Архив рубрики: Система управления

“Из-за чего производители недовольны своими ERP системами”. Перевод материалов блога Эли Шрагенхайма

После долгого перерыва Эли Шрагенхайм начал публиковать одну статью за другой. Статья, которой я хочу с вами поделиться, с одной стороны – рекламная, продвигающая новый проект, который связан с внедрением подходов ТОС в производство. Гораздо более глубоком и очень полезном внедрении, нежели это можно сделать просто прочитав книгу “Цель”

Похоже, что Эли нашел команду, которая готова автоматизировать ДЕСЯТИЛЕТИЯ его методических наработок в части планирования и управления производством.

И хотя в статье есть ссылки на ресурсы и, вроде бы, мне не очень хорошо публиковать “чужую” рекламу, но… Это не просто реклама, в ней просто и доходчиво объяснены основные ключевые моменты, почему ERP и APS не решают проблемы производства.

И что должно быть в настоящей производственной системе, поддерживающей принятие решений (DSS).

А еще, уже не раз бывало так, что Эли выпускал свои публикации в тот момент, когда у нас появлялось какое-то решение, которое УЖЕ содержит в себе рекомендуемые им методические подходы.

Так и в этот раз. Эли выложил свою статью 29 ноября 2023, а 15 декабря 2023 мы официально объявили о выходе производственной системы, в которой ВСЕ ЧЕТЫРЕ критических открытия, о которых пишет Эли – реализованы.

Вот ссылка:

Так что, читайте, просвещайтесь, комментируйте крутого Эли Шрагенхайма.

Как обычно, ссылка на оригинал и все медиафайлы из блога автора.

Ваш Дмитрий Егоров.

P.S.: И статья ОГРОМНАЯ и резать ее в этот раз я не стал, так что удачи в борьбе с “многабукаф”. Русские субтитры в Youtube вполне адекватны


Включите субтитры, если вы хотите смотреть это видео без звука

После того, как вы инвестировали сотни тысяч в свою собственную ERP систему, понятно, что вы не захотите узнать, что на рынке существуют значительно лучшие альтернативы. К счастью, для малого и среднего бизнеса заменить свою ERP не просто, а крупные клиенты ненавидят эту идею еще больше. Но репутация компании-поставщика ERP важна для новых внедрений, и способность добавить ценности существующим клиентам за счет включения новых нужных возможностей или решить существующую проблему.

Простая истина состоит в том, что большинство ERP систем необходимы для работы бизнеса, но все они неуспешны в попытке получить в полном объеме ожидаемую клиентами ценность: качественно контролировать поток, который генерирует выручку.

Я жду ваших комментариев здесь или здесь: on my Linkedin post.

Фундаментальный базовый разрыв

Когда я впервые сталкиваюсь с ERP системой, сначала я проверяю помогает ли она преодолеть две критических проблемы. За редким исключением, производитель, который не может справиться с этими проблемами, является хрупким, и когда он «сломается» зависит от внешних факторов.

Все организации должны брать на себя обязательства перед клиентами. Частью этих обязательств является количество продукции и предоставляемый сервис, а также их общее качество. Другая важная часть – это исполнение обязательств по срокам. Существует две широкие группы возможностей: или немедленно, как только клиент попросит, или пообещать конкретную дату исполнения в будущем.

Вот очень обобщенное описание этих двух критических проблем:

  1. ЧТО ОБЕЩАТЬ: что мы можем пообещать нашим клиентам, гарантируя высокую вероятность исполнения обязательств?
  2. КАК ВЫПОЛНИТЬ СВОЕ ОБЕЩАНИЕ: как только мы взяли на себя обязательства перед клиентом, как мы можем обеспечить выполнение в срок и в полном объеме?

Может показаться, что если у вас есть хороший ответ на первый вопрос, то и выполнение достаточно неплохо гарантировано. Вспомним закон Мэрфи: «Если что-то может пойти не так, оно обязательно пойдет не так» Мы сталкиваемся с большой неопределенностью, поэтому выполнение плана, как запланировано, – это не простая задача, вам придется иметь дело со множеством вещей, которые пойдут не так, как ожидалось, но это не означает, что вы не можете исполнить свои обязательства. Это значит лишь то, что вам необходимо быстро определить проблему и иметь способы их устранения, не меняя первоначальных обязательств.

Эта статья концентрируется на производственных компаниях, хотя дистрибьюторы имеют схожие потребности. На самом, деле большинство компаний, оказывающих услуги, имеют схожие проблемы с принятием и исполнением обязательств перед клиентами.

Потенциальная ценность для производства любой ERP – это предоставление необходимой информации, основанной на фактических данных, которая позволит производству сделать то, что необходимо для выполнения всех заказов в срок и в полном объеме без генерирования слишком высоких затрат. Другими словами: ERP должна поддерживать ровный и быстрый поток товаров, лучше всего во всей цепочке поставок или, по меньшей мере, управлять потоком от непосредственных поставщиков к непосредственным клиентам компании.

При правильном моделировании и применении современные ERP системы предоставляют ответственным за планирование легкий доступ ко всем данным по каждому открытому заказу на производство и уровню запасов каждой SKU. Данные также охватывают время обработки и переналадки для каждого рабочего центра (опять же, при условии, что они правильно заполнены пользователем). Таким образом, расчет мощности может быть выполнен при существующих технологиях.

Вопрос к разработчикам ERP:

Каким образом, этот огромный объем данных, уже собранный вашей ERP, помогает преодолеть две критические проблемы ваших клиентов?

Если этот вопрос кажется слишком риторическим, я призываю производителей поделиться своим опытом того, как они приспособились работать в условиях этого разрыва, после того как он возник в компании после установки выбранной ERP системы.

Производственные компании выглядят очень сложными. Хотя описание всего процесса от подтверждения заказа клиента до его исполнения – задача нетривиальная, инструменты ERP достаточно хорошо справляются с таким уровнем сложности. Но синхронизация всех запущенных заказов на производство, которые конкурируют за мощность ресурсов – это большая проблема. Следовательно, несмотря на то, что выполнение одного конкретного заказа с высоким приоритетом не является проблемой, достижение высоких показателей OTIF (on-time, in full – в срок и в полном объеме) кажется очень сложным.

Поэтому, чтобы справиться с этими двумя проблемами, необходимо хорошее управление мощностью наших ресурсов.

Обещайте, а потом выполняйте

Отслеживание показателей мощности – задача также нетривиальная. Только необходимость иметь дело с переналадками значительно усложняет ситуацию. В 90-е годы с появлением мощных компьютеров, способных обрабатывать миллионы записей данных, появилась идея создания оптимизированного расписания, которое бы учитывало все открытые заказы, все технологические маршруты, доступную мощностью на любой момент времени, которая привела к появлению волны программных продуктов, которые были названы APS (advanced planning and scheduling systems – продвинутые системы планирования и построения расписания). Предполагалось, что эти системы позволят обеспечить идеальное планирование, что означало бы что его можно выполнять просто, обеспечивая достижение всех задач плана. Если бы это сработало, то была бы решена и вторая проблема.

Однако, системы APS на практике в конечном итоге потерпели неудачу. Некоторые утверждают, что их по прежнему можно использовать для исследования сценариев «что-если». Проблема в том, что они могут вам показать только то, что точно не будет работать, например, из-за нехватки мощности всего одного ресурса. Но APS потерпели неудачу в попытках предсказать надежные подходы к исполнению всех обязательств перед клиентами, поэтому из основная ценность была, в лучшем случае, весьма ограниченной.

Причина неудачи всех APS систем в том, что кроме сложности управления мощностью множества ресурсов, существует значительная неопределенность, и любая возникшая проблема испортит ваш оптимальный план.

В сравнении с APS, разработка ERP систем была направлена на интеграцию множества приложений, использующих одну базу данных, без учета лимитов мощности и без стремления к безусловно оптимальному решению. Некоторые ERP системы расширили возможности моделирования все большей и большей сложности, другие по прежнему сохраняют базовую структуру.

Даже когда у нас есть данные отличного качества и эффективные инструменты ERP, управление неопределенностью – очень тяжелая задача. Она всегда тяжелая, вне зависимости от типа производства или отрасли, из-за сложности отслеживания прогресса по очень большому количеству заказов на производство. Каждый руководитель производства борется с постоянной необходимостью принять решение, какой заказ на производство должен быть обработан прямо сейчас.  Это также означает, что обработка других заказов на производство будет отложена. При колебаниях рыночного спроса, возникновении проблем с поставками материалов или отсутствии на рабочем месте оператора станка, руководителю производства необходим четкий набор приоритетов и определенная гибкость в отношении времени, запасов и мощности, чтобы быть способным немедленно отреагировать на любую новую проблему. Цель при этом остается прежней: выполнение всех обязательств в соответствии с обязательствами перед клиентом.

Обратите внимание, если мы предложим решение для второй проблемы (2. Как выполнить наши обещания), то мы также сможем лучше понять, что на самом деле устанавливает пределы для нашего предложения (и обязательствам) для рынка. Как только мы это поймем, мы сможем предложить работающую схему планирования, где каждое обещание, сделанное нашими продажниками, будет достаточно надежным. 

Здесь нам на помощь приходят открытия Теории ограничений (TOC).

Ключевое открытие № 1:

Очень небольшое число ресурсов, обычно всего один, на самом деле лимитируют результат системы.

Признание этого утверждения упрощает отслеживание потока.  В TOC мы называем это ресурс «ограничение». Конечно, мощность ограничения должна тщательно мониториться. Следует отслеживать некоторое количество других ресурсов просто для того, чтобы неожиданное изменение в ассортименте не переместило «слабое звено» на другой ресурс. Подавляющее большинство других ресурсов влияют значительно слабее, потому что у них есть некоторая избыточная мощность, которая может быть использована для исправления ситуаций, когда Мэрфи вызывает локальное нарушение потока.

Еще одно дополнительное понимание, следующее из этого ключевого открытия: лимитированная мощность ограничения, которая может быть использовано для предсказания надежных сроков для исполнения обязательств. Позднее это будет объяснено подробнее.

Ключевое открытие № 2:

Эффективный план должен включать буферы для защиты самых важных целей плана.

Буферы могут быть времени, запасов, избыточной мощности, избыточных способностей или денег.

В производстве мы различаем производство под заказ (make-to-order (MTO)) и производство на склад (make-to-stock (MTS)).  Подавляющее большинство производственных компаний производят как под заказ, так и на склад, иногда в рамках одного заказа на производство находится объем, который был обещан к определенной дате (MTO) в то время, как производственная партия включает в себя и объем продукции, предназначенный для покрытия будущего спроса (MTS). Это создает большую путаницу и делает жизнь руководителя производства, которому необходимо найти все элементы для конкретного заказа клиента, в непрекращающийся кошмар.

Вы будете удивлены, но даже самые популярные ERP системы не делают различий между MTO и MTS. Если вам интересно, почему компания, совершенно очевидно работающая в среде MTS, управляет своим производством в режиме MTO, проверьте настройки по умолчанию в их ERP системе (и посмотрите мое видео, где я подробнее это объясняю).

Моя команда обнаружила одну ERP систему – Odoo, которая четко различает MTO и MTS. Это делает Odoo сильным претендентом на то, чтобы стать платформой, на которой можно разработать необходимый функционал, который поддержит ключевые открытия ТОС. Мне не терпится увидеть как эти функции уже отвечают на два критических вопроса, и я жду, чего еще мы можем достичь в будущем. Вообще говоря, эти возможности реализуемы и на других ERP системах.

Каждый заказ в среде MTO имеет дату, которая является нашим обязательством перед клиентом. Учитывая неопределенность, необходимо дать производство достаточно времени для того, чтобы справится с различными случайными инцидентами, которые могут случиться в процессе исполнения заказа, включая временные пики загрузки не-ограничений, проблемы с качеством, задержки в поставках и многое другое. Это означает запуск производства с достаточным запасом времени, чтобы быть уверенным, что заказ будет завершен вовремя. Этот запас времени, предоставляемый производству, называется буфер времени, и в производственной среде он включает в себя чистое время производства, потому что в подавляющем большинстве производственных сред отношение чистого времени производства ко времени исполнения заказа составляет менее 10%. Таким образом, дата запуска заказа в производство считается как дата окончания минус буфер времени (в днях). Мы настоятельно рекомендуем не запускать заказы в среде MTO раньше этого времени, так как в противном случае будут возникать значительные временные пики на не-ограничениях.

Производство на склад требует поддержания буфера запасов. Определение буфера запасов включает в себя запас «на руках» плюс открытые заказы на производство для этой продукции.  Таким образом, если продажи автоматически запускают создания заказа на производство этого SKU, то поддерживается и буфер запасов.

Ключевое открытие № 3:

Статус буфера предоставляет ОДНУ четкую схему приоритетов!

В TOC мы называем это «Управление буфером». Идея состоит в том, чтобы определить статус буфера как процент его остатка. Как уже упоминалось, в производственной среде чистое время обработки «тач-тайм» (touch time) заказа – это очень маленькая часть фактического времени производства (production lead time). Большая часть времени производства тратится на ожидание того, когда рабочий центр закончит работать над предшествующими заказами. Таким образом, если конкретный заказ становится высокоприоритетным, время ожидания для такого заказа будет значительно сокращено, а значит и время производства тоже сократится.

Заказы в среде MTO используют буферы времени, тогда как заказы в среде MTS используют буферы запаса. В идеале мы должны отслеживать как заказы MTO, так и заказы MTS orders в одной очереди, как показано на рисунке 1 ниже. Когда до даты поставки остается только треть или меньше буфера времени или на руках только треть или меньше буфера запаса, статус буфера этого заказа рассматривается как КРАСНЫЙ, что означает, что заказ имеет наивысший приоритет. Как только красный приоритет получает максимальный приоритет, время ожидания редко сокращается. Руководитель производства столкнувшись со списком из нескольких красных заказов, может решить меры по их ускорению, чтобы обеспечить быстрый поток красных заказов, что все они были завершены к дате отгрузки.

Для среды MTS статус буфера – это процент запаса, оставшегося на руках в сравнении буфером запаса, который включает в себя еще и незавершенное производство. Следование одной схеме приоритетов, использующей как буферы запаса, таки буферы времени значительно улучшает вероятность достижения высокого уровня исполнения обязательств. Это возможно главным образом тогда, когда существует  некоторый уровень избыточной мощности, даже на ограничении, и еще больше на небольшом числе других относительно сильно загруженных ресурсов. Однако, когда спрос растет, то в какой-то момент времени число заказов в КРАСНОМ резко возрастает. Когда эта ситуация происходит, это подает сигнал: не существует способа выполнить свои обязательства без значительного увеличения мощности.  Мы можем назвать оповещение такого типа «слишком много в Красном».

В управлении буфером проникновение в красную зону инициирует мероприятия по экспедированию конкретного заказа на производство (и связанных с ним заказов на производство). Когда количество КРАСНЫХ заказов, тех, которые попали в красную зону, резко возрастает -–возникает настоящее «бутылочное горлышко» (Рисунок 1)

Ключевое открытие №4:

Отслеживание размера и тенденции Плановой загрузки ограничения и нескольких других сильно загруженных ресурсов

Плановая загрузка конкретных критических ресурсов – это общее количество часов, необходимых для обработки всех подтвержденных заказов клиента. Это делается просто обрабатывая список заказов и добавления часов, требуемых от этого рабочего центра для обработки этих заказов. Ожидается что самое большая загрузка на обработку заказов в часах будет на самом критически важном ресурсе – ограничении. Плановая загрузка может быть представлена как дата, в которую мы ожидаем окончания обработки всего подтвержденного спроса.

Обратите внимание на два критически важных преимущества, которые дает Плановая загрузка, которые приносят пользу и синхронизируют производство и продажи:

1. Мы получаем точный прогноз времени исполнения нового заказа!

Когда появляется новый заказ, в большинстве случаев он будет обработан критическим ресурсом только после того, как будет обработан весь существующий спрос (подтвержденные заказы). Когда мы добавляем к плановой загрузке какое-то дополнительное время (обычно половину буфера времени этого заказа), охватывая время обработки на ограничении и прохождение остального процесса обработки, мы получаем дату, которую мы можем надежно обещать.

2. Наблюдение за тенденциями Плановой загрузки обеспечивает нас сигналами об общих тенденциях на рынке

Плановая загрузка должна пересчитываться каждый день. Отличие сегодняшней плановой загрузки от завтрашней состоит в том, что заказы, обработанные ресурсом сегодня, исчезают из расчета, а поступившие сегодня новые заказы – добавляются. Когда плановая загрузка  ограничения растет (см. правый экран на Рисунке 2), это означает, что поступает заказов поступает больше, чем ограничение способно обработать. Если эта тенденция продолжится в течение какого-то времени, это может означать: появляется «бутылочное горлышко». Вы или окажетесь неспособны выполнять заказы в срок (и страдать от неудовлетворенности клиентов) или будете вынуждены увеличить сроки исполнения заказов (и, следовательно, потерять часть доходов, если ваши конкуренты смогут работать быстрее). Если тенденция показывает снижение (как показано на левом экране на Рисунке 2), это означает, что мы получаем меньше заказов и можем их исполнять быстрее.

Тенденция изменения Плановой загрузки ресурса с ограниченной мощностью (CCR) – это индикатор того, станет ли CCR «бутылочным горлышком» или все еще сохраняется значительная защитная мощность (Рисунок 2).

В зависимости от сложившейся тенденции, компания должна запустить соответствующую управленческую инициативу:

  • либо увеличить мощность ограничения, а также, возможно, мощность одного или большего количества критически важных ресурсов, если мы не хотим, чтобы они стали «бутылочным горлышком»,
  • или найти способы привлечь больше заказов и больше новых клиентов.  Обратите внимание, менее загруженное ограничение означает более короткое время исполнения заказов. На рынках, где время отклика поставщика и его надежность имеют большое значение, более короткое время исполнения заказов притягивает новые заказы. Это значит что, если действия подразделений продаж и производства синхронизированы, любое снижение спроса будет временным.

Тщательная балансировка между спросом и мощностью

Сочетание мониторинга «красных» заказов и плановой загрузки дает ценную информацию о стабильности организации в таком чувствительном вопросе, как баланс между спросом и мощностью. Преимущество управления буфером в том, что его использования не зависит от качества подавляющего большинства данных в ERP системе, важен только расход времени или запасов. Преимущество плановой загрузки в возможности более быстрого, по сравнению с управлением буфером, предоставления менеджерам информации, что дает менеджерам больше времени на реагирование, включая вариант с временным добавлением мощности.

Ценность сочетания управления буфером и плановой загрузки была тщательно проверена с помощью разработанного мной в 90-е симулятора MICSS, который был разработан для проверки различных политик в отношении производства и их влияния на бизнес. Когда рыночный спрос начинает расти, то через какое-то время неожиданно увеличивается количество «красных» заказов. Существующие на тот момент показатели исполнения заказов все еще остаются адекватными ситуации. Но если продолжить симуляцию еще в течение одной-двух недель, то ясно видна катастрофа с исполнением заказов. Я надеюсь и желаю, чтобы реальность вашего предприятия была значительно лучше такой ситуации!

Эти четыре ключевых открытия могут быть использованы для значительного увеличения ценности и улучшения ROI любой современной ERP системы, при этом сохраняя большинство возможностей и алгоритмов оригинальной ERP.  

Я и моя команда в Enterprise Space, Inc. полны решимости добавлять новые алгоритмы и визуализацию данных в ERP системы, которые позволят менеджерам концентрироваться только на действительно важных вопросах.

Следующий этап ценности для потребителей будет детально описан в следующей статье, посвященной тому, как поддерживать принятие решений при оценке новых инициатив по продажам, предсказывая общее влияние этих решений на финансовый результат компании, принимая во внимание выручку, затраты, мощность и уровень неопределенности.

Включите субтитры, если вы хотите смотреть это видео без звука

Учет влияния минимальной партии заказа у Поставщика

Учет размера минимальной партии – это достаточно сложный вопрос.

Иногда спрашивают: “Как поступать, если раньше закупали по 10, а сейчас можем только по 15? Но, если купим по 15, то позиция может вообще застрять и лежать на складе хотелось бы взять ее поменьше…”

То есть, в этой ситуации увеличилась минимальная партия заказа у поставщика.

Это вопрос из серии: “Как бы так и на елку влезть и жопу не поцарапать?”

Если поставщик вам будет поставлять по 15, то, вообще-то, вариантов у вас нет. Вы пытаетесь договориться с поставщиком о том, что он может вам поставить партию меньшего размера, и, если договориться с поставщиком не получается, то, к сожалению, вы можете только принять решение “рисковать или не рисковать”.

Если нам самим это дорого, то мы можем попытаться купить это на паях с товарищем – найти еще одного потребителя, который такой товар потребляет и закупать вскладчину. Этакий вариант закупочного кооператива. Но принципиально это сути не меняет.

Когда поставщик увеличивает минимальную партию – это серьезная проблема. Чем больше у вас минимальная партия закупки, тем больше у вас “холостого запаса” – запаса, который вы вынуждены хранить просто потому, что меньше вы купить не можете. В результате запас – слишком большой с точки зрения продаж.

Безусловно, это попытка поставщика переложить проблемы с оборачиваемостью вниз по цепочке поставок, но тут уже выбор за тем, кто покупает: если вам это надо – вы это покупаете, если не надо – не покупаете.

Связанный с этим вопрос: “Как устанавливать Целевой Уровень Буфера при небольших продажах, если минимальная партия у нас большая?” Когда минимальная партия у нас вагон, а потребляем мы две бочки (утрирую, конечно – ДЕ).

Такие соотношения бывают в реальных проектах, когда минимальная партия тонна, а потребление за надежный срок пополнения – 120 килограмм.

Как здесь устанавливать Целевой Уровень Буфера?

Оттолкнемся мы от первоначальной исходной посылки: мы обеспечиваем запасы для того, чтобы гарантировать высокую скорость реакции.

То есть для начала мы должны принять решение: хранить эту номенклатуру или не хранить?

Нам надо хранить номенклатуру, если клиент не готов ждать пока мы ее привезем, или готов взять один процент от минимальной партии, а мы не можем привезти и, при этом, это клиент, от которого мы не можем отказаться. Или если это какой-то компонент, без которго мы не можем производить готовую продукцию. В этих случаях, нам надо хранить эту номенклатуру и мы можем переходить к следующим шагам, иначе – возите ее “под заказ”.

Следующий вопрос, который требует ответа: “Что такое “много”, и что такое “мало”?” Сколько нам нужно хранить?

Здесь есть два способа, которыми мы можем себя повести.

Первый способ – установить ЦУБ на уровне максимального потребления и заказывать выше расчитанного ЦУБ, что назвывается в “голубое” или “овербуфер”, но это будет вызывать ненужные вопросы и внимание при анализе управления наличием.

Когда у вас немного номенклатуры, то можно помнить, что этот конкретный артикул мы закзываем так много из-за большого размера минимальной партии, но…. Когда речь идет о тысячах, десятках тысяч, а иногда и о сотнях тысяч точек управления запасами, то всего не упомнишь. И у “большого начальника”, который просто смотрит на состояние наличия, могуть возникнуть вопросы: зачем вы столько заказали?

Поэтому мне больше нравится второй способ, который мы используем в НетСтоке для автоматического расчета рекомендаций ЦУБ.

Мы рассчитываем, где бы у нас находился ЦУБ, если бы у нас не было минимальной партии. Соответственно находим желтую и красную границу, как 2/3 и 1/3 от ЦУБ. Желтая граница – это 2/3 от максимального потребления за срок пополнения, и нам этого количества почти гарантированно хватит до момента, пока приедет следующая партия заказа. И к этой рассчитанной границе желтого мы плюсуем минимальную партию заказа. У нас получается ОГРОМНАЯ зеленая зона. И при анализе наличия, мы видим, что это количество – это НОРМАЛЬНО, несмотря на плохую оборачиваемость.

Ну а дальше мы вполне можем использовать типовые механизмы Динамического управления буфером.

Запасами невозможно управлять в условиях неопределенности… Да ладно?!!!

Нам достаточно часто приходится отвечать на вопросы, как управлять запасами в условиях неопределенности. Чаще всего это звучить как-то вроде: “Это работает только в стабильных условиях, а сейчас ничего нельзя предсказать, поэтому…” А что дальше, после “поэтому”?

Принимать решения на основании интуции? Так интуиция устроена очень просто: опыт, “насмотренность” формируют некоторые наборы паттернов, которые распознаются мимо сознания. То есть интуиция – это просто опыт.

Спойлер: вне зависимости от уровня неопределенности, физика процесса управления запасами не меняется!!!

Возьмем типичный вопрос от нашего клиента: мы брали товары из Москвы и всё пополнения составлял в среднем 7-9 дней, а сейчас будем брать из-за границы и срок будет поставки 40-60 дней.

Понятно, что это огромные увеличение сроков, но что делать что клиенту делать с этим?

Когда началась СВО с этим столкнулись очень многие. Самое смешное, что меньше всего это на себе последствия ощутили те клиенты, которые и так поставляли что-нибудь из Китая.

Для них для них срок пополнения в 8 месяцев – это норма. Соответственно, месяц туда, месяц сюда – это в общем не очень большие потрясения.

А вот для тех кто возил из Европы началась весёлая жизнь.

Как мы с этим клиентом смеялись на одном из наших проектных комитетов: “Господа, добро пожаловать в наш мир!”

Когда клиент привык к европейским поставкам за 1-2 дня. Это же счастье! Ничего надо хранить! Крутые, запасами управлять не надо!

И вдруг такое!!!

Добро пожаловать в наш мир!

Что делать в этом случае?

Ну первое, естественное, – это нужно установить новые сроки. То есть определить новых поставщиков, установить новые сроки, и под этим новые сроки рассчитать целевый уровень буфера. А дальше – обычная стандартная, много раз нами описанная процедура управления запасами в соответствии с методикой.

Это главное, что нужно сделать. Когда вы говорите, что все будет непонятно, то это неправда. Совершенно точно, у вас будут удлиняться сроки – это ПОНЯТНО. Вы будете дольше везти товары, а если у вас будут удлиняться сроки – вам надо больше хранить запасов. Больше ничего не произойдет.

С точки зрения потребления может произойти проседание или кратковременный скачок. Но нужно просто следить за тем, насколько меняется потребление за новый срок пополнения.

Так что, если у вас есть НетСток, то больше вам ничего делать не надо. Остальное – это обычная рутина Динамического управления буфером из заказами.

Очень просто: посчитали новый размер буфера и сделали заказ до этого размера!

Вся проблема в том, где взять деньги на такой увеличенный заказ. Это самое сложное!

Тут уже добро пожаловать в Экономику Прохода, которая помогает выбрать самое выгодное из имеющегося, а также определить потребность в оборотном капитале.

Реплика об управлении наличием аналогов

В этой публикации я хочу поговорить об управлении наличием, когда у нас в номенклатуре есть аналоги. Это один из часто всплывающих в переговорах вопросов.

Аналоги – это номенклатура, которая с точки зрения покупателя, представляет собой одно и то же, хотя имеет разные фирменные наименования или просто по разному называется у разных поставщиков.

Дисклеймер: мы очень осторожно относимся к объединению разных номеклатур в одну в качестве аналога.

Потому что является номенклатура аналогом или нет – решает потребитель, и его основания для различения или объединения разных артикул в аналог продавцу чаще всего просто неизвестны. Поэтому, когда речь идет о готовой продукции или товарах, мы всегда рекомендуем прежде, чем объединять номеклатуру с точки зрения аналогов, поуправлять отдельно и убедится, что увеличение продаж одной номнеклатуры приводит к снижению продаж другой. Если это не так, то это НЕ АНАЛОГИ, А РАЗНАЯ НОМЕНКЛАТУРА, живущая по своим законам.

Для управления наличием сырья и компонентов у производственных компаний, использование аналогов – это рутинная практика, так как в этом случае – потребитель это вы. В этом случае целесообразно всё разнообразие взаимозаменяющих комонентов объединить в одну номенклатурную позицию и обеспечивать ее наличие.

В этом случае, мы рассчитываем потребность в основной номенклатуре, а дальше закупщик рассылает эту потребность по поставщикам, получает от них наличие, цены, условия поставки и, уже опираясь на эти данные, размещает заказы на поставку.

Важно: это работает только, если производству всё равно, сырьем какого поставщика пользоваться.

Для торговых компаний поиск аналогов – это часто задача из разряда Data Analytic, а может быть и Data Science. В любом случае требует анализа Big Data.

Такая вот получилась короткая реплика…

Чуточку подробнее об АВС-анализе. В продолжение предыдущих публикаций

Попробую поподробнее остановиться на том, как мы подходим к АВС анализу.

Классический АВС, это по сути Паретто-анализ, где вся номеклатура делится по принципу: А – это то, что дает 80% вклада в показатель, В – тут по разному подходят, кто-то берет 10%, кто-то берет 15%, ну и оставшиеся дают 5-10%%. Основной вопрос: на основе какого показателя делается АВС-анализ?И, сразу, чтобы не забыть: обычно к АВС прикручивается XYZ-анализ. Напоминаю, что XYZ анализ имеет смысл только в случае, если у вас нормальное распределение вероятности. Во всех остальных случаях он смысла не имеет. Я об этом уже писал чуть раньше.

И возвращаемся к АВС.

Первая заморока – это по какому показателю делаеть АВС анализ. Обычно его делают либо по выручке, либо по количеству. Имеет право на жизнь, но…

Основная цель компании – зарабатывать деньги. А одна и та же номенклатурная позиция может продаваться по разным ценам, давать разную выручку и приноить разное количество денег. Потому что деньги компания зарабатывает за счет разницы между ценой продажи и абсолютно-перенными затратами на ее покупку и/или создание, то есть за счет суммы Прохода (в терминологии Теории ограничений) или маржинальной прибыли (она же – маржа) в привычном управленческом сленге. Так вот, объем генерируемой маржи и определяет сколько денег компания зарабатывает, потому что дальше, мы эту маржу только тратим на условно-постоянные расходы и создание запасов/инвестиций.

Важно!!! Здесь речь идет именно о сумме маржи, а не о маржинальности, то есть проценте маржи в выручке.

Многие компании, разрабатывающие собственные решения для АВС анализа, уже дошли до этого понимания и проводят АВС анализ в том числе и по марже. Почему анализа по одной марже недостаточно?

Давайте рассмотрим ситуацию с точки зрения продажи автомобилей.

Вы можете продавать условную Ладу Гранту и условный Бентли. (Я здесь никого из производителей не хочу обидеть, просто это пример, который прост с точки зрения обывателя) Так вот, сумма годовой маржи от продажи Лады Гранты и от продажи Бентли может оказаться одинакова. То есть, с точки зрения АВС анализа по марже – это сопоставимые позиции. Означает ли это, что нам и ту и другую модель надо обязательно держать “в наличии”?

Совершенно точно – нет. Первая продается значительно (на порядки) чаще, а стоит в разы меньше, а значит запасы будут сильно дешевле, в сравнении со второй моделью.

Поэтому АВС анализа по Проходу (марже) недостаточно.

Нам нужен еще анализ по частоте продаж. И опять не XYZ относительно среднего, а именно какова частота продаж.

Здесь мы пошли самым простым путем: мы считаем частоту продаж как количество дней, когда были продажи, относительно количества дней в периоде. При этом правило 20/80 здесь работает не очень хорошо, поэтому мы сделали так для каждого места хранения считаем среднее количество дней в периоде (по умолчанию анализируем год, но это опционально). Далее, всё, что меньше среднего это группа С – она тянет среднее значение вниз. Из оставшихся 20% лучших – это группа А, остальные – группа В.

Соединяя эти два измерения, мы получаем некий список номенклатуры, которая лучше всех продается и приносит много денег: АА, АВ, ВА, ВВ (где первая буква отвечает за частоту продаж). Хотя возможны и варианты: СА, СВ (редко продается, приносит много денег, имеет смысл привозить/производить “под заказ”), АС, ВС (часто продается, приносит мало денег. Что это такое?), СС (классическая позиция “для ассортимента”, что она там делает?)

Возможно возражение: а почему вы смотрите именно на дни, а не на сами продажи/чеки?

Но чем это отличается от продажи одного Бентли? Если у вас обычно продаются небольшие объемы, но, иногда, случается крупная продажа, то вопрос, на который вам надо ответить: а вы готовы хранить запасы под такие продажи или лучше к ним заранее готовиться? Напоминаю, что запасы имеет смысл хранить, только если клиент не готов ждать. А клиент, который покупает крупную партию, как правило, знает, что таких объемов на складах поставщики не держат. И ключевой вопрос: согласен ли он подождать, пока ему привезут его объем или взять частями? Но это уже отдельная тема.

Наш подход к АВС анализу уже показал свою полезность у клиентов, помогая в том числе и в части ценовой и скидочной политики.

Например, у нас есть позиция с индексом АС, что означает: очень частые продажи, при этом с точки зрения вклада в объем маржи – она попадает в группу С. Первое, что здесь стоит проанализировать, это можно ли поднять цену на позицию? Она явно пользуется спросом, но почему-то приносит мало денег. Или компания сознательно создает “убыточного лидера продаж” для того, чтобы дополнительно заработать на взаимодополняющих товарах? Если это осознанное решение в компании – тоже хорошо.

А на этом на сегодня все. Не прощаюсь. Надеюсь было полезно.

Как устанавливать и администрировать статусы номенклатуры?

Каким образом и исходя из чего устанавливать статусы управления номенклатурой? А также как их пересматривать?

Статусы – это “Складская”, “Заказная”, “Вывод” и “Новинка”, о которых мы говорили раньше.

Есть первый простой вариант – это экспертное суждение. Или просто “правило трех П”: “пол, палец, потолок”. Когда у вас тысяча номенклатурных позиций, то, наверное, это еще как-то можно сделать экспертно. А вот когда у вас десятыки тысяч номенклатурных позиций, то сделать это вручную уже достаточно сложно.

Поэтому мы добавляем к этому некие “калькуляторы”, и некие рекомендации, на основе этих “калькуляторов”.

Дальше мы будем говорить только о товарах. Детали и тонкости расчетов в этой публикации мы опустим.

Есть несколько параметров, опираясь на которые можно принимать решения.

Во-первых, нам нужна номенклатура, которая приносит нам больше всего денег.

Во-вторых, нам нужна номенклатура, которая не просто приносит много денег, но еще и часто продается. Потому что может существовать номенклатура, которая редко продается, но приносит много денег. Но надо ли ее хранить, если она продается раз в год – это очень большой вопрос!!! Компания может такие вещи себе позволить только при наличии излишка денег.

И третий параметр, который нам важен – это рентабельность запасов, то есть с какой скоростью деньги вложенные в номенклатуру превращаются в новые деньги.

Для этого мы реализовали механизм трехмерного ABC анализа, который отличается от традиционного АВС анализа.

Очень многие делают АВС анализ по количеству или по выручке, что приводит к возникновению проблемы: номеклатура может давать большую выручку, но при этом почти не приносит компании денег, потому что уровень маржи/наценки в цене может быть очень маленьким. Поэтому первое, что нужно делать, это делать АВС анализ не по выручке, не по количеству, а по той самой “марже” в абсолютном выражении, которую мы зарабатываем. В Теории ограничений используется термин “Проход”, который означает разницу между выручкой и абсолютно-переменным затратами. Мы не будем здесь погружаться в тонкости: если вы ничего никуда не разносите, то Проход – это синоним Валовой прибыли. Так что первое, что нужно сделать при АВС анализе – это выполнить АВС анализ по валовой прибыли.

Пример нашего клиента.

У клиента 67 тысяч SKU. Из них в группу А (то есть дающие 80% годовой валовой прибыли) попадает 3 500 SKU, что даже не укладывается в правило Паретто 20/80, здесь у нас около 5% номенклатуры дают 80% ГОДОВОЙ валовой прибыли, в группу В (еще 10%, А+В = 90% годовой валовой прибыли) попадает еще 4 000 SKU. То есть 90% годовой вловой прибыли дают 7,5 тыс. SKU. И остается огромная группа С.

Мы наблюдаем огромную конценрацию валовой прибыли в ассортименте. И это не особенность отдельно взятого клиента.

Итак, первое измерение – это объем валовой прибыли.

Второе измерение – это частота продаж. Чем чазе позициия продается, тем важнее обеспечить ее наличие. Потому что за ней ходят, ее справшивают, если ее не будет – то это негативное влияние на репутацию. И эта частота не имет ни какого отношения к XYZ анализу. Это совсем про другое. Частота отвечает на вопрос: как часто эта позиция продается. А XYZ – это отдельная история.

У клиентов часто возникают вопросы: в типовых учетных системах, в той же 1С “Управление торговлей” есть АВС xyz анализ, а у вас нет XYZ, как так?

XYZ анализ – это такая интересная история, которая строится на предположении, что у вас продажи подчиняются нормальному распределению, то есть оно симметрично относительно среднего и вероятность отклонения резко падает, по мере увеличения размера отклонения. Вот вам картинка с нормальным распределением:

Такая вот “Гауссова шляпа”.

Соответственно, X – это то, что попадает в середину этой “шляпы”, то есть мало отклоняется от среднего (в диапазоне плюс минус сигма), Y – это то что попадает в следующий карман (плюс минус две сигмы), а Z – это то, что попадает в края.

У нас огромное количество клиентов говорит: у меня вся номеклатура AZ., что означает что разброс относительного среднего превышает две сигмы. И это нормально!!! С чего вы взяли, что у вас гауссово распределение?!!!

Если у вас только компания не научно-исследовательский институт, где у вас работают ученые-статистики, которые строят статистические гипотезы, графики распределния вероятности, вы можете посчитать медиану, моду, среднее, эксцентрисет и прочие замечательные характеристики распределения… Подавляющее большинство компаний этим не занимаются. А это значит, что расчеты на основании среднего – опасны.

Вы же вообще не знаете, какое у вас распределение вероятности продаж! Вот вам пример реального распределения вероятности по номенклатуре из одной группы:

И третий параметр – это ROI. Но пользоваться им до тех пор, пока вы не наладили управление наличием мы не рекомендуем. Потому что самый лучший показатель будет у тех товаров, которые продавались, но их не было в наличии. Так что это дополнительный параметр для ситуации, когда большая напряженка с деньгами.

Продолжение следует, а для тех кому невтерпеж: добро пожаловать на обучение.

Как считается надежный срок пополнения (RRT)?

Надежный срок пополнения – это еще один критически важный параметр, необходимый для обеспечения наличия.

Как рассчитать надежный срок пополнения?

Надежный срок пополнения – это время, которое нам нужно чтобы мы гарантированно могли пополнить товарный запас.

Он в себя включает помимо собственно срока исполнения заказа/ которые короткий, еще несколько отрезков времени.

Самое смешное, что очень часто забывают, – это время приходования заказов, а это иногда неделя или две, то есть это иногда бывают большие сроки. К сроку поставки надо добавить время, чтобы принять товар по количеству, качеству, отразить в учетной системе.

В очень многих компаниях из-за того, что присутствует хронический дефицит товара, процесса приемки по количеству и качеству не происходит. Товар клиенту отгружается “с колес”. Потом обнаруживается, что отгрузили не то, брак, возникают возвраты, потерянная репутация, куча взаимодействия и переписки.

Просто по тому, что этот этап приемки по количеству и качеству пропустили.

Дальше это собственно срок выполнения заказа.

Он определяется только тем, что дает вам ваш поставщик. Допустим, какой-нибудь отечественный завод работает так: дайте нам в этом месяце заказ, мы его поставим на следующий месяц в план производства. Соответственно, в производство ваш заказ может попасть на любую дату в течение следующего месяца, и отгружен будет в любую дату месяца, который будет после того периода, на который мы делаем план производства. То есть мы уже получаем срок исполнения заказа 60 дней.

Но и это еще не всё! Вам же надо прожить с чем-то пока у вас проходит время между заказами.

У нас есть еще время накопления заказа или время ожидания между заказами, которое определяется либо частотой заказов, установленной поставщиком или вами, либо размером минимальной партии заказа: чем больше минимальная партия, тем дольше она накапливается.

Если вы размещаете заказ раз в месяц, как в моем примере с заводом, то у вас получается 60 дней плюс 30 дней – 90 дней. То есть надежный срок пополнения, в течение которого вам надо обеспечивать наличие, составляет 90 дней (это без учета времени приходования на склад).

Для расчета сроков пополнения сырья и материалов расчет выполняется аналогично.

Особую сложность составляет производство готовой продукции.

Готовая продукция предполагает, что мы должны запланировать производство, произвести и после этого выпустить на склад готовой продукции.

Это время определяется следующими факторами:

Длиной производственного цикла, то есть за какое время вы можете эту продукцию произвести. При этом важно, что иногда нужно учесть, что какую-то номенклатуру мы выпускаем регулярно, а какую-то производим редко. Поэтому для первой номенклатуры у вас срок будет короче, а для второй длиннее. Просто потому, что вы ее реше производите.

Дальше мы добавляем частоту планирования. Если вы планируете один раз в месяц, то время между планами у вас 30 дней. При этом, если вы планируете сразу следующий месяц, то ваши плановики могут поставить как в начало месяца, так и в конец, то есть еще 30 дней. Таким образом, сразу 60 дней плюсуем. Если вы план производства делаете каждую неделю, на неделю, то у вас будет, соответственно, две недели плюс производственный цикл. Если, как некоторые наши клиенты, вы делаете план каждый день, то у вас будет производственный цикл плюс один день.

Так считается надежный срок пополнения (Reliable Replenishment Time – RRT). При этом занизить срок пополнения опаснее, чем завысить.

Подробно как считается и применяется надежный срок пополнения мы разбираем на обучении методике: Ближайшее обучение по управлению запасами: https://vmss.pro/training/

Какие сведения о поставщике необходимо настраивать

Кроме статуса управления номенклатурой относительно каждого места хранения, существует второй критически важный параметр нормативно-справочной информации (НСИ) – это сведения об основном поставщике. Потому что в каждую точку хранения мы откуда-то привозим товары, сырье и т.п.

Конечно, обычно у нас несколько поставщиков, но, как правило, один из них основной, а остальные резервные. Количество резервных поставщиков может быть любым, но основной поставщик – только один.

Основной поставщик – это поставщик, у которого мы размещаем заказ приоритетно. Обычно он долгий и дешевый. Это поставщик, который дает самые лучшие цены, но, как правило, у него длительные сроки поставки. Часто от импортный поставщик, или дистрибьютор, который размещает заказ на производство на заводе и потом поставляет в страну. А резервные поставщики нужны, чтобы закрывать разрывы, которые могут возникать из-за колебаний спроса, на которые основной поставщик не в состоянии отреагировать.

Поставщиком может быть либо контрагент, либо наш склад. Собственно говоря, центральный склад – это такой же поставщик. Просто у него другие сроки поставки и другое время реакции.

Для поставщика критически важны следующие сведения:

Первое – надежный срок пополнения или Reliable Replenishment Time (RRT). Он НИКОГДА не равен сроку поставки!!! Этот параметр нам нужен, чтобы рассчитать Целевой Уровень Буфера (ЦУБ).

Второй параметр, крайне важный, особенно в условиях сезонности, акций, любых скачков спроса – это собственно срок поставки или срок исполнения заказа. Это время, которое проходит с момента размещения заказа, до момента когда мы сможем этот товар продавать или использовать это сырье, если мы говорим о закупках сырья и комплектующих. Он всегда короче, чем надежный срок пополнения.

Следующая группа параметров, которые нам важны уже не для расчета и установления нормативов. Это параметры, которые облегчают нам расчет заказа.

И первый в этой группе – это минимальная партия поставки (minimum oder quantity MOQ). Это минимальное количество конкретной номенклатурной позиции, которое поставщик нам поставит.

Обычно к нему нужно добавить еще кратность заказа. Очень часто кратность поставки равна минимальной партии заказа, но бывают ситуации, когда минимальная партия поставки 1 500, а дальше по 10 штук.

Эти два параметра позволяют при расчете заказа округлить заказ до минимальной партии и кратности заказа. Это параметры номер три и четыре.

И пятый параметр поставщика, который должен быть настроен – это минимальная транспортная партия. Строго говоря, ее можно не настраивать, но она нужна для того, чтобы в момент формирования заказа наш закупщик понимал: набралась у нас транспортная партия или нет.

Минимальная транспортная партия – это количество, которое мы везем. Она определяется способом транспортировки. Это может палет, это может быть Газель, десятитонник, это может быть фура, это может быть 20-ти или 40-ка футовый контейнер.. Каждая компания определяет это ддля себя. Есть поставщики, которые минимальную транспортную партию привязывают к к сумме заказа.

Это должно быть рассчитано для номенклатурной позиции по очень простой причине: если мы возим сборные транспортные партии, то нам нужно понять какую часть транспортной партии у нас уже занимает расчситанная потребность и набралсь или не набралась у нас транспортная партия по этому поставщику.

Это те параметры, которые обязаельно должны быть настроены: надежный срок пополнения, срок выполнения заказов, минимальная партия заказа, кратность округления заказа и минимальная транспортная партия.

Если транспортная партия не заполнена, то “по умолчанию” мы считаем, что она равна минимальной партии.

Какие атрибуты нужны для управления наличием?

В этой серии публикаций мы вернемся к методическим вопросам управления наличием в цепочках поставок и посмотрим на эти вопросы применительно к программно-методическому комплексу NET Stock Pro (ПМК NSP).

И первое, что хотелось бы рассмотреть это вопросы заполнения нормативно-справочной информации (НСИ).
Часто приходится сталкиваться с вопросом: “Имеются ли какие-либо обязательные атрибуты номенлатуры, необходимые для работы вашей системы?”

ПМК NSP предназначен для управления наличием в интегрированных цепочках поставок, поэтому первый и главный атрибут, который нам нужен для управления в системе – это статус управления номенклатурой, или как мы просто говорим: статус номенклатуры. Мы у себя выделяем четыре статуса:

“Складская”. Это статус, который обозначает, что номенклатура всегда должна быть в наличии.
“Заказная”. Это статус, который означает на свободных остатках этой номенклатуры быть не должно. Она должна привозится под заказ клиента и быть зарезервирована под этот заказ. Все свободные остатки по этому статусу – это излишки.
“Вывод” . Это такая защита от дурака. Этот статус означает, что мы эту номенлктару распродаем и никогда больше не привозим.

Это основные три статуса, которые определяют поведение системы.

Что касается четвертого статуса, то это самый сложный статус с точки зрения управления запасами. Это статус “Новинка”, Он самый сложный, потому что надежно спрогнозировать, как будет даваться новинка мы не можем.
При этом новинка – это номенклатура, которая управляется в режиме “для наличия”, то есть мы стараемся обеспечить ее наличие, но при этом никому не гарантируем её наличие. Мы не считаем по ней упущенные продажи. Мы не считаем по ней упущенную прибыль. Мы просто оцениваем, как она продается и, после того, как пройдет в компании некое установленное время (у каждой компании это время свое: где-то месяц, где-то пол года, компания должна сама принять решение) статус должен быть измнен на один из трех основных: складская, заказная или вывод.

Попытка сразу управлять новинкой, как складской – это большая ошибка! Потому что вы никогда не знатете каким спросом она будет пользоваться, и у вас могут образоваться как огромные излишки, так и катастрофические стокауты, потому что новинка “зашла” покупателям, и вы стали ее много продавать.

Как правило, у подавляющего большинства клиентов какое-то подобие статусов в учетных системах есть. Поэтому на этапе интеграции с учетными системами нам часто приходится прописывать соответствие статусов учетной системы заказчика статусам ПМК NSP. Это типовая операция, которая делается либо с помощью автоматических соответствий, либо с помощью ручных настроек. Это уже определяется на этапе интеграции. Но определения статуса режима управления номенклатурой – это обязательный этап.

При этом крайне важно установить эти статусы для номенклатуры в конкретном месте хранения, на конкретном складе. Это может быть и центральный склад, и распределительный центр, и конечная точка продаж.

И бывают ситуации, когда на центральном складе номеклатура – складская, а в конечной точке продаж заказная. Просто потому, что там клиенты готовы ждать, мы успеваем туда довезти за время терпеняи клиентов или спрос просто маленький редкий. Этот параметр устанавливается на пересечении склад/номенклатура.

Во многих учетных системах статус устанавливается только один и это означает, что все ваше администрирование в этом случае не играет никакой роли: мы можем забрать статус относительно центрального склада, но дальше вам придется настроить статусы для остальных мест хранения.

Это обязательный атрибут, без которого в принципе не можем работать с системой управления наличием, потому что мы будем управлять только новинками и складскими. Причем, напомню, на каждом складе (месте хранения) отдельно.

Адаптация УББК к условиям цепочек поставок

В предыдущей публикации мы рассмотрели обоснование применения метода Упрощенный Барабан-Буфер-Канат.

Теперь давайте попробуем перенести эту идею из производства на цепочку поставок.

При применении в производстве метода “Упрощенный Барабан-Буфер-Канат” важно, чтобы touch-time (чистое время исполнения заказа, в русском варианте соответствующего термина нет, так что я использую термин “чистое технологическое време) был не более 20% от общего времени исполнения заказа, которое мы обещаем клиентам. И если в производстве с этим более или менее понятно, что в цепочках поставок это понятие еще более неопределенное. Что же будет touch-time при выполнении заказов при поставке “под заказ”. На мой взгляд, это время комплектации, время погрузки, время в пути, время прохождения всяких таможенных прочих операций… В него не попадает время ожидания, пролеживания и т.п.

У нас возможны две ситуации: когда отношение touch-time к времени исполнения заказов менее 20%, и когда это отношение более 20%. Так вот, если отношение менее 20%, то не надо ничего сложного придумывать, можно использовать УББК. А если отношение более 20%, то УББК не применим. Здесь скорее подойдут подходы разработанные для управления проектами – метод Критической цепи (CCPM). Причем, в оригинале говорится от доле touch-time в 5-10%%, но по моему личному оценочному суждению 20% – это еще приемлемая доля для применения УББК, если больше нужно адаптировать метод Критической цепи. А если touch-time менее 20%, то, даже если заказ уже в красной зоне буфера, мы можем его успеть выполнить за время, отведенное под красную зону, т.к. она все еще в полтора раза больше “несжимаемого” touch-time.

К счастью, ситуации, подходящие для применения УББК, – это часто встречающиеся ситуации.

Просто для примера. Я живу в Санкт-Петербурге и мы достаточно часто пользуемся Озоном, Яндекс.Маркетом и другими маркетплейсами. При заказе срок доставки в пункт выдачи заказа 28-72 часа, при этом собрать и довезти заказ в пределах города можно в пределах двух часов. Но мне обещают от суток и больше. Почему так, я понимаю: нужно найти мощности, найти доставщика, оптимизировать загрузку и маршруты. Но мне как клиенту это неважно, Меня обещанный срок доставки устраивает, а следовательно метод УББК для такой ситуации вполне себе подходящий.

Предоположим, что срок исполнения – 48 часов. Тогда мы устанавливаем буфер заказа в 48 часов, делим ее на три равные части по 16 часов: зеленую, желтую, красную. Приоритет заказов будет определяться тем, в какой зоне сейчас находится заказ. И даже если заказ попал уже в красную зону – его вполне можно успеть выполнить как срочный. Мы можем заниматься оптимизацией загрузки, искать, объединять, комплектовать – главное уложиться в объявленный срок. И сквозная система приоритетов здесь всем в помощь.

В отсутствие сквозны приоритетов закупщики упускают из работы заказы, которые “горят”. Если бы у них заказы были отсортированы с точки зрения ожидаемых сроков поступления и выделялись бы красным те, которые прямо вот горят, то люди занимались теми заказами которые сейчас приоритетны, а теми, про которые вспомнили.

Еще один момент – это контроль загрузки мощности. Если мы не будем контролировать загрузку мощности, то мы можем взять на себя обязательства по срокам, которые не могут быть выполнены физически. И здесь в цеопчках поставок могут быть сложности, потому что, если в производстве у нас есть какая-то технологическая карта, технологические нормы, то других логистических операциях с наличием технологических норм большая проблема.

Но здесь включается принцип “лучше быть приблизительно правым, чем совершенно точно заблуждаться”. Представим, что у нас touch-time заказа 20%, и мы уже приняли четыре заказа. Когда мы можем пообещать выполнение пятого? Если у нас не будет контроля загрузки мощности, то мы, скорее всего, назовем стандартный срок исполнения заказа, то с высокой долей вероятности вы опоздаете. А если бы у нас был график текущей загрузки мощности, то мы увидели бы, когда у нас освобождается критический ресус и, уже исходя из этого, называли бы клиенту возможный срок исполнения заказа.

Эли Шрагенхайм рекомендует приплюсовать ко времени освобождения половину буфера, считая, что это достаточно обеспечивает защиту. Дерзко. Смело. Молодежно.

Я бы так действовать побоялся и приплюсовал бы полный буфер. И, если при этом бы заказы завершались бы в зеленой зоне, то тогда бы уже начал сокращать эти сроки. Но тут выбор за вами. У рекомендации Эли есть свое обоснование, но я бы применял ее только для себя, внутри компании, ничего не говоря об этом клиентам. И только проверив работоспособность гипотезы, начал бы транслировать это на рынок.