezés áll a középpontban, egy valós vállalati eset leírása alapján.
A 2014-es tanulmányban (1) bemutatott modellezéssel a szerzőpáros, Brahimi és Khan egy pakisztáni, kenőolajgyártással foglalkozó vállalat döntéshozatalát segítették. A tanulmány egy több éves outsourcing-folyamatnak a kezdeti stratégiai döntésével foglalkozik, konkrétan a raktározási tevékenység 3PL szolgáltatónak történő kiszervezésének részeként az első új raktár helyszínének meghatározásával.
A kiinduló helyzetben a termékeket az ország déli részén fekvő Karacsiból az északon elhelyezkedő Lahorba szállítják, majd innen látják el az egyes városokat. A vállalatnál a gyakori készlethiányok és -többletek miatt úgy döntöttek, hogy a lahori létesítmény kapacitását felére csökkentik, miközben megállapodnak egy 3PL szolgáltatóval. A projekt sikere esetén a vállalat távlati célja, hogy 5 éven belül a raktározási tevékenységét teljesen kiszervezi, a fogyasztókhoz minél közelebbi létesítményekbe. A modellben 4 lehetséges helyszín közül kellett kiválasztani a legkedvezőbb feltételekkel járót. A szerzők a döntési folyamatban figyelembe vették a termelési, a készletezési és a disztribúciós költségeket is.
A modell kialakítása
A vállalat két fázisban kapott információkat a döntéssel kapcsolatban. Az első egy közelítő becslés volt, mely összetett operációkutatási módszerek nélkül tett javaslatot a vállalat felé, míg a második már egy jóval több változóval és költségnemmel számoló, vegyes egész lineáris programozási feladat (MILP) volt.
Érdekes azonban, hogy bizonyos okok miatt azonban a vállalat vezetése úgy döntött, hogy már az első szakasz döntését alkalmazza a gyakorlatban, így az elemzés második része, melyről tulajdonképpen maga a tanulmány is szól, valójában csak azt a célt szolgálta, hogy megmutassa, a meghozott döntés hogyan viszonyul az optimumhoz.
Az LP számításokban a tervezési időtáv mellett a raktárak és a fogyasztók számát is figyelembe vették, valamint azt, hogy hányféle jármű jöhet szóba a gyár, a raktárak és a fogyasztók közötti szállítás során. Emellett 9 döntési változó került bevezetésre. Az ezek után létrehozott célfüggvény egy minimalizálandó költségfüggvény, mely az alábbiak összegeként adódik:
- gyártási költség az üzemben,
- szállítási költség az üzem és a raktár között,
- szállítási költség a raktár és a fogyasztók között,
- saját tulajdonú raktár fenntartásának fix költségei,
- 3PL raktár nyitási költségei,
- saját tulajdonú raktár felszabadításának költségei,
- rendelési költség,
- készlettartási költség az üzemben,
- készlettartási költség saját tulajdonú raktárban,
- készlettartási költség 3PL raktárban,
- bejövő és kimenő rakomány költségei.
A probléma megoldása
Míg a vállalat által elfogadott kezdeti javaslat alapján a lahori saját raktár kapacitását 50%-kal csökkentették, valamint a fővárosban, Iszlámábádban választottak ki egy 3PL szolgáltatót, addig az operációkutatásos megközelítéssel kapott megoldás szerint az optimális a meglévő lahori saját raktár mellett egy Multán városában működő 3PL raktárral való megállapodás lenne. Kiszámítható, hogy idő előtt meghozott döntésével a vállalat egy 1,6 millió rúpiával kedvezőtlenebb megoldást választott, mint az optimum.
Ennek egyik oka, hogy a vállalati teljes költség termelési költségeken felüli részének több mint 80%-a adódik a szállítási költségekből, köszönthetően a járművek sajátosságainak, valamint a nagy távolságoknak (900 – 1400 km az üzem és a potenciális raktárak között).
A cikk alapján továbbá levonható egy olyan fontos, általános tanulság is, hogy rendkívül fontos (volna) a vállalatoknál egy hatékony előrejelzési rendszer kialakítása és alkalmazása (különösen a nyersanyagárakra vonatkozóan), tekintettel a termelési költségek nagy arányára és az ebből adódó kockázatra.
(1) A cikk hivatkozása: Brahimi, Nadjib – Khan, Sharfuddin A. (2014): Warehouse Location with Production, Inventory, and Distribution Decisions: a Case Study in the Lube Oil Industry. 4OR, Vol. 12, No. 2, pp. 175-197.