Zarządzanie łańcuchem dostaw (ang. supply chain management, SCM) obejmuje planowanie i koordynację wszystkich ogniw, przez które przechodzi produkt: dostawców, produkcji, magazynów, transportu, sprzedaży i zwrotów. Wykracza poza logistykę, bo łączy decyzje o popycie, zapasach, zakupach i mocach produkcyjnych. Celem jest wymagany poziom obsługi klienta przy możliwie niskim łącznym koszcie i zaangażowanym kapitale – a nie optymalizacja każdego ogniwa osobno.
Model SCOR
Najszerzej stosowanym modelem referencyjnym jest SCOR (Supply Chain Operations Reference), opracowany w 1996 roku przez Supply-Chain Council, a obecnie rozwijany przez stowarzyszenie ASCM. W klasycznej wersji dzieli łańcuch na pięć procesów podstawowych, uzupełnionych procesami wspierającymi (Enable):
| Proces | Zakres | Przykładowe mierniki |
|---|---|---|
| Plan (planowanie) | Bilansowanie popytu i podaży, plan sprzedaży i operacji | Trafność prognozy, poziom zapasów |
| Source (zaopatrzenie) | Wybór dostawców, zamówienia, przyjęcie | Terminowość i jakość dostaw |
| Make (wytwarzanie) | Produkcja, montaż, kontrola | OEE, odsetek wyrobów dobrych za pierwszym razem |
| Deliver (dostawa) | Obsługa zamówień, magazyn, transport | OTIF, koszt dostawy |
| Return (zwroty) | Zwroty od klientów i do dostawców | Czas obsługi zwrotu |
SCOR porządkuje też mierniki według atrybutów: niezawodności, szybkości reakcji, zwinności, kosztu i efektywności wykorzystania aktywów. Dzięki wspólnym definicjom łatwiej porównać ogniwa i firmy.
Prognozowanie i dane
Planowanie zaczyna się od prognozy popytu. Obok metod statystycznych coraz częściej stosuje się modele uczenia maszynowego, które uwzględniają jednocześnie promocje, ceny, sezonowość, kalendarz i dostępność towaru. Są to modele predykcyjne trenowane na danych liczbowych – inna klasa narzędzi niż generatywne modele językowe. Ich trafność zależy od jakości danych o sprzedaży, brakach i zapasach w całym łańcuchu. Wymiana tych danych z partnerami ogranicza efekt byczego bicza, czyli narastanie wahań zamówień w górę łańcucha.
Przykład
Dystrybutor chemii budowlanej z 12 000 SKU i dwoma magazynami miał jednocześnie wysoki zapas, odpowiadający 95 dniom sprzedaży, i OTIF na poziomie 86%. Zakupy zamawiały według ręcznie ustalonych minimów, a prognoz nie aktualizowano od roku. Wprowadzenie miesięcznego planowania sprzedaży i operacji, prognoz statystycznych dla pozycji o regularnym popycie oraz zapasu bezpieczeństwa liczonego osobno dla każdej pozycji obniżyło w ciągu dwóch kwartałów zapas do 70 dni, a OTIF wzrósł do 93%.
Najczęstsze błędy
- Optymalizacja ogniw osobno – np. zakupy obniżają cenę jednostkową dużymi partiami, a magazyn i finanse płacą za nadmierny zapas.
- Planowanie bez wspólnych danych: sprzedaż, zakupy i produkcja pracują na różnych prognozach.
- Uzależnienie od jednego dostawcy kluczowego materiału bez planu awaryjnego i bez oceny ryzyka.