ITC Infotech是一家提供技术服务和解决方案的国际供应商，业务横跨多个行业，包括银行、医疗保健、制造、快速消费品和供应链。通过仿真和优化技术以及高级分析，他们为网络设计和规划、库存规划、调度等问题开发了解决方案。

本案例研究详细介绍了他们在快速消费品行业的一个项目。该项目的目的是确定保质期储存有限产品的库存规范。该解决方案是通过在AnyLogic中使用基于仿真的优化而得到的。

问题：快速消费品领域的库存管理与优化

Fast Moving Consumer Goods（简称FMCG）和Consumer Packaged Goods（简称CPG）都指的是快速消费品，即相对低成本高频率消费的产品。一些快速消费品，如饮料和食品，不会在货架上停留太久，因为它们往往需求量高或者保质期短，或两者兼有。许多公司一直在寻找新的库存管理解决方案，以缓解这种快速周转的挑战

一家全球制造领导者，针对其多级分销网络的复杂性，希望优化其食品库存管理流程。

该公司面临的问题是食物变质和供应比率低于预期。它本可以生产更多产品来提高供应比率，但这将导致更严重的变质问题。或者，它也可以减少产量，以保持低变质率，但这也会降低供应比率。为了解决这一挑战，他们联系了TC Infotech，寻找最佳的生产数量和频率，以及最佳的补给策略。

解决方案：建立仿真模型，优化产量

假设一个快消的商品在生产后100天过期。根据合同，在产品过期前，零售商至少要能够存储30天。这意味着制造商必须在70天内将产品交付给零售商。如果超过最后期限，产品必须被丢弃，制造商将遭受损失。

为了计划生产并计算制造商在将产品运送给零售商之前可以将产品在库存中保存多久，ITC使用了一个保质期系数。这个系数是制造商可以在其库存中保存产品的天数与产品应该交付给零售商的时间的比率。例如，系数是0.6，生产商将需在在42天内将（70天的0.6）存储产品交付给零售商。

ITC专家旨在计算每个库存单位(SKU)的保质期系数，以及最佳产量，以避免产品质量恶化。此外，他们的目标是确定补充和生产频率，同时保持最大供应比率。为此，他们决定在AnyLogic中构建一个基于仿真的优化模型，并测试不同的场景。

基于仿真的库存优化模型

多梯队分销网络通常由一个工厂、一个仓库和多个配送中心组成。

在这个库存仿真模型中，专家们考虑了两个智能体群：一个工厂和一个配送中心。他们还定义了几种智能体类型，包括装运（将货物从工厂装运到配送中心）、需求和批次（一定数量的相同产品）。

配送中心智能体响应需求，并根据需求的满足量计算供应比率。这反过来又有助于确定服务级别。

工厂智能体根据生产频率生成生产订单。生产的批次在被运送到配送中心之前，将在工厂的库存中排队。在排队过程中，该模型计算工厂的食物变质情况。

配送中心智能体从工厂智能体那里接收成批产品，处理它们，然后将它们存储在库存中。库存中因为没有需求而未销售出的食品会变质。该模型在计算配送中心的食物变质时也考虑了这些信息。

结果：基于仿真的库存优化模型的优点

在执行了具有不同保质期因素的多个仿真模型运行后，ITC专家发现了每个补充策略的最佳保质期因素。他们还确定了基于最大供应比率和最小产品食物变质情况下的生产频率。

根据输出数据，随着保质期系数的增加，供应比率有所提高。这是很自然的，因为增加这个因素意味着产量的增加。它确保了更好的服务水平，但也增加了食物变质的风险。

利用仿真结果，ITC绘制了一条曲线，表示供应比率和食品变质之间的相互依赖关系。

ITC还提供了每个保质期系数在100个模型运行上获得的值的分布，如下图右侧所示。它帮助企业决定了最佳的保质期因素。