Планирование потребностей в материалах, ориентированное на спрос (DDMRP)

Метод планирования потребностей в материалах, ориентированный на спрос (DDMRP), является количественным методом, предназначенным для оптимизации производительности цепи поставок предприятий многорангового производства. Метод основан на понятиях «точек разделения» и «буферов запасов», которые предназначены для устранения недостатков ранее использовавшихся методов, реализованных в большинстве систем планирования потребностей в материалах (MRP). Метод определяет количество товаров, которые следует приобрести или произвести для любого SKU (единицы учета запасов) многоуровневого BOM (ведомости материалов).

Проблема оптимизации потока многоуровневой ведомости материалов

Ведомость материалов (Bill of Materials, BOM) представляет собой сборки, компоненты и детали, а также количество каждого из них, необходимых для производства конечного продукта. Многоуровневая ведомость материалов - это рекурсивная иерархическая перспектива исходной ведомости материалов, где определенные детали дополнительно разбиваются на свои собственные ведомости материалов. С формальной точки зрения многоуровневая ведомость материалов - это взвешенный направленный ациклический граф¹, где вершины - это SKU, ребра указывают на включение (т.е. являются частью), а веса представляют количество, необходимое для сборки - либо конечного продукта(ов), либо промежуточного продукта(ов).

Проблема, решаемая с помощью DDMRP, заключается в оптимизации потока в многоуровневой ведомости материалов и состоит в определении, в любой момент времени, (a) следует ли закупить больше сырья и сколько, (b) следует ли произвести больше единиц любого SKU и сколько.

Интуитивно эта проблема сложна, потому что нет прямой корреляции между качеством обслуживания любого промежуточного SKU - обычно измеряемого через уровни обслуживания - и качеством обслуживания конечного продукта. Добавление большего количества товара к определенному SKU улучшает качество обслуживания конечного продукта только в том случае, если этот SKU был, каким-то образом, узким местом в производственном потоке.

На практике решение этой проблемы оптимизации потока требует ряда дополнительных входных данных, наиболее распространенных:

• История заказов от клиентов
• Время поставки от поставщиков
• Уровень запасов, имеющихся, в пути или на заказ
• Время поставки и/или производственные пропускные способности
• и т.д.

Затем реальные цепочки поставок обычно имеют дополнительные осложнения, такие как размеры партий (любые желательные множители, навязываемые как поставщиком, так и самим производственным процессом), сроки годности (не только для перехватываемых товаров, но и для химических веществ и чувствительного оборудования), неидеальные замены (например, когда более дорогая деталь может быть использована в качестве замены, если более дешевая недоступна). Эти осложнения требуют дополнительных данных, которые должны быть отражены моделью.

Ограничения классической MRP

Зарождение DDMRP было обусловлено ограничениями, связанными с тем, что можно назвать классической MRP перспективой (просто называемой MRP перспективой в дальнейшем), которая была разработана в основном в 80-х годах. MRP перспектива ориентирована на анализ времени поставки и определяет самый длительный путь (во времени) в графе BOM как узкое место, связанное с производственным процессом конечного продукта.

Чтобы определить это узкое место, MRP предлагает два различных числовых метода для присвоения статического времени поставки каждому ребру графа BOM:

• время производства - максимально оптимистичное и предполагает, что запасы всегда доступны везде (т.е. для каждого SKU), поэтому время поставки зависит только от пропускной способности производственных процессов.
• накопительное время поставки - максимально пессимистичное и предполагает, что запасы всегда недоступны, и поэтому время поставки зависит только от времени производства первой единицы, начиная с пустого состояния, т.е. нулевых сырьевых материалов и нулевых промежуточных продуктов.

У этих двух методов есть одно общее ключевое преимущество: они относительно просты в реализации в рамках реляционной базы данных, которая была архитектурным ядром практически всех MRP, созданных с 80-х по 2010-е годы.

Однако эти два метода также являются чрезмерно упрощенными и обычно дают бессмысленные времена поставки. Авторы DDMRP указывают на то, что вычисление заказов на покупку или производство на основе глубоко ошибочных оценок времени поставки приводит к смешанному состоянию избыточных запасов и дефицита товара, в зависимости от того, являются ли времена поставки грубо завышенными или заниженными.

Числовой рецепт DDMRP

Числовой рецепт DDMRP - это смесь числовых эвристик, сопряженных с решениями экспертов по цепочке поставок - то есть экспертов по цепочке поставок. Этот рецепт предназначен для преодоления недостатков, связанных с классической MRP, без прибегания к “продвинутым” числовым алгоритмам. Рецепт состоит из четырех основных ингредиентов, а именно:

• разделение времени поставки
• уравнение чистого потока
• разделенный взрыв
• относительный приоритет

Комбинируя эти четыре ингредиента, практикующий в области цепочки поставок может рассчитать количество для покупки и производства при многоуровневой ситуации BOM. Авторы DDMRP утверждают, что этот метод обеспечивает более высокую производительность цепочки поставок - измеряемую в оборотах запасов или уровнях обслуживания - по сравнению с производительностью, достигаемой с помощью MRP.

Разделение времени выполнения

Чтобы исправить наивный экстремальный оптимизм / пессимизм в отношении времени выполнения, DDMRP вводит схему двоичной раскраски графа², где определенные вершины (т.е. SKU) графа (т.е. BOM) выделяются в качестве точек разделения. Предполагается, что эти вершины всегда содержат сервисный запас, и методология DDMRP гарантирует, что это действительно так.

Выбор точек разделения в основном делегируется практикующим в области цепочки поставок. Поскольку точки разделения предназначены для складирования SKU, практикующие должны отдавать предпочтение SKU, которые имеют смысл на стратегическом уровне - например, потому что они используются несколькими конечными продуктами и имеют более стабильные потребительские паттерны, чем большинство конечных продуктов.

После выбора точек разделения DDMRP времена выполнения, связанные с любой вершиной, могут быть рассчитаны как самый длинный путь (по времени), начиная с вершины и спускаясь вниз, но обрезая путь, когда встречается точка разделения.

С тщательным выбором точек разделения авторы DDMRP утверждают, что методология DDMRP обеспечивает более короткие времена выполнения. Это предложение не совсем верно, не потому что времена выполнения дольше, а потому что DDMRP предлагает новое определение того, что подразумевается под временем выполнения в первую очередь.

Уравнение чистого потока

Для вычисления количеств, связанных с заказами на закупку или производством других продуктов, авторы DDMRP вводят понятие чистого потока, определенное следующим образом:

Наличие + В процессе - Квалифицированный спрос на заказ = Позиция чистого потока

Это уравнение определено на уровне SKU. Количество чистого потока интерпретируется как количество запасов, доступных для удовлетворения неопределенной части спроса.

Затем позиция чистого потока сравнивается с размером буфера; и когда она значительно ниже целевого буфера, происходит заказ. Мы вернемся к этому механизму в разделе о приоритетах заказов ниже.

Методология DDMRP предлагает общие рекомендации по определению размеров буферов, обычно выражая их в днях спроса, и обеспечивает безопасные запасы, соблюдая DDMRP времена выполнения - как определено выше. На практике определение размеров буферов зависит от суждения практикующих в области цепочки поставок.

Через чистые потоки авторы DDMRP подчеркивают, что только неопределенная часть спроса на самом деле требует какого-либо статистического анализа. Работа с будущим спросом, который уже известен, является чисто вопросом соблюдения детерминированного плана выполнения.

Разделенный взрыв

Методология DDMRP как полагается на, так и обеспечивает предположение о том, что запасы всегда могут быть использованы с любой точки разделения. Это предположение предлагает возможность разделить ребра, используя точки разделения (т.е. подмножество вершин) в качестве границ между подмножествами разделения. Эта схема разделения называется разделенным взрывом.

С точки зрения DDMRP, когда клиентский заказ передается для конечного продукта, результирующий спрос не рекурсивно разбивается на его внутренние компоненты, а только разбивается до первых встреченных точек разделения.

Схема разделения графа разделенного взрыва используется методологией DDMRP как стратегия разделения и покорения³. В частности, поскольку размер подграфа можно сохранить небольшим, DDMRP может быть реализован поверх систем реляционных баз данных, подобно MRPs, даже если эти системы на самом деле не подходят для графового анализа.

Приоритизация заказов

Окончательный числовой шаг в числовом рецепте DDMRP состоит в вычислении самих заказов, либо покупных заказов, либо производственных заказов. Методология DDMRP устанавливает приоритет для всех SKU на основе их разницы Буфер - Чистый поток, сначала обрабатывая наибольшие значения. Затем заказы генерируются, обрабатывая список в указанном порядке, выбирая все положительные значения и, часто, не менее МОК (при применимости).

Приоритизация DDMRP является одномерной (с точки зрения оценки) и определяется внутренним соблюдением собственной методологии, то есть поддержкой работоспособных запасов для всех точек разделения. Предыдущие разделы показали, как это ключевое свойство точек разделения было использовано. Приоритизация заказов объясняет, как это свойство обеспечивается.

Предложенная авторами DDMRP приоритизация заказов более детализирована, чем типичные рецепты, которые обычно используются в MRPs, такие как ABC-анализ. Она предоставляет механизм для направления внимания практиков цепи поставок на SKU, которым требуется наибольшее внимание - по крайней мере, согласно критерию срочности DDMRP.

Критика DDMRP

Авторы DDMRP продвигают⁴ преимущества⁵ этой методологии как передовую практику для максимизации производительности цепи поставок. Однако, несмотря на то, что DDMRP имеет несколько “скрытых” преимуществ, подробно описанных ниже, можно высказать несколько критических замечаний относительно этой методологии: наиболее заметными из них являются неправильная базовая линия для оценки новизны и производительности, а также формализм, который не учитывает сложность реального мира.

Скрытые преимущества

Хотя может показаться относительным парадоксом, наиболее сильные аргументы в пользу DDMRP, возможно, не были должным образом идентифицированы ее собственными авторами, по крайней мере, не в их публикации 2019 года. Этот кажущийся парадокс, вероятно, является непреднамеренным следствием ограниченного формализма DDMRP - подробности ниже.

Что касается производственных цепей поставок, частотные скользящие средние обычно превосходят временные скользящие средние. Действительно, неверно утверждать, что DDMRP работает без прогнозов спроса. Буферы являются прогнозами, за исключением того, что они являются частотными прогнозами (т.е. дни спроса), а не временными (т.е. спрос в день). Как правило, частотные прогнозы более надежны, когда спрос является либо неустойчивым, либо прерывистым. Это открытие можно проследить до J.D. Кростона, который опубликовал “Прогнозирование и управление запасами для прерывистого спроса” в 1972 году. Однако, в то время как методы Кростона остаются относительно неизвестными, DDMRP популяризовала эту точку зрения в мире цепей поставок в целом.

Приблизительная приоритизация - это надежный механизм принятия решений в цепочке поставок, который предотвращает целые классы проблем, в основном систематические предубеждения. Действительно, в отличие от подходов, основанных на SKU, таких как резервные запасы, которые могут быть легко искажены локальными артефактами цепочки поставок (например, исчерпание запасов), даже свободная приоритизация на уровне всей цепочки поставок гарантирует, что ресурсы направляются в первую очередь на очевидные узкие места. Хотя авторы DDMRP явно понимают, что приоритизация полезна как механизм внимания, это понимание не приводится к логическому выводу: приоритизация должна быть экономической, то есть измеряться в долларах, а не в процентах.

Некорректная базовая линия

Основная критика в адрес DDMRP связана с его некорректной базовой линией. MRPs, реализованные и продаваемые в течение четырех десятилетий с начала 80-х до конца 2010-х годов, никогда не были на самом деле разработаны⁶ для планирования, прогнозирования или оптимизации чего-либо. Само название, MRP (планирование потребностей в материалах), является неправильным. Более правильным названием было бы MRM (управление потребностями в материалах). Эти программные продукты построены на основе реляционной базы данных (т.е. SQL-базы данных) и в первую очередь предназначены для отслеживания активов компании и выполнения всех клерикальных задач, связанных с самыми обыденными операциями, например, уменьшение уровня запасов при отборе единицы.

Поскольку реляционное ядро в значительной степени противоречит любой численно интенсивной обработке, такой как большинство видов графовых алгоритмов, неудивительно, что числовые рецепты, предлагаемые такими продуктами, оказываются упрощенными и дисфункциональными, как это показано на примере двух видов оценок времени выполнения. Тем не менее, в области информатики существует обширный каталог литературы о предсказательной численной оптимизации цепей поставок. Эта литература была зарождена в 50-х годах под названием “исследование операций” и с тех пор продолжается под разными названиями, такими как количественные методы в управлении цепями поставок или просто оптимизация цепей поставок.

Оба утверждения о новизне и превосходстве DDMRP неправильно выводятся из ложного предположения, что MRPs являются соответствующей базовой линией для целей оптимизации цепей поставок; то есть улучшение MRP является улучшением оптимизации цепей поставок. Однако MRPs, как и все программные системы, центрально разработанные вокруг реляционных баз данных, просто не подходят для численных задач оптимизации.

Производители, ограниченные ограничениями своего MRP, не должны искать постепенные улучшения самого MRP, поскольку численная оптимизация фундаментально противоречит его конструкции, а вместо этого воспользоваться всеми инструментами и технологиями, которые на самом деле были разработаны для численной производительности в первую очередь.

Ограниченный формализм

Перспектива DDMRP - это странное сочетание простых формул и суждений. Хотя DDMRP явно работает в рамках определенной математической модели - т.е. взвешенного направленного ациклического графа - и его механизмы имеют известные названия, такие как раскраска графа, разбиение графа - эти термины отсутствуют в материалах DDMRP. Хотя можно утверждать, что теория графов слишком сложна для среднего практика в области цепей поставок, отсутствие формализма заставляет авторов давать длинные объяснения для численных поведений, которые могли бы быть описаны гораздо более точно и кратко.

Более того, отсутствие формализма изолирует DDMRP от обширного объема литературы по информатике, которая предоставляет множество идей о том, что можно сделать с известными алгоритмами из различных областей информатики, которые были подробно изучены за пределами требований управления цепями поставок, а именно: теория графов, стохастическая оптимизация и статистическое обучение. В результате DDMRP часто принимает упрощенные точки зрения - мы вернемся к этому вопросу ниже - которые не оправданы как известными алгоритмами, так и современными возможностями компьютерного оборудования.

Ограниченный формализм DDMRP приводит к ошибочным утверждениям, таким как сокращение времени выполнения заказа. Действительно, численно время выполнения заказа, рассчитанное с помощью DDMRP, определенно короче, чем у большинства альтернатив, потому что, по своей сути, пути времени выполнения заказа обрезаются при встрече точки разделения. Однако, допускается методологическая ошибка, когда утверждается, что с DDMRP время выполнения заказа короче. Правильное утверждение состоит в том, что с DDMRP время выполнения заказа измеряется по-другому. Для правильной количественной оценки достоинств DDMRP с точки зрения времени выполнения заказа требуется формальное представление о системной инерции для оценки того, насколько быстро цепочка поставок, управляемая формальной политикой, сможет догнать изменения на рынке.

Кроме того, DDMRP широко использует субъективные оценки - то есть делегирует экспертам-людям ключевые числовые решения, такие как выбор точек разделения. В результате невозможно или практически невозможно сравнить практику DDMRP с конкурирующей, должным образом формализованной методологией, так как для проведения сравнительного анализа потребуется непрактически большое количество ресурсов для любой крупной цепочки поставок (т.е. тысячи SKU или более).

Наконец, полагаться на ввод человека для настройки числового процесса оптимизации не является разумным предложением, учитывая стоимость современных вычислительных ресурсов. Настройка метапараметров может быть приемлемой, но не детальное вмешательство на каждой вершине графа. В частности, поверхностное наблюдение за современными цепочками поставок показывает, что необходимость в человеческом вмешательстве является одним из самых важных факторов системной инерции. Добавление еще одного уровня ручной настройки - выбора точек разделения - не является улучшением в этом отношении.

Пренебрежение реальной сложностью

Моделирование цепочки поставок является, по необходимости, приближением к реальному миру. Таким образом, все модели являются компромиссом между точностью, актуальностью и вычислительной осуществимостью. Тем не менее, DDMRP является чрезмерно упрощенным в отношении многих факторов, которые больше нельзя разумно игнорировать при рассмотрении современного аппаратного обеспечения.

Цепочка поставок существует для обслуживания экономических интересов компании. Проще говоря, компания максимизирует долларовую прибыль, которая генерируется взаимодействием с экономикой в целом; однако DDMRP оптимизирует проценты ошибок по сравнению с, пожалуй, произвольными целями - его буферами. Приоритетность, определенная DDMRP, направлена внутрь: она направляет систему цепочки поставок к состоянию, соответствующему предположениям, лежащим в основе самой модели DDMRP - то есть наличию товара на точках разделения. Однако нет гарантии, что это состояние соответствует финансовым интересам компании. Это состояние может даже противоречить финансовым интересам компании. Например, при рассмотрении бренда, производящего множество продуктов с низкой маржой, являющихся близкими заменителями друг другу, поддержание высокого уровня обслуживания для определенного SKU может быть неприбыльным в случае, если конкурирующие SKU (квази-заменители) уже имеют избыток товара на складе.

Кроме того, схема приоритетности, предложенная DDMRP, является фундаментально одномерной: соблюдение собственных запасов (буферов). Однако реальные решения в цепочке поставок почти всегда являются многомерными проблемами. Например, после производства партии из 1000 единиц производитель обычно помещает эти 1000 единиц в контейнер для морской перевозки; однако, если в цепочке поставок грозит нехватка товара, может быть выгодно отправить 100 единиц (из 1000) авиационным транспортом, чтобы заранее смягчить предстоящую нехватку товара. Здесь выбор способа транспортировки является дополнительным измерением задачи приоритетизации цепочки поставок. Для решения этой задачи метод приоритетности требует возможности интегрировать экономические факторы, связанные с различными вариантами, доступными компании.

Другие измерения, которые необходимо учитывать в рамках приоритетизации, могут включать:

• корректировки цен для увеличения или уменьшения спроса (возможно, через вторичные каналы продаж)
• производство или покупка, когда на рынке можно найти замену (обычно по премиальной цене)
• сроки годности товара (требующие глубокого понимания состава запасов)
• риски возврата (когда партнеры по распределению имеют возможность вернуть непроданный товар).

Таким образом, хотя DDMRP правильно утверждает, что приоритизация является более гибким подходом по сравнению с двоичными подходами “все или ничего”, реализуемыми MRPs, сама предложенная схема приоритизации DDMRP довольно неполна.

Взгляд Lokad

Девиз DDMRP - создавать для людей, а не для совершенства. В Lokad мы отдаем предпочтение классическому видению IBM машинам следует работать; люди должны думать через перспективу Количественного управления цепью поставок (QSCM).

QSCM исходит из гипотезы, что каждое мелкое решение в цепи поставок должно быть автоматизировано. Эта перспектива подчеркивает, что компетентные практики в области цепи поставок считаются слишком редкими и дорогостоящими, чтобы тратить свое время на принятие решений о запасах, закупках или ценообразовании. Все эти решения могут и должны быть автоматизированы, чтобы практики могли сосредоточиться на улучшении числового рецепта самого процесса. С финансовой точки зрения QSCM превращает эти зарплаты из OPEX, где человеко-дни расходуются на поддержание системы, в CAPEX, где человеко-дни инвестируются в непрерывное улучшение системы.

Угол DDMRP исходит из гипотезы, что компетентных практиков в области цепи поставок можно обучить массово, тем самым снизив стоимость для работодателя, а также уменьшив фактор грузовика, связанный с уходом любого сотрудника. DDMRP устанавливает процесс генерации мелких решений в цепи поставок, но полная автоматизация в основном не является целью, хотя DDMRP не против автоматизации, когда появляется возможность.

Интересно, насколько отрасль движется в сторону перспективы QSCM или DDMRP, можно будет наблюдать в некоторой степени. Если перспектива QSCM будет принята более широко, то команды управления цепью поставок будут развиваться, становясь похожими на другие “талантливые” отрасли, например, финансы со своими квантовыми трейдерами, где несколько исключительно талантливых людей определяют успех крупных компаний. С другой стороны, если перспектива DDMRP будет принята более широко, то команды управления цепью поставок будут развиваться, становясь похожими на успешные франшизы, например, менеджеры магазинов Starbucks, где команды многочисленны и хорошо обучены, а исключительные личности имеют мало влияния на систему, но превосходная культура делает всю разницу между компаниями.

Ресурсы

• Планирование материальных потребностей на основе спроса (DDMRP), версия 3, Птак и Смит, 2019
• Планирование материальных потребностей Орлики, 3-е издание, Кэрол А. Птак и Чад Дж. Смит, 2011

Примечания