Ошибочные подходы к оптимизации цепей поставок

Ошибочные подходы к оптимизации цепей поставок












Главная » Ресурсы » Здесь

Проекты по оптимизации цепей поставок часто оказываются безуспешными. Количественная оптимизация цепей поставок позволяет значительно снизить количество неудач. При количественной оптимизации мы используем процедуры, доказавшие свою работоспособность, однако существуют и процедуры, которые не работают. Хуже того, такие ненадежные процедуры очень часто являются причинами неудач в применении традиционных методов оптимизации цепей поставок.

Ниже мы разберем процедуры или подходы, из-за которых проваливается большинство проектов по оптимизации цепей поставок. Эти знания были получены большим трудом, так как за каждым пунктом стоит множество неудачных проектов. Такие опасные процедуры мы называем «ошибочными подходами к оптимизации цепей поставок». Ошибочный подход — это «решение», последствия которого оказываются негативными: это часто бывают общепринятые подходы, и поначалу может казаться, что идея хорошая, но такие решения не приводят к необходимым улучшениям.

   Неэффективное руководство
      Неприемлемые запросы котировок
      Плохие опытные образцы (POC)
      Отказ от неопределенности
      Использование стажеров
      Убийственное планирование
      Разделение прогнозирования и оптимизации
      Программы-франкенштейны
      Погоня за модными словами
   Плохая работа информационных систем
      Помните о защитных механизмах, которыми пользуются айтишники
      Недостаточная подготовка данных
      Соблазн использования платформ с возможностью расширения
      Ненадежные системы извлечения данных
   Плохие алгоритмы расчетов
      ABC-анализ
      Резервный запас
      Ручная корректировка прогнозов
      Мониторинг предупреждений и плохих прогнозов
      Рискованные исправления данных
      Недостаточное внимание к времени выполнения заказов
   Псевдонаучность
      Фантастические обещания
      Прогнозирование силами отдела продаж
      Проверенные решения
      Плохие показатели, плохие цели


Неэффективное руководство

Сотрудники Lokad не хотят конфликтовать с людьми, которые принимают ключевые решения, касающиеся цепей поставок, так как именно они и являются нашими клиентами. Тем не менее мы не будем заключать сделку, если решение будет обречено на провал с самого начала. Очень часто проблема заключается в управлении проектом. И все же, управление цепями поставок — не единственная проблема. Бывает, что поставщики обманывают клиентов и уходят от ответственности. Старые рабочие процедуры и внутренняя политика компании также могут мешать управлению цепями поставок на повседневном уровне. Более того, именно на управление цепями поставок часто перекладывают вину, если что-то не получается. В этом разделе мы приводим список наиболее распространенных проблем, которые можно решить, пересмотрев систему управления цепями поставок.

Неприемлемые запросы котировок

Существует множество сфер экономики, где запросы цен или котировок являются эффективным инструментом. К сожалению, программное обеспечение к ним не относится. Написать спецификацию программы намного сложнее, чем написать саму программу. Эта задача просто пугающих масштабов. При проведении запроса котировок компании еще сильнее запутывают ситуацию, вводя в нее консультантов. Запросы цен не позволяют думать о решении проблем, так как данный процесс подразумевает, что клиент уже знает, какая конкретно система ему нужна; «проблема» же, по определению, не может быть решена при создании запроса котировок. Кроме того, запросы котировок приводят к выбору плохих поставщиков, потому что хорошие уходят, а недобросовестные остаются. Наконец, программирование — это очень быстро развивающая сфера деятельности, и к тому времени как ваша компания покончит с созданием запроса, ваш конкурент уже выпустит собственную систему.

Плохие опытные образцы (POC)

Создание опытного образца (POC) — хорошее решение, если вы хотите приобрести простую услугу, которая почти приравнивается к товару — например печать визиток. Проекты по оптимизации цепей поставок сложны по своей природе. Для их реализации требуется взаимодействие множества людей. Необходимо обработать множество данных. Нужно учесть десятки рабочих потоков. Таким образцом, опытные образцы или небольшие пилотные участки приносят больше вреда, чем пользы, потому что они лишены важнейшей характеристики успешного проекта по оптимизации цепей поставок: возможности полномасштабного применения. Многим знаком принцип экономии масштаба, однако при оптимизации цепей поставок мы обычно сталкиваемся с эффектом убытков от масштаба, причем принимать хорошие решения становится все сложнее, так как проблема со временем только растет. Успех небольшого дистрибьюторского центра не гарантирует, что решение будет работать так же хорошо с десятками разных центров.

Отказ от неопределенности

Будущее не определено, и от этой неопределенности нельзя отмахиваться. Числовая оптимизация цепей поставок — сложная проблема, и от нее тоже нельзя отмахиваться. Для оптимизации цепей поставок требуются вероятностные прогнозы, которые напрямую связаны с неопределенностью будущего. При числовой оптимизация цепей поставок системы часто выдают алогичные значения. Некоторые поставщики эксплуатируют тягу к простоте и продают фантастические системы, где все препятствия просто убираются. К сожалению, такие препятствия — это не просто формальность. С их помощью можно определить, что будет работать в ваших цепях поставок, а что нет. Неопределенность необходимо учитывать с числовой точки зрения. Принимать и учитывать ее также важно и для управления цепями поставок.

Использование стажеров

Если оптимизация цепей поставок действительно важна для вашей компании, то проектом должны заниматься руководители высшего уровня. Очень часто компании мечтают об улучшениях, но отдают соответствующие задания в руки одного-двух стажеров. Стажеры, конечно, бывают очень умными, однако еще ни один проект по оптимизации цепей поставок, которым управлял стажер, не достиг успеха. Разумеется, мы не имеем ничего против стажеров. Они могут быть умными, мотивированными, оригинальными, однако они не могут изменить цепи поставок вашей компании. Для этого необходимо участие высшего руководства, иначе сотрудники компании не будут внедрять изменения. У работников обычно мало свободного времени, если оно вообще есть. Если руководство не даст им понять, напрямую включившись в работу, что текущий проект является приоритетным, то никто, кроме бедняги-стажера, ответственного за проект, не будет считать его особенно важным.

Убийственное планирование

Руководство хочет быть уверенным в том, что оно делает, и с этой точки зрения, нет ничего лучше, чем качественная дорожная карта с четко определенными фазами, ролями и результатами. Однако история ПО учит нас, что планы обычно выполняются четко не дольше одной недели. Иногда они срываются уже в первый день. Если речь идет об оптимизации цепей поставок, неожиданные проблемы будут появляться постоянно, и это, безусловно, пугающая перспектива. Четкое планирование лишь ухудшит ситуацию: проект станет слишком неповоротливым и любые неожиданности будут приводить к еще большим последствиям. Проект должен быть как можно более устойчивым к неожиданно возникающим проблемам. Возможность восстановления после появления проблемы гораздо важнее, чем возможность устранения самой проблемы. Таким образом, руководители цепей поставок должны следить за тем, чтобы проект оставался достаточно гибким, а не за жесткостью его реализации.

Разделение прогнозирования и оптимизации

Традиционный подход к оптимизации цепей поставок разделяет процесс прогнозирования и процесс принятия решений. Это может быть рационально с технической точки зрения, так как в этом случае используется два разных набора алгоритмов: один для прогнозирования и один для оптимизации. Тем не менее, с функциональной точки зрения необходимо, чтобы сотрудники, отвечающие за прогнозирование, отвечали и за оптимизацию. Алгоритм принятия решений или, иными словами, оптимизации, очень сильно зависит от значений, которые выдает алгоритм прогнозирования. Отделение этих алгоритмов друг от друга приведет к усилению недостатков, которые могут присутствовать на уровне прогнозирования и, как следствие, к неразберихе в принимаемых решениях. Алгоритм оптимизации должен быть связан с показаниями алгоритма прогнозирования, как удачными, так и не очень.

Программы-франкенштейны

Достичь консенсуса в больших компаниях сложно. Как следствие, большинство тех, кто занимается цепями поставок, могут выбрать одного поставщика, но небольшая часть при этом останется при своем мнении или даже захочет использовать функции, которые есть в другом продукте. Индивидуальная настройка ПО — выгодный бизнес для крупных компаний, так что поставщики часто навязывают эту опцию, что приводит к завышению цен и преувеличению важности этого процесса. Однако на написание хорошей программы уходят годы, а конечный результат представляет собой наиболее выгодный компромисс между различными целями. Как правило, результатом индивидуальной настройки ПО большими компаниями является исчезновение оригинальных свойств продукта и не повышение, а понижение качества его работы. Поставщиков ПО в мире более, чем достаточно. Если система вам не подходит, просто выберите другую. Если вам не подходит ни один из поставщиков, то либо ваша компания поистине уникальная (что случается крайне редко), либо вам необходимо пересмотреть свои требования.

Погоня за модными словами

Примерно в 2010 в розничной торговле было очень модно анализировать прогнозы погоды для корректировки прогнозов спроса. В 2012 стало модно учитывать данные социальных сетей при прогнозировании спроса. В 2014 доминировали системы обработки больших объемов данных, но в 2016 их заменили системы машинного самообучения. Каждый год появляется новая волна модных словечек. Конечно, нет ничего плохого в том, чтобы взглянуть на старую проблема с нового угла — даже наоборот, однако при этом существует опасность отклонения от ключевых задач проекта, что приведет к потере достигнутых результатов. Если вам кажется, что новая инициатива слишком хороша, чтобы быть правдой, то, вероятно, так и есть. Улучшение работы цепей поставок достигается большим трудом. Следите за тем, чтобы новые веяния соответствовали ключевым задачам вашей цепи поставок.

Плохая работа информационных систем

Очень часто в неудачах проектов винят информационные системы. Эти системы сложны — намного сложнее, чем представляют себе люди, которые ими не занимаются. Тем не менее иногда случается, что работники, занимающиеся ими, так осложняют рабочие процессы (из благих побуждений), что реализация проекта бесконечно замедляется и компания решает забросить инициативу. Сотрудники, отвечающие за информационные технологии, должны не только принять изменения в целом, они должны принять изменения, которые не позволят снизить эффективность будущих изменений. Это легче сказать, чем сделать.

Помните о защитных механизмах, которыми пользуются айтишники

Если сотрудников ИТ-отдела раньше часто винили в неудачах компании, они могли выработать «защитные механизмы». Один из таких механизмов заключается в запросе подробных описаний всех новых инициатив в письменном виде. Составить описание программы обычно намного сложнее, чем применить ее. Как следствие, одна сложная проблема заменяется еще более сложной проблемой. Другой защитный механизм заключается в жестких «требованиях», например, ПО должно быть расположено на территории предприятия, оно должно быть совместимо с XYZ, у него должны быть определенные функции безопасности и т. д. На написание хорошей программы уходят годы. После того как длинный список требований будет составлен, останется только два типа поставщиков ПО: те, которые не соответствуют вашим требованиям, и те, кто врет о том, что они соответствуют вашим требованиям.

Недостаточная подготовка данных

Как ни удивительно, проекты по оптимизации цепей поставок могут проваливаться из-за того, что сотрудники, отвечающие за информационные технологии, слишком заняты настройкой системы и к тому же берут на себя подготовку данных. Информационные технологии сложны, а потому те, кто ими занимается, обычно достаточно талантливы. Из-за этого некоторые айтишники начинают думать, что они понимают бизнес лучше остальных сотрудников компании. Первым нежелательным последствием такого мышления является постоянная недооценка задач, подразумевающих обработку данных компании. Осмысленная обработка данных — это не просто перемещение мегабайтов данных туда-сюда. Здесь скорее требуется понимание того, как данные отражают рабочие процессы и потоки компании. Также необходимо понимать мелкие искажения, ошибки и ограничения данных, которые находятся в системе компании в любой момент времени. Если информационный отдел занимается подготовкой данных, то следует ожидать задержек, так как сотрудники постепенно начнут понимать, сколько всего они не учли в изначальной версии. Исходя из всего вышесказанного, лучше всего назначить на эту роль кого-нибудь не из информационного отдела.

Соблазн использования платформ с возможностью расширения

Работая с корпоративными клиентами поставщики ПО нашли золотую жилу: «платформы с возможностью расширения». Эти платформы состоят из множества модулей, а значит они обеспечивают больше возможностей продаж. Тем не менее платформы плохо работают вместе, и их функции накладываются друг на друга. Иными словами, в вашей компании возникает конфликт между двумя платформами. Две конфликтующие платформы — это кошмар для айтишников и для компании в целом. Как правило, в таких ситуациях появляются механизмы синхронизации, которые сложно настроить и еще сложнее обслуживать. Хотя и соблазнительно воспользоваться всеобъемлющей платформой, однако разумнее всего выбрать узкоспециализированные приложения, которые делают что-то одно, но делают это хорошо. Обслуживать десятки узкоспециализированных приложений достаточно просто, тогда как управление двумя крупными платформами (с таким же большим наложением функций) — это просто ад.

Ненадежные системы извлечения данных

Данные — это как кровь количественной оптимизации цепей поставок: если они перестанут подаваться в систему, проект умрет. Свежие данные должны поступать постоянно. Очень часто информационный отдел считает, что пары случайных экспортов данных достаточно для начала. В конце концов, проект все равно скоро будет закрыт — вы же помните, что большинство проектов по оптимизации цепей поставок проваливаются — а значит нет большого смысла вкладывать слишком много усилий на ранней стадии извлечения данных. Из-за такого мышления создание алгоритма автоматизированного извлечения данных задерживается, что становится одной из ключевых причин провала всего проекта. Информационный отдел должен проявить инициативу и создать автоматическую систему извлечения данных с первого дня. Кроме того, айтишники должны убедить остальных сотрудников компании, что эти усилия крайне важны для успеха проекта и что одноразовое извлечение данных ни к чему не приведет.

Плохие алгоритмы расчетов

Оптимизация цепей поставок зависит от цифр. Конечно, видение, управление и дисциплина компании важны, но опыт показывает, что большинство компаний здесь и так старается как следует. Однако когда речь заходит о цифрах, вся цепь поставок зависит именно от плохих алгоритмов расчетов. Не все сотрудники, отвечающие за цепи поставок, понимают, что все формулы и модели (которые мы здесь называем алгоритмами расчетов) полагаются на довольно строгие предположения. Если нарушить эти предположения, то алгоритмы расчетов перестанут работать. В данном разделе мы перечисляем самые широко распространенные ошибки с этой точки зрения. Для краткости мы исходим из предположения, что читатель уже знаком непосредственно с алгоритмами.

ABC-анализ

ABC-анализ запасов был разработан в то время, когда компьютеры не могли способствовать развитию цепей поставок. Основное преимущество ABC-анализа заключается в том, что он настолько прост, что его можно выполнить вручную. Однако если учесть поразительную мощность современных компьютеров, то ABC-анализ теряет свою актуальность. Разделять тысячи SKU на 3 или 4 произвольных класса просто нет смысла. Теперь между товарами, которые продаются лучше и хуже всех, существует неразрывная цепь. Алгоритм оптимизации цепей поставок должен отражать этот принцип, а не основываться на выдуманных группах. На практике негативные эффекты ABC-анализа ухудшаются изменениями рынка, которые ведут к нестабильности классов — то есть товары постоянно перемещаются из одной группы в другую.

Резервный запас

Нужно осознать, что на вашем складе нет «резервных запасов». Резервный запас — это надуманное понятие, которое разделяет наличные запасы на две категории: рабочий и резервный запас. Исторически резервный запас был придуман для простого решения проблемы изменения спроса и времени выполнения заказов. Резервный запас моделируется на основании нормального распределения, также называемого гауссовым. Однако быстрая проверка практически любого набора данных о цепях поставок показывает, что ни спрос, ни время выполнения заказа не имеют ничего общего с нормальным распределением. В 1980-х, когда компьютеры еще были медленными, нормальное распределение могло считаться приемлемым компромиссом между сложностью и точностью, но сегодня нет смысла держаться за «уловки», придуманные чтобы обойти ограничения ранних компьютеров.

Ручная корректировка прогнозов

Некоторые сотрудники гордятся тем, что могут «победить систему» и высчитать более рациональные прогнозы. Если это так, значит система непригодна к работе и ее необходимо настраивать соответствующим образом, для чего требуется учесть опыт и знания сотрудника. Оптимизация цепей поставок достаточно крупного масштаба подразумевает создание тысяч, если не миллионов прогнозов в день. Ручной ввод данных для корректировки ошибок системы вообще нельзя рассматривать как приемлемый вариант. За последние 20 лет статистика прошла огромный путь, так что нет никаких оснований полагать, что при одинаковых исходных данных автоматизированная система не сможет превзойти человека, которому, если смотреть реалистично, придется на каждое вычисление затрачивать всего несколько секунд. Если бы у человека было несколько дней для принятия каждого решения, ситуация была бы совершенно другой. Тем не менее большинство решений в цепях поставок необходимо принимать ежедневно.

Мониторинг предупреждений и плохих прогнозов

Классические прогнозы отражают лишь один возможный вариант развития событий — среднее значение — как будто только этот вариант может произойти. Однако будущее не определено, и прогнозы, в лучшем случае, являются примерными. В определенных ситуациях классические прогнозы просто ошибочны. Очень часто компании теряют огромные средства из-за крупных ошибок прогнозирования. В результате для отслеживания этих крупных ошибок используются предупреждения. Дело не в том, что ошибаются прогнозы — дело в классическом подходе, который подразумевает, что возможен лишь один вариант развития событий, тогда как возможны различные варианты, хотя и вероятность их возникновения различается. С точки зрения вероятностного прогнозирования, ошибки прогнозирования обычно известны заранее, и они представлены в виде распределения вероятности, которые распределены по широкому набору возможных значений. Вероятностные прогнозы отражают подход, при котором в компании резко снижаются риски, связанные с цепями поставок и с неопределенностью будущего. Использование предупреждений в классических прогнозах — признак неэффективного подхода, который отрицает неопределенность развития ситуации.

Рискованные исправления данных

Когда в исторических данных обнаруживаются ошибки, связанные, например, с дефицитом товара или промоакциями, появляется соблазн «исправить» эти ошибки, изменив данные. Этот процесс называется «рискованным исправлением» данных. В основе рискованного исправления лежит идея о том, что все модели прогнозирования выдают различные варианты плавающих средних значений. Если все, что у вас есть — плавающие средние значения, тогда, конечно, данные необходимо корректировать. Однако рискованные исправления — это не решение. На самом деле решение заключается в расширении горизонта, в поиске более эффективных моделей прогнозирования, которые работают лучше, чем средние плавающие значения. Более эффективные статистические модели нужно использовать для успешной обработки «обогащенных» данных, где ошибки также считаются входящими данными. Таких статистических моделей не существовало несколько десятилетий назад, но сегодня это уже не так.

Недостаточное внимание к времени выполнения заказов

По каким-то не очень понятным нам причинам время выполнения заказов очень часто задается вручную, а не прогнозируется. Время выполнения заказа в будущем не определено, и почти всегда оценить его можно с помощью показателей, наблюдавшихся в прошлом. Таким образом, время выполнения заказов необходимо прогнозировать отдельно. Кроме того, влияние правильной оценки времени выполнения заказов на цепи поставок намного больше, чем многие могут себе представить: запасов товаров должно хватить для удовлетворения спроса в течение указанного времени. Если изменить время выполнения заказа, объем запасов также изменится. Таким образом, прогнозы времени выполнения заказов нельзя рассматривать как второстепенный компонент вашего проекта по оптимизации цепей поставок. В цепях поставок почти всегда требуются точные прогнозы спроса, но наш опыт показывает, что точные прогнозы времени выполнения заказа также крайне важны.

Псевдонаучность

У псевдонаучности есть все признаки настоящей науки: она кажется рациональной, в ней присутствуют цифры, считается, что ее методы проверены, и образованные люди защищают такой подход. Однако псевдонаучность не позволяет достигнуть воспроизводимых результатов. Как правило для определения псевдонаучности даже не требуется экспериментального проекта: такие материалы начинают распадаться уже при тщательной проверке независимым экспертом. Управление цепями поставок — дело дорогое и сложное для понимания. Именно благодаря этим двум свойствам так сложно оспаривать методы работы с цепями поставок. Экспериментаторы не только сильно рискуют, но и не всегда могут правильно оценить, что именно обеспечило появление улучшений.

Фантастические обещания

Поставщики ПО делают громкие заявления не только о системах управления цепями поставок, но и о других корпоративных продуктах. Здесь нужно помнить старую поговорку: если предложение похоже на сказку, то, вероятно, так и есть. Мы наблюдаем подобные случаи почти каждый январь на выставке NRF в Нью-Йорке, одной из самых крупных специализированных выставок в мире, которая проводится уже более века. Очень часто там можно увидеть крупного поставщика, который утверждает, что их система позволяет снизить уровень запасов вдвое. Если хотя бы 10% этих заявлений были правдивы, то все промышленные предприятия удерживали бы запасы на идеальном уровне уже на протяжении десяти лет. Существует множество способов представить показатели, достигнутые тем или иным поставщиком, поэтому, делая громкие заявления, они могут даже не лгать. Например, компания, которая становится «рекламным лицом» той или иной системы, могла иметь изначально нежизнеспособную систему цепей поставок, а значит и огромные улучшения были лишь следствием того, что она была приведена в порядок за год.

Прогнозирование силами отдела продаж

Неизвестно, работали ли люди, доверяющие создание точных прогнозов спроса отделу продаж, с настоящими специалистами по продажам. В лучшем случае созданные прогнозы могут быть простыми догадками, но чаще они просто выдумываются сотрудниками отдела продаж, которые подстраиваются под задачи, стоящие перед ними. Такая ситуация приводит к так называемому «занижению» целей, когда выбирают небольшие целевые показатели, чтобы можно было перевыполнить план. Кроме того, сотрудники, отвечающие за цепи поставок, часто притворяются, что вышеуказанные данные им интересны, тогда как на самом деле они абсолютно не используют цифры, полученные от отдела продаж. Игнорирование данных от отдела продаж является единственным рациональным вариантом, так как цепи поставок вообще перестали бы работать с такими низкими показателями.

Проверенные решения

Поиск проверенных решений, которые приносят пользу компаниям, подобным вашей, может показаться очень разумной идеей. Именно так и сделала компания Nokia и множество других фирм. Большинство крупных компаний не могут быстро выбрать сложную систему. Процесс выбора поставщика может легко занять целый год. Затем вывод системы на полную мощность может занять еще один год. Мониторинг и появление уверенности в результатах может занять еще 1–2 года, особенно в цепях, где не все системы работают непрерывно, и где цепи поставок могут быстро вернуться к предыдущему состоянию, как только поставщик перестает появляться в компании и подстраивать систему. Еще через 1 год после этого поставщик ПО наконец получит твердые доказательства эффективности своей системы. Фатальным недостатком такого подхода является то, что ваша компания может достигнуть своей цели на 5 лет позже, чем предполагалось. Для ПО 5 лет — это очень большой срок. Большинство программ считаются устаревшими спустя 5 лет после выпуска; так неужели вы считаете, что с вашей системой управления цепями поставок все будет иначе?

Плохие показатели, плохие цели

Количественная оптимизация цепей поставок зависит от значений, которым вы можете доверять. Как следствие, мы тщательно следим за показателями и целями. С другой стороны, большинство целей и показателей в цепях поставок подбираются настолько плохо, что в нашей книге они считаются псевдонаучными. Для создания качественных показателей цепей поставок требуются значительные усилия. Для создания качественных целей для цепей поставок требуются практически невозможные усилия. Очень часто показатели и цели занижают для простоты, что ведет к тому, что они теряют какую-либо актуальность для бизнеса. Как правило, если достижение цели не кажется невероятно сложным заданием, скорее всего, задачи, стоящие перед теми, кто отвечает за цепи поставок, сильно недооцениваются.