Опубликовано №1 (96) февраль 2020 г.

АВТОРЫ: БАЖИНА Д.Б., ЛУКИНСКИЙ В.С., НИКОЛАЕВСКИЙ Н.Н.

РУБРИКИ:  Имитационное моделирование

Аннотация 

В работе рассмотрены вопросы, связанные с моделированием функционирования цепей поставок как важнейшего этапа принятия управленческих решений. Контекст логистики и управления цепями поставок в общем случае рассматривает движение и преобразование материального потока, а также сопутствующих ему финансовых, информационных и др. потоков. При это отмечается необходимость исследования характеристик потока именно в динамике, так как движение потока происходит именно с течением времени. Указанные обстоятельства определяют предпочтительность выбора средств имитационного моделирования для разработки соответствующих моделей, так как такой подход по своей сути предполагает реализацию алгоритма функционирования моделируемой системы в виртуальной временной среде.

Анализ литературы, с одной стороны, позволил сделать вывод, что традиционный подход определения характеристик процессов функционирования, предполагающий последовательное решение задач в разрезе элементов цепей поставок, ограниченно или вовсе не учитывает особенности реальных процессов, в рамках которых возможна изменчивость параметров в течение времени. С другой стороны, отмечается недостаточность проработки конкретных рекомендаций по построению моделей на базе принципов системной динамики как подхода в области имитационного моделирования, который в свою очередь может позволить учесть изменчивость характеристик протекания процессов. Указанные обстоятельства определили конечную цель исследования, в части которого реализуется построение имитационной модели цепи поставок для наглядной демонстрации возможностей используемого подхода. При этом результаты могут быть полезны как с практической точки зрения для промышленных предприятий, так и для дальнейших исследований.

Электронная версия

Ключевые слова: имитационное моделирование имитационная модель системная динамика моделирование цепей поставок моделирование поддержка принятия управленческих решений принятие решений

Опубликовано №6 (95) декабрь 2019 г.

АВТОРЫ:  ЕРМОЛИНА М.В., ЗАХОДЯКИН Г.В.

РУБРИКИ:   Имитационное моделирование Информационные технологии в логистике и SCM Управление запасами

Аннотация 

 В статье рассмотрена ситуация распределения ограниченного количества запаса готовой продукции в собственной двухэшелонной логистической сети предприятия. Данная сеть состоит из центрального распределительного склада и нескольких региональных складов, обслуживающих клиентов компании. Предполагается, что каждый региональный склад ежедневно рассчитывает свою потребность в продукте с учётом прогнозируемого спроса, запаса в наличии, страхового запаса и времени доставки с центрального склада. Таким образом, менеджерам известен уровень потребления и объем запаса каждого из складов, который корректируется благодаря регулярному обмену информацией. Прогнозирование спроса и планирование отгрузок происходит централизованно.
Под ограниченным запасом понимается размер запаса готовой продукции на центральном складе, недостаточный для удовлетворения суммарных потребностей региональных складов в продукте. Ситуация ограниченного запаса может иметь различную протяжённость во времени.
Для принятия решения о распределении используются принципы распределения ограниченного запаса, т.е. набор правил, определяющих объём и очерёдность отгрузок с центрального на региональные склады продукции с ограниченным запасом.
В рамках статьи были поставлены и решены следующие задачи:
- определить факторы, влияющие на решение о правилах распределения ограниченного запаса
- создать классификацию применяемых принципов распределения ограниченного запаса
- определить влияние целей бизнеса на выбор предпочтительного принципа распределения
- построить имитационную модель и проверить, какой принцип распределения наилучшим образом способствует достижению выбранной цели
Предполагается, что полученные результаты можно будет использовать для формирования правил распределения ограниченного запаса на предприятиях с собственной сетью распределения, и для формирования алгоритмов распределения в информационных системах (модулях) класса DRP.

Скачать статью (бесплатно)

 Купить номер 

Ключевые слова: управление запасами имитационное моделирование имитационная модель моделирование цепей поставок распределение запасов оптимизация запасов оптимизация распределения запасов DRP

Опубликовано №4 (93) октябрь 2019 г.

АВТОРЫ:  КОНОТОПСКИЙ В.Ю., МЕНЬШИКОВА Е.В., ВЕРХОВСКАЯ М.В.

РУБРИКИ:  Имитационное моделирование Управление запасами

Аннотация 

Методом численного моделирования исследуется влияние параметров про­стого дискретного потока товарно-материальных ресурсов (ТМР), про­водимого через логистическую трехуровневую систему распреде­ления, а также параметров самой системы на универсальные характеристики ее эф­фективности – относительные уровни текущих запасов в системе и по­каза­тели дефицита для конечных потребите­лей. Под параметрами потока име­ются в  виду уровень его мощности и вариация последней. Под парамет­рами системы – тип применяемой модели управления запасами (УЗ) и быст­рота ре­акции на требования на поставку очередной партии ТМР. Поток тре­бований потребителей, поступающих на нижний уровень системы и вызы­вающих движение ТМР через систему, соответствует закону Пуассона.  Ис­пытыва­ются четыре простейшие модели УЗ, причем в каждом случае одна и та же мо­дель используется на всех уровнях системы.  В результате получено соответ­ствующее количество (общее – 66, приведенное в статье – 22) экспе­римен­тальных зависимостей и адекватных им уравнений регрессии. Дана их крат­кая интерпрета­ция с точки зрения экономических аспектов рас­предели­тель­ной логистики. Сделаны выводы относительно характера  ис­пользования вы­явленных зависимостей и направлений дальнейшего исследо­вания данной проблематики. Исследование (его объект и примененные тех­нологии) не привязано жестко ни к конкретной области логистики (торговля, промыш­ленность, логистический сервис, и т.п.), ни к иерархиче­скому уровню объек­та моделирования (отрасль, дистрибьюторская компа­ния, однозаводское предприятие, производственное объединение, крупное производ­ственное подразделение и т.п.).

Скачать статью (бесплатно)

 Купить номер

Ключевые слова: управление запасами система распределения имитационное моделирование имитационная модель интегрированное планирование материальные потоки стохастическая модель эффективность управления эффективное управление пополнением запасов эффективность управления запасами

Опубликовано  №6 (77) декабрь 2016 г.

АВТОРЫ:  

Куренков П.В.

Сечкарёв А.А. - Старший преподаватель, Кафедра управления эксплуатационной работой, Российская открытая академия транспорта Московский государственный университет путей сообщения (МИИТ) Императора Николая II (Россия,  Москва)

РУБРИКА  Имитационное моделирование Логистическая инфраструктура Транспортировка в логистике

Аннотация 

Уже давно ведутся работы по прогнозированию зарождения грузопотоков на станциях. Рассмотрена возможность использования имитационного моделирования станционных процессов. Определены основные структурные объекты необходимые для создания модели и их технические параметры. Разработана структура необходимая для работы в программе «Anylogic». Программа настроена на прогнозирование различных ситуаций с возможностью выбора наилучшего результата. Для этого в систему вводятся входные параметры: подход составов, время прибытия составов, график движения, технология работы и последовательность выполнения операций, план погрузки и выгрузки, и т.д. Проводится анализ полученных результатов с последующим принятием решения, о дальнейшим моделировании процессов для получения необходимых результатов. Модель эффективно использует технологическое развитие станции, определяет поэлементную загрузку системы, выявляет узкие места в работе. Позволяет осуществлять регулирование скорости рассматриваемых процессов и временных периодов работы. Служит элементом системы сценарного прогнозирования работы целого региона. Оптимизирует сбор информации, регулирует необходимые ресурсы (количество задействованных для работы путей, число локомотивов, необходимый парк вагонов и т.д.), проводит расчет показателей работы станции. Использование программы «Anylogic» позволит прогнозировать работы на ближайшие сутки и более с возможностью корректировки и оперативного влияния на ситуацию, до тех пор, пока не будет достигнут необходимый результат 

Ключевые слова: 

• AnyLogic

• имитационная модель

• железнодорожный транспорт

• железнодорожная станция

Опубликовано  №5 (76) октябрь 2016 г.

АВТОР:  Соколов А.А. - тренинг-менеджер, направление Управление изменениями, X5 Retail Group (Россия,  Москва) 

РУБРИКА  Информационные технологии в логистике и SCM Корпоративная логистика розничных компаний Современные концепции и технологии в логистике и управлении цепями поставок Управление запасами Имитационное моделирование Планирование в цепях поставок

Аннотация 

Проведен анализ возможностей оптимизации логистических процессов в сфере сетевой розничной торговли на российском рынке. Для оптимизации была выбрана область управления товарным запасом в цепи поставок компании X5 Retail Group. Приведено обоснование выбора информационного решения для поддержки методологии S&OP.  На базе технологии компании JDA из трёх стандартных модулей JDA Demand, JDA Promotions Management & Optimization, JDA Fulfillment была сконфигурирована имитационная модель. В исследовании приведены результаты работы имитационной модели, которые доказывают достижимость целей по снижению уровня товарных запасов в цепи поставок и показателя out-of-stock

Ключевые слова: 

• X5 Retail Group

• S&OP

• Sales and Operations Planning

• планирование продаж и операций
• управление запасами

• JDA

• имитационная модель

• оптимизация
• outofstock

Современная торговля, уже давно укоренившаяся в бизнес-лексике, как «ритейл», является одной из самых высоко конкурентных сфер деятельности. Причин подобного положения дел достаточно много. Это и отсутствие явных монополистов, как в сфере добычи полезных ископаемых, и существенно большее количество игроков на рынке в отличие от производственной сферы. Но, причины оставим в прошлом и обратимся текущей ситуации в российском ритейле.

Последние 8-10 лет в России особенно явно прослеживается преобладание тенденции ухода от «традиционной розницы» (частные магазины) к крупной сетевой торговле. Данная тенденция в мире начала набирать силу достаточно давно, первый гипермаркет компания «Carrefour» открыла ещё в 1963 году. Сегодня сетевой ритейл является основой рынка FMCG в большей части нашей страны.

ВФернемся к конкуренции в ритейле и посмотрим на неё с позиции одной из трёх самых крупных федеральных сетей в России. В чём может быть конкурентное преимущество? Ассортимент? Ассортимент у конкурентов схож, а в большой степени и пересекается. Расположение магазинов? Да, но в большинстве городов и районов находятся также и магазины конкурентов. Чтобы ответить на вопрос о преимуществе, давайте обратимся к покупателю. Что нужно, чтобы покупатель купил товар именно у нас? Товар (оставим за скобками вопросы качества и примем его, как отличное у всех игроков), необходимый клиенту должен быть в магазине:

- тогда, когда клиент придет за ним – время;

- в том количестве, которое необходимо клиенту – объем товарного запаса;

- по цене ниже, чем в других магазинах.

И так, какая часть нашей компании отвечает за то, чтобы товар был в магазине вовремя? Логистика, а конкретнее – та её область, которая отвечает за управление товарным запасом (УТЗ). По следующему пункту ответ аналогичен. И наконец, повлиять на цену мы можем, снизив себестоимость товара, а именно – логистические издержки. Учитывая то, что логистика крупной торговой сети включает в себя и магазины, и распределительные центры и транспортную инфраструктуру и даже в отдельных случаях производство, возможно корректнее говорить не о логистике, а о более высокой стадии развития – интегрированной цепочки поставок, пусть и с некоторыми оговорками. Все эти рассуждения приводят нас к истине, ставшей уже прописной – «Конкурируют не компании, а их цепи поставок».

Оптимизация товарных запасов в цепи поставок – одна из основных задач, которые решает каждая компания (не только торговая сеть) для получения конкурентного преимущества. Существует немало методик, призванных помочь в решении:

• «Управление запасами со стороны поставщика» (VMI – vendor managed inventory)
• «Быстрое реагирование» (quick response)
• «Эффективный ответ потребителю» (ECR – efficient consumer response)
• «Совместное планирование, прогнозирование и пополнение» (CPFR – Collaborative Planning, Forecasting and Replenishment)
• S&OP (Планирование продаж и операций) – это набор бизнес-процессов, помогающий компании поддерживать баланс спроса и поставок.

Каждая из приведенных методик имеет свои плюсы и минусы (или скорее уместность), но все связаны с внедрением определенных информационных решений. Рассмотрим абсолютно реальный и живой пример внедрения технологии совместного планирования и пополнение запасов в компании X5 Retail Group.

На рисунке 1 представлены процессы прогнозирования, пополнения и управления промо до старта проекта «Forecast and Replenishment» (F&R) – «as is» с акцентом на движение данных в информационной системе.

Рис. 1 Процессы прогнозирования, пополнения и управления промо «как есть»

 При анализе процессов были выявлены следующие недостатки:

• Низкая точность прогноза
• Разрыв прогноза по магазинам и распределительным центрам (РЦ)
• Отсутствие единой системы хранения и анализа данных по прогнозу и товарным запасам
• Отсутствие информационной системы планирования, реализации и анализа эффективности промо

По результатам анализа было принято решение о внедрении информационной системы JDA (основная информационная система крупнейшего в мире сетевого ритейлера Wal-Mart). Помимо репутации, решение было обусловлено единой связкой одного из самых мощных модулей прогнозирования – JDA Demand, специального модуля для управления промо – JDA Promotions Management & Optimization и эффективного модуля планирования пополнения – JDA Fulfillment. Верхний уровень конфигурации информационных систем прогнозирования и пополнения представлен на рисунке 2.

Рис. 2 Верхний уровень конфигурации информационных систем прогнозирования

В модуле JDA Demand на основании истории рассчитывается базовый прогноз по магазинам (без учета промо-активностей). На основании базового прогноза и информации о планируемых промо-активностях в модуле JDA Promotions Management & Optimization рассчитывается так называемый «аплифт» - прирост к базовому прогнозу за счет промо. Консолидированный прогноз поступает в модуль JDA Fulfillment, где производится расчет плана пополнения магазинов и РЦ. Результатом работы JDA являются заказы на РЦ и поставщикам, которые передаются в существующую ERP-систему для оформления и отправки поставщикам в соответствии с принятыми правилами документооборота.

Для обоснования достижимости результатов был сконфигурирован прототип целевой информационной системы. В прототип была загружена история продаж за два года по сетям «Перекресток» и «Карусель». Для оценки результатов работы прототипа были выбраны расчетные значения остатка в днях продаж и параметра Out-of-stock (OOS) в процентах в сравнении с фактическими показателями компании. Параметр OOS определялся по формуле (1).

Данные были проанализированы по двум форматам и по всей цепи поставок, включая РЦ.

На рисунке 3 представлены результаты анализа по сети «Перекресток».

Рис. 3 Динамика показателей эффективности управления запасами сети «Перекресток»

На рисунке 4 представлены результаты анализа по сети «Карусель».

Рис. 4 Динамика показателей эффективности управления запасами сети «Карусель»

На рисунке 5 представлены результаты анализа по всей цепи поставок, включая РЦ.

Рис. 5 Динамика показателей эффективности управления запасами в цепи поставок X5 Retail Group

В итоге, по завершению работы прототипа были получены следующие результаты:

• Снижение уровня товарного запаса в магазинах сети «Перекресток» на 3,3 дня продаж по сравнению с фактическими значениями за тот же период.
• Снижение показателя OOS в магазинах сети «Перекресток» на 5,3% по сравнению с фактическими значениями за тот же период.
• Снижение уровня товарного запаса в магазинах сети «Карусель» на 4,4 дня продаж по сравнению с фактическими значениями за тот же период.
• Снижение показателя OOS в магазинах сети «Карусель» на 0,5% по сравнению с фактическими значениями за тот же период.
• Снижение уровня товарного запаса во всей цепи поставок, включая РЦ на 5 дней продаж по сравнению с фактическими значениями за тот же период.
• Снижение показателя OOS во всей цепи поставок, включая РЦ на 4,1% по сравнению с фактическими значениями за тот же период.

Результаты, приведенные выше, были получены на «сырых» данных и с фактически базовыми настройками модулей прогнозирования и пополнения. Данные условия позволяют вынести суждение о том, что полученные значения являются лишь нижней границей повышения эффективности управления товарным запасом в цепи поставок и после реализации более тонкая настройка параметров системы даст ещё более ощутимый выигрыш.

В части прогнозирования промо прототип показал результаты сравнимые фактическими, но без существенного повышения точности прогноза – меньше одного процента. Однако потенциал оценивается положительно за счет следующих драйверов, которые не было возможности реализовать на прототипе:

• Применение истории маркетинговых инструментов, ценовых механик.
• Тюнинг настроек расчета прогноза.
• Настройка кросспродуктовых связей («каннибализация», «Гало эффекты»).
• Применение рыночных знаний.

Помимо драйверов описанных выше, внедрение модуля JDA Promotions Management & Optimization позволит систематизировать процесс планирования и прогнозирования промо-активностей, контролировать процесс реализации промо-активностей  и анализировать эффективность промо-активностей. Реализация этих возможностей в текущей ситуации весьма затруднительно, так как процесс распределен между несколькими подразделениями, а данные и аналитика ведутся в несвязанных между собой таблицах Excel.

Благодаря имитационной модели – прототипу мы показали, что внедряемые информационные решения могут принести ощутимый вклад в развитие цепочки поставок и решение задачи по оптимизации товарного запаса. Но само по себе внедрение каких-либо информационных систем, как правило, ведет лишь к ограниченному эффекту и, по сути, решает задачу автоматизации. Чтобы сделать ещё один шаг и превратить автоматизацию в оптимизацию необходимо изменить процесс работы в цепи поставок. На рисунке 1 мы рассмотрели процесс «as is», на рисунке 6 представлен процесс «to be» с акцентом на движение данных в информационной системе.

Рис. 6 Процессы прогнозирования, пополнения и управления промо «как будет»

Рассмотренный пример эволюции процессов и информационных систем в цепи поставок является, по сути, частным случаем реализации методики S&OP (Планирование продаж и операций). Данная методика и несет в себе все преимущества интеграции в цепях поставок. Долгое время мы наблюдали попытки интеграции хотя бы двух звеньев цепи поставок по средствам VMI-технологий со стороны производителей, поскольку только у них были возможности, как финансовые, так и инфраструктурные. Но, стремительное развитие крупной сетевой розницы открывает новые горизонты для формирования интегрированных цепочек поставок именно в классическом понимании этого термина. Когда формируется единая цепочка поставок, пусть и в рамках одной компании. Это настоящее. При этом уже сейчас сетевые ритейлеры всё больше размещают заказы у производителей на производство товаров (собственные торговые марки), а это шаг к Supply Chain Management – Управлению Цепями Поставок – шаг в будущее.

ЛИТЕРАТУРА

Опубликовано №5 (70) октябрь 2015 г.

АВТОРЫ:  

Куренков П.В.

Стеблецов Д.Е. - аспирант,  кафедра «Транспортный бизнес», Московский государственный университет путей сообщения (Россия, Москва)

РУБРИКА  Имитационное моделирование Логистическая инфраструктура Контейнерные перевозки

Аннотация

Описаны инструментальные средства, присутствующие на рынке программных продуктов для моделирования транспортных систем. В качестве программного обеспечения для имитационного моделирования терминально-логистического центра выбран пакет AnyLogic. Описаны структура и функции построенной модели.  

Ключевые слова:  

• контрейлер

• контейнер

• железная дорога

• имитационная модель

• терминальнологистический центр

• Белый Раст

Дополнительные материалы: 

Таблица 1.Модельные параметры и ограничения

Опубликовано №2 (67) апрель 2015 г.

АВТОР: Валеева А.Ф., Валеев Р.С., Тарасова Т.Д., Газизова Э.И. 

РУБРИКА Аналитика в логистике и SCM Управление запасами  Оптимизация и экономико-математическое моделирование 

Аннотация

В статье рассматривается задача доставки однородного продукта различным клиентам во взаимосвязи  с задачами управления запасами, транспортировкой и складированием. Приведены математическая модель и общая схема алгоритма решения поставленной задачи. Особое внимание уделено задаче управления запасами. При этом предложено объединить в единую подсистему различные модели этой задачи:  детерминированные, вероятностные и имитационную, являющейся модификацией известной модели.

Ключевые слова: управление запасами маршрутизация складирование принятие решений граф детерминированная модель вероятностная модель имитационная модель

Опубликовано №6 (71) декабрь 2015 г.

АВТОРЫ: 

Куренков П. В.

Зайцев Т. А. - Аспирант,  Кафедра «Транспортный бизнес», Московский государственный университет путей сообщения (Россия, Москва)

РУБРИКА Имитационное моделирование Контейнерные перевозки Транспортировка в логистике

Аннотация

Рассматриваются 5 способов доставки груза: автомобильный – тягач с полуприцепом, на котором размещен стандартный (ISO) 40-футовый контейнер; железнодорожный – стандартный 40-футовый контейнер, следующий в составе регулярного поезда «Меркурий»; железнодорожный – «крытый» вагон в составе сборного поезда; контрейлерный – сопровождаемая перевозка (автопоезд следует на ж.-д. платформе, а водитель в пассажирском вагоне в составе поезда); контрейлерный – несопровождаемая перевозка (полуприцеп следует на ж.-д. платформе, а услуга доставки «последней мили» осуществляется силами терминального оператора). Контрейлерная технология оказывается наиболее быстрой и наименее затратной

Ключевые слова: 

• контрейлер

• контейнер

• железнодорожный транспорт

• автомобильный транспорт
• имитационная модель

• имитационное моделирование

• AnyLogic

ВЫВОДЫ

Из рассмотренных вариантов доставки груза по маршруту морской порт Клайпеда – торговый центр в г. Химки, контрейлерная технология показала себя наиболее быстрой и наименее затратной. Короткие сроки доставки, независимость от сезонных погодных факторов и ситуации на погранпереходах позволят собственникам подвижного состава значительно повысить оборачиваемость транспорта, уменьшить износ техники при сравнимых объемах грузоперевозок. Также большее количество рейсов за аналогичный период в сравнении с доставкой груза в полуприцепе «своим ходом» положительно скажется на результатах финансовой деятельности транспортного предприятия, а возможность реализации принципа «точно в срок» при построении цепей поставок обеспечит контрейлерным технологиям привлекательность для логистических операторов.

Следует также учитывать благоприятные последствия для экологии – выбросы вредных веществ в атмосферу при контрейлерной перевозке значительно сокращаются.

Из полученных результатов видно, что ближайшим конкурентом контрейлерной перевозке является автомобильная. Плюсом последней является также то, что она не требует специально оборудованной терминальной инфраструктуры. Однако по мере развития контрейлерных технологий и строительства интермодальных терминалов контрейлерная технология может составить конкуренцию контейнерной (главным образом, во внутреннем сообщении) и автомобильной на средних и дальних расстояниях.

В модели реализованы маршруты по основным потенциальным направлениям перевозок как внутренних, так и международных.

Вышеизложенное позволяет обозначить следующие факторы эффективности организации регулярного контрейлерного сообщения не только на территории Российской Федерации, но и на пространстве 1520:

• увеличение объемов перевозок, в первую очередь, высокодоходных грузов;
• оптимизация загрузки инфраструктуры (в том числе, с учетом близкой к параметрам пассажирского сообщения скорости движения контрейлерных поездов);
• оптимизация грузовой работы в транспортных узлах (отсутствие повагонных контрейлерных отправок, терминалы преимущественно в составе ТЛЦ);
• увеличение степени маршрутизации грузовых потоков и др.
• повышение качества услуг при одновременном снижении себестоимости за счет увеличения скорости перевозки и др.
• развитие логистического рынка, генерирование новых бизнес-процессов.

ОБОЗНАЧЕНИЯ И СОКРАЩЕНИЯ

ISO – Международная Организация по Стандартизации

АТС – Автотранспортное средство

ВНИИЖТ – Всероссийский научно-исследовательский институт железнодорожного транспорта

НТС ОАО «РЖД» –Научно-технический совет ОАО «РЖД»

РСПП – Российский союз промышленников и предпринимателей

СЛКП –Соглашение о важнейших линиях международных комбинированных перевозок и соответствующих объекта

СМГС –Соглашение о международном железнодорожном грузовом сообщении

ТЛЦ – Терминально-логистический центр

ФСТ России –Федеральная служба по тарифам России

ФЦП – Федеральная целевая программа  

ЭСКАТО – Экономическая и Социальная Комиссия по Азии и Тихому океану

Опубликовано №5 (46) октябрь 2011г.

АВТОРЫ: 

Трушкин Д.С. - Директор ООО «Научный консультационно-технологический центр «Пролог»

Пиастро Г.П. - к.т.н., доцент кафедры «Автоматизация технологических процессов и производств» Тольяттинский государственный университет

РУБРИКА Имитационное моделирование Транспортировка в логистике Планирование в цепях поставок Оптимизация и экономико-математическое моделирование

Аннотация

Разработана и исследована имитационная модель процесса грузовых перевозок в логистической системе складов погрузки-выгрузки. Выполнена постановка оптимизационной задачи, которая сводится к определению ресурсов, необходимых для выполнения плана перевозок. Генерируются варианты оперативных планов-расписаний, оцениваемых предложенной группой критериев. Рассмотрена возможность применения созданной имитационной модели в системах планирования перевозок с принятием эффективных решений по управлению ресурсами

Ключевые слова имитационная модель грузовые перевозки оперативно-календарное планирование управление ресурсами

Опубликовано № 2 (49) апрель 2012 г.

АВТОРЫ: Рожков М. И.

РУБРИКА Имитационное моделирование, Корпоративная логистика промышленных компаний, Снабжение, Обзоры и аналитика 

Аннотация

В данной обзорной статье проанализированы зарубежные публикации, посвященные специфике взаимодействия производства и поставщиков и анализу логистических сетей поставщиков автомобильной промышленности. Представлен краткий обзор состояния отрасли в России. Рассмотрены основные тенденции. Проведен обзор материалов, в которых при оптимизации логистических сетей использовался метод имитационного моделирования.

Ключевые слова: имитационная модель логистическая сеть поставщик автомобильная промышленность сборка на заказ модульная система кластер мультиагентная система DCP Demand Capacity Planning LiNet ILIPT Intelligent Logistics for Innovative Product Technologies

Состояние автомобильной промышленности

Автомобильная промышленность в России в настоящее время находится в стадии стремительного роста (Рис.1). Согласно данным Министерства Промышленности и Торговли РФ, Россия занимает второе место по объему продаж легковых автомобилей в Европе, прирост за год составил 49%. Правительство Российской Федерации последние годы проводит последовательную политику по привлечению зарубежных компаний для размещения производственных мощностей на территории России.

Рис.1 Объем продаж легковых автомобилей, январь-август 2011

            По состоянию на первую половину 2011 года локализованная сборка составляет около 40% от общего объема производства автомобилей, в то время как в 2008 данный показатель составлял лишь 20%. Столь резкое увеличение связано с изменениями в определении понятия промышленной сборки, которые вступили в силу в феврале 2011.

Согласно внесенным изменениям среднегодовой уровень локализации производства () рассчитывается по следующей формуле:

  – таможенная стоимость всех автокомпонентов и их частей,

  – общая стоимость всех произведенных узлов и агрегатов для моторных транспортных средств товарных позиций 8701-8705 ТН ВЭД ТС и реализованных покупателям, учтенная в фактических отпускных ценах без НДС,

            Установлены следующие параметры локализации для периода 2011-2020:

-  изготовление, при котором уровень локализации производства составляет не менее 15% (2011-2014)

-  изготовление, при котором уровень локализации производства составляет не менее 30% (2015-2017)

-  изготовление, при котором уровень локализации производства составляет не менее 45% (2018-2020)

Обновленное постановление  Правительства Российской Федерации № 166 от 15.04.2005 предполагает, что к 2015 году иностранные производители OEM (Original Equipment Manufacturer) должны выпускать минимум 300 тысяч автомобилей ежегодно в России (предыдущий минимум составлял 25 тысяч) [2]. При выполнении данного условия они освобождаются от импортных пошлин на запчасти. Темпы локализации компонентов, производимых в России или странах Таможенного Союза, созданного в 2010 году (Россия, Белоруссия и Казахстан), должны достичь 60% по собранным автомобилям и 30% по компонентам двигателей.

            В Российской практике наблюдается использование кластерного подхода и организации особых экономических зон, которые должны стимулировать размещение производства автокомпонентов в России. Можно выделить несколько кластеров по регионам: Санкт-Петербург, Москва, Ижевск, Калуга, Нижний Новгород, Тольятти, Ульяновск, Набережные Челны. Наиболее крупные поставщики автомобильной промышленности следующим образом распределены в данных кластерах (Рис.2):

Рис.2 Размещение предприятий автомобильной промышленности в России.

При развитии автомобильного производства компании сталкиваются с рядом проблем, обусловленных текущим состоянием рынка поставщиков комплектующих. Качество комплектующих (OE - Original Equipment), поставляемых местными производителями, часто оказывается недостаточно высоким. Согласно данным «Объединения автопроизводителей России» [3], всего 5% российских поставщиков соответствуют  международным стандартам качества. Стоимость импортных комплектующих сильно зависит от изменений на международном рынке сырья (пластмасс и стали). Также при поставках из-за рубежа возмущения в работу цепи поставок вносит работа таможни. В исследовании компании Autoeuropa [6] параметр «задержка поставки» выделен как главный фактор, вносящий возмущения в работу цепей поставок автомобильных заводов. Доля данного параметра (задержка поставки) составляет 51%.

Одним из возможных решений является размещение мощностей поставщиков на территории страны. В отличие от стран Европы и США, в России недостаточно развита инфраструктура для эффективной работы предприятий автомобильной промышленности. В данном случае актуален вопрос поиска наиболее удачного географического положения с учетом дальнейшего развития инфраструктуры.

Следует отметить различия в конфигурации цепей поставок автомобильной промышленности за рубежом и в России.  В большинстве случаев в России нет четкого разделения поставок на конвейер (OE) поставок официальным дилерам (OES - Original Equipment Services) и поставок на рынок автозапчастей (AM - AfterMarket). Также не всегда сохраняется двухуровневая система поставок на производство.

Для оценки дальнейших изменений следует оценить зарубежный опыт развития логистических сетей автомобильной промышленности.

Анализ и оптимизация сети поставщиков. Зарубежный опыт.

Можно выделить несколько зарубежных исследований, посвященных изучению конфигурации логистических сетей снабжения автомобильных производств. Применяются два основных подхода для анализа:

-использование бизнес-кейсов, проведение интервью с представителями компании;

-моделирование работы цепи поставок.

Некоторые авторы комбинируют данные подходы. Далее будут рассмотрены как концептуальные исследования, так и исследования с использованием имитационного моделирования и его производных.

В  статье (2002) Choi и Hong [11] рассматривают особенности взаимодействия с поставщиками автокомпонентов на примере производства Honda Accord, Acura CL и Grand Cherokee. Проведен анализ логистической сети: количество поставщиков различных уровней, формализованные методы работы с поставщиками, а также уровень централизации управления в сети. Авторы проводят анализ возможных причин, которые привели к указанной конфигурации каждое из производственных предприятий. Исследование выполнено в форме бизнес-кейсов. У исследуемой компании большой объем номенклатуры деталей при сборке, поэтому были выбраны компоненты (элементы консоли салона автомобиля), поставщики которых наиболее репрезентативны для целей исследования. Среди прочих факторов рассмотрены и географические параметры логистической сети – средняя удаленность поставщиков различных уровней от производства. Рассмотрена специфика работы с поставщиками, характерная именно для автомобильной промышленности. Подчеркнуты жесткие условия работы с поставщиками: требования по ежегодному снижению закупочных цен. Сделаны выводы об уровне надежности цепей поставок исследованных компаний. Общие данные о сети снабжения приведены в таблице (Табл.1).

Таблица 1. Сравнение сетей поставщиков.

Особенности конфигурации логистических сетей крупных автомобильных компаний (Suzuki, Audi) на примере рынка развивающейся страны (Венгрия) были изучены в исследовании Demeter et al (2006) [13]. Упрощенная схема логистических сетей изученных компаний представлена на рисунке (Рис.3).

Рис.3 Схема логистических сетей.

Проанализированы причины большей или меньшей доли использования местных поставщиков. Авторы рассматривают четкую связь между стратегией компании и конфигурацией сети. Выделено четыре типа поставок: поставщики-интеграторы, поставщики второго уровня, прямые поставки и инсорсинг.

Особенность коммуникации производства и поставщиков на примере автомобильной промышленности рассмотрена в статье Prahinski и Benton (2004) [29]. Авторами было проведено масштабное исследование, в котором были оценены параметры производительности более чем сотни ключевых поставщиков четырех крупнейших автомобильных предприятий США.

Вопрос взаимодействия поставщиков и сборочного производства также является объектом исследования в работе Aláez-Aller и Longás-García, (2010) [5].  Рассмотрена динамика изменения взаимодействия автопроизводителя с поставщиками на примере автомобильного завода, расположенного в Испании. Проанализированы две предельные стратегии управления поставщиками: соперничество и сотрудничество. Авторами статьи сделан вывод, что наиболее успешные компании использовали промежуточные стратегии. Определены направления работы с издержками компаний при различных стадиях жизненного цикла выпускаемого автомобиля.  

Рассмотренные в приведенных выше работах логистические сети значительно отличаются по конфигурации. Также прослеживается тенденция к тому, что чем большее количество компаний было проанализировано при исследовании, тем более общие выводы делаются авторами. Оценке применения новых концепций производства и их влияние на организацию сети поставщиков посвящены исследования, рассмотренные в следующем разделе.

Сборка на заказ, кластеры и модульные системы, влияние на конфигурацию сети

В данной обзорной статье проанализированы исследования, связанные с двумя подходами в автомобилестроении: «сборка на заказ» (BTO – Build to Order –  использование тянущей схемы производства во всей цепи)  и использование поставщиков модулей (готовых к сборке узлов) на производстве.

Одной из важных особенностей применительно к российским условиям является фактор расстояния – многие поставщики значительно удалены от сборочного производства и поэтому увеличиваются транспортные расходы. Во многих случаях этот фактор имеет достаточно большую роль при «сборке-на-заказ», активно применяемой в автомобильной промышленности начиная с 90-х годов. Системы производства JIT и Lean Production предъявляют жесткие требования к поставщикам первого уровня. Высокая частота поставок на производство приводит к тому, что поставщикам выгодно размещать свои мощности как можно ближе к производству. Это одна из причин формирования автомобильных кластеров.

Также общемировой тенденцией является использование модульных систем при сборке автомобилей – таким образом, логистическая цепь со стороны поставщиков расширяется еще на один-два уровня. Baldwin и Clark (1997) [7] выделяют 3 драйвера модуляризации:  снижение издержек, увеличение скорости внедрения инноваций и увеличение уровня качества.  Использование модулей и особенности работы кластеров часто исследуются совместно.

Большая часть исследователей положительно оценивают применение модулей. Использование модульного подхода при производстве автомобилей проанализировано в Doran (2004) [14]. Рассмотрена цепочка добавления стоимости по уровням поставщиков. Также приведена классификация поставщиков с подробным описанием их особенностей. В работе Larsson (2002) [27] рассмотрены автомобильные кластеры западной Европы. Проанализированы факторы их влияния на региональную инфраструктуру. Описана специфика использования модулей при производстве и снабжении. В Doran (2007) [15] рассмотрено применение модульного подхода в снабжении предприятий автомобильной промышленности Франции. В исследовании разбираются четыре кейса, описывающие поставщиков различных модулей автомобиля и изменения, произошедшие в цепи поставок данных модулей. Приводится краткий обзор причин, повлекших переход к модульной системе.

Ряд исследователей критически относятся к тенденции образования производственных кластеров. В исследовании Howard et al (2006)  была представлена выборка из восьми автомобильных заводов в Западной Европе. Приводятся некоторые аргументы в защиту гипотезы о снижении роли кластеров [24].

С их точки зрения состояние «изменения» является нормальным для автомобильной отрасли. Оно приводит к определенным последствиям, которые  оказывают влияние на будущее развитие парков поставщиков (suppliers parks). Набирающая обороты тенденция к использованию сборочных модулей и альянсам поставщиков подразумевает увеличение влияния поставщиков первого эшелона на цепь поставок. Заинтересованность поставщиков в эффекте от масштаба может ограничить возможности для совместного размещения производств. Это также может снизить эффект от применения специфических технологий, так как большее количество компонентов или модулей будет использоваться в различных изделиях. Дальнейшее развитие может привести к тому, что производители снизят уровень вариации краткосрочных производственных планов с целью получения более надежного расписания. Данный эффект может привести к обращению вспять тренда к размещению поставщиков рядом с определенным производством, так как им не нужно будет быстро реагировать на краткосрочные изменения  в объемах поставок материалов и выпуска готовой продукции.[24]

При этом не во всех случаях идея «чем ближе, тем лучше» оказывается справедливой при размещении поставщиков рядом с производством. Некоторые более удаленные поставщики, рассмотренные в исследовании, функционировали более эффективно.

Некоторые авторы (M.Holweg et al, 2003) [22] приходят к выводу, что синхронизацию поставки компонентов и автомобильного производства реализовать проще, чем внедрить эффективную «сборку на заказ» для потребителя. Выделяется «типичная» проблема поставщиков автокомпонентов первого эшелона: с одной стороны производство требует поставок точно в срок, с другой им приходится взаимодействовать с поставщиками материалов, которые в большинстве случаев работают с большими партиями поставок. Приведена часть схемы типочного алгоритма выполнения заказа [14] (Рис.4).

Рис. 4 Упрощенная карта процессов выполнения заказа

Российская автомобильная промышленность находится на стадии развития, поэтому актуален вопрос о том, насколько зарубежные практики организации снабжения сборочных производств могут быть адаптированы к российским условиям.

Помимо концептуальных исследований подходов к анализу сети снабжения, используются различные методы моделирования. Более сложные объекты требуют использования более развитых средств отображения их работы. В данной статье основной фокус направлен на анализ исследований цепей поставок снабжения с использованием имитационного моделирования.

Применение имитационного моделирования и  мультиагентных систем для решения задач снабжения производства и конфигурирования сети поставщиков

Применение имитационного моделирования (дискретно-событийное и агентное моделирование) оправдано и особенно эффективно в случаях, когда изучаемый объект находится в динамическом состоянии. Например, если меняются внешние по отношению к объекту условия. Логистические сети компаний автомобильной промышленности будут значительно модифицированы в ближайшие несколько лет, что является основанием для применения указанного метода. В предыдущем разделе статьи было показано, что многие особенности конфигурирования логистических сетей зависят от организации взаимодействия производственного предприятия и поставщиков.

Агентное моделирование позволяет отразить процесс взаимодействия звеньев цепи наиболее точно: могут учитываться параметры географического расположения, алгоритмы оптимизации издержек каждого звена цепи, особенности взаимодействия агентов (звеньев цепи поставок). Мультиагентные системы не требуют централизованного алгоритма управления: каждый элемент в большей или  меньшей степени функционирует самостоятельно. Данная особенность позволяет значительно упростить построение моделей сложных систем. Сетевая структура и акцент на способах  взаимодействия агентов – это концептуальные основы мультиагентных систем, которые хорошо согласуются с методологией управления цепями поставок.

Согласно Chang и Makatsoris [10]: «дискретно-событийное имитационное моделирование позволяет провести оценку производительности до внесения изменений в изучаемую систему, так как: а)позволяет провести глубокий анализ «что если» для более точных решений в области планирования, б)допускает сравнение различных способов организации процессов без вмешательства в работу системы-прототипа и в)обладает возможностью сжатия времени при моделировании, что упрощает принятия решений, зависящих от выбранного временного промежутка»

В обзорной статье «Simulation in the supply chain context: a survey»  Terzi и Cavalieri [30] приводится классификация более 80 работ, связанных с использованием имитационного моделирования в сфере логистики по состоянию на 2004 год. Авторы формируют базовые критерии классификации и выделяют наиболее перспективные области для применения имитационного моделирования. Следует заметить, что лишь несколько работ по оптимизации конфигурации сети рассматривали проблему географического размещения звеньев цепи. В настоящее время задача размещения объектов логистической инфраструктуры является одной из самых популярных при практическом применении имитационного моделирования.

Также можно выделить работу [12] «An analysis of agent-based approaches to transport logistics» Davidsson et al (2005). В ней проведен обзор применения мультиагентных систем для решения задач транспортной логистики. Проведена классификация по видам транспорта, описаны возможности практического применения результатов исследований. Особенно подчеркивается факт, что исследователи редко проводят сравнение разработанных подходов с уже существующими техниками. Определено, что количество исследований, использующих агентный подход для решения стратегических аспектов управления логистической инфраструктурой минимально по состоянию на 2005 год.

Наиболее подробно применение мультиагентных систем для решения задач логистики и управления цепями поставок рассмотрено в книге  «Multiagent based Supply Chain Management» [9]. Данная книга состоит из шестнадцати глав, в каждой из которых рассмотрено применение агентных моделей для решения какой-либо задачи области управления цепями поставок. Рассмотрены вопросы конфигурирования цепей поставок, управления рисками, анализа различных стратегий взаимодействия звеньев цепи, внедрения электронных систем.

В большей части работ, посвященных применению имитационного моделирования для поиска алгоритмов конфигурирования цепи, рассматривается трехуровневая логистическая сеть.

В  работе Kwon (2007) [26] рассматривается мультиагентная цепь поставок, состоящая из трех базовых типов агентов, максимизирующих величину собственной прибыли: розничные точки, производители и поставщики. Рассмотрено функционирование цепей поставок при различном уровне взаимодействия между контрагентами: автономная работа, интеграция и улучшенная интеграция. Оценивается влияние управления единым координирующим агентом цепи поставок. Описан итеративный алгоритм перехода от концепции максимизации собственной прибыли к максимизации общей прибыли цепи. Методологическая основа алгоритма управления цепью поставок в исследовании: Case-Based Reasoning - система рассуждения на основе аналогичных случаев.

В статье Fu и Piplani (2004) [17] в роли фокусной компании выступает дистрибьютор, оценивается эффект от сотрудничества со стороны снабжения. Разработанная имитационная модель используется для организации планирования. Проводится анализ двух базовых сценариев: с учетом кооперации и без неё. Полученные результаты показывают, что за счет более точного прогнозирования можно добиться увеличения уровня сервиса в системе-объекте исследования на 5% (с 90% до 95%).

В исследовании, упомянутом в предыдущем разделе (Holweg et al, 2005), [23] рассматривается имитационная модель, отражающая работу производственного предприятия автомобильной промышленности. В качестве параметров работы модели была также предложена система KPI (Key Performance Indicators) для поставщиков, потребителей и производства для формирования оптимальной сети. Параметры KPI использовались как средство управления взаимодействием агентов-звеньев цепи. Исследование было направлено на выявление причин проблем со сборкой на заказ в автомобильной промышленности. Сформулированы предложения по внесению изменений в систему управления и информационные системы компаний.    

В статье Giannakis и Louis (2011) [19] предложено использование агентной надстройки для систем принятия решений класса ERP. Основной акцент сделан на решении проблемы управления рисками в цепях поставок. Представлены основные классы агентов для данной группы задач. Предложенная методология использует элементы самоорганизации и обучения агентов.

Наблюдается рост интереса к применению имитационного моделирования для оптимизации потоков входящей логистики предприятий автомобильной промышленности. Рассмотрим наиболее интересные готовящиеся к выходу публикации.

В статье «A simulation framework for real-time fleet management in internal transport systems»  Jaou et al (2012) [25] приведен подробный анализ использования имитационного моделирования для решения задач управления парком транспортных средств, а также для перевалки контейнеров в терминалах.  Проведена классификация моделей, подходов и их ограничений. Предложен алгоритм, который позволяет адаптировать модель к изменяющимся условиям среды. Для реализации использовался объектный подход. Имитационная модель разработана в среде ARENA, логика взаимодействия объектов описана при помощи диаграмм состояний UML.

В статье «Supply chain redesign for resilience using simulation»  Carvalho et al (2012) [8] рассматривается моделирование снабжения автомобильного производства. Авторы проводят ряд экспериментов для определения уровня устойчивости сети к внешним воздействиям. Рассмотрены три эшелона цепи поставок: производство, поставщики первого уровня, поставщики второго уровня. Смоделированы 6 сценариев работы системы с различными подходами к смягчению влияния возможных сбоев в работе. Логистическая сеть адаптирована для производственных систем JIT и Lean Production.       В качестве среды разработки выступает среда моделирования Rockwell ARENA. Схема организации модели была интегрирована со SCOR моделированием.

Данная модель может быть легко конвертирована в среду разработки с акцентом на агентный подход моделирования, например, AnyLogic. Схема участка логистической сети представлена на рисунке 5.

Рис.5 Схема снабжения производства

В данной системе три поставщика первого уровня, два поставщика второго уровня, компания-производитель. Используются шесть видов материалов, из которых собираются три компонента, которые, в свою очередь, составляют основу двух модулей. Срок доставки варьируется от одного часа до одного дня, интенсивность заказов: от двух часов до недели.

При применении данных методов исследователь может изучать систему на любом уровне абстракции. В приведенных выше статьях описывались как решения для снижения рисков в цепи поставок в целом, так и вопросы интеграции разработанных моделей и подходов с уже применяющимися решениями.

В качестве аргумента в пользу применения имитационного моделирования следует указать, что в настоящее время в Европе осуществляются несколько масштабных проектов по оптимизации логистических сетей автомобильной промышленности, в которых мультиагентные системы используются в качестве метода решения поставленных задач:

- DCP (Demand Capacity Planning), [28] Проект направлен на поиски эффективных алгоритмов планирования в цепи поставок.

-LiNet, [18] В данном проекте объектом исследования является среднесрочное и долгосрочное планирование производственных мощностей предприятий автомобильной промышленности и краткосрочное управление материальными потоками.

-ILIPT (Intelligent Logistics for Innovative Product Technologies). [20] Проект является составляющей проекта «5-day car» (производство и доставка автомобиля в нужной комплектации в течение пяти дней после заказа конечного потребителя) Изучаются гибкие цепи поставок и переход к  «сборке на заказ».

Методология мультиагентных систем для решения подобных задач предложена в Hellingrath et al (2009) [21]. Пример успешной реализации элементов данной системы планирования входящих транспортных потоков приведен в Florean et al (2010) [16].

Российская автомобильная промышленность отстает по уровню развития от европейской, поэтому в настоящее время подобные проекты не реализуются – для применения мультиагентных систем требуется более высокий уровень интеграции звеньев цепи. С другой стороны, изучение зарубежного опыта применения агентного моделирования цепей поставок актуально, так как, вероятно, в скором будущем подобные проекты будут реализованы и в России.

Из отечественного опыта моделирования логистических сетей предприятий автомобильной промышленности с элементами агентного подхода  можно привести пример успешного сотрудничества компаний GEFCO и XJ Technologies. Разработанный на основе AnyLogic пакет программ используется для поиска оптимальных решений поставки автомобилей из-за рубежа [4]. В целом в российской практике применение подобных подходов пока что не получило широкого распространения. [1] 

Литературные источники:

1. Имитационное моделирование логистических сетей. Толуев Ю.И. Логистика и управление цепями поставок. 2008 г., № 2/25.
2. http://www.rg.ru/2011/02/04/motor-dok.html
3. http://www.oar-info.ru
4. http://www.xjtek.ru/file/178
5. R. Aláez-Aller, J. C. Longás-García, (2010) "Dynamic supplier management in the automotive industry", International Journal of Operations & Production Management, Vol. 30 Iss: 3, pp.312 – 335
6. S.G. Azevedo, V.H. Machado, A.P. Barroso and V. C. Machado, Supply chain vulnerability: Environment changes and dependencies. International Journal of Logistics and Transport, 1 (2008), pp. 41–55.
7. C. Y.Baldwin and K. B. Clark. "Managing in an Age of Modularity." Harvard Business Review 75, no. 5 (September-October 1997): 84-93.
8. H. Carvalho, A. P. Barroso, V. H. Machado, S. Azevedo, V. Cruz-Machado Supply chain redesign for resilience using simulation, Available online 21 October 2011 Computers & Industrial Engineering
9. B. Chaib-draa, J. P. Müller,  Multiagent based Supply Chain Management (Studies in Computational Intelligence, Vol. 28), Springer 2006, ISBN 3540338756, 466 стр.
10. Y. Chang, H. Makatsoris, Supply chain modelling using simulation, International Journal of Simulation 1 (2001)
11. T.Y Choi, Y.Hong, Unveiling the structure of supply networks: case studies in Honda, Acura, and DaimlerChrysler. Journal of Operations Management, Volume 20, Issue 5, September 2002, pp. 469-493.
12. P. Davidsson, L. Henesey, L. Ramstedt, J. Törnquist, F. Wernstedt, An analysis of agent-based approaches to transport logistics. Transportation Research Part C: Emerging Technologies Volume 13, Issue 4, August 2005, pp. 255-271
13. K. Demeter, A. Gelei, I. Jenei, The effect of strategy on supply chain configuration and management practices on the basis of two supply chains in the Hungarian automotive industry. International Journal of Production Economics, Volume 104, Issue 2, December 2006, pp.  555-570
14. D. Doran, "Rethinking the supply chain: an automotive perspective", Supply Chain Management: An International Journal (2004), Vol. 9 Iss: 1, pp.102 – 109
15. D. Doran, A. Hill, K.-S. Hwang, G. Jacob and Operations Research Group, Supply chain modularisation: Cases from the French automobile industry. International Journal of Production Economics Volume 106, Issue 1, March 2007, pp. 2-11
16. M. Florian, J. Kemper, W. Sihn, B. Hellingrath, Concept of transport-oriented scheduling for reduction of inbound logistics traffic, International Conference on Manufacturing Systems (ICMS) 2010
17. Y. Fu, R. Piplani, Supply-side collaboration and its value in supply chains European Journal of Operational Research. Volume 152, Issue 1, 1 January 2004, pp. 281-288
18. F. Gehr, B. Hellingrath (Eds.), Logistik in der Automobilindustrie - Innovatives Supply Chain Management für wettbewerbsfähige Zulieferstrukturen, Springer Verlag, 2006
19. M. Giannakis,  M. Louis, A multi-agent based framework for supply chain risk management Journal of Purchasing and Supply Management Volume 17, Issue 1, March 2011, pp.23-31
20. B. Hellingrath, Key Principles of Flexible Prodcution and Logistics Networks, in: G. Parry, A. Graves (Eds.) Build to Order: The Road to the 5 Day Car, Springer Verlag, London, pp. 177-183, 2008
21. B. Hellingrath, C. Böhle, J van Hueth, A Framework for the Development of Multi-Agent Systems in Supply Chain Management. Proceedings of the 42nd Hawaii International Conference on System Sciences – 2009
22. M. Holweg, The three-day car challenge—investigating the inhibitors of responsive order fulfilment in new vehicle supply systems. International Journal of Logistics: Research and Applications,  6 3 (2003), pp. 165–183.
23.  M. Holweg, S.M. Disney, P.Hinesc, M.M. Naim, Towards responsive vehicle supply: a simulation-based investigation into automotive scheduling systems. Journal of Operations Management, Volume 23, Issue 5, July 2005, pp. 507-530
24. M.Howard, J. Miemczyk, A. Graves,  Automotive supplier parks: An imperative for build-to-order? Journal of Purchasing and Supply Management Volume 12, Issue 2, March 2006, pp. 91-104
25. A. Jaou, D. Riopel, M. Gamache, A simulation framework for real-time fleet management in internal transport systems. Simulation Modelling Practice and Theory Volume 21, Issue 1, February 2012, pp. 78-90
26. O.Kwon, G.P. Im, K. C. Lee, MACE-SCM: A multi-agent and case-based reasoning collaboration mechanism for supply chain management under supply and demand uncertainties. Expert Systems with Applications Volume 33, Issue 3, October 2007, pp. 690-705
27. A.Larsson, The Development and Regional Significance of the Automotive Industry: Supplier Parks in Western Europe. International Journal of Urban and Regional Research Volume 26.4 December 2002 767-84.
28. Odette 2004; Demand Capacity Planning Version 1.1, April 24, 2004; Odette International Limited, London
29. C.Prahinski, W.C Benton, Supplier evaluations: communication strategies to improve supplier performance. Journal of Operations Management Volume 22, Issue 1, February 2004, pp. 39-62
30. S.Terzi, S.Cavalieri, Simulation in the supply chain context: a survey. Computers in Industry Volume 53, Issue 1, January 2004, pp. 3-16