Tedarik zinciri simülasyonu: model kurma ve senaryo test etme

Simülasyon hangi soruya yanıt verir?

Tedarik zincirinde birçok karar, ancak denendiğinde sonucu görülen kararlardır: emniyet stoğunu artırmak, yeni bir dağıtım merkezi açmak, tedarikçi sayısını değiştirmek, bir gecikme yaşandığında siparişleri yeniden yönlendirmek. Gerçek sistemde denemek pahalı ve riskli olabilir. Simülasyon, sistemin bilgisayarda taklit edilmiş bir kopyasında bu denemeleri yapmanızı sağlar.

Bir tablo hesabı ortalama değerlerle çalışır. Gerçek zincir ise değişkendir: talep haftadan haftaya dalgalanır, tedarik süresi uzar ya da kısalır, araçlar gecikir. Bu değişkenlikler birbirini etkileyince ortalama hesabın göstermediği sorunlar çıkar; bir hat sakin görünürken kuyruklar birikebilir. Simülasyon, bu rastgeleliği modele katarak sonucun tek bir sayı değil bir dağılım olduğunu gösterir.

Simülasyon senaryo planlamasından farklıdır. Senaryo planlaması, hangi olayların sınanacağını ve nasıl bir plan hazırlanacağını belirler; simülasyon ise o sınamayı sayısal olarak yapan bir araçtır. Dijital ikiz ise canlı veriyle beslenen bir simülasyon modelidir; burada anlatılan model bundan bağımsız, karar öncesi analiz için kurulur.

Hangi simülasyon yaklaşımı hangi soru için?

Tedarik zincirinde kullanılan başlıca yaklaşımlar birbirini tamamlar:

• Kesikli olay simülasyonu: Sipariş gelişi, yükleme, taşıma ve kuyruk gibi olaylarla ilerleyen süreçler için uygundur. Depo ve dağıtım operasyonları, kapasite ve bekleme sorularında kullanılır.
• Ajan tabanlı simülasyon: Kendi karar kuralları olan aktörlerin (müşteriler, tedarikçiler, araçlar) etkileşimini modeller. Davranışın sistem düzeyinde nasıl bir sonuç doğurduğunu görmek istediğinizde işe yarar.
• Sistem dinamiği: Stok ve akışlar arasındaki geri besleme döngülerini ele alır. Sipariş verme alışkanlıklarının ardışık halkalarda dalgalanmayı büyüttüğü kamçı etkisi gibi olguları göstermek için uygundur.
• Monte Carlo: Belirsiz girdilerle çok sayıda rastgele deneme yapar. Bir stok politikasının hizmet seviyesi dağılımını bulmak gibi sorular için basit ve güçlüdür; elektronik tabloda bile kurulabilir.

Yazılım tarafında genel amaçlı simülasyon araçları (AnyLogic gibi ticari paketler) ya da programlama dilleri ve kütüphaneleri kullanılabilir. Araç, soru ve ekip yetkinliğine göre seçilir; yöntem aracın önündedir.

Model nasıl kurulur: adım adım

Sağlam bir model, aşağıdaki sırayla ilerler:

• Soruyu tanımlayın. “Emniyet stoğunu artırmak, hizmet seviyesini ne kadar iyileştirir ve maliyeti nasıl değiştirir?” gibi ölçülebilir bir karar sorusu yazın.
• Sistem sınırını çizin. Hangi tedarikçi, depo ve müşteri modelde yer alacak, hangi ayrıntı dışarıda kalacak? Soruyla ilgisiz ayrıntı modeli yavaşlatır ve okunmaz hale getirir.
• Veriyi toplayın ve dağılımları seçin. Talep, tedarik süresi, arıza ve kapasite için geçmiş veriden dağılımlar çıkarın. Ortalama değil, dağılım kullanın.
• Modeli kurun. Basit bir sürümle başlayıp ayrıntıyı kademeli ekleyin.
• Doğrulayın ve geçerleyin. Doğrulama modelin kodlandığı gibi çalıştığını, geçerleme ise gerçek sistemi yansıttığını sınar. Modelin geçmiş dönem sonuçlarını yeniden üretebildiğini görmeden senaryolara geçmeyin.
• Deneyleri yapın. Senaryoları tanımlayıp her birini çok kez çalıştırın.
• Yorumlayıp yineleyin. Sonuçlar yeni sorular doğurur; model buna göre güncellenir.

Senaryolar nasıl tasarlanır ve okunur?

Senaryo testinin ilk kuralı, önce temel durumu (baseline) kurmaktır: modelin, bugünkü işleyişi makul biçimde yeniden üretmesi gerekir. Temel durum güvenilir değilse senaryo farkları da güvenilir değildir.

Sonra senaryolar tanımlanır. Tipik örnekler: talepte ani sıçrama, tedarikçide uzayan teslimat, bir deponun kapasite kaybı, yeni bir dağıtım merkezi, stok politikasında değişiklik. Her senaryoda mümkün olduğunca tek bir şeyi değiştirin; aynı anda birçok değişiklik yaparsanız farkın kaynağını bulamazsınız.

Her senaryo çok kez çalıştırılır, çünkü rastgelelik nedeniyle tek bir çalıştırma talihsiz bir örnek olabilir. Sonuç, ortalama kadar değişkenlik ve uç değerlerle okunur: hizmet seviyesi ortalaması yüksek olsa da kötü haftalar çok sık geliyorsa politika zayıftır. Senaryolar karşılaştırılırken aynı rastgele girdi dizilerinin kullanılması, farkın şanstan değil politikadan geldiğini daha net gösterir.

Sonuçlar duyarlılık analiziyle desteklenir: bir girdi değişince çıktı ne kadar hareket ediyor? En çok etkileyen girdi, hem veri toplama çabasının hem de yönetim dikkatinin yöneleceği yerdir.

Örnek: stok politikası testi

Kurgusal bir dağıtım ağı düşünün: bir merkez depo ve müşteriye yakın birkaç bölge deposu. Soru şudur: bölge depolarında emniyet stoğunu artırmak, müşteri siparişlerinin zamanında karşılanma oranını ne kadar iyileştirir ve toplam stok maliyetini ne kadar yükseltir?

Model; bölge talebini haftalık dalgalanan bir dağılımla, merkezden gelen tedarik süresini değişken bir dağılımla temsil eder. Önce mevcut politika modele girilir ve geçmiş dönemin hizmet seviyesi yeniden üretilir. Sonra emniyet stoğu kademeli olarak artırılan senaryolar tanımlanır ve her biri çok kez çalıştırılır.

Tipik bulgu şudur: ilk artışlar hizmet seviyesini belirgin biçimde iyileştirir, sonraki artışlar ise az iyileştirir ama stok maliyetini hızla yükseltir. Yani azalan getiri vardır. Simülasyon bu kırılma noktasını gösterir; yöneticiye “daha fazla stok” ya da “daha az stok” yerine, hangi noktada hangi bedelle ne elde edildiğini sunar. Aynı modelle bir gecikme senaryosu da denenir: merkezin tedarik süresi uzarsa hangi bölgeler önce darboğaza girer?

Sık yapılan hatalar

En sık hata, modeli gereğinden ayrıntılı kurmaktır. Her ayrıntı veri, doğrulama ve çalıştırma süresi demektir; soruya yetmeyen sade model, her şeyi içeren ama okunamayan modelden iyidir.

İkinci hata, veriyi uydurmaktır. Elde veri yokken dağılım varsaymak gerekebilir, ama varsayım açıkça yazılmalı ve duyarlılık analiziyle sınanmalıdır.

Üçüncü hata, ortalama kullanmaktır. Talebin ortalamasıyla çalışan model, kuyrukları ve stok tükenmelerini göstermez; dağılım kullanılmalıdır.

Dördüncü hata, tek çalıştırma sonucunu kesin sanmaktır. Rastgelelik nedeniyle senaryolar çok kez çalıştırılmalı, sonuç dağılım olarak okunmalıdır.

Beşinci hata, doğrulamayı atlamaktır. Modelin geçmiş davranışı yeniden üretilmeden yapılan senaryo karşılaştırması, hesabın güzelliği kadar güvenilirdir ve karar kalitesini artırmaz.

Altıncı hata, sonucu karar yerine sunum için kullanmaktır. Simülasyonun değeri, bir kararı değiştirmesinde ya da doğrulamasındadır.

Bu beceriyi Mindset programlarında nerede çalışırsınız

Lojistik ve Tedârik Zinciri Yöneticiliği Sertifika Programı, tedârik zinciri simülasyonunu ayrı bir konu olarak ele alır; satış ve operasyon planlama, risk ve kriz yönetimi gibi diğer konularla birlikte, simülasyon sonuçlarının planlama kararlarına nasıl bağlanacağını görürsünüz.

Yöntemi derinleştirmek isteyenler için Tedarik Zinciri Ağ Simülasyonu ve Kesikli Olay Simülasyonu ile Üretim Hattı Analizi programları ayrıca bulunur.