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.
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.
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.
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/
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.
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.
В предыдущей публикациимы 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.
Прежде, чем продолжить говорить про использование подхода “Упрощенный Барабан-Буфер-Канат” в управлении поставками, стоит сделать небольшое отступление.
Изначальный вариант решения для производства, который появился во всех книжках, называется “Барабан-Буфер-Канат” (Drum-Buffer-Rope). В этом решении было два буфера: один буфер, который измерялся во времени, защищал работу ограничения, а второй буфер защищал наши обязательства перед клиентом.
Буфер ограничения – это некий запас работы перед ограничением, который защищает ограничение от простоя. Потому что простой ограничения – это самое страшное, что может быть в нашей системе. Именно в ограничении мы зарабатываем деньги. Но после ограничения часто остается еще какой-то хвостик каких-то операций, которые нам нужно сделать для того, чтобы выполнить заказ. Поэтому там возникал второй буфер, который защищал наши обязательства перед клиентом. В системе было два буфера, опираясь на состоянии этих буферов, мы определяли приоритеты заказов.
Так продолжалось довольно долго, пока во второй половине 90-х годов эта конструкция не была поставлена под сомнение.
Чем мне нравится Теория ограничение это тем, что правила постановки под сомнение тех или иных рассуждений зашиты в самом подходе. С чего вы взяли что это верно? С чего вы взяли, что ситуация не поменяется и вы сделали единственно правильный способ? Это вопросы, которые мы себе задаем.
Итак, во второй половине 90-х правило двух буферов было поставлено под сомнение. И Эли Шрагенхайм обосновал подход, который сейчас называется “Упрощенный Барабан-Буфер-Канат”. Идея этого подхода состояла в том, что клиентам все равно, где находится наше внутреннее ограничение. Никого из наших клиентов не интересует, где находится наше внутреннее ограничение.
А если у нас два буфера в системе, то эти буферы каждый по-своему определяет приоритет. И у нас возможна ситуация, когда сигналы от этих буферов будут нас путать.
Напоминаю, что у буфера есть несколько функций, которые он должен выполнять. Во-первых, буфер – это прогноз это прогноз. Если мы говорим о поставке под заказ или производстве под заказ и, любое что под заказ, то буфер это прогноз сроков: мы говорим, что сделаем это к этой дате или раньше.
Вторая функция – это предоставление обратной связи о том, насколько мы угадали. Потому что в реальности все может меняться. Может оказаться, что что-то пошло не так. Чаще всего в реальности что-то идет не так. Поэтому буфер нам должен своевременно сообщать об этом.
Третья функция буфера – это предоставление сквозной системы приоритетов. Когда к Голдратту пристали с вопросом, как описать Теорию ограничений в пяти предложениях то, со слов его дочери, он сказал, что мне не нужно пять предложений, хватит одного слова – фокусируйтесь, сконцентрируйтесь на самом главном и делайте только то, что сегодня является самым главным.
Получается, что, если у нас в системе два буфера в одном потоке, то какой из них главный?
И в книге “Синдром стога сена”, эта ситуация рассматриваетс, но надежного ответа – нет. В книге описана необходимость создания каких-то сложных защитных связей между ограничениями.
Эли Шрагенхайм начал это копать и сформулировал: давайте будем честными с самими собой: первичным ограничением любой компании является рыночный спрос, и первое, и главное, что мы должны защищать, – это наши обязательства перед нашими клиентами. То есть он сказал, что нам буфер ограничения не нужен. Нам нужен буфер, который защищает наши обещания. Если мы пообещали клиенту, то буфер должен защищать наши обещания по отгрузке, а как мы это будем внутри делать – это уже наши персональные трудности.
Это была революционная история!
И первое, где эту штуку применяли, это производство под заказ. При этом Эли Шрагенхайм проанализировал соотношение технологического времени и времени. которое мы обещаем клиенту. В результате выяснилось, что в подавляющем большинстве производственных компаний, соотношение технологического времени ко времени выполнения заказов, которое мы обещаем клиентовсоставляет меньше 10 процентов. Это важный момент: реально производством компания занимается там не больше 10 процентов от всего этого времени.
Вопрос: а зачем она берет столько времени на исполнение заказа?
Это предельно понятно: у нас никогда не бывает пустого производства, там уже есть какие-то заказы, нам часто не хватает сырья и комплектующих, которые надо купить, мы пытаемся это все запихнуть в тот же сток и, соответственно, в результате обещаем некий срок исполнения, на самом деле выполняя заказ менее 10 процентов времени от всего этого срока.
Это очень хорошо связывается с тем же бережливым производством, где идеальное бережливое производство – это поток из одного изделия. У нас есть одна штука изделия, и она двигается по потоку. При этом, если мы запускаем партию в 100 штук, то на самом деле 99 процентов времени с заказом ничего не происходит, он просто лежит и ждет, когда мы будем его обрабатывать. Называется это время пролеживания, мы его в принципе из производственного времени исключаем.
Но чтобы это работало, нужна еще одна дополнительная штука: мы должны знать сколько мы уже на напринимали заказов. То есть в дополнение к буферу заказа нам нужно добавить еще обязательный механизм: контроль загрузки нашей мощности. Для производства критически важно, потому что если мы напринимали заказов и, грубо говоря, мы обещаем клиенту 10 дней, и у нас технологическое время один день, и одновременно у нас уже принято 10 заказов, то, когда мы пообещаем клиенту время исполнения закза, а на самом деле мы точно будем опаздывать. Потому что пока очредедь дойдет до этого заказа, мы уже опоздаем. Поэтому применение метода “упрощенный Барабан-Буфер-Канат” на производстве требует одновременного использования контроля загрузки мощности.
Мы уже говорили о том, что такое логистика, и какие там бывают ограничения. Как в зависимости от действующих ограничений мы выбираем способы управления цепочками поставок. Мы поговорили про то, как оценивать качество цепочки поставок с точки зрения потребителя, как оценивать качество цепочек поставок с точки зрения поставщика. Но это все-таки были общие рассуждения на эту тему.
Сегодня мы будем говорить о прикладных вещах, связанных с управлением цепочками поставок. Тема этого поста: управление цепочками поставок в режиме “под заказ”, откуда брать решения?
Если мы вспомним все, что мы говорили предыдущих публикациях, то, во-первых, под заказ мы поставляем в двух случаях:
Когда наш клиент готов ждать. У нас есть много времени на то, чтобы выполнить заказ нашего клиента, и клиент это время, которое нам нужно для выполнения его заказа, готов ждать. В этом случае нам не нужны никакие запасы, и мы, естественно, поставляем только под заказ.
Вторая ситуация более грустная для нас, как поставщика. Это ситуация, когда клиент может быть и не хотел бы ждать, но у нас нет мощности для того, чтобы произвести что-то, или поставить что-то, или закупить что-т,о создать что-то, что надо нашему клиенту за то время, которое он готов терпеть. И поэтому из всего рынка у нас остаются только те клиенты, которые готовы ждать. В такие ситуации мы попадаем с самыми бедными клиентами, потому что они готовы ради скидки в цене ждать, или самые богатые клиенты, которые хотят какие-то уникальные комплектации. Естественно, в эту ситуацию бы попадаем всегда, когда на рынке по каким-либо причинам происходит сбой в логистических цепочках, сбой в управлении запасами, и на рынке образуется дефицит. Когда у нас на рынке образуется дефицит, то в этом случае, естественно, клиент будет ждать. Потому что это рынок продавца, и мы начинаем поставлять под заказ, даже если других условиях это было бы не так.
В рамках Теории ограничений для управления поставок “под заказ” решений нет!
Точнее, там нет решений которые бы назывались решение “для поставок под заказ”, а то коллеги по цеху сейчас забросают меня тапками или порвут в мелкие клочки.
Теория ограничений, как многие уже знают, вышла из производственного цеха. Она появилась в производственном цеху, разрабатывалась она для производств, и как раз с решения “производство под заказ”, собственно говоря, Теория ограничений и начиналась.
Вообще, когда ты имеешь дело с производственниками, то их бесполезно спрашивать: ваше производство работает “под заказ” или “на склад”? Потому что подавляющее большинство производств работает всегда под заказ. И производству, строго говоря, глубоко наплевать, производит ли оно то, что надо, под конкретный заказ клиента или под заказ отдела продаж для того, чтобы положить на склад и оттуда дальше продавать. Производству до этого нет никакого дела. Производство всегда работает в режиме “под заказ”. Ну и, собственно говоря, для производства были разработаны первые решения.
У нас есть два крупных отдельных готовых логистических решения из раздела того, что называется “движители Теории ограничений”, то есть логистические решения Теории ограничений. В их составе есть два готовых решения: это производство “под заказ” (MTO – make to order) в режиме “упрощенный Барабан-Буфер-Канат”, и метод Критической цепи (CCPM), который вообще-то используется в проектном управлении. Два этих способа управления обеспечивают нам управление системами для того, чтобы укладываться в срок.
Для обоих этих решений очень важно что выполнение заказов срок является конкурентным преимуществом. Напоминаю, что совершенно не нужно ничего подобного внедрять, если нашим клиентам абсолютно все равно: уложились мы в срок или нет. Но такого рода клиентов мало. Это достаточно редкая ситуация. Как правило, клиентам важно, когда мы сделаем из заказ: произведем, закупим, поставим. Срок, когда мы выполним заказ, клиентам важен. И наша скорость реакции часто создает нам конкурентное преимущество.
Так вот, эти решения выросли из одно из производства, другое из управления проектами, и отдельно чего либо для управления цепочками поставок в смешанной среде не разрабатывалось. И опираться мы будем именно на них.
Но есть еще пара специфических показателей, которые отвечают на вопрос: насколько хорошо работает цепочка поставок. Эти показатели были введены в рамках Теории ограничений, они сложные, их всегда очень тяжело объяснять.
Один из них называется в оригинале долларо-дни прохода (TDD), у него есть еще аббревиатура деньго-дни прохода (TVD). Суть его предельно проста: если у нас нет товара, то мы теряем прибыль, то есть это показатель упущенной прибыли. Для цепочек, которые работают в режиме “на склад”, он считается очень просто: время отсутствия товара умноженное на скорость продаж (среднюю за какой-то период) и на уровень Прохода, который мы зарабатываем с одной штуки. Если у нас товара не было пять дней, мы потеряли проход за пять дней. Потерянный проход – это не просто какая-то потерянная наценка. Нет ребята!!! Это напрямую потерянная ваша прибыль, потому что вы же уже все получили, уже расходы вычли, о прибыли отчитались, и каждый дополнительный рубль прохода, вообще-то, – это увеличение вашей прибыли. Поэтому можно по-русски его называть показатель упущенной прибыли.
Если мы управляем цепочкой поставок с точки зрения поставки “под заказ”, то этот показатель тоже можно посчитать, но считается он по-другому. Мы берем Проход, который мы получаем с заказа, умножаем его на количество дней опоздания и получаем цифру, которая называется долларо-дни прохода или деньго-дни прохода, которая показывает какую прибыль мы могли бы заработать, если бы мы не опоздали с выполнением заказа, а поставили бы за то же самое время еще один такойже. Это показатель который говорит о том, как много как много раздолбайства у нас в цепочке поставок.
Второй показатель должен ответить на вопрос: а как дорого нам обходится безубыточное функционирование цепочки продаж? Показатель называется долларо-дни запасов (IDD) или деньго-дни запасов (IVD). Он введен для того, чтобы можно было сравнивать между собой заморозку дешевых и дорогих товаров. Дешевый товар стоимостью 10 рублей, который у нас будет лежать 10 дней, и дорогой товар, который стоит 100 рублей, но лежит один день, с точки зрения, заморозки денег – это одинаково. Но зато каждый дополнительный день для 100 рублевого товара, это тоже самое, что 10 рублевый еще на 10 дней. Этот показатель показывает именно то, как у нас “застревают” деньги в системе.
У этих показателей в словаре TOCICO есть четкая оговорка: эти показатели не являются ни деньгами, ни днями. Их нужно оценивать только в динамике.
Я могу сказать где это используется. Например, когда нам нужно посчитать рентабельность запасов, но мы не можем по каким-то причинам считать в годовых процентах, Тогда мы можем просто взять деньго-дни запаса, взять проход в день, разделить одно на другое. В результате получим какую-то цифру которая будет характеризовать то, с какой скоростью замороженнные деньги превращаются в проход.
Существует прямая зависимость между рентабельностью замороженных денег и рентабельностью запасов с точки зрения годовых процентов.
Итак, если мы смотрим на цепочку поставок с точки зрения поставщика, то первое, что нас интересуе,т это сколько денег, приносит нам цепочка поставок. Второе: какова рентабельность дебиторской задолженности и запасов этой цепочки – это ROI годовых. Это минимальный и самый простой вариант оценки качества работы цепочки поставок для поставщика.
Если нужно, то мы используем еще два показателя, которые характеризуют поворотливость и качество работы этой цепочки на более низком уровне: это упущенная прибыль или деньго-дни прохода, и показатель, который характеризует то, как у нас деньги “застревают” – это деньго-дни запаса.
Причем начинать мерить надо с показателей верхнего уровня, и при необходимости двигаться к более детальным.
