זמן אספקה קצר מהווה גורם תחרותי במרבית החברות והארגונים. אם אנחנו יכולים לספק מהר יחסית אנחנו נותנים ערך ללקוח שלנו ובדרך נשפר את המצויינות התפעולית שלנו.
למרבית הלקוחות שלנו יש חוסר וודאות לגבי הכמויות של המוצרים שהם צריכים מאיתנו. חוסר הוודאות הולך ומצטמצם ככל שאנחנו מתקדמים בזמן. לדוגמה: לקוח שמייצר מכונות כביסה וצריך מאיתנו מנועים. נניח שעכשיו חודש ינואר, ללקוח קשה מאד לנחש מה יהיה הביקוש בחודש יוני ואיזה מנועים בדיוק הוא יצטרך. מצד שני, הלקוח יודע בדיוק כמה מנועים הוא צריך מחר לייצור. כלומר, ככל שאנחנו נעים על ציר הזמן ממחר והלאה רמת האי וודאות של הלקוח שלנו לגבי כמות המנועים שהוא צריך הולכת וגדלה. אם זמן האספקה שלנו יהיה מהיום למחר, הלקוח יוכל להזמין תמיד את מה שהוא צריך, אם זמן האספקה שלנו יהיה חודש, אז האי וודאות שלו היא על הצריכה של המנועים בחודש הקרוב וכך הלאה.
ישנם חברות שעיקר התחרותיות שלהם היא על זמני אספקה. לדוגמה אמזון שמסוגלת כבר לספק מגוון מוצרים למגוון ערים בארצות הברית בתוך שעות. אמזון לא ניצחה את מתחרותיה רק במחיר (המחיר ב ebay לפעמים יותר זול), אלא היא מנצחת בזמני אספקה.
דוגמה נוספת יותר ישראלית: שטראוס גלידות (יוניליוור) מייצרת מגוון רחב של גלידות שהיא צריכה לספק בזמני אספקה קצרים יחסית. 
המלאי שיש במחסניה, אני מניח, הם של שבועות מלאי בודדים לכל היותר. שטראוס גלידות צריכה לספק מהר ככל האפשר את המוצרים החסרים מכיוון שליד המקרר שלה יש את המקרר של מתחרותיה. לקוח שלא מצא את מה שחיפש, יקנה את המוצר של המתחרים. כדי למלא את המלאי בחזרה במקרר צריכים להתקיים התנאים הבאים: 1. מישהו זיהה שחסר מוצר (אולי בעל החנות או הסוכן שמגיע לחנות או לקוח שהתלונן).
- החנות/סוכן הכניס הזמנה למוצר (העובדה שלקוח התלונן לא אומרת שבעל העסק הכניס הזמנה).
- המוצר קיים במלאי של שטראוס גלידות. לצערי, זה כנראה החלק שהכי קשה שלהם לנהל, כי כולנו נתקלנו באין סוף מצבים שהמוצר שרצינו מהמקרר לא היה זמין ובדר"כ אי הזמינות שלו עולה על שבוע.
- המוצר ילוקט בזמן הכי קצר לקו החלוקה + קו החלוקה יגיע בזמן הכי קצר לחנות (כלומר אם הוא מגיע פעם בשבוע עלולה להיות המתנה של שבוע עד לחלוקה עצמה)
אתם מוזמנים לבדוק את זה, כמה זמן עובר בין הזיהוי שלכם שמוצר שאתם רוצים חסר במקפיא של החנות שבחרתם ועד שהמלאי יחודש. מניסיוני, שבוע זה מינימום ובמוצרים הנמכרים יותר מדובר בשבועיים או יותר. זמן זה, בהכרח פוגע במכירות של שטראוס גלידות מכיוון שהמקפיא של נסטלה גלידות נמצא תמיד ליד.
מה היה קורה אם במקום זמן אספקה של 10 ימים בממוצע שטראוס היתה מספקת ב 5 ימים בלבד? במשך כ 5 ימים בממוצע הלקוח של החנות היה מוצא את המוצר האהוב עליו ובוחר אותו במקום את המתחרה שלו.
אז איך נצמצם את זמן האספקה שלנו?
קודם כל נגדיר זמן אספקה:
זמן אספקה = הזמן שהלקוח קיבל את המוצר שהזמין פחות הזמן שבו נפתחה הזמנת הלקוח.
*הערה – אננחו צריכים לקחת בחשבון רק הזמנות שהלקוח הזמין ומצפה לקבל כמה שיותר מהר. אם הלקוח הכניס הזמנה לעוד חצי שנה אזי היא לא רלוונטית למדידה.
התמונה הכוללת
בשלב הראשוני אנחנו צריכים לראות שינויים בזמני אספקה ברמה הכללית של המפעל ובתתי רמות של קטגוריית מוצרים (שיש חשיבות לאגד אותם, כי הם מתנהגים דומה מבחינת זמני אספקה).
איך זה נראה? נסתכל על 3 דוגמאות ונדגים בשלב הזה רק על הדוגמה של אמזון (קובץ אקסל עם הנתונים וכל הגרפים מצורף בהמשך, כך שתוכלו לראות בדיוק איך נוצרו הנתונים):
- אמזון – נרצה לראות זמני אספקה של כלל אמזון.
מה זה אומר לדוגמה: בממוצע אמזון מספקת ב 3.4 ימים את החבילות שלה. זה נתון שכולל גם זמן אספקה של חבילות שהספק בסין מספק ללקוח האמריקאי. אותנו מעניין למדוד רק את החבילות שאמזון שולחת מהמלאי שלה (כי כרגע זה החלק שאנחנו רוצים לשפר). הנתון הכללי יראה את זמן האספקה הכללי של אמזון שכולל את כל המחסנים (הגרף הראשון) ובתתי הרמות נרצה לראות את זמני האספקה לפי קטגוריות. זה לא חייב להיות קטגוריות של מוצרים. במקרה של אמזון התתי רמות יהיו: זמן האספקה של כל מרכז לוגיסטי. המטרה שלנו היא ללמוד מזמני האספקה ולדעת אם אנחנו משתפרים ואיפה ניתן להשתפר עוד. בגרפים של המחסנים ניתן לראות שלמרות שזמן האספקה נע בין 23 ל 24 שעות המחסנים מתנהגים שונה ביניהם ושונה בין החודשים. הגרפים הללו מאפשרים לנו לבצע השוואה בין המחסנים אבל עדיין לא ניתן לעשות כלום עם המידע. אנחנו נצורך להפוך את זמן האספקה הכללי של המחסנים למשהו שניתן לתרגם למחלקות או תהליכים בארגון.
2. שטראוס גלידות – נרצה לראות זמן אספקה כללי של כל הזמנה, כי זאת רמת השירות הכללית שלנו. בתתי הרמות נרצה לראות את הקרטיבים לבד כי, אם זכור לי נכון, יש מכונה שתפקידה לייצר קרטיבים בלבד, 
המכונה הזאת לא משפיעה על מכונת הטילונים. קו הקרטיבים מייצר בכמויות גדולות וכנראה שזאת הסיבה שאין בעית מלאי של קריטיבים. מצד שני בתחום הטילונים, יש צריכה שונה ומכונה שונה ולכן כדאי לראות את הטילונים בנפרד וכך הלאה
3. במפעל שמייצר לפי הזמנות לקוח בלבד – במקרה זה, יהיה לנו גם כן זמן אספקה כללי וזמן אספקה לפי קווי מוצרים בעיקר.
פירוק זמן האספקה לגורמים
ראינו איך זמן האספקה מתנהג ברמה הכללית ובתתי הרמות, זה מצויין בשביל לדעת איפה אנחנו נמצאים ביחס לתקופות אחרות אבל זה לא אומר לנו איפה הבעיות שלנו.
כדי להוריד זמני אספקה אנחנו צריכים לפרק את זמן האספקה לגורמים. גודל כל אחד מהגורמים תלוי ב Data שיש לנו וברזולוציה שאנחנו רוצים לטפל בה. כל "גורם" צריך לייצג חלק מהתהליך של מילוי ההזמנה כאשר אנחנו יודעים מתי הגענו ל"גורם" ומתי עזבנו אותו.
ניקח את הדוגמה של אמזון: נבחר בתת הסיווג של אספקה מהמלאי הזמין של אמזון בתוכנית הפריים. נסתכל על נתונים פר הזמנה. השלבים יתועדו על ידי המערכת של אמזון ככל הנראה באופן הבא (חלק מהנתונים יגיעו מקבלן המשלוחים ) :
- זמן כניסת ההזמנה
- הזמן שבו נפתחה הוראת הליקוט במחסן הרלוונטי
- הזמן שבו התחילו בפועל ללקט את ההזמנה
- זמן דיווח האריזה
- זמן המתנה להעמסה על המשאית
- זמן יציאת המשאית מהמחסן של אמזון
- זמן חלוקת האריזה הראשונה מהמשאית/כלי הרכב
- הזמן בו סופקה החבילה ללקוח
אמזון כככל הנראה אספה בדרך עוד כמה עשרות נקודות מידע שאולי ישמשו אותה לניתוחים אחרים. נתמקד כרגע בשמונת דיווחי הזמן שלמעלה, לכל אחד מהם יש מטרה:
- זמן תגובה של המערכת הממוחשבת להזמנת לקוח: זמן סעיף 2 פחות זמן סעיף 1. זאת נקודה שהיא בכלל לא בסדר גודל של הזמן של שאר הנקודות אבל היא נקודה חשובה במידה ויש בעיית מלאי או שהמלאי צריך לעבור בין מחסנים (שאז התהליך הולך ומסתבך פעם נוספת).
- זמן ההמתנה בתור לליקוט: סעיף 3 פחות סעיף 2. זהו זמן חשוב מאד מבחינת אמזון אם נוצרים תורים ארוכים של מעל כמה שעות החברה לא תוכל לספק את החומר בזמן. את זמן ההמתנה בתור ניתן להוריד ע"י הגדלת מספר המלקטים או הקטנת זמן הליקוט.
- זמן הליקוט: סעיף 4 פחות סעיף 3. זהו משך הזמן שהמלקט עובד על ההזמנה. זהו בדרך כלל הזמן הכי יקר למערכת הלוגיסטית אחרי עלות השילוח. כל שיפור בזמנים הללו יובילו לשיפור משמעותי בזמן האספקה הכולל.
- זמן המתנה למשלוח: סעיף 5 פחות סעיף 4. זהו הזמן שבו ממתינה החבילה, במצב ארוז ומלוקט, למשאית שתיקח אותה ליעדה. אם מדובר ביעד פופולארי שאליו יוצאות משאיות כל שעתיים אזי זמן ההמתנה יהיה בדרך כלל עד שעתיים, אך אם מדובר ביעד שאליו נשלחת משאית פעם או פעמיים ביום אזי זמן ההמתנה יהיה מאד קריטי. כאשר אנחנו עוקבים אחרי הנתון הזה אנחנו יכולים לתכנן נכון יותר את התהליך. לדוגמה אם ישנה משאית שיוצאת פעם ביום ליעד מסויים, ונניח שהיא יוצאת בעה חמש בערב. עד הזמן הזה כל האריזות של כל החבילות צריכות להסתיים, לשם כך נצטרך לתת עדיפויות לחבילות הללו כשעה או שעתיים לפני המשלוח כי אם הם יאחרו את המשאית העונש יהיה עוד 24 שעות. מצד שני החבילות שהולכות ליעד הזה לא צריכות לקבל בכלל עדיפות לאחר השעה חמש מכיוון שבכל מקרה הם ימתינו למשלוח של היום למחרת.
- זמן העמסה : סעיף 6 פחות סעיף 5. זהו הזמן שלוקח "להטעין" את המשאית בחבילות. תכנון נכון של ההטענה יכול לחסוך זמן רב ולאפשר למשאית להשאר זמן קצר יחסית צמודה למחסן לצורך הטענה. בגדול, חסכון בזמן הטעינה מאפשר יותר "סבבי נסיעה" לכל משאית ומקטין במידה מסויימת את כמות המשאיות.
- זמן הנסיעה: סעיף 7 פחות סעיף 6. זהו הזמן שלוקח למשאית מרגע שיצאה מהמחסן ועד שהגיעה לאזור החלוקה שלה. זהו ללא ספק מרכיב זמן חשוב מאד שאותו ניתן גם כן לתכנן באמצעות יצירת מסלולים שעושים אופטימיזציה על הדרך הצפויה. אני מניח שלאמזון או לחברת השליחויות שלה יש מנגנון שמשקלל את עומסי התנועה ומחשב באופן דינאמי את הנתיב המדוייק שהמשאית צריכה לעבור בו.
- זמן עד חלוקת החבילה: סעיף 8 פחות סעיף 7. סעיף זה כמעט ולא מעניין אותנו פר הזמנה אלא הממוצע או המקסימום של הערך הזה פר נסיעת משאית.
- סה"כ זמן אספקה להזמנה: סעיף 8 פחות סעיף 1. זהו כמובן הערך שייכנס לנו בממוצעים של חישוב זמן האספקה ברמה הכללית ובתתי הרמות.
איך מייצרים את המידע?
בדרך כלל המערכת הממוחשבת של כל ארגון שומרת זמנים של כל שלב שבה משהו מדווח למערכת (זה נקרא בדר"כ לוג אם זה בטבלה או תאריך פעולה אם זה ברשומה). במידה ולא ניתן למצוא נקודה שבה המערכת שומרת זמן מסויים ניתן להגדיר נקודת דיווח נוספת במערכת אבל זה בדרך כלל לא מומלץ, חפשו במערכת המידע שלכם בדרך כלל יש שם את כל האינפורמציה.
לאחר מכן, יש לאסוף את כל נקודות המידע הללו לפי הזמנה או לפי שורת הזמנה (אם אתם מחוייבים לספק את כל שורות ההזמנה בבת אחת אז כל החישובים נעשים פר הזמנה. אם אתם יכולים לספק הזמנות חלקיות אז מחשבים לפי שורת הזמנה).
ראו דוגמה לטבלה כזאת:
לאחר מכן נבנה stack bar שזה גרף עמודות נצבר. באופן הזה נוכל לראות את זמן האספקה הכולל, הזמן שכל גורם מהווה מתוך סה"כ הזמן והכי חשוב נוכל לראות את השינויים בזמנים לאורך זמן. השינויים הללו מלמדים אם המצב משתפר או נהיה יותר גרוע.
הנתונים הללו מראים לנו 2 דברים עיקריים:
- איפה "מתבזבז" לנו הזמן. במקרה של הגרף למעלה הזמן העיקרי הוא זמן ההעמסה (כחול בהיר). מנתח נתונים ישאל את עצמו למה זמן העמסה כל כך גדול, והסיבה לכך תתברר בכך שמשאיות לא עוזבות אחרי השעה 15:00 את המחסן על מנת לא להגיע מאוחר מדי ליעד. האם תכנון נכון יותר כך שקווים ארוכים ייצאו יותר בבוקר וקווים קצרים ייצאו בסוף היום, יעזור? כנראה שכן, החשוב מכל זה שעכשיו נוכל למדוד את זה.
- ניתן לראות שיש שיפור בזמן החלוקה (כחול כהה בלמעלה של הגרף). הזמן הזה יורד ומשמעו בדר"כ שנעשה אכן שיפור בתחום (למשל, אופטימיזציה של הדרך כך שהמשאית תנסע הכי פחות זמן או אופטימיזציה שלא להכנס לפקקים וכו').
נרד עוד טיפה לפרטים ונסתכל רק על זמן החלוקה של מחסן אטלנטה (הרכיב העליון בגרף):
אנחנו רואים את השיפור בתהליך לאורך זמן ועכשיו שאנחנו יודעים למדוד ולמצוא את השיפור בתת חלוקה הזאת אנחנו יכולים לתת פידבק למחלקה/מנהל האחראים.
ולקראת סיום הנה דוגמה להורדת זמני אספקה בפרוייקט אמיתי שהשתתפתי בו, הפרוייקט התחיל באמצע ינואר 2019. שימו לב כמה מהר ניתן להגיע להשגים כאשר כל הזמן מודדים ונותנים פידבק:
עד כאן הפוסט הראשון בנושא בפוסט הבא נבחן את 2 הדוגמאות הנוספות שבהם יש מפעל שמספק חלקית מהמלאי ומפעל שמספק ללא מלאי בכלל.
את הנתונים שהרכיבו את הדוגמה והגרפים למעלה ניתן להוריד כקובץ אקסל ע"י לחיצה על האייקון הבא:
סיכום
זמן אספקה הוא גורם יותר ויותר חשוב ברמת שביעות הרצון של הלקוחות. על מנת לשפר זמני אספקה אנחנו צריכים לפרק אותו לגורמים שאותם אנחנו יכולים לשפר באופן עצמאי. שיפור כל גורם בנפרד יוביל לשיפור כולל בזמן האספקה. בפוסט הזה ראינו את החלק הקל יותר של חישוב זמני אספקה כאשר אנחנו מספקים ישירות מהמלאי ורק מהמלאי. בפוסט הבא נרד לעומק לארגונים שצריכים לייצר ולספק הזמנות מייצור או מייצור וממלאי במשותף.
אני אשמח מאד אם תוסיפו לייק למאמר, זה ייתן לי מוטיבציה להמשיך ולייצר את הפוסטים הנוספים.
אם יש לכם הערות, שאלות או תגובות אנא שילחו אותן לגל מירום:
ThePlanningMaster@gmail.com
פוסט זה נועד לשמש כחומר ומידע למהנדסי תעשיה וניהול ולכל מי שאוהב תעשיה וניהול
פוסט זה תומך במצויינות תפעולית בייצור