ООО «Оптимальное Управление»

Резидент «Сколково»

Победитель питч-сессии Enterprise Applications &

Big Data на Startup Village 2013 в Сколково

Участник Platform Development

Accelerator for SAP HANA

Участник SAP Startup Focus Development Accelerator

Участник IBM Global Entrepreneur

Участник IBM PartnerWorld

Мы применяем математические модели и методы

оптимизации для управления предприятиями

2

Решаемая задача

Мы решаем актуальную проблему управления

деятельностью мультинациональных компаний:

• Определяем оптимальные внутренние цепочки

поставок, обеспечивающие максимум прибыли

компании в целом.

При этом мы используем новые математические модели

и численные методы, инструменты Big Data и

высокопроизводительные вычислительные кластеры.

Наши решения позволяют увеличить прибыль

мультинациональной компании на 5 - 10% и более.

3

Решаемая задача

Оптимизация внутренних цепочек поставок

мультинациональных компаний

Если дочерние компании находятся во множестве стран, какими

будут самые эффективные товаропотоки и трансфертные цены?

4

• Расширение глобализации ведёт к усложнению

цепочек поставок.

• Налоговые органы во всём мире увеличивают

требования к бизнесу.

• Применяемые на практике техники оптимизации

цепочек поставок предполагают решение задач

линейного программирования, ограничивая этим

возможности оптимизации.

• Оптимизационные расчёты для компаний среднего

размера часто требуют решения задач, формальная

постановка которых содержит миллионы переменных

и несколько терабайтов данных.

Особенности

проблемы

5

• В настоящее время задачи оптимизации логистики и

налогообложения решаются последовательно:

- сначала системы SCM планируют товаропотоки,

обеспечивающие минимум затрат;

- затем для найденной схемы товаропотоков системы

оптимизации налогообложения рассчитывают трансфертные

цены, обеспечивающие максимум прибыли глобальной

компании;

- в обоих случаях решаются задачи линейного программирования.

• Результат такой последовательной оптимизации не

является оптимальным решением. Только одновременно

оптимизируя и товаропотоки, и трансфертные цены, можно

найти вариант цепочек поставок, при котором прибыль будет

максимальной.

Существующая

практика

6

Наш подход

Одновременное решение комплексной задачи.

Hadoop как низкобюджетный суперкомпьютер.

• Использование мат.моделей квадратичного

программирования, новых параллельных численных

методов и теории оптимального управления.

• Моделирование и оптимизация на SAP HANA и Hadoop.

• Бесшовная интеграция с SAP Business Suite.

SAP HANA

SAP ERP

SAP APO

Hadoop

Cluster

7

Структура цепочки поставок строится с учётом числа

переделов продукции на конкретном предприятии.

При описании цепочки поставок задаются:

• Страны (юрисдикции с различным налогообложением)

• Внутренние и внешние поставщики

• Производственные площадки

• Распределительные центры

• Рыночные зоны

• Виды товаров (сырья, полуфабрикатов и конечных

продуктов)

• Существующие способы транспортировки каждого

вида товаров между различными площадками

Структура цепочки

поставок

8

Адаптация

мат. модели Модель может описывать разное число переделов продукции,

быть статической или динамической (учитывающей время).

9

• Одновременная оптимизация товаропотоков и

трансфертных цен может увеличить прибыль

мультинациональной компании до 5% и более.

• Чем сложнее логистическая сеть и больше по ней

проходит товарных позиций, тем больший эффект

получается в результате одновременной

оптимизации трансфертных цен и товаропотоков.

• Дополнительные 2 - 4% прибыли могут быть

получены за счёт использования динамических

математических моделей, способных учитывать

прогнозы цен на различных рынках и время

прохождения товаров по разным цепочкам.

Выгода для

клиентов

10

В результате расчёта определяется:

• Значение максимальной общей прибыли

предприятия после налогообложения

и параметры, при которых достигается найденный

максимум:

• Товарные потоки между всеми компаниями,

участвующими в логистической цепочке

• Трансфертные цены, которые надо установить

между всеми дочерними компаниями

• Распределение транспортных затрат между

дочерними компаниями – участниками

транспортировки

Результаты

оптимизации

11

• Предельные производственные мощности каждой площадки

• Расходование ресурсов (мощности) каждой площадки при производстве

единицы сырья / полуфабрикатов / продукции

• Затраты на приобретение единицы сырья у внешних поставщиков

• Фиксированные и переменные затраты на добычу / распределение /

производство на каждой площадке

• Количество материалов, необходимых для производства единицы

продукции / полуфабриката на каждой площадке

• Себестоимость технологических потерь и технологических запасов товаров

различных видов, необходимых для работы отдельных площадок

• Транспортные затраты при разных маршрутах и способах транспортировки

• Запланированный спрос на конечные продукты в рыночных зонах

• Рыночные цены конечных продуктов в разных рыночных зонах

• Импортные и экспортные пошлины

• Ставки налога на прибыль в разных странах

• Допустимые диапазоны трансфертных цен на различные продукты в

соответствии с законодательствами разных стран

Статическая модель

учитывает:

12

Динамическая модель строится как расширение статической

модели. В динамической модели дополнительно

учитывается:

• Число интервалов, на которые делится планируемый период времени.

• Время прохождения товаров по разным маршрутам.

• Зависящие от интервала времени:

‒ прогнозные значения цен;

‒ прогнозы объёмов спроса в разных рыночных зонах;

‒ затраты на производство;

‒ затраты на транспортировку;

‒ курсы обмена валют.

Дополнительные результаты оптимизации:

• Время выполнения отгрузки и начала производства на каждой площадке.

• Планируемые объёмы продаж в каждой рыночной зоне по интервалам

времени.

Динамические

модели

13

Результаты

расчётов

Характеристики модели Модель 1 Модель2

Число переделов 1 1

Число поставщиков 11 50

Число внутренних поставщиков 3 12

Число производственных площадок 3 8

Число распределительных центров 8 10

Число рынков сбыта 20 80

Количество позиций сырья и комплектующих 10 35

Количество конечных продуктов 5 12

Оптимизационный эффект 2,08% 4,90%

Результаты оптимизационных расчётов по

статическим моделям на лабораторных примерах

14

Потенциальные

клиенты

Решаемая задача актуальна для большинства

производственных компаний, имеющих дочерние бизнес-

единицы в разных странах и конкурирующих за потребителя

на глобальном рынке. Как правило, это – крупные компании

или принадлежащие к верхнему сегменту средних.

Наши потенциальные клиенты относятся к разным отраслям:

• Нефтегазовая промышленность;

• Чёрная и цветная металлургия;

• Химия и нефтехимия;

• Производство строительных материалов;

• Пищевая промышленность;

• Производство потребительских товаров;

• Фармацевтика и биоинженерия;

• …

15

Команда

• CEO более 10 лет работает на руководящих позициях

• Научный руководитель проекта - всемирно известный учёный

• В проекте также участвуют 2 доктора наук и 2 кандидата наук

• Участники проекта имеют более 200 публикаций по

оптимальному управлению и оптимизации

• В проекте участвуют сертифицированные консультанты по

приложениям SAP и разработке

• В команде опытные руководители проектов и архитекторы

• Члены команды имеют международный опыт

• Команда сочетает опыт специалистов и энтузиазм молодёжи

за счёт привлечения талантливых студентов профильной

кафедры МГТУ им. Баумана

16

Решение в виде

услуги Сейчас разработаны расчётные модули, и мы готовы

оказывать услугу.

Процесс оказания услуги включает следующие шаги: • Сбор данных о базовой структуре цепочек поставок клиента

• Оценка затрат на проведение расчёта и полный сбор данных

• Согласование с клиентом учитываемых параметров

• Адаптация мат.модели к условиям клиента

• Сбор всех необходимых данных для разработанной модели

• Трансформация собранных данных в расчётную модель

• Выполнение расчёта

• Использование полученных результатов

По аналогии с задачами оптимизации логистики, статическая модель

рассчитывается через каждые 6 месяцев на 18 месяцев.

Динамическая модель пересчитывается ежемесячно или еженедельно.

17

Контакты

Контактные лица:

• В России и СНГ – Андрей Сухобоков

телефон: +7 903 577 9667

e-mail: andrey.sukhobokov@optimalmngmnt.com

• В США и Великобритании – Виталий Баклыков

телефон: +1 240 620 1229

e-mail: vitaliy.baklikov@optimalmngmnt.com