ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ ЦЕПЕЙ ПОСТАВОК В УСЛОВИЯХ НЕОПРЕДЕЛЕННОСТИ

SIMULATION MODELING SUPPLY CHAINS IN UNCERTAIN CONDITIONS

Stolbenko Darina Mikhailovna

student, Yaroslavl College of Management and Professional Technologies,

Russia, Yaroslavl

Shtromova Svetlana Vladimirovna

Scientific supervisor, teacher, Yaroslavl College of Management and Professional Technologies,

Russia, Yaroslavl

АННОТАЦИЯ

Современные цепи поставок функционируют в условиях постоянной неопределенности, где традиционные подходы к планированию часто оказываются неэффективными. Особую сложность представляют события, вероятность которых трудно прогнозировать, но воздействие которых может быть катастрофическим для всей логистической системы.

ABSTRACT

 Modern supply chains operate under conditions of constant uncertainty, where traditional approaches to planning often prove ineffective. Of particular difficulty are events, the probability of which is difficult to predict, but the impact of which can be catastrophic for the entire logistics system.

Ключевые слова: цепь поставок, неопределенность, имитационное моделирование.

Keywords: supply chain, uncertainty, simulation modeling.

Понятие имитационного моделирования.

Имитационное моделирование - это метод исследования цепи поставок, который основан на создании цифровой модели реальной цепи и проведении экспериментов для понимания ее поведения (включая оценку различных стратегий управления).

Имитационное моделирование для управления цепями поставок в условиях неопределенности является наиболее эффективным, так как оно позволяет:

- Создавать цифровых «двойников» логистических систем

- Тестировать различные сценарии развития событий

- Оценивать риски и разрабатывать планы действий

Пример из практики: Во время пандемии COVID-19 компании, использовавшие имитационные модели, смогли быстро адаптировать свои цепочки поставок под изменившиеся условия.

Задача по теме.

Компания «ЩитЗдрав» занимается поставками одноразовых медицинских масок в розничные аптеки. До пандемии спрос был стабильным и составлял 1000 упаковок масок в день. Из-за новой волны COVID-19 спрос резко вырос и стал непредсказуемым. Анализ данных за последний месяц показал, что теперь средний дневной спрос составляет 2500 упаковок, но он сильно "скачет". Стандартное отклонение спроса равно 500 упаковок в день. Время выполнения заказа у поставщика (от момента размещения заказа до получения товара) также увеличилось. Раньше оно было 3 дня, а сейчас в среднем составляет 7 дней, но может отклоняться. Стандартное отклонение времени поставки равно 2 дня. Компания хочет обеспечить такой уровень обслуживания, чтобы избежать дефицита в 95% случаев (т.е. коэффициент Z, соответствующий вероятности 95%, равен 1,65). Рассчитайте необходимый страховой запас (safety stock) для медицинских масок в этих новых условиях неопределенности.

Решение: Построим схему, которая наглядно покажет нам строение всей имитационной цепи поставок.

Рисунок 1. Схема-строение цепи поставок

Формула для расчета страхового запаса при неопределенности в спросе, и во времени поставки: Страховой запас = Z * √((Среднее время поставки * (σ спроса)² ) + ( (Средний спрос)² * (σ времени поставки)² ) ) Где: Z = коэффициент уровня обслуживания (1.65 для 95%), Среднее время поставки = 7 дней, σ спроса = 500 упаковок/день, Средний спрос = 2500 упаковок/день, σ времени поставки = 2 дня.

Решение: 1.  Подставляем все известные значения в формулу:

Страховой запас = 1.65 * √((7 * 500²) + (2500² * 2²))

2.  Выполняем вычисления по шагам:

1. 500² = 250 000
2. 7 * 250 000 = 1 750 000
3. 2500² = 6 250 000
4. 2² = 4
5. 6 250 000 * 4 = 25 000 000

Суммируем: 1 750 000 + 25 000 000 = 26 750 000

Извлекаем корень: √(26 750 000) ≈ 5172.5

Умножаем на Z: 1.65 * 5172.5 ≈ 8535

Ответ:

Чтобы удовлетворить спрос с вероятностью 95% в условиях неопределенности, вызванной пандемией, компании «ЩитЗдрав» необходимо создать и поддерживать страховой запас в размере приблизительно 8535 упаковок медицинских масок.

Заключение.

Опыт преодоления кризиса COVID-19 доказал эффективность имитационного моделирования для управления цепями поставок в условиях неопределенности. Компании, инвестировавшие в развитие моделей "цифровых двойников", показали значительно лучшие результаты в адаптации к изменяющимся условиям.

Ключевой вывод: современные цепи поставок требуют постоянного моделирования различных сценариев, где традиционные методы планирования должны дополняться продвинутыми инструментами прогнозирования и анализа рисков.

Список литературы:

1. Лукманов И.Д., Долгий А.Б. Жизнеспособность взаимосвязанных сетей поставок: расширение углов устойчивости цепочки поставок в сторону выживаемости // Российский журнал логистики и управления цепями поставок. – 2021. – № 3.
2. Иванов Д.А. Управление цепями поставок в условиях пандемии: вызовы и решения // Вестник Национальной академии логистики. – 2020.