Optymalizacja zapasów magazynowych w łańcuchu dostaw

• Autorzy: Tomasz Wiśniewski

Warianty tytułu

Optimization of Warehouse Inventory in the Supply Chain

• Języki publikacji: PL

Abstrakty

Klasyczne techniki zarządzania zapasami mogą nie być już tak skuteczne ze względu na rosnącą złożoność łańcuchów dostaw, która charakteryzuje się między innymi zwiększoną niepewnością popytu. W pracy przedstawiono problem zarządzania zapasami jednocześnie prezentując praktyczną metodologię wspomagania decyzji uzupełniania zapasów w celu obniżenia kosztów ich utrzymania. W tym celu ukazano jak można wykorzystać modelowanie symulacyjne łańcucha dostaw, umożliwiające eksperymentalne badanie funkcjonowania systemu bez konieczności budowania modelu fizycznego i wydatkowania dodatkowych środków finansowych, a także pozwalające na optymalizację łańcucha dostaw i zarządzania zapasami, zwłaszcza w kontekście niepewnego popytu. Symulacje komputerowe mają dużo większą elastyczność niż modele analityczne ze względu na mniejszą liczbę wymaganych założeń i ograniczeń. W artykule wykorzystano oprogramowanie Arena firmy Rockwell Software, które wykorzystuje specjalne bloki i metody dedykowanych procesom logistycznym wraz z dedykowanym modułem poświęconym optymalizacji. Przedstawiono także studium przypadku - optymalizacja zapasów magazynowych sklepu sprzedaży internetowej branży RTV. Otrzymane wyniki świadczą o dużej przydatności zaproponowanej metodologii gdyż w stosunku do początkowego sposobu uzupełniania zapasów udało się zmniejszyć czas magazynowania towarów o 60%, co w prosty sposób przekłada się na niższe koszty. (abstrakt oryginalny)

EN

Classic inventory management techniques may no longer be effective due to the increasing complexity of supply chains, which are characterized, among other things, by increased demand uncertainty. The article presents the problem of inventory management while presenting a practical methodology for supporting inventory replenishment decisions in order to reduce maintenance costs. Wherefore, it was shown the possibility of using simulation modeling of the supply chain, enabling an experimental study of the system without the need to build a physical model and spend additional funds, as well as to optimize the supply chain and inventory management, especially in the context of uncertain demand. Computer simulations have much greater flexibility than analytical models due to the lower number of required assumptions and limitations. In the article Arena software from Rockwell Software was used, which have special blocks and methods dedicated to logistics processes together with a dedicated module dedicated to optimization. A case study was also presented - optimization of inventory of the online store store of the electronics industry. The results obtained prove the high usefulness of the proposed methodology, as compared to the initial method of replenishing, it was possible to reduce the time of storage of goods by 60%, which translates into lower costs in a simple way. (original abstract)

Słowa kluczowe

PL

Logistyka; Magazynowanie; Zarządzanie zapasami; Optymalizacja

EN

Logistics; Storage; Inventory management; Optimalization

• Czasopismo: Ekonomika i Organizacja Przedsiębiorstwa
• Rocznik: 2018
• Numer: nr 10
• Strony: 35--47

Twórcy

autor

Tomasz Wiśniewski

• Uniwersytet Szczeciński

Bibliografia

• 1. Beamon B.M., Chen V.C.P., 2001, Performance analysis of conjoined supply chains, International Journal of Production Research, Vol. 39; No. 14,20 September 2001, s. 3195-3218.
• 2. Biswas S., Narahari Y., 2004, Object Oriented Modeling and Decision Support for Supply Chains, European Journal of Operational Research, Volume 153, Issue 3,16 March 2004, s. 704-726.
• 3. Chodak G., Latus L., 2011, Metody prognozowania popytu i zarządzanie gospodarką magazynową w polskich sklepach internetowych - wyniki badań, Gospodarka Materiałowa i Logistyka, Nr 9, Wrzesień, s. 11-18.
• 4. Christiansen P.E., Kotzab H., Mikkola J,H., 2007, Coordination and sharing logistics in leagjle supply chains, International Journal of Procurement Management, Vol. 1, No. 1/2, 10 October 2007, s. 79-96.
• 5. Ding H., Benyoucef L., Xie X., Hans C., Schumacher J., 2004, "One" A New Tool For Supply Chain Network Optimization And Simulation. Proceedings of the 36th conference on Winter simulation, 05 - 08 December 2004, s. 1404-1411.
• 6. Dooley F. 2005, Logistics, Inventory Control, and Supply Chain Management, CHOICES: The magazine of food, farm and resource Issues, No. 20(4), October, s. 287-291.
• 7. Duong L.N.K., Wood L.C., Wang W.Y.C., 2015, A Multi-criteria Inventory Management System for Perishable & Substitutable Products, Procedia Manufacturing, Vol. 2, February, s. 66-76.
• 8. Fisher M.L., 1997, What is the right supply chain for your product?, Harvard Business Review, Vol. 75, No. 2, March, s. 105-116.
• 9. Ganapathy S., Narayanan S., Srinivasan K., 2003, Simulation Based Decision Support for Supply Chain Logistics, Proceedings of the 35th Conference on Winter Simulation, 07-10 December 2003, s. 1013-1020.
• 10. Holweg M.D.S., Holmstrom J., Smaaros J., 2005, Supply chain collaboration: Making sense of the strategy continuum, European Management Journal, Vol. 23, No. 2, April, s. 170-181.
• 11. Jammemegg W., Reiner G., 2007, Performance improvement of supply chain processes by coordinated inventory and capacity management, Int. J. Production Economics, Vol. 108, Issue 1-2, February, s. 183-190,
• 12. Jung I.Y., Blau G., Pekny J.F., Gintaras F., Reldaitis G.V., Eversdyk D., 2004, A simulation based optimization approach to supply chain management under demand uncertainty, Computers and Chemical Engineering, Vol. 28, Issue 10,15 September 2004, s. 2087-2106.
• 13. Kristianto N.Y., 2011, Production ramp up in built-to-order supplier chain, Journal of Modelling in Management, Vol. 6 Issue: 2, s.143-163.
• 14. Narmadha S., Selladurai V, 2009, Multi-factory, Multi-Product Inventory Optimization using Genetic Algorithm for Efficient Supply Chain Management, JCSNS International Journal of Computer Science and Network Security, Vol. 9, No. 12, 30 December 2009 s. 203-212.
• 15. Park Y.-B., Kim H.S., 2016, Simulation-based evolutionary algorithm approach for deriving the operational planning of global supply chains from the systematic risk management, Computers in Industry, Vol. 83,1 October 2016, s. 68-77.
• 16. Scheuffele G., Kulshreshtha A., 2007, Inventory Optimization: A Necessity Turning to Urgency, SETLabs Briefings, Vol. 5, No. 3, July-September, s. 15-24.
• 17. Schmitt A. J., Singh M., 2012, A quantitative analysis of disruption risk in a multi- echelon supply chain, Int. J. Production Economics, Volume 139, Issue 1, September, s. 22-32.
• 18. Thierry C., Bel G., Thomas A., 2010, The role of modeling and simulation in supply chain management, SCS M&S Magazine, No 1(4), October, s. 1-8.
• 19. Torkul O., Yilmaz R., Selvi I.H., Cesur M.R., 2016, A real-time inventory model to manage variance of demand for decreasing inventory holding cost, Computers & Industrial Engineering, Vol. 102, May, s. 435-439.