Zarządzanie procesowe
- Krzysztof Patla
- 11 sty 2017
- 2 minut(y) czytania
Inwestycja w statystyczną kontrolę procesów to zwrot w trzy miesiące. Polski producent i dystrybutor świeżej żywności rozpoczął rozwój zarządzania procesowego na danych od implementacji statystycznej kontroli procesów dystrybucyjnych. Kadra kierownicza używa danych, żeby podejmować decyzje i planować przyszłość. Monitoring w czasie rzeczywistym i alerty zapewniają kontrolę procesu, i redukują starty żywności. W ciągu roku starty żywności zostały zredukowane o 30%, co dało prawie 3 miliony złotych więcej zysku rocznego.
Prawie 100 lat osiągnięć nauki w rozwoju technik statystycznej kontroli przemysł wykorzystuje do redukcji liczby wadliwych produktów oraz zwiększania wydajności. Badając na bieżąco dane monitorujemy proces, jego zmienność, identyfikujemy problemy, a nawet przewidujemy problemy jak zagrożenie krytycznego poziomu zapasów. Odkrywamy wiedzę i zysk ukryty w danych. Analiza danych historycznych pozwala nam dodatkowo na przykład negocjować ceny z dostawcami, bo dzięki lepszej przewidywalności procesów możemy zmienić politykę zakupową.
Kontrola procesów SPC to statystyczna metoda zarządzania jakością, wykorzystująca karty kontrolne Shewharta, który jest ojcem tej metody. Karty kontrolne umożliwiają obiektywną ocenę, czy dany proces podlega swojej zmienności, czy zaczyna być poza kontrolą. Statystyczna kontrola stała się podstawową metodą zarządzania procesowego [2].
SPC jest powszechnie stosowana do zarządzania procesami produkcyjnymi, lecz naukowcy przez lata nie badali zastosowania tej metody w pozostałych procesach głównych. Włoscy naukowcy zaproponowali niedawno zastosowanie SPC do zarządzania popytem i zapasem. Wykonali symulacje i pokazali skuteczność statystycznej kontroli w mitygowaniu efektu byczego bicza, najbardziej dokuczający producentom.
Stosując symulację dyskretną i mapowanie strumienia wartości opracowujemy matematyczny model dystrybucji świeżej żywności i wykonujemy symulacje tego modelu. Za pomocą dedykowanego dla dystrybucji świeżej żywności wskaźnika wydajności obsługi klienta i łańcucha dostaw OTIF mierzymy efektywność tego systemu w różnych symulowanych warunkach.
OTIF to wskaźnik jednoczący firmę. Można nawet powiedzieć, że mierzy wspólną pracę na rzecz biznesu firmy. Mierzy czy dostarczyłeś co obiecałeś [3]. OTIF mierzy wydajność łańcucha dostaw. OTIF to skuteczny wskaźnik do redukowania braku zapasów i jednocześnie poziomu zapasów. Jest praktycznym wejściem w zarządzanie procesowe na danych. A dalszą optymalizację decyzji o zapasach uzyskamy za pomocom tandemu analityki predykcyjnej i statystycznej kontroli, które skutecznie mitygują efekt byczego bicza - główną przyczynę fluktuacji w popycie i zapasach.
Następnie do modelu wprowadzamy statystyczną kontrolę procesów głównych oraz reguły dostarczające rekomendacji dla decyzji w sytuacji odchylania się procesu od normy. Na przykład dla zarządzania zapasami rekomendują poziom ich uzupełnienia w zależność od odchylenia od normy oraz historii. Dla różnych procesów część reguł jest ekspercka a część numeryczna z wykorzystaniem symulacji i predykcji. Poprawę wydajności systemu dystrybucji obserwujemy pozostałymi głównymi wskaźnikami KPI obok OTIF, na przykład na wykresie radarowym.
Zapas jest z gruntu zły. Niska rotacja zapasu oznacza, że poziom jest zbyt wysoki i niepotrzebnie ponosimy koszty magazynowania i mrozimy kapitał pracujący w niepracującym zapasie. Natomiast najprostszym acz bardzo skutecznym wskaźnikiem KPI pomiaru biznesu jest NPS (Net Promoter Score) pokazujący satysfakcję naszych kontrahentów [4]. Pozostałe wskaźniki należy odkryć przeprowadzając ewaluację ich wpływu na OTIF i Sprzedaż. W dystrybucji świeżej żywności dodajemy na przykład Backorders i Stockout. Definicję wskaźników należy dobrać do specyfiki biznesowej problemy, a wzorców jest tysiące [5].
Kommentare