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:

1. gyártási költség az üzemben,
2. szállítási költség az üzem és a raktár között,
3. szállítási költség a raktár és a fogyasztók között,
4. saját tulajdonú raktár fenntartásának fix költségei,
5. 3PL raktár nyitási költségei,
6. saját tulajdonú raktár felszabadításának költségei,
7. rendelési költség,
8. készlettartási költség az üzemben,
9. készlettartási költség saját tulajdonú raktárban,
10. készlettartási költség 3PL raktárban,
11. 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.