Как управлять запасами на производстве?

На сегодняшний день много производственных предприятий находятся в поиске лучших методов и алгоритмов для управления цепью поставок. Рано или поздно собственник или топ-менеджер компании задается вопросами:

  • Как вовремя реагировать на спрос рынка?
  • Как избежать ошибок в прогнозах?
  • Как минимизировать потери?
  • Как повысить надежность поставок?

В процессе изучения и использования разных подходов (Theory of Constraints, Lean, 6 Sigma и др.), я находил в каждом из них именно то, что мне нужно. Но однажды я познакомился с методологией, которая включила в себя все инновации и существующие алгоритмы. И что важно — данный подход способен реагировать на колебания потребительского спроса.

Я расскажу вам о методологии Demand Driven Material Requirement Planning, которую используют такие мировые лидеры, как Coca-Cola, Michelin, Unilever, LG International.

Чтобы разобраться, какие проблемы решает методология, давайте рассмотрим следующий пример: утром, вы как клиент, идете в ресторан, чтобы позавтракать пастой. Не будем спорить о вкусах каждого и о ценовой политике ресторана. Объект нашего исследования здесь — цепь поставок и производства, позволяющая получить эту самую пасту.

Процесс приготовления пасты состоит из сбора воедино различных составляющих, чтобы получить готовое блюдо (готовый продукт), и подать его в ресторане. С одной стороны, в цепи присутствует процесс приготовления теста, путем проведения поваром нескольких операций: замеса теста, с использованием отдельных составляющих — муки, воды и другого сырья, раскатывания и нарезки, затем происходит отваривание. С другой стороны, есть поставщик овощей для начинки и соуса к блюду — помидоры, оливки, шпинат, который снабжает им повара, возможно, не напрямую, а через несколько звеньев поставок. А поставщик, в свою очередь, закупает необходимые ему компоненты и овощи у своих партнеров — тех, кто их выращивает. Примерно так выглядит цепь поставок в нашем примере.

Конечно же ассортимент ресторана обычно шире, чем просто паста, но бывает и так, что, заходя, вы видите ограниченное меню. Это происходит из-за различных источников вариабельности.

Четыре типа вариабельности в производственных процессах

  1. Вариабельность спроса. Сегодня в ресторане может быть 10 клиентов, а на следующий день уже 40 — клиенты могут заказать банкет в ресторане в честь дня рождения коллеги, приехать и выкупить все запасы, после чего, вы потенциально не сможете выполнить заказ следующих посетителей. Такой скачок зовется вариабельностью.
  2. Вариабельность от поставщиков. Повар, не получив партию ингредиентов вовремя, не сможет изготовить достаточное количество заказов. Получив больше, сырье может утратить свою ценность или испортиться.
  3. Операционная вариабельность. Сегодня повар в плохой форме, и ему потребуется больше времени для готовки, или он может забыть кастрюлю на плите, вода выкипит, и продукция сгорит.
  4. Управленческая вариабельность. Повар делает пасту, а шеф-повар говорит, что необходимо переключиться на приготовление других заказов, что вынужденно меняет приоритеты производства.

Из-за всех этих факторов вы не всегда достигаете поставленных целей, как клиент — купить (заказать) запланированное количество необходимого товара (в нашем примере, блюд).

Можно отследить различные индикаторы:

  • Точно в срок (OTD — On-Time Delivery). Это количество товара, поставленного в срок (и в нужном количестве) из общего количества заказов. На примере повара, если вы выполнили заказ восьми клиентов из десяти, ваш OTD составит 80%. Этот индикатор может колебаться в зависимости от влияния различных типов вариабельности. Чтобы сократить время ожидания заказов клиентами, можно позиционировать (разместить) запасы на разных этапах производства или поставки, но в таком случае, повысится количество запасов в цепях поставок. Проблема заключается в стоимости этих запасов. В конечном итоге это завязано на «оборотном капитале».
  • Использование оборотного капитала означает стремление удовлетворить клиентский спрос привлечением денежного потока компании на содержание запасов, вместо того, чтобы инвестировать в другие стратегические цели компании. Таким образом, главная цель управления цепями производства — сделать их гибкими и быстро адаптируемыми к резким скачкам спроса или вариабельности для удовлетворения потребности рынка и управления ROI. В нашем примере, если ничего не предпринять для изменения ситуации, амплитуда колебания спроса и вариабельности, которые были в начале цепи, будут расти на протяжении всего процесса. Это то, что мы называем «эффектом кнута». Возникает вопрос: «Как управлять такой системой?», «Какие методологии для этого использовать?».
  • Существует методология MRP, которая является наиболее распространенной для «выталкивания» потока. Планирование процессов осуществляются на основании прогноза, начиная от отгрузки товара клиентам и заканчивая закупками сырья и материалов. Элементы системы взаимосвязаны между собой и неточность прогноза на каждом из звеньев системы ведет за собой отклонение от намеченных результатов на выходе всей системы.
  • Также есть методологии Kanban или ТОС, основанные на «вытягивающем» подходе, которые концентрируются не на том, как сделать более четкий прогноз, а на том, как максимально гибко и оперативно реагировать на изменения рынка, клиентского спроса. Но вытягивающий подход эффективен на операционном уровне, но не стратегическом, он не позволяет учитывать резкие скачки вариабельности.
  • И наконец, DDMRP, которая объединяет в себе лучшее из этих и других методик.

DDMRP — это методология, состоящая из пяти шагов:

1. Стратегическое позиционирование запаса по цепи

Отвечает на вопрос, на каком участке цепи на каком SKU разместить запас (буфер). Мы установим буфер на томаты. В MRP, когда запас установлен, он статичен. С DDMRP мы можем регулировать запас в зависимости от реального спроса. Предположим, буфер установлен в стратегически важных точках. В нашем примере, мы храним X килограмм помидор в холодильной камере на кухне ресторана.

2. Расчет величины запаса SKU

(профиля и уровня буферов)

Буфер рассчитан на основе потребления, времени на производство, поставку и производственных ограничений. То есть, мы учитываем среднее количество заказов (ADU), время приготовления блюд и доступность кухонной техники для оперативного приготовления заказов (кухонные машины, варочные поверхности и т. д.).

3. Динамическое изменение величины запаса

(регуляция зон буферов)

Важно, что мы динамически изменяем (регулируем) количество запаса, в зависимости от изменения таких показателей, как потребление, время производства и производственные ограничения. То есть, если мы знаем, что сегодня количество зарезервированных мест в ресторане ниже среднего, а также мы дали выходной одному из поваров, заказ на ингредиенты стоит делать в меньшем количестве.

4. Планирование пополнения на основании спроса

(размещение заказов)

Касательно планирования пополнения: давайте рассмотрим стратегический буфер DDMRP, который состоит из красной, желтой и зеленой зоны (визуально, как в ТОС).

В DDMRP, посчитав сальдо потока, станет известно определенное количество запаса, которое необходимо дозаказать. Сальдо потока (Net Flow Equation) принимает во внимание что фактически есть в наличии, заказы в пути и клиентский спрос. Что еще нового мы получаем с этой методологией — учет пиковых заказов в период времени выполнения заказа (Lead Time) в уравнении сальдо потока. Если приближается пиковый спрос, необходимо сделать заказ с учетом будущего пика. Если мы ожидаем банкетный ужин (пиковый спрос), мы делаем больший заказ на ингредиенты с учетом того меню, которое у нас есть в предзаказе. Следует понимать, что такой заказ для нас существенно повышает наш средний заказ, но при этом он не является регулярным.

Есть одно простое правило для DDMRP: каждый раз, когда сальдо потока падает ниже зеленой зоны, необходимо сделать заказ, чтобы вернуть позицию до верха зеленой зоны. Если на томаты был спрос и сальдо потока попадает в желтую зону, методология рекомендует делать заказ до верха буфера.

5. Прозрачное и совместное исполнение заказов

Теперь, когда процессы на заказ сырья запущены, нужно понимать, когда запускать заказы в работу. Для исполнения DDMRP использует систему статусов (Buffer status).

Итак, потенциально у нас есть буфер для томатов, а также и для оливок. Будут созданы заказы на поставку и для томатов, и для оливок. Необходимо понимать, в какой последовательности производить продукцию. Для это рассчитывается Buffer status каждого SKU. В этом случае, в отличие от сальдо потока, принимаются в расчет только фактический остаток товара (то, что в наличии) и величина красной зоны буфера. Меньшее значение Buffer status будет означать более высокий приоритет, который покажет, что в первую очередь запускать в работу.

Использование приоритетов исполнения также качественно отличает методологию DDMRP от подходов в MRP и Kanban.

В отличие от классических подходов к управлению запасами, DDMRP снижает зависимость и негативные последствия от использования прогноза для планирования пополнения. Взамен этого, мы устанавливаем в стратегических местах в цепи поставок, запасы сырья, что позволяет нам сократить расходы на хранение (хранить сырье дешевле, чем готовую продукцию), и сократить производственное плечо, как и срок производства (Lead Time) в целом.

Таким образом, мы всегда готовы отгрузить заказы клиента, вовремя отследить пики и колебания в цепи поставок и заблаговременно сделать заказ необходимых комплектующих. При этом производственные мощности не простаивают, поток стабилен и спрос удовлетворен.

Фото: pixabay.com

Комментарии
Генеральный директор, Москва

Обманули!!! Увидев первую строку статьи, расчитывал прочитать, о том как наладили свою цепь поставок такие мировые лидеры, как Coca-Cola, Michelin, Unilever, LG International.

А получилось, как говорил кот Матроскин - фиг-вам. Статья оказалось о ресторане.

Пусть она может и хорошая и полезная, но не смог избавиться от ощущения разочарования и какого-то "развода"...

Руководитель проекта, Санкт-Петербург
Олег Шурин пишет:

Обманули!!! Увидев первую строку статьи, расчитывал прочитать, о том как наладили свою цепь поставок такие мировые лидеры, как Coca-Cola, Michelin, Unilever, LG International.

А получилось, как говорил кот Матроскин - фиг-вам. Статья оказалось о ресторане.

Пусть она может и хорошая и полезная, но не смог избавиться от ощущения разочарования и какого-то "развода"...

Олег, хочу прояснить. Об этой методологии я узнал, изучив кейсы указанных компаний. Дальше я постараюсь дать пошаговую инструкцию (в следующих материалах). Именно методологию DDMRP компании Coca-Cola, Michelin, Unilever, LG International применяют в своей цепочке поставок и в управлении производством. Вы также можете задать свои вопросы и я постарюсь на них конструктивно ответить. Спасибо Вам за комментарий. 

Генеральный директор, Москва

Ну тогда было бы корректно написать

как я в своем ресторане применил опыт компаний Coca-Cola, Michelin, Unilever, LG International

Руководитель проекта, Санкт-Петербург
Олег Шурин пишет:

Ну тогда было бы корректно написать

как я в своем ресторане применил опыт компаний Coca-Cola, Michelin, Unilever, LG International

Олег, спасибо за Ваш отзыв. Ресторан в данном случае выступает как абстрактный пример. Поскольку данные проектов защищены договором NDA, я не могу разглашать точные цифры. Если Вас интересует сам алгоритм действий, которые использовали эти компании, могу посоветовать сертифицированную программу обучения, которую прошел сам. Если интересно - спрашивайте, отвечу в ЛС. 

Генеральный директор, Москва
Игорь Бондарь пишет:
Олег Шурин пишет:

Ну тогда было бы корректно написать

как я в своем ресторане применил опыт компаний Coca-Cola, Michelin, Unilever, LG International

Олег, спасибо за Ваш отзыв. Ресторан в данном случае выступает как абстрактный пример. Поскольку данные проектов защищены договором NDA, я не могу разглашать точные цифры. Если Вас интересует сам алгоритм действий, которые использовали эти компании, могу посоветовать сертифицированную программу обучения, которую прошел сам. Если интересно - спрашивайте, отвечу в ЛС. 

Просто человек садясь в поезд, на котором написано Москва-Курск, расчитывает проснуться в Курске, а не в Казани.

Оставлять комментарии могут только зарегистрированные пользователи
Статью прочитали
Обсуждение статей
Все комментарии
Дискуссии
Все дискуссии
HR-новости
ИИ спрогнозирует увольнение

«Сбербанк» начал оценивать соискателей при найме консультантов с помощью ИИ.

Безработица-2020 останется прежней

Министерство труда и социальной защиты России спрогнозировало стабильность.

Как управлять коллективом?

В Ижевске состоялась конференция «Региональная модель управления человеческими ресурсами».

Кто хочет знать зарплату коллег

Служба Исследований hh.ru выяснила, кто из соискателей знает размер зарплаты своих коллег.