Zamiast Big Data dlaczego nie zajmiemy się najpierw naszymi Small Data?
Big Data i zaawansowana analityka tworzą nagłówki w czasopismach poświęconych łańcuchowi dostaw i od lat wchodzą agresywnie do słowników firm doradczych i producentów oprogramowania.
Gromadzenie masy informacji, przepuszczanie ich przez młyn algorytmów statystycznych, czy nawet sztucznej inteligencji, wykrywanie słabych sygnałów w celu zidentyfikowania trendów, to wszystko jest bardzo interesujące.
Jednak, jeśli chodzi o zarządzanie wielkością i uzupełnianiem zapasów, określanie właściwych priorytetów, a tym samym uwzględnianie ich w codziennych decyzjach naszych zespołów, potrzebujemy przede wszystkim własnych podstawowych danych, na których możemy polegać.
Rzeczywistość wielu dzisiejszych przedsiębiorstw, dużych i małych, jest taka, że podstawowe dane planistyczne są często – hmm – kruche i wątpliwe.
W wielu wdrożeniach metody planistycznej DDMRP, które realizowaliśmy dla naszych klientów, uderzające jest to, że dziesiątki lat po pojawieniu się systemów ERP nie ma właściwego zarządzania kluczowymi danymi i parametrami. Pierwszym krokiem projektu wdrożeniowego DDMRP jest weryfikacja i walidacja danych podstawowych:
- Zdefiniowanie realistycznych czasów realizacji zamówień zakupowych lub zleceń produkcji
- Zrozumienie, jakich terminów dostawy oczekują nasi klienci
- Jasne określenie oczekiwanych wielkości partii, minimum / maximum / inkrementy
- Zdefiniowanie, co jest uważane jako koniecznie dostępne lub niedostępne w magazynie
- Upewnienie się, że żadna data wysyłki zamówienia nie jest w przeszłości
- Prowadzenie dokładnej (niekoniecznie perfekcyjnej) ewidencji stanów magazynowych
- Uaktualnienie i ciągłe uaktualnianie list materiałowych (BOM)
Powyższe problemy często nie biorą się z powodu braku zajęcia się tematem, gdy system ERP został utworzony i wdrożony. W międzyczasie mogli pojawić się kolejni konsultanci, którzy próbowali ratować system i prostować te podstawowe uwarunkowania działania systemów do planowania.
Moja interpretacja jest taka, że problem wynika z braku koncentracji na tym zagadnieniu w firmie. Jest tak wiele informacji w systemie ERP, tak wiele danych i pól do aktualizacji, że stosunkowo szybko zapominamy o najważniejszym i przyzwyczajamy się do pracy z danymi, które wiemy, że są nieprawidłowe lub niekompletne.
Jeśli dodatkowo obchodzimy problemy MRP poprzez wdrożenie logiki planistycznej w programie Excel i przy użyciu nieutrwalonej wiedzy planistów, to dużo nie trzeba, aby mieć kwadratowy system ERP, który zaczyna co raz bardziej się dryfować w czasie …
DDMRP Supply Chain Data
DDMRP jest bardziej tolerancyjny niż MRP w kontekście nieścisłości i niedokładności danych. Zwłaszcza niewiarygodne prognozy są wyraźnie dobrze tolerowane. Jest to jednak model operacyjny oparty na systemach komputerowych i informacyjnych, a więc numeryczna reprezentacja modelu fizycznego musi być jednak dość dobra.
Pozytywną wiadomością jest to, że DDMRP znacznie ułatwia i przyspiesza uzyskanie dokładnych danych bazowych, ponieważ anomalie są od razu widoczne!
Łatwo identyfikowane są dane najważniejsze (kluczowe) bez konieczności skupiania się na wszystkim jednocześnie, a więc bez ryzyka gubienia się w labiryncie ERP.
Faza projektowania rozwiązania wymaga określenia strategicznych miejsc rozmieszczenia zapasów.
Wizualne zarządzanie robi resztę: jeśli w systemie pozostaje saldo zleceń sprzedaży z poprzedniego, nie można pominąć i zignorować ciemnoczerwonego alertu niewykonania na czas,
jeśli nieprawidłowy rozmiar partii powoduje powstanie ogromnej zielonej strefy i nieproporcjonalnych zapasów względem widocznych limitów, to nie można tego w prosty sposób pominąć.
Doświadczenie pokazuje, że w ciągu kilku tygodni system informatyczny wspierający metodykę Demand Driven Material Requirements Planning jest gotowy do działania.
Co najlepsze, zarządzanie ciągłym doskonaleniem nieodłącznie związane z DDMRP zapewnia, że te kluczowe dane pozostają poprawne w czasie. Nie chodzi o sprzątaniu „tu i teraz”, ale o porządek na przyszłość.
