Цифровая трансформация производственного планирования

Руководитель направления систем бизнес-аналитики BIA Technologies Станислав Воронин объясняет, как оптимизация планирования производства поможет дискретным предприятиям достичь желаемых KPI и попасть в будущее.

Зачем вообще нужно производственное планирование?

Если отойти на определённое расстояние и взглянуть на the big picture, основной производственный процесс любого предприятия сводится к череде операций, которые позволяют превратить сырьё, материалы и комплектующие в готовую продукцию. Но при близком рассмотрении каждое производство уникально. Сложность, количество стадий и продолжительность производственного цикла зависят от типа предприятия и производимой номенклатуры.

Специфика производственного процесса накладывает свои ограничения на применяемые подходы к производственному планированию. На машиностроительном предприятии и нефтеперерабатывающем заводе они будут существенно отличаться. Оговорюсь, что далее в статье речь пойдёт о предприятиях дискретного типа производства с позаказным или серийным выпуском большой номенклатуры готовой продукции.

На современном этапе производственное планирование является одним из ключевых факторов обеспечения прибыльности и долгосрочных конкурентных преимуществ компании. В самом примитивном виде оно выглядит так: на входе получаем задачу (например, произвести 5 видов автомобилей по 100 штук каждый в течение недели) → раскладываем эту задачу на составляющие (подготовить материалы, произвести их обработку, осуществить сборку, отделку, покраску и транспортировать продукцию) → если все 5 видов автомобилей выпускаются на одном оборудовании, решаем, в какой последовательности они будут изготавливаться, и выясняем, могут ли какие-то технологические операции выполняться одновременно → выстраиваем производственную цепочку и формируем план.

Так как мы имеем дело с широкой линейкой готовой продукции, выпускаемой на универсальном оборудовании, количество вариантов последовательности выполнения заказов и технологических операций в рамках заказов очень велико. Искусство специалистов, занимающихся планированием, заключается в том, чтобы найти один из эффективных вариантов производственного плана.

Эффективным производственным планом будем считать план, позволяющий:

  • сокращать общий срок изготовления продукции из пула заказов;
  • эффективнее использовать производственные мощности предприятия (рост общеизвестного коэффициента ОЕЕ);
  • сокращать время простоя оборудования в связи с ожиданием заказа или временем переналадки;
  • наращивать объёмы выпуска без увеличения парка существующего оборудования;
  • контролировать трудозатраты и минимизировать человеческий фактор;
  • сокращать потребление ресурсов, в том числе электроэнергии;
  • снижать потери, минимизировать отходы и остатки.

И это ещё не всё. Более сложная интегрированная (сквозная) система планирования позволяет оптимизировать не только собственно производственные, но и смежные процессы на предприятии. В частности:

  • точнее прогнозировать потребности в сырье и материалах, оптимизировать график закупок и обеспечивать реализацию концепции just-in-time (системы поставок исходных материалов на предприятие небольшими партиями с частой периодичностью, в чётком соответствии с актуальными потребностями производства);
  • сокращать необходимость в оборотном капитале на поддержание складских запасов;
  • выравнивать нагрузку на склады готовой продукции и снижать складские расходы, включая затраты на персонал;
  • выравнивать потребность в транспорте для доставки готовой продукции до потребителей и многое другое.

Какие бывают подходы к производственному планированию?

Очевидно, что чем сложнее производственный цикл предприятия, чем больше вариативность и чем шире временной горизонт выполнения портфеля заказов, тем сложнее составить оптимальный производственный план «на коленке». Для решения этой задачи большинство компаний использует функционал планировщика сменно-суточных заданий, присутствующий в любой MES-системе (Manufacturing Execution System). MES-планировщик позволяет существенно повысить эффективность по сравнению с ручным планированием или планированием в Excel.

Вместе с тем, MES-системы оставляют значительный потенциал для роста эффективности. В базовом функционале этот класс систем не содержит математического ядра, и планирование производственной программы и сменно-суточных заданий, как правило, выполняется с помощью достаточно простых, так называемых жадных алгоритмов. MES-планировщик берёт позиции в заказе, ставит их на временную шкалу, анализирует, какие процессы можно запустить параллельно, и выдаёт производственный план в виде диаграммы Ганта.

Зачастую план, сформированный MES-системой, используют только для определения валового объёма операций или заказов, которые необходимо выполнить в рамках текущей смены. При этом более детальное планирование — последовательности выполнения, распределения по участкам или рабочим центрам — выполняется вручную силами специалистов на производстве. Обычно это объясняют невозможностью учесть все нюансы сложного производственного процесса, накопленным субъективным человеческим опытом и многими другими факторами. На практике же мы очень часто сталкиваемся с проблемой точности и актуальности нормативов выполнения технологических операций.

Представьте себе ситуацию. Согласно нормативам, токарь должен вытачивать 1 деталь за 10 минут. За рабочую смену должно быть изготовлено 48 деталей. Исходя из численности токарей и количества токарных станков, вы планируете месячный объём производства. Когда же по итогам недели/декады/месяца оказывается, что план выполнен только на 50% и начальник цеха аргументированно объясняет, что такой объём деталей не мог быть выпущен физически, то выясняется, что использованные нормы были установлены приказом по предприятию от 1987 года и с тех пор не обновлялись.

Стремление автоматизированно получить реалистичный план производства должно быть подкреплено скрупулёзной работой по выверке, хронометражу и уточнению нормативов технологических операций. Также может потребоваться понимание зависимости нормативов от предшествующих или последующих операций, используемого сырья и материалов, размеров партии и многих других факторов.

Создаваемая модель планирования, по сути, должна представлять собой цифровой двойник производства. Формируемые результаты планирования должны с точностью выполняться в случае отсутствия отклонений из-за форс-мажорных изменений. Только в этом случае можно доверить такой модели планирования задачу по повышению эффективности и оптимизации производственного процесса. Поэтому даже при базовой автоматизации производственного планирования с помощью жадных алгоритмов предприятие извлекает из проекта дополнительные выгоды благодаря повышению прозрачности и детальной регламентации процессов.

Существенно повысить точность планирования можно за счёт применения внешнего модуля оптимизации производственной программы — APS (Advanced Planning and Scheduling), базирующегося на цифровом двойнике производственного процесса и использующего мощный математический аппарат для решения задач оптимизации. APS-решения могут взять за основу базовый план, созданный MES-системой, и сделать его гораздо более детальным и эффективным.

Модуль APS отталкивается от большего объёма входных данных и ограничений, нежели стандартные MES-планировщики. Кроме перечня заказов, могут учитываться, например, альтернативные маршруты изготовления, доступность персонала, остатки сырья и материалов на складах, текущая загрузка оборудования, ограничения внутрицеховой логистики, данные о плановом графике ремонта оборудования и дополнительная справочная информация о переделах и нормативах, возможно отсутствующая в основных учётных системах, но требующаяся для формирования оптимального плана.

В зависимости от тактики работы бизнеса и задач предприятия в текущий момент времени, вес того или иного фактора в целевой функции может меняться, что позволяет гибко управлять производством, снижая издержки и увеличивая денежный поток в единицу времени. Так, при создании плана можно дать приоритет заказам, которые приносят наибольшую маржинальность, или заказам, которые приносят максимальный регулярный объём выручки.

APS-решения способны формировать оптимальный производственный план на двух горизонтах — длинном (например, планирование на месяц) и коротком (на смену). На каждом из этих горизонтов применяются свои критерии оптимизации, что позволяет находить для каждого предприятия оптимальное соотношение стратегических и тактических задач. Ввиду большей неопределённости, на длинном горизонте факторы планирования более грубые. Например, не нужно рассчитывать на приход материалов в конкретный момент времени через две недели. Достаточно знать, что в этот день материалы будут. Поэтому логичнее распределить весь пул заказов на длинный временной диапазон с учётом более общих KPI, а дальше детализировать сформированную последовательность на ближайшую смену.

Что мир грядущий нам готовит?

Итак, повышение эффективности производства, сокращение среднего срока изготовления продукции, управление денежными потоками и оборачиваемостью возможно за счёт грамотного подбора мероприятий по автоматизации производственных и бизнес-процессов, квинтэссенцией которых является использование внешнего модуля оптимизации производственной программы, базирующегося на использовании высокопроизводительных математических алгоритмов.

Могу привести пример из личной практики. Один наш крупный заказчик-которого-нельзя-называть потратил полтора года на внедрение кастомизированного APS-модуля планирования. Затраты полностью себя оправдали: решение окупилось по итогам первого же месяца работы — за счёт увеличения всех KPI завода (от OEE до маржинальности) в среднем на 5%. При этом время переналадок оборудования сократилось на 10%, количество пролёживаний и простоев — на 7%, а время работы над всеми заказами — на 35%.

О похожих достижениях можно прочитать в декабрьском материале РБК Тренды о «Русполимете». Недавно это металлообрабатывающее предприятие внедрило систему точного производственного планирования и обеспечения плана сбыта, что позволило сократить производственный цикл аж на 15%. Впечатляет, не правда ли?

А вот лонгрид «Ведомостей» про другую отечественную компанию — одного из ведущих производителей фосфорсодержащих минеральных удобрений в мире — «ФосАгро». Гендиректор компании Андрей Гурьев рассказал изданию об успешном внедрении решения по интегрированному планированию, которое рассчитывает оптимальный по маржинальности план, исходя из актуальных ограничений в снабжении, логистике и производстве, а также из состояния рынка и заказов клиентов. По словам Гурьева, отчасти благодаря этой системе падение цен на рынке не застало компанию врасплох. Дальнейшую цифровизацию он назвал в числе главных приоритетов «ФосАгро».

Предприятия, которые — подобно «Русполимету» и «ФосАгро» — активно оптимизируют производство с помощью цифровых решений, называют «умными заводами» (smart factory). Киберфизические системы, цифровые двойники, математические модели на основе машинного обучения, сбор больших данных по всем этапам производственного цикла — всё это приметы Индустрии 4.0, или Четвёртой промышленной революции. Компании, которые не успеют вовремя автоматизировать процессы и делегировать задачу производственного планирования искусственному интеллекту, останутся за бортом истории. Согласны?

P. S. Как всегда, буду рад прочитать ваши комментарии/замечания/пожелания. Задавайте вопросы, я обязательно на всё отвечу! Если вы работаете на дискретном производстве и услышали знакомые боли — поделитесь мнением ;)

0
10 комментариев
Написать комментарий...
Вадим Вахрамов

Что-то понятие Боли уже приелось. Не все дискретные производства одинаковы. Если на металлообработке можно выточить гарантированно что-то с первого-второго раза, а на дозировочном оборудовании - отдозировать, есть и другие процессы, термические, где матмодель построить сложно, и только начинают использовать ML для вычисления параметров нагрева (в 2 фазы, 1- предсказание брака, 2 -управление параметрами для минимизации брака).
Прогнозирования закупок материала уже давно(со времен СССР) существуют, но сбыт сейчас (при пока ещё не плановой экономике) зависит от кучи внешних факторов, даже (с запаздыванием) от ключевой ставки ЦБ(напр.: прикрыли краник ипотечный, стройки морозятся, спрос ниже), если мы говорим о локальном рынке. Про глобальный можно отдельный пост катать.
Smart factory - полностью интегрированная производственная b2b2c система с учётом всего, в т.ч. predictive maintenance (все типы), такое ещё я пока не знаю, у кого есть.
Автоматизация планирования - небольшой кусочек автоматизации производства. Пока ИИ не "лечит рак", того борта истории, за которым кто-то окажется, отказавшись от ИИ для уточнения производственного планирования, лично я не вижу

Ответить
Развернуть ветку
Станислав Воронин
Автор

согласен с вами, что автоматизация планирования - лишь небольшой кусочек автоматизации. Но именно из таких небольших кусочков и складывается smart factory. Опыт показывает, что компании, у которых таких кусочков больше, чем у других начинают выигрывать конкурентную гонку за эффективность.

Ответить
Развернуть ветку
Инна Самоленко

Согласна со статьей, со временем все меньше и меньше нужно участвовать человеку в производственном процессе

Ответить
Развернуть ветку
Станислав Воронин
Автор

да, это объективная тенденция, которая с другой стороны открывает новые возможности для управления и оптимизации

Ответить
Развернуть ветку
Александр Ершов

Одна из задач производственного планирования - снижение управленческих затрат. Это вообще не отражено. Остальное надо вычитывать внимательнее. Экономические эффекты неплохие, но вопрос с какой базы? Расчёт экономических возможностей и производственное планирование это не одно и то же. Это разные этапы планирования и инструментарий разный. А в общем, неплохо, хотя в 2005 году я подобное ПО уже видел.

Ответить
Развернуть ветку
Станислав Воронин
Автор

Если под управленческими затратами вы понимаете время и усилие сотрудников ПДО (планово-диспетчерский отдел), а также других специалистов-управленцев, то да, конечно же любая автоматизация ставит своей целью сокращение трудоемкости. Акцента на этом эффекте я не делал специально, т.к. в результате этих проектов никто не разгоняет службу планирования и время (выраженное для работодателя в деньгах ФОТ) остается без изменений. На мой взгляд важно фокусироваться, чтобы достигать больших результатов при текущих затратах.
Программное обеспечения для задач планирования конечно же появилось достаточно давно и для западных стран это было даже раньше, чем 2005 год. Тем не менее, на очень большом количестве российских предприятий продолжают считать в Excel и на коленке, поэтому данная тема на мой взгляд до сих пор актуальна.

Ответить
Развернуть ветку
Александр Ершов

Станислав! Я управленец, причём с базовым образованием. Не только в ППО (планово-производственный отдел) и у главного диспетчера должны сокращаться затраты, но и в производстве, снабжении, сбыте, логистике, а так же в высшем уровне управления причём как по функционалу планирования, так и функционалу контроля, что является для высшего и среднего уровня управления критическим по объёму работы. Это и является одной из целей планирования. Как бы азбука. Если я поставил 1С, то мне не нужны 12 бухгалтеров, как раньше. Мне хватило двух операторов без бухгалтерского образования, что на порядок дешевле и по затратам на персонал, и по затратам на обучение. И тем более по моим личным затратам на управление предприятием. Мне ряд топов уже не требуются и в среднем уровне управления можно часть руководителей сократить.

Ответить
Развернуть ветку

Комментарий удален модератором

Развернуть ветку
Алексей

И сложно что-то планировать, когда работаешь "с колёс", хватаешься за любое обращение, перестраиваешь процессы на лету, решаешь проблемы по мере их появления...

Ответить
Развернуть ветку
Станислав Воронин
Автор

Соглашусь с вами, что отдача от развития темы планирования напрямую зависит от горизонта определенности. Математические модели любят точные цифры :)
При работе "с колес" с коротким портфелем клиентских заказов можно положиться и на опыт начальника цеха, хотя даже в такой ситуации он может давать сбой.

Ответить
Развернуть ветку
Роман Л

Очень жаль, конечно, что в примере используется "компания-которую-нельзя-называть", хотелось бы в деталях узнать в формате "что было-что стало", потому что где-то может прибыть, а где-то убыть... А там уже смотря как считать. Например, вы даете ссылку на Русполимет. Там позитивный вывод про "На 15% сократился производственный цикл", но в тексте есть другая сторона медали - "В компании создали планово-распределительное бюро", а сколько это добавило в инвестиции и в ежемесячные затраты, не указано.
И еще, конечно, рассчитывал увидеть ссылки на продукты или хотя бы стартапы в области таких "двойников" и Smart Factory. Но за мысли в целом спасибо, покопаю в этом направлении.

Ответить
Развернуть ветку
7 комментариев
Раскрывать всегда