Определение оптимального количества складов в зоне обслуживания
1. Выбор оптимального варианта складской подсистемы логистической системы.
Процесс проектирования логистических систем, и, в частности, складских подсистем, должен определять место складского звена в логистической цепи, а также формулировать требования к складам в соответствии с целями функционирования всей логистической системы.
Складская сеть является значимым элементом логистических систем. Построение этой сети оказывает существенное влияние на затраты, возникающие в процессе движения материального потока и на конечную стоимость реализуемых товаров.
В процессе проектирования логистических систем возникают следующие задачи, непосредственно относящиеся к складской подсистеме:
•
сколько складов иметь в логистической системе;
•
где разместить склады
;
•
иметь собственный склад, или пользоваться наемным;
•
какие функции возлагаются на склад в проектируемой логистической системе.
Алгоритм выбора оптимального варианта складской подсистемы логистической системы выглядит следующим образом.
Шаг 1. Определение стратегических целей логической системы;
Шаг 2. Расчет прогнозируемой величины материального потока, проходящего через систему;Шаг 3. Составление прогноза необходимой величины запасов по системе в целом и на отдельных участках материалопроводящей цепи;
Шаг 4. Изучение транспортной сети региона обслуживания, составление схемы материальных потоков в пределах системы распределения;
Шаг 5. Разработка различных вариантов построения логистической системы:
•
с одним или несколькими складами;
•
со складами, расположенными на тех или иных участках логистической цепи;
•
со складами, реализующими те или иные функции;
•
с собственными и наемными складами.
Шаг 6. Оценка логистических затрат для каждого из вариантов;
Шаг 7. Выбор для реализации одного из разработанных вариантов.
Для того, чтобы из множества составленных вариантов выбрать один, необходимо установить критерий выбора, а затем оценить каждый из вариантов по этому критерию. Таким критерием, как правило, служит критерий минимума приведенных затрат, то есть затрат, приведенных к единому годовому измерению.
Величину приведенных затрат определяют по следующей формуле:
Зn = С1 + С2 + … + С n-1 + Сn + К/Т
Где Зn – приведенные затрат по варианту; n – число принимаемых во внимание статей затрат, например:
С1 – годовые эксплуатационные затраты;
С2 – годовые транспортные затраты;
С3 – годовые затраты на содержание запасов;
С4 – годовые затраты управление складской подсистемой;
С5 – прочие затраты потери, связанные с функционированием логистической системы и принимаемые во внимание при принятии решения по созданию складской подсистемы.
К – полные капитальные вложения в строительство и оборудование складов, приведенные по фактору времени – по норме дисконта;
Т – срок окупаемости варианта.
Для реализации принимается тот вариант логистической системы, который обеспечивает минимальное значение годовых затрат.
2. Определение оптимального количества складов в зоне обслуживания
Напомним, что решения по развитию складской сети необходимо принимать на основе анализа полной стоимости, что означает учет всех экономических изменений, возникающих при изменении количества складов в логистической системе.
Рассмотрим модель системы распределения материального потока, представленную на рисунке. 1. Допустим, что предприятие-поставщик, обслуживает сеть оптовых покупателей, расположенных на определенной территории. Количество покупателей и объемы потребляемых ими потоков в рамках данной задачи являются величинами постоянными.
![](data:image/jpeg;base64,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)
Рис 1 Варианты организации распределения материального потока: а) с одни распределительным центром; б) с двумя распределительными центрами; в) с шестью распределительными центрами.
На Рисунке 1. представлено три варианта организации распределения: с помощью одного, двух или шести складов (соответственно рисунки а, б и в). Очевидно, что в случае принятия варианта (а) транспортные расходы по доставке будут наибольшими. Вариант (в) предполагает наличие шести распределительных центров, максимально приближенных к местам сосредоточения потребителей материального потока. В этом случае транспортные расходы по товароснабжению будут минимальными. Однако появление в системе распределения пяти дополнительных складов увеличивает эксплуатационные расходы, затраты на доставку товаров на склады, затраты на управление всей распределительной системой. Не исключено, что дополнительные затраты в этом случае могут значительно превысить экономические выгоды, полученные от сокращения пробега транспорта при доставке товаров потребителям.
Как видим, при изменении количества складов в системе распределения часть затрат, связанных с процессом доведения материального потока до потребителя, возрастает, а часть снижается. Это позволяет ставить и решать задачу поиска оптимального количества складов. Рассмотрим графический метод решения данной задачи.
Выберем в качестве независимой переменной величину ТN – количество складов, через которые осуществляется снабжение потребителей. В качестве зависимых переменных будем рассматривать следующие виды затрат:
•
транспортные затраты
;
•
затраты на содержание запасов
;
•
затраты,
связанные эксплуатацией
складского хозяйства;
•
затраты, связанные с управлением складской системой;
•
потери продаж, вызванные удалением снабжающего склада от потребителя;
Для определения оптимального количества складов необходимо в разрезе всей системы распределения оценить, как в зависимости от изменения N изменяются отдельные статьи затрат и потери, а также общие затраты.
Охарактеризуем зависимость затрат каждого вида от количества складов.
2.1. Зависимость величины затрат на транспортировку от количества складов в системе распределения (рис.2)
Весь объем транспортной работы по доставке товаров потребителям, соответственно и транспортных затрат делят на две группы:
•
расходы, связанные с доставкой товаров на склады системы распределения, т.е.
расходы на так называемые дальние перевозки.
•
расходы по доставке товаров со складов потребителям, т.е. расходы на так называемые ближние перевозки
Рис. 2 Зависимость затрат на транспортировку от количества складов в системе распределения.
Зависимость затрат на транспортировку от числа складов рассмотрим для каждой группы.
При увеличении количества складов в системе распределения стоимость доставки товаров на склады возрастает, так как увеличивается количество поездок, а также совокупная величина пробега транспорта. Характер зависимости не прямолинейный, так как здесь имеются условно постоянная и условно переменная составляющие, в результате чего расходы по доставке растут медленнее, чем расстояние.