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 с многоразрядной структурой. 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 либо закупить, либо произвести для любого SKU (единицы учета запасов) многоуровневого BOM (ведомости материалов).

Обновление ноября 2024 года: Жоанн Верморель и Кэрол Птак обсудили DDMRP в недавнем дебате о цепи поставок.
Проблема оптимизации потока многоуровневой ведомости материалов
Ведомость материалов (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 части дополнительно декомпозируются собственными ведомостями материалов. С формальной точки зрения, многоуровневая ведомость материалов - это взвешенный направленный ациклический граф1, где вершины - это SKU, где 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 понятно, что 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 является узким местом в производственном потоке.
На практике решение этой проблемы оптимизации потока требует ряда дополнительных входных данных, наиболее распространенных:
- История заказов от клиентов
- Сроки поставки от поставщиков
- Уровень запасов, имеющихся, в пути или в заказе
- Сроки 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), срок 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 для отражения 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 сроков поставки и идентифицирует самый длительный путь (временно) в графе BOM как узкое место, связанное с производственным процессом конечного продукта.
Для идентификации этого узкого места MRP предлагает два различных числовых метода для присвоения статического срока поставки каждому ребру графа BOM, либо:
- сроки производства, которые являются максимально оптимистичными и предполагают, что запасы всегда доступны везде (т.е. для каждого SKU), поэтому сроки поставки зависят только от пропускной способности производственных процессов.
- накопительные сроки, которые являются максимально пессимистичными и предполагают, что запасы всегда недоступны, и поэтому сроки поставки зависят только от времени производства первой единицы, начиная с пустого состояния, т.е. нулевого количества сырья и нулевого количества промежуточных продуктов.
У этих двух методов есть одно ключевое преимущество: они относительно просты в реализации в рамках реляционной базы данных, которая была архитектурным ядром практически всех MRP, разработанных с 80-х по 2010-е годы.
Однако эти два метода также являются чрезмерно упрощенными и обычно дают бессмысленные сроки поставки. Авторы DDMRP указывают, что вычисление заказов на закупку или производство на основе глубоко ошибочных оценок сроков поставки приводит к смешанному состоянию избытков и дефицитов, в зависимости от того, являются ли сроки поставки грубо завышенными или заниженными.
Числовой рецепт DDMRP
Числовой рецепт DDMRP - это смесь числовых эвристик, сопряженных с решениями экспертов по цепочке поставок. Этот рецепт предназначен для преодоления недостатков, связанных с классическим MRP, без прибегания к “продвинутым” числовым алгоритмам. Рецепт состоит из четырех основных ингредиентов, а именно:
- разделение сроков поставки
- уравнение чистого потока
- разделенный взрыв
- относительный приоритет
Комбинируя эти четыре ингредиента, практикующий специалист по цепочке поставок может рассчитать количество для покупки и производства при многоуровневой структуре изделий. 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 сроков поставки
Чтобы исправить наивно крайний оптимизм / пессимизм в отношении сроков поставки в MRP, DDMRP вводит схему двоичной раскраски графа2, где определенные вершины (т.е. SKU) графа (т.е. структуры изделий) выделяются в качестве точек разделения. Предполагается, что эти вершины всегда содержат товары, готовые к использованию, и методология DDMRP гарантирует, что это действительно так.
Выбор точек разделения в основном делегируется специалистам по цепочке поставок. Поскольку точки разделения предназначены для складирования SKU, практикующие специалисты должны отдавать предпочтение товарам, которые имеют стратегический смысл - например, потому что они используются несколькими конечными продуктами и имеют более стабильные потребительские паттерны, чем большинство конечных продуктов.
После выбора точек разделения DDMRP сроки поставки, связанные с любой вершиной, могут быть рассчитаны как самый длинный путь (во времени), начиная с вершины и продвигаясь вниз, но обрывая путь, когда встречается точка разделения.
С тщательным выбором точек разделения авторы DDMRP утверждают, что методология DDMRP обеспечивает более короткие сроки поставки. Это предложение не совсем верно, не потому что сроки поставки дольше, а потому что DDMRP предлагает новое определение того, что подразумевается под сроком поставки в первую очередь.
Уравнение чистого потока
Для расчета количества, связанного с заказами на закупку или производством других товаров, авторы DDMRP вводят понятие чистого потока, определенное следующим образом:
Наличие + Заказ - Квалифицированный спрос по заказам = Позиция чистого потока
Это уравнение определено на уровне SKU. Количество чистого потока интерпретируется как количество товара, доступного для удовлетворения неопределенной части спроса.
Затем позиция чистого потока сравнивается с размером буфера; и когда она значительно ниже целевого значения буфера, происходит передача заказа. Мы вернемся к этому механизму в разделе о приоритете заказов ниже.
Методология DDMRP предлагает общие рекомендации по определению размера буферов, обычно выражая их в днях спроса, и обеспечивает безопасные запасы, соблюдая DDMRP сроки поставки - как определено выше. На практике определение размеров буферов зависит от лучшего суждения специалистов по цепочке поставок.
Через чистые потоки авторы DDMRP подчеркивают, что только неопределенная часть спроса действительно требует какого-либо статистического анализа. Работа с будущим спросом, который уже известен, является чисто вопросом соблюдения детерминированного плана выполнения.
Разделение на стадии
Методология DDMRP как полагается на то, что запасы всегда могут быть обслужены из любой точки разделения. Это предположение предлагает возможность разделения ребер с использованием точек разделения (т.е. подмножества вершин) в качестве границ между подмножествами разделения. Эта схема разделения называется разделением на стадии.
С точки зрения DDMRP, когда клиентский заказ передается для конечного продукта, результирующий спрос не рекурсивно разбивается на его внутренние компоненты, а только разбивается до первой встреченной точки разделения.
Схема разделения графа разделения на стадии используется методологией DDMRP как стратегия разделения и покорения3. В частности, поскольку размер подграфа можно сохранить маленьким, 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
Финальный числовой шаг в числовом рецепте DDMRP состоит в вычислении самих заказов, либо покупных, либо производственных. Методология DDMRP приоритизирует все 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 меньше MOQ (при наличии).
Приоритизация DDMRP является одномерной (с точки зрения оценки) и определяется внутренним соблюдением собственной методологии, то есть поддержкой обслуживаемых запасов для всех точек разделения. Предыдущие разделы показали, как это ключевое свойство точек разделения было использовано. Приоритизация заказов поясняет, как это свойство обеспечивается.
Предложенная авторами DDMRP схема приоритизации заказов более детализирована, чем обычно встречающиеся в MRPs рецепты, такие как ABC-анализ. Она предоставляет механизм для направления внимания специалистов по цепочке 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 цепочки поставок. Однако, критика может быть высказана по отношению к 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, сильные аргументы в пользу DDMRP, вероятно, не были должным образом идентифицированы самими авторами, по крайней мере, не в их публикации 2019 года. Этот, казалось бы, очевидный парадокс, вероятно, является непреднамеренным следствием ограниченного формализма DDMRP - описанного 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. спросом в день). Как правило, частотные прогнозы более устойчивы, когда спрос является либо беспорядочным, либо прерывистым. Это открытие можно проследить до Дж.Д. Кростона, который опубликовал “Прогнозирование и управление запасами для прерывистого спроса” в 1972 году. Однако, хотя методы Кростона остаются относительно неизвестными, DDMRP популяризовал эту точку зрения в мире цепей поставок в целом.
Приближенная приоритизация является надежным механизмом принятия решений в цепи поставок, который предотвращает целые классы проблем, наиболее заметные из которых - систематические предубеждения. Действительно, в отличие от подходов, основанных на SKU, таких как резервные запасы, которые могут легко быть искажены локальными артефактами цепи поставок (например, отсутствием товара на складе), даже нестрогая приоритизация на уровне всей цепи поставок гарантирует, что ресурсы будут направлены в первую очередь на очевидные узкие места. Хотя авторы DDMRP явно понимают, что приоритизация полезна как механизм внимания, эта идея не приводится к логическому завершению: приоритизация должна быть экономической, т.е. измеряться в долларах, а не в процентах.
Неправильная базовая линия
Основная критика в отношении DDMRP заключается в его неправильной базовой линии. MRPs, реализованные и продаваемые в период 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 подходящим 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 запаса при отборе единицы.
Поскольку реляционное ядро в значительной степени противоречит любому численно интенсивному обработчику, такому как большинство видов графовых алгоритмов, неудивительно, что числовые рецепты, предлагаемые такими продуктами, оказываются упрощенными и дисфункциональными, как это иллюстрируют два вида оценок времени выполнения, обсуждаемых выше. Тем не менее, в области компьютерных наук существует обширный каталог литературы о предиктивной численной оптимизации цепей поставок. Эта литература была зарождена в 50-х годах под названием “Исследование операций” и продолжается до сих пор под разными названиями, такими как количественные методы в управлении цепями поставок или просто оптимизация цепи поставок.
Оба утверждения о новизне и превосходстве DDMRP неправильно выводятся из ложного предположения о том, что MRPs являются соответствующей базовой линией для целей оптимизации цепочки поставок; то есть улучшение MRP является улучшением в оптимизации цепочки поставок. Однако MRPs, как и все программные системы, централизованно разработанные вокруг реляционных баз данных, просто не подходят для численных задач оптимизации.
Производители, застрявшие с ограничениями своего MRP, не должны искать постепенные улучшения самого MRP, поскольку численная оптимизация фундаментально противоречит его конструкции, а вместо этого использовать все программные инструменты и технологии, которые были разработаны для численной производительности в первую очередь.
Ограниченная формализация
Взгляд на DDMRP представляет собой странное сочетание простых формул и суждений. Хотя DDMRP явно работает в рамках определенной математической структуры - то есть 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 цепочки поставок, отсутствие формализма заставляет авторов давать длинные объяснения численных поведений, которые могли бы быть описаны гораздо более точно и кратко.
Затем, что более важно, отсутствие формализма изолирует DDMRP от обширного объема литературы по компьютерным наукам, которая предоставляет много понимания о том, что можно сделать с известными алгоритмами из различных областей компьютерных наук, которые были подробно изучены за пределами требований управления цепочкой 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.
Затем, ограниченная формализация 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, когда встречается точка 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 иначе. Правильная количественная оценка достоинств DDMRP с точки зрения времени выполнения заказа требует формального понятия системной инерции для оценки того, насколько быстро цепочка поставок, управляемая формальной политикой, догонит изменения на рынке.
Кроме того, суждения широко используются DDMRP - то есть делегирование ключевых численных решений человеческим экспертам, таких как выбор точек разделения. В результате невозможно или практически невозможно сравнить практику DDMRP с конкурирующей, должным образом формализованной методологией, поскольку выполнение сравнения потребует непрактического количества рабочей силы для любой крупной цепочки поставок (т.е. тысячи SKU или более).
Наконец, полагаться на человеческие входные данные для настройки численного процесса оптимизации не является разумным предложением, учитывая стоимость современных вычислительных ресурсов. Настройка метапараметров может быть приемлемой, но не тонкое вмешательство на каждой вершине графа. В частности, поверхностное наблюдение современных цепочек поставок показывает, что необходимость человеческих входных данных является одним из самых важных факторов, влияющих на системную инерцию. Добавление еще одного уровня ручной настройки - выбор точек разделения - не является улучшением в этом отношении.
Пренебрежение сложностью реального мира
Моделирование цепочки поставок является, по необходимости, приближением реального мира. Таким образом, все модели являются компромиссом между точностью, актуальностью и вычислительной возможностью. Тем не менее, DDMRP является чрезмерно упрощенным в отношении многих факторов, которые больше нельзя разумно игнорировать при рассмотрении современного компьютерного оборудования.
Цепочка поставок существует для обслуживания экономических интересов компании. Проще говоря, компания максимизирует долларовую прибыль, которая генерируется через ее взаимодействие с экономикой в целом; однако DDMRP оптимизирует процент ошибки по отношению к, пожалуй, произвольным целям - его буферам. Приоритет, определенный DDMRP, направлен внутрь: он направляет систему цепочки поставок к состоянию, соответствующему предположениям, лежащим в основе самой модели DDMRP - доступности запасов 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, которые являются близкими заменителями друг другу, поддержание высокого уровня обслуживания для определенного SKU может быть невыгодным в случае, если конкурирующие SKU (квази-заменители) уже имеют избыток запасов.
Кроме того, схема приоритизации, 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 исчерпание запасов, может быть выгодно отправить 100 единиц (из 1000) авиационным транспортом, чтобы заранее смягчить предстоящее исчерпание запасов. Здесь выбор способа транспортировки является дополнительным измерением задачи приоритизации в цепочке поставок. Для решения этой проблемы метод приоритизации требует возможности интегрировать экономические факторы, связанные с различными вариантами, доступными компании.
Другие измерения, которые необходимо учитывать в рамках приоритизации, могут включать:
- корректировки цен, чтобы увеличить или уменьшить спрос (возможно, через вторичные каналы продаж)
- построение или покупка, когда на рынке можно найти заменители (обычно по премиальной цене)
- сроки годности запасов (требующие глубокого понимания состава запасов)
- риски возврата (когда дистрибьюторы имеют возможность вернуть непроданные товары).
Таким образом, хотя DDMRP правильно утверждает, что приоритизация является более гибким подходом по сравнению с двоичными подходами “все или ничего”, реализуемыми MRPs, сама схема приоритизации, предложенная DDMRP, является довольно неполной.
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 цепочкой поставок (QSCM).
QSCM исходит из гипотезы, что каждое мелкое решение в цепочке поставок должно быть автоматизировано. Эта перспектива подчеркивает, что компетентные специалисты в области цепочки 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 специалисты могли сосредоточиться на улучшении числового рецепта самого процесса. С финансовой точки зрения QSCM превращает эти зарплаты из OPEX, где расходуются человеко-дни для поддержания функционирования системы, в CAPEX, где человеко-дни инвестируются в непрерывное улучшение системы.
Угол DDMRP начинается с гипотезы о том, что компетентных специалистов по цепочке поставок можно обучить массово, что снижает как затраты для работодателя, так и уровень риска, связанного с уходом любого сотрудника. DDMRP устанавливает процесс генерации обыденных решений в цепочке 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 цепочкой поставок будут развиваться, чтобы стать похожими на другие “талантливые” отрасли, например, финансы со своими квантовыми трейдерами, где несколько исключительно талантливых людей определяют успех крупных компаний. Напротив, если перспектива DDMRP будет принята более широко, то команды управления цепочкой поставок будут развиваться, чтобы стать 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
-
В дискретной математике графом называется набор вершин (также называемых узлами или точками) и ребер (также называемых связями или линиями). Граф считается ориентированным, если ребра имеют направления. Граф считается взвешенным, если ребрам присвоено число - вес. Граф считается ациклическим, если при следовании по ребрам в соответствии с их ориентациями не существует цикла. ↩︎
-
Цветовая схема состоит в присвоении категориального свойства каждой вершине графа. В случае DDMRP есть только два варианта: точка разделения или не точка разделения; то есть только два цвета. ↩︎
-
В информатике “разделяй и властвуй” - это алгоритм, который работает путем рекурсивного разбиения проблемы на две или более связанных подзадачи, пока они не станут достаточно простыми для прямого решения. Этот подход был разработан Джоном фон Нейманом в 1945 году. ↩︎
-
На 24 февраля 2020 года Demand Driven Institute™ является коммерческой организацией, которая определяет себя как Глобальный авторитет в области образования, обучения, сертификации и соответствия требованиям спроса. Ее бизнес-модель заключается в продаже тренинговых сессий и материалов, ориентированных на DDMRP. ↩︎
-
На 24 февраля 2020 года на главной странице Demand Driving Institute™ (demanddriveninstitute.com) приводятся следующие цифры, характеризующие типичные улучшения: пользователи постоянно достигают показателя заполнения в срок 97-100%, в нескольких отраслях удалось достичь сокращения сроков поставки более чем на 80%, при этом удалось снизить запасы на 30-45% при улучшении обслуживания клиентов. ↩︎
-
Поставщики MRP, конечно, делали смелые заявления о возможностях их продукта в планировании, прогнозировании и оптимизации. Тем не менее, подобно тому, как Гид Мишлен не беспокоится о том, могут ли марки кукурузных хлопьев быть признаны достойными звездного рейтинга в кулинарии, несмотря на их волшебные девизы, наша оценка должна быть направлена на тех, кто в основном сосредоточен на достижении передовых показателей в области управления цепочкой поставок. ↩︎