Проблема
В 2014 году компания GlaxoSmithKline (GSK) была шестой по величине фармацевтической компанией в мире. Разработав новую вакцину, GSK начала внедрять её на новом для себя рынке. В связи с этим, компании потребовалась сеть распространения продукции, отличная от уже существующей. Таким образом, GSK нужно было построить новую цепочку поставок и согласовать с ней свои производственные процессы.
Цепочка поставок вакцин — сложная система, которая территориально охватывает весь мир и объединяет огромное количество ресурсов, включая производственные предприятия и склады.
Производство и распространение начинаются с подготовки нерасфасованной массы препарата, состоящей из множества различных компонентов. За этим следует этап фасовки препарата по ёмкостям: шприцам и ампулам. Затем продукт проходит стадию окончательной упаковки в соответствии с особыми требованиями и законами регионов распространения. К тому же GSK могла выпускать вакцину только небольшими партиями, что ещё более усложняло планирование поставок.
Отдельной проблемой стала работа с большим количеством компонентов, у каждого из которых был свой срок годности. Это необходимо было учитывать, чтобы соблюдать внутренние и внешние процедуры контроля качества и коммерческие нормы. Кроме того, с использованием корпоративных автоматизированных систем управления (в том числе SAP) в компании были внедрены различные политики управления запасами. В общем, цепочка поставок должна была отвечать огромному количеству специфических параметров, соблюдая баланс между ними.
Чтобы учесть все эти особенности при создании цепочки поставок вакцин, компания GSK решила использовать для поддержки принятия решений динамическое моделирование. Компания Fair Dynamics Consulting с помощью ПО AnyLogic разработала для GSK имитационную модель цепи поставок.
Решение
Разработанная Fair Dynamics имитационная модель отобразила цепь поставок GSK, включая и производство, и распространение.
Производственная часть была смоделирована с помощью дискретно-событийного подхода и отражала бизнес-процессы, связанные с производством вакцин. Эти процессы разделялись на три уровня, которые могли влиять друг в друга:
- Производственные процессы;
- Процессы контроля качества (тестирование продукции);
- Процессы обеспечения качества (контроль производственных процессов).
Модель должна была учитывать требования внедренных в компании политик и ограничения на объем производства. Например, модель учитывала смены работников завода, скорость выполнения операций в зависимости от опытности работника, а также стратегии управления закупками, которые влияли на график производства.
Производственная часть модели была интегрирована с частью, имитирующей распространение продукции на американском рынке. Эта часть модели отвечала за создание заказов для производственной части и получение от последней готовой продукции.
Цепочка поставок в модели точно отражала реальную цепь поставок и имела в составе склады, запас продукции в которых пополнялся из основного европейского распределительного центра; предприятия оптовой торговли (дистрибьютеров продукции) и сотни клиентов. Для всех этих элементов было определено географическое местоположение. Клиенты заказывали товар у предприятий оптовой торговли, но поставлялся он им непосредственно со складов GSK из-за деликатного характера продукта и во избежание задержек, часто вызываемых участием посредников.
Одним из важных принятых во внимание показателей было поддержание высокого уровня обслуживания, поскольку при продаже продукта гарантировалась доставка в течение 24 часов.
Модель могла имитировать как штатную работу цепи поставок, так и нештатные, и даже чрезвычайные ситуации. С помощью рассмотрения разных сценариев «что если» можно было посмотреть, как различные обстоятельства повлияют на эффективность цепочки поставок.
Результат
Модель позволила компании GlaxoSmithKline определить оптимальную по затратам и уровню обслуживания схему цепи поставок вакцин.
Также созданная модель входила в состав инструмента поддержки принятия решений при планировании цепи поставок. Инструмент позволял оперативно выбирать оптимальную стратегию производства и распространения продукции на следующую неделю или месяц.
Уникальность этого проекта заключалась в том, что одна имитационная модель объединила в себе процессы производства и распространения. Это стало возможным благодаря AnyLogic, который позволяет комбинировать разные методы моделирования в рамках одной модели. Такой подход позволил компании GSK добиться большей точности в моделировании, что, в свою очередь, дало возможность делать более точные прогнозы и принимать более выгодные решения.