• Case Volkswagen

    Case Volkswagen

    Volkswagem economiza milhões em sua logística usando simulação

    por Nejat Karabakal, Ph.D. - Consultor de Engenharia da Production Modeling Corp.

"... Economia superior a US$ 20 milhões / ano com custos de transportes, além de aumentar a satisfação do cliente e revendedores."

Sobre a empresa

Economia de Milhoes em Logística usando Simulação

A Volkswagem (VW) fabrica veículos comercializados os quais são na América do Norte, em duas fábricas, uma na Alemanha e outra no México. Os veículos são primeiramente mandados de navio para um dos cinco portos Norte Americanos que atuam como centros de distribuição (CDs). Então, eles são transportados, para os revendedores nas principais áreas de mercado, normalmente pôr caminhões.

A companhia visa melhorar esta rede de distribuição de veículos com dois objetivos principais:

  1. melhorar assistência ao cliente, o tempo de entrega dos veículos, e a resposta ao mercado, e
  2. reduzir os custos com distribuição e estoques. A empresa Production Modeling Corporation (PMC) foi contratada para modelar o sistema de entregas.

O caminho usado pela PMC para a melhoria do fluxo de veículos, foi o estabelecimento de mais CDs próximos aos mercados consumidores de modo que os seguintes benefícios pudessem ser alcançados:

  • parte das dispendiosas rotas correntes de caminhões, puderam ser substituídas pôr outras mais baratas através de estradas de ferro partindo das rotas marítimas,
  • as chances de atender a primeira opção do cliente aumentam com a combinação dos estoques do revendedor e dos CDs, e
  • os veículos escolhidos em primeira opção pelos clientes, são entregues em tempos menores.

Claramente, o número e localização do CDs são os principais fatores que afetam ambos: assistência ao cliente e a Carga de custo com distribuição. Além disso, existe a escolha pelo tipo de galpão a ser instalado em cada locação de CD.

Instalações tipo I são menores em capacidades e mais baratas.

Instalações tipo II são grandes, mas o aumento no custo de operação não é linear e nos permite considerar economias significativas ao localizar CDs em certas áreas de grande demanda. Este empenho em um projeto de simulação tem um potencial de economizar U$20 milhões por ano para a companhia.

Objetivos e escopo

Dando um cenário de localizações (isto é, numero e localização de CDs), uma computação realista das medidas da performance (custo e assistência aos clientes) requer considerações explicitas dos elementos dinâmicos e estocásticos, inclui a política de controle de estoques (tanto mix quanto quantidades) nos revendedores, fatores de carregamento dos caminhões, e sazonilidade da demanda.

Elementos estocáveis incluem demanda de clientes, escolha dos clientes, e atrasos no transportes. Um modelo de simulação foi apropriado para consideração de ambos os elementos. Uma vez que o modelo foi desenvolvido, alguns cenários de locação foram gerados de forma grosseira e colocados no modelo. Entretanto tornou-se rapidamente notório, que uma forma sistemática de geração de cenários de localização se fazia necessária para causa da enorme quantidade de alternativas possíveis. Numa tentativa para reduzir o número de alternativas, foi formulado um Programa Integral Mixto (MIP Mixed Integer Program) o qual gera um numero razoável de "bons" cenários.

O MIP minimiza a função de custo, o qual aproxima o custo de distribuição do sistema atual ignorando os aspectos estocásticos e dinâmicos. As variáveis consistem na quantidade de expedições e se os CDs estarão sendo instalados em locais potenciais (variáveis binárias). A saída do MIP é um cenário de localização que entra como dado de entrada da simulação. (Nota: esta solução foi desenvolvida antes da existência do SimRunner'). A função objetiva do MIP consiste em dois componentes: 1) custo total de transporte, o qual depende da distância entre as localidades bem como do meio de transporte, e 2) custo fixo das instalações nos CDs, o qual depende das capacidades da locação.

Os custos de estocagem foram ignorados.

Foram especificadas restrições para assegurar que:

  • as demandas de mercado sejam satisfeitas,
  • limitação da capacidade incremental para cada tipo de depósito não fosse violada,
  • pedidos do mercado podem ser expedidos dentro de uma janela de tempo pré - especificada,
  • o número máximo de CDs a se instalar não seja excedido. Os dois principais parâmetros de entrada para o MIP são os fatores de demandas de mercado e de carregamento dos caminhões, os quais, de fato, dependem da política de locações.(Fatores de carregamento dos caminhões são usados para calcular os custos de expedição).

Nós resolvemos esse problema com um procedimento heurístico interativo. Nós começamos resolvendo o MIP assumindo que:

  1. toda a demanda de mercado empata com o plano de volume de vendas, e
  2. todos os fatores de carregamento valem 10( isto é, caminhões totalmente carregados). O cenário resultante de locações é o dado de entrada para o modelo de simulação.

Considerando os elementos dinâmicos e estocásticos, a execução da simulação produz melhores estimativas dos fatores de venda e de carregamento, como resultado da implementação deste cenário de localização em particular.

Agora nós devolvemos estas estimativas melhoradas para o MIP, e a rodamos novamente. Se a política de localização se altera, nos rodamos a simulação novamente usando o novo cenário como entrada. Por outro lado, as estimativas mais recentes podem não ser tão diferentes das anteriores, e ambos, MIP e simulação chegam a uma solução particular. Embora, não exista garantia desta convergência, este procedimento provou-se satisfatório em nossos experimentos.

Para resolver o MIP, utilizamos o solver' AMPL PLUS com CPLEX. Isso se mostrou conveniente na implementação do procedimento interativo descrito acima. A comunicação entre AMPL PLUS e o ProModel foi realizada (semi - automaticamente) através de uma planilha Excel com macros que lêem os arquivos de saídas criados pôr um programa e geram arquivos de entrada apropriados para o outro programa.

Resultados e Ganhos

A análise quantitativa baseada na otimização e modelagem de simulação combinadas, proporcionaram resultados muito interessantes. Uma vez que o transporte por estrada de ferro é mais barato que o rodoviário, uma política de custo otimizado inclui a adoção de um numero maior de CDs. Sob certas circunstâncias, uma solução ótima tem o potencial de economizar mais de U$20 milhões por ano em custo com transportes.