1. Wstęp

Planowanie logistyczne odgrywa w dzisiejszych czasach kluczową rolę w procesach logistycznych przedsiębiorstwa. W przedsiębiorstwach produkcyjnych uzupełnianie zapasów komponentów produktów o czasie oraz optymalizacja dostaw są fundamentami do prawidłowego funkcjonowania procesu produkcyjnego. Firmy często muszą dopasować odpowiednią wielkość dostaw do optymalnego poziomu, aby koszty magazynowania i inne koszty logistyczne związane z procesem produkcji były jak najniższe. Istnieje wiele różnych systemów, które firmy mogą stosować aby osiągnąć poziom optimum, który zagwarantuje najwyższy poziom zysku i najniższy poziom strat w odniesieniu do produkcji i kosztów logistycznych. Do realizacji tego typu przedsięwzięć optymalizacji procesów można wykorzystać programy symulacyjne, takie jak Vensim.

2. Cel ćwiczenia

Celem wykonywanego ćwiczenia jest przeprowadzenie badania testującego model organizowania dostaw w procesie logistycznym przedsiębiorstwa przy użyciu oprogramowania Vensim PLE. Do przeprowadzenia eksperymentu zbudowano prosty model przepływu zapasów w przedsiębiorstwie. W każdej symulacji dokonywano zmian dwóch zmiennych: Maksymalnego Zapasu Magazynu oraz Minimalnej Dostawy. Zadanie ma na celu wskazać jak najlepsze wartości dla obu zmiennych, zapewniające optymalny system organizowania (planowania) dostaw dla przedsiębiorstwa. Wskaźnik kompletności dostaw jest zmienną sprawdzającą optymalizację procesu logistycznego.

3. Opis przebiegu procesu optymalizacji

W celu wykonania ćwiczenia w programie Vensim PLE stworzono następujący model:

Poszczególne elementy zostały utworzone za pomocą paska narzędzi:

Zmienne tworzone były za pośrednictwem polecenia Variable oraz Box Variable (zmienne obrysowane prostokątem). Zmienne narastające były utworzone przy pomocy komendy 'Rate'. Powiązania zostały przeprowadzone przy użyciu narzędzia 'Arrow', tworzącego strzałki ustalające zależności między zmiennymi w procesie.

Następnie, po budowie modelu, za pomocą polecenia 'Equations' ustalono właściwości i charakter każdej ze zmiennej.

W tabeli zawarto wszystkie zmienne wraz z ich opisem oraz poszczególnymi właściwościami:

Tabela 1 Tabela zmiennych

Nazwa zmiennej	Pełna nazwa zmiennej	Typ zmiennej	Jednostka	Wzór lub wartość
MaxZapMag	Maksymalny zapas magazynu	Constant	Szt	Wartość = 300
DostZaopatrz	Dostawa zaopatrzenia	Auxiliary	Szt/Week	IF THEN ELSE(StanMag<MaxZapMag, 30, 0)
StanMag	Stan magazynu	Level	Szt	DostZaopatrz-Sprzedaz1; wartość początkowa = 0
Sprzedaz1	Sprzedaż w szt.	Auxiliary	Szt/Week	MIN(popyt1, StanMag/CyklKompl)
popyt1	Wartość popytu	Auxiliary	Szt/Week	RANDOM UNIFORM(20, 100, 40)
CyklKompl	Wartość cyklu kompletności	Constant	Week	Wartość = 1
WskKoplSprz	Wskaźnik kompletności sprzedaży	Auxiliary	Dmnl	100*Sprzedaz1/popyt1

Przykładowo dla zmiennej DostZaopatrz ustalono następujące właściwości:

Dla WskKoplSprz okno właściwości zmiennej wygląda następująco:

Zmienna sprzedaży:

Zmienna popytu:

W celu przeprowadzenia eksperymentu ustalono wartości zmiennych dla poszczególnych symulacji w tabeli nr 2:

Tabela 2 Tabela symulacji

Nazwa symulacji	Nazwa zmiennej	Wartość zmiennej
Symulacja 1 MZM 300 DM 15	Maksymalny Zapas Magazynu	300
	Dostawa Minimalna	15
Symulacja 2 MZM 300 DM 10	Maksymalny Zapas Magazynu	300
	Dostawa Minimalna	10
Symulacja 3 MZM 40 DM 5	Maksymalny Zapas Magazynu	40
	Dostawa Minimalna	5
Symulacja 4 MZM 500 DM 50	Maksymalny Zapas Magazynu	500
	Dostawa Minimalna	50

Każda symulacja posiada identyczne warunki przeprowadzania badania, tzn. pozostałe zmienne zostały ustalone na takim samym poziomie. Wartość popytu może mieć duże znaczenie w przypadku procesu sprzedaży, a w wyniku tego może wywierać wpływ na proces organizowania dostaw w przedsiębiorstwie. Należy zaznaczyć, że popyt również nie uległ zmianie w przeprowadzanym eksperymencie.

Podobnie jest z cyklem kompletności, który w przypadku tego eksperymentu został ustalony na poziomie 1.

Po przeprowadzeniu symulacji nr 1 ( po wcześniejszym ustaleniu wszystkich zmiennych i ich wartości), wskaźnik kompletności dostaw, popyt i sprzedaż wyglądały następująco:

Symulację przeprowadzono za pomocą komendy 'Simulate'. Z wykresu wynika, że wskaźnik kompletności dostaw nie posiada optymalnego poziomu i wraz ze wzrostem popytu jego wartość stanowczo maleje.

Następnie przeprowadzono symulację dla innych wariantów, zawartych w tabeli nr 2. Wyniki zaprezentowano w kolejnym podrozdziale za pośrednictwem wykresów i tabel wynikowych.

4. Wyniki

Po przeprowadzonym eksperymencie otrzymano następujące wykresy wynikowe:

Można zauważyć, że poziom sprzedaży zaczął się gwałtownie zmieniać po przekroczeniu wartości 30 szt. i jest zależny od dwóch moderowanych zmiennych. Popyt dla wszystkich eksperymentów miał taką samą wartość. Widać, że dla wszystkich eksperymentów - wraz ze wzrostem popytu maleje wskaźnik kompletności dostaw. (dla założonych warunków w eksperymencie)

Szczegółowy wykres dla wskaźnika kompletności dostaw:

Jak widać na powyższych dwóch wykresach, wskaźnik kompletności dostaw wzrasta przy wzroście obu zmiennych: Dostawy Minimalnej oraz Maksymalnego Zapasu Magazynu. Co więcej wskaźnik kompletności dostaw maleje w przypadku zmniejszenia Dostawy Minimalnej. Maksymalny Zapas Magazynu ma wpływ na wskaźnik kompletności dostaw tylko i wyłącznie przy dużych zmianach wartości Dostawy Minimalnej. Odnaleziono optymalny stan dla procesu logistycznego w symulacji nr 4.

Symulacja nr 4 zapewnia optymalny proces logistyczny dla przedsiębiorstwa przy założonych warunkach i ustalonym popycie. Maksymalny Zapas Magazynu powinien wynosić 500 szt., a wartość Dostawy Minimalnej 50 szt.

5. Wnioski

Po przeprowadzeniu szeregu symulacji i porównaniu otrzymanych wyników można wywnioskować:

• Program VENSIM PLE jest potężnym narzędziem do przeprowadzania badań procesowych, w którym można przeprowadzać szczegółowe eksperymenty związane z procesem inkrementacji i dekrementacji poszczególnych zmiennych oraz ustalać dobrowolne zależności w celu uzyskania optymalizacji,

• Przedsiębiorstwo powinno badać swój poziom dostaw oraz zmiany wartości wskaźnika kompletności dostaw również z uwzględnieniem zmian popytu i cyklu kompletności dostaw,

• W badanym modelu najlepszy okazał się proces nr 4 (symulacja nr 4), z wartością Maksymalnego Zapasu Magazynu na poziomie 500 szt. oraz Dostawą Minimalną na poziomie 50 szt.,

• Może istnieć pewien problem - każda symulacja może być obarczona błędem wynikającym z wirtualnego środowiska symulacyjnego, np. mogą zaistnieć wydarzenia losowe, których symulacja nie jest w stanie określić, takie jak problemy z transportem czy przepisy prawne ingerujące w czas lub poziom wielkości dostawy dla wyspecjalizowanej branży,

• Zmiana nawet jednej zmiennej o nieduże wartości może drastycznie zaburzyć cały proces i jego wartości wynikowe,

• Przeprowadzony eksperyment udowadnia, że odnalezienie idealnego optimum dla procesów logistycznych jest trudnym zadaniem dla kadry kierowniczej.