Моделирование оптимального расположения и числа складов для производителя напитков
Happyland — ведущий российский производитель энергетических и слабоалкогольных напитков, таких как Funky Monkey Cola, Jumper, Hoop, Laimon Fresh, Jaguar и Genesis. К 2024 году устойчивый рост спроса и многократное увеличение объёмов продаж привели к перегрузке логистической системы компании.
Склады оказались заполненными более чем на 100%, что вынудило Happyland арендовать дополнительные площади в Московской и Тверской областях. Это существенно увеличило транспортно-складские расходы, сделало процессы менее эффективными и оказало влияние на уровень клиентского сервиса. Для компании было критически важно оптимизировать затраты через пересмотр расположения и количества складов и производственных объектов, их мощностей и форматов работы.
Цели и задачи проекта
Цель проекта — снизить затраты на логистику и повысить её эффективность через оптимизацию складской сети и транспортных процессов.
Задачи проекта:
-
Провести анализ текущей логистической сети.
-
Разработать цифровую модель цепи поставок.
-
Определить оптимальные местоположения и количество складов.
-
Провести моделирование транспортных потоков и складских мощностей.
-
Разработать сценарии улучшения с учётом регионов присутствия.
Что мы сделали?
Провели аудит текущей логистической системы
Проанализировали текущую инфраструктуру компании, включая складские объекты в Твери, Мытищах и Санкт-Петербурге. Оценили их пропускную способность, затраты на хранение и транспортировку, а также распределение складских мощностей. На основе данных выявили ключевые проблемы: избыточные транспортные расходы, недостаток мощностей для обработки растущих объёмов продукции и длительные сроки выполнения заказов.
Анализ существующего расположения складских объектов AS IS (2023 год)
Разработали цифровую модель цепи поставок
Собрали и систематизировали данные о транспортных потоках, производственных мощностях, тарифах на перевозку и аренду. На основе этих данных создали аналитико-имитационную модель в собственной системе LogConnection. Модель позволила оценить влияние различных факторов на логистические процессы, включая:
-
объёмы производства на существующих площадках
-
затраты на хранение и обработку грузов
-
доступность транспортных ресурсов для межскладских перевозок
Последовательность моделирования сети логистических центров/складов в аналитико-имитационной модели LogConnection
Провели оптимизационное моделирование расположения складов
Протестировали три сценария развития логистической сети:
-
увеличение складских мощностей в Твери
-
создание новых производственно-складских комплексов в Калужской и Владимирской областях
-
организация региональных складов в Сибири
Каждый сценарий включал детализированный анализ затрат и влияния на клиентский сервис.
Рассчитали экономические показатели и разработали рекомендации
Проанализировали ключевые показатели эффективности (NPV, окупаемость инвестиций, транспортные и складские затраты) для каждого сценария. Рекомендовали отказаться от использования площадки в Видном, увеличить мощности в Твери и добавить склады в регионах, где ожидается рост потребления.
Результаты проекта
-
Снизили затраты на логистику
Совокупные транспортно-складские затраты уменьшились на 7,8% благодаря оптимизации сети и добавлению нескольких арендованных складов. -
Улучшили клиентский сервис
Ускорили сроки доставки заказов, что привело к росту удовлетворённости клиентов и снижению уровня претензий. -
Расширили региональную экспансию
Компания смогла выйти на новые рынки с минимальными затратами, что позволило увеличить охват и улучшить позиции в регионах. -
Цифровая трансформация
Обучили сотрудников заказчика моделированию и передали заказчику доступ к системе моделирования LogConnection, что позволяет компании самостоятельно адаптировать модель под изменяющиеся условия бизнеса.
Над проектом работали
Василий Демин
Эксперт
_100x100_38f.png)
Виктор Булыгин
Руководитель группы по цифровому моделированию
Андрей Бульба
Методолог