Pieprasījuma prognozēšana ražošanā: praktisks ceļvedis

Sākums » Resursi » Pieprasījuma prognozēšana ražošanā: praktisks ceļvedis

Aptuvenais lasīšanas laiks: 14 minūtes

Pieprasījuma prognozēšana ražošanā ļauj aplēst, kuri produkti klientiem būs vajadzīgi, kādā daudzumā un kad. Tajā apvieno vēsturiskos pieprasījuma datus ar informāciju par gaidāmajām pārmaiņām, lai iepirkumu un ražošanas lēmumiem būtu kopīgs pamats.

Noderīga prognoze palīdz sagatavoties, neveidojot krājumus katram iespējamajam pārdošanas darījumam. Izvērtējot prognozes kļūdas un pieņēmumus, var izlemt, kādas saistības uzņemties tagad un kas var pagaidīt. Prognozēšana ir daļa no pieprasījuma plānošanas — plašāka procesa, kurā izvērtē tirgus informāciju un vienojas par pieprasījuma plānu.

Praksē jāatrisina divi uzdevumi: vispirms pietiekami precīzi jāaplēš pieprasījums konkrētā lēmuma pieņemšanai, pēc tam jāizveido ražošanas plāns, kas ļauj īstenot izvēlēto rīcību. SkyPlanner APS nodrošina detalizētu ražošanas grafiku sastādīšanu atbilstoši jūsu lēmumiem, tāpēc, tiem mainoties, nav no jauna jāveido atsevišķas darbu rindas katrai iekārtai.

Tālāk aplūkosim, kā izveidot prognozi, novērtēt tās kļūdas un izmantot to praksē.

1. Nosakiet, kādu lēmumu pieņemšanā prognozei jāpalīdz

Sāciet ar pieņemamo lēmumu, nevis prognozēšanas modeli. Materiālu rezervēšanai produktam ar ilgu pasūtījuma izpildes laiku, nākamā mēneša krājumu papildināšanas plānošanai un papildu ražošanas maiņas izvērtēšanai ir vajadzīga atšķirīga detalizācijas pakāpe.

Pirms datu vākšanas pierakstiet četras lietas:

• Ko prognozēsiet: gatavu produktu, produktu saimi vai citu skaidri definētu plānošanas vienību.
• Mērvienība: gabali, iepakojumi, kilogrami vai cita konsekventi lietota fiziskā mērvienība. Ieņēmumi vien var neatklāt cenu un produktu sortimenta struktūras izmaiņas.
• Periods: kad klientiem produkts ir vajadzīgs. Ja dati to ļauj, periodu konsekventi nosakiet pēc klienta pieprasītā datuma.
• Plānošanas horizonts: cik ilgu laiku iepriekš jāpieņem lēmums, ņemot vērā iepirkumu un ražošanas pasūtījumu izpildes laiku.

Ja lēmums par materiālu iegādi jāpieņem četras nedēļas pirms to izmantošanas, nepietiek ar prognozi, kas ir precīza tikai vienu nedēļu uz priekšu. Vērtējiet tieši to četras nedēļas iepriekš sagatavoto aplēsi, kas iepirkumu veicējiem patiešām jāizmanto.

Plānošanas detalizāciju izvēlieties atbilstoši pieņemamajam lēmumam. Produktu saimes prognoze var palīdzēt izvērtēt papildu maiņas nepieciešamību nākotnē, taču tā nepasaka, kuru konkrētam variantam vajadzīgo komponentu iegādāties. Savukārt, atsevišķi prognozējot katru reti pasūtītu variantu, var iegūt vairāk nejaušu svārstību nekā noderīgas informācijas. Nodrošiniet, lai saimes kopējais apjoms sakristu ar tā sadalījumu pa produktiem, un izvērtējiet, vai šā sadalījuma izmaiņas ietekmē materiālu vai jaudas vajadzības.

Ražošanā noliktavai prognozes palīdz pieņemt lēmumus par krājumu papildināšanu. Ražošanā pēc pasūtījuma pamats ražošanas uzsākšanai var būt apstiprināti pasūtījumi, savukārt prognozes palīdz laikus sagatavot kopīgi izmantojamo jaudu vai sagādāt izejmateriālus ar ilgu pasūtījuma izpildes laiku. Prognozes esamība pati par sevi nenozīmē, ka jāražo gatavās produkcijas krājumi vēl neapstiprinātam pieprasījumam.

Pārdošanas mērķi turiet atsevišķi no prognozes. Mērķis nosaka, cik uzņēmums vēlas pārdot, bet prognoze rāda pašreizējo aplēsi par to, cik klientiem būs vajadzīgs. Samazinot prognozi, lai tā atbilstu pašreizējai rūpnīcas jaudai, iespējamais neapmierinātais pieprasījums tiek noslēpts, nevis atrisināts.

2. Sagatavojiet vēsturiskos pieprasījuma datus, kas atspoguļo klientu vajadzības

Izmantojiet konsekventi veidotu pieprasījuma apjomu datu rindu pa produktiem un periodiem. Par sākumpunktu var kalpot ERP sistēmas nosūtījumu pārskats, taču pārbaudiet, ko tajā norādītie datumi un daudzumi patiesībā atspoguļo.

Biežs maldu avots ir novēlotas piegādes. Ja vienā nedēļā pieprasīto produkciju nosūta nākamajā, var rasties iespaids, ka pirmajā nedēļā pieprasījums bijis vājš, bet otrajā — neparasti liels. Ja mērķis ir prognozēt, kad produktam jābūt pieejamam, iespēju robežās izmantojiet klienta pieprasīto periodu. Pretējā gadījumā modelis jūsu pašu piegādes kavējumus var uztvert kā pieprasījuma likumsakarību.

Pārbaudiet vēsturiskos datus kopā ar pārdošanas un ražošanas kolēģiem:

• Novērsiet ierakstu dublēšanos, sakārtojiet mērvienību pārrēķinus un produktu kodu maiņas. Atgriezto preču un atcelto pasūtījumu uzskaitē ņemiet vērā to iemeslus, nevis uzskatiet katru korekciju par jaunu negatīvu pieprasījumu.
• Saglabājiet periodus, kuros pieprasījums patiešām bijis nulle. Trūkstošs ieraksts automātiski nenozīmē nulli, savukārt nedēļu bez pieprasījuma izslēgšana var nepamatoti palielināt aplēsi.
• Atzīmējiet krājumu iztrūkumus, pieejamo daudzumu sadales ierobežojumus un jaudas ierobežojumus. Ja nosūtītas 60 vienības, lai gan klientiem vajadzēja 100, tas nepierāda, ka pieprasījums bija tikai 60 vienības. Ja ir reģistrēti neizpildīti pieprasījumi, izmantojiet tos; jebkuru aplēsi par zaudēto pieprasījumu skaidri atzīmējiet kā aplēsi.
• Atzīmējiet pārdošanas veicināšanas akcijas, vienreizējus līgumus, jaunu produktu ieviešanu un produktus, kuru ražošana ir pārtraukta. Saglabājiet sākotnējos vēsturiskos datus un dokumentējiet, kāpēc koriģējat modelēšanai izmantoto datu rindu.

Attēlojiet iegūtos apjomus laika grafikā. Meklējiet stabilu līmeni, noturīgu pieaugumu vai kritumu, atkārtotus sezonālus maksimumus un ilgus pārtraukumus starp pasūtījumiem. Šīs likumsakarības palīdz izvēlēties metodes, kuras būtu vērts pārbaudīt.

Neprognozējiet katra komponenta pieprasījumu atsevišķi, ja tā vajadzību nosaka plānotie produkti, kuros tas ietilpst. Šāds atkarīgais pieprasījums jānosaka, izmantojot materiālu specifikāciju un materiālu vajadzību aprēķinu. Pretējā gadījumā uz vienu un to pašu iepirkumu jautājumu varat iegūt savstarpēji pretrunīgas atbildes.

3. Izvēlieties pieprasījuma raksturam atbilstošu prognozēšanas metodi

Nav vienas metodes, kas būtu vislabākā visiem ražotajiem produktiem. Sāciet ar vienkāršu bāzes prognozi un pēc tam izvērtējiet, vai cita metode palīdz pieņemt labākus lēmumus.

Pieprasījuma raksturs	Ar ko sākt	Kas jāpārbauda
Samērā stabils pieprasījums	Pēdējo periodu slīdošais vidējais vai vienkāršā eksponenciālā izlīdzināšana	Vai izvēlētais vidējā aprēķina periods izlīdzina nejaušās svārstības, nenoslēpjot reālas pārmaiņas
Atkārtots sezonāls pieprasījums	Pēdējās salīdzināmās sezonas dati kā atskaites punkts; sezonāls prognozēšanas modelis	Vai nav mainījušies svētku datumi, darba dienu skaits vai produktu klāsts
Noturīga tendence	Modelis, kas ņem vērā tendenci, piemēram, eksponenciālā izlīdzināšana ar tendenci	Vai pieaugums turpinās vai produkts tuvojas brieduma posmam
Pieprasījums, kas saistīts ar izmērāmiem ietekmes faktoriem	Regresija vai piemērots mašīnmācīšanās modelis	Vai informācija par ietekmes faktoriem tiešām būs pieejama prognozes sagatavošanas brīdī
Daudzi periodi bez pieprasījuma un atsevišķi pasūtījumi	Neregulāra pieprasījuma prognozēšanas pieeja, piemēram, Krostona tipa metode	Rezultāti visā krājumu papildināšanas horizontā, nevis tikai spēja paredzēt katru nedēļu bez pieprasījuma
Jauns produkts ar nelielu vēsturisko datu apjomu	Dati par salīdzināmiem produktiem un sistemātiski apkopoti pārdošanas speciālistu un klientu vērtējumi	Pieņēmumi par produkta ieviešanu, esošo produktu aizstāšana un tas, cik ātri prognozi precizē pēc faktiskā pieprasījuma datiem

Vienkāršā eksponenciālā izlīdzināšana piešķir lielāku svaru jaunākajiem novērojumiem, taču tās pamatforma nemodelē ne tendenci, ne sezonalitāti. Krostona tipa metodes ir paredzētas neregulāram pieprasījumam: tās ņem vērā pieprasījuma apjomus, kas nav nulle, un intervālus starp tiem. Tomēr tās nenovērš nenoteiktību par nākamo pasūtījumu.

Vienkāršam slīdošā vidējā piemēram pieņemsim, ka pēdējo trīs nedēļu pieprasījums bija 80, 100 un 120 vienības. Izmantojot trīs nedēļu slīdošo vidējo, nākamās nedēļas prognoze ir šāda:

Prognoze = (80 + 100 + 120) ÷ 3 = 100 vienības.

Šo aprēķinu ir viegli izskaidrot. Tomēr tas var atpalikt no reālas pieauguma tendences. Trīs novērojumi parāda aprēķina principu, nevis pierāda, ka metode ir piemērota konkrētajam produktam.

Salīdziniet izvēlētās metodes ar vienkāršiem atskaites punktiem: pēdējo novēroto pieprasījumu un sezonāliem produktiem — pēdējo salīdzināmo sezonas periodu. Sarežģītāka modeļa izmantošanai jābūt pamatotai ar labākiem rezultātiem datos, kas nav izmantoti tā izveidē, vai ar labākiem operatīvajiem lēmumiem, nevis ar iespaidīgu nosaukumu.

Arī modelim, kurā izmanto pārdošanas veicināšanas akciju datus vai ekonomiskos rādītājus, ir vajadzīgi reālistiski nākotnes ievaddati. Pārbaudot to ar informāciju, kas prognozes sagatavošanas datumā nebija pieejama, rezultāts izskatīsies labāks, nekā tas būtu varējis būt praksē. Prognozēšanai noderīga sakarība pati par sevi nepierāda, ka, mainot attiecīgo faktoru, tiks panākts konkrēts pārdošanas pieaugums.

4. Papildiniet prognozi ar uzņēmuma rīcībā esošo informāciju, saglabājot bāzes prognozi

Vēsturiskie dati nepasaka visu. Klients, iespējams, ir paziņojis par darbības pārtraukšanu, izplatītājs atver jaunu tirdzniecības vietu vai kāds produkts aizstāj vecāku modeli.

Saglabājiet statistisko bāzes prognozi redzamu un katru korekciju, kas balstīta uz uzņēmējdarbības informāciju, reģistrējiet atsevišķi. Norādiet daudzumu, periodu, pamatojumu, atbildīgo personu un pārskatīšanas datumu. Pirms pievienojat korekciju, pārbaudiet, vai tās ietekme jau nav ietverta modelī vai citā korekcijā.

Pieņemsim, ka bāzes prognoze kādai no nākamajām nedēļām ir 100 vienības. Pārdošanas nodaļa sniedz pamatojumu vēl 20 vienību pieprasījumam no jauna klienta papildus visam, kas jau ietverts prognozē. Pārskatītā prognoze ir 120 vienības. Ja klients pāriet no cita produkta uz šo, koriģējiet arī otra produkta prognozi, nevis uzskaitiet šo pāreju kā tīru pieaugumu.

Tādējādi pārskatīšanā var atbildēt uz konkrētiem jautājumiem: vai papildu pieprasījums īstenojās, kurā periodā tas notika un vai manuālā korekcija uzlaboja prognozi? Laika gaitā salīdziniet bāzes prognozes kļūdu ar koriģētās prognozes kļūdu. Saglabājiet korekcijas, kas papildina prognozi ar jaunu informāciju; izpētiet tās, kas atkārtoti pievieno tikai optimismu.

Ja jauna produkta ieviešana vai liels līgums ir saistīts ar nenoteiktību, saglabājiet bāzes scenāriju un ticamus lielāka un mazāka pieprasījuma scenārijus kopā ar to pieņēmumiem. Tie ir plānošanas scenāriji, nevis statistiski kalibrēti prognozēšanas intervāli. Izmantojiet tos, lai noteiktu, kuri lēmumi mainītos: materiālu rezervēšana, papildu maiņa vai vēlāks lēmums par gatavās produkcijas krājumu veidošanu.

5. Mēriet prognozes kļūdu lēmumiem svarīgajā prognozēšanas horizontā

Saglabājiet katru izlaisto prognozi, norādot tās datumu, prognozējamo periodu, artikulu un versiju. Kad faktiskais pieprasījums ir zināms, salīdziniet to ar versiju, kas bija pieejama brīdī, kad uzņēmumam bija jārīkojas, nevis ar pēdējo precizējumu īsi pirms piegādes.

Metodes izvēlei izmantojiet prognozēšanas simulāciju ar vēsturiskajiem datiem. Pielāgojiet metodi, izmantojot tikai informāciju, kas bija pieejama kādā agrākā datumā, un sagatavojiet prognozi vajadzīgajam horizontam. Pēc tam pārceliet datu atskaites datumu uz priekšu un atkārtojiet pārbaudi. Šādi, pakāpeniski pārbīdot prognozes sākumpunktu, var pārbaudīt reālo prognozēšanas uzdevumu, nepieļaujot nākotnes novērojumu izmantošanu pagātnes prognozēs.

Prognozes kļūdas piemērs

Pieņemsim, ka vērtējat viena produkta prognozi četrām nedēļām. Katrā tālāk redzamajā rindā saglabātā prognoze ir izlaista četras nedēļas pirms attiecīgās prognozējamās nedēļas. Šeit kļūda ar zīmi ir prognoze mīnus faktiskais pieprasījums, tāpēc pozitīvs skaitlis norāda uz pārvērtētu pieprasījumu.

Prognozējamā nedēļa	Saglabātā prognoze	Faktiskais pieprasījums	Kļūda ar zīmi	Absolūtā kļūda
1. nedēļa	110	100	+10	10
2. nedēļa	110	120	−10	10
3. nedēļa	110	80	+30	30
4. nedēļa	110	100	+10	10
Kopā	440	400	+40	60

Trīs rādītāji raksturo dažādus šī rezultāta aspektus:

Vidējā absolūtā kļūda (MAE) = absolūto kļūdu summa ÷ periodu skaits = 60 ÷ 4 = 15 vienības nedēļā.

MAE saprotami parāda tipisko kļūdas lielumu produkta vienībās. Tā neparāda, vai prognoze mēdz būt par lielu vai par mazu.

Svērtā absolūtā procentuālā kļūda (WAPE) = absolūto kļūdu summa ÷ faktiskā pieprasījuma summa × 100 = 60 ÷ 400 × 100 = 15 %.

Šiem nenegatīvajiem pieprasījuma daudzumiem WAPE izsaka absolūto kļūdu attiecībā pret kopējo pieprasījumu. Tas nenozīmē, ka katras nedēļas prognozes kļūda bija 15 % robežās vai ka pieprasījumu varēs apmierināt ar 85 % varbūtību.

Vidējā kļūda ar zīmi jeb sistemātiskā novirze = kļūdu ar zīmi summa ÷ periodu skaits = 40 ÷ 4 = +10 vienības nedēļā.

Ja kļūdas zīmi nosaka pēc iepriekš norādītā principa, prognoze vidēji bija par lielu. Četrās nedēļās tā pārsniedza faktisko pieprasījumu par 40 vienībām jeb 10 % no kopējā faktiskā pieprasījuma. Pārvērtējumi un nepietiekami novērtējumi kopsummā var savstarpēji kompensēties, tāpēc sistemātiskā novirze viena pati neraksturo kļūdas lielumu.

Šīs četras rindas ilustrē rādītājus, taču ar tām nepietiek prognozes pārbaudei. Veiciet pietiekami daudz pārbaužu ar pakāpeniski pārbīdītu prognozes sākumpunktu, lai aptvertu produktam raksturīgo sezonalitāti, pasūtījumu dinamiku un pārmaiņas.

Izvairieties no maldinoša precizitātes vērtējuma

Aprēķinot vidējo absolūto procentuālo kļūdu (MAPE), katra perioda absolūto kļūdu dala ar attiecīgā perioda faktisko pieprasījumu. Ja faktiskais pieprasījums ir nulle, rādītājs nav definēts, bet nulles tuvumā tas ir nestabils. Tāpēc tas nav piemērots kā noklusējuma rādītājs produktiem ar retu pieprasījumu.

WAPE aprēķinā var iekļaut atsevišķus periodus bez pieprasījuma, taču rādītājs nav definēts, ja kopējais faktiskais pieprasījums ir nulle. Arī tā saucējs mainās atkarībā no apjoma: pieaugot pieprasījumam, procentuālais rādītājs var uzlaboties pat tad, ja kļūda vienībās nav mainījusies. Vērtējiet to kopā ar MAE, sistemātisko novirzi un vienkāršo bāzes prognozi tajos pašos pārbaudes periodos.

Produktu saimes kopējais rādītājs var slēpt to, ka viena varianta pieprasījums tiek pastāvīgi pārvērtēts, bet cita — novērtēts par zemu. Vērtējiet ne tikai kopējo vidējo rādītāju, bet arī produktus, kas rada piegāžu izpildes risku, dārgus krājumus vai kritisko resursu noslodzi.

Nav universāla pieņemama prognozes kļūdas procenta. Kļūdai 15 vienību apmērā ir atšķirīgas sekas, ja runa ir par lētu, plaši izmantotu detaļu vai par reti pieprasītu gatavu mezglu. Vērtējiet prognozi, ņemot vērā iztrūkuma un pārpalikuma izmaksas, krājumu papildināšanas laiku un pieejamās rīcības iespējas. Nosakot rezerves, ņemiet vērā nenoteiktību un klientu apkalpošanas politiku; nepieskaitiet MAE vienkārši katram ražošanas daudzumam.

6. Pieņemiet lēmumu par ražošanu, balstoties uz prognozi

Pārskatītā prognoze ir klientu pieprasījuma aplēse. Par ražošanas daudzumu jālemj atsevišķi, ņemot vērā apstiprinātos pasūtījumus, izmantojamos krājumus, sagaidāmo produkciju no jau plānotās ražošanas un krājumu līmeni, ko vēlaties saglabāt.

Neuzskaitiet vienu un to pašu pieprasījumu divreiz. Ja prognoze ir 120 vienības un apstiprinātie pasūtījumi aptver 70 no šīm vienībām, tad, piemērojot vienkāršu principu, kurā pasūtījumi aizstāj attiecīgā perioda prognozēto pieprasījumu, vēl paliek 50 ar pasūtījumiem neaptvertas prognozes vienības. Kopējais pieprasījums joprojām ir 120, nevis 190. Jūsu faktiskā kārtība var paredzēt prognozes aizstāšanu ar pasūtījumiem arī starp dažādiem datumiem vai pieprasījuma kategorijām.

Tagad pieņemsim, ka jums ir 30 izmantojamas gatavās produkcijas vienības, perioda beigās vēlaties atstāt 10 un nav gaidāma produkcijas saņemšana no jau plānotās ražošanas. Lai apmierinātu 120 vienību pieprasījumu, būtu jāplāno saražot 100 vienības: 120 + 10 − 30. Šajā aprēķinā pieņemts, ka krājumi un pabeigtā produkcija ir pieejami pirms attiecīgā pieprasījuma izpildes termiņa.

Ražošanas pamatplānā nosaka šos daudzumus un pieejamības datumus katram artikulam. MRP aprēķina apstiprināto ražošanas apjomu izpildei vajadzīgos materiālus un komponentus. Ne prognoze, ne krājumu atlikums nepierāda, ka rūpnīcai ir pietiekama jauda, lai tos saražotu laikus.

Piemēram, pieņemsim, ka šo 100 vienību ražošanai vajag 0,2 mašīnstundas uz vienību un divas stundas iekārtas iestatīšanai — tātad 22 stundas uz kritiskās iekārtas. Citiem jau uzņemtiem pasūtījumiem uz tās vajag vēl 20 stundas, bet līdz vajadzīgajam pabeigšanas datumam ir pieejamas tikai 40 stundas. Ierosinātā noslodze ir 42 stundas. Jums jānovērš divu stundu iztrūkums, jāizmanto piemērota alternatīva vai jāpārskata uzņemtās saistības.

Nesamaziniet klientu pieprasījuma prognozi līdz 110 tikai tādēļ, lai iekārtas noslodze iekļautos pieejamajā laikā. Arī turpmāk plānā uzrādiet pieprasījuma aplēsi un izlemiet, kā novērst piegādes iespēju neatbilstību pieprasījumam.

Izmantojiet SkyPlanner, lai ieplānotu izvēlētajai rīcībai vajadzīgos darbus

Ja prognozes izmaiņu dēļ maināt ražošanas saistības, grafika pārplānošana var skart vairākas iekārtas un pasūtījumus. Vienas partijas pievienošana ietekmē turpmākās operācijas, darbus, kas jau gaida šo iekārtu rindās, un no tiem atkarīgos piegādes datumus.

SkyPlanner APS apvieno šos darbus vienotā resursu noslodzes grafikā. Definējiet darba stacijas, maiņas, operatorus, procesa soļus un to ilgumu, pēc tam vadiet plānošanu ar prioritātēm un bloķējumiem. Arcturus, SkyPlanner mākslīgais intelekts ražošanas grafiku sastādīšanai, aprēķina ražošanas uzdevumu izvietojumu, ņemot vērā iestatīto jaudu, piemērotos resursus un operāciju savstarpējās atkarības. Ganta diagrammas skatā ir redzama iegūtā darbu secība un pabeigšanas datumi.

Ierosinātajai 100 vienību partijai tas sasaista vajadzīgo mehānisko apstrādi ar pārējām ražošanas maršruta operācijām un citiem darbiem, kas izmanto tos pašus resursus. Varat izvērtēt, vai apstiprinātas izmaiņas maiņu grafikā vai cita prioritāte ļauj pabeigt darbus vajadzīgajā laikā, manuāli nesaskaņojot katras skartās iekārtas darbu rindu.

Ja ir ieslēgta plānošana, kurā ņem vērā materiālu pieejamību, Arcturus, aprēķinot sākuma laikus, ievēro gan esošos krājumus, gan ienākošo materiālu pieejamību. Paredzamie iepirkumu piegādes datumi norāda uz sagaidāmo pieejamību; krājumi tiek atjaunināti, kad saņemšana ir apstiprināta. Ar to vien, ka iekārta grafikā ir brīva, nepietiek, ja materiāls nav pieejams vai iepriekšējā operācija nav pabeigta.

Lēmumus par prognozēm un krājumu papildināšanu arī turpmāk pieņemiet pieprasījuma plānošanas procesā vai ERP sistēmā. SkyPlanner automātiski neveido ražošanas uzdevumus no prognozēm; tas sastāda grafiku tiem ražošanas uzdevumiem, kurus izveidojat paši vai nododat ar integrācijas starpniecību. SkyPlanner var integrēt ar jebkuru ERP vai MES sistēmu, izmantojot tā atvērto REST API, tāpēc varat saglabāt sistēmu, kurā pārvaldāt šos lēmumus, un uzlabot to izpildes detalizēto plānošanu.

Tas ir iemesls izvēlēties SkyPlanner, ja pieprasījuma izmaiņu dēļ atkal un atkal nākas manuāli pārplānot ražošanu: plānotāji nosaka prioritātes, bet Arcturus aprēķina darbu izpildes secību katram resursam, lai šos lēmumus īstenotu.

Ko ātrāka pārplānošana mainīja uzņēmumā Fredman Operations

Somijas uzņēmums Fredman Operations, kas ražo saskarei ar pārtiku drošus virtuves un iepakojuma izstrādājumus, iepriekš ražošanas uzdevumu prioritātes noteica manuāli. Tam nebija precīza pārskata par to, kad atbrīvosies iekārtas un kāda jauda pieejama katrā maiņā. Steidzama pārplānošana varēja aizņemt stundu vai ilgāk.

Ieviešot SkyPlanner, uzņēmums savienoja savas L7 un LTR sistēmas un ieguva kopīgu pārskatu par jaudu un darbiem Ganta diagrammā. Kā uzņēmums stāsta savā pieredzes aprakstā, lai pārbaudītu, vai visus neizpildītos pasūtījumus var pabeigt agrāk, tagad vajadzīgas sekundes, nevis stundām ilgi manuāli aprēķini. Komanda ziņo arī par mazāku virsstundu apjomu un ātrāku reakciju uz grafika izmaiņām.

Būtiskais ieguvums ir spēja reaģēt ražošanā: saprast, kā mainītās prasības ietekmē darbus un piegādes datumus, kamēr vēl ir laiks rīkoties.

Saglabājiet saikni starp prognozi un ražošanas reakciju

Nosakiet pārskatīšanas biežumu atbilstoši lēmumiem, kas jums jāpieņem. Saņemot jaunus pieprasījuma datus, atjauniniet bāzes prognozi, kopā ar pārdošanas komandu izvērtējiet būtiskās novirzes un sekojiet arhivētās prognozes kļūdai, izmantojot katram lēmumam nepieciešamo prognozēšanas apsteidzi. Nepieļaujiet, ka regulāri prognozes labojumi bez saskaņošanas maina saistības, kuru izpildei ražošana jau gatavojas.

Ja saskaņotas izmaiņas maina saražojamo daudzumu vai pieejamības datumu, atjauniniet ražošanas uzdevumus un pārskatiet attiecīgo resursu noslodzes grafiku. Tas iepirkumu, ražošanas un pārdošanas komandām sniedz vienotu priekšstatu par to, kas ir mainījies un ko tagad iespējams piegādāt.

Lai redzētu, kā reaģēt uz šādām izmaiņām, samazinot manuālo plānošanu, piesakieties SkyPlanner demonstrācijai. Sagatavojiet piemēru ar ražošanas apjomu, ko esat izvēlējušies pēc prognozes izmaiņām, tā ražošanas maršrutu un datumiem, kuros produktiem jābūt pieejamiem. Šie dati būs praktisks sākumpunkts, lai izvērtētu ietekmi uz kopīgi izmantoto jaudu un citām izpildes saistībām. Ja vispirms vēlaties izpētīt paši, izmēģiniet SkyPlanner ar demonstrācijas datiem.