Анализ на променливостта на обема - практики на веригата за доставки

В публикацията научихме за индекса на Schutt, който може да се използва за определяне на стратегията за планиране на веригата на доставки въз основа на очакванията на скъп клиент. Отново, ако разгледаме например стратегията на Макдоналдс, има перфектно наблюдение на дизайна, базиран на индекса на Шут - влизате в какво, питате за чийзбургер и в повечето случаи не е нужно да чакате 30 секунди, те поставят го на вашата тава. Вашите очаквания от McDonald's да изпълни поръчката са практически няколко секунди - така че компанията ще приложи вече установената си стратегия за производство на инвентара (инвентаризация на клиента) - нали, сандвичите се нареждат зад скъпия продавач и когато поръчката пристигне сандвич, извикан от буфера, сигнализира на работниците в кухнята да започнат да правят нов сандвич. Класическа дърпана система, базирана на канбан, нали.

обема

Предимството на индекса на Schutt е, че той гарантира удовлетвореността на клиентите чрез прилагането на стратегията, която определя. Проблемът с него е, че всичко, което той знае, е това. Това е така, защото стратегията на компанията не се основава само на очакванията на клиента. В допълнение към максимизиране на удовлетвореността на клиентите, всички компании се стремят към финансова и пазарна стабилност, растеж и ефективност с доволни служители (вж. Balanced Scorecard). След толкова дълго въведение няма да отнема повече - нека се запознаем с процеса, който създава индикатор, който има същия интерпретационен обхват и набор от стойности като индекса на Шут, а също така отчита вътрешната ефективност на компанията! Методът е известен като анализ на променливостта на обема в методологията на веригата на доставки и сега е описан в прост пример.!

Една компания произвежда и доставя 8 различни продукта на своите клиенти всеки ден от седмицата. Вземете производствен период от, да речем, две седмици, който адекватно отразява текущия профил на търсенето на клиентите. Избраният интервал изисква данни само за две седмици, обикновено последните 15-20 периода, което е най-малко обективната оценка на текущото търсене на клиента от продукта (ще се върна тук по-късно). Произведените количества са както следва:

Извършените изчисления на MS Excel са както следва:

Стандартно отклонение (A2) = КРЪГЛО (STDEV (E2: Q2), 4)

Средни дневни продажби (B2) = КРЪГЛИ (СРЕДНИ (E2: Q2), 0)

Относително стандартно отклонение (C2) = КРЪГЛО (A2/B2,2)

Данните показват обема на продажбите на различни фиктивни продукти. Може да се забележи, че както в действителност, всеки има специфичен профил за поръчка: някои са необходими на клиента веднъж или два пъти седмично, докато други са необходими всеки ден, в почти същото количество. Някои от тях са сред тях, разпръскването на нуждите понякога е по-голямо, а понякога незначително.

Следващата важна стъпка е да се начертаят точките на продуктите в равнината на средното продадено количество (ос x) и относителното стандартно отклонение (оста y).!

Ако пренебрегнем очакванията на купувача за времето по отношение на изпълнението на поръчката, можем да направим следните изявления:

    Ако относителното стандартно отклонение, интерпретиращо променливостта на търсенето, не надвишава 1, тогава планирането на производството трябва да избере стратегия за производство на запаси (MTS). Всъщност, помислете, клиентът е в постоянно търсене на даден продукт, така че можем да сме сигурни, че произведените запаси ще бъдат продадени рано или късно. Тъй като във веригата на доставки винаги има готов продукт, внезапното нарастване на търсенето не води до забавяне на доставките или по-малко продадени количества. Гъвкавостта на системата е гъвкава не само надолу, но и спрямо действащите лица по-нагоре по веригата на доставки, тъй като такива производствени системи носят със себе си и стабилността на изискванията към суровините, улеснявайки планирането на цялата верига на доставки.

Въпреки че относителното стандартно отклонение не може да бъде по-малко от 1, средният обем на продажбите е толкова малък, че не си струва да се складира крайният продукт, ако изискванията за капацитет са незначителни - в този случай си струва да изберете персонализирана производствена стратегия (MTO), както и за относително стандартно отклонение, по-голямо от 1. НА Фричи и Маци Следователно си струва да се произвеждат тези видове продукти, когато те са поръчани от клиента.

И така, имаме два показателя, които заедно вече помагат за създаването на идеалната стратегия. За да създам относителното стандартно отклонение въз основа на току-що представения анализ на променливостта на обема, обичам да използвам два типа набори от данни. В първата стъпка обикновено произвеждам относителното стандартно отклонение въз основа на вече определени, т.е. реализираните количества (по-долу VV_hist). Във втората стъпка бих искал да видя до какъв показател ще доведат прогнозираните количества за същия период (по-долу VV_fc). Мисля, че е дошло времето за сравнение на индекса на Schutt и относителните стандартни отклонения (исторически и прогнозни)!