Управление цепью поставок: просто о сложном. Часть 2

Управление цепью поставок: просто о сложном. Часть 2

Желая справиться с издержками формирования партий и длительным временем исполнения заказа, мы стараемся предсказать будущий спрос так, чтобы «правильно» скорректировать текущее производство.

Однако, нам необходимо проверять верность данных прогнозов. Подумайте, какова может быть точность ваших предсказаний относительно продаж в последующие месяцы? Будет ли ваш прогноз верным с точностью плюс или минус 5%? Конечно, лучше для безопасности ориентироваться на большее отклонение, но вам ведь придется вкладывать деньги с учетом этого отклонения. Поэтому, вероятно, 5% хватит.

Теперь подумайте об ассортименте продукции в контексте общего объема продаж последующих месяцев, и с какой точностью его можно предсказать. Возможно с погрешностью в плюс-минус 10%? Мы можем продать 90% или 110% объема определенной группы изделий. Хорошо, как насчет отдельного изделия из группы изделий в следующем месяце? Вы бы удивились, увидев погрешность плюс-минус 20%? Покупатели, экономика, и все остальные факторы настолько переменчивы.

Давай теперь рассмотрим эту же проблему с иной перспективы. Если точность прогноза общего объема продаж на следующий месяц плюс-минус 5%, то какая точность будет в расчете на квартал? Она будет больше чем 5%, может быть, плюс-минус 10%. Какая будет точность для двух последующих кварталов? Может быть плюс-минус 20%? Фактические значения не так уж важны. Важно четко определить точность предсказаний.

Похоже, что точность прогнозирования падает по мере увеличения срока прогноза, а также точность прогнозирования снижается при предсказании для отдельных групп продукции и отдельных видов изделий. Нет сомнений в том, что чем более узкий тип изделия (модель, цвет, размер и т.д.) мы берем, тем более высокой становится потенциальная вероятность ошибки.

Долгое время выполнения заказа заставляет нас прибегать к прогнозированию. Прогнозирование несет в себе элемент неизвестности.

Будем называть это «ошибкой прогнозирования».

Сеть дистрибуции

Пока все рассмотренные нами проблемы не отличались от проблем, которые присутствуют у фирм, работающих на склад. Однако, система дистрибуции увеличивает вероятность ошибки при прогнозировании из-за разделения заказов по географическому признаку. Давайте это рассмотрим.

Какова примерная точность прогнозирования ожидаемых продаж на уровне склада завода? Может быть, плюс-минус 5%? Давайте примем это за гипотезу, хотя это значение может быть больше или меньше. Какова тогда погрешность ожидаемых продаж отдельного дистрибутора или оптовика, будет ли он больше или меньше? Конечно, погрешность прогноза  будет больше. Давайте примем погрешность предсказания за 10%, чтобы иметь пропорциональное значение для данного уровня узлов. Какова будет погрешность прогноза продаж розничного продавца? Конечно, она будет еще больше. Давайте примем ее за плюс-минус 20%, чтобы иметь пропорциональное значение для данного уровня узлов.

Причины возникновения ошибки прогнозирования

  1. Очень длительное время выполнения заказа.
  2. Разделение по типу изделия.
  3. Разделение по географическому признаку.

Более того, если мы обратимся к теме производства в поисках аналогии, то обнаружим, что дистрибуция сходна с заводом типа «V», где малый ассортимент сырья используется для производства большого ассортимента продукции. На заводах типа «V», согласно традиционному подходу, дорогое оборудование должно быть задействовано постоянно, чтобы поглотить непроизводительные издержки и добиться производства нужного объема, так как каждая точка разветвления подразумевает риск использования сырья не по назначению, и это является одной из основных проблем заводов типа «V».

Поэтому в дополнение к прогнозированию, есть шанс, что ненужный тип сырья попадет не туда в ненужное время, т.е. будет использован не по назначению. Мы будем называть это «ошибкой распределения». Ошибки распределения ведут к ряду нежелательных последствий, таких как перегрузка каналов, появление неизрасходованных запасов, а также проблема дефицита нужных товаров. Давайте рассмотрим каждую из этих проблем.

Перегрузка (затоваривание) каналов распределения

Хотелось бы верить, что при сегодняшнем уровне развития распределенного производства и объединённых систем снабжения, затоваривания каналов больше не происходят. Но это не так. Особенно часто это происходит в периоды низких процентных ставок и высокой ликвидности, когда дистрибуторы имеют возможность получить кредит под залог товара по очень низкой цене. Более того, в некоторых сферах промышленности дистрибуторам за выполнение определенного плана закупок полагается компенсационная выплата (рибейт). Фактически, создается небольшой приток наличности для дистрибутора, хотя он еще ничего не продал своим покупателям. Компенсационные выплаты создают эффект «хоккейной клюшки» в производстве, и это приводит к тому, что  заводы, обслуживающие процесс, будут испытывать крупные квартальные или полугодовые колебания в производстве (в зависимости от системы организации их отчетности – по кварталам или раз в полгода). Производители окажутся в затруднительном положении, так как они будут пытаться догнать искусственно вызванные всплески, хотя их общая производственная мощность более чем достаточна, чтобы удовлетворить спрос.

Затоваривание каналов характерно для автомобильной промышленности США. «Дилеры – это мелкие фирмы, владельцами которых являются отдельные предприниматели. Около половины из них до сих пор имеют единственный офис. Во многих случаях они до сих пор расплачиваются авансом наличными за свои автомобили или жалуются на то, что производители заставляют их покупать ненужные им машины. Запасы все еще значительны  и остаются на складе в среднем на шестьдесят шесть дней больше, чем в прошлом десятилетии».

Естественно, затоваривание каналов также приводит к увеличению времени выполнения заказа, усиливая погрешность ошибки прогнозирования.

Неликвиды

В данной ситуации мы также могли ожидать появление значительного объема неизрасходованных запасов, однако подобные данные обычно содержатся в отчетах со средними показателями и доступны только высшему руководству. Руководство может обеспокоиться, узнав, что средний остаток запасов в месяцах вырос с 3 до 4 месяцев или с 6 до 7 месяцев. Но в подобной ситуации для некоторых изделий остаток запасов в месяцах будет составлять многие и многие месяцы и даже годы. Если мы проверим весь склад товар за товаром и поделим объем запасов на величину спроса за последний год, шесть месяцев или квартал, то увидим те товары, остаток которых растягивается на годы. Подумайте над тем, сколько ресурсов было использовано для создания этих запасов, и как скоро удастся все это распродать.

Вомак с соавторами приводит пример, когда они посетили региональное отделение автомобильной компании, и перед ними встала проблема, как продать 10000 уже готовых автомобилей, которые не хотел брать ни один дилер. Компания изготавливала автомобили, основываясь на прогнозе рыночного спроса, а не на реальных данных о количестве заказов от дилеров и покупателей. Рынок изменился, и эта модель перестала продаваться. Проблема неизрасходованных запасов — огромного масштаба.

Дефицит нужных товаров

Приведенный выше пример также является хорошим подтверждением того, что у  компаний, имеющих неликвиды, обязательно будут проблемы с дефицитом нужных товаров, так как их ценные производственные мощности были заняты изготовлением неходовых товаров.

Но зачем использовать примеры из автомобильной сферы? Цепь производства/дистрибуции в автомобильной промышленности не выделяются особыми размерами, объемом вовлеченных средств или повышенной сложностью. Ведь все среды дистрибуции и распределения обладают сходными характеристиками. Кажется, нам не составило труда определить проблему. Давайте посмотрим, сможем ли мы также легко найти решение.

Терминология

Здесь мы называли цепь поставки дистрибуцией. Однако, более точным термином является дистрибуция и распределение. Распределение соответствует выталкиванию произведенной продукции. Выталкивание продукции определяется прогнозом на будущее, основанным на недавних трендах и интуиции относительно ожидаемых перспектив.

Применяя Теорию ограничений на производстве — инструмент «барабан-буфер-канат» – мы наблюдали, как продукция вытягивается ограничением через систему. Таким же образом, канбан в системе «точно в срок» вытягивает работу через систему. Нам необходимо применить те же принципы в нашей системе дистрибуции: необходим рывок спроса покупателей, клиентов или конечных пользователей. В этом случае мы сделаем то, что необходимо системе для обеспечения спроса, ни больше, ни меньше.

Как же мы можем этого добиться, если у нас такой длительный срок выполнения заказа от источника до конечного пользователя? А что если мы пересмотрим ситуацию для смежного уровня узлов в цепи, а не всю цепочку целиком? Что если мы сконцентрируемся на пополнении запасов только для следующего уровня? Тогда сроки выполнения заказа значительно сократятся. И, конечно, это поможет.

По сути, разве это не то, чем мы занимались, создавая буферы пополнения запасов на предыдущей странице? Очевидно, что там мы реально брали только один или два узла за раз. Но есть ли какая-то причина, почему мы не может проделать то же самое – вырезать и вставить – от слоя к слою в нашей системе дистрибуции? Каждый узел в цепи поставки тянет из вышестоящего узла в соответствии с сигналом от нижестоящих узлов, которым он поставляет продукцию. Это позволит нам создать систему, пополняющую запасы в соответствии с вытягивающими запросами (pull-to-replenish system), основанную на спросе конечного пользователя. Давайте попробуем!

Мы собираемся превратить производственную систему, выталкивающую продукцию на основании прогноза, в систему, пополняющую запасы в соответствии с потребительским спросом.

Рассмотрим этот вариант решения.

Продолжение следует…

Часть 1
Часть 3
Часть 4

Не пропустите! Новый вебинар «Увеличение продаж в торговых и сервисных организациях»

Мы в соцсетях

Мы в FacebookМы ВКонтакте

Свяжитесь с нами

Viber WhatsApp Skype Telegram Телефон E-mail