企业物流都是从供应链向下延伸而来,随企业业务的环节区分为采购物流、生产物流和销售物流,仓储作为物流的七大功能之一,因其物流节点的作用,备受企业重视。
仓库因所在物流环节的区别,管理的物料、上下游服务对象、订单/计划特点、客户服务目标等都有较大的差别。再加上企业所在行业的差别、企业本身管理的水平、对物流的投入程度等等,就导致仓储管理千差万别,而针对仓储进行的运营诊断也就更是仁者见仁智者见智了。
笔者今天在这里仅以某企业的成品仓为案例,说说我们在仓储运营诊断中的一点思路。
用系统的框架将仓库的位置画出来,将跟仓库相关的客户服务目标、仓库的输入、输出、外部约束整理出来,仓库的功能定位也就清晰可见了。
从上面的案例可以看出,该成品仓是面向生产的布局,并直接为下游组织型客户服务(这与企业的产品特点有关),这就决定了成品仓的业务形态,不仅要满足规模化生产的成品仓储又要兼具客户订单的及时响应。
调研是物流诊断极其重要的一个环节,有效的调研问卷设计可以提升效率、全面获知业务信息、便于调研资料的汇总整理等。
如果在调研问卷设计时兼具层次分析法进行对定性问题进行打分标准设计,那么调研过程即是现场诊断过程,调研完成也就得出了一定内容的诊断结果。
对于打分标准,笔者认为不宜一概而论,也不见得追求行业标准就是好的(更何况现在行业标准也模糊不清),而应该与企业的管理倾向保持一致,当然关于这点,笔者也正在上下而求索,不得其法。
流程是仓储各项作业链接起来的主线,通过调研将流程图绘制出来,并与SCOR的标准流程进行对比,我们可以清晰的从流程图中发现现有流程的异常点。
再结合后续的数据分析,将这些流程异常点与业务数据结合,即可全面真实的反映问题的根本。
优化很多时候就是在寻找到真正问题的基础上自然而然的一个过程,不论何种方法、技术或先进设备,只有找到问题的本质,这些改进和优化才是对症下药,而动的刀花的钱也才会有效果。
业务数据越来越受到企业的重视,管理软件也广泛应用,从ERP、MES、LES到OMS、WMS、TMS等。但企业内信息孤岛的现象还是很严重,以销售物流为例,即使MTS模式下的物流全过程,也很难实现订单贯穿全过程的数据状态(这个我们可以下次以一个案例来看看)。
在这种现状下,如何识别有效数据为我们的诊断提供数据基础就变得很重要。以笔者的经验来看,从诊断目标上拆解数据需求,分解数据字段,锁定数据周期是一种有效的办法。仓储诊断过程中常常涉及到的数据相对简单,入库表、分拣表、装车表、发运计划、计划或订单表即可。
因为诊断最终都要导向绩效层面,因此资源类的设施、设备、人员、车辆等的数量、效率或能力也是必要的。(拿资源表举个例子)
数据分析分为四类,联系、对比、分布、构成(借鉴的),对于企业物流的数据分析主要应用到后面三种。
笔者简单分享下自己的经验,对于业务量的分析主要应用分布,从年、月、日的时间序列上看其波动情况,通过分布图形分析业务特点,年度趋于均衡,明显的季节性,需求不确定性无明显规律且波动较大等等。
进而根据波动情况匹配整体的管理策略和资源配置策略是否合适。对于物料、客户的ABC分类多用构成,了解企业应重点关注哪些物料和高贡献价值的客户。
对于订货量的分析则多用正态分布,根据历史数据即可得对未来的预测。前辈们总结的EIQ确实是仓储管理中重要的数据分析方法,ABC、组距、比例、材积重量和PCB都针对不同的分析对象得出明确指向性的结论,用于指导分拣方式、改进订货量、按流程配置设备、有效码盘装载等业务改善。
基于客户服务目标和订单要求,通过流程、管理策略、资源配置、业务数据的分析可以得出仓储运作管理中存在的诸多问题,再回归到仓库的功能定位和管理目标,即可得出具体的优化改进方法,这些方法最后都会物流系统的资源输入和管理上。
但要注意结合企业的现状进行先后排序,从各项改进的最基础的地方开始实施,例如有些企业数据基础性较差,产品的包装信息不健全,就必须花大气力去统计和标准,不能妥协,这些都是做其他优化的基础。
前面讲了很多的物流诊断的内容,回过头来,笔者还是认为有必要梳理下企业进行物流诊断的意义,这能让我们更加清晰的认识到这份工作的必要性和重要性。
●流程化、数据化的呈现业务现状;
●准确的呈现业务变化并可实现对原因进行客观溯源;
●根据诊断结论进行科学的合理的改善;
●将风险量化,设置合理的风险管理策略,降低风险控制成本;
●真正的搞明白企业业务画像,从价值角度衡量管理配置。