Как знание теории ограничений помогло автоматизировать 11 супермаркетов и производство

Я люблю решать сложные задачи. А программы 1С – отличный инструмент для этого. В них можно надстраивать практически любые функции. Возможности впечатляют. Расскажу на примере одного из проектов, в котором я принимала участие как разработчик.

2015 год, компания из Салехарда – 11 супермаркетов, склад, собственное производство, пекарня… И огромное непонимание, как оптимизировать работу всего этого. В то время в городе ещё не было железной дороги. Товары доставляли летом паромом, зимой через времянку по замёрзшей реке. В пути были до 60 рабочих дней. Ещё вариант – привозить продукты самолётом. Но это очень дорого.

Чтобы чётко организовать работу, компании нужно предсказать, какой спрос будет через месяц, два. Учитывать при этом сроки годности, иначе возрастут издержки. У пекарни тоже были сложности. В один день могли продать много булочек, хлеба и батонов, в другой – в несколько раз меньше.

Компании повезло – у них работала талантливый аналитик. Она-то и предложила использовать теорию ограничений. Идея в том, что вводятся определённые буферы продуктов на магазинах и на складах, а также алгоритмы расчёта потребности покупателей. Перед нами стояла задача – реализовать этот механизм в программе.

Подробнее о теории ограничений вы можете прочитать в книге Элияху Голдратта и Джеффа Кокса «Цель: процесс непрерывного улучшения».

На тот момент компания работала в 1С:Предприятии версии 7.7. Штатный программист уже добавил некоторые функции. Но из-за ограничений системы воплотить все задумки в полной мере было невозможно. Поэтому мы перевели клиента на 1С:Управление торговлей и дорабатывали уже её. Спустя несколько лет повторили решение в 1С:ERP.

Программа анализировала:

На основании этих данных система предсказывала, какое количество каждого продукта, скорее всего, купят. И ночью высчитывала потребность отдельно по магазинам. Утром у логистов уже был готовый план поставок.

По этому же алгоритму формировались заказы. Программа проверяла, сколько было продано того или иного продукта, за какое время и какова корреляция спроса. Это не общие цифры за период, а отслеживание ежедневной динамики и анализ, от каких факторов она зависит.

Начали разработку с пекарни. По хлебу и выпечке было много списаний, а продажи никак не прогнозировались. В один день много, в другой – почти ничего. Результат, который мы получили после реализации алгоритма, приятно удивил всех. Списаний стало на 60% меньше! Мы не урезали искусственно производство. Выручка сохранилась. Люди покупали хлеб, его было достаточно. Но при этом производственные затраты существенно снизились.

После такого успеха мы распространили алгоритм на все продукты. Не сработал он только с сезонными товарами и алкоголем. Здесь, как вы понимаете, предсказывать что-то очень сложно.

В далёком 2015 году нам пришлось полностью дорабатывать алгоритм. Современным пользователям легче. Сейчас большинство функций доступно уже в типовых версиях программ.