A multi-stage supply chain model to determine optimal distribution center strategy

Abstract

Keywords: Supply chain management; mixed integer programming; network design.

1. Gi̇ri̇ş

Günümüzün rekabetçi iş ortamında, ürünlerin tedarikçilerden üretim tesislerine, üretim tesislerinden DM’lere, perakendecilere ve müşterilere etkin ve etkili transferi tüm şirketler için sürdürülebilir karlılığın sağlanmasında esastır. Bu konu pek çok araştırmacının ilgisini cezbeden hızlı büyüyen çalışma sahalarından biridir [1] ve şirketler için rekabetçi avantaj yaratan araçlardan biri olarak görülmektedir [2]. Emtia fiyatları ve enerji maliyetlerindeki dalgalanmalar nedeni ile TZ faaliyetlerinin yönetimi şirketlerin zorlu piyasa dinamikleri çerçevesinde kendilerini kar merkezi olarak konumlandırmalarında ve daha da önemlisi zorlu pazar dinamikleri altında finansal olarak hayatta kalmalarında önemli bir rol oynamaktadır. Bu çalışmada, tedarikçilerin ve üretim tesislerinin konumları, kapasitesileri ile müşteri talepleri deterministik olarak kabul edilmiştir. Bu varsayımlar altında, müşteri ihtiyaçları, DM’lerin sayısı, konumu ve kapasitesinin en iyi kombinasyonu ile minimum toplam TZ maliyeti ile yanıtlanmaya çalışılmıştır. Model, zaman ekseninde, en düşük toplam maliyete ulaşmak DM’lerin açılması, kapanması ve ölçeğinin değiştirilmesine izin vermektedir. Bu çalışmanın ardındaki motivasyonlar; (i) farklı ölçeklerdeki DM’ler için yer analizi sağlayan bir model oluşturmak, (ii) Hızlı tüketim sektöründe çok aşamalı bir TZ planlaması için bir karar alma süreci önermek, (iii) Ağ analizi yardımıyla gerçek veriler ile gerçek bir vakayı ele almak olarak sıralanabilir.

2. DM Yerleşi̇m Li̇teratürü

Literatür tarama tedarik zinciri yönetim (TZY) stratejilerini, depo yerleşim problemlerini ve DM’ler üzerine ağ analizlerini kapsayacak şekilde düzenlenmiştir. TZA, tedarikçilerin tedarikçilerinden, müşterilerin müşterilerine bilgi, para ve malzeme akışını da kapsayan ağdır [3]. TZY’nin amacı TZA’nın elemanları arasındaki anahtar süreçleri optimize etmektir. Tesislerin konum ve kapasiteleri, üretim ve depolama politikaları, tedarikçilerden müşterilere nakliye biçimleri ve sıklığı üzerine yapısal ve stratejik kararları içerir. Bu karmaşık ve çok aşamalı ortamda, birden çok oyuncu ile entegre bir sistem olarak TZ stratejisinin oluşturulması zorlu bir iştir [4-5]. Pek çok model, algoritma, araç ve yöntem TZ performansını analiz etmek, değerlendirmek ve iyileştirmek amacıyla geliştirilmiştir. Thomas ve Griffin [6] iki veya daha fazla aşamalı eşgüdümlü TZY’e işaret eden çalışmaları incelemiş olup; Piedro vd. [7] de belirsizlik altında TZ planlama için nicel modelleri incelemiş ve sınıflandırmıştır. Depolama tesislerinin konumu araştırmacı ve uygulamacılardan büyük ilgi görmüştür. Depo yeri seçimi probleminde, fabrikalar ile müşteriler arasında yerleştirilecek tesislerin sayısı ile servis verilecek bölgelere karar verilir. Karmaşıklık düzeyi tek ürünlü kapasite kısıtsız problem ile çok ürünlü kapasite kısıtlı problem arasında değişmektedir. Ek karmaşıklık düzeyi çok aşamalı ağlar ile yer seçiminin sürekli düzlem veya ayrık kümelerden yapımı dahil edilerek geliştirilebilir. Alternatif modelleme teknikleri farklı karmaşıklık ve ağ tipleri ile problemleri çözmek için ele alınmıştır [8]. Tesis yerleşim problemlerini optimizasyon teknikleri ile çözümünü ele alan mükemmel incelemeler [9-10-11]’de incelenebilir. Tsiakis vd. [12], belirsiz talep altında üretim tesisleri, depolar, DM’ler ve müşteri bölgeleri içeren çok aşamalı TZA tasarlamak için matematiksel model kullanmıştır. Bu çalışmada toplam maliyeti en aza indirmek için yaklaşık bir çözümden yararlanılmıştır. Drezner vd. [13], merkezi deponun optimal konumunu, alternatif konumları ve yerel depoların sayıları bilinmekte iken ele almıştır. Bu çalışma, daha iyi çözümlere ulaştırmak için stok maliyetlerini ele almayı önermiştir. Nozick ve Turnquist [14], fabrika ve DM’deki stok maliyetini göz önüne alınarak iki aşamalı bir dağıtım ağı problemi formülize etmiş ve tekrarlamalı algoritma DM’lerin optimal konumunu belirlemek için kullanmıştır.

Ağ analizi yöntemi ile optimizasyon, tesis yeri seçimini belirleme ve TZ’yi etkin bir şekilde yönetmek için etkili bir tekniktir. Çok ürünlü ağ tasarımı ve ağ analizi ile TZ optimizasyonu için daha fazla ayrıntı ve kaynak çalışma olarak [15-16-17 ve 18] incelenebilir. Ng vd.[19] belirsiz talep ve teslim süresi ile çok aşamalı TZ analizi için simülasyon yöntemini kullanmıştır. Van der Vorst vd. [20], çok aşamalı bir gıda TZ’sini modellemiş ve simüle etmiş, çalışmalarını soğutulmuş ürünlerin TZ tasarımında senaryo analizlerini değerlendirmek için uygulamıştır. Ayrıca, olasılıksal taleplerler ile çok aşamalı tedarik sistemlerinin modelenmesinde simülasyonun kullanımına diğer bir örnek Martel [21] tarafından sunulmuştur. DM’lerin konumları üzerine TZ çalışmaları arasında, birçok makale de sezgisel yöntemler üzerine yayımlanmıştır. Demirel vd. [22] göre, tesis yerleşim problemleri için bilinen en iyi genel sezgisel yöntemler tabu arama, benzetilmiş tavlama ve genetik algoritmadır. Çeşitli tesis yerleşim problemleri için bu yöntemler Arostegui vd. [23] tarafından karşılaştırılmıştır. Yazarlar tarafından daha iyi performans ile uygulama ve geliştirme kolaylıkları nedeniyle ilk olarak tabu arama yönteminin denenmesi önerilmiştir.

3. Öneri̇len Yöntem

Çalışmamızın bu bölümünde, karma tam sayılı matematiksel model sunulmuştur. Önerilen model ile "sistem" bakış açısı ile çok aşamalı, çok dönemli, çok ürünlü TZA için bir formülasyon sağlanmıştır. Bu modelde TZ, tesisleri (tedarikçiler, üretim tesisleri, DM’ler ve müşteriler) temsil eden düğümler ile düğümleri birbirine bağlayan arklardan oluşan bir ağ olarak temsil edilmiştir. Önerilen model DM’lerin sayısını, konumunu ve ölçeği ile birbirini takip eden seviyeler arasında hammadde ve bitmiş ürünlerin optimal akış değerlerini bildirir. Bu çalışmada tartışılan TZ sistemi, Şekil 1’de incelenebilir. Tedarikçi

Şekil 1. Tedarikçiler, üretim tesisleri, DM’leri ve müşteriler ile TZA yapısı

Önerilen modelin literatüre ana katkısı karar ekseninde, toplam TZ maliyetlerini en aza indirmek için DM sayısı, konumları, ölçeği ve kapasite seviyelerini değiştirmek için karar vericiye gerekli doneleri sağlayan bir yöntem sağlamaktır. Yukarıda belirtilen kararları sağlayan matematiksel model ile modelin ana kabülleri aşağıda sunulmuştur.

4. Örnek BİR TZ Modeli̇

Bu bölümde, önerilen modelin büyük ölçekli problemlerdeki performansını test edebilmek için örnek bir TZ modeli ele alınmıştır. Bu bağlamda çok uluslu bir gıda şirketinin TZ sistemi modellenmiştir. İlgili TZ karma tam sayılı doğrusal programlama modeli ile çok ürünlü (21 bitmiş

ürün) ve çok dönemli (12 dönem) yapı dahilinde TZ sistemi içindeki noktalar arasındaki optimal malzeme akışı ve operasyonel durumdaki DM’lerin konumu ile ölçeği belirlenir. Ele alınan ağ, 5 farklı hammaddeyi 2 üretim tesisi için üreten 21 tedarikçiyi, 89 farklı müşteri noktasına servis vermek amacıyla seçilmiş 3 farklı ölçekteki 18 potansiyel DM konumunu içerir. Örnek TZ modeli ticari bir optimizasyon yazılımı olan, Insight’ın SAILS ®’i ile gerçek veriler ile Duo P860- 2,4 Ghz işlemcili ve 3 GB RAM bellekli dizüstü bilgisayar yardımıyla çözülmüştür. Öncelikle SAILS modeli, şirketin mevcut TZ tasarımını temsil edecek şekilde koşturulmuştur. Koşum sonucunda yazılımın verdiği çıktılar ve işaret ettiği göstergeler, gerçek yaşamdaki veriler ile karşılaştırılmıştır. Bu göstergeler: • • • • •

Şirketin bitmiş ürün nakliye firmalarına ödediği nakliye maliyeti (her 2 fabrika için ayrı) Fabrikaların üretim tonajları (ürün grubu bazında) Fabrikaların servis verdiği DM yapıları Her bir DM’den geçen ton ve kapasite kullanım oranları DM’lerin servis verdiği müşteriler

Yazılımın sunuduğu bu dört ayrı performans göstergesinin sonuçları gerçek hayatta şirketin gözlemlediği sonuçlar ile uyumlu olduğu tespit edildikten sonra toplam TZ maliyetini optimal depo yeri stratejisi ile minimize etmek için alternatif DM stratejileri ele alınmıştır.

5. Alternati̇f DM Strateji̇leri̇

Bu kısımda alternatif DM stratejisileri ve bu stratejilerin 12 farklı senaryo altında (3 farklı tonaj senaryosu ile 4 farklı motorin fiyat senaryosundan üretilerek) karşılaştırılması gerçekleştirilmiştir. Alternatif stratejilerin kıyaslanmasının sağlamlığı 3 farklı tonaj seviyesinde (mevcut tonaj seviyesi ve mevcut tonajın %5 ve %10 artışı) ve 4 farklı motorin fiyat seviyesinde (mevcut fiyat seviyesi ve Türk Lirası olarak bu seviyenin %25, %50 ve %100 artışı) test edilmiştir.

7. Sonuçlar VE Tartişma

Bu çalışma ile TZA; müşterilerin talebini, tedarikçi ve üretim tesislerinin konum ve kapasiteleri ile DM’lerin konum, sayı ve ölçeklerine göre karşılarken, sabit ve değişken maliyetleri minimize edecek şekilde KTDP ile modellenmiştir. Önerilen model, modelin performansını gerçek dünyada incelemek için hızlı tüketim sektöründe faaliyet gösteren bir şirketin TZ sistemine uygulanmıştır. Bu çalışma ile üretim tonaj ve satış kaybı riski olmadan sadece DM stratejisinin yeniden yapılandırılması ile toplam TZ maliyetlerinin optimize edilebileceği gösterilmiştir. Ölçek değişikliği, açılış ve kapanış maliyetleri nedeniyle, toplam DM işletme maliyetleri artmasına rağmen toplam sistem maliyeti optimal sayı, konum ve ölçekte DM işletmenin neticesinde

azaltılmıştır. Tasarrufun büyük kısmı azalan nakliye giderlerinden sağlanmıştır. İşletmenin dağıtım sisteminin yeniden tasarlanması neticesinde toplam TZ maliyetlerinde % 1,3’lük bir düşüş beklenmektedir. Parasal etkisinin yanında, bu çalışma çevresel sürdürülebilirlik ajandasını da desteklemektedir. Hammadde ve bitmiş ürünlerin nakliyesi esnasında daha kısa mesafelerin kat edilmesinin bir sonucu olarak salınan CO2 emisyonunda yılda yaklaşık 694 ton düşüş beklenmektedir. Bu çalışmada geliştirilen metodoloji diğer TZY problemlerinde uygulanmak üzere kullanılabilir. Bu çalışmanın sonuçları öncelikli olarak, TZ giderlerinin yüksek olduğu, ürünün yapısı hacimli ve/veya nakliye giderlerinin toplam ürünün maliyetinde yüksek oranda yer tutan sektörlerde faaliyet gösteren (gübre, su, kağıt havlu, bebek bezi gibi); ülkemiz gibi akaryakıtı bağıl olarak pahalı kullanan ülkelerde (Tüm Avrupa kıtasında yer alan ülkeler, Kore, Avusturalya ve Yeni Zellanda gibi) faaliyet gösteren; karayolu ve kamyon nakliyesinin tüm nakliye faaliyetleri içinde önemli bir pay alan (Endonezya, Tayland ve İran gibi) ülkelerde faaliyet gösteren şirketler için anlamlı olabilir. Bu çalışmanın bulgularını genişletmek için deterministik talepler için önerilen strateji ve yaklaşımın kesin olmayan talepler altında çalışılması ve modellenmesi önerilmektedir. Diğer bir ilginç nokta da optimal TZA’ya ulaşmak üzere farklı sektörler için daha doğru çözümler üretmek adına, DM’ler üzerine envanter ile ilgili kararların çalışılmasıdır. Daha geniş bir koşum zamanı talep etse de, daha fazla alternatif DM konumu ve ölçeği ile, tüm TZ’ini optimize etmek adına fabrika konumlarını, üretim hatların tamamının ya da bir kısmının yer değiştirmesine izin veren bir yapı da çalışılabilir. REFERENCES / KAYNAKLAR [1]

Hajiaghaei-keshteli M. and Sajadifar S.M., “Deriving the Cost Function for a Class of Three-Echelon Inventory System with N-retailers and One-for-one Ordering Policy”, The International Journal of Advanced Manufacturing Technology, 50:343–351, 2010. Deloitte Global, “Mastering Complexity in Global Manufaturing: Powering Profits and Growth Through Value Chain Synchronization”, Deloitte Global Manuf Study, 2005. Towill D.R., “The Seamless Supply Chain: The Predator’s Strategic Advantage”, The International Journal of Technology Management, 13(1): 37–56, 1997. Quinn F.J., “The Master of Design: An Interview with David Simchi-Levi”, Supply Chain Management Review. 74-80, 2000. Simchi-Levi D., Kaminsky P. and Simchi-Levi E., “Designing and Managing the Supply Chain, Concepts, Strategies and Case Studies”, Irwin/McGraw-Hill, 2001. Thomas D.J. and Griffin P.M., “Coordinated Supply Chain Management”, European Journal of Operational Research, 94:1–15, 1996. Peidro D., Mula J., Poler R., et.al., “Quantitative Models for Supply Chain Planning under Uncertainty: a Review”, International Journal of Advanced Manufacturing Technology, 43: 400–420, 2009. Guedes P., Saw R.J. and Waller A.G., “Logistics Strategy Planning: Modeling and Decision Support Techniques for the 1990s”, International. Journal of Logistics Management, 6-1:37–50, 1995. Talluri S. and Baker R.J., “A Multi-phase Mathematical Programming Approach for Effective Supply Chain Design”, European Journal of Operational Research 141: 544558, 2002. Jang Y.J., Jeng, S.Y, Chang B.M et.al., “A Combined Model of Network Model and Production/Distribution Planning for a Supply Chain Network”, Computers and Industrial Engineering, 43: 263-281, 2002.

Yang H. and EdwinCheng T.C., “A Strategic Model for Supply Chain Design with Logical Constraints: Formulation and Solution”, Computers & Operations Research, 30: 2135-2155, 2003. Tsiakis P., Shah N. and Pantelides C.C., “Design of Multi-echelon Supply Chain Networks under Demand Uncertainty”, Industrial & Engineering Chemistry Research, 40: 3585-3604, 2001. Drezner Z., Scott C. and Song J.S., “The Central Warehouse Location Problem Revisited”, IMA Journal of Management Mathematics, 14: 321–336, 2003. Nozick L.K. and Turnquist M.A., “A Two Echelon Inventory Allocation and Distribution Center Location Analysis”, Transportation Research Part E: Logistics and Transportation Review (37): 425-44, 2001. Geoffrion A. and Graves G., “Multicommodity Distribution System Design by Benders Decomposition”, Management Science, 29 (5): 822-844, 1974. Geoffrion A. and Powers R., “Twenty Years of Strategic Distribution System Design: An Evolutionary Perspective”, Interfaces, 25(5): 105-127, 1995. Arntzen B.C., Brown G.G., Harrison T.P. et.al., “Global Supply Chain Management at Digital Equipment Corporation”, Interfaces, 25: 69-93, 1995. Camm J.D., Chorman T.E., Dill F.A et.al., “Blending OR/MS, Judgment, and GIS: Restructuring P&G’s Supply Chain”, Interfaces, 27(1): 128–142, 1997. Ng W., Piplani R. and Viswanathan S., “Simulation Workbench for Analysing Multiechelon Supply Chains”, Integrated Manufacturing Systems, 14(5): 449-457, 2003. Van der Vorst J.G.A.J., Beulens A.J.M. and Van Beek P., “Modeling and simulating multi-echelon food systems”, European Journal of Operational Research, 122: 354-366, 2000. Martel A., “Policies for Multi-echelon Supply: DRP Systems with Probabilistic Timevarying Demands”, INFOR 41(1): 71, 2003. Demirel T., Çetin Demirel N. ve Kahraman C., “Multi-criteria Warehouse Location Selection Using Choquet Integral. Expert Systems with Applications”, 37: 3943–3952, 2010. Arostegui M.A., Kadipasaoglu S.N. and Khumawala B.M., “An Empirical Comparison of Tabu Search, Simulated Annealing, and Genetic Algorithms for Facilities Location Problems”, International Journal of Production Economics, 103(2): 742–754, 2006.

Share and Cite