Řízení stavů zásob v DF Partner

Změna z řízení dle minulosti na řízení dle plánu

Jak přestat řídit pomocí historických dat a vybudovat robustní adaptivní systém řízení vyroby, nákupu, distribuce a prodeje. Reálná zkušenost, žádná fikce. Drobná zjednodušení. Lze si ověřit.

Nejobtížnější bylo přestat koukat do zpětného zrcátka.

Spolupracoval jsem s firmou, která je dnes nejvýznamnějším výrobcem a distributorem autokosmetiky, autochemie a dalších potřeb pro motoristy. Největší radost mám z toho, co se podařilo na začátku. Osvícený výkonný ředitel a majoritní vlastník souhlasil s projektem aktualizace podnikové strategie. To byl rozhodující krok, který dal firmě správný směr. Což sem nepatří.

Nejzřetelnějším úspěchem je bezpochyby systém pro řízení materiálového toku - nákupu a výroby dle časových normativů stavů zásob a plánu prodejů. Přestože jsme později vytvořili mimořádně zajímavý systém řízení logistického centra, což byl výrazně větší a významnější projekt.

Výroba, prodej a Excel

Sortiment je extrémně sezónní - nosný produkt jsou zimní ostřikovače. Rozumné výrobní kapacity nepokrývají ani náhodou objemy dodávek ve špičce sezóny. Takže se musí vyrábět na sklad. Aneb před každou sezónou se musí určit, kolik se čeho vyrobí. V jejím průběhu hlídat, aby toho po jejím skončení nezůstalo na skladu příliš mnoho.

Když nejsou odpovídající nástroje, je to celkem fuška. Navíc když dojde k výkyvům poptávky nebo počasí nebo jakékoli jiné odchylce, je obtížné adekvátně reagovat. Když není co prodávat, utíkají peníze. Ještě horší je, když se vyrobí příliš pozdě příliš mnoho. Jinými slovy nepřetržitý nervák.

V podnikovém informačním systému bohužel nebyla vhodná funkčnost pro podporu řízení výroby. Aby k výrobě byly alespoň nějaké podklady, využívala se data o prodejích a výrobě z minulosti. Ta se analyzovala pomocí kontingenční tabulky, aby vznikl alespoň hrubý odhad, kolik čeho bude kdy asi potřeba. Asi si umíme představit, že to bylo poměrně zajímavé (sem patří úplně jiný výraz, ani ten nevystihuje realitu).

VŠE a maďarská metoda

S tímto (ne)systémem byly průběžně značné a čím dál větší potíže, zejména vzhledem k tomu, že firma velmi rychle rostla. Výstupy byly nestrukturované (přesněji řečeno nebyly žádné) a bylo nutné, aby data interpretoval někdo, kdo dokázal získat a udržet v hlavě všechny související informace pro správné zadání výroby. Např. očekávané objemy u nových zákazníků nebo nově zalistovaných artiklů. Aktuální překážky ve výrobě, výpadky dodávek surovin a spousta dalších. Tím člověkem byl samozřejmě výkonný ředitel.

Mimo jiné proto, že kontingenční tabulka byla jeho dílo a samozřejmě nebylo reálné někomu svěřit její používání. V rámci naší spolupráce jsme na toto téma velmi brzy narazili. Zákonitě - bylo to primární omezení jakékoli změny, protože to toho člověka naprosto blokovalo. Typický případ konfliktu naléhavého a důležitého v elementární podobě. Také dokonale vystihuje podstatu toho, že "Excel by se měl zakázat". 😉

Tabulkový procesor není správný nástroj pro tento typ úloh. Chtělo to relativně jednoduchou databázovou funkčnost, postavenou na existujících datech o pohybech zásob. A sezónní křivce, kterou by bylo možno "ručně" ohnout v případě potřeby. Dat jsme měli dost. Snažil jsem se vysvětlovat, jak by to mělo fungovat. Podstatou je časový normativ stavu zásob. Připadalo mi to jednoduché a samozřejmé. Přestože pan ředitel tvrdil, že je mu naprosto jasné, jak takový normativ funguje, nebyl schopen si představit praktické použití. V tomto případě vysvětlování k ničemu nevedlo. Nebyli jsme schopni dospět ke shodě, zda navrhovaný způsob řízení stavů zásob je či není použitelný.

Nejspíš už neměl sílu s tématem zápasit. Vyprávěl mi, jak se vypravil na VŠE za největší autoritou v oblasti ekonomicko-matematických metod, kam řízení materiálového toku spadá. Úsměvné bylo, když líčil, s jakým nadšením ho dotyčný profesor přivítal - prý je prvním člověkem z praxe, který přišel něco konzultovat. Úsměv mi zamrznul, když jsem se dozvěděl, že mu na řešení daného problému navrhnul maďarskou metodu. Ani se nedivím, že na snahu o nalezení korektního řešení rezignoval.

Veni vidi vici

Měl jsem pocit, že je naprosto jasné, jak by se to mělo řešit. Maloval jsem diagramy, vytvářel schémata, popisoval vztahy. Možná zbytečně složitě. Potom při jedné aktualizaci oné zázračné kontingenční tabulky byly překročeny magické 4GB (či kolik to bylo), které směla mít. Tím skončila legrace a nastala panika.

Abych pochopitelně doložil, že to, co navrhuji, bude fungovat, vytvořil jsem přes víkend hektickým až heroickým úsilím model, pomocí kterého se dalo "naživo" ukázat, co se bude dít, když do něj zadáme podklady pro sezónní křivku a pár dalších parametrů. Simuloval jsem výdeje ze skladu. Hodnoty se přepočítávaly, jak měly. Nikdy nezapomenu, jak se proměňoval výraz pana ředitele. Stačilo vzít data, udělat jednoduché rozhraní na zadávání parametrů a triviální nezávislá aplikace mohla navrhovat výrobní a nákupní příkazy.

Na jakých datech je systém postaven.

• Sezónní křivka (procentuální rozložení prodejů v čase). Začátek a konec prodeje daného artiklu, resp. skupiny. Později to byly specifické křivky prodejních kanálů (maloobchodní řetězce nakupují jinak, než čerpací stanice a servisy).
• Plán prodejů jednotlivého artiklu na jednotlivé dodací místo - na základě statistiky z dřívějška a případné zadané očekávané změny - hlavním typem dodacího místa jsou čerpací stanice, kde se celkový objem může výrazně změnit podle provozu na příslušné komunikaci. Nemluvě o tom, když se stanice zavře nebo ji převezme síť, do které se nedodává. Tady statistika fungovala perfektně.
• Typologie dodacích míst a artiklů umožňující skupinové úpravy parametrů.
• Každá provedená dodávka na prodejní místo sníží očekávanou potřebu doplnění zásob na dodacím místě.
• Každý den přepočítává očekávaný prodej na jednotlivých dodacích místech podle vývoje sezóny (především vlivem skutečných prodejů - slabá/silná zima - jednoduše se změní datum nebo procento).
• Kapacity skladových prostor. Plus horní limit (množstevní normativ max. stavu).
• Opatřovací lhůta jednotlivých artiklů (nejlépe také upravená svou sezónní křivkou). Plus minimální a maximální výrobní/nákupní dávka.
• Časový normativ stavu zásob - odpovídající upravené opatřovací lhůtě a upravený sezónní křivkou. To je počet dnů, na které chceme mít zásobu daného artiklu (bezpečná opatřovací lhůta + rezerva + ne déle, než do konce sezóny).

 Na základě časového normativu:

• Jednoduše sečteme plánované prodeje pro zadaný/vypočítaný počet dnů (opatřovací lhůta + korekce) a víme, kolik budeme vydávat zásob.
• Horní limit je dán bezpečným minimálním objemem zbývajících prodejů (nesmí se vyrobit víc, než se dá do konce sezóny prodat). Spodní opatřovací lhůtou a bezpečným maximálním prodejem v této lhůtě (pokud to skladovací kapacity umožní, nemá smysl vyrobi či nakoupit méně, než je optimální výrobní/dodací dávka a současně to musí být tolik, aby zásob bylo dost na prodeje do příští dodávky).
• Aneb objem bezpečné zásoby je každý den jiný - vychází z očekávaných prodejů a parametrů pro optimalizaci.
• Získáte datum a množství pro doplnění zásob (výrobu nebo nákup), abyste se v budoucnu nedostali pod spodní hranici ani nad horní. 

Člověk, který zajišťoval individuální úpravy podnikového informačního systému, zvládnul během dvou týdnů zprovoznit navrženou novou funkčnost (nových datových struktur nebylo mnoho a naprostá většina potřebných dat byla k dispozici).

• Po pár dalších týdnech si to kompletně převzal dispečer.
• Postupně téměř zmizely situace, kdy zboží chybělo. Na konci sezóny ve skladech téměř nic nezbylo.
• Podle hodnocení výkonného ředitele v důsledku omezení ztrát z nerealizovaných prodejů a neprodejných zásob se hrubý zisk zvýšil v řádu až desítek procent. Každý následující rok. Dodnes. Však víte, jak funguje složené úrokování…

Efekt toho, že se mu uvolnily ruce, se nedá vyčíslit.

Proběhlo to pekelně rychle. Tak rychle, že nebyl čas, aby vznikly problémy. 😎

Statistika spolehlivější než KAM

Systém je navržen tak, aby do něj mohli obchodníci zadávat svá očekávání vývoje, který očekávají v jimi spravovaných kanálech. Dva roky jsme se snažili přimět je k tomu, aby se o plán prodejů zajímali a pracovali s ním (aby modelovali možný vývoj a hledali příležitosti a hrozby). Nakonec jsme to vzdali. Prodeje počítané dle statistiky vycházely lépe, než když očekávaný vývoj zadávali lidé.

Byl to dokonale hladký přechod od rozhodování (řízení) na základě dat z minulosti na řízení založené na adaptivním modelu budoucnosti. Podstatná je schopnost systému zahrnout v reálném čase průběžně prováděné dodávky, naplánovanou výrobu a nákupní objednávky. Když se na to podíváme zpětně, tak je to opravdu jednoduché. Stačilo vědět, že existuje časový normativ stavu zásob a správně jej použít.