Модель многокритериальной оптимизации выбора поставщика
Выбор поставщика в закупках до сих пор делается преимущественно вручную — и это не преувеличение. Менеджер открывает таблицу с коммерческими предложениями, смотрит на столбец «цена за штуку» и выбирает минимум. Логично? На первый взгляд — да. Но за этой логикой скрывается системная ошибка, которая повторяется на большинстве производственных предприятий снова и снова.
Проблема в том, что каталожная цена — это не та цена, которую предприятие фактически платит. Почти каждый поставщик работает с минимальной партией (MOQ — Minimum Order Quantity). Если вам нужно 30 единиц, а поставщик отгружает от 100, вы платите за 100. Реальная стоимость единицы нужного товара может оказаться втрое выше каталожной — и «самый дешёвый» поставщик превращается в самого дорогого. Именно это и происходит в численном примере, который мы разбираем в статье.
Вторая проблема — надёжность поставщика оценивается субъективно. Один менеджер помнит, что «с этими бывали задержки», другой уже не помнит, третий пришёл месяц назад и не знает ничего. При этом ERP-система хранит полный журнал закупочных операций: сроки, рекламации, возвраты — всё это есть, но почти никогда не используется для формализованной оценки контрагентов.
Мы построили математическую модель, которая закрывает оба пробела. Три критерия — приведённая стоимость закупки с учётом MOQ, срок поставки и интегральный уровень доверия, вычисленный автоматически из данных ERP. Веса критериев определяются методом анализа иерархий Саати с обязательной проверкой согласованности экспертных суждений. Уровень доверия взвешивается комбинированным методом: экспертное соотношение плюс энтропия Шеннона по накопленной статистике.
Всё это реализовано в Engee на Julia — с защитой входных данных, читаемым кодом и анализом чувствительности по пяти сценариям весообразования.
Что получили на выходе:
- Модель приведённой цены, которая переводит MOQ из бинарного ограничения в непрерывный экономический критерий;
- Интегральный показатель доверия к поставщику, вычисляемый автоматически из истории ERP без участия человека;
- Процедуру МАИ с верификацией согласованности — суждения эксперта либо принимаются, либо отправляются на пересмотр;
- Числовой пример с пятью поставщиками, где лидер по каталожной цене оказывается исключён в первом же шаге;
- Анализ чувствительности, показывающий при каких условиях оптимальный выбор меняется.
Подробнее с алгоритмом можно ознакомиться здесь: https://habr.com/ru/articles/1077648/