Цифровая трансформация производственного планирования

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

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

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

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

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

Эффективным производственным планом будем считать план, позволяющий:

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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