Правильно оценить силы: как AstraZeneca планирует свои производственные мощности

Руководитель направления систем бизнес-аналитики BIA Technologies Станислав Воронин рассказывает, что находится «под капотом» у фармацевтического гиганта AstraZeneca (спойлер: оптимизация на базе таблиц Excel).

Благодаря вакцине от вируса-который-мы-устали-называть, компания AstraZeneca оказалась у всех на слуху. Но глобальная инновационная биофармацевтическая корпорация была образована еще в 1999 году путем слияния шведской Astra AB и британской Zeneca Group и уже много лет является одним из лидеров отрасли. В феврале 2022 года AstraZeneca вошла в рейтинг крупнейших по капитализации нефинансовых компаний Nasdaq-100.

Достичь таких высот, не опираясь на методы математической оптимизации, в современном мире уже невозможно. И AstraZeneca тут не исключение. В публикации научного журнала Interfaces специалисты, работающие с AstraZeneca, рассказали об одной из областей, где были внедрены инструменты оптимизации, — планировании производственных мощностей.

Однажды я уже делился в блоге общей теорией на тему того, как оптимизационные модели трансформируют производственное планирование. Но в фармацевтике все эти процессы имеют свою специфику. Наиболее важным аспектом планирования для фармацевтических компаний является моделирование влияния времени наладки оборудования на пропускную способность завода.

Производить разные виды таблеток на одном и том же оборудовании без проведения чистки и наладки, по понятным причинам, нельзя. Больше того, очищать оборудование нужно и между определенным количеством партий одного и того же вида лекарств. В зависимости от числа партий одного продукта и последовательности запуска в производство разных видов лекарств, время наладки может варьироваться от нескольких минут до нескольких часов, а в некоторых случаях даже дней.

В 2012 году команда специалистов, состоящая из членов Группы по разработке рецептур компании AstraZeneca и ученых из Университета Делавэра, приступила к разработке инструмента планирования производственных мощностей, который должен был помочь компании ответить на три ключевых вопроса:

Разрабатываемая оптимизационная модель должна была быть простой, удобной в использовании и легко встраиваемой в существующие в компании процессы планирования. На практике это означало, что любой создаваемый инструмент поддержки принятия решений должен использовать Microsoft Excel в качестве исходной платформы. Учитывая ограничения встроенного в Excel механизма оптимизации по размеру обрабатываемых задач, разработчики AstraZeneca выбрали в качестве оптимизационного движка надстройку VBA OpenSolver.

Созданный инструмент планирует мощности для поддержания процесса производства таблеток на американском заводе AstraZeneca на горизонте от нескольких месяцев до нескольких лет. Рассматриваемое предприятие производит более десятка различных классов лекарств. Все партии товаров проходят три основных этапа обработки: гранулирование (смешение ингредиентов в порошок), прессование (формирование таблеток из гранулированной смеси) и покрытие (нанесение оболочки для улучшения вкусовых качеств и увеличения срока годности).

Главные сложности в процессе производственного планирования возникают на этапе прессования, поскольку именно он требует наибольшего числа наладок. Серьезная наладка может занимать несколько часов и включает в себя демонтаж пресса, тщательную очистку, сушку и обратную сборку. Такого рода наладка требуется при переходе с одного вида продукции на другой, а также при переключении силы прессования при производстве одного вида лекарств. В свою очередь, простая наладка между одинаковыми партиями товара занимает несколько минут и, как правило, требует менее скрупулезной очистки и сушки пресса.

Созданная оптимизационная модель рассчитывает оптимальную последовательность и количество партий продукции, запускаемых в производство, с тем чтобы удовлетворить прогнозируемый спрос и минимизировать время производства.

Сокращение времени производства было выбрано в качестве целевой функции, так как оно является хорошим показателем переменных затрат на предприятии. Кроме того, в условиях, когда наладки оборудования зависят от последовательности партий товаров, именно продолжительность производства является наиболее сложным показателем для ручных расчетов.

Чтобы преодолеть сложность математической задачи и сократить время расчетов, создатели модели использовали одно упрощающее предположение: каждый производственный маршрут требует только одной серьезной наладки перед сменой вида продукции. Это допущение может немного завышать оценку длительности производства, поскольку в реальности время тщательной очистки оборудования может сокращаться при переходе на другой уровень силы прессования.

Ниже перечислены ключевые преимущества, полученные AstraZeneca с момента запуска оптимизационной модели в июле 2013 года:

Планировщики AstraZeneca теперь используют MS Excel для мгновенной разработки хороших решений и частого запуска сценариев «что если», что помогает руководству компании в принятии решений, касающихся графика рабочих смен, планирования мощностей и оценки потенциальных проектов по обновлению оборудования.

P. S. Если пример AstraZeneca вас вдохновил, и вы считаете, что вашей компании тоже пора оптимизировать процессы производственного планирования, вы можете обратиться за консультацией к нашим специалистам или задать любые интересующие вас вопросы в комментариях.