Аудит и оптимизация складской логистики

Этап 1. Провели детальный анализ товарных потоков и составили по ним прогноз с учетом:

• увеличения доли продаж через торговые сети;

• снижения кванта отгрузки;

• изменения ассортимента и потребительских предпочтений в разных регионах.

Детально проанализировали тарифы на доставку грузов более чем по 5,3 тыс. точек доставки. Сделали это с помощью автоматизированной системы КСЛ «LogLocation». Она позволяет рассчитать транспортные тарифы, места расположения, количество и мощности складов.

Этап 2. Смоделировали оптимальное место расположения, количество и мощности складов с помощью системы «LogLocation». Алгоритм моделирования базируется на внесении в Систему координат:

• каждого получателя с объемами заказов;

• транспортных тарифов по всем типам транспортных средств (ТС);

• реальной дорожной сети РФ и ее загрузки;

• затрат на хранение и грузообработку на собственных, арендованных или аутсорсинговых мощностях.

В результате моделирования система выдает рекомендации по оптимальному месту расположения складов и их мощностям, основываясь на одном критерии — минимальные совокупные транспортно-складские затраты. Кроме того, система выдает и все другие возможные варианты по расположению складов, ранжируя их по критерию увеличения стоимости транспортно-складских затрат. Таким образом, легко можно перепроверить эффективность вариантов, которые менеджмент заказчика планировал реализовать, основываясь на опыте и экспертных ощущениях.

Моделирование показало, что дополнительно к существующему Центральному распределительному складу компании необходимо организовать распределительные центры (РЦ) в Санкт-Петербурге, Москве, Новосибирске, Екатеринбурге, Казани, Хабаровске и Краснодаре. Под каждый объект мы рассчитали необходимые площади и мощности, а также определили оптимальную форму владения (аренда, собственность, или аутсорс).

Суммарно семь дополнительных РЦ складской сети позволили снизить дефицит вместимости ЦРС на 13,5 тыс. куб. м. Это стало возможным за счет того, что на них вывели запасы готовой продукции. Вместе с тем сохранялся дефицит к целевому периоду. К началу 2021 года не хватало 7,5 тыс. куб. м., что соответствовало 25% от текущей вместимости.

Заказчик был уверен, что на указанный объем (7,5 тыс. куб. м.) невозможно увеличить вместимость существующего склада, т.к. на нем уже установлены на 50% площади узкопроходная технология. Поэтому коллеги из «ПРОГРЕСС» планировали спроектировать дополнительную очередь, площадью 5 тыс. кв. м. Однако мы решили данную проблему иначе. Подробнее об этом в описании третьего этапа.

Этап 3. Разработали альтернативный вариант изменения технологии склада. Мы предложили:

• сократить широкопроходную зону и установить на ее площади набивные стеллажи с радиошатлами, а также краны-штабелеры, обрабатывающие паллеты, для обработки коробов на созданном мезонине;

• установить гравитационные стеллажи для продукции с высокой оборачиваемостью и глубиной запаса в рамках наименования и партии от восьми паллет;

• внедрить автоматическую систему комплектации штучных заказов, которая включает конвейерные линии, сортеры и системы Pick-to-Tote.

Предложенный нами вариант мог обеспечить целевую вместимость 2021 года на 39 тыс. куб. м., а также требуемую производительность и скорость как на приемке, размещении, так и на комплектации заказов.

Мы сравнили экономические параметры двух вариантов увеличения целевого объема. Оказалось, что NPV (чистый приведенный доход) при реконструкции технологии на 18% лучше, чем при строительстве дополнительного корпуса, а IRR (срок возврата инвестиций) с 5,5 лет при строительстве склада снижается то 3,8 года при реконструкции технологии.

Вместе с тем, реконструировать действующий склад готовой продукции при пищевом производстве без единого дня остановки отгрузок — это сложная задача. Для ее решения мы разработали подробную дорожную карту, в которой распределили все этапы по дням в течение двухлетнего периода развития площадки. Сюда же включили все необходимые ресурсы и пути перемещения продукции между зонами в период реконструкции с воротами качества.

Разработали имитационную модель в режиме виртуальной реальности. Она показала, как будет работать склад на каждом этапе, включая дни перемещения продукции с одного участка на другой. Модель работает на массиве данных, соответствующих всем выполняемым операциям на ЦРС. Ее использование позволило увидеть все возможные «пробки» на складе, места дефицита или избытка ресурсов, и учесть эти факторы при реализации проекта.

Фрагмент разработанной имитационной модели реконструируемого ЦРС