Crea un’applicazione web per l’ottimizzazione di una catena di approvvigionamento sostenibile.

Create a web application for sustainable supply chain optimization.

Aiuta la tua organizzazione a combinare la sourcing sostenibile e l’ottimizzazione della catena di approvvigionamento per ridurre sia i costi che gli impatti ambientali

L’ottimizzazione sostenibile della catena di approvvigionamento è un approccio alla progettazione di reti che combina la convenienza economica con la responsabilità ambientale.

Mette in evidenza le complessità che sorgono quando le aziende cercano di conciliare le considerazioni ambientali con gli obiettivi di profitto.

Questo argomento è sempre più rilevante poiché le organizzazioni sono sotto crescente pressione per ridurre la loro impronta di carbonio ristrutturando le loro reti di approvvigionamento.

A differenza dei modelli tradizionali che spesso privilegiano l’outsourcing verso regioni a basso costo, c’è una visibile spinta verso la produzione localizzata in strutture efficienti dal punto di vista ambientale.

• Costruisci una pipeline di traduzione automatica multilingue con Amazon Translate Active Custom Translation.
• ‘AI Doctor’ Prevede il Ricovero in Ospedale, Altri Esiti della Salute
• Sistema di Feedback Olfattivo Wireless Permette agli Utenti di Sentire gli Odori nel Mondo VR

Tuttavia, bilanciare l’efficienza dei costi con la riduzione delle emissioni di CO2 è un compito complesso che richiede una pianificazione attenta e decisioni strategiche.

In questo articolo, introduciamo un’applicazione che ho sviluppato utilizzando la piattaforma VIKTOR, progettata per facilitare la presa di decisioni basata sui dati per ottimizzare le reti di approvvigionamento in modo sostenibile.

RiassuntoI. IntroduzioneII. Ottimizzazione sostenibile della catena di approvvigionamento1. Le sfide della sostenibilità2. Il supporto dell'analisi dei datiIII. Introduzione a VIKTOR1. Caratteristiche chiave di VIKTOR2. Vantaggi per i data scientist della catena di approvvigionamentoIV. Panoramica dell'applicazione di ottimizzazione sostenibile della catena di approvvigionamento1. Scopo e funzionalità2. Primo passo: input dati3. Secondo passo: visualizzazione dati4. Terzo passo: selezione della funzione obiettivo5. Passaggio finale: visualizzazione dei risultatiV. Conclusioni

I. Introduzione

L’idea è di sfruttare le capacità della programmazione lineare per affrontare la sfida di soddisfare le richieste globali minimizzando i costi, le emissioni di CO2 e il consumo di risorse.

Nelle sezioni seguenti, approfondiremo i concetti di ottimizzazione sostenibile della catena di approvvigionamento e la necessità di integrare la sostenibilità nelle decisioni strategiche.

Inoltre, avrai una panoramica completa dell’applicazione utilizzando un esempio reale con il set di dati di esempio incluso nell’app.

II. Ottimizzazione sostenibile della catena di approvvigionamento

Questo approccio di progettazione della rete combina la responsabilità ambientale con l’efficienza della catena di approvvigionamento.

Può essere visto come una combinazione di due concetti che ho condiviso in precedenti articoli

• Sourcing sostenibile: integrazione di fattori di prestazione sociale ed ambientale nella selezione dei fornitori
• Ottimizzazione della catena di approvvigionamento: progettazione di reti ottimali per corrispondere all’offerta e alla domanda al costo più basso

1. Le sfide della sostenibilità

La transizione verso l’ottimizzazione della catena di approvvigionamento sostenibile presenta una serie unica di sfide.

La complessità principale risiede nell’allineare l’efficienza e la convenienza economica con la salvaguardia dell’ambiente.

Se si produce all’estero in paesi con costi di lavoro e di produzione bassi

• Si minimizza il costo totale di produzione
• Si aumenta l’impatto ambientale con le emissioni dovute al trasporto e alle installazioni a bassa efficienza

Se si produce in impianti ecologici locali

• Si massimizzano i costi a causa dei costi elevati della manodopera e dell’investimento in attrezzature ecologiche che minimizzano le emissioni di CO2 e l’utilizzo di risorse
• Si riduce l’impronta ambientale tagliando i trasporti e utilizzando installazioni di alto livello

Questa applicazione fornirà diversi scenari per aiutare a bilanciare questi diversi vincoli.

2. Il supporto dell’analisi dei dati

Negli articoli precedenti, abbiamo scoperto che la programmazione lineare può svolgere un ruolo chiave nell’ottimizzazione dei flussi tra le fabbriche e i centri di distribuzione.

Questi modelli possono aiutare a automatizzare completamente l’analisi approfondita dei parametri di costo (fissi, variabili e di trasporto) e delle metriche ambientali (CO2, risorse) per trovare il giusto equilibrio che soddisfi gli obiettivi aziendali.

Dal punto di vista algoritmico, si dispone di un insieme di parametri esterni

• Domanda: domanda per mercato (Unità/Mese)
• Capacità produttiva per posizione: impianto ad alta capacità (XX Unità/Mese), impianto a bassa capacità (YY Unità/Mese)
• Impronta ambientale: emissioni di CO2 (kgCO2eq/Unità), consumo di risorse (L/Unità) o (MJ/Unità) e produzione di rifiuti (kg/Unità)
• Costi: costo fisso per struttura ($/Mese) e costo variabile per unità ($/Unità)

È anche possibile aggiungere un insieme di vincoli,

• Vincolo 1: Numero di unità prodotte ≥ Domanda totale
• Vincolo 2: Emissioni di CO2 ≤ XX (kgCO2eq/Mese)

L’algoritmo selezionerà quindi un insieme di posizioni di produzione da aprire

• Viene definita una variabile per ogni sito potenziale: (India, bassa capacità) = [0 o 1]
• Se il valore è 1, la posizione è aperta e può produrre fino alla sua capacità

In base alla metrica oggettiva definita dall’utente, il modello può proporre l’insieme ottimale di valori booleani che minimizzeranno questa metrica.

III. Introduzione a VIKTOR

VIKTOR è una piattaforma intuitiva progettata per semplificare la creazione di progetti di ingegneria offrendo potenti strumenti per il rapido sviluppo di algoritmi basati su Python.

1. Caratteristiche principali di VIKTOR

VIKTOR si distingue per la sua capacità di facilitare lo sviluppo, il testing e il deployment rapido di applicazioni web.

La mia prima applicazione era uno strumento semplice per automatizzare l’analisi ABC.

Dopo diversi passaggi facili da seguire, ho effettuato il deployment del mio modello Python con un’interfaccia utente web intuitiva per mostrare i grafici di Pareto e ABC.

Prova l’applicazione: Analisi ABC

2. Benefici per i Data Scientist della Supply Chain

VIKTOR offre ai data scientist e agli analisti una piattaforma user-friendly che si integra bene con i flussi di lavoro esistenti e migliora la produttività e l’efficienza.

Per questa applicazione, ho iniziato con un modello che ho condiviso nel mio Github ( Link ) relativo all’articolo sull’ottimizzazione della Supply Chain.

Nel tutorial “Getting Started” ( documentazione ), puoi trovare tutti i diversi passaggi necessari per deployare un’applicazione semplice che può:

• Prendere input utente come file Excel e selezione dei parametri per eseguire il modello di ottimizzazione
• Mostrare visualizzazioni dinamiche utilizzando Plotly
• Esportare rapporti Word e PDF (Applicazione di analisi ABC)

Ora, posso condividere facilmente questo modello con gli utenti che non hanno competenze di programmazione per eseguire uno script Python.

Per maggiori informazioni, dai un’occhiata alla documentazione ufficiale di VIKTOR.

IV. Panoramica dell’applicazione di ottimizzazione della Supply Chain sostenibile

1. Scopo e funzionalità

L’obiettivo principale è fornire una piattaforma interattiva per gli ingegneri della supply chain per simulare e valutare diverse strategie di progettazione della rete di supply chain.

Prende un singolo file Excel con diverse schede come input e fornisce accesso ai risultati di più scenari di simulazione.

Puoi provarlo qui

• Applicazione di ottimizzazione della Supply Chain sostenibile

2. Primo passaggio: Input dati

Gli utenti possono inserire i loro dati o utilizzare un dataset pre-caricato che include informazioni relative alla domanda di mercato e alle strutture di produzione.

3. Secondo passaggio: Visualizzazione dei dati

Visualizza i diversi parametri del tuo modello basati sui dati inclusi nel file caricato.

🛍️ Domanda di mercato Nella posizione inclusa nel tuo dataset, hai clienti (o negozi) con una domanda mensile in Unità/Mese.

🏭 Offerta di mercato Nella posizione inclusa nel tuo dataset, hai potenziali siti di produzione (impianti a bassa e alta capacità) con una produzione massima mensile in Unità/Mese.

⚡ Consumo energetico Per ogni sito di produzione, l’energia consumata per produrre una singola unità (MJ/Unità).

🗑️ Generazione di rifiuti Per ogni sito di produzione, la quantità di rifiuti generati per produrre una singola unità (Kg/Unità).

🚰 Consumo di acqua Per ogni sito di produzione, la quantità di acqua utilizzata per produrre una singola unità (L/Unità).

🌲 Emissioni di CO2 Per ogni sito di produzione, la quantità di CO2 emessa per unità prodotta (Kg CO2eq/Unità).

Lo strumento ti aiuterà a decidere dove stabilire le fabbriche per soddisfare la domanda di tutti i tuoi mercati considerando il trasporto, i costi di produzione e gli aspetti ambientali.

4. Terzo Passo: Selezione della Funzione Obiettivo

Ciò porta a decisioni strategiche informate che migliorano l’efficienza e la sostenibilità della tua catena di approvvigionamento.

Gli utenti possono selezionare tra quattro funzioni obiettivo,

💰 Costi di produzione Minimizzare il costo complessivo di produzione e spedizione dei prodotti ai diversi mercati ($/Unità)

🚰 Consumo di acqua Minimizzare la quantità di acqua utilizzata per unità prodotta (L/Unità)

⚡ Consumo energetico Minimizzare la quantità di energia utilizzata per unità prodotta (MJ/Unità)

🌲 Emissioni di CO2 Minimizzare le emissioni di CO2 per unità prodotta e consegnata (kgCO2eq/Unità)

I risultati sono restituiti automaticamente dall’applicazione,

5. Ultimo Passo: Visualizzare i Risultati

Per ogni scenario, l’applicazione fornisce una panoramica completa dei risultati utilizzando una dettagliata suddivisione dei costi e degli impatti ambientali.

Una Sankey chart ti aiuta a tracciare il flusso dei beni dalle sedi di produzione ai rispettivi mercati.

Nell’esempio sopra,

• Il Brasile produce 15.000 unità/mese: 1.450 unità per il mercato locale e il resto per gli USA
• Gli USA, la GERMANIA e il GIAPPONE si basano interamente sulle importazioni

I responsabili delle decisioni possono adottare un approccio pratico alla progettazione della loro rete.

Utilizzando prescrizioni alimentate da dati, comprenderanno gli impatti di ogni metrica obiettiva (CO2, acqua, energia, …).

Ad esempio, la visualizzazione sopra può sollevare le seguenti domande

• Q1: Possiamo permetterci un aumento del 100% dei costi per minimizzare le emissioni di CO2?
• Q2: Perché è più economico minimizzare l’uso dell’acqua che le emissioni di CO2?
• Q3: Sarebbe significativo trovare siti di produzione green in India?

Per rispondere alla domanda Q3 , diamo un’occhiata alla visualizzazione qui sotto

Come possiamo vedere sulla destra, la maggior parte delle emissioni per mercato proviene dal trasporto di merci dalle piante di produzione.

Quindi, anche con l’attrezzatura più green in India , avremmo comunque emissioni elevate a causa del trasporto.

V. Conclusioni

Le aziende devono rispondere in modo più efficace alle crescenti richieste ambientali, sociali e di governance (ESG) da parte degli stakeholder e degli organismi regolatori.

Questo semplice prototipo, implementato utilizzando VIKTOR, può contribuire ad accelerare la loro transizione verso le catene di approvvigionamento green.

Può essere facilmente migliorato aggiungendo funzionalità avanzate come,

• Vincoli sull’uso massimo delle risorse o sulle emissioni di CO2
• Introdurre variabilità nella domanda per costruire una rete robusta
• Visualizzare l’efficienza della impronta di produzione (Output di produzione massimo/capacità)

Invito vivamente a esplorare questa applicazione, sfruttando le sue capacità per testare diversi scenari di ottimizzazione utilizzando il tuo dataset.

Feedback e suggerimenti per miglioramenti sono sempre i benvenuti poiché sto lavorando per perfezionare questo strumento per servire meglio i feed operativi e l’obiettivo più ampio dello sviluppo sostenibile.

Su di me

Connettiamoci su Linkedin e Twitter, sono un ingegnere di catena di approvvigionamento che utilizza l’analisi dei dati per migliorare le operazioni di logistica e ridurre i costi.

Se sei interessato all’analisi dei dati e alle catene di approvvigionamento, dai un’occhiata al mio sito web

Samir Saci | Data Science & Productivity

Un blog tecnico incentrato sull’analisi dei dati, la produttività personale, l’automazione, la ricerca operativa e la sostenibilità…

samirsaci.com

Riferimenti

• Robust Supply Chain Networks with Monte Carlo Simulation, Samir Saci , Towards Data Science
• Cosa sono gli Approvvigionamenti Sostenibili?, Samir Saci , Nisoo
• Ottimizzazione della Rete di Approvvigionamento Sostenibile, Samir Saci, Applicazione
• Segmentazione del Prodotto & Analisi ABC, Samir Saci, Applicazione