Планирование цепочек поставок внутри производства на мясокомбинате. Кейс проекта автоматизации

Сегодняшняя статья посвящена оперативному планированию на мясокомбинате (убой и глубокая переработка). А именно планированию цепочек поставок внутри производства, заявок по цехам и перемещения между ними.

Вводные и предпосылки
Все предпосылки я бы разделила на две категории.
Первая – объективные, которые мы принимаем как данность, и которые сильно влияют на процесс планирования, но не поддаются изменениям:

• циклы производства, как правило, превышают время от момента получения заказа до момента отгрузки (хотя есть и группы продукций среднего и короткого цикла);
• значительное влияние промо на отгрузки (большой объем промо влечет за собой неритмичные заказы и неритмичные объемы поставок);
• наличие склада немаркированной продукции;
• необходимость учета волновой отгрузки и окон отгрузки под каждого клиента;
• отгрузки и производство 24 часа;
• ограничения оборудования влияют на пропускную способность.

Вторая категория – субъективные предпосылки (их влиянием мы можем управлять и корректировать в процессах планирования), которые заключаются в том, что процесс планирования в компании был не стандартизирован. Планированием занимался один человек и делал это в Excel. Ошибки человеческого фактора оказывали высокое влияние на качество планирования. Они влекли за собой потери, убытки из-за недовыполнения заказов.

Схема решения

Система включала в себя основные три процесса:

1. Формирование прогноза отгрузок.

Мы разрабатывали методику прогнозирования для того, чтобы обеспечить заказами производство еще до момента поступления заказов от клиента. На входе мы получали:

• статистику заказов прошлых периодов;
• информацию об акционных приростах прошлых и будущих периодов;
• фактические и предварительные заказы клиентов.

Таким образом у нас выстраивалась иерархия данных на основании приоритетности. Например, фактические заказы, как наиболее приоритетные, вытесняли собой статистические прогнозы. В системе были разработаны правила расчета отгрузок. Они помогали разделить подходы к расчету планов для разных категорий продукции и для разных групп клиентов, (чтобы нам можно было гибко менять методику расчетов на разных диапазонах). Также учитывалось временное окно отгрузки, так как это было критично с точки зрения подготовки машин.

2. Разузлование плана и формирование заявок на производство.

Полученный оперативный план отгрузок далее передавался на рабочее место планировщика производства, где разузловывался по цепочке на:

• заявки на производство;
• заказы на перемещение между цехами, в том числе перемещения со складов на производственные кладовые;
• потребности в сырье и материалах, которые дальше передавались в закупки.

3. Мониторинг план-факта.

Здесь мы соотносили разные версии прогнозов и планов, которые построили на предыдущем этапе, с фактически достигнутыми показателями.

Примеры интерфейсов.

Прогноз отгрузки.

Это рабочее место планировщика отгрузок. Здесь подгружается информация о заказах и статистических прогнозах.

На основании статистики продаж, информации о плановых трейд-маркетинговых акциях + текущих принятых и предварительных заказах в системе рассчитывается план отгрузок по дням на необходимый горизонт (как правило, это 1–7  дней, но для длинной продукции горизонт прогноза может доходить до 40-60 дней).

Управление цепочками поставок

Это рабочее место планировщика производства, на котором разузловывается план отгрузок, полученный на предыдущем этапе, и подсвечиваются места разрыва.

Заявка на производство

На основании планов отгрузок и потребности в готовой продукции система рассчитывает заявки на производство по всей производственной цепочке. В основе расчета - настроенные схемы обеспечения и производственные ограничения (пропускная способность), влияющие на исполнимость заявки.

Особенности реализации проекта:

• система выполняет роль «экзоскелета», окончательные решения за специалистом.
  Система не заменяет собой человека, а является инструментом в его руках, который взял на себя 80% его рутинных функций;
• упрощение требований к скилам планериста (проще закрыть вакансию, ниже заработная плата, ускорение процесса адаптации).
  Из-за того, что система взяла на себя основные задачи, связанные с математической обработкой данных, были упрощены требования к квалификации персонала. Таким образом те эксперты, которые занимались планированием до этого, смогли высвободить время для решения более интеллектуальных задач;
• прогнозирование отгрузок на основании стандартных статистических параметров.
  И у этого, и у многих других клиентов есть запрос на повышение точности прогноза. Здесь прогноз строился на стандартных статистических параметрах и этого нам хватило. Хочу уделить этому особое внимание, потому что в данном случае точность прогноза достигалась в основном за счет процессных улучшений (точность обработки данных, снижение влияния человеческого фактора), но каких-то сложных математических моделей здесь мы не использовали.
  Достижение высокой точности математического прогнозирования – это достаточно трудозатратно, и с учетом тех инвестиций, на которые готов пойти клиент, не всегда экономически обосновано. Поэтому мы делали больше упор на разработку такой архитектуры системы, которая бы гибко и адаптивно реагировала на изменение параметров и на корректировки.

Результаты проекта

• повышение уровня клиентского сервиса;
• снижений авральных режимов работы производства за счет повышения точности прогноза;
• снижение недогруза из-за влияния человеческого фактора и стандартизации процесса планирования;
• снижение списаний на складе.

Стоит отметить, что это результаты не просто внедрения системы, а того, что компания пересмотрела свои процессы и в целом поменяла подход к планированию.

В следующих статьях поговорим о том, каких результатов вашим коллегам по цеху удалось достичь благодаря автоматизации планирования разруба и планирования по рабочим центрам.