Creating a profitability optimization tool for a multi-product portfolio : Case Meat Processing Industry

Abstract

The objective of this thesis is to create a profitability optimization tool that can be used for strategic- and tactical product portfolio optimization in a case company operating in the meat processing industry. To achieve this objective, essential optimization theory is sought and presented and a literature review of the most potential optimization algorithms for the tool is made. The analysis suggests that the most potential algorithms for product portfolio optimization problems are: simplex, genetic algorithm, particle swarm optimization, simulated annealing, and tabu search.

The tool build for the case company is based on Excel Solver and it uses the simplex algorithm augmented with sensitivity analysis as its solving method. The tool includes slots for 200 decision variables, possibility to give maximum, minimum and equality constraints to each of the decision variables, slots for 30 availability (maximum) constraints for different raw materials and a possibility to give maximum constraints for 20 different product groups. Moreover, the tool can be used to perform different simulations of which a few examples are presented.

Results reveal that the tool can be built successfully by utilizing key concepts from the modeling and optimization theory. The potential for profitability increase by using the tool was calculated with historical data to be 1,68% on an annual level.

Tämän tutkimuksen tarkoituksena on luoda kannattavuudenoptimointityökalu, jota voidaan käyttää strategiseen ja taktiseen tuoteportfolion optimointiin lihateollisuuden case-yrityksessä. Työssä esitellään oleellisimmat teoriat liittyen kyseiseen optimoinnin alueeseen pohjustuksena työkalun luomiselle. Tämän lisäksi potentiaalisimmat optimointialgoritmit etsitään ja esitellään kirjallisuuskatsauksessa. Kirjallisuuskatsauksen tulokset osoittavat, että potentiaalisimmat optimointialgoritmit tuoteportfolion optimointiin ovat: simplex, genetic algorithm, particle swarm optimization, simulated annealing ja tabu search.

Case-yritykselle rakennettu työkalu pohjautuu Excelin Ratkaisimeen, ja se käyttää simplex algoritmia ja herkkyysanalyysiä optimointimetodina. Työkaluun voidaan syöttää 200 lopputuotetta, joille voidaan antaa vähimmäis-, yhtäsuuruus- ja enimmäismäärä rajoitteet. Lopputuotteille voidaan syöttää 30 raaka-ainetta, joille voidaan asettaa saatavuutta kuvaavat rajoitteet. Tuotteet voidaan myös ryhmitellä 20 eri tuoteryhmään, joille voidaan antaa enimmäismäärä rajoitteet. Tuoteportfolion optimoinnin lisäksi työkalua voidaan käyttää erilaisten päätöksentekoa tukevien simulaatioiden suorittamiseen, joita kuvataan tutkielmassa esimerkkien avulla.

Tutkielman tulokset osoittavat, että kannattavuudenoptimointityökalu voitiin rakentaa case-yritykselle onnistuneesti hyödyntämällä työssä esitettyjä optimointi- ja mallinnusteorioita. Hyödyntämällä historiallista dataa pystyttiin toteamaan, että työkalua käyttämällä case-yritys olisi pystynyt parantamaan kannattavuuttaan 1,68% vuosittaisella tasolla.