ניהול תחזית משמש ככלי מרכזי לתכנון ולעמידה ביעדי הארגון. כיצד נדע אם התחזית שלנו טובה ? כיצד מודדים את דיוק התחזית ואילו כלים עומדים לרשותנו לשם כך ?

במאמר זה אציג כיצד מודדים את טיב התחזית ואת הכלים המשמשים לכך.

מה היא תחזית טובה

ארגונים רבים מתחבטים בשאלה : מה היא תחזית טובה ? כיצד מגדירים תחזית טובה וכיצד בודקים זאת. כדי לענות על שאלה חשובה זאת יש להגדיר מה הן המטרות לניהול התחזית ומה אנו מנסים לחזות. בהתאם להגדרת הצורך לתחזית ניתן לבנות את ההגדרות לבחינת טיב התחזית.

ניתן באופן כללי ניתן להגדיר את התחזית על פי המאפיינים הבאים:

• מהו הצורך המרכזי לניהול התחזית. להלן מספר דוגמאות: לצורך תכנון הרכש, לצורך תכנון הייצור, לצורך תכנון התקציב והיעדים.

• מה הן תקופות התחזית המתאימות לארגון, בדרך כלל ארגון יבחר לנהל תחזית חודשית או תחזית שבועית.

• מהו אופק התחזית שנידרש לנהל: תחזית לטווח קצר (למספר חודשים) לטווח בינוני (שנה) או לטווח ארוך (3 או 5 שנים)

• מהם הנתונים ההיסטוריים שישמשו אותנו בניהול התחזית: נתוני מכר היסטוריים או נתוני ביקוש היסטוריים (במקרים רבים ההבדל בין ביקוש למכר הוא מהותי).

תחזית טובה תהיה תחזית המאפשרת לנו לעמוד ביעדים ובמטרות שלשמה אנו מנהלים אותה.

נציג זאת ע"י מספר דוגמאות:

דוגמה א': חברה המייצרת למלאי מוצרים שזמן הייצור שלהם מהיר. מטרת התחזית היא לחזות את הביקוש של הלקוחות למוצרי המלאי. בדוגמה זאת התחזית צריכה לאפשר לתכנן את הייצור כך שהכמות במלאי תספק רמת שרות טובה ללקוחות. רמת השרות מגדירה במקרה זה את כמות החוסרים במלאי לתקופה מוגדרת.

דוגמה ב': חברה המייצרת להזמנות. מטרת התחזית היא לאפשר תכנון לרכש, כיוון שזמני האספקה מהרכש הם ארוכים יותר מזמני הייצור להזמנה ללקוחות. במקרה זה צריכה התחזית לחזות את הזמנות הלקוחות בעתיד ולאפשר לרכש להוציא הזמנות לספקים בזמן.

דוגמה ג': מפיץ המספק מוצרים לערוצי הפצה שונים (רשתות שיווק, שוק מוסדי, מכרזים וכו..). במקרה זה נדרוש מהתחזית לספק מידע מתאים לצפי צריכה של המוצרים לפי ערוצי ההפצה השונים ולהתייחס למגוון נתונים כגון מבצעים ומתחרים.

לכל אחת מהתחזיות בדוגמאות המצורפות ניתן להגדיר את טווח התחזית המתאים: לתחזית המשמשת את התכנון לייצור (דוגמה א') הטווח הרלוונטי הוא טווח קרוב, זאת כיוון שהייצור הוא מהיר וצריך להגדיר לו יעדים לטווח הקרוב. לתחזית המשמשת לתכנון הרכש (דוגמה ב') הטווח הרלוונטי הוא הטווח הבינוני, כיוון שהתחזית מששת לתכנון הרכש.

כיצד מודדים את טיב התחזית

לצורך מדידת טיב התחזית אנו מודדים את טעות התחזית. ככל שטעות התחזית קטנה יותר, כך התחזית תהיה טובה יותר. ישנן שיטות רבות למדידת טעות התחזית, לכל שיטה יש את היתרונות והחסרונות שלה. לכן נהוג להשתמש במספר מדדים.

אציג את שני המדדים הנפוצים ביותר ואת שיטת החישוב שלהם:

מדד MAD

Mean Absolute Deviation)) MAD – זהו מדד המחשב את גודל השגיאה ביחידות. מדד MAD  מחשב את ממוצע הטעויות המוחלטות בתחזית, כפי שמופיע בתרשים:

MAD

מדד MAD הנו פשוט יחסית לחשב והוא משמש לצורך מדידת ביצועי התחזית בין תחזיות שונות לאותו המוצר. למדד MAD יש יתרון על פני חישוב סטיית התקן של התחזית, כיוון שהוא מושפע פחות מסטיות גדולות ומקריות שהתקבלו על פני תקופה. לא ניתן להשתמש במדד MAD לצורך השוואה בין תחזיות שונות ולמוצרים שונים, כיוון שהמדד הוא כמותי ואינו יחסי.

מדד MAPE

MAPE (Mean Absolute Percent Error) הנו מדד המחשב את הממוצע של אחוז השגיאה המוחלטת, זהו מדד נפוץ מאוד לבחינת טעות התחזית על פני מספר תקופות. תוצאות המדד הן באחוזים ולכן ניתן להשתמש במדד בהשוואה בין מוצרים שונים ותחזיות שונות.

. מדד MAPE הנו פשוט כפי שמוצג בתרשים:

MAPE

מדד MAPE הוא מדד הפשוט לחישוב והבנה ומקובל מאוד בקרב חברות רבות בעולם לצורך מדידת איכות התחזית. כיוון שהתוצאה שלו מוצגת באחוזים, קל להציגו להנהלה ולעובדים. אולם למדד MAPE יש חסרונות, הוא אינו יכל להציג ערכים כאשר הפעילות בפועל היא אפס "0" כיוון שבנוסחה הפעילות בפועל נמצאת במכנה השבר. גם במקרים בהם מדובר על פעילות נמוכה מאוד מתקבלים ערכים קיצוניים למדד MAPE, לכן יש להיזהר בשימוש עם מדד MAPE לתחזית עם מוצרים איטיים.

חישוב טעות התחזית על פני תקופות  Waterfall Report

כפי שהצגתי בדוגמאות השונות, תקופת התחזית הרלוונטית בכל דוגמה הייתה שונה. לכן יש חשיבות לבדיקת דיוק התחזית על פני תקופה.

נניח שזמני האספקה לרכש הם בממוצע 3 חודשים, כך שתחזית לצורך תכנון הרכש (כפי שהוצג בדוגמה ב') היא רלוונטית לטווח של 3 חודשים.

כדי לבחון את טיב התחזית, אנו נדרשים למדוד את התחזית לטווח של 3 חודשים "קדימה". לצורך כך פותחה שיטה המאפשרת לחשב את המדדים לטעות התחזית (כגון MAD ו MAPE) במרחק של מספר תקופות.

ניתן להסביר את החישוב ע"י הצגה גרפית פשוטה הנקראת Waterfall Report.

ראה תרשים Waterfall Report:

Waterfall Report

בתרשים, שבוצע ע"י תוכנת Forecast Pro לניהול תחזיות, ניתן לראות ניתוח Waterfall Report שמבוצע למוצר.

בשורה הירוקה מוצגים נתוני המכר של המוצר על פני מספר חודשים. מתחת לשורה הירוקה מוצגים נתוני התחזית שחושבו על פני תקופות שונות. בצד שמאל מוצגים תאריכי התחזיות שחושבו בעבר. בשורה הראשונה מתחת לשורה הירוקה מוצגת התחזית שבוצה בחודש דצמבר 2016. בשורה השניה מוצגת התחזית שבוצעה בחודש ינואר. וכך הלאה עד לתחזית שבוצעה בחודש מאי 2017. ניתן לראות כי לכל חודש חושבו מספר תחזיות בחודשים שונים.

אם נחזור לדוגמה של תחזית לצורך תכנון הרכש, בה אנו נדרשים לחשב את התחזית כ 3 חודשים לפני מועד הביקוש, נצטרך לדעת את טיב התחזית ל 3 חודשים קדימה.

ניתן לראות בגרף את חישוב דיוק התחזית (טעות התחזית) ל 3 חודשים מראש, על פני 6 דגימות שונות. בתרשים ניתן לראות בצבע ורוד את החישוב של טעות התחזית ל 3 חודשים קדימה, על פני 6 חודשים, מסומן בעיגול שחור (בתרשים רואים רק 4 מדידות של 3 חודשים קדימה, אולם תוכנת Forecast Pro שבדוגמה מדדה 6 תקופות לחישוב) וחישוב התוצאה הממוצעת של כל המדדים לטווח זה, כולל המדדים MAD I MAPE המסומנים בעיגול שחור.

במאמר הבא אציג יישום של תכנון ייצור בקיבולת סופית במפעל להזרקת פלסטיק

צור אמיתי, מנכ״ל חברת הייעוץ ASC, המתמחה בליווי חברות וארגונים לשיפור התחרותיות והרווחיות, תוך התמקדות בייעול שרשרת האספקה ובשיפור תהליכים בניהול הרכש, ניהול הייצור, ניהול המלאי, ניהול ההפצה, ניהול התכנון וניהול המכירות והשיווק. הנציגה הבלעדית של תוכנת Forecast Pro בישראל.

ליצירת קשר:   08-9300363   amitai@asc-il.co.il    www.asc-il.co.il

תוכנית הייצור היא הכלי המרכזי לניהול הייצור במפעל. ככל שתוכנית הייצור טובה יותר, כך ביצועי המפעל יהיו טובים יותר ויעמדו ביעדים של אספקה בזמן, יעילות, ניצול נכון של משאבים ומניעת בזבוז חומרים. במאמר זה אסקור את הכלים המאפשרים בניה של תוכנית ייצור טובה.

בניית תוכנית ייצור

במרבית החברות היצרניות מוטמעת מערכת ERP הכוללת מודול של MRP. מודול ה MRP הוא הכלי המרכזי לבניית תוכנית הייצור. בעזרת ה MRP (Material requirements planning) מחשבת המערכת את הדרישות לחומר ואת פקודות העבודה לייצור, כדי לעמוד בביקוש למוצרים.

במאמרים קודמים הצגתי כיצד בונים את הביקוש למערכת ה MRP וכיצד ה MRP מחשב את הדרישות לחומר ופקודות העבודה.

הבעיה המרכזית בתוצאות חישוב ה MRP היא העובדה שחישוב הזמנים לביצוע פקודות העבודה אינו מתחשב באילוצים רבים נוספים, מעבר לדרישות החומר. האילוצים האחרים הנם זמינות המשאבים ואילוצי הייצור השונים. לכלל האילוצים הללו אנו קוראים אילוצי קיבולת סופית, כלומר אילוצים המגבילים את כושר הייצור של המפעל ואינם מאפשרים לו לייצר בכל זמן ובכל כמות ייצור.

כיוון שתוכנית הייצור המופקת מדו"ח ה MRP אינה מושלמת, נאלצים המתכננים במחלקת התפ"י לבנות תוכנית ייצור מדויקת יותר המתחשבת במגבלות הייצור.

תוכנית הייצור בקיבולת סופית

תכנון הייצור בקיבולת סופית מתבצע בדרך כלל ע"י מערכות תזמון, כדוגמת מערכת ROB-EX Scheduler , או בעזרת גיליונות אקסל מורכבים. מטרת החישוב של תוכנית הייצור בקיבולת סופית הנה לעדכן את זמני השחרור של פקודות העבודה שנוצרו ב MRP תוך התחשבות באילוצי הייצור וזמני האספקה המובטחים ללקוחות.

תוכנית הייצור בקיבולת סופית נדרשת להתחשב באילוצים של חומר, משאבי ייצור וזמני האספקה. את האילוצים ניתן לחלק לסוגים שונים:

• אילוצי זמן, ישנם משאבים שלא פועלים כל הזמן, למשל מכונות שצריך לעצור כל מספר שעות לצורך תחזוקה, או עובדים הפועלים על פי משמרות ולפעמים יוצאים לחופשה

• אילוצי זמינות, מידי פעם אנו נאלצים להשבית אמצעי ייצור בגלל תקלות או לצורך שינויים וכו.

• אילוצי חומר, במקרים רבים נגמר חומר הגלם בגלל סיבות רבות (שינויים הנדסיים, טעויות בתכנון הרכש, פסילות וכו) לכן חוסר קיים או עתידי של חומר הגלם פוגע ביכולת הייצור

• אילוצי תפוקה, לכל משאב ייצור יש קצב ייצור (תפוקה) מקסימלי, בדרך כלל קיים למשאב קצב ייצור שונה למוצרים שונים

• אילוצי זמן הכנה (Set-Up), לכל מכונה קיים זמן הכנה לפני התחלת הייצור, זמן ההכנה בהפעלה הראשונית של המכונה, זמן לכיול של המכונה לייצור מוצר חדש (החלפת מוצר) ולפעמים קיים גם זמן המתנה לאחר סיים הייצור.

• אילוצי זמני אספקה מובטחים ללקוח, לכל הזמנת לקוח ישנו תאריך אספקה מובטח שיש לעמוד בו. בהזמנות המסופקות לחו"ל נוסף הצורך להתחשב גם בזמני המשלוח ובאילוצי המשלוח כגון סגירה ושחרור מכולה ימית ביחד עם מוצרים מהזמנות אחרות לאותו יעד המשלוח.

כאמור תיזמון הייצור מגדיר בפועל את שחרור פקודות העבודה לייצור. פקודת העבודה הנה המסמך המגדיר את הזמנות הייצור. כל פקודת עבודה כוללת את נתוני המוצר שיש לייצר, את הכמות שיש לייצר ואת הזמן (תאריך ושעה) הנדרש לסיום ייצור הכמות שהוגדרה.

מרכיבי פקודת העבודה כוללים את הנתונים הבאים:

• עצי מוצר, bill of materials – BOM, לכל מוצר סופי מוגדר עץ מוצר המכיל את חומרי הגלם, חומרים בתהליך , חלקים או מכלולים, המרכיבים את המוצר הסופי. עץ המוצר מגדיר את החומרים והמכלולים, את סדר צרוף החומרים למוצר ואת הכמויות של כל חומר , חלק או מכלול ליחידת מוצר סופי.

• ניתובים , Routes , ניתוב הוא הגדרת תהליך הייצור של המוצר, בניתוב אנו מגדירים את קו או קווי הייצור בתהליך ייצור המוצר.

• פעולות , Operations , הגדרת הפעולות המבוצעות בניתוב, כל פעולה מגדירה מסימה אחת, לדוגמה: בייצור דסקית מתכת, מבוצעות 4 הפעולות הבאות: פעולה 10 – חיתוך הדסקית מחומר גלם צינור, פעולה 20 – השחזת הדסקית, פעולה 30 – ניקוי הדסקית, פעולה 40 – ציפוי הדסקית.

על ידי הגדרת עצי המוצר, הניתובים והפעולות, ניתן להגדיר את פקודת העבודה.

חישוב אופטימלי של תוכנית הייצור בקיבולת סופית

לצורך בניית תוכנית הייצור בקיבולת סופית, יש להתחשב בכל האילוצים שצוינו מעלה, אולם כדי לאפשר ייצור יעיל ועמודה בזמנים יש לחשב את התוכנית הייצור היעילה ביותר, כלומר תוכנית אופטימלית.

כיצד מחשבים תוכנית אופטימלית ? ובכן, כדי לחשב תוכנית אופטימלית צריך להחליט מה חשוב יותר:

• ניצול יעיל של המשאבים ?

• עמידה בזמני האספקה ?

• הקטנת זמני ה Set-Up ?

לצורך חישוב תוכנית אופטימלית קיים במערכות התזמון, כדוגמת מערכת ROB-EX Scheduler , מנוע מתמטי המחשב את הפתרון האופטימלי.  אולם לא ניתן להתייחס לכל האילוצים בעדיפות שווה, כיוון שכך לא נגיע לפתרון אפשרי. חלק מהאילוצים מנוגדים האחד לשני.

לכן ישנה למתכנן התפ"י אפשרות לבחור באסטרטגיה המועדפת לתוכנית. במערכת התזמון כדוגמת מערכת ROB-EX Scheduler , ניתן לבחור לכל הזמנה (פקודת עבודה) או קבוצת הזמנות אסטרטגית חישוב שונה. להלן רשימה לדוגמה של אסטרטגיות תכנון אופטימלי לתוכנית ייצור, המקובלות בתוכנות תזמון:

• עמידה בזמני האספקה עם התחשבות באילוצי קיבולת המשאבים והחומר. במקרה כזה התוכנה תחשב את התוכנית ותציג למתכנן בסימון ברור (בדרך כלל בתצוגה גרפית ובצבעים עזים) את אותם ההזמנות שנסיים לייצר לאחר שעבר זמן האספקה.

• עמידה בזמני האספקה ללא התחשבות באילוצי קיבולת המשאבים והחומר. במקרה זה תוכנית הייצור שתחושב תסדר את כל ההזמנות כך שיסתיימו בזמן, אולם בחלק מהמשאבים הניצולת תהיה מעל 100% והתוכנה תסמן למתכנן את המשאבים המועמסים ביתר.

• ייצור הזמנות מוקדם ככל הניתן (עם או בלי התחשבות באילוציי קיבולת משאבים ובחומר)

• ייצור הזמנות מאוחר ככל הניתן (עם או בלי התחשבות באילוצים קיבולת משאבים ובחומר)

לאחר שהתוכנה מחשבת את תוכנית הייצור בהתאם לאסטרטגיות שנבחרו, יכל המתכנן לבצע שינויים שונים בתוכנית, לקבע חלק מהתוכנית ולחשב מחדש חלק מהתוכנית או את כל התוכנית. התוכנה תציג למתכנן השוואה של משמעויות כל תוכנית ותוכנית, כולל מדדי ביצוע, נצילות ועמידה בזמני האספקה (KPI). המתכנן יבחר את התוכנית המועדפת ו"ישחרר" את פקודות הייצור בהתאם לתוכנית החדשה.

במאמר הבא אציג שיטות לחישוב דיוק תחזית צריכה.

צור אמיתי, מנכ״ל חברת הייעוץ ASC, המתמחה בליווי חברות וארגונים לשיפור התחרותיות והרווחיות, תוך התמקדות בייעול שרשרת האספקה ובשיפור תהליכים בניהול הרכש, הייצור, המלאי, ההפצה, ניהול התכנון וניהול המכירות והשיווק. הנציגה הבלעדית של תוכנות Forecast Pro ו ROB-EX Scheduler בישראל.

ליצירת קשר:   08-9300363   amitai@asc-il.co.il    www.asc-il.co.il

ארגונים רבים בישראל כבר מאמצים את תהליך ה S&OP. מהו תהליך זה, כיצד ניתן ליישמו ואילו שיטות וכלים יכולים להבטיח את הצלחתו.

במאמר זה אציג את תהליך ה S&OP, למה הוא משמש וכיצד מיישמים אותו. ארחיב על השימוש בשיטות וכלים מתקדמות התומכים בתהלים ומגדילים את הסיכוי להצלחתו.

מהו תהליך S&OP) Sales and operations planning)

תהליך S&OP – Sales and operations planning הינו תהליך ניהול שהומצא בשנת 1980 על ידי אוליבר וויט (Oliver Wight) ומטרתו היא ליצור תהליך מובנה המתאם את כל הפעילויות העסקיות של האגון לצורך עמידה ביעדיו.

התהליך מבוסס ניהול תחזית לפעילות העתידית של הארגון, בחינה ותאום כל הפעולות העסקיות של הארגון אל מול התחזית הצפויה וביניהם: תכנון המכירות, תכנון הייצור, תכנון המלאי, תוכנית התקציב, תוכנית פיתוח מוצרים חדשים, תוכנית השקעה ופיתוח אמצעים ועוד.

התהליך מיושם על ידי הקמת צוות S&OP המורכב מנציגים של כל הגופים בארגון. הצוות נפגש בכל תקופה (פגישות שבועיות, דו שבועיות וחודשיות) והמתאם את פעולות הארגון.

אם השנים הוגדר תהליך טיפוסי, שאומץ על ידי רוב הארגונים בעולם המיישמים S&OP. ניתן להבחין בהבדלים קטנים פה ושם בין יישום ליישום בארגונים שונים, אולם התהליך דומה והשיטות זהות. התהליך מורכב ממספר שלבים המתקיימים במהלך כל חודש.

השלבים הנם (ראה תרשים א'):

שלב 1: איסוף נתוני המכירות בפועל, חישוב תחזית סטטיסטית מעודכנת למכירות

שלב 2: אישור תוכנית הצריכה של הארגון

שלב 3: אישור תוכנית האספקה של הארגון

שלב 4: הכנת תוכנית עבודה המעודכנת

שלב 5: אישור תוכנית העבודה המעודכנת

S&OP

תרשים א' השלבים בתהליך ה S&OP

השלבים מבוצעים בכל חודש, משלב 1 עד שלב 5, ע"י צוות ה S&OP, שלב 5 מוצג לאישור למנהלי הארגון. זהו תהליך מחזורי המתקיים בכל חודש.

פרוט הפעולות בשלב 1 – איסוף נתונים וחישוב תחזית סטטיסטית

השלב הראשון במהלך החודש הנו שלב טכני. בשבוע הראשון אוספים את נתוני המכר המעודכנים מהחודש שעבר ומחשבים מחדש את התחזית הסטטיסטית. הכוונה הנה לבנות תחזית המבוססת על תחזיות העבר בתוספת הנתונים החדשים של הפעילות בחודש האחרון.

חישוב תחזית סטטיסטית היא משימה מורכבת, ביחוד בארגונים המנהלים מוצרים רבים על פני לקוחות שונים. בעבר היה נפוץ לבצע את חישוב התחזית בעזרת אקסל או בכלי BI שאפשרו את שליפת הנתונים ממערכות המכר וה ERP.

כיום מרבית הארגונים עושים שימוש בכלים לניהול תחזיות, כדוגמת מערכת Forecast Pro. כלים אילו מחשבים באופן אוטומטי מהיר ומדויק את התחזית הסטטיסטית, גם לאלפי, עשרות אלפי וגם מאות אלפי מוצרים החתכים שונים, תוך חישוב המגמות והמחזוריות של כל מוצר ומשפחת מוצרים.

פרוט הפעולות בשלב 2 – אישור תוכני הצריכה (Demand Planning)

בשלב 2 המתקיים בשבוע השני של החודש, נדרש צוות ה S&OP לגבש תוכנית צריכה מעודכנת. תוכנית הצריכה היא התחזית הסופית של הארגון. תחזית הסופית הנה תחזית המבוססת על התחזית הסטטיסטית אבל כוללת מספר עדכונים כגון, התייחסות המכירות והשיווק ומבצעים או מכרזים עתידיים, קבלת תחזיות מלקוחות, שינוי נתוני התחזית בהתבסס על הערכות שונות של השוק והמתחרים וכו.

בעבר בוצע גם שלב זה בעזרת גיליונות אקסל. אולם כיום מבוצע שלב זה בעזרת מערכות לניהול תחזיות, כדוגמת מערכת Forecast Pro. מערכות אילו כוללות מודולים המיועדים לנהל את העדכונים לתחזית שמבצעים גורמים שונים בארגון.

כיוון שכל התחזיות והעדכונים מנוהלים במערכת אחת, ניתן לנתח את נתוני העבר וללמוד אילו שינויים שביצענו בתחזית בעבר תרמו לדיוק ושיפור התחזית ואילו שינויים שביצענו פגעו בדיוק התחזית, כך ניתן ללמוד ולשפר את ניהול התחזית לאורך זמן ולהגיע לתוצאות מרשימות.

החלטה על התחזית המעודכנת הסופית של הארגון הנה קריטית ובעזרתה ניתן להמשיך ולתכנן את פעילות הארגון.

פרוט הפעולות בשלב 3 – אישור תוכנית האספקה של הארגון

בשלב זה נדרש צוות ה S&OP לבדוק את יכולות האספקה העומדים לרשותו. יכולת האספקה תלויה בגורמים רבים כגון: קיבולת הייצור הזמינה של הארגון, יכולות ייצור זמינה אצל קבלני המשנה של הארגון, המלאי של חומרי גלם, המלאי של מוצרים המוגמרים, ועוד גורמים רבים נוספים.

כאשר מדובר בארגון קטן יחסים, עם מפעל אחד או מחסן הפצה אחד, אז חישוב יכולות האספקה של הארגון הנו פשוט יחסית. אולם בארגונים גדולים המנהלים את הייצור והאספקה במספר מפעלים ומספר קבלנים, יש קושי לנהל תוכנית האספקה.

במרבית הארגונים מחשבים את תוכנית האספקה בעזרת אקסל. החישוב צריך לכלול את האילוצים השונים ואפשרויות הייצור והאספקה השונות. אילו הם חישובים לא פשוטים. לכן בשנים האחרונות נעשה שימוש בכלים המחשבים את יכולות הייצור והאספקה בקיבולת סופית, כדוגמת מערכת ROB-EX Scheduler, המאפשרת לבנות תוכניות ייצור ואספקה על בסיס אילוצים רבים.

פרוט הפעולות בשלב 4 – הכנת תוכנית עבודה המעודכנת

בשלב זה בונים את תוכנית העבודה בהתבסס על הנתונים וההחלטות שהושגו בשלבים הקודמים.

תוכנית העבודה היא למעשה פשרה בין הצורך לספק את תוכנית הצריכה, לבין היכולת לספק אותה בהתאם לתוכנית האספקה.

בנוסף, בשלב זה מתייחסים גם לנתוני התקציב והתוכנית העסקית של החברה. נתונים אילו מאפשרים להבין את המשמעויות העסקיות של החלטות הצוות.

ארגונים העושים שימוש בכלים מתקדמים כגון Forecast Pro, יכולים לבצע ניתוח של התקציב גם לעתיד ולא רק מול היסטורית הפעילות.

פרוט הפעולות בשלב 5 – אישור תוכנית העבודה המעודכנת

בשלב האחרון בחודש, מציג צוות ה S&OP את תוצאות עבודתו ואת תוכנית העבודה שהוא בנה ועדכן, להנהלת הארגון. יש חשיבות גדולה שהנהלת הארגון תהיה פעילה ומעודכנת בתהליך אישור תוכנית העבודה המתגלגלת.

תהליך ה S&OP מציף בעיות ומתווה כיוונים, לכן חשוב שהנהלת הארגון תיחשף לנתונים ולהחלטות שהתקבלו ע"י הצוות ותשפיע במקומות החשובים.

החלטה משותפת על תוכנית העבודה מייצרת מחויבות של כול הגורמים בארגון להצלחת יישום התוכנית.

לסיכום

תהליך ה S&OP הנו תהליך מחזורי חודשי המשתף גורמים שונים בארגון לצורך בניית תוכנית עבודה "מתגלגלת" ועדכנית.

שימוש בכלים מתקדמים לניהול תחזיות וחישוב תוכניות ייצור בקיבולת סופית יכולים לתרום רבות להפיכת חלק מהתהליכים החישוביים לאוטומטיים ולשפר באופן דרמטי את הדיוק והביצועים של התוכנית.

במאמר הבא אציג שיטות לחישוב תוכנית ייצור בקיבולת סופית.

כיצד ניתן לנהל תחזית למוצרים שונים השייכים למשפחות שונות עם התנהגות צריכה שונה זה מזה.

מאת: צור אמיתי

במאמר זה אציג את החשיבות של זיהוי התנהגויות קבוצתיות של מוצרים ואת המאפיינים המשפיעים אל חישוב תחזית צריכה טובה.

חישוב תחזית בעזרת זיהוי התנהגות היסטורית

חישוב תחזית צריכה למוצר מתבסס על נתונים שונים שבעזרתם ניתן לנבא את הצריכה העתידית של המוצר. הנתונים העיקריים הנם:

• נתוני הצריכה ההיסטורית של המוצר (למוצר פעיל עם היסטוריית מכירות). בעזרת נתוני הצריכה ההיסטורית ניתן לחשב תחזית סטטיסטית
• נתוני אירועים שהשפיעו על צריכת המוצר בעבר ועשויים להשפיע על צריכתו בעתיד. דוגמאות לאירועים: מבצעי מכירות, חוסר מלאי, חגים וחופשות, מכרזים וכו
• הזדמנויות עתידיות והערכות למכירות עתידיות. הערכות אילו עוזרות להעריך את תחזית המוצרים
• תקציב יעד למכירת המוצר. בדרך כלל נעשים מאמצים של המכירות והשיווק לעמוד ביעדי המכירה, כך שתקציבי היעד למכירת המוצר נוטים להתממש או לפחות נותנים כיוון מגמה לביצועי המכר של המוצר
• תחזיות חיצוניות מלקוחות. חלק מהלקוחות יודעים לספק תחזיות צריכה עתידיות למוצרים שהם רוכשים. הלקוחות מספקים את התחזיות כדי לשפר את רמת השרות ולהבטיח זמינות למוצרים. פעילות זאת שכיחה בין לקוחות עסקיים המקימים יחסים ארוכי טווח.
• נתוני עזר (משקלים). נתוני עזר הם סדרות נתונים המאפשרות לתמוך בחישוב התחזית. לדוגמה: למוצרים מסוג חלקי חילוף ניתן להשתמש בכמות המוצרים שיש לספק להם שרות בתור נתוני עזר לחישוב התחזית. למוצרים הנמכרים ברשתות שיווק ניתן להיעזר בשטח המכר לצורך חישוב התחזית.

השיטה המקובלת לחישוב תחזית הצריכה למוצר הנה להשתמש בתוכנת חישוב תחזיות, כדוגמת תוכנת Forecast Pro , ולחשב את התחזית הסטטיסטית בעזרת נתוני המכר ההיסטוריים, נתוני האירועים (בעבר ובעתיד) נתוני העזר (משקלים) וסינון נתונים חריגים.

לאחר בניית התחזית הסטטיסטית, משלבים את התחזיות החיצוניות (אם הן קיימות) ואת הערכות אנשי השיווק והמכירות. ניתן להיעזר גם בשילוב נתוני יעדי התקציב כשהם מתורגמים לכמויות. זאת פעילות המבוצעת באופן אוטומטי על ידי תוכנות מתקדמות לניהול תחזיות כדוגמת Forecast Pro.

כאמור, הבסיס לחישוב התחזית מתבסס בעיקר על ההתנהגות ההיסטורית של המוצר בתוספת כלים נוספים המאפשרים להסביר התנהגויות חריגות ולנטרל אותם מחישוב ההתנהגות הצפויה למוצר, או לחילופין לזהות התנהגות חריגה הצפויה בעתיד (כדוגמת חג או מבצע).

התנהגות קבוצתית של מוצרים

את התנהגות צריכת המוצר אפשר לתאר על ידי גרף. מרבית האנשים יכולים לזהות התנהגות מחזורית של התחזית על ידי זיהוי התנהגות דומה של הגרף לאורך ציר הזמן. ניתן לחשב את התנהגות הצריכה (חישוב משוואת הגרף) ולחלץ ערכים של:

• מגמה (עליה, ירידה או מצב קבוע) של הצריכה לאורך זמן.
• מחזוריות (מחזוריות רגילה, מחזוריות מורכבת או ללא מחזוריות) החוזרת על עצמה לאורך זמן.
• ערך קבוע של הגרף ביחס לנקודת ההתחלה. מציין ערך קבוע של צריכה בתחילת מחזור החיים (או תחילת הנתונים ההיסטוריים של מכירות המוצר)

במקרים רבים ניתן לזהות כי צריכת מוצרים שונים נראית דומה על פני תקופה. כלומר הגרף של אותם המוצרים נראה דומה, גם אם ערכי המספרים שונה.

גם מבחינה מתמטית ניתן יהיה לראות במקרים אילו שנוסחת החיזוי שחושבה על ידי התוכנה הנה דומה ובדרך כלל ושייכת לאותה משפחת  נוסחאות.

ההסבר לכך שמוצרים שונים מתנהגים באופן דומה הוא פשוט, המוצרים השונים מצרכים על ידי לקוחות דומים (או אותם הלקוחות ממש) וגם הנתונים הנוספים, כגון אירועים ומשקלים (לדוגמה: חגים) משפיעים בצורה דומה על אותם המוצרים.

השימוש בהתנהגות קבוצתית

במקרים רבים קשה ואף בלתי אפשרי לחשב תחזית למוצר בודד. הסיבות לכך הן רבות. אפרט רק חלק מהסיבות:

• חיי המדף קצרים של המוצר והוא מוחלף בכל תקופה קצרה ע"י מוצר אחר. למשל מוצרי אופנה המתחלפים בכל קולקציה, או רכיבים אלקטרונים המתחדשים בכל תקופה קצרה ע"י דגמים חדשים יותר.
• קניבליזם בין מוצרים. כלומר בעיני הלקוחות המוצרים נראים זהים או תחליפיים ולכן הצריכה שלהם באה האחד על חשבון השני.
• מוצרים מיובאים ממקורות וספקים שונים. במקרים רבים יבואנים מייבאים מוצרים זהים מספקים שונים, כך שלאורך זמן מספרי המוצרים מתחלפים בכל תקופה.

במקרים אילו בהם לא ניתן לחשב תחזית לכל מוצר, כיוון שתקופת הצריכה ההיסטורית של המוצר קצרה, או שהתנהגות המוצר משתנה בגלל צריכה של מוצרים אחרים, ניתן לחשב את התחזית ברמה הקבוצתית, ו"להוריד" את חישוב התחזית מרמת הקבוצה לרמת המוצר.

לשיטה זאת קוראים Top-Down והיא שימושית מאוד לצורך שיפור חישוב התחזית. על ידי שימוש ב Top-Down ניתן לחשב תחזיות תחזית גם לאוכלוסיות מוצרים בעייתיות ואיטיות.

בשיטת Top-Down ניתן לשפר את התחזית לקבוצת פריטים שהצריכה שלהם מתנהגת בצורה דומה. לכן מקובל לסווג את המוצרים לקבוצות ותת קבוצות הומוגניות.

קבוצות הומוגניות של פריטים ניתן לקבל על ידי חלוקת המוצרים להיררכיה. אחד מהסודות החשובים ביותר לניהול תחזית מדויקת הוא היכולת לחלק את הפריטים להיררכיה הנכונה, וכך לזהות קבוצות פריטים המתנהגים בצורה דומה. לאותם הפריטים נגדיר פקודת Top-Down ונקבל בדרך כלל שיפור בביצועי דיוק התחזית.

בדרך כלל נחלק את הפריטים להיררכיה המכילה הגדרות טכנולוגיות (משפחת פריטים ותת משפחת פריטים) וכן חלוקה על פי שווקים שונים, או ערוצי הפצה שונים (למשל מכירות לפי יבשת, או מכירות לפי סוגי לקוחות וכו) לדוגמה:

• חלוקה על פי משפחה טכנולוגית של המוצרים (מה הוא המוצר)
• חלוקה על פי אזורי מכירה (אירופה, אפריקה, הודו, סין, צפון אמריקה)
• חלוקה על פי ערוץ ההפצה (מכירה ללקוחות פרטיים, מכירה לסוכנים ומפיצים, מכירה לרשתות שיווק, וכו)

ניהול תחזית למשפחות שונות של מוצרים

במקרים רבים אנו מזהים קבוצות שונות של מוצרים שההתנהגות שלהם שונה משאר המוצרים. במקרים מסוימים, כשהתחזית מנוהלת על פי שווקים או סוגי לקוחות, אנו רואים כי אותו המוצר מתנהג בצורה שונה בשווקים שונים. זהו מצב הגיוני כיוון שהמוצר מושפע באופן שונה בכל אזור.

כיצד מנהלים תחזית מורכבת כזאת ?

השיטה המקובלת והמוצלחת ביותר לכך היא לזהות את ההיררכיה המתאימה לחלוקת המוצרים לקבוצות הומוגניות. לדוגמה, ניתן לחלק את המוצרים לאזורי מכירה (בחברה המוכרת לאזורי מכירה שונים בעולם) או לערוצי הפצה (למשל חברת מזון המוכרת לשוק המוסדי, לשוק הקמעונאי ולשוק המקצועי), ובעל חלוקה להגדיר תת חלוקה על פי משפחות מוצרים.

בצורה זאת ניתן לזהות התנהגות הומוגנית של מוצרים. לדוגמה: לחברת משקאות נסווג את סוג המשקה והטעם בכל ערוץ הפצה. כך ניתן לזהות מגמות אופייניות שונות לכל קבוצת טעמים בכל ערוץ הפצה שונה.

לאחר שמצאנו את ההיררכיה הטובה ביותר, ניתן להשתמש בחישוב Top-Down לכל משפחה תחת כל ערוץ הפצה שונה.

לשיפור התחזית ניתן לייצר נתוני עזר שונים לכל קבוצה המנוהלת כ Top-Down. ניתן להגדיר קבוצת אירועים ומשקלים שונים לכל משפחת מוצרים המוגדרת תחת ערוץ הפצה שונה. לדוגמה: ניתן להגדיר אירועי שיווק או אירועי הנחות לכל משפחת מוצרים תחת ערוצי הפצה שונים. זה הגיוני כיוון שבכל מגזר אכן מתנהלים אירועים שונים המשפיעים בצורה שונה על המוצרים.

על ידי שילוב נכון של הגדרת היררכית הנתונים, שימוש מושכל בחישוב Top-Down והגדרת נתוני עזר ממוקדים, ניתן לנהל באותה התחזית מוצרים המתנהגים שונה.

שיטה זאת יושמה בהצלחה על ידנו בעשרות חברות בארץ הפועלים באמצעות תוכנת Forecast Pro.

מאת: צור אמיתי

תזמון הייצור (Production Planning & Scheduling) הנו תהליך לבניית תוכנית הייצור של המפעל ברמה מפורטת, כלומר תכנון הזמנים לשחרור פקודות העבודה לרצפת הייצור. התזמון משפיע על גורמים רבים במפעל והוא אחד מהתהליכים העיקריים הקובעים את תפוקת המפעל והעמידה בזמני אספקת המוצרים ללקוחות.

במרבית המפעלים ניהול תזמון הייצור הנו תהליך מורכב וסיזיפי, הדורש ידע וניסיון רב מהמתכנן ועבודה מאומצת לחישוב תוכנית העבודה.

תזמון הייצור, בשונה מהחישובים של כלי התכנון  MRPו MPS, מתחשב באילוצים רבים בתהליך הייצור ומחשב את תוכנית העבודה המפורטת בהתאם לאותם האילוצים. כתוצאה מחישוב תזמון הייצור נוצרת תוכנית עבודה מפורטת לעבודה במשמרת הייצור.

היחס בין מערכת התזמון למערכות התכנון הקיימות ב ERP ורצפת הייצור

מערכת התזמון משתלבת עם המערכות הקיימות במערכת ה ERP וריצפת הייצור ומשלימה אותן. שילוב נכון בין המערכות מביא לתוצאות טובות ולהחזר השקעה, על ידי העלאת התפוקה של המפעל וניצול מיטבי של המשאבים לייצור, תוך שיפור בזמני האספקה ללקוחות.

מערכות התכנון הקיימות ב ERP, מערכת ה MPS – Master Production Schedule  ומערכת ה MRP – Material requirements planning  , מאפשרות לארגון לנהל את הדרישות למוצרים ולבנות תוכנית ייצור. כלים אילו מצטיינים בניהול החומר וניהול תוכנית העבודה הראשית. הכלים מקושרים למידע ארגוני רב הכולל את נתוני המכירות, המלאי והרכש, ומאפשרות לנהל את התכנון והבקרה על הביצוע. זמני התכנון (תקופת התכנון) המקובלים למערכות אילו הם ברמה החודשית לריצת ה MPS וברמה שבועית לריצת ה MRP , במקרים מסוימים מריצים MRP ברמה יומית.

מערכות ריצפת הייצור, MES – Manufacturing Execution System, הנם מערכות המושתתות על בקרים המדווחים מרצפת הייצור בזמן אמת. מערכות אילו יודעות לנהל את הנתונים בפועל בזמן הייצור.

מערכת תזמון הייצור צריכה לגשר בין מערכות התכנון של ה ERP המנהלות מידע ניהולי, לבין מערכות רצפת הייצור המנהלות מידע תפעולי. מערכת התזמון מסוגלת לקבל נתונים מהמערכות השונות (מערכות ה ERP ומערכות ה MES) ולחשב את תוכנית הייצור האופטימלית למשמרת בתוך זמן של שניות או דקות בודדות, ולחשב תוכנית ייצור מפורטת לשעות הקרובות, תוך התחשבות בכל האילוצים שהוגדרו לה.

ראה תרשים כללי של הקשרים בין מערכת התזמון למערכות ה ERP ורצפת הייצור:

תכנון הייצור בקיבולת סופית

כדי שמערכת תזמון הייצור תחשב את תוכנית הייצור האופטימלית, היא חייבת להתחשב בכל האילוצים הרלוונטיים. אנו קוראים לתכנון מסוג זה "תכנון ייצור בקיבולת סופית"

תכנון ייצור בקיבולת סופית הוא כינוי לתכנון ייצור המתחשב במגבלות המשאבים לייצור. כל ייצור מתבצע בעזרת משאבים מסוגים שונים:

• כלים ומכונות
• עובדים
• חומרי גלם

לכל משאב יש מגבלות ואילוצים שונים המאפשרים לו לייצר מוצרים עד לכמות מסוימת בזמן נתון. לדוגמא: מכונת אריזה יכולה לארוז מוצר A בקצב של 100 מוצרים לשעה.

ישנם סוגים שונים של אילוצים המתאימים למשאבים ושלבי ייצור שונים:

• אילוצי זמן, ישנם משאבים שלא פועלים כל הזמן, למשל מכונות שצריך לעצור כל מספר שעות לצורך תחזוקה, או עובדים הפועלים על פי משמרות ולפעמים יוצאים לחופשה
• אילוצי זמינות, מידי פעם אנו נאלצים להשבית אמצעי ייצור בגלל תקלות או לצורך שינויים וכו.
• אילוצי חומר, במקרים רבים נגמר חומר הגלם בגלל סיבות רבות (שינויים הנדסיים, טעויות בתכנון הרכש, פסילות וכו) לכן חוסר קיים או עתידי של חומר הגלם פוגע ביכולת הייצור
• אילוצי תפוקה, לכל משאב ייצור יש קצב ייצור (תפוקה) מקסימלי, בדרך כלל קיים למשאב קצב ייצור שונה למוצרים שונים
• אילוצי זמן הכנה (Set-Up), לכל מכונה קיים זמן הכנה לפני התחלת הייצור, זמן ההכנה קיים בהפעלה הראשונית של המכונה ובכל כיול של המכונה לייצור מוצר חדש (החלפת מוצר)

כאמור תיזמון הייצור מגדיר בפועל את שחרור פקודות העבודה לייצור. פקודת העבודה הנה המסמך המגדיר את הזמנות הייצור. כל פקודת עבודה כוללת את נתוני המוצר שיש לייצר, את הכמות שיש לייצר ואת הזמן (תאריך ושעה) שיש לסיים את ייצור הכמות שהוגדרה.

מרכיבי פקודת העבודה כוללים את הנתונים הבאים:

• עצי מוצר, bill of materials – BOM, לכל מוצר סופי מוגדר עץ מוצר המכיל את חומרי הגלם, חומרים בתהליך , חלקים או מכלולים, המרכיבים את המוצר הסופי. עץ המוצר מגדיר את החומרים והמכלולים, את סדר צרוף החומרים למוצר ואת הכמויות של כל חומר , חלק או מכלול ליחידת מוצר סופי
• ניתובים , Routes , ניתוב הוא הגדרת תהליך הייצור של המוצר, בניתוב אנו מגדירים את קו או קווי הייצור בתהליך ייצור המוצר.
• פעולות , Operations , הגדרת הפעולות המבוצעות בניתוב, כל פעולה מגדירה מסימה אחת, לדוגמה: בייצור דסקית מתכת, מבוצעות 4 הפעולות הבאות: פעולה 10 – חיתוך הדסקית מחומר גלם צינור, פעולה 20 – השחזת הדסקית, פעולה 30 – ניקוי הדסקית, פעולה 40 – ציפוי הדסקית

על ידי הגדרת עצי המוצר, הניתובים והפעולות, ניתן להגדיר את פקודת העבודה.

בעיית חישוב Set-Up משתנה

אחת מהבעיות המורכבות ביותר בחישוב תזמון הייצור הנה היכולת לחשב את זמני ההכנה למכונה (Set-Up) כאשר זמנים אילו אינם קבועים ותלויים בתהליך הייצור עצמו. במפעלים רבים, זמני ההכנה למכונה Set-Up נקבעים על פי המוצר שמסיים את תהליך הייצור במכונה והמוצר שצפוי להיות מיוצר בהמשך על אותה המכונה.

לדוגמה: במפעל הזרקת פלסטיק לתבניות, זמני ה Set-Up בין ייצור מוצר A לייצור מוצר B תלויים בתבניות המשמשות לייצור המוצרים. אם מוצר A ומוצר B משתמשים באותה התבנית (למשל מוצר זהה עם צבע אחר) זמן ה Set-Up יהיה קצר ביותר. אולם אם לצורך ייצור מוצר B צריך להשתמש בתבנית אחרת מהתבנית לייצור מוצר A , יהיה זמן ה Set-Up ארוך משמעותית והוא יכלול את זמן החלפת התבניות. בהנחה שאנו רוצים לייצר עשרות מוצרים שונים, נצטרך לתזמן את פקודות העבודה כך שכמות שזמני ה Set-Up יהיו הקצרים ביותר, על ידי סידור שחרור פקודות העבודה כך שמספר החלפות התבניות על המכונה יהיה הנמוך ביותר.

עכשיו נתאר מצב מסובך הרבה יותר, במפעל ישנן 20 מכונות הזרקת פלסטיק, וחלק מהמכונות הנן מסוגים שנים. ישנן מכונות קטנות יותר המתאימות להרצת תבניות קטנות יותר, ומכונות גדולות המסוגלות להריץ תבניות גדולות יותר. כל 20 המכונות מסוגלות לייצר את כל המוצרים אבל בתפוקה שונה, בהתאם לתבניות המתאימות לאותן המכונות. לצורך הדוגמה נניח שישנם כ 10 מוצרים שונים. ונניח שישנן כ 400 הזמנות מלקוחות שונים למוצרים שונים בזמני אספקה הנפרסים על פני החודש.

מערכת התזמון תצטרך לחשב את תוכנית הייצור לעמידה בזמני האספקה ללקוחות. אם מערכת התזמון לא תייעל את הייצור, לא ניתן יהיה לספק את כל ההזמנות בזמן. כדי לעמוד במשימה, מערכת התזמון צריכה לסדר את שחרור פקודות העבודה לייצור כך שסה"כ זמני ה Set-Up ותפוקת המכונות תהיה אופטימלית.

מודל Sequencer

הפתרון לכך מבוצע בעזרת מודול הנקרא Sequencer, מודל זה מאפשר להגדיר מטריצה של ערכים משתנים לכל מצב אפשרי. בדוגמה שלנו ניתן להשתמש ב 2 מטריצות לחישוב:

• מטריצה (טבלת ערכים) המגדירה את זמני ה Set-Up לכל סוג מכונה (גדולה או קטנה) בזמן החלפת תבנית מסוג A לתבנית מסוג B
• מטריצה המגדירה את התפוקה של כל סוג מכונה (גדולה או קטנה) לכל מוצר.

מודול ה Sequencer מאפשר לחשב בתוך זמן קצר (שניות) את כל הצירופים האפשריים של ייצור 400 ההזמנות של 10 המוצרים בעזרת 20 המכונות והתבניות מהסוגים השונים, ולמצוא את תוכנית הייצור היעילה ביותר תוך עמידה בזמני האספקה ללקוחות.

לפעמים אין פתרון מלא לבעיית חישוב התזמון, במקרה זה מאפשרת מערכת התזמון להחליט על אסטרטגיית חישוב שונה ולנהל את אי העמידה בזמני האספקה על פי מדיניות.

במקרים רבים מתעוררות בעיות שונות בייצור ונידרש לשנות את התוכנית, מערכת התזמון מאפשרת לשנות באופן ידנית את התוכנית. המערכת, מתאימה את עצמה לאילוצים שהמתכנן מוסיף ומשלימה את החישובים בהתאם.

מערכות תזמון טובות וגמישות, המנצלות בצורה מיטבית את מודול ה Sequencer, מאפשרות לשפר בצורה משמעותית את ביצועי המפעלים והעמידה בזמני הייצור תוך ניצול מיטבי של האמצעים.

במאמרים הקודמים הצגתי את הכלים לתכנון הייצור הקיימים כיום ואת היתרונות כל כלי.

בשנים האחרונות חלו התפתחויות טכנולוגיות רבות בעולם מערכות המידע לניהול הייצור בקיבולת סופית. כלים אילו משתלבים כיום במפעלים ובתעשיות שונות ומאפשרים לשפר ולייעל את העבודה בצורה משמעותית.

שילוב של כלי Scheduler ביחד עם מערכות ה ERP וה MRP מאפשר לחברות לשפר את הביצועים ולנהל את תהליכי הייצור בצורה אופטימלית.

במאמר זה בחרתי להציג יישום של מערכת Scheduler בחברה גלובלית לייצור מזון. ביישום זה ובמאות יישומים דומים ניתן ללמוד על היתרונות הרבים של שילוב טכנולוגיות ניהול הייצור המתקדמות עם הטכנולוגיות המסורתיות הקיימות במרבית החברות הייצרניות.

יישום מערכת תכנון הייצור בחברת Palsgaard

חברת Palsgaard  הנה יצרנית מזון ואריזות למזון.www.palsgaard.com החברה מעסיקה כ 350 עובדים, הנהלת החברה ממוקמת בדנמרק. לחברה יש 12 מפעלים וחברות בנות בהולנד, מקסיקו ומלזיה.

Palsgaard היא כיום חברה בריאה וצומחת הנמצאת בגידול מתמיד, לכן הוחלט בחברה ליישם מערכת לתכנון ותזמון הייצור כדי לתמוך בגידול החברה.

יישום מערכת התכנון של ROB-EX Scheduler בחברת Palsgaard אפשר לנהל את תכנון הייצור באופן אופטימלי ושיפר את ניהול הייצור תוך שקיפות מלאה לתהליכי העבודה והייצור.

סקירה ויזואלית

יישום מערכת ROB-EX Scheduler גרם לביצוע העבודה ללא צורך בהדפסת דוחות וניהול קבצי אקסל. המידע זורם באופן רציף בין מערכת ה ERP למערכת התכנון וריצפת הייצור. הצגת נתוני הייצור וההזמנות באופן ויזואלי וברור.

"כיום יש לנו תמונה ויזואלית מלאה וטובה יותר של כל תהליכי הייצור, אנו רואים את הקשרים בין הזמנות הייצור ומבינים את ההשפעה של כל הזמנה על זמני האספקה של שאר ההזמנות.

בעבר הינו מנהלים כל הזמנה בנפרד, ללא יכולת אמתית להבין את יחסי הגומלים בין ההזמנות ואת ההשפעה של כל הזמנה על זמני היצור והאספקה בפועל,  כיום יש לנו תמונה ברורה במסך אחד " כך אומר Torben Dahl-Hansen מנהל שרשרת האספקה של Palsgaard  .

ROB-EX Scheduler מאפשר לעובדי Palsgaard לצפות בצורה ויזואלית על קיבולת הייצור של כל קו ייצור ומאפשר לתכנן את תיזמון ההזמנות בייצור באופן אופטימלי.

"למחלקת התפ"י שלנו יש יכולת טובה להבין כיצד כל תזמון ייצור של הזמנה חדשה ישפיע על זמני האספקה של שאר ההזמנות" אומר Torben Dahl-Hansen.

שיתוף המידע

"שיתוף המידע והידע העובר ומוצג במערכת הוא אחד מהיתרונות הגדולים של המערכת" לדברי Torben Dahl-Hansen, גם כאשר מדובר בעובד חדש בחברה שאינו בקיא בנתונים.

"כל הנתונים מאורגנים ומסודרים במערכת במסך אחד, לכל עובד יש גישה אל המידע ולהתקדמות הייצור, לכל עובד יש את היכולת לעדכן ולתרום לשיפור התהליכים בחברה" מוסיף Torben Dahl-Hansen.

פיתוח מתמיד

ב Palsgaard חשוב להמשיך ולפתח את מערכת התזמון ולהתאימה לאתגרים חדשים.

לאחרונה החלה התאמה של מערכת ROB-EX Scheduler ב Palsgaard לניהול והצגה ברורה של משך חיי המוצר של החומרים בתהליך הייצור, בעזרת פיתוח זה ניתן יהיה לצמצם את העצירות של קו הייצור ולהקטין את הפחת.

במאמר הבא אציג בפרוט כלים לחישוב אופטימלי של זמני Set-Up למכונות ייצור.

בברכה,

צור אמיתי

מאת: צור אמיתי

בחלק הראשון של המאמר הצגתי את תשתיות תכנון הייצור ואת סוגי המשאבים והאילוצים המקובלים בתחום זה. בחלק השני של המאמר, המוצג כאן, אפרט את השיטות והכלים המאפשרים לחשב את תכנון הייצור בצורה אופטימלית, תוך התחשבות באילוצים השונים ובקיבולת הסופית של אמצעי הייצור.

תקציר החלק הראשון

להלן תקציר החלק הראשון של המאמר:

תכנון הייצור הוא תהליך המגדיר את המשימות שיש לבצע לצורך ייצור מוצרים. המשימות לייצור מוגדרות בפקודות עבודה (פק"ע) המכילות את הוראות הייצור שיש לבצע.

תכנון ייצור בקיבולת סופית הוא כינוי לתכנון ייצור המתחשב במגבלות המשאבים לייצור. כל ייצור מתבצע בעזרת משאבים מסוגים שונים.

לכל משאב יש מגבלות ואילוצים שונים המאפשרים לו לייצר מוצרים עד לכמות מסוימת בזמן נתון.

ישנם סוגים שונים של אילוצים המתאימים למשאבים ושלבי ייצור שונים:

• אילוצי זמן
• אילוצי זמינות
• אילוצי חומר
• אילוצי תפוקה
• אילוצי זמן הכנה (Set-Up)
• אילוצי פחת ואיכות

קיימות תעשיות שונות הפועלות בטכנולוגיה שונה, אולם נהוג להגדיר את מרכיבי תשתיות הייצור בכל התעשיות בצורה זהה בעזרת הנתונים הבאים:

• עצי מוצר, Bill Of Materials – BOM
• פעולות , Operations
• ניתובים , Routes

פקודת העבודה הנה המסמך המגדיר את הזמנות הייצור. כל פקודת עבודה כוללת את נתוני המוצר שיש לייצר, את הכמות שיש לייצר ואת הזמן (תאריך ושעה) שיש לסיים את ייצור הכמות שהוגדרה.

מערכת הייצור מנהלת לכל מוצר את נתוני התשתיות (עץ המוצר,  הניתוב של המוצר ופעולות הייצור) כך שפקודת העבודה כוללת את נתוני המוצר שיש לייצר ואת הוראות הייצור הקשורות לאותו המוצר.

פקודת העבודה נוצרת בסטטוס המלצה, כדי "להוריד" את פקודת העבודה לייצור, יש לשנות את סטטוס פקודת העבודה למאושרת או במילים אחרות "לשחרר" את פקודת העבודה לייצור.

במפעל טיפוסי מקובל לייצר מספר פקודות עבודה במקביל, בנוסף קיימים מספר קווי ייצור המסוגלים לייצר מספר מוצרים. לכן נוצר מצב שניתן לשבץ את פקודות העבודה בסדר שונה ועל קווי ייצור שונים. כלומר ישנם מספר פתרונות אפשריים לשיבוץ סדר פקודות העבודה. כל פתרון אפשרי ישפיע באופן שונה על יעילות הייצור ועמידה בזמני האספקה.

המערכות לתכנון ותזמון הייצור

מערכות לתכנון ותזמון הייצור ממליצות על תזמון ושיבוץ פקודות העבודה. בהתאם לשיבוץ פקודות העבודה מתבצע התכנון והפיקוח על הייצור (תפ"י). כלומר התפוקה של מערכת תכנון הייצור הנה לקבוע זמן לפקודת העבודה (תאריך ושעה) וניתוב פקודת העבודה (המכונות והאמצעים לייצור המוצרים)

קיימות מספר מערכות לתכנון הייצור:

מערכת MRP – תת מערכת הקיימת ברוב מערכות ה ERP ומאפשרת לתכנון את תזמון החומר. מערכות ה MRP יודעות להתמודד יפה עם תכנון החומר אולם מרבית המערכות מסוג זה אינן מספקות מענה לתכנון הייצור בהתחשב באילוצי קיבולת סופית וחישוב אופטימלי של השימוש במשאבי הייצור.

מערכות תזמון ייצור Scheduler – מערכות מומחה לתזמון הייצור, מערכות אילו תוכננו במיוחד לצורך התחשבות באילוצים שונים וסוגי משאבי ייצור שונים כדי לחשב ולהמליץ על תכנון ייצור אופטימלי בקיבולת סופית.

תוכנת ROB-EX Scheduler

כיצד פועלת מערכת ה Scheduler ?

מערכת ה Scheduler כוללת מנוע אלגוריתם חישובי הפותר בעיות אופטימיזציה בייצור. האלגוריתם מתחשב באילוצים שונים המוגדרים מראש ובעדכונים שוטפים מרצפת הייצור.

כדי לחשב את תהליך הייצור האופטימלי צריך להגדיר למערכת את אמצעי הייצור ואת האילוצים השונים במפעל. להלן מספר כלים הקיימים במערכות Scheduler מתקדמות:

הגדרת משאבים וקבוצות משאבים

ניתן להגדיר במערכת ה Scheduler סוגים שונים של משאבים כגון: מכונות מסוגים שונים,  כלים שונים (תבניות, מכשירי בדיקה וכו…) עובדים עם כישורים שונים וכו. לכל משאב ניתן להגדיר תכונות שונות כגון: תפוקות ביחידות שונות (זמן, כמויות) זמינות, עלויות ועוד.

ניתן להגדיר קבוצה של משאבים, לדוגמה: ניתן להגדיר קבוצה של עובדי ייצור במחלקה. המערכת תחשה את כמות שעות העבודה הנדרשות בהתחשב בכמות העובדים הזמינים באותה מחלקה בזמן נתון ו"תעמיס" את העבודה ברמת הקבוצה ולא ברמת העובד הבודד.

דוגמה נוספת לניהול קבוצת משאבים: ניהול מספר מכונות זהות במחלקה (כגון: CNC או מכונות SMT או מכונות הזרקה) מערכת Scheduler מתקדמת מאפשרת לקבוע חוקי העמסה בין סך הקבוצה למכונה בודדת.

לכל משאב בודד ולכל קבוצת משאבים ניתן לנהל יומן, מערכת ה Scheduler מנהלת היררכיה של יומנים ומאפשרת להכפיף יומנים של המפעל / הקבוצה / המשאב הבודד על פי חוקים מובנים.

ניהול פעילויות ותת פעילויות

פעילות הנה פעולת ייצור, ישנן פעולות ייצור שונות. במערכת Scheduler ניתן להגדיר סוגי פעילויות שונות עם תכונות רבות כגון: פעילות Set-Up למכונה, פעילות אבטחת איכות QA , פעילות ערבוב חומרים וכו.

לכל פעילות ניתן לקבוע פעילויות קשורות, פעילויות מקדימות ופעילויות המשך בהתאם לסדרת הפעולות בייצור המוצר. ניתן לקבוע תנאים לכל פעילות, תנאי זמן ותנאי ביצוע. ניתן לקבוע חזרות על פעילויות, תנאי עמידה בזמנים מוגדרים ועוד סידרה ארוכה של תנאים (קבועים או משתנים). ניתן לחבר לפעילויות משאבים, חומרים ותתי פעילויות.

תתי פעילויות הן פעולות המשויכות לפעילות הראשית. ניתן להגדיר לכל תת פעילות משאבים וחומרים עם אילוצים שונים. בעזרת תת הפעילות ניתן להגדיר פעילות מורכבת המכילה תת פעילויות שונות עם משאבים שונים ואילוצים שונים.

ניתובים ורשת ניתובים

ניתוב מגדיר סידרת פעילויות לייצור המוצר. הניתוב מגדיר את סדר הפעילויות בתהליך הייצור. הניתוב מגדיר אילו מכונות מייצרות את המוצר.

לדוגמה: במפעל ישנן כ 20 מכונות CNC. בייצור מוצר A ניתן להשתמש רק ב 10 מהמכונות בגלל התאמתן לסוג העיבוד הנדרש. במערכת ה Scheduler נגדיר מספר קבוצות מכונות (כולל מכונות המשתתפות במספר קבוצות) על פי התאמתן לייצור מוצרים שונים. בניתוב למוצר A נגדיר כמשאב ייצור את קבוצת המכונות המתאימה. מערכת ה Scheduler תמליץ לייצר את מוצר A במכונה זמינה בקבוצת המכונות שהוגדרה לניתוב ובזמן האופטימלי לייצור בהתאם לאילוצים שהגדרנו.

רשת ניתובים מגדירה יחסים בין מספר ניתובים. ניתן להגדיר ניתובים בתור, במקביל או לפי אחוזי ביצוע ותנאים שונים נוספים. רשת הניתובים מאפשרת להגדיר יחסים מורכבים של תהליכי ייצור.

ניתן להגדיר ברשת הניתובים מספר ניתובים אפשריים ומערכת Scheduler תחשב את ההמלצה לייצור בהתאם לניתובים הכדאיים לכל פקודת עבודה.

רשת ניתובים במערכת ROB-EX Scheduler

מודול "סדר פעולות" Sequencer Module

גולת הכותרת במנועי אופטימיזציה של כלי ה Scheduler הוא מודול ה"סדר פעולות" או Sequence , זהו מודל המאפשר להגדיר תנאים דינמיים לחישוב קיבולת או זמני Set-Up או שימוש במשאבים, כתלות בסדר הפעולות.

לדוגמה: זמן ה Set-Up של מכונה תלוי גם בסוג המוצר שיכנס לייצור במכונה וגם במוצר שסיים את הייצור במכונה, כלומר חישוב זמני Set-Up למספר פקודות עבודה מחושבת מתוך טבלת זמני Set-Up , המגדירה לכל מכונה את זמני ה Set-Up כתלות בסוג המוצר שסיים ייצור וסוג המוצר שיכנס לייצור. זהו חישוב מורכב ובמפעלים עם מכונות רבות מאותו הסוג המייצרים מספר גדול של מוצרים בו זמנית, החישוב יכל לחסוך בזמני Set-Up בצורה דרמטית (מתכנן אנושי אינו יכל לבצע חישוב זה בזמן סביר בגלל מורכבותו), ראה טבלה לדוגמה לחישוב זמני Set-Up בעזרת מודל Sequence.

מודול ה Sequence פותר בעיות נוספות כגון: חישוב קיבולת ייצור כתלות במשאב ומוצר או חומר, או לדוגמה, קיבולת משתנה למשאב בהתאם למספר הפעולות שבוצעו בעבר.

מודל ה Sequence מאפשר להגדיר משתנים דינאמיים מורכבים ההופכים את מערכת ה Scheduler לכלי חישובי חזק הפותר בעיות מורכבות שמתכנן אנושי אינו מסוגל לפתור בזמן סביר (או שכלל שאינו מסוגל לפתור בגלל מורכבות הפתרון).

יכולות מתקדמות נוספות

במערכת  Scheduler מתקדמת קיימים כלים מתקדמים רבים נוספים המאפשרים להגדיר אילוצים ותנאים נוספים:

ניהול פרויקטים. בתעשייה פרוייקטלית ניתן לנהל את הייצור עם כלים מעולם ניהול הפרויקטים, כלומר לנהל אבני דרך וטבלאות המציגות התקדמות בניצול המשאבים והעלויות.

ניהול סדרות של פעולות, המערכת יכולה לקבץ מספר פעולות וכך לחסוך בזמני Set-Up, לדוגמה: המערכת תחשב ותמליץ על איחוד וקיבוץ בייצור מספר פקודות עבודה שניתן לייצר במשותף, ובכך תחסוך במשאבים וזמן.

ניהול קמפיין, בתעשיית המזון או בתעשיות הכימיות משמש ניהול הקמפיין לאיחוד ייצור הזמנות העושות שימוש באותו חומר גלם או אצווה. בעזרת ניהול קמפיין ניתן לחסוך בזמני ייצור וחומר על ידי חישוב אופטימלי בשימוש בחומר גלם, לדוגמה: ריכוז הזמנות לייצור מוצרים שונים המוזנים מאותה פורמולה.

אינטגרציה עם מערכת ה ERP, רצפת הייצור והעובדים

מערכת ה Scheduler מבצעת חישובי ייצור בכל זמן נתון (כל משמרת או בכל עדכון בזמן משמרת) ולכן קבלת עדכונים בזמן אמת חשובים לצורך קבלת תמונה עדכנית.

למערכת Scheduler מתקדמת ישנם כלים מובנים להתממשקות עם מערכת ה ERP וכן עם מערכות חיצוניות נוספות.

במרבית המערכות המתקדמות קיים ממשק API מובנה המכיל את כל הישויות במערכות במפעל. בחלק ממערכות ה Scheduler כדוגמת מערכת ROB-EX Scheduler קיימים כלים מובנים נוספים להתממשקות עם מערכת רצפת הייצור, עם בקרים ומערכות CRM.

המערכת מספקת דוחות דינמיים וכלי דיווח לעובדים ברצפת הייצור, כך ניתן לשלב דיווחים המתקבלים ממערכות ה ERP ומבקרי הייצור, ודיווחים ידניים של עובדי הייצור.

במאמר הבא אציג פרויקטים של יישום מערכת Scheduler במפעלים.

צור אמיתי, מנכ״ל חברת הייעוץ ASC, המתמחה בליווי חברות וארגונים לשיפור התחרותיות והרווחיות, תוך התמקדות בייעול שרשרת האספקה ובשיפור תהליכים בניהול הרכש, הייצור, המלאי, ההפצה, ניהול התכנון וניהול המכירות והשיווק. הנציגה הבלעדית של תוכנות Forecast Pro ו ROB-EX Scheduler בישראל.

ליצירת קשר:   08-9300363   amitai@asc-il.co.il    www.asc-il.co.il

במאמר זה אציג את השיטות והכלים המקובלים לתכנון ייצור בקיבולת סופית. בחלק הראשון של המאמר אפרט את השיטות להגדרת הייצור בקיבולת סופית. בהמשך הציג את הכלים שמאפשרים לחשב את תכנון הייצור בצורה אופטימלית בהתחשב באילוצים ובמטרות שהגדרנו.

מהו תכנון ייצור בקיבולת סופית

תכנון הייצור הוא תהליך המגדיר את המשימות שיש לבצע לצורך ייצור מוצרים. המשימות לייצור מוגדרות בפקודות עבודה (פק"ע) המכילות את הוראות הייצור שיש לבצע.

תכנון ייצור בקיבולת סופית הוא כינוי לתכנון ייצור המתחשב במגבלות המשאבים לייצור. כל ייצור מתבצע בעזרת משאבים מסוגים שונים:

• כלים ומכונות
• עובדים
• חומרי גלם.

לכל משאב יש מגבלות ואילוצים שונים המאפשרים לו לייצר מוצרים עד לכמות מסוימת בזמן נתון. לדוגמה: מכונת אריזה יכולה לארוז מוצר A בקצב של 100 מוצרים לשעה.

ישנם סוגים שונים של אילוצים המתאימים למשאבים ושלבי ייצור שונים:

• אילוצי זמן, ישנם משאבים שלא פועלים כל הזמן, למשל מכונות שצריך לעצור כל מספר שעות לצורך תחזוקה, או עובדים הפועלים על פי משמרות ולפעמים יוצאים לחופשה
• אילוצי זמינות, מידי פעם אנו נאלצים להשבית אמצעי ייצור בגלל תקלות או לצורך שינויים וכו.
• אילוצי חומר, במקרים רבים נגמר חומר הגלם בגלל סיבות רבות (שינויים הנדסיים, טעויות בתכנון הרכש, פסילות וכו) לכן חוסר קיים או עתידי של חומר הגלם פוגע ביכולת הייצור
• אילוצי תפוקה, לכל משאב ייצור יש קצב ייצור (תפוקה) מקסימלי, בדרך כלל קיים למשאב קצב ייצור שונה למוצרים שונים
• אילוצי זמן הכנה (Set-Up), לכל מכונה קיים זמן הכנה לפני התחלת הייצור, זמן ההכנה קיים בהפעלה הראשונית של המכונה ובכל כיול של המכונה לייצור מוצר חדש (החלפת מוצר)

תשתיות נתוני הייצור

ראשית יש צורך להציג את תשתיות נתוני הייצור, תשתיות נתונים הייצור הם הנתונים המייצגים את נתוני המוצרים ונתוני תהליך הייצור (תיק ייצור)

ישנן תעשיות שונות המייצרות מוצרים בטכנולוגיות שונות. לדוגמא: תעשיות תהליכית או תעשיית הרכבות וכו. אולם המבנה של תשתיות הייצור דומות בכל התעשיות ומכילות מבני הנתונים דומים.

מרכיבי תשתיות הייצור כוללים את הנתונים הבאים:

• עצי מוצר, bill of materials – BOM, לכל מוצר סופי מוגדר עץ מוצר המכיל את חומרי הגלם, חומרים בתהליך , חלקים או מכלולים, המרכיבים את המוצר הסופי. עץ המוצר מגדיר את החומרים והמכלולים, את סדר צרוף החומרים למוצר ואת הכמויות של כל חומר , חלק או מכלול ליחידת מוצר סופי
• ניתובים , Routes , ניתוב הוא הגדרת תהליך הייצור של המוצר, בניתוב אנו מגדירים את קו או קווי הייצור בתהליך ייצור המוצר.
• פעולות , Operations , הגדרת הפעולות המבוצעות בניתוב, כל פעולה מגדירה מסימה אחת, לדוגמה: בייצור דסקית מתכת, מבוצעות 4 הפעולות הבאות: פעולה 10 – חיתוך הדסקית מחומר גלם צינור, פעולה 20 – השחזת הדסקית, פעולה 30 – ניקוי הדסקית, פעולה 40 – ציפוי הדסקית

על ידי הגדרת עצי המוצר, הניתובים והפעולות, ניתן להגדיר את התשתיות לייצור. כל שנותר הוא להגדיר מה, כמה ומתי לייצר כל מוצר. לצורך כך מופקות פקודות העבודה.

הפקת פקודת עבודה (פק"ע)

פקודת העבודה הנה המסמך המגדיר את הזמנות הייצור. כל פקודת עבודה כוללת את נתוני המוצר שיש לייצר, את הכמות שיש לייצר ואת הזמן (תאריך ושעה) שיש לסיים את ייצור הכמות שהוגדרה.

כיוון שבמערכת ניהול הייצור מוגדרים לכל מוצר נתוני התשתיות (עץ המוצר,  הניתוב של המוצר ופעולות הייצור) הרי שפקודת הייצור כוללת את נתוני המוצר שיש לייצר ואת הוראות הייצור הקשורות לאותו המוצר.

את פקודות העבודה ניתן לייצור בשיטות שונות: בצורה ידנית, באופן אוטומטי בהסתמך על הזמנות מלקוחות (במקרים בהם הייצור מבוצע על פי הזמנות מלקוחות) או על ידי מערכת ה MRP. מערכת ה MRP מחשבת את ההמלצות לפתיחת פקודות עבודה בהתאם לדרישות העתידיות למוצרים ולמדיניות המלאי של החברה. בפרקים הקודמים הצגתי כיצד ממליצה מערכת ה MRP על פתיחת פקודות עבודה, בקצרה אומר שמערכת ה MRP יודעת לחשב את החוסר העתידי של המוצרים על פי דרישות מ 3 גורמים: תחזית מכירות, הזמנות מלקוחות והגדרת מלאי מינימום למוצרים.

שחרור פקודות עבודה ותזמון הייצור

פקודת העבודה נוצרת בסטטוס המלצה, כדי "

במפעל טיפוסי מקובל לייצר מספר פקודות עבודה במקביל, בנוסף קיימים מספר קווי ייצור המסוגלים לייצר מספר מוצרים. לכן נוצר מצב שניתן לשבץ את פקודות העבודה בסדר שונה ועל קווי ייצור שונים. כלומר ישנם מספר פתרונות אפשריים לשיבוץ סדר פקודות העבודה. כל פתרון אפשרי ישפיע באופן שונה על יעילות הייצור ועמידה בזמני האספקה.

" את פקודת העבודה לייצור, יש לשנות את סטטוס פקודת העבודה למאושרת או במילים אחרות "לשחרר" את פקודת העבודה לייצור.

עד כאן הגדרנו את תשתיות הייצור ושיטת הוראות הייצור, אולם ביצוע של שחרור פקודות העבודה לרצפת הייצור הנה אומנות בפני עצה. זאת כיוון שקשה מאוד לתזמן את כל משאבי הייצור בצורה אופטימלית וישנם אפשרויות רבות לבצע זאת.

כיצד ניתן לחשב את שחרור פקודות העבודה בצורה אופטימלית ?

מהו ייצור אופטימלי וכיצד מחשבים אותו ?

על שאלות אילו נענה בחלק השני של המאמר, שיפורסם בגיליון הבא.

צור אמיתי, מנכ״ל חברת הייעוץ ASC, המתמחה בליווי חברות וארגונים לשיפור התחרותיות והרווחיות, תוך התמקדות בייעול שרשרת האספקה ובשיפור תהליכים בניהול הרכש, הייצור, המלאי, ההפצה, ניהול התכנון וניהול המכירות והשיווק. הנציגה הבלעדית של תוכנותForecast Pro ו ROB-EX Scheduler בישראל.

במאמרים קודמים הצגתי את הכלים והשיטות המקובלות לצורך ניהול תחזיות לצריכת המוצרים. תחזית לצריכת המוצרים משמשת את הארגון לצרכים רבים, כאשר הצורך המרכזי הנו לספק מידע המאפשר את תכנון הפעילות. בחברות יצרניות ישנה חשיבות רבה לניהול תחזיות כדי לספק מידע על הביקוש העתידי demand לכלי התכנון המנהלים את האספקה Supply

במאמר זה הציג באופן כללי את הכלים לתכנון ותזמון הייצור לאספקה Supply.

תכנון ותזמון הייצור

בעולם ניהול שרשרת האספקה אנו מחלקים את התכנון לשני חלקים: צד הביקושים demand וצד האספקה Supply, בצד הביקושים אנו משתמשים בכלים סטטיסטיים (סטוכסטיים) כדי לחזות את ההסתברות לביקושים של לקוחות למוצרים שלנו. בצד האספקה אנו משתמשים בכלים לניהול אילוצים (דטרמיניסטיים) כדי לחשב בצורה אופטימלית כיצד לספק את המוצרים ללקוחות.

בחברות יצרניות תכנון הייצור מורכב מאילוצים רבים ישי לקח בחשבון. נהוג להתאים את תכנון הייצור בכל חברה בהתאם לשיטות הייצור והניהול:

דוגמאות לשיטות ייצור:

• ייצור למלאי MTS
• ייצור על פי הזמנות MTO
• ייצור פרויקטלי (ייצור ממושך על פי אבני דרך)

דוגמאות לתהליכי ייצור:

• ייצור תהליכי, אצוות
• ייצור בדיד Discrete
• ייצור להרכבות
• ייצור ליצוקות (פלסטיקה, מתכות)

במהלך השנים התפתחו כלים שונים המותאמים במיוחד לתכנון הייצור ומאפשרים להגדיר את האילוצים השונים ואת היחסים ביניהם. כלים אילו שונים האחד מהשני והם מתאימים שליטות עבודה שונות.

כלי התכנון והתזמון המקובלים בייצור

עם השנים התגבשו מוסכמות לגבי מערכות התכנות , כיום מקובל לסווג את הכלים למשפחות.

ניתן להציג את הכלים על פי משפחות:

MPS – master production schedule

ה MPS הנו כלי המבצע תכנון ברמה הכוללת של הייצור אל מול הביקושים ומחשב את תוכנית הייצור בהתאם לצרכים ולאילוצי משאבים וחומרים. בעזרת ה MPS בונים תוכנית אב לייצור מבלי להיכנס לאילוצים ברמת הייצור השוטף.

MRP – Material requirements planning

מערכת לניהול החומרים והייצור, מנהלת את תכנון הייצור על ידי תהליך חישובי של "פיצוץ" עצי המוצר בהתאם לדרישות וחישוב הפעולות ישי לבצע על ציר הזמן ובהתאם לאילוצי זמן, חומר ומשאבים. מערכת ה MRP מבצעת ריצת חישוב שבסופה מופק דוח המלצות לביצוע. המלצות המערכת נוגעות לתהליכי הרכש (פתיחת הזמנות, קידום או עיכוב הזמנות שיצאו), פקודות עבודה (פתיחת המלצות לייצור)

MES – Manufacturing Execution Systems

מערכת לניהול רצפת הייצור, מאפשרת לנהל בזמן אמת את הפעולות המתבצעות בייצור, כולל מכונות ועובדים. למערכת יכולת איסוף נתונים מרצפת הייצור. מערכת ה MES מאפשרת גם היא לנהל את התכנון והתזמון של פעולות הייצור על ידי ניהול פקודות העבודה ודיווח על התקדמות הייצור ומצב המלאי.

Scheduler

בשנים האחרונות החלו להופיע מערכות תכנון מתקדמות לתכנון ותזמון הייצור העושות שימוש באלגוריתמים מתקדמים. מערכות אילו הפועלות באינטגרציה עם כלל הערכות הארגון ומתמקדות בחישוב אופטימלי של תכנון ותזמון הייצור. יתרונן של מערכות אילו הן ביכולת להציג תמונה ברורה של כלל האילוצים ולאפשר למנהלים ולמתכננים לקבל החלטות בזמן קצר.

ראה תרשים מלא של ניהול שרשרת האספקה במפעל יצרני

מגמות והתפתחות הכלים לתכנון ותזמון הייצור

התשובה לשאלה "מהו הכלי המתאים ביותר לתכנון" תלויה בגורמים רבים, ביניהם:

• טווח התכנון: דקות / שעות / ימים/ שבועות או חודשים
• מורכבות תהליך הייצור: מורכבות הניתובים, השלבים ותתי התהליכים
• סוג תהליך הייצור
• רמת ניהול החומר: אצוות , ניהול מלאי בתהליך (WIP) מורכבות עצי המוצר (BOM)
• רמה נדרשת לניהול ודיווח העבודה
• כמות דיווחים ממכונות (רצפת ייצור ממוחשבת)
• מערכות המידע הקיימות כיום בארגון

אנו נדרשים לבחור בכלי שיוכל להתמודד בהצלחה עם כלל האילוצים הרלוונטיים לתכנון ותזמון הייצור.

בעבר כמעט ולא היתה כלל אפשרות לבחירת הכלי המתאים, מרבית הארגונים יישמו את מערכת ה MRP שסופקה כחבילה ביחד עם מערכת ה ERP הארגונית.

בארגונים שמיחשבו את רצפת היצור בעזרת מערכת MES עמדה האפשרות לבחור במערכת זאת כמערכת התכנון לזמן קצר, בניגוד למערכת ה MRP המותאמת לתכנון לזמן ארוך יותר.

בשנים האחרונות, עם התפתחות הטכנולוגיה וההבנה שיש צורך לנהל בצורה גמישה יותר את תהליכי התכנון והתזמון, החלו להשתלב כלי תכנון ותזמון מסוג Scheduler  אשר מסוגלים לתת מענה מיטבי לתכנון לטווח קצר ולטווח ארוך על מערכת אחת, תוך התממשקות לכלל המערכות וניהול כלל האילוצים.

צור אמיתי, מנכ״ל חברת הייעוץ ASC, המתמחה בליווי חברות וארגונים לשיפור התחרותיות והרווחיות, תוך התמקדות בייעול שרשרת האספקה ובשיפור תהליכים בניהול הרכש, הייצור, המלאי, ההפצה, ניהול התכנון וניהול המכירות והשיווק. הנציגה הבלעדית של תוכנות Forecast Pro ו ROB-EX Scheduler בישראל.

ליצירת קשר:   08-9300363  amitai@asc-il.co.il     www.asc-il.co.il

מה המשמעות של ניהול תחזית בתקופות שונות (חודשי או שבועי) מהם היתרונות והחסרונות בשימוש בתקופות שונות.

במאמר זה אציג את השימושים והמשמעויות של ניהול תחזית בתקופות שונות, כיצד שינוי משך התקופה משפיע על התחזית ואיזו משך תקופה יתאימו לארגון.

התקופה הראשית של התחזית

כל תחזית בנויה מתקופות ראשיות ותקופות משנה, בדיוק כפי שבנויה תוכנית עסקית או תקציב.

ברוב המקרים התקופה הראשית הנה שנה. במקרים מיוחדים ניתן להגדיר את התקופה הראשית למספר שנים או לחלק משנה, למשל תחזית 5 שנים לצורך בניית תוכנית חומש לתקופה ארוכה. במקרים אחרים ניתן להגדיר את תקופת התחזית הראשית לרבעון ואפילו לשבוע.

יש הגיון בהגדרת התקופה הראשית לשנה, מחזור החיים על פני כדור הארץ הוא כידוע שנתי. מחזור החיים משפיע בסופו של יום על כל התעשייה והכלכלה, בני האדם, החיות והצמחים חיים במחזור שנתי, אנו מושפעים מעונות השנה, החגים ומחזור הלימודים, מהמזון ומשעות האור. גם תעשיה שאינה קשורה באופן ישיר לצריכה, כגון תעשיית הפלדה או בניית תשתיות, מושפעים בסופו של דבר מהמחזור השנתי.

גם המחזור החשבונאי הוא שנתי, בכל סוף שנה מפרסמות החברות את הדוחות העסקיים שלהם ומחושב המס והרווח. לכן במרבית החברות נהוג לבנות את התקציב למשך תקופה של שנה.

התקופה המשנית של התחזית

התקופה המשנית היא זמן המחזור בתוך התקופה הראשית. התחזית תחשב את סה"כ הכמות החזויה לצריכה עתידית על פי התקופה המשנית.

לדוגמה: לתקופה ראשית של שנה ולתקופה משנית של חודש, התחזית תחשב סה"כ מכירה צפויה למוצר בחודש, למשך 12 חודשים (שנה).

המבנה המקובל ביותר לבניית תחזית היא תקופה ראשית של שנה ותקופה משנית של חודש. מבנה זה מתאים למחזוריות הטבעית של מחזור החיים והוא אכן מתאים למרבית הארגונים.

תקופה משנית מקובלת נוספת היא שבועית. ניהול תחזית שבועית מתאים בעיקר לתעשייה, שם מקובל לבצע תכנון ייצור שבועי.

בתכנון על פי שבועות יש לקחת בחשבון את שיטת חישוב השבועות. המקרים רבים הארגון פועל על פי שיטת שבועות של 52 שבועות.

במקרים אחרים מקובל לחשב על פי שיטת 53 שבועות (בעקר ארגונים בינלאומיים או חברות הפועלות על מערכות ERP כגון SAP) כאשר בחלק מהשנים קיימים 52 שבועות ובחלק מהשנים קיימים 53 שבועות.

במקרים נדירים משתמשים בתקופה משנית קצרה של יום. במקרים אילו בדרך כלל התקופה הראשית תהיה שבוע או חודש, כך שהתחזית תבנה לשבוע ויום או חודש ויום.

היתרונות והחסרונות בניהול תחזית שבועית או חודשית

כיוון שמרבית התחזיות בנויות מתקופה ראשית של שנה ומתקופות משניות של חודש או שבוע, אני אפרט על ההבדלים בין תחזית שבועית או חודשית (לתקופה ראשית של שנה).

באופן כללי, ככל שתקופת התחזית ארוכה יותר, כך פשוט יותר לנהל את התחזית ולצמצם את טעות החיזוי. זאת כיוון שבתקופה ארוכה מושפעים פחות מהתנהגויות מקריות של השוק  ו"נבלעים רעשים מקריים" , או בשפה פשוטה יותר ההתנהגות "חלקה יותר" ופחות "קופצנית".

התחזית מחשבת את הצריכה לתקופה, לכן חישוב הצריכה לחודש אחד תהיה מדויקת יותר מאשר 4 חישובים נפרדים של הצריכה ל 4 שבועות.

דוגמה ויזואלית ניתן לראות בתרשימים של תחזיות שבועית וחודשית של אותם הנתונים בדיוק לאותו המוצר. התחזיות בוצעו על נתוני אמת של חברה ישראלית בעזרת מערכת Forecast Pro שהינה מערכת מתקדמת לניהול תחזיות.

תחזית חודשית למוצר 1

תחזית שבועית למוצר 1 (אותו המוצר מהתחזית החודשית, עם נתונים היסטוריים זהים)

ברור מהתרשימים כי תחזית חודשית פשוטה יותר ומדויקת יותר במונחי טעות תחזית מהתחזית השבועית.

אם כן, מדוע בוחרים ארגונים לבצע תחזית על בסיס שבועי ? כאמור התשובה לכך היא כי אותם ארגונים מנהלים בדרך כלל תוכנית ייצור (או אספקה) שבועית.

האם נידרש שתקופת תוכנית הייצור ותקופת התחזית יהיו שווים ?

בהחלט לא. תקופת התחזית יכולה להיות ארוכה יותר מתקופת תוכנית הייצור. ניתן לנהל תוכנית ייצור שבועית ולנהל תחזית חודשית.

כלומר תקופת התחזית תהיה שווה או גדולה מתקופת תחזית הייצור.

הסיבה לכך הינה שיטת חישוב תוכנית הייצור. תוכנית הייצור מבוססת על חישוב המתייחס לצריכה הנותרת לסוף התקופה. הכלים המרכזים  לחישוב תוכנית העבודה הנם ה MRP או Scheduling המחשבים את הכמויות לייצור על פי ייתרת הדרישות. כלים אילו מקזזים את הצריכה החזויה מהייצור שכבר בוצע ומהזמנות שנכנסו. כך מתבצעת תוכנית ייצור שבועית על בסיס ייתרת הצריכה (לאחר קיזוז אוטומטי) ובעדכון הנתונים הרלוונטיים לזמן ריצת חישוב התוכנית.

לכן במרבית הארגונים ניתן לנהל תחזית צריכה חודשית ולנהל תוכנית ייצור שבועית.

ישנם כמובן ארגונים שלהם נידרש וכדאי לנהל תחזית שבועית, ארגונים אילו מנהלים יחסית מעט מוצרים, וכל אחד מהמוצרים מיוצר בכל שבוע. בדרך כלל מדובר בחברות הפועלות בשוק דינאמי המגיב במהירות לשינויים בצריכה.

צור אמיתי, מנכ״ל חברת הייעוץ ASC, המתמחה בליווי חברות וארגונים לשיפור התחרותיות והרווחיות, תוך התמקדות בייעול שרשרת האספקה ובשיפור תהליכים בניהול הרכש, ניהול הייצור, ניהול המלאי, ניהול ההפצה, ניהול התכנון וניהול המכירות והשיווק. הנציגה הבלעדית של תוכנת Forecast Pro בישראל.

ליצירת קשר:   08-9300363 amitai@asc-il.co.il    www.asc-il.co.il

מה היא "התחזית החיצונית" או ה Baseline ולמה היא משמשת בניהול תחזיות.

במאמר זה אציג את השימוש בתחזית חיצונית, או ב Baseline בשמו הלועזי. לצורך כך נזכיר את השלבים בבניית התחזית והמושגים השונים.

השלבים בבניית התחזית

במאמר הקודם פרטתי את השלבים בבניית תחזית מכירות. אותם השלבים מבוצעים בכל עדכון של התחזית בכל תקופת זמן (בדרך כלל כל חודש או כל שבוע, בהתאם לצורכי הארגון).

כאמור השלבים הם:

שלב 1: חישוב תחזית סטטיסטית

בניית תחזית סטטיסטית, חישוב נוסחת ניבוי סטטיסטית לכל מוצר בתחזית על בסיס הנתונים ההיסטוריים של המוצר, תוך התחשבות בגורמים רבים המשפיעים על התחזית הסטטיסטית כגון:

• אירועים – (חגים / מבצעים / חוסר וכו )
• משקלים – הגדרת פרמטר המשפיע על כל תקופה בהיסטוריה ובעתיד (לדוגמה ימי מכירה בתקופה, או מספר סופי השבוע בחודש וכו
• שימוש בחישוב Top Dawn , חישוב התחזית על בסיס היררכיה גבוה של הנתונים (למשל, חישוב התנהגות משפחת מוצרים) ו"הורדת" התנהגות והתחזית לרמות הנמוכות (למשל מוצר תחת משפחה)
• החלקת נתונים חריגים בהיסטוריה – אנו קוראים לנתונים החריגים Outliers ומחשבים אותם ביחס לסטיית התקן של חישוב התחזית.
• חישוב תחזית למוצרים חדשים – שימוש בנוסחאות ייעודיות לחישוב תחזיות למוצרים חדשים

לאחר בניית התחזית הסטטיסטית ניתן לעבור לשלב השני

שלב 2 – הגדרת "תחזית חיצונית  Baseline

ה Baseline  מוגדר לאותם המוצרים שקיים לגביהם מידע "חיצוני" לצריכה עתידית.

במאמר זה ארחיב ואפרט את השימושים שנעשים ב Baseline ואת חשיבותם לשיפור דיוק התחזית.

שלב 3 – ביצוע שינויים, או בכינוי הלועזי Overrides

זהו השלב האחרון בבניית התחזית, בשלב זה מבצעים שינויים ועדכונים של התחזית על בסיס הידע הקיים בחברה. ידע זה אמור להגיע מכל הגורמים בחברה אשר משפיעים על פעילות המוצרים, כולל: שיווק, מכירות, תפעול , תפ"י, ייצור, רכש וכספים.

בחלק מהארגונים מבוצע שלב זה כחלק מיישום שיטת S&OP

בסיום השלב השלישי מתקבלת התחזית הסופים המעודכנת.

למה משמש ה Baseline ומה נחיצותו ?

ה Baseline הנו התחזית שאנו משתמשים לבניית התחזית הסופית. ברירת המחדל ל Baseline הנה כמובן התחזית הסטטיסטית. אם "לא נגענו" הרי שהתחזית הסטטיסטית תהיה ה Baseline , ואם לא שינינו דבר בעזרת תהליך ה Overrides (ביצוע שינויים בתחזית) הרי שהתחזית הסטטיסטית היא תהיה גם תחזית ה Baseline וגם התחזית הסופית. זאת בדרך כלל המטרה של גורמים רבים, להצליח לנהל תחזית מדויקת רק בעזרת כלי אוטומטי המחשב את התחזית על סמך ההיסטוריה.

אולם במציאות הדברים מורכבים יותר, כדי להצליח ולנהל תחזית מדויקת אנו נדרשים לא פעם להשתמש בידע ובנתונים חיצוניים שאינם נכללים במידע ההיסטורי של מכר המוצרים.

לכן לא פעם קיים צורך להחליף את התחזית הסטטיסטית שחושבה למוצר, בתחזית אחרת (חיצונית) ובעזרתה ניתן יהיה לחזות טוב יותר את מכר המוצר בעתיד.

דוגמאות לנתונים שעשויים לשמש כתחזית Baseline (שתחליף את התחזית הסטטיסטית לאותו המוצר):

• תחזית מלקוחות – במקרים רבים אנו מקבלים תחזית מלקוחות. תחזית זאת אמורה להיות מדויקת כיוון שהלקוח יבצע (בדרך כלל ) הזמנות בהתאם לתחזיות שהוא סיפק לנו. לכן לאותן התקופות ולאותם המוצרים שקיבלנו תחזית מהלקוח, משתמש בתחזית ל Baseline שיחליף את התחזית הסטטיסטית. לדוגמה: לקוח מספק לנו תחזית ל 10 מוצרים שהוא רוכש מחברתנו ל 4 חודשים "קדימה". לכן נחליף את התחזית הסטטיסטית לאותם 10 המוצרים ל 4 החודשים הקרובים מתחזית סטטיסטית לתחזית לקוחות.
• הנחיות הנהלה – במקרים רבים אנו מקבלים הנחיות או "הכתבות" לבצע ייצור של כמות מסוימת ממוצר לתקופה נתונה. יכולות להיות לכך סיבות רבות כגון: החדרת מוצר חדש לשוק, הקדמת ייצור לקראת שיפוץ או הרחבה וכו.

בדיקת דיוק ה Baseline

ההנחה של השימוש ב Baseline הנה שהתחזית ה"חיצונית" תהיה טובה יותר מהתחזית הסטטיסטית. אנו נדרשים לבדוק בכל תקופה כי התחזית ה Baseline טובה יותר מהתחזית הסטטיסטית, אחרת אין טעם "לקלקל" את התחזית עם נתוני ה Baseline.

במערכות מתקדמות לניהול תחזיות, כדוגמה מערכת Forecast Pro, נשמרים לכל תקופת תחזית, כל הנתונים של התחזיות השונות. כך ניתן לבדוק באופן רציף ובצורה פשוטה, את דיוק התחזית הסטטיסטית לעומת ה Baseline. למעשה התחזית הסטטיסטית משמשת לנו כבררת המחדל האפשרית לכל מוצר. אם אנו רואים שתחזית ה Baseline פחות טובה מהתחזית הסטטיסטית שחישבנו, הרי שאין טעם להשתמש ב Baseline.

במקרים רבים אנו מקבלים תחזיות מהלקוחות ובפועל הלקוחות מזמינים מוצרים שונים מהתחזית שהם סיפקו, במקרים אילו צריך לבדוק את דיוק התחזית הסטטיסטית. אם מתברר שהתחזית הסטטיסטית שלנו טובה יותר מהתחזית שקבלנו מהלקוח, ניתן לפנות ללקוחות ולהציג להם את העובדה כי התחזית הסטטיסטית שלנו אמינה יותר מהתחזית שהלקוח העביר לנו.

בעזרת ניהול ה Baseline אנו יכולים להשתמש בנתונים חיצוניים לתחזית, לשלב את הנתונים החיצוניים בתחזית, ולנתח את אמינות ה Baseline ביחס לתחזית הסטטיסטית.

במאמר הבא אציג את התקופות לניהול תחזית (חודש / שבוע / יום) ואת היתרונות והחסרונות של כל תקופה

צור אמיתי, מנכ״ל חברת הייעוץ ASC, המתמחה בליווי חברות וארגונים לשיפור התחרותיות והרווחיות, תוך התמקדות בייעול שרשרת האספקה ובשיפור תהליכים בניהול הרכש, ניהול הייצור, ניהול המלאי, ניהול ההפצה, ניהול התכנון וניהול המכירות והשיווק. הנציגה הבלעדית של תוכנת Forecast Pro בישראל.

ליצירת קשר:   08-9300363  amitai@asc-il.co.il     www.asc-il.co.il

כיצד מנהלות החברות בישראל תחזית לעומת השיטות המקובלות בעולם לניהול תחזיות

במאמר זה אציג את שיטות העבודה המקובלות והמומלצות לניהול תחזיות, כפי שנהוג בחברות מובילות ועל פי הכללים המקובלים בעולם. מניסיוני קיים פער בין אותן השיטות המקובלות לבין השיטות שהשתרשו בחברות בישראל לניהול תחזיות. אני מקווה שבעתיד חברות ישראליות רבות יאמצו את הכללים הנכונים לניהול תחזיות ובכך תשתפר היעילות והתחרותיות של החברות הישראליות.

לימוד ניהול תחזיות בישראל

במהלך 6 השנים האחרונות אני נפגש עם חברות וארגונים רבים בישראל העוסקים בבניה וניהול תחזיות צריכה. מהניסיון הרב שצברתי בייעוץ לניהול תחזיות בעשרות רבות של חברות בישראל, ניתן לאפיין את "השיטות הישראליות" לניהול תחזיות ש"פותחו" בצורה אינטואיטיבית ואבולוציונית בחברות השונות ולהבין את הפער בינן לבין השיטות והכללים המקובלים בעולם.

כאשר לקחנו על עצמנו לייצג בישראל את מערכת Forecast Pro ולהחדיר את התוכנה לניהול תחזיות בחברות ישראליות, ראינו מיד את הפער הקיים בין "השיטות הישראליות" לבין ה Best Practice הקיים בעולם. לכן חשבתי לפנות לאקדמיה ולספק לאוניברסיטאות בישראל כלים ללימוד ניהול תחזיות צריכה, כפי שמקובל בעולם. להפתעתי כל המוסדות האקדמאים הרלוונטיים דחו את ההצעה (למרות שהכלים מסופקים לאוניברסיטאות במחירים אפסיים) וזאת כיוון שהמרצים בחוגים הרלוונטיים (תעשיה וניהול / כלכלה / ניהול לוגיסטי וכו) לא ראו כל חשיבות בהנחלת המיומנות של ניהול תחזיות לסטודנטים. הנושא היחיד הנלמד כיום בישראל בתחום זה הנו החלק הסטטיסטי של נוסחאות הניבוי (החלקה אקספוננציאלית וריגרסיה)

בעולם נהוג ללמד את נושא ניהול התחזיות בדיוק כפי שמלמדים את הסטודנטים את מקצועות התפ"י , ניהול תקציב וניהול מכירות. כך יוצאים בוגרי האקדמיה לשוק העבודה עם כלים , שפה ויכולת לניהול מקצועי.

כיצד מנהלים כיום תחזיות בחברות בישראל

חלק מהחברות בישראל אינן מנהלות כלל תחזית. לאותן החברות בישראל שהחליטו לנהל תחזיות ישנם מאפיינים דומים.

במרבית החברות בישראל מתבצע ניהול התחזית על ידי אנשי התפ"י והתכנון. רק בחברות מעטות מופקד ניהול התחזיות על אנשי המכירות או השיווק. עובדה זאת נראית במבט ראשון כמוזרה, הרי אנשי המכירות הם המופקדים על מכירת המוצרים ללקוחות ולכן הם למעשה האחראים על תכנון וביצוע התחזית.

ה"פרדוקס" הזה קיים בכל העולם ולא ייחודי לישראל. אנשי המכירות אינם מוכנים להתחייב ו"לחתום" על התחזית. בנוסף, בחברות רבות אנשי המכירות מתוגמלים על פי עמידה ביעדי המכירות, לכן התחזית שהם מספקים מוטה כלפי מטה (כדי לא לפגוע בתגמול העתידי הפוטנציאלי) ולכן אנשי התפ"י והתכנון נאלצים לבצע עדכון של התחזית כדי למנוע מצבים של חוסר בחומרים ומוצרים בעתיד.

בחברות מתקדמות בעולם (וגם במספר נמוך של חברות בישראל) מוטמעת תרבות ארגונית מתקדמת המחייבת את אנשי המכירות להציג תחזיות ולעמוד בהן. חלק מהחברות משתמשות במתודולוגיה של S&OP לתאום בין הגורמים השונים בארגון ולהשגת איזון בין התחזית לבין הביצוע בפועל.

חברות שלא מנהלות תחזית

בחלק מהחברות בישראל ויתרו לחלוטין על ניהול תחזיות. הטענה של הנהלות החברות לכך היא כי "לא ניתן לחזות את המכר ברמה סבירה". לכן אותן החברות מאמצות שיטות עבודה "פשוטות" המבוססות על אינטואיציה או ניהול רמות מלאי "סבירות" על ידי הגדרת מלאי לתקופה (לדוגמה: מלאי לחודש).

יש לציין כי אותן ההנהלות טועות באופן מוחלט!, תמיד עדיף לנהל תחזית מאשר לא לנהל תחזית, גם כאשר התחזית אינה מדויקת.

ללא תחזית לא ניתן לנהל רמת שרות. ללא תחזית לא ניתן לנהל MRP מעבר להזמנות שהתקבלו מלקוחות. ללא תחזית לא ניתן לחשב מלאי ביטחון אמין ונקודת הזמנה.

למעשה כשמגדירים "רמת מלאי לתקופה" מגדירים תחזית מבלי להבחין בכך ומבלי לנהל נכון את המלאי. המשמעות בפועל של שיטת "מלאי לתקופה" (לדוגמה: מלאי לחודש) היא תחזית "קבועה" המניחה שהתקופה העתידית תהיה זהה לתקופה הקודמת. הנחה זאת לא לוקחת בחשבון מגמות ועונתיות, השפעות אירועים וחריגים, ולכן היא בהכרח התחזית הגרועה ביותר מכל תחזית אחרת.

פיתוח נוסחת ניבוי

בחלק מהחברות המנהלות תחזית פותחה נוסחת ניבוי המחשבת את תחזית הצריכה על בסיס היסטורית המכירות.

נוסחת הניבוי יכולה להיות מוטמעת במערכת ה ERP או בגיליון אקסל חיצוני המשמש לצורך חישוב. בחברות מסוימות פיתחו תוכנת עזר חיצונית ל ERP (ומחליפה לאקסל) המוזנת בממשק ומחשבת את התחזית באופן אוטומטי.

החברות שהחליטו לפתח נוסחאות לחישוב אוטומטי של תחזית משתמשות בדרך כלל בנוסחאות הבאות: ממוצע, ממוצע נע, ממוצע משוקלל המכיל משקלים שונים לכל תקופה בהתאם למרחק התקופה מזמן התחזית. במקרים בודדים פותחה לחברה נוסחת ניבוי מתקדמת יותר, בדרך כלל ממשפחת הנוסחאות של החלקה אקספוננציאלית כגון Winters.

פיתוח הנוסחה לחברה הוא אחיד, כלומר לכל המוצרים מחושבת אותה הנוסחה, גם אם מבחינה סטטיסטית עדיף להתאים לכל מוצר נוסחה שונה, כפי שמבוצע בעזרת כלים מתקדמים לניהול תחזיות.

ניהול תחזית בעזרת גיליון אקסל

בדרך כלל פותח בחברה גיליון אקסל לניהול תחזית על ידי אחד מהעובדים, הכולל טבלה של המוצרים. בגיליון מוצגת הצריכה ההיסטורית של כל מוצר וניתן להשוות בין תקופות של השנים הקודמות (חודשים או שבועות) לתקופות בשנה הנוכחית.

בחלק מאותם האקסלים מוטמעת גם נוסחה סטטיסטית קבועה לכל המוצרים, ובעזרתה ניתן לחשב תחזית "גולמית" ולשנות את התחזית באופן ידני בהתאם להערכות המתכנן.

בחברות המשתפות את אנשי המכירות בתהליך התחזית מקובל להוסיף לאקסל נתונים של תחזית מכירות. בחלק מהחברות מקובל להתייחס ל"הזדמנויות" מכירה המגיעות מאנשי המכירות.

במרבית החברות המנהלות הזמנות מלקוחות, מוסיפים לאקסל התחזית את ההזמנות הפתוחות לעתיד Backlog ומתחשבים בכמויות מהזמנות כחלק מבנית התחזית.

הטמעת כלים מתקדמים לניהול תחזיות

בחברות מעטות בישראל הוטמעו כלים מתקדמים לניהול תחזיות.

כלים אילו , כדוגמת Forecast Pro מחשבים את נוסחאות הניבוי לתחזית באופן אוטומטי בהתאם להתנהגות כל מוצר.

כאשר מטמיעים כלי מתקדם לניהול תחזיות, מלמדים את הארגון לעבוד על פי שיטות העבודה המקובלות לניהול תחזיות.

חברה שבוחרת לנהל תחזיות בצורה מקצועית מחזירה את ההשקעה ROI בפרק זמן קצר כיוון ששיפור דיוק התחזית משפיע לטובה על נתוני הרווח של החברה.

שיטות העבודה (הנכונות) לניהול תחזית

באותן חברות אשר הטמיעו כלים מתקדמים לניהול תחזיות, מוטמעות שיטות העבודה המקובלות והמומלצות לניהול תחזיות.

שיטות אילו מתחשבות בכל הגורמים התורמים לבנית תחזית מדויקת, ובונים מערך ניהול שיטתי המאפשר לשפר באופן מתמיד את התחזית ולפעול על פי חריגים.

בניית התחזית מבוססת על מספר שלבים: בשלב ראשון בונים התחזית הסטטיסטית, המבוססת על בסיס הנתונים ההיסטוריים וכוללת סידרת כלים לשיפור חישוב התחזית. בשלב השני מכניסים נתונים חיצוניים כגון תחזיות מלקוחות, הזדמנויות ממכירות והזמנות פתוחות מלקוחות. ובשלב השלישי מבצעים שינויים על סמך הידע הקיים בחברה.

להלן פרוט השלבים השונים:

חישוב תחזית סטטיסטית

חישוב התחזית הסטטיסטית מבוצע באופן אוטומטי בעזרת נתוני המכר ההיסטוריים. בכלי ניהול תחזית מתקדמים כדוגמת Forecast Pro קיים מנגנון חישוב אוטומטי המחשב לכל מוצר, בכל ריצה, את נוסחת הניבוי האופטימאלית לו. כך מחושבת התחזית הסטטיסטית לכל מוצר.

בנוסף, קיימים כלי עזר המאפשרים לשפר משמעותית את התחזית הסטטיסטית תך התחשבות בגורמים נוספים:

• הגדרת מבנה היררכי של הנתונים המאפשר שימוש ב Bottom-up ו Top-down.
• הגדרת אירועים – Event , מאפשר למערכת לחשב השפעות של חגים או מבצעים או אירועים חריגים כגון חוסר. ניתן גם לנהל אירועים עתידיים על סמך החישובים שבוצעו במערכת לאירועים קודמים. לדוגמה: השפעת מבצע שבוצע בעבר למוצר יאפשר לחשב את ההשפעה של מבצע עתידי דומה לאותו המוצר
• "החלקת" נתונים חריגים – Outliers , אפשרות "לקטום" התנהגויות חריגות של מוצר ובכך להקטין את "הרעש" של התנהגות חריגה
• שימוש במשקלים – Weights , אפשרות להתחשב בגורמים עונתיים לא סדירים המשפיעים על התנהגות המוצר לאורך זמן
• כלים לבניית תחזיות למוצרים חדשים – By Analogy / Bass Diffusion – כלים המאפשרים לחשב תחזית למוצרים חדשים ללא נתונים היסטוריים

נתונים חיצוניים והחלפת ה Baseline

לאחר בנית התחזית הסטטיסטית ניתן להתחשב בגורמים חיצוניים רבים כגון: הזמנות מלקוחות, תחזית לקוחות, תחזית ממכירות, הנחיות הנהלה וכו. לנתונים אילו אנו קוראים "נתונים חיצוניים".

בכלים מתקדמים לניהול תחזיות כדוגמת Forecast Pro ניתן גם להגדיר נוסחאות שישלבו נתונים חיצוניים לכדי נתון התייחסות אחד.

בחלק מהמוצרים, לתקופות זמן מסוימות, ניתן להחליף את התחזית הסטטיסטית לתחזית "אחרת", אנו קוראים לתחזית ה"אחרת" כ Baseline אחר. לדוגמה: חברה מייצרת מוצר המיועד ללקוח ספציפי, הלקוח מספק לחברה תחזית ל 3 חודשים קדימה. לכן בבניית התחזית לאותו המוצר משתמשים בתחזית הלקוח לשלושת החודשים הקרובים ומהחודש הרביעי משתמשים בתחזית הסטטיסטית.

ביצוע שינויים – Override

לאחר שבנינו את התחזית הסטטיסטית ושילבנו בה נתונים חיצוניים רלוונטיים ב Baseline, ניתן לבצע שינויים בתחזית על פי נתונים והערכות המתקבלים בחברה, בדרך כלל מאנשי השיווק והמכירות.

מערכת ה Override מאפשרת לנהל את השינויים ברמות היררכיות וביחידות שונות, לדוגמה: עליה של 20% בקו מוצרים או תוספת של 100,000$ לערוץ הפצה. המערכת תבצע העמסה והמרה של השינויים עד לרמת המוצר הסופי ותבצע שינוי של התחזית ברמת המוצר בהתאם.

מערכת ה Override מתעדת את השינויים שבוצעו באופן אוטומטי ומאפשרת לתחקר ולזהות את הגורם לטעות בתחזית בתקופות הבאות.

ניהול ותחזוקת התחזית

תחזית המנוהלת בכלי מתקדם לניהול תחזיות כדוגמת Forecast Pro מתעדכנת בכל תקופה (בדרך כלל שבועית או חודשית). המערכת מחשבת באופן אוטומטי תחזית סטטיסטית תוך התחשבות בכל הנתונים שהוגדרו בעבר לתחזית. מעדכנת את הנתונים החיצוניים וה Baseline באופן אוטומטי ומכינה את הנתונים לקליטת השינויים שההנהלה רוצה להוסיף – Override.

בכל רמה ובכל נקודת זמן מחושבים המדדים של דיוק ואמינות התחזית. תחזוקת התחזית מבוססת על ניהול חריגים ותחקור הגורם לחריגים והסטייה מגבולות האמינות שהוגדרה.

עקרון ניהול החריגים ויכולות ניתוח הגורם לטעות בחיזוי מאפשר לנהל שיפור מתמיד באמינות התחזית בכל תקופה.

במאמר זה אציג את העקרונות לעיתוד מלאי בחברות העוסקות בשיווק מוצרים בקמעונאות, רשתות שיווק מתחומים שונים. עקרונות אילו מגדירים את שיטת העבודה וניתנים להתאמה על פי הצרכים והאילוצים הייחודיים לכל רשת קמעונאית.

חברות קמעונאות ורשתות שיווק

חברות קמעונאות הן חברות המוכרות מוצרים לקהל הצרכנים הפרטיים. מכירה קמעונאית מאופיינת בביצוע של הרבה עסקאות קטנות עם לקוחות פרטיים (מזדמנים), בניגוד למכירה סיטונאית המאופיינת בכמות קטנה יותר של עסקאות גדולות לגופים מוסדיים ועסקיים.

רשתות שיווק הן חברות קמעונאיות המנהלות סניפי מכירה לציבור הצרכנים הפרטיים, כדוגמת רשתות אופנה, מזון, כלי בית, בתי מרקחת ועוד.

מבנה המלאי הטיפוסי לרשת קמעונאית

מבנה המלאי הטיפוסי של חברה קמעונאית מורכב ממרכז לוגיסטי מרכזי  (מרלו"ג) ומסניפים הפזורים ברחבי הארץ.

המרכז הלוגיסטי משמש לקליטת המלאי מהספקים, לאחסנת המלאי ולהפצת המלאי לסניפים. בעבר היה מקובל לנהל מספר מרכזים לוגיסטיים לחברה בפריסה ארצית, כיום מרבית החברות התייעלו והקימו מרלו"ג גדול אחד מרכזי המספק מלאי לכל הסניפים, זאת כיוון שמדינת ישראל קטנה יחסית וניתן במהלך היום להגיע לכל נקודת מכירה. העיר אילת הנה יוצאת מהכלל בגלל המרחק הגדול מהמרכז וחוק מע"מ אפס הנהוג באילת, לכן חלק מהחברות מפיצות את המלאי בנפרד לאילת.

סניפי הרשת משמשים למכירת המלאי ללקוחות. בחלק מרשתות השיווק מנהלים בסניפים קבלת אספקה ישירות מהספקים, כך שסניף יכל לקבל מלאי גם מהמרלו"ג וגם ישירות מהספקים. כמות המלאי בסניפים קטנה יחסית למרלו"ג, המלאי בסניף אמור לשמש לתצוגה ולמכירה לטווח קצר.

מבנה המלאי של חברה בה מסופק כל המלאי של הסניפים מהמרלו"ג  נקרא מבנה כוכב, המרלו"ג משמש כמרכז המלאי בארגון והסניפים ניזונים מהמלאי של המרלו"ג ומוכרים את המוצרים ללקוחות. במקרים בהם המלאי נרכש בסניפים ולא מהמרלו"ג נקרא מבנה מלאי מבוזר. במקרים בהם המלאי נרכש גם במרלו"ג וגם בסניפים נקרא מבנה מלאי מורכב.

השיקולים בהחלטה על ניהול רכש ומלאי מרכזי או מבוזר

השיקולים המנחים את החברה בהחלטה האם המלאי ירכש מהספקים במרלו"ג המרכזי או שכל סניף ירכוש ישירות מהספקים, תלויים בסוג המוצרים, במקור המוצרים ובצורת הפצתם.

מוצרים הנרכשים בחו"ל על ידי החברה יקלטו רק במרלו"ג, זאת כדי לאפשר קניה והובלה מרוכזת של המלאי ובכך לחסוך בעלויות רכש ושינוע.

מוצרים המסופקים בארץ בכמויות קטנות, ניתן לרכוש במרוכז דרך המרלו"ג או לאפשר לכל סניף לרכוש כמויות קטנות בכל תקופת זמן קצרה. במקרים אלו השיקולים של רכש מרכזי הנם הרצון לקבל הנחה על כמות והרצון לווסת את הרכש מהספקים. השיקולים לביצוע רכש מהסניפים הנם הרצון לנהל מלאי נמוך ולמעשה להחזיק מלאי אצל הספקים על פי עקרונות שיטת ה Just-in-time) JIT)

כאשר מדובר במוצרים טריים כגון ירקות / פרות / מוצרי חלב, האספקה תתבצע בסניפים כדי לחסוך את הזמן לאספקה (חיי מדף קצרים) והובלה מורכבת ויקרה.

במקרים בהם נידרש לבצע פרוק מורכב של אריזות, ביצוע אריזות מחדש וסימון מוצרים, הרכש יתבצע במרלו"ג, שם קיים כח אדם המקצועי ואמצעים הנדרשים לביצוע המטלות הלוגיסטיות.

ניתן לראות את מדיניות שרשרת האספקה של חברת וול-מארט, חברת הקמעונאות הגדולה בעולם, בתרשים המצורף, כמובן שלא ניתן להשוואת את הפריסה של וול-מארט בארה"ב לפריסה של רשת שיווק בישראל, אולם העקרונות והשיקולים דומים. ( DC = מרלו"ג )

ניהול מלאי מרכזי במרכז הלוגיסטי (מרלו"ג) של הרשת

ניהול מלאי מרכזי במרלו"ג של רשת קמעונאות דומה לניהול מלאי במחסן הפצה "רגיל". השיקולים של רמות המלאי וכמות להזמנה מבוססים על מודלים סטנדרטיים של תכנון מלאי. מודלים אלו לוקחים בחשבון את הנתונים הבאים:

• תחזית צריכה של המוצר
• זמן האספקה
• כמות מינימלית להזמנה
• רמת השרות הנדרשת למוצר – משפיע על חישוב מלאי הביטחון
• חיי המדף של המוצר
• הפחת של המוצר (במידה וקיים פחת משמעותי)
• מגבלות קיבולת אחסנה

בהתאם לנתונים אלו ניתן לחשב את המלאי הרצוי ואת ההמלצות לרכש לכל מוצר.

ניהול מלאי ברמת הסניף

המלאי בסניף צריך לשרת את המכירות. אסור שהמלאי יהיה נמוך מידי ויגמר לפני חידוש המלאי כיוון שהסניף יפסיד מכירות. מצד שני אסור שהמלאי יהיה גבוה מידי כיוון שהמלאי עולה כסף ותופס שטחי מדף למוצרים אחרים. לכן המלאי צריך להיות בכמות המתאימה לתקופה הקרובה. מהי אותה "תקופה קרובה" אליה אנו מכוונים את המלאי למוצר בסניף ? "התקופה הקרובה" היא זמן האספקה לחידוש המלאי. הסניף למעשה נידרש לנהל את המלאי לתקופת זמן האספקה. זמן האספקה לסניף יכל להיות יום, מספר ימים או שבוע ובמקרים חריגים כשבועיים. מעבר לתקופת אספקה זאת, יידרש הסניף להחזיק מלאי רב לתקופה ארוכה יחסית, ולמעשה יהפוך הסניף למעין מחסן. אם לרשת ישנם סניפים רבים ובכל סניף יחזיקו מלאי רב לתקופה ארוכה, עלולה הרשת למצוא את עצמה מחזיקה מלאי רב שיכביד כספית על פעילותה.

חישוב המלאי במרלו"ג – שימוש בתכנון MRP

את חישוב המלאי במרלו"ג ניתן ורצוי לבצע בעזרת כלי MRP. ה MRP יכל לתכנן את הזמנות הרכש לספקים תוך התחשבות בכל הגורמים המשפיעים על תכנון המלאי, כפי שהצגתי מעלה. כדי לתכנון מלאי בעזרת MRP נידרש לתחזק את נתוני המלאי והמוצרים ולחשב תחזיות צריכה באופן קבוע ומבוקר. מניסיוני, כיום ,לא כל חברות הקמעונאות בישראל עושות שימוש בתכנון המלאי בעזרת MRP, אחד מהגורמים לכך הוא היכולת לנהל תחזיות טובות ברמת המוצר. עדיין שיטת ה MRP עדיפה על שיטות אחרות כיוון שבשיטה זאת המערכת מתחשבת בכל האילוצים ומונעת טעויות. גם הפיתרון לנושא ניהול התחזית פתיר כיום בהשקעה סבירה בעזרת מערכת Forecast Pro.

חישוב המלאי בסניף – שימוש בתכנון  ROP

חישוב המלאי והמלצות לרכש ברמת הסניף צריך להיות מבוצע בעזרת חישוב נקודת חידוש הזמנה – Reorder Point , בשיטה זאת (שמכונה לפעמים: Min-Max) מחשבים את נקודת כמות המלאי לחידוש הזמנה ואת הכמות להזמנה, כאשר המלאי של המוצר בסניף יורד מתחת לכמות המלאי לחידוש הזמנה, מזמינים את הכמות להזמנה. למעשה לכל מוצר מחושבים 2 מספרים: כמות מלאי לחידוש הזמנה (מלאי מינימלי) וכמות לחידוש (כמות להזמנה למוצר, כמות זאת ביחד עם הכמות לחידוש הזמנה נותנת את הכמות המקסימלית של המלאי). חישוב שני המספרים למוצר בסניף מתאפשר כיום לביצוע בצורה ממוחשבת בעזרת כלי תחזית כדוגמת מערכת Forecast Pro.

מה הם הכלים והשיטות המאפשרים לנהל תקציב ויעדי מכירות בעזרת נתוני התחזית

במאמר זה אציג את הכלים והשיטות לניהול תקציב ויעדי המכירות בעזרת תחזית המכירות. בעזרת התחזית ניתן לבנות את התקציב והיעדים, אך לא פחות חשוב מכך, ניתן בעזרת הניהול השוטף של התחזית לנהל גם בקרה שוטפת של התקציב ולקבל חיווים על יכולתנו לעמוד בתקציב וביעדים.

תקציב ויעדי מכירות

לכל חברה עסקית יש תקציב שנתי הכולל בין היתר את ההכנסות הצפויות להתקבל. בתקציב מוגדרים סעיפי ההכנסות ממכירות שמהווים ברוב החברות העסקיות את מרבית ההכנסות.

לכן הקשר בין תחזית המכירות לתקציב המכירות הוא די ברור. אולם בחברות רבות לא קיים קשר ישיר בין התקציב לתחזית, זאת כיוון שהתחזית מנוהלת ברמת מוצרים וקווי מוצרים על ידי אנשי התכנון והתפעול ואילו התקציב מנוהל ברמת הכנסות כספיות על ידי אנשי הכספים (לפעמים בשיתוף המכירות).

הבקרה על התקציב מתקיימת בדרך כלל במהלך תקופות הביניים, בחברות מסוימות מוגדרת תקופת הביניים כרבעון, בחלק חצי שנתי ובאחרות ברמה חודשית. שיטת הבקרה המקובלת היא השוואה של סעיפי תקציב ויעדי המכירות אל מול המכירות בפועל.

כיצד ניתן לשפר ולשכלל את הגדרת התקציב והבקרה על ביצועו בעזרת ניהול התחזית?

ניהול תחזית במבנה היררכי

במאמרים קודמים דיברתי רבות על החשיבות של ניהול תחזית במבנה היררכי. המשמעות של מבנה היררכי הנה הגדרת רמות (או קטגוריות) לנתונים.

לדוגמה: תחזית של מכירת מוצרים ברשת חנויות, הוגדרה היררכיה על פי המבנה הבא:

• רמה ראשונה – מוצר
• רמה שניה – משפחת המוצר
• רמה שלישית – מחלקה
• רמה רביעית – סניף
• רמה חמישי – כלל הרשת

חישוב התחזית הסטטיסטית מתבצע מלמטה למעלה Bottom-up , כאשר חישוב הסטטיסטי מבוצע ברמה הנמוכה ועל בסיס התחזית המחושבת מסכמים את הנתונים כלפי מעלה. בדוגמה שלנו ברשת החנויות, תחושב התחזית ברמת המוצרים ונתוני התחזית יסוכמו לרמת משפחת המוצרים, המחלקה, הסניף וכלל הרשת.

במקרים רבים מבוצע תהליך של Top-down המאפשר לחשב התנהגות סטטיסטית ברמה הגבוהה מהרמה הנמוכה ביותר, למשל חישוב התחזית על פי התנהגות משפחת מוצרים ולא על פי מוצר בודד. לאחר חישוב התנהגות והתחזית ברמת משפחת המוצרים, תחשב המערכת את התחזית לרמת המוצר. חישוב זה ה"מוריד" את התחזית מהרמה הגבוה לרמות הנמוכות מתבסס על שיטת "העמסה" Allocations.

ניהול תקציב מכירות ותחזית על בסיס נתונים אחיד

חישוב התחזית על ידי אנשי התכנון והתפעול מבוצע בעזרת חישובים סטטיסטיים של התנהגות מכירת המוצרים. החישוב מבוצע בעזרת גיליון אקסל או על ידי כלים מתקדמים לניהול תחזית כדוגמת מערכת Forecast Pro. בעזרת חישוב התנהגות המוצרים בעבר ומציאת המגמה והמחזוריות, מחושבת התחזית.

חישוב תקציב המכירות מבוצע בדרך כלל על ידי חישוב המכירות בשנה הקודמת, לפי הפילוח המקובל בחברה (על פי מחלקות / לקוחות / ערוצי הפצה וכו…) והערכות לגבי גידול או קיטון של המכירות בשנת התקציב.

ההבדלים בין שיטת חישוב התחזית לשיטת חישוב התקציב הם גדולים. התקציב מחושב בערכים כספיים, לכן הוא מאפשר "להתקזז" במקרים בהם מוצרים מסוימים נמכרים פחות מהמתוכנן ומוצרים אחרים נמכרים יותר מהמתוכנן. בתחזית נקבל טעות חיזוי ברמת המוצר ולא ניתן "להתקזז" בין מוצרים שנמכרים יותר מהתחזית אל מול מוצרים שנמכרים פחות מהתחזית. גם נושא החלפה ושינוי מוצרים גורם לטעויות בתחזית לוגיסטית. לכן מקובל להניח שקשה יותר לעמוד בתחזית לוגיסטית מאשר בתקציב מכירות כספי.

הסוד הגדול והמפתח להצלחה בשילוב התקציב והתחזית הוא היכולת לנהל את תקציב המכירות והתחזית על בסיס נתונים אחיד המאפשר גם לאנשי הכספים וגם לאנשי התכנון והתפעול לנהל את הנתונים. על ידי החיבור בין עולמות הכספים, התכנון, התפעול והמכירות, ניתן להפיק תועלת רבה המאפשרת להקים ולנהל את התקציב בצורה מושכלת.

שילוב העולמות השונים מבוצע בעזרת המבנה ההיררכי של התחזית. על המבנה ההיררכי להכיל את הצרכים של אנשי התפעול ואת הצרכים של מנהלי התקציב והמכירות.

על פי המקובל בחברה, יש לכלול במבנה ההיררכי את הייצוג המתאים של המוצרים (טכנולוגיה) ומבנה התקציב בהתאם לסעיפי התקציב של המכירות.

שילוב נתוני תקציב בתחזית

השילוב של נתוני התקציב בתחזית מתבצע על ידי "מריחת" התקציב על פני היררכית התחזית. כדי לבצע זאת יש להזין לתחזית את נתוני המחיר של המוצרים. מחירי המוצרים צרכים להיות זהים למחירים שהוגדרו בתקציב והם אינם בהכרח המחירים המעודכנים של המוצרים.

בנוסף, ניתן להזין לנתונים תקציב חיצונה ברמה המתאימה ו"למרוח" את התקציב כלפי מטה עד לרמת המוצר הבודד. שיטה זאת מתבצעת בעזרת חישוב ה Allocations בהתאם ליחס כלפי מטה.

בשלב ראשון נרצה לחשב תקציב לתקופה (תקציב שנתי) לכן על ידי חישוב התחזית המוסכמת והכפלת מחירי המוצרים בתחזית, נקבל את התקציב המכירות. התקציב הנו הסיכום של כלל המוצרים שאנו חוזים שימכרו, לרמת התקציב שהוגדרה בהיררכיה.

בשלב בניית התקציב מתגלים פערים בין החישוב המציג את הרמה הכספים על פי התחזית הלוגיסטית לבין המספרים שמגיעים מהכספים ומהמכירות. כיוון שבסיס הנתונים הוא משותף, ניתן לחקור את הפערים ולבדוק לעומק את הפערים.

ניהול שוטף של התחזית ותקציב יעדי המכירות

במהלך השנה מתעדכנת התחזית באופן שוטף על פי המקובל בחברה, בדרך כלל מבוצע עדכון חודשי , בחלק מהחברות תעשייתיות מקובל לעדכן תחזית בכל שבוע .

כיוון שקיים בסיס נתונים אחיד, וקיימת המרה בין נתוני המכר הלוגיסטי ברמת המוצרים לנתוני התקציב, ניתן לנהל מעקב שוטף והשוואה בין נתוני התחזית המתעדכנת לבין נתוני התקציב הקבועים. הפערים הנוצרים מצביעים על הפערים שעומדים להתרחש בין התקציב לתחזית.

בהנחה שהתחזית שאנו מנהלים טובה ואנו יודעים את הטעות הסטטיסטית של התחזית, ניתן להגדיר חריגה עתידית מהתקציב המחייבת התייחסות מיוחדת. במערכות מתקדמות לניהול תחזיות כדוגמת מערכת Forecast Pro קיימים כלים המאפשרים לחשב את הפערים הנוצרים בצורה אוטומטית.

ראה תמונה של הצגת הפערים בין התחזית לתקציב:

עי ידי "הצפת" הפערים החזויים בין המכירות לתקציב, ניתן לטפל בבעיות עוד בתרם התרחשו. בשיטת הניהול S&OP מגדירים את בחינת הפערים והשיטות לניהולם.

על ידי שילוב של התחזית ותקציב המכירות אנו משיגים מספר מטרות:

1. בניית תקציב אמין יותר המבוסס
2. שפה משותפת בין הכספים , המכירות , התכנון והתפעול
3. אפשר לטפל בבעיות עוד לפני שהם נוצרו. על ידי השוואה עתידית של התקציב לתחזית ניתן להקדים את הבעיה ולטפל בה מבעוד מועד.
4. הבנה טובה יותר ויכולת ניתוח מתקדמת של פעילות החברה

במאמר הבא אציג שיטות לעיתוד מלאי בחברות קמעונאות.

כיצד השכילו בחברת מסנני א.ל לנצל את הידע והכלים העומדים לרשותם, ובעזרת ניהול תחזיות מתקדם ויישום של MRP אוטומטי פעלו לשיפור ניהול המלאי.

במאמר זה אציג יישום של ניהול תחזיות ותכנון מתקדם בחברה יצרנית ישראלית גלובאלית. חברות רבות המתחבטות בשאלה כיצד ניתן לשפר את יכולות תכנון המלאי, יישום זה בחברת מסנני א.ל. הנו דוגמה מצוינת לשימוש נכון בכלי התכנון לצורך שיפור ניהול המלאי.

קבוצת מסנני א.ל.

חברת מסנני א.ל. הנה חברה פרטית המייצרת מסננים מסוגים שונים לתעשיית הרכב. החברה הוקמה בשנת 1965 ולה מפעליי יצור בבעלותה בישראל, סין בולגריה וארה"ב, ופעילות מסחרית ביפן. החברה מעסיקה מעל 1450 עובדים ברחבי העולם.

החברה מייצרת פילטרים לדלק (בנזין וסולר), שמן ,אויר ומים לרכב ולקוחות החברה הנם יצרנים ומפיצים גדולים הפועלים בשווקי הרכב בכל העולם. המוצרים הרבים שמספקת החברה ללקוחותיה מסומנים ונארזים עם הכיתוב ולוגו המזמין. לכן החברה מייצרת להזמנות בלבד.

ניהול התחזית בשוק מורכב

לפני כשלוש שנים הבינו בחברת מסנני א.ל כי כדי להקטין את מלאי חומרי הגלם והמוצרים בתהליך (מוצרים חצי מוגמרים) מבלי לפגוע ברמת השרות וזמני האספקה ללקוחות, עליהם לשפר את תחזית המכירות. תחזית המכירות משמשת את מערכת התכנון MRP לצורך חישוב המלצות לרכש.

כאמור מערכת ה MRP בחברת מסנני א.ל. מנהלת המלצות לרכש על בסיס כל הנתונים הידועים, מלאי קיים, הזמנות מלקוחות, הזמנות רכש פתוחות וצפי לקליטה מרכש, זמני האספקה ומלאי הביטחון. מערכת ה MRP מחשבת את הדרישות העתידיות למוצרים על בסיס התחזיות שהזינו לה, בקיזוז הזמנות מלקוחות, ועל בסיס התחזיות מחשבת המערכת את הכמויות של חומרים והזמנות הרכש שיש להוציא. לכן שיפור בנתוני התחזית ישפרו את דיוק המלצות מערכת ה MRP לרכש.

לאחר בחינת מספר חלופות הוחלט לרכוש את תוכנת Forecast Pro לניהול התחזיות. התוכנה נרכשה והוקמו ממשקים בין Forecast Pro ותוכנת ה ERP מסוג QAD MFG/PRO (תוכנת ה ERP כוללת בתוכה את מערכת ה MRP) כך שנתוני המכירות ונתונים נוספים יעברו באופן ממוחשב בין המערכות.

הממשק בין המערכות הוגדרו חוקים המאפשרים לפתור בעיות מורכבות כגון:

• ניהול נתוני ההיררכיה של כל מוצר
• זיהוי מוצרים "מתים" שאינם פעילים עוד ומוצרים חדשים המוקמים במערכת
• מעבר של ייצור מוצרים בין המפעלים השונים תוך שינוי המספר הקטלוגי של המוצר, העברת נתוני היסטוריית המכירות למקט החדש במפעל החדש

שימוש בהיררכיה וחישוב Top Down

לאחר התקנת מערכת Forecast Pro ובניית הממשק החלה המשימה של הקמת תחזית מדויקת. התחזית חושבה על ידי Forecast Pro בהתבסס על נתוני המכירות ההיסטוריים של המוצרים. המשימה התגלתה כמשימה מורכבת כיוון שהמוצרים של החברה הם ללקוחות ספציפיים, כל מוצר מיועד ללקוח אחד, לכן התחזית התבססה על היסטוריה עם מעט מאוד פעילות. זהו מקרה קלאסי של high mix low volume כך שהפעילות של כל מוצר נראית כמקרית.

לכן הוחלט להשתמש בחישוב Top Down מ"מק"ט 40" . חישוב Top Down מאפשר לחשב את התחזית על בסיס ההיסטוריה של קבוצת פריטים, בדרך כלל משתמשים בקבוצות פריטים מאותה הקטגוריה, לדוגמה: חישוב תחזית למוצר על בסיס התנהגות של כל הקטגוריה של אותו המוצר. במקרה של מסנני א.ל. הוחלט לאגד את כל המוצרים לפי מוצר הנקרא "מק"ט 40", זהו למעשה שלב בעץ המוצר המגדיר את המוצר הגנרי לפני שמסמנים ואורזים אותו למק"ט סופי המיועד ללקוח סופי.

ב Forecast Pro ניתן לחשב את התחזית לקבוצת פריטים ב Top Down על פי מבנה ההיררכיה ולחשב את התחזית למוצר הסופי הנמצא בשלב נמוך של ההיררכיה על פי התנהגות הקבוצה ב Top Down. יכולת זאת חשובה כיוון שמערכת ה MRP יודעת להתחשב בתחזית למוצר סופי בלבד. בהתאם לכך הוגדרה היררכיה לנתוני התחזית על פי המבנה הבא:

השוואה בין תחזית שחושבה עם Top Down לתחזית רגילה הראתה בברור כי תחזית Top Down הנה מדויקת יותר בצורה משמעותית.

נתונים חיצוניים ו Baseline

חלק מלקוחות החברה נוהגים לספק תחזית של רכישת מוצרים עתידית. לא כל הלקוחות מספקים את התחזית ולקוחות שמספקים תחזית אינם מתחייבים לעמוד בתחזית אלה רואם בתחזית כלי שמשפר את רמת השרות שהם מקבלים.

לקוחות אחרים נוהגים להוציא הזמנות למוצרים מספר חודשים מראש, הוצאת הזמנה מראש משפרת את יכולת החברה לספק בזמן. קבלת הזמנה מראש היא כמובן עדיפה על חברת מסנני א.ל. אבל אחוז המוצרים שאליהם מתקבלות הזמנות מראש הוא קטן.

מידע זה, של תחזיות מלקוחות והזמנות מוצרים, למרות שהוא חלקי ובמקרים של התחזיות אינו מדויק ב 100%, הוא מידע חשוב ומאפשר לשפר את התחזית. המידע של הזמנות מלקוחות ותחזיות לקוחות הוסף לממשק בין ה ERP ל Forecast Pro והוא מוצג במערכת כנתונים חיצוניים.

לאחר בחינת הנתונים הוחלט להמיר את נתוני התחזיות מלקוחות ונתוני ההזמנות ל Baseline. ה Baseline משמש כבסיס לתחזית הסופית במקום התחזית הסטטיסטית שחישבה המערכת. מערכת Forecast Pro מאפשרת לנהל לכל מוצר גם את התחזית הסטטיסטית וגם תחזית המבוססת על Baseline שהוגדר. לאחר מספר תקופות ניתן לקבל בצורה ברורה השוואה של הפעילות בפועל מול התחזית הסטטיסטית וה Baseline וכך לבחון את אמינות נתוני התחזית שמספקים הלקוחות.

יישום התחזית בעזרת MRP אוטומטי

דיוק התחזית חושב בצורה אוטומטית בעזרת הכלים הקיימים ב Forecast Pro ונותחה על ידי אנשי התכנון של החברה. לאחר תקופה קצרה ניתן היה לראות בברור כי התחזית המחושבת ב Forecast Pro טובה בצורה משמעותית מהתחזית הידנית. הוחלט להזין את התחזית למערכת ה MRP ולצפות שמכאן ואילך כל המפעלים יפעלו לרכישת חומרי גלם בהתאם לתחזית והמלצות ה MRP.

אבל בפועל הדבר לא קרה, כמו בחברות רבות גם בחברת מסנני א.ל. מפעילים קנייני הרכש ומנהלי התפעול שיקולים רבים ותחושות בטן לגבי כמויות חומרי הגלם שהם רוכשים.

כאשר נותחו הפערים בין המלצות לרכש של ה MRP וביצוע בפועל של הרכש הסתבר שכמעט כל הזמנות הרכש שבוצעו לא היו בהתאם להמלצות ה MRP. הסיבות לכך היו:

• מלאי בטחון לא מנוהל
• זמני LT לא מעודכנים
• חוסר אמון בהמלצות ה MRP
• הוספת "מספרי אצבע" כמקדמים לכמויות שרוכשים

מערכת ה MRP של MFG/PRO הנה מתקדמת וכוללת יכולות לטפל בכל הדרישות לניהול רכש, כולל התחשבות הסוגים שונים של זמני אספקה, שיטות שונות לקיזוז הזמנות לקוחות מהתחזית, התחשבות במינימום להזמנה ומכפלה של כמויות להזמנה (כמות לאריזה) , שיטות שונות לאיחוד כמויות לרכש ממקורות דרישה שונים וכן יכולות רבות נוספות. לכן נראה למנהלי החברה כי לא סביר שהרכש יבוצע בכל מפעל על פי "תחושות הבטן" של הקניינים.

בשלב זה הוחלט לקדם את הרעיון של MRP אוטומטי כך שכל הנתונים יהיו מעודכנים במערכת וחישוב ה MRP יהיה מדויק. הקניינים יהיו חייבים לפעול לפי דרישות הרכש שייוצרו במערכת ה MRP ותהיה יכולת לעקוב בצורה ממוחשבת על סטייה מביצוע המלצות ה MRP.

לצורך מימוש ה MRP האוטומטי החלו סדרת פעולות הכנה:

• התאמת ההגדרות של ריצת ה MRP לעבודה אוטומטית
• חישוב מלאי הביטחון לכל חומר גלם המנוהל מלאי, בעזרת מערכת Forecast Pro
• עדכון נתוני התשתית ב ERP כולל: LT כמות מינימלית להזמנה.
• פיתוח דוח בקרה שבוחן את הוצאת ההזמנות בהתאם לדרישות המופקות מה MRP

חישוב מלאי ביטחון

חישוב מלאי הביטחון בוצע בעזרת חישוב סטטיסטי של מערכת Forecast Pro על תנועות היסטוריות של ניפוק המלאי. ההחלטה לחשב את מלאי הביטחון בשיטה זאת נלקחה לאחר בחינת חלופות שונות שהתבררו כפחות טובות ויעילות.

אחד מהפרמטרים המשפיעים על מלאי הביטחון הנה רמת השרות המוגדרת לפריט. מנהלי התכנון בחברת מסנני א.ל. בחנו בעזרת טבלאות רגישות את השפעת רמת השרות על מלאי הביטחון וקבעו רמת שרות אופטימאלית למלאי.

פרמטר נוסף המשפיע על מלאי הביטחון הוא זמן האספקה. נתוני רמת השרות וזמני האספקה נקבעו לקובץ חישוב המלאי ב Forecast Pro ותוצאות החישוב הוזנו למערכת ה ERP.

הרצת MRP אוטומטי ותכנון גלובאלי

יישום ה MRP האוטומטי בוצע תחילה במפעל בישראל. תוצאות היישום היו טובות, המלצות לרכש מה MRP ייושמו באופן אוטומטי (לאחר שנבחנו תחילה על ידי הקניינית ומנהל הרכש) , רמות המלאי ירדו למרות שינויים לא צפויים של הזמנות מלקוחות. כמות ביצוע שינויים בהזמנות ירדה והקניינית הרוויחה זמן ייקר שנלקח בעבר לצורך חישוב כמויות להזמנות ונוצל מעתה ואילך לפעילות הרכש.

בהתאם להצלחה במפעל בארץ הוחל בהטמעת ה MRP  האוטומטי בשאר המפעלים בעולם.

בין המפעלים של קבוצת א.ל קיימים פעילויות של ייצור חלקים ומוצרים, חלק מהמפעלים מספקים חלקים ומוצרים למפעלים אחרים ולמחסני הפצה. לדוגמה: המפעל בסין מייצר חלקים מסוימים למפעלים בבולגריה ובישראל.

כיוון שמחושבת תחזית למוצרים בכל מפעל, ובמערכת ה ERP מוגדרים החלקים שנרכשים מהמפעל בסין, אין טעם שלמפעל בסין יחשבו תחזית לאותם החלקים. אפשר להריץ MRP במפעלים בבולגריה וישראל ו"לגזור" את החלקים המיוצרים בסין לכל מפעל מתוך תוצאות ריצת ה MRP. את הנתונים ש"נגזרו" מהמפעלים ניתן "לשתול" כתחזית ב MRP של המפעל בסין.

לכן פותחה תכנית מיוחדת המאפשרת להשתמש בתחזית של כל מפעל למוצרים סופיים, לגזור את הנתונים לאחר ריצת MRP ברמת הרכש של המפעל ממפעל אחר בקבוצה, ולשתול את הנתונים כתחזית למפעל המייצר.

תהליך זה מיושם גם למוצרים סופיים ו"חצי סופיים" בין הפעילות בארה"ב לשאר המפעלים. כך בצורה יחסית פשוטה מנהלים את התכנון הגלובאלי של הרבוצה ללא צווארי בקבוק ומלאי ביניים הנדרשים על פי השיטות המסורתיות.

כיום מוקם צוות S&OP בקבוצה אשר ימשיך וישפר את תהליכי הסנכרון ושיפור הביצועים של הקבוצה בהתבסס על התשתית שנבנתה.

לסיכום

הפרויקט של יישם התחזיות ותכנון המלאי בחברת מסנני א.ל הנו דוגמה מצוינת לניצול חכם של משאבי הארגון והמידע הקיים לצורך שיפור תכנון וניהול המלאי. הפרויקט התגבר בהצלחה על אתגרים רבים , טכניים וניהוליים. פרויקט זה יכול לשמש דוגמה לארגונים רבים הנמצאים מול אתגרים דומים.

אחת מהשאלות החשובות ביותר הנשאלות בקשר לתחזית היא "האם התחזית מדויקת". התשובה וודאית לשאלה זאת היא שהתחזית אינה מדויקת ב 100% כיוון שאף אחד לא יכל לחזות את העתיד. התחזית אינה יכולה להיות מדויקת במאת האחוזים אבל היא יכולה להיות "מספיק מדויקת" לצורכי הארגון. מהי תחזית טובה ? מהו הדיוק הנדרש מאתנו בבואנו לבנות תחזית? על שאלה מורכבת זאת נדון במאמר זה.

למה משמשת התחזית (טווח התחזית)

כדי לבחון מהי רמת הדיוק הנדרשת לתחזית, יש להגדיר תחילה מהם השימושים של התחזית. כאמור התחזית מגדירה את הצריכה העתידית של מוצרי הארגון על ידי לקוחותיו. בצורה מקצועית יותר ניתן להגדיר את התחזית כהסתברות למכירת מוצרים בעתיד.

מקובל להשתמש בתחזית בשלושה טווחי זמן שונים, כאשר כל טווח זמן משמש את הארגון למטרות שונות:

• תחזית לטווח הקצר = משמש את הארגון לניהול מדיניות מלאי. קביעת רמות מלאי לחומרי גלם ולמוצרים סופיים בהתאם למדיניות החברה. בדרך כלל טווח התחזית לזמן קצר נע בין חודש ל 3 חודשים

• תחזית לטווח הבינוני = משמש את הארגון לניהול רכש והצטיידות. התחזית לטווח בינוני מספקת את הכלים לתכנון הצטיידות מול הספקים ותכנון הפצת המוצרים ללקוחות. בדרך כלל טווח התחזית לזמן בינוני נע בין 6 חודשים לשנה

• תחזית לזמן ארוך = משמש את הארגון לניהול אסטרטגי. בעזרת התחזית לטווח ארוך ניתן לבנות תקציב ויעדי מכירה לארגון, לתכנון את המשאבים הנדרשים ולקבל החלטות ברמה האסטרטגית. בדרך כלל טווח התחזית לזמן ארוך נע בין שנה ל 5 שנים

גם הפרוט בהצגת נתוני התחזית שונה בכל טווח תחזית: בטווח הקצר יוצג הפרוט של התחזית לכל מק"ט (SKU), בטווח הבינוני אפשר להסתפק בפרוט לפי משפחות או קבוצות חומר, ובטווח הארוך ניתן להציג את התחזית ברמת התקציב של הארגון (מכירות על פי משפחות / מותגים / ערוצי הפצה וכו…).

כיצד מיישמים את התחזית (שגיאת התחזית)

לאחר שהבהרנו למה משמשת התחזית, אפשר כמעט להגדיר את רמת הדיוק הנדרשת לכל תחזית. כדי להשלים זאת אנו נדרשים להבין כיצד מיושמת התחזית. יישום התחזית יאפשר לנו להגדיר את דיוק התחזית הנדרש. ניתן להגדיר בצורה מקצועית יותר את דיוק התחזית כ"שגיאת התחזית". מקובל למדוד את "שגיאת התחזית" ולא את דיוקה. בהמשך המאמר אציג מספר מדדים לחישוב שגיאת התחזית.

היישום לתחזית לטווח קצר יכל להתבצע בעזרת מערכת לניהול מדיניות מלאי, כדוגמת שיטת MIN MAX או שיטת Reorder Point וכמות להזמנה. ניתן ליישם תחזית לטווח קצר גם בעזרת מערכת MRP. שיטות אילו קיימות במרבית מערכות ה ERP הקיימות בשוק.

שגיאת התחזית בטווח הקצר תוגדר כשגיאה הקטנה מסבב המלאי הנדרש על פי מדיניות החברה.

כאן עלי להזכיר (למי שכבר קרא את המאמרים הקודמים) כי שגיאת התחזית משמשת לצורך קביעת מלאי הביטחון. מלאי הביטחון מחושב על בסיס סטיית התקן של התחזית (סטיית התקן מייצגת את שגיאת התחזית) עם מכפלה של רמת השרות שנקבעה וזמן האספקה לפריט.

כלומר, ככל ששגיאת התחזית תגדל (רמת דיוק התחזית תקטן) כך נידרש להגדיל את מלאי הביטחון. לכן חשוב ששגיאת התחזית תהיה קטנה מספק בכדי לעמוד במדיניות המלאי שהגדרנו.

היישום לתחזית לזמן הבינוני מתבצע בדרך כלל בעזרת MRP. קיימים כלים נוספים לתכנון היכולים לשמש ליישום התחזית בטווח הבינוני אולם כל הכלים משתמשים בעקרונות דומים.

גם כאן נקבע את רמת שגיאת התחזית כנמוכה מסבב ההצטיידות של הארגון. סבב ההצטיידות מושפע מזמני האספקה והייצור.

מערכת ה MRP מאפשרת גמישות מסוימת לטעות התחזית. במרבית מערכות ה MRP קיים מנגנון של קיזוז בין הזמנות המתקבלות מהלקוחות לתחזית. מנגנון זה מאפשר לקבוע חוקים וחלון זמן לקיזוז המחשב את הצריכה לקיזוז על פני מספר תקופות תחזית. מנגנון זה ביחד עם חישוב הדרישות מחדש בכל ריצת MRP מאפשר "החלקה" של הדרישות ותיקון טעויות התחזית לאורך הזמן.

יישום התחזית לטווח הארוך מתבצע ברמה האסטרטגית של הארגון. במרבית הארגונים מקובל להשתמש באקסל או בכלי BI לצורך הצגת התחזית מול התכנון ויעדי החברה.

תחזית לטווח ארוך מתבצעת ברמה גבוה ופחות מפורטת. התחזית מתבססת על התחזית למוצרים ומסוכמת לרמת התקציב, בכמות ובכסף. לכן שגיאת התחזית מצטמצמת.

כיוון שהתחזית מיועדת לטווח ארוך, קשה לקבוע את שגיאת התחזית האפשרית. מקובל להשתמש בחישוב שגיאת התחזית במדדים כדוגמת מדד MAPE שלא תעלה על 15%, לא בכל ארגון ובכל שוק ניתן להגיע לשגיאה נמוכה ולאם יש לשאוף לכך.

המדדים המקובלים לחישוב שגיאת התחזית

ישנם מספר מדדים המקובלים לחישוב שגיאת התחזית. בחרתי להציג כאן רק חלק מהמדדים הפופולריים:

מדד MAD

Mean Absolute Deviation)) MAD – זהו מדד המחשב את גודל השגיאה ביחידות. חישוב מדד MAD מחשב את ממוצע הטעויות המוחלטות בתחזית, כפי שמופיע בתרשים:

למדד MAD יש יתרון על פני חישוב סטיית התקן של התחזית, כיוון שהוא מושפע פחות מסטיות גדולות ומקריות שהתקבלו על פני תקופה. את מדד MAD פשוט יחסית לחשב בעזרת אקסל ולהשתמש בו לצורך מדידת ביצועי התחזית והשוואה בין תחזיות שונות לאותו המוצר. לא ניתן להשתמש במדד MAD לצורך השוואה בין תחזיות שונות ולמוצרים שונים, כיוון שהמדד הוא כמותי ואינו יחסי.

מדד MAPE

MAPE (Mean Absolute Percent Error)  הנו מדד המחשב את הממוצע של אחוז השגיאה המוחלטת, זהו מדד נפוץ מאוד לבחינת טעות התחזית על פני מספר תקופות. תוצאות המדד הן באחוזים ולכן ניתן להשתמש במדד בהשוואה בין מוצרים שונים ותחזיות שונות.

. מדד MAPE הנו פשוט לחישוב באקסל ומבוצע כפי שמוצג בתרשים:

מדד MAPE הוא מדד הפשוט לחישוב והבנה ומקובל מאוד בקרב חברות רבות בעולם לצורך מדידת איכות התחזית. כיוון שהתוצאה שלו מוצגת באחוזים, קל להציגו להנהלה ולעובדים. אולם למדד MAPE יש חסרונות, הוא אינו יכל להציג ערכים כאשר הפעילות בפועל היא אפס "0" כיוון שבנוסחה הפעילות בפועל נמצאת במכנה השבר. גם במקרים בהם מדובר על פעילות נמוכה מאוד מתקבלים ערכים קיצוניים למדד MAPE, לכן יש להיזהר בשימוש עם מדד MAPE לתחזית עם מוצרים איטיים.

מדדים נוספים

ישנם מדדים רבים נוספים לבחינת התחזיות, מדדים אילו משמשים לבחינת התחזיות בשלבים שונים של בנית התחזית. חלקם מאפשרים להשוות בין ביצועי תחזיות שונות לאותו המוצר, וחלקם מאפשרים לנתח את רגישות התחזית והתאמתה להתנהגויות המוצר.

מדדים נוספים שכדאי להזכיר במאמר זה (מתוך רשימת מדדים ארוכה)

מדד GMRAE  – Geometric Mean Relative Absolute Error – שגיאה מוחלטת יחסית לממוצע גאומטרי, מדד זה משמש להשוואת תחזית בין תקופות.

מדד SMAPE –  Symmetric Mean Absolute Percentage Error – זהו מדד הדומה למדד MAPE עם שינוי הנוסחה. חלק מהארגונים מעדיפים את מדד זה על פני מדד MAPE.

במאמרים הקודמים הצגתי כיצד ניתן לחשב את התחזית בעזרת נתוני המכר ההיסטורי ונתונים רבים נוספים. נתוני המכר והנתונים הנוספים מנוהלים בדרך כלל במערכת ה ERP. בארגונים מסוימים מנוהלים הנתונים במערכת ה CRM או במערכות אחרות.

בארגונים רבים בעולם ובישראל נהוג לנהל את התחזיות בעזרת מערכת מומחה ייעודית, כדוגמת מערכת Forecast Pro. חישוב התחזית הכרחי לצורך הרצת מערכת MRP לתכנון רכש וייצור. למערכת ה MRP דרוש תחזית ומלאי ביטחון לצורך ריצת החישוב ואין חשיבות מהיכן מגיעה התחזית (על ידי מערכת מומחה חיצונית, או בעזרת חישוב מקומי או על ידי הזנה ידנית) העיקר שהתחזית תהיה מדויקת ככל הניתן כדי להבטיח את הדיוק בחישובי המלאי של ה MRP.

במאמר זה הציג את השיטות להקמת ממשק בין מערכת ניהול התחזיות למערכת ה ERP או למערכות התפעוליות אחרות של הארגון.

מהו המידע העובר בין מערכת ה ERP למערכת התחזיות

את המידע העובר בין מערכת ה ERP למערכת התחזיות ניתן לחלק לשנים: מידע העובר ממערכת ה ERP למערכת התחזיות, והמידע העובר חזרה ממערכת התחזיות למערכת ה ERP.

המידע העובר ממערכת ה ERP למערכת התחזיות:

הנתונים העיקריים והחשובים ביותר שיש להעביר ממערכת ה ERP למערכת התחזיות הם נתוני המכר ההיסטוריים. ישנן שיטות שונות להעברת נתוני המכר, פרוט בנושא חשוב זה ראה בסעיף הבא.

הנתונים הנוספים שניתן להעביר ממערכת ה ERP למערכת התחזיות משמשים אותנו כנתוני עזר לחישוב התחזית ולחישוב מלאי הביטחון, נתונים אילו כוללים:

• זמני אספקה (LT) לכל מוצר
• רמת השרות למוצר או לקבוצת מוצרים, במידה ונתון זה אינו מנוהל במערכת ה ERP ניתן להזין את רמת השרות מקובץ אקסל או ישירות למערכת התחזיות
• מבצעים (הנחה) למוצר. חלק מהארגונים אינם מנהלים את המבצעים ב ERP בצורה מסודרת, במקרים אילו ניתן להזין את המבצעים בקובץ אקסל או ישירות למערכת התחזיות
• הזמנות פתוחות למוצר מלקוחות (SO)
• הזמנות פתוחות למוצר מספקים (PO)
• מלאי נוכחי למוצר (OH)
• תחזיות (או הסכמי מסגרת) של לקוחות
• התקציב השנתי למכר מוצרים. את התקציב ניתן להעביר למערכת התחזיות ברמת סיכום היררכית כפי שמופיע בתקציב (דוגמה לרמת סיכום היררכית: תקציב ללקוח / תקציב ליחידה עסקית / תקציב למשפחת מוצרים / תקציב לאזור גאוגרפי)
• נתוני מחירי מוצרים, מחירי תקן ועלות

המידע העובר ממערכת התחזיות למערכת ה ERP:

המידע המועבר ממערכת התחזיות למערכת ה ERP כולל את תוצאות חישוב התחזית ונתוני עיתוד המלאי:

• התחזית לכל מוצר, על פי תקופות התחזית שנקבעו (חודשים או שבועות)
• מלאי הביטחון למוצר

תמונה 1: ממשק מובנה לקליטת מידע חיצוני (ממערכת ה ERP / אקסל / קבצים ) ב Forecast Pro

העברת נתוני המכר ממערכת ה ERP למערכת התחזיות

כאמור, נתוני המכר ההיסטוריים המועברים ממערכת ה ERP למערכת התחזיות הם הנתונים העיקריים ועליהם מסתמך כל מבנה הממשק בין המערכות.

שיטת העברת נתוני המכר מה ERP למערכת התחזיות צריכה לתמוך בניהול חיי המוצרים ולספק למערכת התחזיות תמונה אמינה של התנהגות המוצרים והמבנה ההיררכי לניהול התחזית. הממשק צריך לתמוך בהצגת הנתונים הבאים:

• תקופת הזמן של היסטורית המכר ותקופות המשנה. תקופת הזמן ההיסטורית צריכה להיות ארוכה ככל הניתן (עד 7 שנים "אחורה" מהיום). תקופות המשנה המקובלות הן חודשית או שבועית. בהתאם לכך נקבל תחזית חודשית או תחזית שבועית. ההחלטה על התקופה המשנית הנה בהתאם לצרכי הארגון. יש לזכור כי תחזית חודשית תהיה תמיד מדויקת יותר מתחזית שבועית ופשוטה יותר לניהול, לכן צריך סיבה טובה כדי לנהל תחזית שבועית. לפעמים קיים בלבול בין זמן הרצת ה MRP לתכנון ייצור ורכש לבין מחזור ניהול התחזית. אפשרי לחשב תחזית חודשית ולהריץ MRP יומי או שבועי.
• המבנה ההיררכי של נתוני המכר אותם נרצה להציג בתחזית. המהנה ההיררכי צריך לתמוך בצרכי ניהול התחזית ובמידת הצורך במבנה נתוני ה S&OP המיושמים בחברה. (לדוגמה: מק"ט, משפחת מוצרים, אזור גאוגרפי , ארוץ הפצה וכו…) מאמר המפרט את המבנה ההיררכי פורסם בגיליונות הקודמים.
• מתי המוצר התחיל "לחיות" ומתי המוצר "מת". המשמעות של מוצר "חי" או "מת" חשובה מאוד בתהליך חישוב התחזית. אנו צרכים לחשב גם את התנהגות קבוצת מוצרים לאורך זמן. אם לא נתחשב בהיסטוריה של מוצרים "מתים" לא נוכל להבין את התנהגות השוק (לדוגמה: חישוב תחזית למוצרים עונתיים המתחלפים בכל שנה, אם לא נתחשב בהיסטוריה של מוצרים העונתיים ש"מתו" לא נוכל לחזות את התנהגות המוצרים בעונה הנוכחית)
• במקרים מיוחדים נרצה לאחד היסטוריה של מוצרים שונים למוצר אחד. דוגמה למקרים אילו: כאשר מוצר מחליף מוצר אחר ושני המוצרים נראים ללקוחות כאותו המוצר (החברה שינתה את המפרט של המוצר ובעקבות כך החליפה את המספר הקטלוגי, אבל מבחינת השוק מדובר באותו המוצר), או במקרה שמוצר מיוצר במספר מפעלים ולכל מפעל יש מספר מק"ט שונה אבל גם כאן מבחינת השוק והלקוחות מדובר באותו המוצר.

ישנן שיטות שונות להעברת נתוני המכר. העקרונות של מבנה הממשק דומים ולכן אציג במאמר זה דוגמה אחת מייצגת שתאפשר להסביר את מבנה הממשק.

הדוגמה המוצגת הינה ממערכת Forecast Pro המאפשרת לקבל נתוני מכר ממערכות חיצוניות שונות או מקבצי אקסל וטקסט. במבנה הממשק ישנה חשיבות להבדל בין נתון מכירה ב"אפס", כלומר המוצר פעיל אך אינו מוכר, לבין נתון מכירה לא קיים (Null) שמשמעותו שהמוצר אינו קיים בתקופה זאת. על ידי ההבחנה הזאת ניתן להגדיר באיזה זמן המוצר "נולד" ומתי המוצר "מת".

בממשק מבוסס אקסל, אנו מקבלים מטריצה טבלאית, על ציר X נדווח את המכר על ציר הזמן ועל ציר Y נציג את המוצרים ומבנה ההיררכיה.

ראה דוגמה למבנה ממשק נתוני המכר באקסל:

בממשק מבוסס טבלת SQL אנו מקבלים סידרה ארוכה של רשומות, כשכל רשומה מייצגת מכר של תקופה אחת למוצר וההיררכיה שלו

ראה דוגמה למבנה ממשק SQL :

בפרק הבא אציג את המדדים לבחינת דיוק טיב התחזית והתאמתה לצורכי הארגון.

תחזית טובה הנה הכלי המרכזי של הארגון לצורך תכנון ובניית תוכנית עבודה לעתיד. בפרקים הקודמים הצגתי בהרחבה שורה של כלים המאפשרים לנו לבנות ולנהל תחזית אמינה למוצרים ושרותים.

בפרק זה הציג כלי נוסף, משקלים (  Weights) המאפשר במקרים רבים לשפר את דיוק התחזית. כדי להסביר מהם המשקלים יש לפרט כיצד מחשבים תחזית סטטיסטית.

חישוב תחזית סטטיסטית

בתחזית הסטטיסטית אנו מחשבים את התחזית העתידית בעזרת נתוני המכר או השרות, או כל פעילות אחרת שנרצה לחזות. הנתונים ההיסטוריים מאפשרים לנו להציב נוסחת חיזוי שתחשב את ההתנהגות ההיסטורית המוצר ותשליך את ההתנהגות המחושבת על העתיד.

נוסחת החיזוי מחשבת את התנהגות הפריט על פני זמן, בחלק מנוסחאות החיזוי ניתן לחשב את הערכים המיצגים" מגמה, מחזוריות ורמה, לדוגמה משפחת הנוסחאות של החלקה אקספוננציאלית, בפרקים הקודמים הרחבתי על הנוסחאות לחישוב התחזית.

חישוב המשקל לכל תקופה

בין היתר מחשבת נוסחת החיזוי את ההשפעה של כל תקופת זמן על התנהגות הפריט, אם התחזית שלנו היא חודשית, לכל חודש בשנה מחושבת ההשפעה על התנהגות הפריט: לחודש ינואר תחושב ההשפעה, וכן לחודש פברואר ולחודשים הבאים עד דצמבר, כך יחושבו 12 ערכים של השפעת התקופה (החודשים) על המוצר, לאורך מספר שנים. כלומר תחושב השפעת ינואר על המוצר בכל שנה, וכך לשאר החודשים.

לדוגמה: בתחזית חודשית למגפיים יחושב ככל הנראה ערכים נמוכים לחודשי הקיץ (השפעה על הצריכה כלפי מטה) וערכים גבוהים לחודשי החורף (השפעה על הצריכה כלפי מעלה).

מקובל לנרמל את החישוב של המשקלים לכל תקופה כך: משקל ללא השפעה = 1, משקל עם השפעה חיובית > 1 (גדול מאחד) ומשקל עם השפעה שלישית < 1 (קטן מאחד).

בתוכנות מתקדמות לניהול תחזיות כדוגמת מערכת Forecast Pro המערכת מחשבת באופן אוטומטי את המשקלים לכל תקופה , לכל שורה בקובץ התחזית ובכל רמה.

ראה תמונה של חישוב המשקלים למוצר בתוכנת Forecast Pro

השפעה חיצונית על המשקלים

חישוב השפעת התקופות על מוצר מניחה כי השפעת כל תקופה זהה, לדוגמה: השפעת ינואר על מגפיים זהה בכל שנה. כלומר ינואר יקבל ערך משקל זהה בכל שנה. ידוע כי בשנים שונות כמות הגשמים בינואר משתנה, לפעמים יורד הרבה גשם בינואר ולפעמים חם ויבש בינואר, תלוי בשנה.

חישוב השפעת התקופה על המוצר היא סטטיסטית וממוצעת. בדוגמה שלנו המשקל שניתן לחודש ינואר לכל תקופת ההיסטוריה והתחזית היה זהה. במציאות בחודש ינואר בשנים מסוימות ירד גשם ובשנים מסוימות היה חם.

לכן חישוב ההשפעה של כל חודש על מוצר מגפיים  לא יהיה תמיד מדויק .

כדי לשפר את התחזית, ניתן לתקן את המשקל של כל תקופה בתחזית על ידי הוספת משקלים חיצוניים לתקופות. שינוי המשקלים נעשה רק במקרים שיש לנו יכולת להבין את גורמי ההשפעה על המוצר כתלות בתקופת הזמן. לדוגמה: בדוגמה הקודמת על המגפיים, ברור לנו כי ירידת גשם ומזג אויר קר הם הגורם העיקרי על צריכת המגפיים.

ניתן לתקן את המשקלים שחושבו בתחזית למגפיים על ידי הוספת משקלים חיצוניים, בשנים שבהם היה חם בחודש ינואר נוריד את המשקל (פחות מ 1) ולשנים בהם היה ינואר סוער נעלה את המשקל (מעל 1).

הוספת משקל חיצוני מתבצעת על ידי שיוך של סידרת מספרים המיצגים את המשקלים לכל חודש היסטורי וחודשי התחזית.

ישנן שיטות שונות לקבוע את חישוב המשקלים החיצוניים. לדוגמה: ימי המסחר בכל חודש, בינואר 2014 היו כמות ימי מסחר שונים מינואר 2015 ומינואר 2016, לכן נייצר סידרה של משקלים לפי ימי המסחר בכל השנים ההיסטוריות ובשנת התחזית.

דוגמאות לסדרות משקלים

כפי שרשמתי בדוגמה מעלה, אחד המשקלים המקובלים הוא מספר ימי המסחר או העבודה בכל חודש.

דוגמה נוספת המתאימה למוצרים הנרכשים בעיקר בסופי שבוע, הינה מספר סופי השבוע בכל חודש, לפעמים בחודש אפריל ישנם 4 סופי שבוע ולפעמים 5, על בסיס מספר סופי השבוע נייצר סידרת משקלים לתחזית.

משקלים נוספים יכולים להיות תעריפי החשמל / מים / דלק, ובלבד שנדע או נעריך גם את החודשים העתידיים לתקופת התחזית.

לסיכום: שימוש נכון במשקלים יכל לשפר את התחזית ולהוסיף עידון לחיזוי

בפרק הבא אציג את השיטות והכלים לבניית ממשק בין מערכות התפעול למערכת התחזיות.

צור אמיתי, מנכ״ל חברת הייעוץ ASC, המתמחה בליווי חברות וארגונים לשיפור התחרותיות והרווחיות, תוך התמקדות בייעול שרשרת האספקה ובשיפור תהליכים בניהול הרכש, ניהול הייצור, ניהול המלאי, ניהול ההפצה, ניהול התכנון וניהול המכירות והשיווק. הנציגה הבלעדית של תוכנת Forecast Pro בישראל.

ליצירת קשר:   08-9300363  amitai@asc-il.co.il     www.asc-il.co.il

ניהול המלאי היא משימה הכרחית לכל ארגון תפעולי. ניהול המלאי משמש בתהליך מכירת מוצרים, ייצור מוצרים, תחזוקת מכונות ומבנים, שרות לקוחות ותפעול שוטף.  לצורך ניהול המלאי נידרש להגדיר רמות מלאי ולתכנן את רכש המלאי בהתאם. כחלק מתכנון המלאי אנו נדרשים לחשב את מלאי הביטחון.

מה הוא מלאי הביטחון ? למה הוא משמש וכיצד ניתן לחשבו ? במאמר זה אפרט את משמעות מלאי הביטחון וכיצד ניתן לחשבו.

ניהול המלאי

המטרה של ניהול המלאי היא לדעת את כמות המלאי הקיימת בכל נקודת זמן ולתכנן את המלאי לעתיד.

המלאי מנוהל בכל ארגון בהתאם לסוג המלאי והשיטות שיושמו בארגון.

סוגי המלאי הנם רבים וכוללים בין היתר את סוגי המלאי הבאים::

• מלאי חומרי גלם
• מלאי בתהליך הייצור
• מלאי תוצרת גמורה
• מלאי לחלקים לצורך תחזוקה
• מלאי מוצרים למכירה
• מלאי לשרות ותפעול הארגון (MRO)

הניהול השוטף של המלאי דורש לדווח על כל תנועה של פריטי מלאי (טרנזקציות) , קיימים סוגי תנועות מלאי שונות (קבלה מרכש, ספירת מלאי, ניפוק מלאי, פסילת מלאי, מלאי בהסגר, מלאי להשמדה, החזרות וכו…). הניהול השוטף מאפשר לארגון לדעת בכל נקודת זמן מהו המלאי של הארגון, היכן הוא נמצא ומה מצבו.

תכנון המלאי

תכנון המלאי מאפשר לחשב את המלאי העתידי שנרצה לנהל בארגון ואת הפעולות שיהיה עלינו לבצע כדי לעמוד בעתיד ברמת מלאי הרצויה.

תכנון המלאי מבוסס על תחזית הצריכה של המלאי. במקרים רבים אנו נדרשים לחזות את כמות פרטי המלאי שאותו נצטרך בעתיד:

מלאי חומרי גלם יחושב על פי התחזית לייצור מוצרים (בעזרת חומרי הגלם) תוך התחשבות בעץ המוצר ובפחת הצפוי בתהליך הייצור.

מלאי פרטי תחזוקה יחושב על פי הצפי של תחזוקה מונעת או תקלת שבר. ניתן להיעזר בנתוני ייצרן ובמפרטים לצורך חיזוי הצריכה למוצרי תחזוקה.

פריטי שירות יתוכננו על פי הצפי למתן שרות.

התוצאה של תכנון המלאי תהיה המלצה על הוצאת הזמנה למלאי (הזמנת רכש או פקודת עבודה לייצור). השליטה שלנו על רמת המלאי היא בעיקר על ידי השליטה על הכניסה למלאי. היציאה מהמלאי נקבעת על ידי המציאות.

שיטות לתכנון מלאי

יישנן שיטות שונות לתכנון המלאי, בחלק מהארגונים נוהגים לתכנן את המלאי על פי "זמן מלאי" או במילים אחרות "שבועות מלאי" או "חודשי מלאי". בשיטה זאת משתמשים בצריכה של התקופה האחרונה מהמלאי כדי לחשב את צריכת המלאי העתידית ולחשב בהתאם את הזמן שנותר לנו מלאי.

אחת השיטות המקובלות ביותר הנה שיטות מודל שיני המסור או בשמה המקצועי , Economic Order Quantity – EOQ, בעזרת שיטה זאת ניתן לחשב את הכמות הכלכלית ביותר להזמנה למלאי.

תרשים של חישוב EOQ

שיטה נפוצה נוספת, גם היא ממשפחת שיטת שיני המשור הינה Minimum Order Quantity – MQO בעזרת שיטה זאת מחשבים את הזמן המינימלי להוצאת הזמנה למלאי

בשלושת השיטות (ובשיטות תכנון מלאי רבות נוספות) אנו נדרשים להגדיר את הצריכה העתידית של המלאי כדי לחזות מתי המלאי הקיים יגמר ומתי עלינו להוציא הזמנה חדשה למלאי.

חישוב תחזית הצריכה העתידית

כאמור, בכל שיטות תכנון המלאי הקיימות אנו נדרשים לחזות את צריכת המלאי העתידית. בפרקים הקודמים הרחבתי על השיטות והכלים הקיימים לצורך חישוב תחזית הצריכה.

חישוב תחזית הצריכה יכל להתבצע על ידי כלים פשוטים כדוגמת חישוב הצריכה הממוצעת לחודשים הקודמים, או על ידי כלים מתקדמים כגון Forecast Pro המחשבים תחזית בעזרת כלים סטטיסטיים מתקדמים וכלים נוספים המאפשרים להתחשב ולחשב גורמים רבים נוספים בחישוב התחזית.

כאשר אנו מחשבים תחזית, אנו יודעים את אמינות התחזית ואת סטית התקן של התחזית. משמעות סטיית התקן היא גבול הדיוק של התחזית. במילים אחרות, אנו יודעים (פחות או יותר) מה היא הטעות של התחזית שחישבנו. טעות זאת הינה קריטית לחישוב מלאי הביטחון.

חישוב מלאי הביטחון

תפקיד מלאי הביטחון הוא לפצות על הטעות שלנו ביכולת החיזוי של הצריכה העתידית. או במילים אחרות, לתרגם את אי הידיעה שלנו לגבי העתיד למלאי.

לדוגמה: מחשבים את התחזית לצריכת פריט מלאי ל 100 יחידות בחודש. אם התחזית שלנו הייתה מדויקת ב 100% לא הינו צרכים להחזיק מלאי בטחון כלל. אולם כיוון שלתחזית שבנינו יש אי דיוק, ואי הדיוק הזה הנו ידוע (בעזרת חישוב סטיית התקן לתחזית) אנו יודעם בכמה פריטים אנו יכולים לטעות. לכן אנו יכולים להחזיק מלאי נוסף "מלאי ביטחון"  שיפצה על הטעות בתחזית הצריכה.

למעשה חישוב מלאי הביטחון מתחשב בשלושה גורמים:

• סטיית התקן של התחזית
• זמן האספקה לחידוש המלאי (זמן לאספקה מרכש או זמן ייצור)
• רמת השרות של הפריט במלאי. רמת השרות הנה הגדרה לאחוז העמידה של המלאי לאספקה , ככל שרמת השרות תהיה גבוהה יותר, כך נידרש למלאי בטחון גבוה היותר. ניתן להגדיר רמת שרות של 95% למלאי המספק 95 דרישות מתוך 100 דרישות (בשאר 5 הדרישות למוצרים המלאי יהיה חסר) ככל שנעלה את אחוז רמת השרות, על ידרשו שאנו מעוניינים

ישנן נוסחאות שונות לחישוב מלאי הביטחון. כל השיטות זהות במהותן ומחשבות את מלאי הביטחון על פי הטעות בחיזוי כפול פקטור של רמת השרות ופקטור של זמני האספקה.

ראה תרשים כללי המציג את חישוב מלאי הביטחון ונקודת ההזמנה

הנוסחה המקובלת לחישוב מלאי ביטחון

C = מקדם לרמת השרות: מחושב באקסל כך: C = NORMSINV(Service level)

µl µd הם הממוצע וסטית התקן של זמן האספקה

σd σl הם הממוצע וסטית התקן של התחזית

הנוסחה באקסל לחישוב מלאי הביטחון : C*SQRT((AJ4*AL4^2)+(AI4^2*AM4^2))

חישוב נקודת ההזמנה (Reorder Point) מחושב על ידי חיבור התחזית צריכה לתקופת זמן האספקה + הכמות שחושבה למלאי ביטחון.

בפרק הבא אציג את השימוש במשקלים בחישוב תחזיות צריכה.

תחזית טובה היא הבסיס לתכנון פעילות הארגון. כל ארגון מעוניין לדעת מה יקרה בעתיד: אילו מוצרים הלקוחות שלו ירכשו (מה?), כמות המוצרים שירכשו (כמה?) וזמני הרכישה (מתי?). לצורך כך מנהלים הארגונים המתקדמים תחזית עתידית המנסה לנבא את התשובות לשאלות (מה? כמה? ומתי?). את התחזית מנהלים בעזרת כל המידע הקיים בארגון: היסטוריית המכר של המוצרים, מידע שמגיע מאנשי המכירות לגבי הלקוחות והמתחרים, מידע שיווקי הכולל קמפיינים וקידום מכירות, ומידע כללי על מצב השווקים והערכות כלליות.

התחזית הסטטיסטית

הבסיס המרכזי לבניית התחזית הנה התחזית הסטטיסטית. התחזית הסטטיסטית מבוססת על חישוב סטטיסטי של נתוני המכר בעבר ומציאת ההסתברות למכר עתידי. כלומר באמצעות נתוני המכירות בעבר, אנו מנסים לחזות את המכירות בעתיד.

בדרך כלל לא ניתן לחזות בצורה מדויקת את המכירות בעתיד על בסיס המכירות בעבר, אולם התחזית הסטטיסטית מספקת לנו את הבסיס (Baseline) עליו ניתן להוסיף את השיקולים והמידע הקיים בארגון לגבי העתיד ובכך לשנות את התחזית הסטטיסטית לתחזית הסופים.

במאמר זה אציג את הנוסחאות והכלים המשמשים אותנו לצורך חישוב התחזית הסטטיסטית.

הנוסחאות לחישוב תחזית סטטיסטית

במהלך השנים פותחו נוסחאות שונות לחישוב התחזית הסטטיסטית. בתחילה השתמשו בנוסחאות פשוטות כדוגמת ממוצע נע או ממוצע משוקלל. עם השנים והמחקר הסטטיסטי האקדמי, התפתחו נוסחאות מורכבות יותר המסוגלות לנבא את התנהגות המוצרים על פני תקופה ולזהות מגמות והתנהגויות מחזוריות בחיי המוצר.

שיטות רגרסיה

בנוסף לנוסחאות הסטטיסטיות, פותחו שיטות רגרסיה לחיזוי, שיטות אילו מאפשרות לנבא התנהגות של סידרת מספרים על ידי תאימות (קורלציה) בין סידרת המספרים לסדרות מספרים אחרות. לדוגמה: ניבוי צריכת החשמל על ידי רגרסיה של נתוני מזג האויר, נתוני הכלכלה ונתוני מחירי הדלקים.

עם השנים השתפרו שיטות הרגרסיה ונוספו שיטות דינאמיות ממוחשבות. במאמר זה לא הציג את שיטות הרגרסיה (הנושא מורכב ואפשר להציגו בעתיד במאמר נפרד על שיטות ריגרסיה). חשוב לציין ששיטות הרגרסיה מתאימות לניבוי התנהגות של מוצר אחד בעזרת סדרות של משתנים, לכן שיטות הרגרסיה אינן מתאימות למרבית הארגונים הנדרשים לנהל תחזית למוצרים רבים.

שיטות חיזוי סטטיסטיות של סדרות זמן

השיטות המקובלות לחיזוי הנן נוסחאות סטטיסטיות העושות שימוש בציר הזמן על מנת לנתח את התנהגות המוצרים.

נוסחאות אילו "מנסות" לזהות את דפוס התנהגות המוצר על פני ציר הזמן בשיטות שונות. לחלק מהנוסחאות יש מעין "זיכרון" המנסה לזהות התנהגויות טיפוסיות בעבר ולהשליך אותן על העתיד. לכן חשוב לבצע את החישוב על בסיס היסטוריה ארוכה. בניגוד לחישוב של ממוצע נע או ממוצע משוקלל, שאינו דורש היסטוריה ארוכה של נתונים (ממוצע נע על פני 4 חודשים דורש היסטוריה של לפחות 4 חודשים) נוסחאות מתקדמות דורשות לפעמים מעל 24 תקופות ולפעמים גם מעל 36 תקופות, כדי לחשב באמינות סטטיסטית גבוה.

להלן מספר נוסחאות המקובלות לחישוב תחזית סטטיסטית

החלקה מעריכית "Exponential smoothing"

החלקה מעריכית  – קבוצת הנוסחאות המקובלת ביותר נקראת החלקה מעריכית או בשמה הלועזי החלקה אקספוננציאלית "Exponential smoothing". החלקה אקספוננציאלית היא משפחה של נוסחאות המחולקות ל 12 נוסחאות שונות המטפלות כל אחת בהתנהגות שונה של המוצרים. הנוסחאות של החלקה אקספוננציאלית מבוססות על חישוב מספר גורמי התנהגות:

• רמה " Level " – זהו מספר קבוע המציין את הרמה הקבועה של הפעילות למוצר, חישוב הרמה מתבצע לאחר החלקת הנתונים ו"ניטרול" הרעשים" הנובעים מהתנהגות של מגמה ועונתיות.
• מגמה "Trend " – הנוסחה מחשבת את המגמה המקומית " Local Trend " שהיא למעשה המגמה של פעילות המוצר בנקודת זמן מסוימת. ישנם 4 סוגי מגמות: ללא מגמה, מגמה לינארית, מגמה מרוסנת " Damped Trend "  ומגמה מעריכית  " Exponential Trend " .
• עונתיות " Seasonal " – הנוסחה מחשבת את ההתנהגות העונתית של המוצר על פני ציר הזמן. ישנן 3 התנהגויות עונתיות שונות: ללא עונתיות, עונתיות פשוטה " Additive Seasonal " ועונתיות מרובה " Multiplicative Seasonal".

בסך הכל קיימות 12 נוסחאות מובילות של החלקה אקספוננציאלית המגדירות התנהגויות שונות של שלושת המרכיבים (4 סוגי מגמות, 3 סוגי עונתיות ורמה אחת, לכן: 4 X 3 X 1 = 12)

ניתן לצפות בטבלאות בצילום המאמר המודפס, מופיע בלינק מטה "פרטים נוספים".

חלק מהנוסחאות של החלקה אקספוננציאלית מוכרת יותר מהאחרות לעוסקים בחיזוי והן נלמדות בקורסים לניתוח סטטיסטי באקדמיה, הנוסחאות היותר ידועות הנן: SIMPLE, HOLT, ו WINTERS. ניתן לראות בברור בטבלה את סוג ההתנהגות שמבטאת כל אחת מהן. יש לזכור כי במקרים רבים פונקציית החיזוי האופטימלית אינה משתייכת לאחת משלושת הפונקציות המוכרות, אלה לפונקציה אחרת ממשפחת הפונקציות של ההחלקה האקספוננציאלית.

שיטת ההחלקה אקספוננציאלית  מאפשרות לנו לחשב את ההשפעה של אירועים על התנהגות המוצר "  Event Effects". אירועים הנם פעילויות על ציר הזמן המשפיעים על התנהגות המוצר כגון: חגים, מבצעים, פרסום, חוסר במלאי וכו… . השימוש באירועים עוזר לנו לנתח נכון יותר את התנהגות המוצר בעבר ולחשב באופן מדויק יותר את התחזית לעתיד. על נושא ניהול האירועים והשימוש שלהם בניהול תחזיות ארחיב באחד מהמאמרים הבאים.

שיטת Box-Jenkins

שיטת Box-Jenkins הינה שיטה חדשה יחסית והיא מבוססת על מודל סטטיסטי הנקרא ARIMA. המודל הסטטיסטי ARIMA משלב שני שיטות חישוב יחד: חישוב ממוצע נע משוכלל  MA וחישוב רגרסיה לינארית אוטומטית Autoregressive AR . המודל מנסה למצוא דפוסי התנהגויות היסטוריות של המוצר על פני הזמן.

כדי לחשב תחזית בשיטת Box-Jenkins נידרש להשתמש בלפחות 40 תקופות היסטוריות (בקובץ הנתונים ההיסטוריים), כלומר אם אנו מנהלים תחזית חודשית, צריך לחשב את התחזית למוצר על בסיס 40 חודשי היסטוריה לפחות.

חישוב תחזית בשיטת Box-Jenkins באופן ידני או בעזרת אקסל הנה משימה מורכבת הדורשת ידע סטטיסטי מעמיק וזמן רב, לכן בפועל ניתן להשתמש בשיטה זאת בעזרת כלים אוטומטים כדוגמת מערכת Forecast Pro.

כלים לשיפור החישוב הסטטיסטי של התחזית

בעולם האמיתי התנהגות המוצרים אינה מתבצעת "בצורה מושלמת" , ישנם גורמים רבים המשפיעים על התנהגות המכר של המוצר. הנוסחאות לחישוב התחזית הסטטיסטית אינן יכולות להתחשב באותן הגורמים כיוון שהם "גורמים חיצוניים" שאינם נלקחים כחלק מחישוב הנתונים.

לכן אנו משתמשים בכלים נוספים המאפשרים להתייחס לאותם גורמים חיצוניים ולשפר את חישוב התחזית.

Events – ניהול אירועים. כדי לנהל תחזית טובה צריך להתחשב באירועים ולהבין את השפעתם על היסטורית הצריכה. אם נבין את השפעת כל אירוע על כל מוצר בעבר נרוויח פעמיים: מצד אחד נוכל לחשב את התנהגות המוצר בעבר ולקבל את התנהגותו הטיפוסית, בקיזוז השפעת האירוע, אם לא נקזז את השפעת האירוע מהעבר נחשב בטעות התנהגות טיפוסית לא נכונה ונקבל Baseline שגוי. מצד שני אם הצלחנו לחשב את השפעת האירוע על המוצר, נוכל להיעזר בנתון זה ולחזות טוב יותר את העתיד, הכולל אירועים דומים בעתיד (כגון חגים, מבצעים, פרסום, הידועים לנו מראש).

כדי להבין את השפעת מוצר לאירוע מסוג מבצע, אנו נדרשים לנהל תחזית ברמה שתאפשר להגדיר את היסטורית המכירה של מוצר לערוץ הפצה המנהל את המבצע. לדוגמה: אם אנו מוכרים מוצר מסוים לרשתות שיווק שונות, ובכל רשת מנהלים מבצעים באופן שונה, כדי להתחשב באירועי המבצעים יהיה צורך לנהל תחזית ברמה של נתוני כל מוצר לרשת שיווק.

כיצד מנהלים את האירועים? לשם כך צריך לבצע חישובים לא פשוטים המחלצים את השפעת כל אירוע על כל מוצר. בתחזית טיפוסית אנו מנהלים שורות רבות (לפעמים אלפי שורות או עשרות אלפי שורות) לכן כדי לחשב את השפעת אירועים רבים על שורות היסטוריה רבות נידרש לפעול בעזרת מערכות מתקדמות לניהול תחזיות, כדוגמת מערכת Forecast Pro העושה שימוש באלגוריתמים סטטיסטים מתקדמים, ומחשבת את השפעת האירועים השונים על המוצרים בצורה אוטומטית ומהירה.

Outliers – תיקון של נתונים היסטוריים חריגים. בתוכנות מתקדמות לניהול תחזיות כדוגמת תוכנת Forecast Pro מבוצע חישוב אוטומטי של הסטיות ההיסטוריות והתוכנה מציעה "היסטוריה מתוקנת" ללא הסטיות שחושבו.

התוכנה מאפשרת לאנליסט לקבוע האם לחשב את התחזית באופן אוטומטי על בסיס ההיסטוריה המתוקנת או שתבחר הדרך החצי אוטומטית, כך שכל סטייה תיבחן לגופה והאנליסט יקבע האם יש צורך "לתקן" את ההיסטוריה או שאין צורך בכך וחישוב התחזית יושפע גם מהסטיות החריגות. ההחלטה האם יש צורך לתקן את הנתונים ההיסטוריים הינה החלטה מקצועית וחשובה של האנליסט.

השימוש בתיקון הנתונים ההיסטוריים בעזרת ה Outliers מאפשר להקטין את "הרעש " בחישוב בתחזית ולאפשר לתוכנה לזהות את ההתנהגות הטיפוסית של המוצר, כולל מגמה ומחזוריות.

בפרק הבא אציג שיטות לחישוב מלאי ביטחון

צור אמיתי, מנכ״ל חברת הייעוץ ASC, המתמחה בליווי חברות וארגונים לשיפור התחרותיות והרווחיות, תוך התמקדות בייעול שרשרת האספקה ובשיפור תהליכים בניהול הרכש, ניהול הייצור, ניהול המלאי, ניהול ההפצה, ניהול התכנון וניהול המכירות והשיווק. הנציגה הבלעדית של תוכנת Forecast Pro בישראל.

ליצירת קשר:   08-9300363   amitai@asc-il.co.il    www.asc-il.co.il

מאת: צור אמיתי

במאמר זה אציג את הכלים המשמשים לעיתוד מלאי לפריטי תחזוקה ופריטים איטיים

כידוע, עיתוד מלאי לפריטי תחזוקה ופריטים איטיים בכלל הנו נושא מורכב הגורם לכאב ראש לא קטן בחברות רבות. הסיבה לכך היא הקושי לחזות את הצריכה של פריטים אילו. הצריכה של פריטי תחזוקה מתנהגת במקרים רבים בצורה מקרית ואיטית. הכוונה לצריכה מקרית היא שאיננו יודעים את המרווח בין שימוש לשימוש, יתכן לדוגמה שלא היה צורך בפריט X למשך חודשים רבים (ואף שנים) וברגע אחד אנו נצרוך את פריט X ולאחר זמן קצר מאוד נצרוך שוב את פריט X. זאת צריכה לא צפויה המתנהגת בצורה מקרית. צריכה איטית משמעותה כי הפריט נצרך בכמות קטנה מאוד לאורך תקופה ארוכה, לדוגמה: פריט Y נצרך רק פעמיים על פני תקופה של 3 שנים. קשה מאוד לחשב הסתברות של צריכה לפריטים שכמעט אינם בתנועה במלאי.

חלוקת פריטי התחזוקה לפי תחזוקת שבר ותחזוקה מונעת

את פריטי התחזוקה רצוי לחלק לשתי קבוצות שונות: פריטי תחזוקת שבר ופריטי תחזוקה מונעת.

הכוונה בפריטי תחזוקת שבר הנה לפריטים ייעודיים השיכים למכונות או מערכות ספציפיות, פריטי רזרבה, הממתינים במלאי למצב קיצון של תקלה חמורה (תקלת שבר) המחייבת להחליף את החלק שהתקלקל בחלק חדש.

פריטי תחזוקה מונעת הנם פריטים המשמשים לתחזוקה שוטפת של המערכות והמכונות. תחזוקה שוטפת היא רצף של פעולות תחזוקה המבוצעות על פי מדיניות תחזוקה. פריטים הנכללים בדרך כלל בקבוצה זאת הנם: מסננים, שמנים, מחברים, נתיכים וכו.

כמובן שאת פריטי התחזוקה המונעת קל לתכנון כיוון שהצריכה שלהם מושפעת מהמדיניות שאנו קובעים. פריטי תחזוקת השבר קשה יותר לנהל כיוון שלא ניתן לחזות ברוב המקרים את התקלה.

הקביעה זאת כבר פתרנו חלק מהבעיה, פריטי תחזוקה מונעת נחשב בהתאם למדיניות התחזוקה, נקבע את מרווחי הזמן לכל טיפול ונקבע בהתאם לניסיון והוראות היצרן את כמות הפריטים שיש להשתמש בכל טיפול. כך נוכל לקבוע את הצריכה העתידית של כל פריט ומכאן הדרך לעיתוד המלאי קצרה וברורה.

כיצד ננהל את פריטי תחזוקת השבר? לכך נצטרך לבצע עבודת ניתוח מורכבת יותר

ניתוח זמן בין תקלות MTBF , הוראות ייצרן וניתוח רגישות ABC

עיתוד מלאי לפריטים המשמשים בתחזוקת שבר היא סבוכה ודורשת ניתוח מורכב יותר וניצול הניסיון המקצועי שנצבר בארגון.

בשלב ראשון יש לבחון את הוראות היצרן. כל יצרן ציוד מחויב להגדיר את סט חלקי החילוף למוצר. הבעיה עם המלצות היצרן הן שההמלצות כוללות רכישת פריטים רבים העונים על כל סוגי התקלות  בהסתברות הגבוה ביותר, כלומר העלויות שהמלצת היצרן מגדיר הן בדרך כלל גבוהות מאוד ומכסות את כל המקרים האפשריים. אם מדובר במכונה או ציוד קריטיים, יתכן ונמלא אחר הוראות היצרן. אבל בדרך כלל לא נצטייד בכלל הפריטים על פי המלצות היצרנים לכל המכונות והמערכות, אחרת נשלם כסף רב בצורה לא כלכלית.

אפשרות נוספת היא לנתח את ה MTBF של כל חלק במערכת, ה MTBF הוא הזמן שעובר חלק בין תקלה (שבר) לתקלה, זמן זה מסופק על ידי יצרן החלק. אמינות המערכת נגזרת מזמן ה MTBF הקצר.  ביותר מבין החלקים של אותה המכונה. על ידי ניתוח זה ניתן יהיה לחשב את כמות החלקים שיש לנהל במלאי.

אפשרות שלישית ומקובלת מאוד היא להגדיר מדד ABC לפריטים. הכוונה להגדיר מדד של חשיבות פריט לפעילות הארגון (לדוגמה: מזהים אילו מכונות קריטיות להפעלת המפעל ואילו חלקים קריטיים להפעלת אותן המכונות) ולאותם הפריטים הקריטיים ביותר נותנים את הסיווג A ולפריטים הפחות קריטיים נותנים את הסיווג C. שיטה זאת מקובלת פחות בפריטי תקלת שבר כיוון שתקלה יכולה להשבית את הפעילות ללא קשר לחשיבות הפריט (ABC) שהגדרנו לחלק. ובכל זאת במערכות רבות נהוג להגדיר חישוב לחשיבות כל חלק (חישוב ABC) המגדיר את הקריטיות לפעילות של כל חלק ונותן עדיפות לעיתוד המלאי לפי פריטי ABC.

עיתוד המלאי לפריטים איטיים

פריטים איטיים הנם פריטים שאינם בשימוש ברוב הזמן. מקובל להגדיר פריטים איטיים לפריטים שאינם פריטים עונתיים, לדוגמה: מוצרים שנמכרים רק בפסח או פריטים שנצרכים בכל שטיפת קו אינם נחשבים לפריטים איטיים.

הקושי בעיתוד המלאי לפריטים איטיים נובע מהבעייתיות לחשב תחזית לצריכה עתידית לאותם הפריטים, זאת כיוון שמבחינה סטטיסטית קשה לחשב צריכה לסדרות עם מעט דגימות והרבה "אפסים".

לצורך כך פותחו נוסחאות סטטיסטיות מתקדמות המאפשרות לבצע חישוב להחלקה אקספוננציאלית לסדרות המכילות הרבה מספרי אפס. הסתברות זאת נקראת "הסתברות בדידה" או בשמה המקצועי Discrete Distributions, בעזרת הסתברות זו, תוך הגדרת רמת השרות הרצויה וזמני האספקה, ניתן לחשב הסתברות לצריכה לפריטים איטיים.

לאחר חישוב הצריכה העתידית, ניתן לחשב את ערכי עיתוד המלאי על פי הכלים הסטנדרטיים.

בפרק הבא אציג שיטות מתקדמות לניתוח חריגים בניהול תחזיות צריכה.

צור אמיתי, מנכ״ל חברת הייעוץ ASC, המתמחה בליווי חברות וארגונים לשיפור התחרותיות והרווחיות, תוך התמקדות בייעול שרשרת האספקה ובשיפור תהליכים בניהול הרכש, ניהול הייצור, ניהול המלאי, ניהול ההפצה, ניהול התכנון וניהול המכירות והשיווק. הנציגה הבלעדית של תוכנת Forecast Pro בישראל.

ליצירת קשר:   08-9300363  amitai@asc-il.co.il     www.asc-il.co.il

מאת: צור אמיתי

במאמר זה אציג את השיטות המקובלות לניהול הקצאות, קביעות ושינויים בתחזית

לפני שאציג את נושא ההקצאות נזכיר מהם השינויים והקביעות שאנו מבצעים בתבליך בניית התחזית.

בניית תחזית – תהליך סטנדרטי

כאמור בניית התחזית מתחילה באמצעות חישוב התחזית על בסיס הפעילות ההיסטורית של המוצרים. בעזרת תוכנות מתקדמות, כדוגמת Forecast Pro אנו מקבלים חישוב אוטומטי ומהיר של התחזית ע"י אלגוריתם לבחירה אוטומטית של שיטת החישוב האופטימלית לכל מוצר ושורה בתחזית. בנוסף לנתונים ההיסטוריים אנו יכולים להזין לתוכנה נתונים נוספים המשפרים את חישוב התחזית, כגון: מבצעים, אירועים שונים שהשפיעו על התנהגות המוצרים וישפיעו גם בתקופת התחזית העתידית (Events) , משקלים לתקופות (Weights), עדכון נתונים חריגים (Outliers)  .

התחזית המתקבלת מהחישובים נקראת "תחזית סטטיסטית" והיא נשמרת בבסיס הנתונים כתחזית שחושבה בתקופה הנוכחית לתקופות הבאות.

בנוסף לתחזית הסטטיסטית ניתן לטעון למערכת תחזיות חיצוניות, לדוגמה: תחזיות שהתקבלו מלקוחות, או הזמנות פתוחות עתידיות שהתקבלו מלקוחות. במקרים אילו יתכן ונרצה להחליף את התחזית הסטטיסטית למוצר בתחזית אחרת. התחזית האחרת נקראת Baseline. כך נוצרת תחזית המשלבת תחזית סטטיסטית ותחזית Baseline.

לאחר שהתקבלה התחזית המחושבת אנו נדרשים לעדכן אותה בהתאם לידע הקיים בחברה. לתהליך זה של קביעות ושינויים בתחזית קוראים Overrides והוא כולל התייחסויות של אנשי המכירות, השיווק, שרשרת האספקה והכספים. בתהליך ה Overrides אנו משנים את מספרי התחזית בהתאם להערכות ומידע הקיים בחברה.

עד כאן תיאור התהליך הסטנדרטי של בניית תחזית מעודכנת. זהו תהליך החוזר על עצמו בכל תקופת תחזית (בדרך כלל בכל חודש או שבוע). עכשיו ניתן להרחיב בנושא ההקצאות.

מה הם ההקצאות (Allocations) ולמה הם משמשים ?

כאשר אנו מעדכנים את התחזית, יתכן והעדכון יתבצע ברמה גבוה בהיררכית התחזית ולא ברמה הנמוכה ביותר. כאמור קובץ התחזית בנוי ברמה היררכית, לדוגמה: רמה עליונה: הכל , רמה שניה: לקוחות, רמה שלישית:  משפחת מוצרים, ורמה תחתונה: המוצרים

ראה תרשים של מבנה היררכי שבדוגמה:

יתכן והמידע שיתקבל מהמכירות יתבסס על רמת הלקוח, לדוגמה: לקוח א צפוי להגדיל את הרכישות שלו ב 20% ברבעון הבא.

במקרה זה נצטרך להגדיל את סה"כ התחזית ב 20% ללקוח א. כדי לבצע זאת נכון אנו צרכים להגדיל גם את התחזית לכל משפחת מוצרים הנמצאת מתחת ללקוח א ולכל מוצר הנמצא מתחת למשפחת המוצרים. כיצד לבצע את השינויים בכל רמות ההיררכיה של התחזית ?

כיצד נחלק את  20% המוצרים הנוספים הצפויים להתקבל מלקוח א ? אנו צרכים להגדיר יחס חלוקה שיאפשר לנו לחשב את הכמות בתחזית לכל מוצר ולכל משפחת מוצרים תחת לקוח א'. יחס זה של חלוקת המוצרים נקרא הקצאה או Allocations.

היחס הסטנדרטי של ההקצאה Allocations מוגדר כיחס של התחזית לפני השינויים שביצענו. כלומר 20% של התוספת של המוצרים "יתפזרו" בין המוצרים על פי יחס התחזית ביניהם.

דוגמה מסובכת יותר היא כי המכירות מספקים מידע על כך שלקוח א יגדיל את המכירות ב 20% והייצור ידרוש הקטנה של ייצור מוצר A. במקרה זה צריך להתחשב בשני אילוצים המתקבלים ברמה שונה (הלקוח ברמה 2 והמוצר ברמה 4)

בתוכנות מתקדמות לניהול תחזיות כדוגמת תוכנת Forecast Pro, קיים כלי לניהול השינויים והקביעות ומתבצע חישוב השינויים והעמסות בצורה אוטומטית. במקרים מיוחדים ניתן להזין לתוכנה ייחס הקצאה Allocations שונה מיחס התחזית. מקרה זה יתבצע רק אם אנו יודעים במדויק את יחס ה Allocations במציאות.

דוגמאות להקצאה של שינויים

דוגמה 1 – מבנה היררכי כללי בשלוש רמות (הכל / קבוצות / פריטים)

הסימונים:  F = תחזית סופית , S = תחזית סטטיסטית , O = שינויים שביצענו לתחזית

דוגמה 2 –  קבענו כי לפריט A1 תהיה תחזית של 75 (ולא 1 כפי שמופיע בתחזית הסטטיסטית S )

ראה את השינויים המתקבלים בקבוצה A ובסך כל התחזית (האות F היא התחזית הסופות)

דוגמה 3 – קבענו כי לקבוצה B התחזית היא 75

ראה חלוקה מטה לפריטים ומעלה לכללי

דוגמה 4 – שינוי בשתי רמות שונות בא זמנית, כל התחזית שונתה ל 500 ומוצר A1 שונה ל 75

ראה איך המערכת מחלקת את יתרת המוצרים על פי יחס התחזית הסטטיסטית

דוגמה 5 – שינוי ברמה הכללית ל 500 ובמוצרים A1 ו A2

כיוון שאילצנו את קבוצה A לקבל 150 (במקום 200 , כיוון ששני הפריטים בקבוצה נקבעו על 75 כל אחד) שינתה המערכת את היחס בהתאם ולקבוצה B הוגדרו 350 פריטים ולמוצרי הקבוצה הוגדרה התחזית בהתאם ליחס התחזית הסטטיסטית

דוגמה 6 – בדוגמה זאת נקבעה תחזית לכל המוצרים למעט מוצר אחד

המערכת תקצה תחזית סופית בהתאם לכל האילוצים

דוגמה 7 – זהו מקרה מיוחד, קיימת סתירה בין הקביעות תחת קבוצה B

במידה ואפשרנו לתוכנת התחזיות לחשב תחזית שלילית יתקבלו התוצאות המוצגות בתרשים ופריט B2 יקבל תחזית סופית שלילית.

במידה ולא אפשרנו לתוכנה לחשב תחזית שלילית (כפי שקיים במרבית התחזיות) נקבל הודאת שגיאה מהתוכנה ובקשה לשנות את הקביעות כך שיהיו אפשריות.

בפרק הבא אציג שיטות לחישוב תחזית לפריטי תחזוקה ופריטים איטיים.

צור אמיתי, מנכ״ל חברת הייעוץ ASC, המתמחה בליווי חברות וארגונים לשיפור התחרותיות והרווחיות, תוך התמקדות בייעול שרשרת האספקה ובשיפור תהליכים בניהול הרכש, ניהול הייצור, ניהול המלאי, ניהול ההפצה, ניהול התכנון וניהול המכירות והשיווק. הנציגה הבלעדית של תוכנת Forecast Pro בישראל.

ליצירת קשר:   08-9300363   amitai@asc-il.co.il      www.asc-il.co.il

מאת: צור אמיתי

במאמר זה אציג את השיטות והכלים הקיימים לניהול תהליך S&OP בארגון.

בשנים האחרונות אנו שומעים יותר ויותר ארגונים המעוניינים ליישם תהליך S&OP. מהו אותו להליך, מה הם הכלים ליישום, מהם הקשיים והאתגרים לכך ומדוע אנו שומעים לא מעט על חברות שהפסיקו או נכשלו ביישום התהליך. כיצד ניתן ליישם S&OP בצורה רציפה וממוחשבת, ,

מהו תהליך S&OP (Sales and operations planning)

תהליך S&OP – Sales and operations planning הינו תהליך ניהול שהומצא בשנת 1980 על ידי אוליבר וויט (Oliver Wight) ומטרתו היא ליצור תהליך מובנה המתאם את כל הפעילויות העסקיות של האגון לצורך עמידה ביעדיו.

התהליך מבוסס ניהול תחזית לפעילות העתידית של הארגון , בחינה ותאום כל הפעולות העסקיות של הארגון אל מול התחזית הצפויה וביניהם: תכנון המכירות, תכנון הייצור, תכנון המלאי, תוכנית התקציב, תוכנית פיתוח מוצרים חדשים, תוכנית השקעה באמצעים ועוד.

התהליך מיושם על ידי הקמת צוות S&OP המורכב מנציגים של כל הגופים בארגון. הצוות נפגש בכל תקופה (פגישות שבועיות, דו שבועיות וחודשיות) והמתאם את פעולות הארגון.

תהליך יישום S&OP

תהליך יישום ה S&OP מורכב מפעילויות חודשיות המכוונות לביצוע פעולות שיגרמו לארגון לעמוד בתוכנית העסקית השנתית שלו, התוכנית נקראת Annual Operations Plan (AOP) וכוללת את יעדי המכירות.

בכל חודש יתבצעו סידרת פעולות הכוללות תחזיות המכירה Demand ואת תוכנית האספקה המותאמת של הארגון (ייצור / אספקה ) Supply

מטרת הצוות היא לתאם בין התחזית לאספקה ולעמידה ביעדים AOP

ראה תרשים כללי של התהליך החודשי

מהם האתגרים העומדים בתהליך יישום S&OP

תהליך ה S&OP הוא תהליך הגיוני ואינטואיטיבי ונראה שהו פשוט ליישום, אבל בפועל תהליך זה נתקל בלא מעט אתגרים שעל הארגון לחצות בהצלחה. ואילו יכולות הם דורשים מצוות היישום?

1. בניית שפה אחידה ומשותפת לכל הגופים בארגון

האתגר הראשון הנו לייצר שפה משותפת לכל הגופים בארגון. בדרך כלל גופים שונים בארגון מדברים במושגים שונים, לדוגמה: הכספים רואה את נתוני המכירות של החברה בערכים כספיים ומסווג אותם לפי מבנה התקציב שהוגדר, התפ"י מתבונן על במכירות במונחים של כמויות לפי סוגי מוצרים, המכירות והשיווק רואים את המכירות על פי הלקוחות וערוצי ההפצה.

לכן אחד מהאתגרים החשובים ביותר בבניית תהליך ה S&OP הוא "לייצר" שפה משותפת הברורה לכל הגורמים בארגון ולא פחות חשוב, ניתן להמיר את המושגים בין השפות השונות (כלומר ניתן להמיר כל נתון מכסף לכמות או לפלח על פי ערוצי הפצה וכו)

בתהליך יצירת השפה המשותפת אנו מגדירים "היררכיה" המסכמת את נתוני המכר של החברה בהתאם לרמות שהוגדרו. לדוגמה: היררכיה המורכבת לפי – סה"כ – מדינה – לקוח – משפחת מוצרים – מוצר.

בנוסף אנו נדרשים להגדיר את יחידות המידה (יחידות המרה) לנתוני ההיררכיה. לדוגמה: מחיר ב $ , מחיר ב ₪ , כמות , משטח, מכולה, וכו..

במאמרים הקודמים הצגתי את החשיבות של ניהול היררכית הנתונים לצורך ניהול התחזית, כאן אנו רואים שישנה חשיבות נוספת למבנה ההיררכיה ויש צורך להתחשב גם בתחזית וגם בצרכי השפה המשותפת של הארגון.

2. ניהול תחזית

התחזית היא הכלי המרכזי בתהליך ה S&OP. ללא ניהול תחזית טובה יכשל כל יישום ה S&OP כיוון שכל תכלית התהליך הוא לכוון את פעולות הארגון בהתאם לתחזית ומול מטרות הארגון.

התחזית והפער בין התחזית לתוכנית העסקית של הארגון, משמשת את צוות ה S&OP להבין אילו פעולות צריך לבצע כדי לעמוד ביעדים. לדוגמה: אם בתוכנית העסקית של הארגון אנו צרכים למכור מוצר X ב 100,000$ ובתחזית אנו צפויים למכור רק 60% מהמוצר X, הצוות צריך לזהות את הפער ולהמליץ אילו פעולות לבצע כדי לעמוד בייעד.

מקובל בחלק משיטת יישום ה S&OP לחלק את התחזית והתוכנית העסקית לתקופה קצרה, לקופה בינונית ותקופה ארוכה. אורך כל תקופה נקבע בהתאם לאופי פעילות החברה.

3. ניהול השינויים והתאמת התוכניות בהתאם למסקנות הצוות

מרבית פעולות צוות ה S&OP מוקדש לשינויים ועדכונים התוכניות. זהו תהליך מורכב בדורש לשמור על תאימות ומסגרת אחידה.

לדוגמה: אם הוחלט להגביר את משאבי הייצור למוצר מסוים, כדי לעמוד בדרישות השוק, צריך להגדיר אילו מהמוצרים "יפסידו" משאבי ייצור (בהנחה שקושר הייצור שלנו מוגבל) ומה יקיצד שה ישפיע על אותם המוצרים.

אתגר נוסף קשור ביכולת התיעוד של השינויים הרבים. לאחר תקופה נרצה לנתח את פעילות הצוות וללמוד מהם הפעולות שתרמו להצלחה ומה הם הפעולות שלא תרמו. לשם כך נידרש לנהל תיעוד הקושר את הפעולות שביצע הצוות לזמן הביצוע ולשינוי שהוצע ביחס לתוכנית הרגילה.

4. ניהול הנתונים

אחד מהאתגרים הגדולים בניהול S&OP הוא היכולת לנהל נתונים רבים ולהמירם לשפה משותפת אחת. בנוסף אנו נדרשים "למרוח" את הנתונים על פני התחזית שיצרנו לכל תקופה ועל פי השפה המשותפת שיצרנו.

אם לא נשתמש בכלים ממוחשבים לביצוע המשימה בכל תקופה מחדש, אנו נמצא את עצמנו "טובעים" בים של עבודה סיזיפית: הקלדת אלפי נתוני מכירות וחישוב התחזית בכל רמה וסגמנט, המרת הנתונים לכל נתון ותרגום התוצאה ליחידות שונות ברמות היררכיה שונות.

יישומים רבים של S&OP בארגונים שונים נכשלו או פסקו מלפעול, לאחר שהושקעו בהם זמן ומשאבים רבים, כיוון שתהליך ניהול ותחזוקת צוות ה S&OP גרם לעומס רב על המשתתפים ולעבודה סיזיפית ומתישה.

כלים לניהול ה S&OP

כיום ישנם כלים מתקדמים המאפשרים לנהל את נתוני ה S&OP בצורה ממוחשבת ואוטומטית. כלים אילו מאפשרים להתממשק לנתוני המכר ונתונים נוספים הדרושים לניהול ה S&OP, להגדיר היררכיה על פי הגדרות הארגון, לחשב תחזית מתגלגלת ולהציג כל נתון על פני התחזית, במבנה ההיררכי שהוגדר וביחידת המידה הרצויה.

מערכת Forecast Pro הינה המערכת המובילה לניהול תחזיות ו S&OP, בעזרת המערכת אנו מנהלים את כל שלבי התחזית, היררכית הנתונים והמרות, תיעוד השינויים וחישוב "מריחת" הנתונים והשינויים על פני התחזית.

המערכת יוצרת ארכיון מתועד של כל תחזית או שינוי, בכל רמה בהיררכיה המקושר לכל מחזור זמן. ניתן לבצע סימולציות וחישוב פערים באופן מובנה.

בעזרת כלים ממוחשבים הפועלים באופן אוטומטי ומאפשרים גמישות, אינטגרציה וניהול תיעוד , הופכת משימת צוות ה S&OP לאפשרית.

ארגון שזכה לנהל תהליך S&OP יצליח לעמוד ביעדיו ולשפר באופן מתמי את ביצועיו.

בפרק הבא נצלול אל מרכיבי חישוב התחזית ונכיר לעומק את ההשפעות של המרכיבים השונים על תוצאות החישוב.

צור אמיתי, מנכ״ל חברת הייעוץ ASC, המתמחה בליווי חברות וארגונים לשיפור התחרותיות והרווחיות, תוך התמקדות בייעול שרשרת האספקה ובשיפור תהליכים בניהול הרכש, ניהול הייצור, ניהול המלאי, ניהול ההפצה, ניהול התכנון וניהול המכירות והשיווק. הנציגה הבלעדית של תוכנת Forecast Pro בישראל.

ליצירת קשר:   08-9300363   amitai@asc-il.co.il    www.asc-il.co.il

מאת: צור אמיתי

במאמר זה אציג את השיטות והכלים הקיימים לניהול תחזית למוצר חדש.

בניית תחזית למוצר מבוססת על ניתוח נתוני הצריכה ההיסטוריים של המוצר על פני זמן. כאשר אנו נדרשים לנהל תחזית למוצר חדש שעדיין לא נימכר, חסרים נתונים היסטוריים של צריכת המוצר ולכן איננו יכולים להשתמש בכלים הסטנדרטיים הקיימים ואנו נדרשים להשתמש בשיטות ובכלים ייעודיים למצב זה של "מוצר חדש".

מהו מוצר חדש

אנו מכנים "מוצר חדש" לאותם הפריטים שאין להם היסטוריית צריכה.

ניתן לחלק את הפריטים המכונים "מוצר חדש" למספר סוגים:

• מוצר חדש המחליף מוצר אחר – לדוגמה: הוחלפה האריזה למוצר פעיל ולכן הוחלף מספר הקטלוג של המוצר. מבחינת קובץ הנתונים ההיסטוריים מדובר על מוצר שונה, למרות שהלקוחות מתייחסים למוצר החדש באופן זהה להתייחסותם למוצר הישן.
• מוצר חדש עם חיי מדף קצרים השייך למשפחת מוצרים עם חיי מדף קצרים – לדוגמה: מוצרי הלבשה המוחלפים בכל קולקציה, ניתן לשייך כל פריט למשפחת מוצרים (למשל: חולצות טריקו) הפריטים השייכים לאותה המשפחה מתחלפים בכל עונה.
• מוצר "חדש בעולם" – הכוונה למוצר חדש המופיע בשוק ולא ניתן לשייך אותו לשני הסיווגים הקודמים. לדוגמה: מוצר חדש שפותח וברצוננו להחדירו לשוק, או מוצר שמיובא לארץ ומוחדר לשוק בפעם הראשונה.

למוצר חדש אין היסטוריית מכירות ולכן אנו נדרשים להפיק תחזית למוצר בעזרת שיטות עבודה וכלים השונים ממה שמקובל בניהול תחזית למוצרים עם נתונים היסטוריים.

האחדת נתונים היסטוריים למוצרים תחליפיים

השיטה המקובלת להתמודד עם בניית תחזית לפריטים תחליפיים הנה האחדת נתוני הצריכה ההיסטוריים של שני הפריטים בקובץ הנתונים ההיסטוריים.

ההיגיון מאחורי שיטה זאת מניח כי הלקוחות אינם רגישים לשינוי בין המוצר הישן למוצר החדש (החלפת אריזה / החלפת מקור הייצור / שינוי גרסה וכו…) ולכן הדרישה מהלקוחות למוצר אינה משתנה והיא מיוצגת על ידי איחוד נתוני הצריכה של שני המוצרים.

חישוב התחזית בעזרת השימוש ב Top-Down

למוצרים עם חיי מדף קצרים קשה לחשב תחזית על בסיס היסטוריה קצרה. לצורך חישוב הצריכה בצורה אמינה אנו נדרשים לחשב בתחזית מגמה ועונתיות, אולם לא ניתן לחשב נתונים אילו על בסיס היסטוריית צריכה קצרה.

למזלנו, בדרך כלל ניתן לסווג את המוצרים עם חיי המדף הקצרים למשפחות. כמו בדוגמה בתחילת המאמר, מוצרי טקסטיל מחולקים באופן טבעי למשפחות ותת משפחות. גם בתעשיות שונות אחרות ניתן למצוא מוצרים עם חיי מדף קצרים המסווגים למשפחות.

משפחת המוצרים (המכילה מוצרים עם חיי מדף קצרים) מתקיימת לאורך תקופה ארוכה יחסית. לכן ניתן לחשב את התחזית למשפחת המוצרים ולקבל נתוני מגמה ועונתיות. לאחר קבלת החישוב לתחזית למשפחת המוצרים, ניתן "להוריד" את התחזית למוצרים הנכללים במשפחה. שיטה זאת נקראת Top-Down. הסבר על שיטת Top-Down הצגתי באחד מהמאמרים הקודמים.

שיטות וכלים לחישוב תחזית למוצר "חדש בעולם"

לחישוב תחזית למוצר "חדש בעולם" מקובל להשתמש בכלים מתקדמים המיועדים לכך. זאת כיוון שלא ניתן להשתמש בשיטות המבוססות על נתונים היסטוריים.

במאמר זה אציג שתי שיטות נפוצות:

מודל Bass Diffusion

מודל Bass Diffusion מחשב את תחזית המוצר החדש על בסיס 3 ערכים:

• ערך המייצג את הלקוחות החלוצים שאוהבים לרכוש מוצרים חדשים (Coefficient of Innovation )
• ערך המייצג את הלקוחות ה"עדר" שמגיעים אחרי לקוחות "החלוצים" (Coefficient of Imitation )
• פוטנציאל השוק של המוצר החדש

בעזרת מודל Bass Diffusion והערכים המוזנים, ניתן לחשב את התחזית כפונקציה של התנהגות טיפוסית למוצר חדש. בתוכנות מתקדמות לניהול תחזית כגון Forecast Pro ניתן לבצע חישוב של התחזית על בסיס המידע הקיים ולאפשר לתוכנה לעדכן את המודל לאחר קבלת נתוני צריכה ראשוניים של המוצר.

מודל By Analogy

מודל By Analogy מחשב את התחזית למוצר חדש על בסיס סידרת נתונים המייצגים התנהגות טיפוסית של מוצר חדש.

בניגוד לשיטת Bass Diffusion המנהלת מבנה טיפוסי אחד, בשיטת By Analogy ניתן לבחור בכל סידרת נתונים. בתוכנות מתקדמות לניהול תחזית, כדוגמת תוכנת Forecast Pro, ניתן "לייצר" סידרת נתונים על בסיס התנהגות היסטורית של מוצרים אחרים. כך ניתן ליצור מעין "בנק" של התנהגויות טיפוסיות של מוצרים ולהשתמש בכל פעם במבנה מתאים לחיזוי צריכה של פריט חדש.

תוכנת Forecast Pro מאפשרת לנהל את מודל ה By Analogy בצורה אוטומטית לאחר תקופת מכירות קצרה של המוצר החדש, על בסיס קבלת נתוני המכירות מחשבת התוכנה את התנהגות המוצר הצפויה וממליצה על שיפור מודל התחזית בהתאם.

בפרק הבא אציג את הכלים והשיטות לניהול S&OP

צור אמיתי, מנכ״ל חברת הייעוץ ASC, המתמחה בליווי חברות וארגונים לשיפור התחרותיות והרווחיות, תוך התמקדות בייעול שרשרת האספקה ובשיפור תהליכים בניהול הרכש, ניהול הייצור, ניהול המלאי, ניהול ההפצה, ניהול התכנון וניהול המכירות והשיווק. הנציגה הבלעדית של תוכנת Forecast Pro בישראל.

ליצירת קשר: 08-9300363   amitai@asc-il.co.il    www.asc-il.co.il

מאת: צור אמיתי

במאמר זה אציג את הכלים לניהול שינויים ועדכונים לתחזית הצריכה.

הקמה וניהול תחזיות צריכה כוללת מספר שלבים המאפשרים לקבל תחזית מדויקת. כשלב ראשון אנו בונים קובץ נתונים היסטורי הכולל את נתוני הצריכה היסטורית בפועל. רצוי לנהל קובץ נתונים לתקופה היסטורית ארוכה ככל הניתן, למשל נתוני מכירת חודשיות ל 5 השנים האחרונות. כפי שסקרתי במאמרים קודמים, ניתוח הקובץ בעזרת כלים מתקדמים לניהול תחזיות, כדוגמת תוכנת Forecast Pro, מאפשר לזהות התנהגויות סטטיסטיות ולחשב תחזית לכל שורה בקובץ הנתונים ההיסטוריים. בניגוד לעבודה עם אקסל, שבו אנו מסתפקים בניתוח מספר קטן של נתונים, כלים מתקדמים יכולים להפיק תחזית מדויקת בעזרת ניתוח כמות גדולה של נתונים היסטוריים.

בקובץ הנתונים ההיסטורי אנו מגדירים היררכיה של נתונים. לדוגמה: ניתוח המכירות בפועל לפי משפחות מוצרים , לקוח והמוצרים (SKU).

אנו מנהלים את התחזית על פי ההיררכיה שהגדרנו, כלומר לכל שורה בקובץ נפיק תחזית מתאימה.

נסמן את ההיררכיה שהגדרנו במבנה הסטנדרטי: 1-2-3-4 (סה"כ / משפחת מוצרים / לקוח / SKU)

ראה תמונה המציגה את התחזית בדוגמה על פי המבנה ההיררכי:

בדוגמה מוצגת ההיררכיה (בצד שמאל) לסה"כ (Total) משפחות המוצרים (Muffins , Cakes) לקוחות (Stuff-Mart, Grocery-Land, Food-King, Sids-Club) והמוצרים.

תוכנת Forecast Pro מחשבת לכל פריט בהיררכיה את התחזית בעזרת חישובים סטטיסטים של נתוני המכר ההיסטוריים.

לאחר חישוב התחזית הסטטיסטית, המבוצעת באופן אוטומטי בעזרת תוכנות מתקדמות, יש לנהל מספר שלבים נוספים המשפרים את התחזית. במאמר זה איני מרחיב ומפרט את השלבים כיוון שהמאמר מתרכז בתהליך השינויים (Overrides), רק אציין כי השלבים הנוספים כוללים תיקון נתונים היסטוריים חריגים (Outliers) , ניהול אירועים (Events) המכיל את כל נושא המבצעים, החגים וכן חוסרים, וניהול משקלים לתקופות (Weights) . בסיום שלבים אילו אנו מקבלים את תחזית סטטיסטית

ניהול Overrides – הוספת עדכונים ושינויים לחישוב התחזית הסטטיסטית

חישבנו את תחזית סטטיסטית הטובה ביותר האפשרית על בסיס הנתונים ההיסטוריים. אולם במציאות העתיד אינו מבוסס רק על אירועי העבר. ישנם גורמים רבים המשפיעים על המכירות העתידיות. לא לכל השפעה עתידית על המכירות ניתן לבנות מודל מתמטי. במקרים רבים אנו יודעים להעריך בצורה טובה מה תהיה הצריכה לכל מוצר, לעיתים  אנו יכולים להעריך פחות או יותר בכמה אחוזים יעלה או ירד הביקוש למוצר בעקבות אירועים חיצוניים, כגון התנהגות המתחרים, שינויים בשוק או פעילות שיווקית מוגברת.

לצורך כך אנו מנהלים עדכונים לתחזית המשנים את התחזית הסטטיסטית ויוצרים תחזית צריכה המקובלת על כל הגורמים בארגון. בתוכנות מתקדמות לניהול תחזיות כדוגמת תוכנת Forecast Pro, קיים מנגנון משוכלל המאפשר לבצע שינויים בתחזית ותיעוד של אותם השינויים.

השינוי הבסיסי שאנו מנהלים ב Overrides הינו "דריסה" של ערך התחזית שחושבה לפריט בערך חדש.

ראה תמונת מסך לשינוי התחזית בחודשיים הקרובים

בתמונת המסך מוצג שינוי לתחזית למק"ט (SKU) BLU-12-11 ללקוח Sids-Club, התחזית לחודשים יולי ואוגוסט שונו ל 7,500 יחידות בכל חודש. תוכנת Forecast Pro מסמנת את היררכית המק"ט (בעץ ההיררכיה בצד שמאל) בצבע אדום ואת השינויים שבוצעו בטבלה ובגרף התחזית.

שינוי התחזית יכל להתבצע בצורה מורכבת יותר. לדוגמה סיכמנו עם הלקוח Food-King על תוכנית הנחות וקידום מכירות למוצרים בקטגוריית Muffins, לכן אנו מעריכים כי הלקוח Food-King יעלה את הביקוש למוצרים בקטגוריה Muffins ב 25% בחודשים אוקטובר נובמבר ודצמבר. במקרה זה השינוי המתבקש הוא ברמה מספר 3 בהיררכיה שלנו ולא ברמה 4 כפי שהצגנו בדוגמה הקודמת. תוכנת Forecast Pro תדע לחשב תוספת של 25% לסך כל התחזית ברמה 3 ללקוח Food-King לקטגוריית Muffins ולחשב לכל מוצר ברמה 4 תחת אותה היררכיה את התוספת היחסית ברמת המוצר.

שינוי מורכב נוסף בתחזית יכל להתייחס לשינוי במבנה ההיררכיה. לדוגמה, אנו יודעים כי צפוי חוסר במוצר COR-12-11 וכתוצאה מחוסר זה אנו צפויים לקצץ באספקת המוצר ב 15,000 פריטים בכל חודש. במבנה הסטנדרטי של התחזית בדוגמה שלנו, מוצר COR-12-11 מופיע 4 פעמים תחת לקוחות שונים. כיצד ניתן לקצץ בתחזית המוצר ב 15,000 מוצרים בחודש ולחלק נכון את החוסר בין שורות התחזית של אותו המוצר?. הפתרון לכך הוא לשנת את סדר ההיררכיה מ 1-2-3-4 ל  1-4-2-3 כך שההיררכיה תאפשר להציג את המוצר COR-12-11 כראש הענף ולעדכן את התחזית פעם אחת למוצר. תוכנת Forecast Pro תאפשר לשנות את סדר ההיררכיה ולשמור על עדכוני התחזית בהתאם.

ראה תמונת מסך של שינוי סדר ההיררכיה בדוגמה לצורך עדכון השינויים במוצר COR-12-11

ראה בתמונה החלון ההיררכיה בצד שמאל, כי מבנה ההיררכיה השתנה ומוצר COR-12-11 מופיע בראש הענף. לתחזית למוצר זה קוזזו 15,000 מוצרים בכל חודש.

שינוי נוסף המקובל בניהול Overrides הנו שינוי ביחידות מידה שונות. יחידות מידה הן יחידות המחושבות כיחס המרה מהמידה הסטנדרטית , לדוגמה: מחיר מכר בדולרים, כמות משטחים, משקל בטון וכו. אם נרצה לעדכן את התחזית בשינויים על גידול צפוי במכירות למשפחת מוצרים Cakes ב 25,000$ תאפשר לנו תוכנת Forecast Pro לקבל את נתוני התחזית ביחידת מידה "דולר" וכך נוכל לעדכן את התחזית ברמת ההיררכיה המתאימה (בדוגמה שלנו, רמה 2 משפחת מוצרים Cakes) וביחידת מידה "דולר".

ראה תמונת מסך לשינוי התחזית בתוספת של 25,000$ למשפחת מוצרי ה Cakes.

בפרק הבא אציג את נושא ניהול תחזית למוצר חדש.

צור אמיתי, מנכ״ל חברת הייעוץ ASC, המתמחה בליווי חברות וארגונים לשיפור התחרותיות והרווחיות, תוך התמקדות בייעול שרשרת האספקה ובשיפור תהליכים בניהול הרכש, ניהול הייצור, ניהול המלאי, ניהול ההפצה, ניהול התכנון וניהול המכירות והשיווק.

ליצירת קשר:   08-9300363  amitai@asc-il.co.il     www.asc-il.co.il

בתהליך ניהול תחזיות מתקדם אנו מייצרים תחזית של המכירות העתידיות ומחשבים את הטעות הסטטיסטית של התחזית. תחזית המכירות משמשת את הארגון לצורך תכנון מהלכיו העתידיים וחתירה לעמידה ביעדיו.

אחד מהשימושים העיקריים של התחזית הינו לנהל את תכנון החומר. ניהול החומר כולל את תכנון הרכש, תכנון הייצור ותכנון המלאי.

הכלי המרכזי בניהול תכנון החומר נקרא  MRP (Material Requirements Planning), במרבית מערכות ה ERP המתקדמות קיים מודול MRP הפועל על פי עקרונות תכנון דרישות החומר המקובלים.

נתוני התחזית משמשים את מערכת ה MRP לצורך תכנון החומר (רכש וייצור) לתקופה העתידית. ככל שזמני הרכש והייצור ארוכים יותר ביחס לזמני האספקה ללקוחות, עולה החשיבות של נתוני התחזית. בארגונים הפועלים בשווקים בהם לא מקובל לקבל הזמנות מלקוחות מראש ולתקופה ארוכה, התלות בנתוני התחזית הופכים לקריטיים וללא נתוני תחזית אמינים לא ניתן לעמוד בביקוש. לכן ארגון שלא מנהל תחזיות יתקשה לעמוד בזמני אספקה ללא אחזקת מלאי גבוה של מוצרים מוגמרים.

עקרונות הפעולה של מערכת MRP

מערכת MRP הנה הכלי המרכזי בתכנון החומר, התוצאה של הרצת מערכת ה MRP היא המלצות לרכש והמלצות לפקודות עבודה. במערכות מתקדמות של MRP ( MRPII ) ניתן לחשב בנוסף גם "החלקה" של אמצעי הייצור והחומר תוך התחשבות בקיבולת אמצעי הייצור (חישוב קיבולת סופית).

מערכת ה MRP מחשבת את הדרישה לחומר על פי הדרישה למוצרים (Demand), הדרישה למוצרים מחושבת על פי שלושה סוגי Demand:

• הזמנות מלקוחות
• תחזית צריכה
• מלאי ביטחון

הזמנות מלקוחות מתקבלות ומוזנות למערכת ה ERP, מערכת ה MRP מתחשבת בהזמנות אילו כצריכה עתידית.

תחזית הצריכה מוזנת למערכת ה ERP. למערכות ERP שונות יש כלים שונים לניהול נתוני התחזיות. במערכות ERP מתקדמות ניתן לנהל את נתוני התחזיות בחתכים שונים (לפי לקוחות, לפי משפחות מוצרים וכו). כלי נוסף וחשוב הנו היכולת לקזז בין התחזית להזמנות מלקוחות, בהמשך המאמר ארחיב על החשיבות ומשמעות הקיזוז בין התחזית להזמנות מלקוחות.

מלא הביטחון משקף את "אי הידיעה" של התחזית, בהגדרה מתמטית ניתן להגדיר את מלאי הביטחון כסטיית התקן של חישוב התחזית.  את נושא חישוב מלאי הביטחון הצגתי במאמר קודם " ניהול תחזית – שימוש בתחזית לצורך ניהול ועיתוד המלאי". מלאי הביטחון מוזן למערכת ה ERP והוא משמש במודול ה MRP ככמות קבועה של דרישה מהמוצר, בנוסף לכמות הצריכה הצפויה העתידית (כאמור, מלאי הביטחון משקף אץ "אי הידיעה" של הצריכה העתידית)

מערכת ה MRP מחשבת על פני ציר הזמן את החומר שיש לרכוש ואת החומר שיש לייצר בהתאם להגדרת עץ המוצר והמלאי הקיים. חישוב ה MRP לוקח בחשבון גורמים שונים בחישוב הדרישות לחומרים:

• מלאי מוצרים מוגמרים
• מלאי ביטחון למוצרים מוגמרים
• כמות מינימום לאספקה
• כפולות לאספקה (גודל אריזה)
• פקודות עבודה בתהליך (כולל חומר בתהליך WIP)
• זמני ייצור
• ימי עבודה ומספר משמרות (זמני עבודה)
• עץ המוצר (כולל פחת)
• זמני אספקה מרכש
• צפי לקבלת חומרים מהזמנות רכש
• מלאי חלקים / חומרים
• מלאי ביטחון חלקים / חומרים

מערכת ה MRP "רצה" על כל הנתונים הקיימים במערכת ומחשבת את כמות המוצרים שצריך לספק בהתאם לדרישות. במידה וחסרים מוצרים לתקופת הזמן שהוגדרה, מחשבת מערכת ה MRP את הפעולות (פקודות עבודה והזמנות רכש) וכמויות החומר שיש להזמין , על פי התקן, וכן את הזמן המאוחר ביותר שיש לבצע כל פעולה.

בהתאם לנתונים אלו ולחישוב ריצת ה MRP מופק דו"ח המלצות הכולל סוגי המלצות שונות הכוללות את ההמלצות הבאות:

• המלצות להוצאת פקודות עבודה
• המלצות להוצאת הזמנות רכש מספקים
• המלצות לשינוי או ביטול כמויות מהזמנות רכש פתוחות (הקדמה או הרחקת זמני אספקה מרכש)
• התראות על איחור במועד האספקה ללקוח וחישוב מועד חדש על פי זמני התקן וזמינות החומר העתידי.

מערכת ה MRP מרסנת מצד אחד את צריכת החומרים ומצד שני שומרת על רמות מלאי מספקות. יתרונה של השיטה הוא בכך שלאורך זמן ניתן לעמוד בדרישות הלקוחות ולהצטייד בחומר מבעוד מועד כיוון שחישוב ה MRP הנו דינאמי ומתייחס לנתונים בפועל.

דוגמה: חזינו כי בשלושת החודשים הקרובים נצרוך 50 יחידות בכל חודש ממוצר A  (צריכה קבועה של 50 יחידות לחודש) והגדרנו מלאי ביטחון של 25 יחידות למוצר. המערכת המליצה לנו להצטייד ב 75 יחידות לחודש הראשון ( 50 לצריכה ועוד 25 מלאי ביטחון). בפועל נרכשו בחודש הראשון 32 יחידות. המערכת תמליך לחדש מלאי של 32 יחידות לחודש השני ( 50 לצריכה ועוד 25 מלאי ביטחון, במלאי קיים 43 יחידות). בפועל בחודש השני נרכשו 67 יחידות, המערכת תמליץ לחדש מלאי של 67 יחידות לחודש השלישי. וכך הלאה. ראינו שלמרות שהתחזית הייתה קבועה ל 50 יחידות בחודש ומלאי הביטחון היה קבוע על 25 יחידות, מערכת ה MRP המליצה להשלים את המלאי בהתאם לצריכה בפועל.

חישוב הקיזוז ב MRP בין תחזית להזמנות מלקוחות

כאשר מנהלים תחזית לצורך חישוב ה MRP יש להגדיר את היחסים בין נתוני הזמנות מלקוחות לנתוני התחזית. זאת כיוון שאיננו רוצים לחשב את הצריכה העתידית פעמיים.

לדוגמה: אם חזינו כי בעוד חודשיים נמכור 100 יחידות ממוצר A, ועד היום התקבלו הזמנות מלקוחות של 30 יחידות ממוצר A לעוד חודשיים. סה"כ הצריכה שיש לחשב למוצר A לעוד חודשיים היא 100 יחידות ולא 130 (100 יחידות בתחזית ועוד 30 יחידות מהזמנות לקוחות). כלומר אנו נקזז את 30 היחידות שבגינן קיבלנו הזמנות מתוך 100 היחידות שהגדרנו בתחזית. במידה וכמות ההזמנות מלקוחות תעלה על הכמות שהגדרנו בתחזית, נתחשב בכמות זאת לצורך חישוב ה MRP. לדוגמה: אם הוזמנו מלקוחות 140 יחידות לעוד חודשיים, ובתחזית הוגדר 100 יחידות לעוד חודשיים, נתחשב ב MRP  ב 140 יחידות.

נושא הגדרת הקיזוז בין הזמנות מלקוחות לתחזית הוא קריטי לניהול MRP נכון. בדרך כלל איננו יכולים לחזות באופן מדויק את הצריכה, אולם בחישוב תחזית מתגלגלת ניתן לחזות בדיוק רב את סה"כ הכמויות על פני תקופה. לדוגמה: אנו לא יכולים לדייק בתחזית ולדעת בדיוק מתי תכנס הזמנת הלקוח, אבל על פני רבעון (3 חודשים) קל לנו יותר לדייק בתחזית.  לכן במערכות MRP  מתקדמות ניתן להגדיר חלון זמן להגדרת תחזית מתגלגלת וקיזוז כמויות מהזמנות לקוחות. ניתן להגדיר מספר תקופות "אחורה" ומספר תקופות "קדימה" בהן מתחשב אלגוריתם ה MRP לצורך קיזוז הכמויות בין התחזית להזמנות מלקוחות.

לדוגמה: ניתן להגדיר 4 שבועות "אחורה" ו 8 שבועות "קדימה" לקיזוז כמות ההזמנות מלקוחות. מערכת ה MRP תבדוק את החוסר במוצרים על פני 12 שבועות ( 4 שבועות שעברו מהיום + 8 שבועות עתידיים) אל מול התחזית וההזמנות שהתקבלו מלקוחות.

בשיטה זו אנו "מחליקים" על פני הזמן את חוסר הידיעה לגבי זמן קבלת ההזמנות מלקוחות, ומקטינים את הסיכוי לעודפים וחוסרים במלאי.

בפרק הבא ארחיב בנושא ניהול הערכות חיצוניות לתחזית הסטטיסטית ו Overrides , תוך שינוי סדר ההיררכיה ויחידות המידה.

צור אמיתי, מנכ״ל חברת הייעוץ ASC, המתמחה בליווי חברות וארגונים לשיפור התחרותיות והרווחיות, תוך התמקדות בייעול שרשרת האספקה ובשיפור תהליכים בניהול הרכש, ניהול הייצור, ניהול המלאי, ניהול ההפצה, ניהול התכנון וניהול המכירות והשיווק.

ליצירת קשר:   08-9300363  amitai@asc-il.co.il    www.asc-il.co.il

מאת: צור אמיתי

בניית תחזית טובה מבוססת על ניתוח נתוני העבר וחישוב נוסחת ניבוי סטטיסטית לעתיד. במקרים רבים קיים קושי לחשב נוסחת ניבוי טובה על בסיס נתוני העבר כיוון שהנתונים הקיימים אינם מאפשרים זאת. אנו מכנים נתונים היסטוריים ש"מפריעים" לחישוב תחזית כ"נתונים רעים".

כאן המקום להזכיר כי ניתן לחשב את אמינות התחזית שחושבה על פי מדדים סטטיסטים, כדוגמת המדדים: MAPE (Mean Absolute Percent Error) ו Mean Absolute Deviation)) MAD. הסבר על מדדים אילו ומדדים נוספים נסקרו במאמר קודם " ניהול תחזית – כלים למדידת דיוק ואמינות התחזית".

נתונים היסטוריים "רעים"

מה הם אותם הנתונים ההיסטוריים הרעים המשבשים את יכולת חישוב תחזית טובה. בדרך כלל מדובר בנתונים ה"קופצים" באופן חריג כלפי מעלה או כלפי מטה, כלומר הנתונים ההיסטוריים מראים על התנהגות לא סדירה של המוצר באופן שלא ניתן להסבירו.

במאמר קודם בשם " ניהול תחזית – שימוש בעזרים Helpers לחישוב השפעת חגים, מבצעים ומשקלים לצורך קבלת תחזית מדויקת " הצגתי את הכלים לניהול אירועים. ה"אירועים" הינם גורמים המשפיעים על התנהגות המוצר בצורה משמעותית, לדוגמה: מבצעים, חגים, חוסר במלאי וכו.. ניהול האירועים מאפשר לחשב תחזית מדויקת על ידי זיהוי השפעת אירוע על התנהגות חריגה של המוצר.

במקרים רבים איננו יכולים להסביר את ההתנהגות החריגה של המוצר, גם לא בעזרת אירוע. התנהגות חריגה יכולה לנבוע למשל מדיווח לא אחיד למערכת המלאי (לדוגמה: תיקון נתון המלאי באופן יזום) או מהשפעת גורמים שלא מזוהים, קיים גם גורם המקריות שאינו ניתן להסבר (לדוגמה: קניות רבות מגורמים שונים באותו הזמן). התנהגות היסטורית חריגה ולא מוסברת של פריט יוצרת סדרת נתונים "רעים" המקשה על חישוב מדויק של התחזית.

זיהוי התנהגויות חריגות Outliers

כיצד ניתן להגדיר ולזהות התנהגויות חריגות בנתונים ההיסטוריים של מוצר ? כדי לקבל תשובה לשאלה חשובה זאת אצטרך להסביר תחילה מהו ה Fitted Value או בקיצור Fit וכיצד מחשבים אותו.

ה Fit הינו החישוב של נוסחה הסטטיסטי שנבחרה לצורך בנית התחזית. לדוגמה: אם בחרנו לחשב את התחזית בעזרת נוסחה פשוטה של ממוצע נע של 3 חודשים, נחשב את ה Fit על בסיס נוסחה זאת גם לתקופות ההיסטוריות של המוצר.

תמונה 1 – (כדי לצפות בתמונה לחץ על הקישור " פרטים נוספים" המופיע בסיום מטה) הצגת היסטוריית המוצר, חישוב ה Fit וחישוב התחזית בתוכנת Forecast Pro

תמונה 1 ניתן לראות את קו ההיסטוריה בצבע ירוק, את קו ה Fit בצבע אדום (מתחילת נתוני ההיסטוריה ועד לקו השחור המאונך המציין את תאריך ההווה) ואת קו חישוב התחזית באדום (וקו ההווה לאורך 12 חודשי התחזית)

חישוב ה Outliers מבוצע בעזרת חישוב סטיית התקן של התחזית וה Fit. אנו מגדירים את מספר סטיות התקן שמעבר להן הקריאה נחשבת לסטייה חריגה.

מקובל להגדיר כ 4 סטיות תקן לגבול בין סטייה מקובלת של הנתונים לסטייה חריגה. במקרים מסוימים ניתן להגדיר 3 סטיות תקן לגבול המגדיר י חריגה.

תמונה 2 – (כדי לצפות בתמונה לחץ על הקישור " פרטים נוספים" המופיע בסיום מטה) חישוב הנתונים ההיסטוריים החריגים Outliers בתוכנת Forecast Pro

בתמונה 2 ניתן לראות את היסטורית הנתונים של המוצר בצבע ירוק בהיר ואת נתוני ההיסטוריה המתוקנים בצבע ירוק קהה. שני הקווים מתאחדים וניתן לראות את ההיסטוריה בצבע ירוק קהה. בחודש אחד מתפצלים הקווים לשנים וניתן לראות את הקו הירוק בהיר המייצג את נתוני ההיסטוריה וקו ירוק קהה המתאר את ההיסטוריה המתוקנת ללא סטייה.

בתוכנות מתקדמות לניהול תחזיות כדוגמת תוכנת Forecast Pro מבוצע חישוב אוטומטי של הסטיות ההיסטוריות והתוכנה מציעה "היסטוריה מתוקנת" ללא הסטיות שחושבו.

התוכנה מאפשרת לאנליסט לקבוע האם לחשב את התחזית באופן אוטומטי על בסיס ההיסטוריה המתוקנת או שתבחר הדרך החצי אוטומטית, כך שכל סטייה תיבחן לגופה והאנליסט יקבע האם יש צורך "לתקן" את ההיסטוריה או שאין צורך בכך וחישוב התחזית יושפע גם מהסטיות החריגות. ההחלטה האם יש צורך לתקן את הנתונים ההיסטוריים הינה החלטה מקצועית וחשובה של האנליסט.

השימוש בתיקון הנתונים ההיסטוריים בעזרת ה Outliers מאפשר להקטין את "הרעש " בחישוב בתחזית ולאפשר לתוכנה לזהות את ההתנהגות הטיפוסית של המוצר, כולל מגמה ומחזוריות.

שימוש מושכל ב Outliers יכל לחסוך את הצורך לנהל עשרות, מאות ולעיתים גם אלפי אירועים שונים בתחזית. במקרים רבים מאפשרת העבודה עם Outliers לנהל רק את האירועים המרכזיים והמשפיעים ביותר על התנהגות המוצר ו"לזנוח" את הניהול של אירועים רבים בעזרת ניהול Outliers.

בפרק הבא אציג כיצד משלבים את נתוני התחזית עם מערכת ה MRP לתכנון הרכש והייצור, ובאילו משתנים יש להתחשב בהגדרות ה MRP לצורך תכנון אמין יותר.

צור אמיתי, מנכ״ל חברת הייעוץ ASC, המתמחה בליווי חברות וארגונים לשיפור התחרותיות והרווחיות, תוך התמקדות בייעול שרשרת האספקה ובשיפור תהליכים בניהול הרכש, ניהול הייצור, ניהול המלאי, ניהול ההפצה, ניהול התכנון וניהול המכירות והשיווק.

ליצירת קשר:   08-9300363  amitai@asc-il.co.il    ww.asc-il.co.il

מאת: צור אמיתי

ניהול תחזיות מבוסס על נתוני העבר, בעזרתם מחשבים את ה Baseline של התחזית באמצעות כלים סטטיסטים, והערכות אנשי המקצוע לגבי העתיד, בעזרתם מבצעים עדכונים ל Baseline התחזית (ראה הסבר מפורט במאמר הקודם " ניהול תחזיות – כיצד משלבים את הערכות השיווק והמכירות עם חישוב התחזית הסטטיסטית " ).

אולם במקרים רבים התנהגות צריכת המוצרים או השירותים אותם אנו מנסים לחזות מושפעת מגורמים אחרים המשפיעים בצורה דרמטית על הצריכה. לצורך חישוב תחזית מדויקת יותר וקבלת Baseline מדויק, אנו משתמשים בעזרים הנקראים " Helpers" . עזרים אילו בנויים מאירועים (Events) ומשקלים (Weights).

בפרק זה אגדיר מה הם אותם עזרים ולמה הם משמשים.

גורמים המשפיעים על ניתוח נתוני העבר וחישוב התחזית יכולים להיות חגים, מבצעים, פרסום וכו. אנו מכנים את הגורמים האלו בשם "אירועים". במרבית התחומים בהם מנהלים תחזיות חשוב לנהל את האירועים ולהבין את השפעתם על היסטורית הצריכה ועל התחזית.

סוגי אירועים

כאמור אירועים (Events) הם גורמים המשפיעים על התנהגות הצריכה. בין סוגי האירועים שמקובל לסווג ולנהל בתהליך ניהול התחזיות  ניתן לציין את המקובלים שביניהם:

• אירועי חגים – לחגים יש במקרים רבים השפעה על הצריכה, בעיקר בחברות הפועלות בתחום המזון ומוצרי הצריכה . כיוון שהחגים העברים (גם החגים המוסלמים) אינם מסונכרנים עם התאריך הלועזי, יוצא כי חג מופיע בכל שנה בחודש שונה. לכן חשוב לציין את החגים המשפיעים על הצריכה כאירועים ולנהל מעקב אחר אותם האירועים והשפעתם על התחזית.
• אירועי  מבצעים – מבצעים מטבעם משפיעים בצורה דרמטית על הצריכה. בחברות שונות מנהלים בצורות שונות את הרישום של מבצעים. חשוב לקטלג את המבצעים לסוגי מבצעים ולנהל לכל קבוצת מבצעים סוג אחד של אירוע. כך ניתן יהיה לחשב ולהבין את השפעת האירוע על הצריכה.
• אירועי פרסום – פרסומות באמצעי התקשורת השונים משפיעות על הצריכה. גם פעולות של קידום מכירות משפיעות על הצריכה. בחברות העושות שימוש בפרסום וקד"מ חשוב לנהל אירועים מסוג זה בתהליך ניהול התחזיות.
• אירועי חוסר – הכוונה באירועי חוסר היא למצב בו קיים חוסר במוצר מכל סיבה שהיא (תקלה בייצור, בעיה ביבוא, בעיית איכות, טעות בתכנון וכו..). חוסר משפיע בצורה מוחלטת על הצריכה וגורם לה להיות נמוכה ביחס למצב הנורמאלי. חשוב לתעד את אירועי החוסר ולהיעזר בתיעוד זה בשלב חישוב התחזית.
• אירועי השלמת חוסר – בדרך כלל לאחר שקיים חוסר משלימים את החוסר. כתוצאה מהחוסר נוצר ביקוש גבוה וכשמשלימים את החוסר מתממש הביקוש גבוה בצורה חדה. חשוב לנהל את אירועי השלמת החוסר כדי להבחין בביקוש החריג ולהתחשב בו כחלק מניהול התחזית.

ניהול אירועים בתחזית

כדי לנהל תחזית טובה צריך להתחשב באירועים ולהבין את השפעתם על היסטורית הצריכה. אם נבין את השפעת כל אירוע על כל מוצר בעבר נרוויח פעמיים: מצד אחד נוכל לחשב את התנהגות המוצר בעבר ולקבל את התנהגותו הטיפוסית, בקיזוז השפעת האירוע, אם לא נקזז את השפעת האירוע מהעבר נחשב בטעות התנהגות טיפוסית לא נכונה ונקבל Baseline שגוי. מצד שני אם הצלחנו לחשב את השפעת האירוע על המוצר, נוכל להיעזר בנתון זה ולחזות טוב יותר את העתיד, הכולל אירועים דומים בעתיד (כגון חגים, מבצעים, פרסום, הידועים לנו מראש).

כדי להבין את השפעת מוצר לאירוע מסוג מבצע, אנו נדרשים לנהל תחזית ברמה שתאפשר להגדיר את היסטורית המכירה של מוצר לערוץ הפצה המנהל את המבצע. לדוגמה: אם אנו מוכרים מוצר מסוים לרשתות שיווק שונות, ובכל רשת מנהלים מבצעים באופן שונה, כדי להתחשב באירועי המבצעים יהיה צורך לנהל תחזית ברמה של נתוני כל מוצר לרשת שיווק.

כיצד מנהלים את האירועים? לשם כך צריך לבצע חישובים לא פשוטים המחלצים את השפעת כל אירוע על כל מוצר. בתחזית טיפוסית אנו מנהלים שורות רבות (לפעמים אלפי שורות או עשרות אלפי שורות) לכן כדי לחשב את השפעת אירועים רבים על שורות היסטוריה רבות נידרש לפעול בעזרת מערכות מתקדמות לניהול תחזיות, כדוגמת מערכת Forecast Pro העושה שימוש באלגוריתמים סטטיסטים מתקדמים, ומחשבת את השפעת האירועים השונים על המוצרים בצורה אוטומטית ומהירה.

ניהול סידרת אירועים של חגים עבריים בתוכנת Forecast Pro  (ראה תמונה בלחיצה על כפתור מטה " לפרטים נוספים")

ניתוח השפעת אירועים על כל מוצר בתוכנת  Forecast Pro (ראה תמונה בלחיצה על כפתור מטה " לפרטים נוספים")

ניהול משקלים

תחזית מחושבת לפי תקופות. מקובל לנהל תחזיות לפי תקופות של חודש או שבוע (12 חודשים בשנה או 52 שבועות בשנה). בחישוב רגיל, אנו מניחים שכל תקופה זהה לתקופות האחרות.

משקלים (Weights) הם מקדמים שאנו נותנים לכל תקופת זמן בתחזית. לדוגמה: בתחזית צריכה חודשית אפשר לתת משקל שונה לכל חודש על פי ימי העבודה בכל חודש, כך יוצא שלחודש פברואר בשנת 2011 היו 22 ימי עבודה ולחודש פברואר בשנת 2012 היו 20 ימי עבודה . אם לא ניתן משקל כלל אנו נחזור להנחה שכל התקופות זהות.

אפשר לבחור במפתח אחר למתן משקל, לדוגמה: בחברה אמריקנית לייצור ושיווק בירה מצאו כי המפתח הטוב ביותר למשקל החודשי הוא מספר ימי סוף השבוע בכל חודש. הסתבר כי צריכת הבירה מתבצעת בעיקר בימי סוף השבוע. לכן המשקל של כל חודש היה 4 או 5 בהתאם למספר סופי השבוע שהיו בכל חודש.

בפרק הבא אציג כלים לאיתור נתוני צריכה היסטוריים חריגים  Outliers וכיצד ניתן לשפר בעזרתם את בניית התחזית.

צור אמיתי, מנכ״ל חברת הייעוץ ASC, המתמחה בליווי חברות וארגונים לשיפור התחרותיות והרווחיות, תוך התמקדות בייעול שרשרת האספקה ובשיפור תהליכים בניהול הרכש, ניהול הייצור, ניהול המלאי, ניהול ההפצה, ניהול התכנון וניהול המכירות והשיווק.

ליצירת קשר:   08-9300363  amitai@asc-il.co.il     www.asc-il.co.il

מאת: צור אמיתי

בניית תחזית טובה מבוססת על שילוב נכון בין חישוב תחזית סטטיסטית לבין הערכות לתחזית של אנשי השיווק והמכירות . כיצד מנהלים את הערכות של המכירות העתידיות ומשלבים אותן עם החישובים הסטטיסטיים ? את התשובה לשאלה חשובה זאת  אציג במאמר זה.

היעדים והתחזית של השיווק והמכירות

בכל חברה המנהלת שיווק ומכירות מקובל לנהל תחזיות המבוססות על הערכות אנשי השיווק והמכירות. החלוקה בין תפקידי השיווק לבין תפקידי המכירות תלויה מאוד בסוג החברה, בתרבות הארגונית ובשוק בו פועלת החברה. בדרך כלל נוח להגדיר את ההבדל בין הגופים בטווח ההשפעה של פעילותם, אנשי השיווק פועלים בטווח הרחוק יותר של פיתוח השוק הפוטנציאלי ואילו אנשי המכירות פועלים בטווח הקצר יותר של סגירת ההזמנות מול הלקוחות.

מקובל כי שני הגופים, גם השיווק וגם המכירות, פועלים על פי יעדים שהוגדרו מראש. שיטת היעדים מדרבנת את אנשי השיווק והמכירות לעמוד ביעדי המכירה בעזרת  שכר תגמול על פי השגת היעדים.

הפעילות השוטפת של אנשי המקצוע, בשיווק ובמכירות, בהגדרת יעדי המכירה והחתירה לעמידה בהם, יחד עם היכרות מעמיקה של שוק היעד, עבודה מול הלקוחות וניתוח מתמיד של הפעילות , היכולת לזהות ההזדמנויות העסקיות והסיכונים, כל אילו גם יחד מפתחים אצל אנשי המקצוע יכולת טבעית "לחזות את העתיד" ולנבא "מהבטן" בצורה טובה את הפעילות העתידית של החברה.

המגבלות של התחזית "מהבטן"

ישנן חברות המבססות את התחזית שלהן על יכולת הניבוי של אנשי המקצוע בלבד (תחזית "מהבטן"). זאת שיטה מוגבלת היכולה לגרום לנזק, בעיקר בגלל תופעת ה"קונספציה" אשר מוכרת מתחומים שונים. תופעה זאת גורמת לאנשי המקצוע לקיבעון תפיסתי ואינה מאפשרת להם לזהות מגמות ושינויים באופן אובייקטיבי.

גם העובדה שאנשי המקצוע מתחומי השיווק והמכירות "מוטים כלפי מעלה" ונוטים להיות אופטימיים, בגלל הדחף להצליח ולהגדיל את המכירות, גורמת לתחזית שהם מייצרים להיות אופטימית מידי.

בנוסף, בניית תחזית שתשמש את הארגון לניהול התכנון הלוגיסטי והמלאי מחייבת לנהל תחזית הכוללת אלפי שורות (לפעמים גם עשרות אלפי או מאות אלפי שורות) המפרטות את התחזית לכל מוצר בכל ערוץ הפצה ובכל יעדי המלאי. את התחזית יש לעדכן בכל תקופה, בדרך כלל כל חודש או שבוע. זאת עבודה סיזיפית הדורשת לעבור על כמות רבה של חומר באופן רציף .

למרות כל המגבלות שצוינו בבניית תחזית על פי אנשי המקצוע, התחזית "מהבטן" מבוססת על מידע וידע רב וחשוב הקיים אצל אנשי המקצוע וחשוב להשתמש בידע וניסיון זה לצורך בניית תחזית מדויקת.

המגבלות של התחזית הסטטיסטית

התחזית הסטטיסטית מבוססת על ניתוח סטטיסטי של היסטורית הפעילות. כפי שהצגתי בפרקים הקודמים מטרת הניתוח הסטטיסטי היא למצוא את מאפייני ההתנהגות של המוצרים הכוללים: מגמה / מחזוריות / עונתיות והשפעות של אירועים. על בסיס הניתוח ניתן לחשב את התחזית לכל פריט ואת אמינות התחזית (סטיית התקן של התחזית).

אולם גם לתחזית על בסיס חישוב סטטיסטי ישנם מגבלות וחולשות והיא כשלעצמה יכולה "לפספס" את העתיד מעבר לסטיית התקן שחושבה. בניתוח הסטטיסטי חסר לנו מידע רב וחשוב המשפיע על התחזית, דוגמאות למידע שאינו נכלל בחישוב התחזית בשיטה הסטטיסטית:

• מידע על הפעילות העתידי של הלקוחות
• מידע על הפעילות העתידית של המתחרים
• השבתה עתידית או מחסור צפוי בעתיד
• פעילויות חיצוניות עתידיות המשפיעות על השוק (האטה כלכלית, שינויי חקיקה ומיסוי, שינוי תקנים וכו)

למרות החסרונות שהזכרתי, היתרונות של התחזית הסטטיסטית, כאשר פועלים בעזרת מערכות מתקדמות לניהול תחזיות, כדוגמת מערכת Forecast Pro העושה שימוש באלגוריתמים סטטיסטים מתקדמים, עולים לעין שיעור על החסרונות של השיטה.

שילוב הערכות השיווק והמכירות עם התחזית הסטטיסטית

החוכמה וסוד ההצלחה בניהול תחזיות הינה היכולת לשלב בין התחזית הסטטיסטית להערכות אנשי המקצוע מהשיווק והמכירות. כיצד בונים תחזית משולבת כזאת ?

השיטה הנהוגה לכך ומוטמעת במערכות מתקדמות לניהול תחזיות כדוגמת Forecast Pro הינה לנהל תחזית סטטיסטית כבסיס לתחזית, על כל מגוון המוצרים, ועל בסיס התחזית הסטטיסטית לבצע שינויים בהתאם להערכות אנשי המקצוע.

את השינויים שמבצעים על התחזית הסטטיסטית ניתן להפיק במספר שיטות חישוב:

• Overrides – "דריסה" של הערך בתחזית הסטטיסטי והחלפתו בערך אחר המגיע מאנשי המקצוע. בשיטה זו אנו מקבלים עדכונים מאנשי המקצוע לגבי הכמויות שהם מעריכים שהמוצרים יימכר ומחליפים את הערך של התחזית הסטטיסטית. לדוגמה: איש המכירות מעדכן כי הלקוח הבלעדי של מוצר A אמר לו כי הוא מתכוון להזמין רק 200 יחידות בחודש נובמבר. בהתאם לכך נשנה את התחזית של מוצר A לכמות של 200 יחידות בחודש נובמבר.

• Incremental – שינוי התחזית הסטטיסטית בתוספת או הפחתה של כמות המכירות "המצטברת". בשיטה זו אנו מעדכנים את התחזית הסטטיסטית בתוספת או בהפחתה של הכמויות הצפויות למכירות. לדוגמה: איש המכירות מדווח שהחברה אמורה לקבל הזמנה גדולה מלקוח חדש של 5,000 יחידות ממוצר A בעוד כ 5 חודשים. בתחזית הסטטיסטית חישבנו כי מוצר A יימכר ב 6,000 יחידות בעוד 5 חודשים. בעקבות הנתון שקיבלנו מאיש המכירות אנו נוסיף לכמות שחושבה בתחזית הסטטיסטית למוצר A עוד 5000 יחידות לעוד 5 חודשים כך שהתחזית החדשה למוצר A לעוד 5 חודשים תעמוד על 11,000 יחידות.

• אחוזים – שינוי התחזית הסטטיסטית באחוזים. בשיטה זו אנו מעדכנים את התחזית הסטטיסטית באחוזים כלפי מעלה או כלפי מטה. לדוגמה: אשת השיווק מדווחת כי היא מוציאה אל הפועל פעילות שיווקית של פרסום והיא חוזה כי כל המוצרים בקטגוריה H יעלו בעוד 35% ברבעון הקרוב. בהתאם למידע שהתקבל מאשת השיווק, אנו מעלים את התחזית הסטטיסטית של המוצרים בקטגוריה H בעוד 35% ברבעון הקרוב.

את הפעילות של הפקת תחזית סטטיסטית ועדכון הנתונים בהתאם להערכות אנשי המקצוע אנו מבצעים כל תקופה (בדרך כלל שבועית או חודשית). חשוב מאוד לתעד את כל השינויים שאנו מבצעים בתחזית בכל תקופה. התיעוד של השינויים מאפשר לנו לנתח את אמינות התחזית בפועל ואת הגורמים שהשפיעו על הצלחת התחזית או אי הצלחתה. במערכות מתקדמות לניהול תחזיות, כדוגמת Forecast Pro מנהלים באופן אוטומטי את התיעוד של כל השינויים שבוצעו בתחזית, בכל תקופה, ומתאפשר לנתח לפרטים את הסיבות להצלחה או אי הצלחה בחיזוי ואת הגורמים לכך, לצורך שיפור מתמיד של התחזית.

מסך ניהול עדכונים לתחזית ודו"ח תיעוד אוטומטי לעדכונים במערכת Forecast Pro

בפרק הבא אציג את השיטות לניהול מבצעים ואירועים בניהול התחזית

צור אמיתי, מנכ״ל חברת הייעוץ ASC, המתמחה בליווי חברות וארגונים לשיפור התחרותיות והרווחיות, תוך התמקדות בייעול שרשרת האספקה ובשיפור תהליכים בניהול הרכש, ניהול הייצור, ניהול המלאי, ניהול ההפצה, ניהול התכנון וניהול המכירות והשיווק.

ליצירת קשר: 08-9300363     amitai@asc-il.co.il      https://www.asc-il.co.il/l

מאת: צור אמיתי

ניהול תחזית בצורה נכונה מאפשר להגדיר את רמת המלאי האופטימלית. במאמר זה אציג את השיטות והכלים העומדים לרשותנו לצורך חישוב מדויק ואמין של רמות המלאי.

סטית התקן

בבניית תחזית אנו משתמשים בכלים סטטיסטים לניתוח הפעילות ההיסטורית של המוצר ובמידע משלים. כמו בכל ניתוח סטטיסטי אנו מקבלים תוצאה של הסתברות, כלומר אנו יכולים לחשב את ההסתברות להתממשות התחזית. במילים אחרות אנו יודעים מהו הסיכוי שהתחזית תתממש (או לא תתממש) את הסיכוי להתממשות התחזית ניתן להגדיר כסטיית התקן של התחזית (Standard deviation). התוצאה של סטיית התקן של התחזית למוצר מגדירה  את אי הידיעה שלנו לגבי התנהגות המוצר בעתיד.

לדוגמה: נשתמש לדוגמה שלנו במאמר זה בשני מוצרים המתנהגים באופן שונה, מוצר 1 מתנהג באופן די קבוע ובכל שבוע הצריכה שלו נעה סביב 100 יחידות, בשינויים קטנים. חישוב התחזית למוצר 1 תהיה 100 יחידות לכל חודש. סטיית התקן של התחזית למוצר 1 תהיה עם סטית תקן קטנה יחסית והיא מבטאת את אי הידיעה לגבי התנהגות המוצר בעתיד. מוצר 2 מתנהג באופן שונה ופחות צפוי, בכל שבוע הצריכה של המוצר נעה סביב 100 יחידות אבל בשינויים גדולים, תוצאות חישוב התחזית למוצר 2 יהיו 100 יחידות לכל חודש. סטיית התקן של התחזית למוצר 2 תהיה גדולה יחסית והיא מבטאת את אי הידיעה לגבי התנהגות המוצר בעתיד. ראה את הדוגמה בתרשים 1 מטה (לצפייה במאמר בגרסה המודפסת הכוללת תרשימים ותמונות, לחץ על הקישור "לפרטים נוספים"  בתחתית העמוד)

התנהגות שני המוצרים שונה וניתן לראות את התנהגותם ההיסטורית בתרשים 1.

בטבלה מטה ניתן לראות את תוצאות חישובי הממוצע וסטיית התקן של כל מוצר (לצפייה במאמר בגרסה המודפסת הכוללת תרשימים ותמונות, לחץ על הקישור  "לפרטים נוספים"  בתחתית העמוד)

אם נחשב את התחזית למוצרים 1 ו 2 על בסיס ניתוח סטטיסטי בלבד, נקבל לשני המוצרים תחזית זהה של 100 יחידות לשבוע, לשבועות הבאים. אבל סטית התקן של שני המוצרים שונה, סטיית התקן מגלמת כאמור את אי הידיעה לגבי התנהגות המוצר בעתיד. כיצד ניתן להשתמש בנתון זה ? על מה הוא משפיע?

רמת השרות

רמת השרות הוא נתון שבעזרתו מגדירים את זמינות המוצר, לדוגמה: אם אנו מעוניינים שבמחסן יהיה רמת שרות של 96% , המשמעות היא כי לכל 100 פעמים שנבקש לקבל את הפריט מהמלאי, נקבל לפחות 96 פעם את הפריט ולכל היותר לא נקבל את הפריט 4 פעמים, כיוון שהפריט אזל מהמלאי במחסן. את רמת השרות מגדירים באחוזים.

רמת השרות הינו כלי מרכזי בקביעת רמות המלאי, ככל שמבקשים רמת שרות גבוה יותר, כך נדרשים לנהל רמות מלאי גבוהות יותר.

זמן האספקה

זמן האספקה, או בשמו הלועזי Lead time))  LT , מגדיר את הזמן הנדרש לזמינות החומר. בדרך כלל מגדירים זמני תקן לאספקה על פי סוג הפעילות: זמן אספקה לרכש, זמן אספקה לייצור, זמן אספקה למשלוח ללקוח וכו. זמן האספקה משפיע גם הוא על רמות המלאי.

כדי להסביר את רמת המלאי כיחס של צריכה וזמני אספקה למוצר, נהוג להשתמש במודל הפשוט של "שיניי מסור" המוצג בתרשים מטה:

תרשים 2 (לצפייה במאמר בגרסה המודפסת הכוללת תרשימים ותמונות, לחץ על הקישור "לפרטים נוספים"  בתחתית העמוד)

תרשים 2 מסביר את המודל הפשוט של שיניי מסור, המודל מניח שקצב הצריכה של המוצר על פני הזמן הוא קבוע, שזמני האספקה קבועים ושגודל המנה שאנו רוכשים גם הוא קבוע.

במודל זה, אם התחזית שלנו תהיה מדויקת לחלוטין אז לא נצטרך להשתמש כלל במלאי ביטחון, כיוון שנוכל לתכנן את ההזמנות כך שבדיוק כשיגמר לנו המלאי, יתקבל משלוח או מנה חדשה מהמוצר והמלאי יגדל שוב לרמתו המקסימלית שתכננו.

אבל בעולם האמתי קיימת אי וודאות ואנו לא יודעים בדיוק מה תהיה הצריכה של המוצר ומתי תגיע הזמנה לחידוש המלאי.

מלאי הביטחון

בעולם האמתי קיימים אי וודאויות הנובעים ממשתנים רבים, אנו לא יודעים מה יקרה בעתיד. לכן אנו משתמשים במלאי ביטחון. למעשה מלאי הביטחון למוצר אמור לשקף את חוסר הידיעה שלנו לגבי הכמות האמתית שנצטרך לספק מהמוצר בעתיד.

ראה תרשים 3 להצגת מלאי הביטחון במודל שיניי המסור (לצפייה במאמר בגרסה המודפסת הכוללת תרשימים ותמונות, לחץ על הקישור "לפרטים נוספים"  בתחתית העמוד)

מרבית הארגונים מחשבים את מלאי הביטחון שלהם על פי כללי אצבע פשוטים, למשל על פי מכפיל של הצריכה הצפויה.

נחזור לדוגמה שלנו: התחזית למוצר 1 הינה 100 יחידות בשבוע, בארגון שלנו  הוחלט שרירותית (לאחר דיוני  הנהלה מתישים)  כי מלאי הביטחון יחושב לפי חצי שבוע, כלומר מלאי הביטחון של מוצר 1 יהיה 50 יחידות. התחזית למוצר 2 הינה 100 יחידות בשבוע, לכן מלאי הביטחון למוצר 2 יחושב ל 50 יחידות.

אבל ברור לנו באופן אינטואיטיבי כי משהו כאן לא הגיוני, מוצר 1 מתנהג באופן די צפוי וסטית התקן שלו נמוכה, ואילו מוצר 2 מתנהג באופן לא צפוי וקיימת אי וודאות לגבי הכמות השבועית שנספק לשבועות הקרובים. בנוסף לא התייחסנו לרמת השרות המוגדרת לכל מוצר וכן לזמני האספקה.

לשם כך פותח מודל משוכלל יותר לחישוב מלאי הביטחון הכולל את מרכיבי אי הוודאות . במודל זה אנו נדרשים להתייחס לאי הוודאות של התחזית למוצר, לרמת השרות שאנו דורשים למוצר ולאי הוודאות של זמני האספקה למוצר.

ניתן לראות בברור כיצד נראה גרף התחזית למוצר 1 ולמוצר 2 מהדוגמה שלנו בתוכנת ניהול התחזיות Forecast Pro

גרף התחזית למוצר 1 (לצפייה במאמר בגרסה המודפסת הכוללת תרשימים ותמונות, לחץ על הקישור "לפרטים נוספים"  בתחתית העמוד)

גרף התחזיות למוצר 2 (לצפייה במאמר בגרסה המודפסת הכוללת תרשימים ותמונות, לחץ על הקישור "לפרטים נוספים"  בתחתית העמוד)

הקו הירוק בגרפים מציין את הביקוש ההיסטורי של המוצר, הקו האדום מציין את התחזית, הקו הכחול מציין את גבולות התחזית, המקביל להגדרת רמת השרות (הקו כחול העליון  מציין 96% לפי ההגדרה של רמת שרות 96%, הקו הכחול התחתון מציין 4%) הקו השחור המאונך מציין את הזמן הנוכחי בו מחושבת התחזית.

תוכנת Forecast Pro מחשבת לכל מוצר את טבלת הרגישות למלאי הביטחון בהתאם לרמת השרות וזמני האספקה. ראה תרשים 4

תרשים 4, נתוני תכנון המלאי למוצר 1 ומוצר 1. (לצפייה במאמר בגרסה המודפסת הכוללת תרשימים ותמונות, לחץ על הקישור "לפרטים נוספים"  בתחתית העמוד)

בטבלאות התכנון מוצג תוצאות החישוב לכל שורה לפי ה Lead time , מ 1 ועד 12 ( כך הגדרתי בהרצת התוכנה),.

בעמודת ה DDLT מחושבת כמות הדרישה למוצר לפי התחזית DDLT = Demand During Lead Time לכל תקופת זמן האספקה. בדוגמה שלנו כיוון שהתחזית היא ל 100 יחידות בכל שבוע, מחושב לכל שורה בטבלה כמות DDLT של מספר השבועות בשורה כפול 100.

בעמודת ה 96.0 Safety מחושב מלאי הביטחון לפי זמן האספקה ורמת שירות של 96%.

בעמודת Reorder Point מחושבת נקודת ההזמנה באופן הפשוט, חיבור בין מלאי הביטחון ו DDLT לזמן אספקה נתון.

לצורך הדוגמה שלנו, נניח שלשני המוצרים אנו דורשים רמת שרות של 96% ולשני המוצרים יש זמן אספקה של שבועיים.

אנו רואים כי למוצר 1 התחזית היא ל 100 יחידות בחודש, ה DDLT לשבועיים ( זמן האספקה של המוצר) הוא 200, מלאי הביטחון ברמת שרות 96% לזמן אספקה של 2 שבועות הוא 4 יחידות ונקודת הזמנה היא 204. כלומר כשרמת המלאי תגיע ל 204 אנו נזמין עוד 200 יחידות.

למוצר 2 התחזית היא 100 יחידות לחודש, ה DDLT, מלאי הביטחון הוא 85 ונקודת ההזמנה היא ב 285.

בניגוד לשיטת חישוב המלאי השרירותית הפשוטה, בחישוב על פי סטית התקן, רמת השרות וזמני האספקה, התקבל מלאי הביטחון הגיוני יותר המותאם להתנהגות המוצרים. (לצפייה במאמר בגרסה המודפסת הכוללת תרשימים ותמונות, לחץ על הקישור "לפרטים נוספים"  בתחתית העמוד)

חישוב מלאי ביטחון נכון יבטיח לצמצם את המקרים של עודף במלאי, כפי שעלול לקרות למוצר 1 , ולחוסר במלאי, כפי שעלול לקרות למוצר 2.

בפרק הבא אציג את השיטות לביצוע התערבות ושינוי בתחזית הסטטיסטי  – Overrides

צור אמיתי, מנכ״ל חברת הייעוץ ASC, המתמחה בליווי חברות וארגונים לשיפור התחרותיות והרווחיות, תוך התמקדות בייעול שרשרת האספקה ובשיפור תהליכים בניהול הרכש, ניהול הייצור, ניהול המלאי, ניהול ההפצה, ניהול התכנון וניהול המכירות והשיווק.

ליצירת קשר: 08-9300363   amitai@asc-il.co.il        www.asc-il.co.il

מאת: צור אמיתי

היכולת לבחון את דיוק התחזית שיצרנו הינה כלי מרכזי בניהול התחזית.

תחזית לא יכולה להיות מדויקת ב 100%, כל תחזית שנייצר לעתיד, תהיה מדויקת ככל שתהיה, תסטה מהמציאות בפועל. כיצד ניתן לחשב את הדיוק של התחזית ? זהו נושא מורכב, ביחוד כאשר מדובר בתחזית למוצרים רבים המתנהגים באופן שונה על פני הזמן: תחזית למוצרי צריכה, לחומרי גלם, לחלקי חילוף או למוצרי שירות.

במאמר זה אציג מספר מדדים וכלים המקובלים לחישוב דיוק התחזית, את היתרונות והחסרונות של כל מדד והתאמתו לעבודה בתנאים שונים.

מדדים סטטיסטים

בבניית תחזית סטטיסטית אנו נעזרים בכלים סטטיסטים לבחינת התחזית. הכלים הסטנדרטים מוצגים מטה, כלים אילו משמשים אותנו בהבנת טיב התחזית שיצרנו, גם לפני השימוש בתחזית.

לדוגמה, סטית התקן, או מדד Adj. R-square  הם כלים מצוינים להבנת טיב התחזית. להלן רשימה קצרה של המדדים הסטטיסטים והכלים שעוזרים לנו להבין את התחזית שיצרנו:

Sample size– גודל המדגם – מספר הדגימות ההיסטוריות שמאפשרות לתאר את המודל הסטטיסטי של התחזית.

No. parameters–  מספר המשתנים המתאימים במודל הסטטיסטי

Mean  –  ממוצע, הקו הממוצע של המדגם ההיסטורי

Std. deviation– סטית התקן, מדידת הפיזור של הנתונים ההיסטוריים סביב קו הממוצע

R-square –  זהו הערך של השונות המוסבר על ידי המודל הסטטיסטי של התחזית

Adj. R-square  –  זהו הערך הדומה לערך של השונות R-square בתוספת של התייחסות למספר המשתנים במודל. בדרך כלל נשתמש בערך זה ולא בערך של R-square הפשוט.

טעות התחזית הסטנדרטית

Forecast error טעות התחזית הסטנדרטית מחשבת את הפער הכמותי בין התחזית שהקמנו לכל תקופה למוצר (לדוגמה תחזית חודשית המציינת את הכמות החזויה למכירת המוצר בכל חודש בעתיד) לבין הכמות בפועל (הכמות בפועל שמכרנו מכל מוצר).

חישוב טעות התחזית לתקופה (t) הנה פשוטה ומוצגת מטה:

טעות התחזית (t) = הפעילות בפועל (t) – התחזית (t)

מדד MAPE

MAPE (Mean Absolute Percent Error)  הנו מדד המחשב את הממוצע של אחוז השגיאה המוחלטת, זהו מדד נפוץ מאוד לבחינת טעות התחזית על פני מספר תקופות. תוצאות המדד הן באחוזים ולכן ניתן להשתמש במדד בהשוואה בין מוצרים שונים ותחזיות שונות.

. מדד MAPE הנו פשוט לחישוב באקסל ומבוצע כפי שמוצג בתרשים (ראה צילום המאמר בקישור מטה: לפרטים נוספים)

מדד MAPE הוא מדד הפשוט לחישוב והבנה ומקובל מאוד בקרב חברות רבות בעולם לצורך מדידת איכות התחזית. כיוון שהתוצאה שלו מוצגת באחוזים, קל להציגו להנהלה ולעובדים. אולם למדד MAPE יש חסרונות, הוא אינו יכל להציג ערכים כאשר הפעילות בפועל היא אפס "0" כיוון שבנוסחה הפעילות בפועל נמצאת במכנה השבר. גם במקרים בהם מדובר על פעילות נמוכה מאוד מתקבלים ערכים קיצוניים למדד MAPE, לכן יש להיזהר בשימוש עם מדד MAPE לתחזית עם מוצרים איטיים.

מדד MAD

Mean Absolute Deviation MAD – זהו מדד המחשב את גודל השגיאה ביחידות. חישוב מדד MAD מחשב את ממוצע הטעויות המוחלטות בתחזית, כפי שמופיע בתרשים (ראה צילום המאמר בקישור מטה: לפרטים נוספים)

למדד MAD יש יתרון על פני חישוב סטיית התקן של התחזית, כיוון שהוא מושפע פחות מסטיות גדולות ומקריות שהתקבלו על פני תקופה. את מדד MAD פשוט יחסית לחשב בעזרת אקסל ולהשתמש בו לצורך מדידת ביצועי התחזית והשוואה בין תחזיות שונות לאותו המוצר. לא ניתן להשתמש במדד MAD לצורך השוואה בין תחזיות שונות ולמוצרים שונים, כיוון שהמדד הוא כמותי ואינו יחסי.

מדדים נוספים

ישנם מדדים רבים נוספים לבחינת התחזיות, מדדים אילו משמשים לבחינת התחזיות בשלבים שונים של בנית התחזית. חלקם מאפשרים להשוות בין ביצועי תחזיות שונות לאותו המוצר, וחלקם מאפשרים לנתח את רגישות התחזית והתאמתה להתנהגויות המוצר.

מדדים נוספים שכדאי להזכיר במאמר זה (מתוך רשימת מדדים ארוכה)

מדד GMRAE  – Geometric Mean Relative Absolute Error – שגיאה מוחלטת יחסית לממוצע גאומטרי, מדד זה משמש להשוואת תחזית בין תקופות.

מדד SMAPE –  Symmetric Mean Absolute Percentage Error – זהו מדד הדומה למדד MAPE עם שינוי הנוסחה. חלק מהארגונים מעדיפים את מדד זה על פני מדד MAPE.

בפרק הבא נדון כיצד משמשת התחזית לצורך ניהול ועיתוד המלאי. כיצד נחשב את מלאי הביטחון על בסיס רמת השירות וזמני האספקה בהתחשב בסטיות התקן של התחזית.

צור אמיתי, מנכ״ל חברת הייעוץ ASC, המתמחה בליווי חברות וארגונים לשיפור התחרותיות והרווחיות, תוך התמקדות בייעול שרשרת האספקה ובשיפור תהליכים בניהול הרכש, ניהול הייצור, ניהול המלאי, ניהול ההפצה, ניהול התכנון וניהול המכירות והשיווק.

ליצירת קשר: 08-9300363     amitai@asc-il.co.il       www.asc-il.co.il

ניהול תחזית – ניתוח סטטיסטי של הפעילות ההיסטורית

מאת: צור אמיתי

השיטה המקובלת לבניית תחזית הינה שימוש בכלים לניתוח סטטיסטי של היסטוריית פעילות המוצרים. תוצאות הניתוח הסטטיסטי משמשים כבסיס המרכזי לבנית התחזית, בעזרת בסיס זה אנו מבצעים שינויים לקבלת תחזית אמינה ככל הניתן.

במאמר הקודם (גיליון 52 יוני 2014) הצגתי כיצד בונים את בסיס נתונים של הפעילות ההיסטורית של המוצרים ושיטות פשוטות לחישוב סטטיסטי . במאמר זה אציג את הכלים המקובלים לניתוח סטטיסטי של הפעילות ההיסטורית ובניית בסיס לתחזית העתידית של פעילות המוצרים.

חישוב ה Baseline כבסיס לניהול תחזית

לבסיס התחזית אנו קוראים "Baseline ", בדרך כלל אנו מחשבים את ה Baseline בעזרת ניתוח סטטיסטי של הפעילות ההיסטורית, ועל כך נדון בפרק זה.  במקרים מיוחדים נשתמש ב Baseline שאינו מחושב על בסיס ההיסטוריה אלה על נתון אחר, בנושא ניהול Baseline המבוסס על נתונים אחרים נדון במאמרים הבאים.

ובכן, כיצד נחשב את ה Baseline של התחזית על בסיס ניתוח סטטיסטי ? כדי לבצע חישוב לתחזית אנו צרכים לדעת באיזו שיטת חישוב סטטיסטי כדאי לנו להשתמש. התשובה לשאלה זו היא אולי אחת ההחלטות החשובות ביותר שיש לקבל בתהליך ניהול התחזית.

השיטות המקובלות לחישוב סטטיסטי לתחזית

השיטות השונות לחישוב סטטיסטי מתבססות על נוסחאות סטטיסטיות שונות. לכל קבוצת נוסחאות ישנו היתרון והחיסרון היחסי והן מתאימות להתנהגות היסטורית שונה.

החלקה מעריכית "Exponential smoothing"

החלקה מעריכית  – קבוצת הנוסחאות המקובלת ביותר נקראת החלקה מעריכית או בשמה הלועזי החלקה אקספוננציאלית "Exponential smoothing". החלקה אקספוננציאלית היא משפחה של נוסחאות המחולקות ל 12 נוסחאות שונות המטפלות כל אחת בהתנהגות שונה של המוצרים. הנוסחאות של החלקה אקספוננציאלית מבוססות על חישוב מספר גורמי התנהגות:

• רמה " Level " – זהו מספר קבוע המציין את הרמה הקבועה של הפעילות למוצר, חישוב הרמה מתבצע לאחר החלקת הנתונים ו"ניטרול" הרעשים" הנובעים מהתנהגות של מגמה ועונתיות.
• מגמה "Trend " – הנוסחה מחשבת את המגמה המקומית " Local Trend " שהיא למעשה המגמה של פעילות המוצר בנקודת זמן מסוימת. ישנם 4 סוגי מגמות: ללא מגמה, מגמה לינארית, מגמה מרוסנת " Damped Trend "  ומגמה מעריכית  " Exponential Trend" .
• עונתיות " Seasonal " – הנוסחה מחשבת את ההתנהגות העונתית של המוצר על פני ציר הזמן. ישנן 3 התנהגויות עונתיות שונות: ללא עונתיות, עונתיות פשוטה " Additive Seasonal " ועונתיות מרובה "  Multiplicative Seasonal".

בסך הכל קיימות 12 נוסחאות מובילות של החלקה אקספוננציאלית המגדירות התנהגויות שונות של שלושת המרכיבים (4 סוגי מגמות, 3 סוגי עונתיות ורמה אחת, לכן: 4 X 3 X 1 = 12)

ניתן לצפות בטבלאות בצילום המאמר המודפס, מופיע בלינק מטה "פרטים נוספים".

חלק מהנוסחאות של החלקה אקספוננציאלית מוכרת יותר מהאחרות לעוסקים בחיזוי והן נלמדות בקורסים לניתוח סטטיסטי באקדמיה, הנוסחאות היותר ידועות הנן: SIMPLE, HOLT, ו WINTERS. ניתן לראות בברור בטבלה את סוג ההתנהגות שמבטאת כל אחת מהן. יש לזכור כי במקרים רבים פונקציית החיזוי האופטימלית אינה משתייכת לאחת משלושת הפונקציות המוכרות, אלה לפונקציה אחרת ממשפחת הפונקציות של ההחלקה האקספוננציאלית.

שיטת ההחלקה אקספוננציאלית  מאפשרות לנו לחשב את ההשפעה של אירועים על התנהגות המוצר "  Event Effects". אירועים הנם פעילויות על ציר הזמן המשפיעים על התנהגות המוצר כגון: חגים, מבצעים, פרסום, חוסר במלאי וכו… . השימוש באירועים עוזר לנו לנתח נכון יותר את התנהגות המוצר בעבר ולחשב באופן מדויק יותר את התחזית לעתיד. על נושא ניהול האירועים והשימוש שלהם בניהול תחזיות ארחיב באחד מהמאמרים הבאים.

שיטת Box-Jenkins

שיטת Box-Jenkins הינה שיטה חדשה יחסית והיא מבוססת על מודל סטטיסטי הנקרא ARIMA. המודל הסטטיסטי ARIMA משלב שני שיטות חישוב יחד: חישוב ממוצע נע משוכלל  MA וחישוב רגרסיה לינארית אוטומטית Autoregressive AR . המודל מנסה למצוא דפוסי התנהגויות היסטוריות של המוצר על פני הזמן.

כדי לחשב תחזית בשיטת Box-Jenkins נידרש להשתמש בלפחות 40 תקופות היסטוריות (בקובץ הנתונים ההיסטוריים), כלומר אם אנו מנהלים תחזית חודשית, צריך לחשב את התחזית למוצר על בסיס 40 חודשי היסטוריה לפחות.

חישוב תחזית בשיטת Box-Jenkins באופן ידני או בעזרת אקסל הנה משימה מורכבת הדורשת ידע סטטיסטי מעמיק וזמן רב, לכן בפועל ניתן להשתמש בשיטה זאת בעזרת כלים אוטומטים כדוגמת מערכת Forecast Pro.

ראה מטה הצגה של חישוב תחזית בעזרת מודל Box-Jenkins. (ניתן לצפות בתמונה הצילום המאמר המודפס, המופיע בלינק מטה.

שיטות ניתוח סטטיסטי פשוטות

את שיטות החיזוי הפשוטות הצגתי בחלקן בפרק הקודם והן כוללות את המודלים הבאים:

• תחזית קבועה (Fixed Forecast) – קביעת תחזית קבועה לתקופות התחזית הבאות.

• ממוצע נע (Moving Average) – חישוב ממוצע על פני מספר תקופות. השיטה מאפשרת לחשב מחדש בכל תקופה את הממוצע על פי מספר תקופות קודמות. מקובל לחשב ל 3 עד 5 תקופות קודמות את הממוצע. ישנם ממוצעים משוכללים יותר הניתנים לחישוב כגון: ממוצע נע משוקלל לינארי Linear Weighted) Moving Average), המגדיר משקל שונה לכל תקופה, משקל גבוה יותר לתקופה קרובה יותר ומשקל נמוך לתקופה מרוחקת, וישנו ממוצע מתקדם יותר ממוצע נע מעריכי (Exponential Moving Average).

• כמו לפני שנה – בניית תחזית על פי הפעילות בתקופה המקבילה בשנה שעברה. ניתן לשכלל את השיטה ולהוסיף כמות קבועה (חיובית או שלילית) או לשנות באחוז קבוע (חיובי או שלילי) את התחזית ביחס לתקופה המקבילה בשנה שעברה. לדוגמה: בשנה שעברה מכרנו בחודש נובמבר ממוצר A 1000 יחידות, לכן התחזית השנה למוצר A לחודש נובמבר תהיה 1000 יחידות, או 1000+ 15% במידה והחלטנו להוסיף השנה 15% לפעילות המוצר ביחס לשנה שעברה.

בחירת השיטה הסטטיסטית המתאימה ביותר לחישוב התחזית

כיצד ניתן לדעת באיזו שיטה לבחור לצורך חישוב התחזית? כאמור זאת אחת מהשאלות החשובות ביותר בבואנו לבנות תחזית. התשובה לשאלה זאת פשוטה: אנו  מבצעים מעין "תחרות" בין השיטות הסטטיסטיות השונות כדי לבדוק מי מהן מתאימה יותר למוצרים שלנו. התחרות בין השיטות בוחנת את התוצאות שמתקבלות ואת השגיאות הסטטיסטית שנחשב לכל תחזית. השיטה שתיבחר תהיה השיטה עם הטעויות הסטטיסטיות הקטנות ביותר. כלומר אנו עורכים מספר חישובים של התחזית לאותו המוצר על ידי שיטות סטטיסטיות שונות ובודקים לאיזו שיטה התקבלה הטעות הסטטיסטית הקטנה ביותר.

אין ספק שזאת עבודה קשה וסיזיפית, היא דורשת מאתנו לבצע לכל מוצר (או לכל שורה בקובץ ההיסטוריה) מספר רב של חישובים, את החישובים יש לבצע בכל עדכון מחדש של התחזית (בדרך כלל כל שבוע או כל חודש). אם לדוגמה ישנם בקובץ ההיסטוריה אלפי שורות של מוצרים, אנו נידרש לבצע עשרות אלפי חישובים סטטיסטים בכל חודש. לשם כך נהוג להשתמש בכלים אוטומטיים לחישוב התחזית כדוגמת Forecast Pro, המבצעים אלפי חישובים במהלך שניות בודדות ובוחרים את השיטה האופטימאלית לחישוב הסטטיסטי של כל שורה בקובץ ההיסטוריה.

בדרך כלל נגלה כי לכל מוצר (או שורה בקובץ הנתונים ההיסטוריים) מתאימה שיטת חיזוי סטטיסטית אופטימלית שונה. כדי לבחון את תוצאות החישובים אנו צרכים לבחון את השגיאות הסטטיסטיות ולהבין איזו תחזית טובה יותר, אל כך ועל הכלים לבחינת טיב התחזית והשגיאות הסטטיסטיות ארחיב בפרק הבא.

צור אמיתי, מנכ״ל חברת הייעוץ ASC, המתמחה בליווי חברות וארגונים לשיפור התחרותיות והרווחיות, תוך התמקדות בייעול שרשרת האספקה ובשיפור תהליכים בניהול הרכש, ניהול הייצור, ניהול המלאי, ניהול ההפצה, ניהול התכנון וניהול המכירות והשיווק.

ליצירת קשר: 08-9300363     amitai@asc-il.co.il    www.asc-il.co.il

ניהול תחזית – קובץ נתונים היסטוריים לניתוח סטטיסטי

מאת: צור אמיתי

היכולת לנהל תחזית לדרישות עתידיות של המוצרים שמספק הארגון ללקוחותיו הינו הכלי המרכזי של הארגון לפעול ביעילות ולעמוד ביעדיו. על כך זה דנו במאמר הקודם.

כיצד ניתן לבנות תחזית ? מה הם הכלים העומדים לרשות ארגון לצורך בנייה וניהול תחזית למוצרו ? על כך נדון במאמר זה.

בדרך כלל אנו נדרשים לבנות תחזית למוצרים (או שירותים) המסופקים על ידי הארגון מזה תקופה מסוימת. כלומר למוצרים (או שירותים) שאנו מספקים קיימת פעילות היסטורית שניתן לקבל אותה ממערכת הניהול של הארגון (בדרך כלל מערכת ה ERP).

במקרים מסוימים אנו נדרשים לבנות תחזית לפריטים חדשים ללא פעילות היסטורית כלל או עם פעילות קצרה מאוד, בבעיה זאת של חיזוי מוצרים חדשים נעסוק בנפרד באחד מהמאמרים הבאים.

את נתוני הדרישות היסטוריות ניתן לבנות בהתאם למוצרים שאנו מעוניינים לבנות להם תחזית: אם אנו מעוניינים לבנות תחזית למוצרים הנמכרים ללקוחות, נשתמש בנתוני המכירות ההיסטוריים של אותם המוצרים. אם נרצה לבנות תחזית לפריטי תחזוקה המנוהלים בחברה, נשתמש בנתוני ניפוק הפריטים מהמלאי לתחזוקה, ואם נרצה לבנות תחזית לשירות, נשתמש בצריכת השירות המסופק ללקוחות.

קובץ הנתונים

לנתוני העבר של המוצרים שנבנה נקרא "קובץ נתונים" (Data File) והוא יהיה קובץ נתוני הבסיס שממנו נבנה את התשתית לתחזית המוצרים.

מהו משך הזמן היסטורי שכדאי לנו להתייחס בבניית קובץ הנתונים ? האם מספקי חודש קודם, שנה קודמת, חמש שנים אחרונות ?) התשובה לכך תלויה במספר גורמים:

• מהי מידת הזמן (התקופה) שאנו מעוניינים לחזות? האם אנו מעוניינים לנהל תחזית יומית / או תחזית שבועית / או תחזית חודשית ? וישנם תחזיות רבעוניות ושנתיות.
• למשך כמה תקופות זמן אנו מעוניינים לייצר את התחזית? האם לתקופה אחת, או ל 12 תקופות, לדוגמה: תחזית לחודש אחד או תחזית ל 12 חודשים מהיום, או ל 20 שבועות.
• באיזו שיטה סטטיסטית אנו מעוניינים להשתמש לצורך בנית התחזית? על שיטות אילו נרחיב במאמר זה ובמאמרים הבאים
•  התנהגות היסטורית של הפריטים החזויים: האם ישנה מגמה ? האם ישנם מחזורים ? ואם ישנה מחזוריות באיזו תדירות מתקיימת המחזוריות (יומית, שבועית, חודשית, שנתית וכו)

במקרים מסוימים צריך לפצל את הנתונים ההיסטוריים של צריכת המוצר לסדרות נתונים שונות. זאת כיוון שההתנהגות ההיסטורית וגם העתידית של המוצר מתנהגת בצורה שונה במקרים שונים. לדוגמה: מוצר מסוים נמכר ללקוחות שונים. לכל לקוח ישנה התנהגות צריכה שונה. לכן אם ננתח את היסטורית המכירות של המוצר לכל לקוח בנפרד, נקבל תחזית שונה מאשר אם ננתח את היסטוריית מכירת המוצר לכל הלקוחות יחד.

קובץ נתונים במבנה היררכי

בבניית תחזית ישנה חשיבות לניתוח והצגת הנתונים במבנה היררכי. הכוונה לבנית קובץ הנתונים במבנה היררכי המסכם את נתונים ההיסטוריים תחת משפחות.

לדוגמה: בחברה המייצרת מוצרי הלבשה תחתונה ומוכרת את התוצרת לשווקים, ניתן לבנות קובץ נתונים על פי ערוץ המכירה: המוצרים תחתונים 1 ותחתונים 2 נמכרים לשלושה ערוצי הפצה שונים, לסופרמרקט, לסוכנים וליצוא.

נוכל לסדר את נתוני המכר בקובץ הנתונים במבנה שטוח או במבנה היררכי, כפי שמופיע בתרשים מטה.

את הנתונים במבנה היררכי אפשר לסדר בצורות שונות בהתאם לצרכים. למשל סידור שונה של המבנה ההיררכי, כאשר החלפתי בסדר בין ערוץ המכירה למשפחת המוצרים, ראה תרשים מטה

קובץ נתונים היררכי מאפשר לבנות ולנהל תחזית היררכית. היתרונות לתחזית היררכית הנם:

• תחזית מדויקת יותר המזהה התנהגות שונה לכל משפחה
• יכולת בניית תחזית לפי שיטת חישוב Top Down ו חישוב Indexes למשפחה, את נושא זה אציג בהרחבה במאמרים הבאים.
• התאמה לצורת ניהול הפעילות בארגון, לדוגמה: אם בחברת המייצרת מוצרי הלבשה תחתונה מנוהלים את התחזיות ותוכנית העבודה על פי ערוץ המכירה (לפי התרשים העליון) או לפי המוצרים (לפי התרשים התחתון). חשוב שמבנה התחזית יתאים ככל הניתן לצורת ניהול הפעילות בארגון כדי שניתן יהיה לשתף את כל הגורמים בהתייחסות לתחזית המנוהלת, כפי הנהוג בשיטת ניהול מתקדמות כדוגמת S&OP, את נושא זה אציג בהרחבה במאמרים הבאים.
• ניהול אירועים בצורה מדויקת. אירועים הנם פעילויות המשפיעות על התנהגות המוצר. לדוגמה: חגים / מבצעים / פרסומת / חוסר במלאי וכו. למשל, כאשר אנו מנהלים אירועים למוצר על פי ערוץ הפצה, אנו נידרש להפריד את ניהול היסטורית המוצר לערוצי הפצה. את נושא ניהול אירועים אציג בהרחבה במאמרים הבאים.

שיטות סטטיסטיות לניתוח נתונים היסטוריים לצורך בנית תחזית

את קובץ הנתונים צריך לנתח ובעזרתו לבנות תחזית חדשה לתקופות הבאות.

קיימות שיטות ניתוח שונות לחישוב תחזיות, חלקן שיטות פשוטות המאפשרות לחשב תחזית בעזרת אקסל או כפונקציה פשוטה הנכתבת במערכת ה ERP, וחלקן שיטות מתקדמות הדורשות להשתמש בכלים ייעודיים לניהול תחזית, כדוגמת מערכת Forecast Pro.

השיטות הפשוטות לחישוב תחזית כוללות את הפונקציות הבאות:

תחזית קבועה (Fixed Forecast) – קביעת תחזית קבועה לתקופות התחזית הבאות.

ממוצע נע (Moving Average) – חישוב ממוצע על פני מספר תקופות. השיטה מאפשרת לחשב מחדש בכל תקופה את הממוצע על פי מספר תקופות קודמות. מקובל לחשב ל 3 עד 5 תקופות קודמות את הממוצע. ישנם ממוצעים משוכללים יותר הניתנים לחישוב כגון: ממוצע נע משוקלל לינארי Linear Weighted) Moving Average), המגדיר משקל שונה לכל תקופה, משקל גבוה יותר לתקופה קרובה יותר ומשקל נמוך לתקופה מרוחקת, וישנו ממוצע מתקדם יותר ממוצע נע מעריכי (Exponential Moving Average)

שיטה פשוטה נוספת המקובלת בארגונים רבים הנה "כמו מה שהיה +" – לדוגמה: תחזית המחושבת לפי המכירות שבוצעו בשנה שעברה פלוס 20%.

בפרק הבא אציג את השימוש בשיטות מתקדמות המקובלות לחישוב תחזיות:

• החלקה מעריכית (או בשם המוכר יותר: החלקה אקספוננציאליתExponential Smoothing) על כל ניגזרותיה: Simple , Holt , Winters ,
•  Box-Jenkinsו ARMA (autoregressive moving average).

צור אמיתי, מנכ״ל חברת הייעוץ ASC, המתמחה בליווי חברות וארגונים לשיפור התחרותיות והרווחיות, תוך התמקדות בייעול שרשרת האספקה ובשיפור תהליכים בניהול הרכש, ניהול הייצור, ניהול המלאי, ניהול ההפצה וניהול המכירות והשיווק.

ליצירת קשר: 08-9300363    amitai@asc-il.co.il    https://www.asc-il.co.il

מאת: צור אמיתי

היכולת של ארגון לנהל תחזית אמינה היא אחד מהכלים החשובים ביותר להצלחתו.

היעדים העסקיים שמציב לעצמו כל ארגון נגזרים מהיכולת של הנהלת הארגון לחזות את העתיד ולתכנן את פעילות הארגון בהתאם.

יצרנים ומפיצים מתכננים להצטייד בהתאם לביקושים העתידיים של לקוחותיהם. חברות לשירותים פיננסים פועלות על בסיס תחזיות כלכליות. חברות ביטוח פועלות על בסיס תחזיות לתוחלת החיים והסתברות לאסונות. חברות תקשורת מתכננות את מערך השירות והמכירות בהתאם לתחזיות הצריכה והשירותים של השוק. רשתות קמעונאיות מתכננות את המלאי על פי תחזיות המכירות.

אם כל ארגון היה יודע לחזות מה יקרה בעתיד, אילו מוצרים וכמה מהם ירכשו על ידי לקוחותיו, אילו תקלות צפויות לקרות ואילו שירותים ידרשו ממנו לספק, היה יכול כל ארגון לעמוד ביעדיו ותהליך התכנון והביצוע היו הופכים למשימה קלה ופשוטה. אבל קשה לחזות את העתיד וכבר אמרו חכמים כי ״ניטלה נבואה מן הנביאים וניתנה לשוטים״.

מקובל לחלק את המשימות של תכנון פעילות הארגון לשני תחומים: תחום האספקה (Supply) ותחום הביקושים (Demand). כאשר בתחום Demand אנו נדרשים להגדיר כמה מוצרים או שירות עלינו לספק ללקוחות, ובתחום Supply אנו נדרשים לפעול לצורך עמידה באספקת המוצרים או השירותים. תחת תחום Supply מנהלים את כל נושאי תכנון הרכש והייצור. מקובל להשתמש בכלי תפ״י המנוהלים במערכות המידע של הארגון ERP. הכלי הנפוץ הנו מודול MRP האחראי על תכנון החומר ופקודות העבודה. בנוסף קיימים כלים לתכנון המלאי כגון Kanban או JIT וכן כלים נוספים לתכנון מלאי ואופטימיזציה. מערכת Supply הינה מערכת של חוקים ליניאריים, בעזרת כלי חישוב ניתן לקבל תוצאה ברורה של כל השאלות כגון: כמה חומר להזמין ומתי, כמה פריטים לייצור וכו.

תחום Demand אחראי על ניהול התחזיות, הגדרת רמת שירות ורמת מלאי, וכן על קבלת הזמנות מלקוחות. בתחום זה אין לנו בדרך כלל תשובות ברורות על השאלה: כמה ומתי הלקוחות יזמינו מאתנו את המוצרים. בניהול Demand משתמשים בכלים סטטיסטיים ובכלים מתחום השיווק כדי לבנות תחזיות ולצפות את העתיד.

התוצאה של ניהול Demand היא למעשה הזנת נתונים למערכת Supply. בניהול Demand אנו מייצרים תחזית עתידית ומגדירים רמות מלאי על פי רמת שירות, ומזינים את התוצאה למערכות Supply כגון MRP. הבעיה המרכזית בניהול התכנון נוצרת כאשר יש פער בין זמני התגובה (Lead time או בקיצור LT) של Supply לזמני התגובה של Demand. במילים אחרות, זמן האספקה מהספקים וזמן הייצור ביחד ארוך לאין שיעור מזמן האספקה שאנו נדרשים לספק ללקוחות שלנו. לדוגמה: זמן הייצור של גבינה קשה לוקח מספר שבועות, ואילו זמן האספקה ללקוחות הוא מספר ימים. ככל שהפער בין ה-LT של Supply ל-LT של Demand גדול יותר, כך אנו תלויים יותר בטיב התחזית.

המטרות בניהול התחזיות הנן:

• שליטה על שרשרת האספקה – תכנון יעדי הארגון ועמידה בהם תוך ניצול מיטבי של משאבי הארגון. שילוב תחזית המכירות עם ניהול שרשרת האספקה בארגון.
• הגדלת המכירות – תכנון בהתאם לתחזית מונע חוסרים ומקטין הפסד מכירות.
• שיפור רמת השירות – רמת השירות לאספקת המוצרים והשירותים שידרשו ללקוחות בעתיד, בזמן ובכמות הנדרשת.
• הורדת מלאי – הקטנת המלאי ללא פגיעה ברמת השירות הנדרשת. התחזית מאפשרת לחשב את מלאי הביטחון בהתאם להסתברות הדרישה, רמת השירות וזמני האספקה.
• הפחתת עלויות – על ידי עמידה ביעדי המכירות והקטנת המלאי, תוך ניצול משאבי הארגון, יקטנו הוצאות התפעול והמלאי.

ניהול תחזית הנה משימה מורכבת הדורשת מיומנות ושיטות עבודה סדורות. בכל ארגון מוטלת המשימה על המחלקה המתאימה ביותר. בחלק מהארגונים אחראי התפ״י על ניהול התחזית, בארגונים אחרים האחריות מוטלת על השיווק.

בסדרת מאמרים זו נסקור את הנושאים העיקריים בניהול תחזית ונציג את הכלים והשיטות העומדים לרשות מנהל התחזית (האנליסט) ולצוות ניהול התחזית והתכנון בארגון.

בין הנושאים שיסוקרו יכללו הנושאים הבאים:

• הגורמים המשפיעים על בניית תחזית.
• שיטות סטטיסטיות הנהוגות בניהול תחזיות על בסיס נתונים היסטוריים.
• ניהול אירועים ומשקלים, כגון: מבצעים / חגים / ימי מכירה / חוסר מלאי וכו.
• שיטות לחישוב רמת שירות ומלאי ביטחון.
• החלקת נתונים חריגים Outliers.
• קביעת ערכי תחזיות על בסיס הערכות ומידע הקיים בארגון ולא על בסיס ניתוח סטטיסטי Override.
• כיצד בונים תחזית למוצר חדש ללא היסטוריית נתונים.
• מדדים לבחינת אמינות ודיוק התחזית, כיצד יודעים אם התחזית טובה.
• כיצד מיישמים את התחזית בארגון, שימוש בתחזית בשילוב מערכת MRP.
• S&OP – מתודולוגיה מתקדמת לניהול שרשרת האספקה המשלבות ניהול תחזית.

צור אמיתי, מנכ״ל חברת הייעוץ ASC, המתמחה בליווי חברות וארגונים לשיפור התחרותיות והרווחיות, תוך התמקדות בייעול שרשרת האספקה ובשיפור תהליכים בניהול הרכש, ניהול הייצור, ניהול המלאי, ניהול ההפצה וניהול המכירות והשיווק.

ליצירת קשר: 08-9300363     www.asc-il.co.il   amitai@asc-il.co.il

מעולם לא היה קל, נוח, פשוט ומהיר כל כך לחשב ולנהל תחזיות

מאת: ראובן קינן

חלומו של כל מתכנן הוא לקלוט נתונים ממקורות ופורמטים שונים, ללחוץ על מקש ה-enter ולקבל במהירות הבזק תחזיות מדויקות ונתוני תכנון מלאי, בעיצובים שונים וברורים ולהגישם אחר כבוד להנהלה ולגורמים אחרים במערכת.
ForecastPRO, מערכת עטורת פרסים הפועלת בכל העולם בארגונים גדולים, בינוניים וקטנים, נועדה בדיוק למטרה זו. המערכת כוללת כלים מתקדמים לניהול תחזיות מכירות רכש ומלאי והצגתם בפורמטים ברורים המאפשרים לתמוך בקבלת החלטות נכונות לארגון. המערכת מתאימה לשימוש פשוט ע"י כלים אוטומטיים ולשימוש מתקדם ע"י כלים מתמטיים סטטיסטיים חזקים המותאמים לניהול תחזיות בעולם האמיתי.

ForecastPRO עושה "עלייה" לישראל
מערכת ForecastPRO משווקת בישראל על ידי חברת אמיתי ייעוץ אסטרטגי ASC בע"מ. על מנת לשמוע יותר על נפלאות המערכת, נפגשתי לשיחה ולהתרשמות עם צור אמיתי, מנכ"ל חברת ASC, המשווקת את התוכנה בישראל.

צור, ספר לי על המערכת ומי שעומד מאחוריה
ForecastPRO מותקנת אצל 40,000 לקוחות ברחבי העולם. המערכת פותחה ומשווקת ע"י חברת
(BFS) .Business Forecast Systems, Inc הפועלת משנת 1986 בפיתוח מערכות לחיזוי במגזרים שונים ורבים ובהם מגזרי האופנה, תעשיית הרכב, תעשיות המזון והמשקאות, תקשורת, שירותים פיננסיים, שירותים לוגיסטיים, מפעלי תעשייה, אנרגיה וחשמל, מרכזים רפואיים, ממשל, חברות ייעוץ, תעשיית התרופות, קוסמטיקה, אקדמיה, רשתות שיווק ורשתות קמעונאיות ועוד ועוד.

הזכרת את המגזרים השונים שבהם מוטמעת המערכת, יש לך שמות של חברות?
כן בוודאי, אמנה כמה שמות שמוכרים היטב לקהל הישראלי כמו למשל קוקה קולה, HP ,3M, יוניליוור, Wal-Mart ,Honeywell, מדינת קליפורניה, Pfizer, דנונה ועוד רבות אחרות.

אז מה ניתן לבצע במערכת?
המערכת מאפשרת לבצע במהירות רבה מגוון רב של פעילויות וביניהן:
* חישוב תחזית על בסיס נתוני עבר בכלים סטטיסטיים ושיטות שונות.
* ניהול תחזיות למוצרים חדשים.
* ניהול מוצרים היררכי במספר רמות ומשפחות.
* יכולת שינויים בכל רמה בתחזית.
* ניהול תחזיות על ידי מספר משתמשים (צוות תחזיות).
* איחוד בין מספר תחזיות שונות ו"פרויקטים" שונים.
* חישוב מלאי ביטחון ונקודת הזמנה (תכנון מלאי).
* חישוב פרטו ו-.ABC
* ניהול דוחות בחתכים שונים.
* השוואה בין תחזית לפעילות בפועל.
* ניהול שגיאות וניתוח שגיאות בתחזית.

יפה, אבל בשוק עוד מגוון מערכות דומות, אז מה מיוחד ב-?ForecastPRO
המערכת הינה כלי למתכנן (planner) והמיוחד בה היא פשטות ההתקנה, הפעלה ותחזוקה עצמאית של המתכנן, יכולות מעולות לבנייה ולניהול תחזיות, פועלת באופן עצמאי עם גיליונות אקסל או בממשק עם מערכת ה-ERP, עלות נמוכה וזמן לימוד והטמעה קצר.

תן לי בקיצור רשימת מודלים סטטיסטיים לחיזוי שהמערכת מייצרת
הרשימה עצומה ואני רוצה להציג את כולה, על מנת לא לחטוא למערכת. הנה הרשימה:
Selection – בחירה אוטומטית של המערכת לשיטת החיזוי המתאימה ביותר לנתונים.
Simple Methods – חישובי ממוצעים וממוצעים נעים פשוטים.
Exponential Smoothing – משפחה של אלגוריתמים להחלקת מעריכית, הפרמטרים נבחרים אוטומטית או על ידי המשתמש.
Box-Jenkins – משפחה של אלגוריתמים המתאימים לנתונים "יציבים", אפשרות לניתוח אוטומטי או הזנת ערכים על ידי המשתמש.
Dynamic Regression – משפחה של אלגוריתמים המתאימה לתחזית עם אינדיקטורים מובילים לאורך זמן ותלויי זמן.
Event Models- מודלים המתאימים לתחזיות התלויות באירועים כגון: חגים, מבצעים לקידום מכירות, אירועים המשפיעים על צריכת המוצר.
Multiple-Level Models – תחזית על פי קבוצות היררכיות.
New Product Forecasting – מספר שיטות לבניית תחזית למוצר חדש, כולל אנלוגיה, Supersession ו- Bass diffusion Model
Seasonal Simplification – ניתוח עונתי, במקרים מסוימים המודל עדיף לניתוח תחזית עונתית.
Low Volume Models – מודלים לניתוח תחזית למוצרים עם צריכה נמוכה ותקופות רבות ללא צריכה.
Curve Fitting – התאמת עקומות, חיזוי ויזואלי על ידי התאמת העקומה, ישנן עקומות שונות: קו ישר, מעריכית, ריבועית וצמיחה (S-Curve).

המתכנן נדרש להוסיף מגוון משתנים כמו מבצעים וכו, למערכת פתרונות?
כן, בוודאי, המתכנן יכול להוסיף, בקלות רבה, משתנים המשפיעים על התחזית, לדוגמא: מבצעי מכירות (מחירים, פרסום וכו'), חגים ואירועים, תקופות זמן וכו', בנוסף המתכנן יכול להוסיף נתוני המרה לדוגמא: יחידות אריזה, משקל, מחירי סטנדרט, המרה למטבעות ועוד… ובקלות המתכנן יכול להוסיף נתוני TL ורמת שירות נדרשת, מלאי, החזרות וכו', ובנוסף ניתן להוסיף ערכים עתידיים לתחזית ולהציגם בשכבה נוספת על תחזיות אחרות שהוכנו ע"י ההנהלה, השיווק או הייצור או תצוגת התקציב המאושר מול התחזית. למתכנן ניתן כלי שבאמצעותו הוא יכול להציג תחזיות המתבססות על תחזיות שהוכנו על ידי גורמים אחרים במערכת או מחוצה לה ועליהם הוא יכול להוסיף את הנתונים שנצברו אצלו ולהציגם כמקשה אחת. כמובן שהמערכת מאפשרת הוספת והצגת הפרשים ופערים בין נתוני התחזית והנתונים הקיימים.

ספר לי קצת על חברת ASC
החברה הינה חברת ייעוץ המתמחה בניהול שרשרת האספקה לארגונים וחברות. עוסקת בעיצוב ותכנון מערכי שרשרת האספקה לארגונים בראייה אסטרטגית. מתמחה בניהול: רכש, מלאי, ייצור, הפצה, תכנון מערכי ייצור, תכנון מחסנים ומרכזים לוגיסטיים. מנהלת פרויקטים של הקטנת עלויות המלאי ושיפור רמת השירות וכן פרויקטים לאפיון ובחירת מערכות ERP חדשות ללקוח, ליווי היישום ושיפור תהליכים וכמובן גם מתמחה בניהול תחזיות ועיתוד מלאי.

לסיכום
בהמשך ישיר למגוון הפעילויות של ASC, אך טבעי הוא שהחברה תציע ללקוחותיה ולקהל החברות העצום בישראל את מערכת ה-ForecastPRO שבאמצעותה ניתן לחזות ולנהל תחזיות.
כבר אמרו חכמים לפני, שבלי תחזית מדויקת ככל שניתן – קשה מאוד לתכנן את העתיד.

==============
פרטי התקשרות: אמיתי יעוץ אסטרטגי ASC
טלפון: 08-9300363 נייד (צור אמיתי) 052-6510002
אימייל:  amitai@asc-il.co.il   אתר: www.asc-il.co.il

בשנים האחרונות, פעילותה של "רפאל תעשיות מגופים" צמחה מאוד. הצמיחה באה לידי ביטוי במורכבותה של שרשרת האספקה: מיגוון המוצרים גדל מאוד, פעילות הרכש התרחבה, התווספו מחלקות ייצור חדשות, התעצמו שיתופי פעולה עם קבלני-משנה, המלאי גדל והמחסנים הורחבו, וכמות המשלוחים ויעדי ההפצה בארץ ובעולם גדלו בצורה ניכרת. שינויים אלה הביאו את הנהלת החברה להחליט על שדרוג מערך שרשרת האספקה, כדי להתאימו לפעילות הצומחת ולצורכי החברה בעתיד. הכתבה להלן מתארת את פרויקט השדרוג ואת הטמעתו בחברה

אחד מן הכלים החשובים בניהול חברה יצרנית הוא השליטה על זרימת החומר. מחד, החברה נדרשת לזמינות החומר כדי לספק את מוצריה בזמני האספקה המוסכמים עם הלקוחות, ומאידך, היא נדרשת לצמצם את עלויות האספקה למינימום. ניהול החומר בחברת רפאל תעשיות מגופים (להלן – "רפאל") אינו פשוט. גוף יצוק של מגוף, שמועבר מן המחסן למערך הייצור לצורך ביצוע קדח, ניקלט חזרה למחסן בסיום ביצוע העבודה ומקבל מספר קטלוגי (מק"ט) חדש (גוף עם קדח). מכיוון שישנם גופים יצוקים הזהים בצורתם אך שונים בהרכב החומר, וישנם סוגים שונים של קדחים האפשריים לביצוע בכל גוף, ומתבצעים קידוחים בגופים שונים בו-בזמן, אזי קל לטעות בזיהוי החומר ולפגוע בתהליך האספקה.
חברת רפאל פועלת בשוק תחרותי המאופיין במגוון רחב של מוצרים הנרכשים בדרך כלל בכמויות קטנות. עיקר פעילות הייצור מוגדרת כייצור להזמנות ( Make to order) עובדה המחייבת את רפאל לפתח רמת תגובתיות גבוה וניהול שרשרת אספקה זריזה, קרי, יכולת להגיב במהירות על הזמנות לקוחות, הדורשים מגוון גדול של מוצרים בפרקי זמן קצרים מאוד. זה מחייב יכולות גבוהות מאוד של תכנון ושל ניהול החומר. מכאן, שמערך ניהול שרשרת האספקה על כל מרכיבב נדרש להיערך מחדש, כדי להתמודד בהצלחה עם דרישות השוק וההתפתחויות הגלובליות

הנהלת רפאל החליטה לשדרג את הכלים ואת שיטות העבודה בשרשרת האספקה, כדי להתאימם לגידול בפעילות ולאתגרים העתידיים העומדים בפני החברה. הנהלת החברה בחרה בחברת "אמיתי ייעוץ אסטרטגי ASC" (חברה המומחית בייעוץ לניהול מיטבי של שרשרת האספקה) לבצע את פרויקט השדרוג.
מיפוי שרשרת האספקה וגיבוש המלצות לשינוי
חלקו הראשון של הפרויקט עסק במיפוי שרשרת האספקה ובבחינה של חלופות לניהולה. המיפוי כלל את הרכיבים הבאים: פעילות מחלקת המכירות, מבנה עצי המוצר (Bill of Materials) [BOM], תהליכי התכנון וניתוב החומר במחלקת התפ"י, תהליכי הרכש, תהליכי הייצור וההרכבה, תהליכי העבודה במחסן, וכו'. הממצאים והחלופות הוצגו להנהלת החברה והתקבלה החלטה לשפר את רמות התכנון, הבקרה והשליטה

על בסיס תהליכי הליבה הקיימים.
ההמלצות כללו, בין-השאר, את הרכיבים הבאים:

1. הקמת מחסני חומר ייעודיים, התומכים בתהליך האספקה. קרי, הקמת מחסן ייעודי לכל מרכז ייצור בשרשרת האספקה, ולדוגמה: מחסן חומר-גלם התומך במחלקת העיבוד, מחסן חומר-מעובד התומך במחלקת הגימור, מחסן חומר-גמור התומך במחלקת ההרכבה, וכו'. כל אחד מן המחסנים מנהל הן את מלאי החומר הנרכש לתהליך הייצור הייעודי ("Buy") והן את מלאי החומר המיוצר עבורו ("Make"). הקמת מערך מחסני החומר הייעודיים הביאה לשיפור ניכר בבקרה על המלאי ובשליטה על ניהול מק"ט החומר בתהליכי הייצור וההרכבה.

2. שינוי שיטת הניפוק למרכזי הייצור – מניפוק על-פי משיכה ("Pull") לניפוק על-פי דחיפה ("Push"). בתהליך החדש, מחלקת התפ"י מעבירה פקודות ניפוק למחסנים והם דוחפים את החומר למרכזי הייצור הייעודיים. בדרך-כלל, שיטת הניפוק על-פי משיכה נתפסת כעדיפה, ועם זאת, בניתוח תהליך האספקה של רפאל נמצא, ששיטת הדחיפה הולמת יותר את צורכי החברה והצורך לשפר את רמת התגובתיות והבקרה בשרשרת האספקה. כיום מחלקת התפ"י שולטת בדחיפת החומר למרכזי הייצור, היא מגדירה מנות בכמות אופטימאלית יותר לייצור, וכל זאת, בסדר הקדימויות הרצוי.

3. חסימת האפשרות לדווח על "מלאי שלילי" במערכת המידע. מלאי שלילי עלול להיווצר כאשר אין דיווח מדויק על קליטת חומר למלאי ועל ניפוקי החומר מן המלאי. פעולת החסימה במערכת נעשתה, כדי להבטיח אמינות מלאי גבוהה. נוסף על-כך, התהליך הממוחשב דורש לשריין מראש את החומר במערכת עבור כל פקודת ניפוק לפקודת עבודה (פק"ע), שמחלקת התפ"י מאשרת.

יישום הפרויקט
יישום פרויקט שדרוג מערך שרשרת האספקה חייב טיפול בהיבטים הבאים:
1. התאמות פיזיות במבני המחסנים כדי להתאימם לתהליך החדש של זרימת החומר.
– הקמת מבנה חדש לצורך אחסון תוצרת-גמורה (תוצ"ג) והכנת משלוחים. גובהו של המחסן הוא 9 מטרים וקיבולתו תואמת את צורכי העתיד של החברה. המחסן כולל: מערכת אחסון של משטחים ושל מכלים במשקל כבד; אזור טיפול במשלוחים, הכולל מתקני הרמה ומכונות אריזה; ורחבה לצורך המכלת מכולות לייצוא והעמסת משאיות.
– הקמת מחסן למחלקת ההרכבה עם יכולת ניפוק מהירה להרכבות רבות, המתבצעות במקביל.
– ארגון מחדש של מחסני העיבוד והגימור, כדי להתאימם בצורה מיטבית לתהליך החדש. ובכלל זה, הגדרה מחדש של שטחי האחסון והתפעול במחסנים, והקמת מערכות מידוף חדישות, התואמות את צורכי האחסון.
2. ביצוע שינויים בתהליכי העבודה במערכת המידע הארגונית (Enterprise Resource Planning) [ERP] והטמעתם.
– ביצוע שינויים בתשתיות המערכת.
– פיתוחים והגדרות, כדי להתאים את המערכת לשיטת העבודה החדשה, ובכלל זה: פיתוח טפסים חדשים מבוססי בר-קוד, המלווים את החומר החל משלב הרכש וכלה באספקתו כמוצר מוגמר ללקוחות.
– הקמת עמדות דיווח ממוחשבות ברצפת הייצור וההרכבה, המאפשרות לעובדי הייצור לדווח על כל פעולה שהם מבצעים בזמן-אמת.
– הקמת עמדות מחשב עם מדפסות בר-קוד בכל המחסנים. זאת, כדי למחשב את תהליכי העבודה במחסנים.
– מחשוב מלא של תהליכי ההמכלה והפקת מסמכי המשלוחים ללקוחות, כולל שקילת משטחי סחורה יוצאים ותיעוד נתוני המכולות.
3. ביצוע שינויים בתקני כוח-האדם והדרכת העובדים על ביצוע העבודה במתכונת החדשה.
– הקמת צוותי עבודה ייעודיים לכל המחסנים.
– הדרכת עובדי התפ"י, המחסנים, הייצור וההרכבה, ובכלל זה: ליווי בשטח בהטמעת תהליכי העבודה החדשים.
– חלוקה ברורה של אחריות ושל סמכות במערך החדש של שרשרת האספקה.
4. עדכון נתונים הנדסיים, הדרושים להטמעת השיטה החדשה.
סיכום
הפעילות במתכונת החדשה היא רק בתחילת דרכה ויש להתאזר בסבלנות, כדי לבחון לעומק את תוצאותיה ולהשוותם ליעדים שהוגדרו בפרויקט השדרוג. עם זאת, כבר כיום אפשר לומר, כי הושגו שיפורים בכמה תחומים:
 שיפור ניכר באמינות המלאי. התהליך החדש שיפר את הדיווח ויצר הפרדה פיזית במיקום החומר בתהליך הייצור. טעויות בזיהוי חומר מתגלות מיד והן מטופלות בזמן-אמת.
 שיפור ביכולות התכנון וניתוב החומר. כיום מחלקת התפ"י מקבלת מידע בזמן-אמת והיא יכולה להפעיל את המחסנים ואת מרכזי הייצור על-פי סדר הקדימות המתעדכן במהלך יום העבודה. השיפור ביכולות התכנון וניתוב החומר הביא לשיפור משמעותי בתגובתיות של החברה.
 שיפור בניהול קבלני-המשנה. קרי, ניהול מדויק יותר של קבלני-המשנה, ללא חריגות במלאי החומר ובביצוע פקודות העבודה.
 הצפת בעיות בזמן-אמת. התהליכים החדשים מאפשרים זיהוי מהיר של בעיות, זאת כיוון שהשיטה החדשה מחייבת לטפל בחריגים ולעדכן את ביצוע הפעולות במערכת המידע בזמן-אמת. זה מאפשר להגיב במהירות באמצעות פעולות מתקנות.
השיטה החדשה במערך שרשרת האספקה מאפשרת להנהלת רפאל לקבל תמונה מלאה ומעודכנת על תהליכי האספקה במפעל. עובדה זו מאפשרת למנהלי החברה ליישם כלי דיווח מתקדמים ולקבל החלטות ניהוליות בזמן-אמת.
מי היא חברת רפאל תעשיות מגופים?
חברת רפאל תעשיות מגופים (1975) בע"מ [Raphael valves industries (1975) Ltd] נוסדה בשנת 1949 והיא היצרנית הראשונה בישראל בתחום המגופים והשסתומים. כיום רפאל היא חלק מקבוצת TALIS העולמית. רפאל מייצרת מיגוון מגופים, מערכות שליטה ובקרת נוזלים, ונוסף על-כך היא משתתפת בפרויקטים רחבי היקף, בעולם בכלל ובארץ בפרט. כיום רפאל מספקת את פתרונות ההגפה לכל תעשיית המים, ובכלל זה: אספקת המים, תשתיות ומערכות מים וביוב, מערכות מיזוג אוויר ואינסטלציה, מפעלי תעשייה, כיבוי אש, חקלאות ומכרות. רפאל מוסמכת לתקני 9001 ISO.
לפרטים נוספים על חברת רפאל צפו באתר: http://www.raphael.co.il/
חברת אמיתי ייעוץ אסטרטגי ASC צפו באתר www.asc-il.co.il