Географическое расширение рынка превращается в испытание для операционной эффективности бизнеса.
Пример: производитель продуктов питания из Владимирской области, активно продвигая бренд, добился расширения спроса на федеральном уровне. Но каждый километр прямых поставок снижал маржинальность. Фура, которая раньше проходила 200 км, теперь шла 800-1000 км до целевого региона, а затем развозила небольшие партии по 30-50 кг.
Очевидным решением становится создание распределительного центра (РЦ), который позволит аккумулировать поставки и распределять их более короткими плечами. Но возникает ряд вопросов:
- сколько таких РЦ нужно
- где их разместить
- каким должен быть их функционал — накопительным, распределительным или кросс-докинговым
- какие площади необходимы
- и т.д.
Для ритейла и дистрибьюторов задача еще сложнее: в расчет включаются десятки поставщиков с разной географией и объемами, а также особенности их транспортных потоков.
Решить эти задачи можно с помощью цифрового моделирования.
Выбор метода моделирования
Чтобы найти оптимальное количество складов и определить их расположение, компании используют разные методы. Каждый из них имеет преимущества и ограничения. На уровне концептуальных расчетов упрощения допустимы, но при принятии стратегических решений, погрешность даже в 10-15% становится дорогостоящей ошибкой.
1. Тепловая карта: быстро, но без ответов на главные вопросы
Пример тепловой карты по потребителям
Тепловая карта помогает визуализировать зоны потребления и разместить склады в эпицентре спроса. Это инструмент, который дает общее представление, но не учитывает реальную экономику логистики.
У метода три ключевых ограничения:
- Фокус на последней миле. Карта не учитывает совокупные издержки — расходы на персонал, аренду, энергетику и грузообработку.
- Нет учета поставщиков. Карта строится по клиентскому спросу, но не показывает движения товарных потоков от иных источников. Простое наложение тепловых карт (поставщиков и потребителей) искажает итоговый результат, так как они совместно влияют на точку расположения склада («перетягивая одеяло на себя»), тем самым смещая расположение склада.
- Не применима для многоэшелонных цепей. Когда склады выполняют разные функции (накопление, распределение, кросс-докинг), либо позволяют оптимизировать логистику через распределение потоков и запасов по 2-4 эшелонам складов: федеральный РЦ, региональные РЦ, склады на уровне города или регионального кластера и пр.
Вывод: метод применим для предварительной оценки наиболее активных географических локаций для выстраивания потенциального логистического присутствия, но не подходит для расчета полной стоимости логистики.
2. Метод гравитации и теории графов
Пример визуализации при применении методов гравитации и теории графов
Этот подход уже учитывает взаимосвязь поставщиков и клиентов и минимизирует совокупные логистические затраты путем учета, сколько они потребляют и поставляют. И здесь вполне справедливо один крупный клиент может «перетянуть» склад ближе к себе, если его доля в общем потоке значительна.
Именно этот алгоритм заложен в международных системах стратегического моделирования, включая LLamasoft и AnyLogic. Он позволяет учесть влияние объемов и рассчитать сбалансированную сеть.
Главное ограничение — использование расстояний по прямым с коэффициентом кривизны. Для Европы с высокой плотностью дорог ошибка несущественна, но для России, где разрыв между «прямой» и фактическим маршрутом достигает десятков процентов, допущение становится критичным.
3. Цифровое моделирование с учетом дорожной сети
КСЛ семь лет использовал LLamasoft и AnyLogic для стратегического моделирования цепей поставок. Но каждый раз приходилось исправлять недостатки алгоритмов с помощью допущений и коэффициентов: учитывать фактические российские дороги, тарифы, ограничения и рельеф местности.
Расчет по прямым слабо отражает реальную географию страны. В России протяженность дорог, мосты, перевалы, паромные переправы, качество покрытия и сезонность влияют на результат не меньше, чем структура спроса.
В итоге два сценария с одинаковыми исходными данными, рассчитанные разными методами, дают разные оптимумы — не только по местоположению складов, но и по финансовому результату.
Сводное сравнение методов моделирования цепей поставок
| Метод | Уровень точности | Что учитывает | Преимущества | Ограничения |
| Тепловая карта | Низкий | Географию спроса ИЛИ поставщиков | Быстрая визуализация, простая реализация | Не учитывает совокупные затраты: на логистику от поставщиков и затраты до получателей. Не позволяет: — рассчитать объемы складов — затраты на них — смоделировать перераспределение потоков и запасов по ним |
| Метод гравитации и теории графов | Средний | Поставщики и клиенты, объемы, тонно-километры | Учитывает параметры потоков, применим для стратегических расчетов | Использует расстояния «по прямым», без учета реальных дорог |
| Цифровое моделирование с учетом дорожной сети | Высокий | Реальные маршруты, дорожные ограничения, тарифы | Максимальная точность, оптимально для стратегического планирования | Требует больших объемов данных и вычислительных ресурсов |
Точность становится стратегическим фактором
В России осталось не так много крупных компаний, которые еще не подходили к задаче стратегической оптимизации логистики. Кто то делал это через тепловые карты, кто то через расчеты в Excel или в более продвинутых инструментах. Для тех, кто уже прошел этот путь, переход от существующей сети к более рациональной конфигурации с несколькими РЦ дал кратный эффект по снижению затрат.
На следующем этапе борьба идет не за кратные эффекты, а за точную настройку сети — в среднем за 7-8% экономии ежегодных лог.затрат.
При годовых расходах на логистику в сотни миллионов или миллиарды рублей это уже значимый стратегический результат. Именно поэтому моделирование «по прямым» перестает быть допустимым приближением и превращается в метод «монтировкой по карте» — инструмент, который вместо результата дает искажения и антирезультат.
КСЛ сравнил два метода моделирования на реальных кейсах
В исследовании КСЛ, охватившем 300 крупнейших городов России (60% населения), по 22 кейсам производителей и ритейлеров мы сравнили расчеты «по прямым» и «по дорогам».
Были проработаны три сценария:
- Открытый поиск трех складов по всей России.
- Открытый поиск одного склада в каждом федеральном округе.
- Оценка затрат при фиксированном и оптимальном размещении склада для города-миллионника.
Сценарий 1. Поиск оптимальной локации складов при представленности компании по разным каналам продаж по всей России
Расчет по «прямым» искажает реальность. Реальные дороги в среднем на 26% длиннее в масштабе страны. И это в среднем. Как увидим ниже, и Поволжье, и Урал, и Кавказ (а не только Заполярье), и другие регионы критично зависимы в эффективности логистики от дорожной сети. Эта погрешность вместе с разницей тарифов по регионам, приводит к существенной ошибке: транспортные затраты искажаются на 28%.
При расчете «по дорогам», алгоритм, «увидев» реальную стоимость перевозок, перекроил всю карту размещения! Все три склада «переехали» в оптимальные точки, а клиенты были за ними перезакреплены.
Сценарий 2. Открытый поиск одного склада в каждом федеральном округе
Это упражнение полезно для оценки разницы в расчетах с учетом географических и дорожных особенностей регионов. При этом, при полномасштабном моделировании системе не важен признак административного деления.
Максимальные отклонения наблюдаются в Дальневосточном ФО:
- транспортные затраты занижены на 40%
- средневзвешенное расстояние до клиентов — на 39%
- расхождение между оптимумами по прямым и по дорогам — 470 км.
Чем ниже плотность дорожной сети, тем сильнее искажения:
| Федеральный округ | Плотность дорог (км/тыс. км²) | Ошибка при расчете по прямым | Комментарий |
| СКФО, ЦФО, ПФО | 246-441 | 17-23% | Допустимо для предварительных расчетов |
| СФО, УрФО, ДФО | 13-45 | 25-40% | Критичные искажения из-за низкой плотности дорог |
Особенно заметны расхождения в регионах со сложным рельефом. В СКФО при высокой плотности дорог погрешность достигает 16% из-за серпантинов, а в СЗФО — «крюки» до 480 км, что объясняется обилием рек и болотистой местностью.
Сценарий 3. Поиск склада в городе-миллионнике
На примере Казани расчет по дорогам показал смещение оптимального расположения склада на 12 км по сравнению с методом «по прямым». При протяженности города около 30 км это изменение критично: оно влияет на уровень сервиса в части скорости исполнения заказов и затраты.
Если оставить склад на прежнем месте, расчет «по прямым» занижает среднее расстояние до клиентов на 38%, а совокупные затраты — на 12%.
Все расчеты, представленные в статье, основаны на реальных данных.
Для компаний, которые рассматривают вариант моделирования собственной логистической сети и хотят увидеть, как выбор методики влияет на экономику и управленческие решения, мы готовы предоставить детализированный файл с расчетами.
Если вам интересно сравнить оба подхода на реальных данных — свяжитесь с нами. Мы поделимся исследованием и покажем, как точность модели отражается на результате
Точность модели — это вопрос управленческой зрелости
На всех уровнях — от внутригородских маршрутов до федеральных цепочек поставок — данные убедительно показывают: использование модели расчета «по прямым» приводит к систематическому искажению и чаще всего значительному занижению логистических затрат. Причем чем менее развита дорожная сеть региона, тем сильнее искажение.
Особенно заметен эффект в Дальневосточном, Сибирском и Уральском ФО, где расхождение между расчетными и фактическими показателями оказалось максимальным. Дополнительный фактор — разница в реальных транспортных тарифах по регионам, которая может достигать 50%. Этот параметр необходимо учитывать при моделировании в разрезе каждого направления доставки.
Каждой категории задач в логистике соответствует свой инструмент. Мы продолжаем использовать AnyLogic для имитационного моделирования сложных сценариев внутри складов и производств, но не применяем его при проектировании цепей поставок — там, где критично учитывать реальную дорожную сеть, тарифы по направлениям и региональные особенности логистики.
Стратегическое планирование через тепловую карту или моделирование «по прямым» может оставаться доступным инструментом для компаний, которым приемлема погрешность в 20-40% по затратам. Однако, таких компаний почти не осталось.
Ведь зачем планировать изначально криво, чтобы потом исправлять ошибки?
