Pārtikas un dzērienu ražošanas pasaule darbojas ar ļoti šaurām peļņas normām un bojāšanās termiņa pulksteni. Tā ir vide ar augstām likmēm, kur katra izšķērdētā sastāvdaļa, katrs nepārdotais produkts tieši ietekmē rentabilitāti. Daudzi uzņēmumu īpašnieki, ar kuriem esmu runājis, zina, ka viņiem ir jākļūst gudrākiem, taču viņus bieži vien pārņem liela informācijas plūsma par MI. Viņi dzird par grandiozām pārvērtībām, bet nespēj saskatīt, kā tās attiecas uz viņu specifiskajiem izaicinājumiem, piemēram, svaigu produktu pārvaldību vai svārstīgu pieprasījumu pēc nišas produkta.
Bet kas, ja jūs varētu prognozēt pieprasījumu ar tādu precizitāti, ka praktiski novērstu atkritumus? Kas, ja jūs varētu tik pilnīgi optimizēt savus krājumus, ka jums vienmēr būtu pietiekami, bet nekad par daudz? Tas nav zinātniskā fantastika. Esmu strādājis ar simtiem uzņēmumu pie šīs pārejas, un tendence ir skaidra: mērķtiecīgas MI lietojumprogrammas, īpaši tādās jomās kā pieprasījuma prognozēšana un krājumu pārvaldība, izrādās, ka tās maina spēles noteikumus. Tas jo īpaši attiecas uz uzņēmumiem, kas meklē labākos MI rīkus pārtikas un dzērienu ražošanai, kur kļūdu likmes burtiski ir pūstoši produkti un zaudēti ieņēmumi.
Ļaujiet man pastāstīt jums par nelielu, neatkarīgu pārtikas ražotāju, ar kuru es strādāju – sauksim to par 'Artisan Eats'. Viņi specializējās svaigu, gardēžu gatavu maltīšu ražošanā, piegādājot tās neatkarīgiem mazumtirgotājiem un tieši patērētājiem. Viņu izaicinājums bija klasisks savā nozarē: neparedzams pieprasījums apvienojumā ar ļoti ātri bojājošām sastāvdaļām. Rezultātā veidojās nepārtraukts cikls: vai nu pārmērīga pasūtīšana (kas noveda pie ievērojamiem atkritumiem), vai nepietiekama pasūtīšana (kas noveda pie zaudētiem pārdošanas apjomiem un neapmierinātiem klientiem). Viņu pārdoto preču pašizmaksu (COGS) palielināja šī neefektīvā sistēma, samazinot viņu jau tā šaurās peļņas normas. Viņi bija nonākuši tajā, ko es saucu par Bojāšanās paradoksu: jo vairāk pūļu viņi ieguldīja augstas kvalitātes, svaigu produktu radīšanā, jo neaizsargātāki viņi kļuva pret krājumu nepareizu pārvaldību.
Izaicinājums: atkritumu (un zaudēto iespēju) recepte
Artisan Eats darbība lielākoties bija manuāla. Pārdošanas prognozēšana balstījās uz intuīciju, vēsturiskiem vidējiem rādītājiem un vadītāja labākajām aplēsēm. Sastāvdaļas tika pasūtītas katru nedēļu, dažreiz katru dienu, pamatojoties uz šīm aplēsēm. Viņu unikālais pārdošanas piedāvājums – svaigi, augstas kvalitātes produkti bez konservantiem – bija arī viņu Ahileja papēdis, runājot par atkritumiem. Nepārdotu ēdienu partija nozīmēja izmest pilnīgi labas, bieži vien dārgas, sastāvdaļas, faktiski maksājot par kaut ko, kas nedeva nekādu atdevi. Tas nebija tikai par izejvielu izmaksām; tas bija arī par darbu, enerģiju un iepakojumu. Šis cikls ievērojami iztukšoja viņu finanses, būtiski palielināja viņu COGS un kavēja viņu spēju paplašināties.
Viņi izmēģināja dažādas tradicionālās metodes: sarunas par stingrākiem piegādātāju līgumiem, produktu klāsta samazināšanu, pat eksperimentus ar ilgāka derīguma termiņa komponentiem (kas bija pretrunā ar viņu zīmola solījumu). Nekas patiesi nemainīja situāciju ar viņu COGS, jo pamatproblēma – neprecīza pieprasījuma prognozēšana – palika neatrisināta. Tas bija kā mēģināt salabot cauru jumtu ar mazu spaini; pamatproblēmai bija nepieciešams spēcīgāks risinājums.
MI iejaukšanās: no minējumiem līdz precizitātei
Kad Artisan Eats vērsās pie manis, viņu galvenais mērķis bija kontrolēt savu COGS, neapdraudot produktu kvalitāti. Mana tūlītējā uzmanība bija pievērsta viņu pieprasījuma prognozēšanai un krājumu pārvaldībai. Šīs ir jomas, kurās MI patiesi spīd, īpaši ņemot vērā pieejamo, jaudīgo rīku pieplūdumu. Mēs sākām, aplūkojot datus, kas viņiem jau bija: pārdošanas vēsture, akciju kalendāri, sezonālās svārstības, pat vietējo pasākumu grafiki. Lielākā daļa uzņēmumu atrodas uz datu zelta raktuvēm, ko tie neizmanto pilnībā – ko es saucu par Datu dividendi.
Mūsu stratēģija ietvēra prognozējoša MI risinājuma ieviešanu, kas īpaši paredzēts piegādes ķēdes izaicinājumiem. Tā vietā, lai veidotu kaut ko no nulles, mēs izvēlējāmies gatavus rīkus, kurus varēja integrēt ar viņu esošo pārdošanas platformu. Galvenais bija atrast labākos MI rīkus pārtikas un dzērienu ražošanai, kas bija lietotājam draudzīgi un piedāvāja skaidrus, praktiskus ieskatus, nevis tikai sarežģītus algoritmus.
1. fāze: uzlabota pieprasījuma prognozēšana
Mēs sākām, ievadot viņu vēsturiskos pārdošanas datus – tostarp ikdienas pārdošanas apjomus, akcijas un ārējos faktorus, piemēram, laika apstākļus un brīvdienas – mākonī balstītā MI pieprasījuma prognozēšanas rīkā. Šis rīks pārsniedza vienkāršus vidējos rādītājus. Tas identificēja sarežģītus, nelineārus modeļus, ko cilvēka acs nepamanītu. Piemēram, tas iemācījās, ka saulainā otrdienā pēc valsts svētkiem tiktu novērots īpašs Vidusjūras ēdienu pārdošanas pieaugums, savukārt lietainā piektdiena varētu palielināt viņu komforta ēdienu klāsta pārdošanu. Tas ņēma vērā arī katras sastāvdaļas specifisko derīguma termiņu, sniedzot prognozes, kas attiecās ne tikai uz daudzumu, bet arī uz laiku.
Tas novērsa lielu daļu minējumu. Tā vietā, lai katru nedēļu debatētu par pārdošanas mērķiem, viņi saņēva uz datiem balstītas prognozes, kas tika atjauninātas gandrīz reāllaikā. Tas viņiem ļāva:
- Pielāgot ražošanas grafikus: Ražojot tuvāk paredzamajam pieprasījumam, samazinot pārmērīgu ražošanu.
- Optimizēt sastāvdaļu iepirkumu: Pasūtot tieši to, kas bija nepieciešams, kad tas bija nepieciešams, samazinot bojāšanos.
- Proaktīvi pārvaldīt akcijas: Identificējot produktus, kas, visticamāk, būs pārmērīgi daudz, un plānojot mērķtiecīgas akcijas, lai tos pārdotu pirms derīguma termiņa beigām, nevis reaģējot uz nenovēršamu izšķērdēšanu.
2. fāze: dinamiska krājumu optimizācija
Ar precīzākām pieprasījuma prognozēm nākamais solis bija krājumu optimizēšana. Šeit tika ieviesta atsevišķa ar MI darbināma krājumu pārvaldības sistēma. Šī sistēma ne tikai informēja viņus par to, kas viņiem bija; tā aktīvi pārvaldīja atkārtotas pasūtīšanas punktus un daudzumus, ņemot vērā piegādātāju izpildes laikus, uzglabāšanas jaudu un katras sastāvdaļas derīguma termiņu. Tā varēja pat modelēt dažādu krājumu līmeņu finansiālo ietekmi.
Viens no vissvarīgākajiem aspektiem Artisan Eats bija Derīguma termiņa spiediena pārvaldība – pastāvīgais ierobežotās sastāvdaļu svaiguma spiediens. MI sistēma to ņēma vērā, iesakot pasūtījumus, kas līdzsvaroja izmaksu ietaupījumus ar svaiguma prasībām, pat brīdinot par iespējamām problēmām vairākas nedēļas iepriekš. Piemēram, ja piegādātājam bija kavēšanās, sistēma varēja viņus brīdināt proaktīvi meklēt alternatīvus avotus vai pielāgot ražošanu, novēršot krājumu iztrūkumu vai kvalitātes kompromisu.
Lai dziļāk izprastu, kā šīs sistēmas var pārveidot ražošanas darbības, es bieži norādu uzņēmumiem mūsu ceļvedi par MI ražošanā, kas aptver visu, sākot no ražošanas līnijas optimizācijas līdz kvalitātes kontrolei.
Rezultāti: COGS samazināšana par 22%
Ietekme bija ātra un ievērojama. Sešu mēnešu laikā pēc pilnīgas ieviešanas Artisan Eats novēroja satriecošu 22% samazinājumu pārdoto preču pašizmaksā. Tas nebija tikai neliels uzlabojums; tā bija transformācija. Lūk, no kurienes nāca ietaupījumi:
- Samazināti sastāvdaļu atkritumi (15% samazinājums): Precīzāk saskaņojot iepirkumus ar pieprasījumu, viņi krasi samazināja neizmantotās ātri bojājošās sastāvdaļas. Mazāk pārtikas atkritumos nozīmēja vairāk naudas bankā.
- Optimizētas darbaspēka izmaksas (5% samazinājums): Prognozējamāki ražošanas grafiki nozīmēja mazāk virsstundu steidzamiem pasūtījumiem un efektīvāku personāla sadalījumu lēnākos periodos. Komanda varēja koncentrēties uz kvalitāti un inovācijām, nevis steidzīgi risināt pārpalikumu vai trūkumu.
- Zemākas uzglabāšanas izmaksas (2% samazinājums): Lai gan tā bija mazāka daļa no kopējā ietaupījuma, mazāks liekā krājuma daudzums nozīmēja mazāku nepieciešamību pēc saldējamās uzglabāšanas telpas un enerģijas patēriņa.
- Uzlabota naudas plūsma: Mazāk kapitāla, kas piesaistīts lēni apgrozāmiem vai izšķērdētiem krājumiem, atbrīvoja līdzekļus, kurus varēja reinvestēt mārketingā, produktu attīstībā vai vienkārši veselīgāka finanšu rezerves veidošanā.
Papildus tiešajiem finansiālajiem ietaupījumiem bija nenovērtējamas sekundārās priekšrocības. Klientu apmierinātība uzlabojās retāku preču iztrūkumu dēļ. Darbinieku morāle uzlabojās, jo samazinājās pastāvīgais atkritumu pārvaldības stress. Uzņēmums ieguva tādu veiklību un atsaucību, kāda tam nekad iepriekš nebija bijusi, ļaujot ātri reaģēt uz tirgus izmaiņām vai jaunām iespējām.
Šis gadījumu pētījums skaisti ilustrē mērķtiecīgas MI spēku pārtikas nozarē. Lai iegūtu specifiskākus piemērus un sistēmas, kas pielāgotas šai nozarei, izpētiet mūsu īpašo resursu par MI ietaupījumiem pārtikas un dzērienu ražošanā.
Galvenā atziņa: Tas nav par aizvietošanu, tas ir par uzlabošanu
Artisan Eats neaizstāja visu savu komandu ar MI. Viņi deva iespēju savai esošajai komandai ar labāku, precīzāku informāciju. Ražošanas vadītāji tagad varēja pieņemt lēmumus, pamatojoties uz konkrētiem datiem, nevis intuīciju, atbrīvojot viņus, lai koncentrētos uz augstākas vērtības uzdevumiem, piemēram, recepšu inovācijām un kvalitātes kontroli. Tā ir viedas MI ieviešanas būtība: cilvēka spēju paplašināšana, nevis tikai automatizācija.
Šis stāsts ir spēcīgs atgādinājums, ka MI transformācija ne vienmēr ir par masveida, miljoniem mārciņu vērtām pārbūvēm. Bieži vien tas ir par kritisko sašaurinājumu identificēšanu – piemēram, pieprasījuma prognozēšana ātri bojājošu preču uzņēmumā – un pareizo MI rīku piemērošanu, lai tos precīzi atrisinātu. Sākotnējās investīcijas MI rīkos un ieviešanas procesā Artisan Eats bija pieticīgas, īpaši salīdzinot ar ātro atdevi, ko viņi redzēja COGS samazinājumā. Viņu izmantotie rīki bija pieejami, mākonī balstīti risinājumi, kas neprasīja datu zinātnieku armiju.
Ja jūsu uzņēmums saskaras ar līdzīgiem izaicinājumiem – vai tas būtu piegādes ķēdes optimizācija, ātri bojājošos preču pārvaldība vai vienkārši jūsu COGS samazināšana – iespēja izmantot prognozējošo MI ir klāt. Sāciet, aplūkojot savus esošos datus, identificējot lielākos izmaksu avotus, un pēc tam izpētiet pieejamos MI rīkus, kas var sniegt jums tādu pašu precizitātes līmeni, kas pārveidoja Artisan Eats. Nākotne nav par atkritumu ignorēšanu; tā ir par to prognozēšanu un novēršanu.