Чтение онлайн

Исходной информацией для планирования потребности в МТР служат производственная программа предприятия (планы выпуска продукции в натуральных единицах), нормативная база (нормы расхода материалов на единицу продукции, схемы изделий, чертежи и спецификации), а также исторические данные о фактическом потреблении в прошлые периоды. Задача специалистов по планированию – преобразовать эту разнородную информацию в точный, сбалансированный, привязанный к срокам план закупок ТМЦ, соответствующий производственным планам и учитывающий внешние и внутренние ограничения и риски.

Первый этап – анализ исходных данных о потребностях. Ключевой принцип здесь – комбинация нескольких взаимодополняющих методов и источников информации для повышения точности и достоверности оценок.

Анализ исторических данных потребления позволяет выявить сезонные и трендовые закономерности, выбросы и аномалии, оценить стабильность и предсказуемость спроса на различные группы материалов и оборудования. Источниками таких данных обычно служат учетные системы класса ERP, складские системы WMS, а также базы данных по закупкам и поставщикам. Сложность заключается в извлечении, очистке и консолидации этих разнородных массивов в единую аналитическую базу, а также в определении релевантного горизонта исторических данных (обычно 1-3 года). Передовые компании применяют технологии больших данных и продвинутые инструменты визуализации (Qlik, Tableau, PowerBI) для быстрой обработки и анализа больших объемов неструктурированной информации о потреблении ТМЦ.

Далее необходимо "наложить" исторические паттерны на актуальные планы производства, чтобы оценить потенциальные изменения будущей потребности. Планы выпуска в ERP и MES системах обычно формируются на месяц-квартал, с возможной сменой номенклатуры, что требует пересчета потребности в разрезе спецификаций изделий и норм расхода. Также необходимо учесть планы ППР оборудования, которые потенциально снижают потребность в сырье и материалах, но создают дополнительную потребность в запасных частях и расходниках. Наконец, следует принимать во внимание жизненный цикл продуктов – старт производства новых изделий, требующих нестандартных МТР и вывод устаревших, по которым возможно образование неликвидов. Все эти факторы – изменение ассортимента, вариативность спецификаций, несинхронность производственных ритмов – делают задачу планирования похожей на сборку пазла из множества фрагментов.

Ключевую роль в обеспечении качества планирования играет актуальная и достоверная нормативная база – нормы расхода материалов на единицу продукции, учитывающие плановые и фактические показатели отходов и потерь. Нормативы формируются на основе конструкторско-технологической документации, опытных или статистических замеров, экспертных оценок технологов. Важно контролировать полноту и актуальность нормативов для всех выпускаемых изделий, своевременно пересматривать их при изменении продуктов, технологий, поставщиков комплектующих. Передовая практика предполагает интеграцию процессов нормирования с общим циклом разработки изделий, совместную работу снабженцев, конструкторов, технологов по оптимизации норм расхода еще на этапе проектирования продукта. Также необходимо отслеживать отклонения факта от нормативов и анализировать причины перерасходов (брак, сверхнормативные отходы, нарушения технологии).

Наконец, качественное планирование невозможно без наличия полных и актуальных справочников (каталогов, перечней) всех закупаемых позиций, построенных по категорийному принципу. Задача таких справочников – обеспечить унификацию наименований ТМЦ, устранить дублирование позиций, задать правила кодирования, единицы измерения, атрибуты описания. Они позволяют быстро находить взаимозаменяемые аналоги, выявлять возможности для стандартизации спецификаций, консолидировать потребности различных подразделений. Работа со справочниками – зона совместной ответственности службы снабжения, ОМТС, конструкторских и технологических служб, ИТ и НСИ. Ее регламентация, контроль полноты и качества данных, интеграция со смежными системами (ERP, СЭД, PLM) – необходимое условие эффективного планирования и управления запасами.

Следующий этап после сбора и анализа исходных данных – собственно прогнозирование потребности в ТМЦ, т.е. моделирование будущего профиля спроса с определенным горизонтом упреждения (обычно квартал-год) и уровнем детализации (номенклатурные группы, подкатегории МТР). Наиболее распространен метод прогнозирования на основе анализа временных рядов – ретроспективных данных о расходе МТР с заданной периодичностью (день, неделя, месяц). К этому ряду применяются различные статистические модели – скользящего среднего, экспоненциального сглаживания, сезонной декомпозиции, выявляющие исторические закономерности и проецирующие их в будущее.

Более продвинутый подход – построение причинно-следственных (каузальных) моделей, учитывающих влияние на потребность в ТМЦ не только исторических трендов, но и релевантных внешних факторов – динамики спроса на готовую продукцию, колебаний цен на сырье, изменений в технологиях, действий конкурентов. Эти факторы включаются в модель в виде предикторов (независимых переменных), для которых определяются весовые коэффициенты и функциональные зависимости. Наиболее популярные каузальные модели в сфере прогнозирования МТР – множественная регрессия, авторегрессия, нейронные сети, деревья решений. Их применение требует хорошей статистической подготовки, углубленного понимания бизнес-процессов, наличия качественных исходных данных.

Для проверки устойчивости прогнозов к изменениям внешней и внутренней среды применяется сценарное планирование – моделирование потребности при различных вариантах развития событий (изменение спроса, цен, технологий, структуры поставщиков). Строится несколько альтернативных прогнозов (оптимистичный, реалистичный, пессимистичный), между которыми распределяется вероятность реализации. Затем проводится анализ чувствительности – оценка того, как изменение отдельных параметров модели (например, нормативов расхода или сроков поставки) повлияет на итоговую потребность. Это позволяет определить наиболее критичные факторы, требующие непрерывного мониторинга и контроля.

Необходимым условием эффективного прогнозирования является использование специализированного программного обеспечения, реализующего передовые модели и алгоритмы, визуализирующего результаты, обеспечивающего коллективную работу планировщиков. Наиболее продвинутые решения в этой области – системы класса SCM (Supply Chain Management), интегрированные с ERP, но обладающие более мощной аналитикой и оптимизационными возможностями (SAP APO, Oracle SCM, Kinaxis, JDA, O9). Они позволяют строить мультиэшелонные модели цепочек поставок, сквозные прогнозы потребности и запасов по всем уровням (сайтам, складам, производственным линиям), сценарии с учетом ограничений мощностей и логистики.

Ключевые функциональные блоки таких систем – статистическое прогнозирование, объемно-календарное планирование MRP/DRP, оптимизация производственных и логистических планов, имитационное моделирование. Они обеспечивают полный цикл построения прогнозов – от сбора и обогащения исходных данных до выбора лучшей модели, генерации заказов на закупку и отслеживания отклонений факта от плана с оповещениями ответственным. Наиболее продвинутые решения используют алгоритмы ИИ (машинного и глубокого обучения) для непрерывной адаптации параметров моделей к меняющемуся поведению рядов, автоматического поиска значимых факторов и зависимостей.

Для повышения точности планирования прогнозирование потребности должно вестись не индивидуально по отдельным позициям, а в разрезе укрупненных категорий и групп взаимозаменяемых продуктов. Это позволяет сглаживать индивидуальные колебания спроса, использовать более длинные и устойчивые исторические ряды, распределять риски дефицита и избытка запасов внутри категории. Для этого применяются различные техники консолидации и агрегирования потребностей – суммирование по периодам (годам, кварталам, месяцам), продуктовым группам, единицам хранения (паллетам, упаковкам), поставщикам, географии.