Regioninė gamybos įmonė diegia dirbtinį intelektą sandėlyje: kaip tai keičia atsargas ir darbuotojų vaidmenis
Vidutinio dydžio gamybos bendrovės vis dažniau ieško būdų, kaip sumažinti atsargų kaštus, greičiau reaguoti į užsakymus ir išvengti tiekimo trikdžių. Viena Baltijos regiono gamykla nusprendė šiuos uždavinius spręsti diegdama dirbtinio intelekto sprendimus sandėlių valdymui.
Nors projektas dar ankstyvoje stadijoje, pirmieji rezultatai rodo, kad atsargų prognozavimas ir užsakymų planavimas gali tapti tikslesni, o sandėlio darbuotojų darbas pamažu krypsta nuo fizinių užduočių prie duomenų stebėsenos ir proceso kontrolės.
Kas paskatino gamybos įmonę imtis dirbtinio intelekto sandėliuose
Pastarųjų metų žaliavų kainų svyravimai ir nereguliarūs tiekimo grandinės sutrikimai parodė, kad tradiciniai planavimo metodai ne visada veikia. Įmonė, dirbanti su keliomis žaliavų grupėmis ir eksportuojanti produkciją į skirtingas rinkas, susidūrė su situacija, kai tuo pačiu metu patirdavo ir stoką, ir perteklines atsargas.
Vadovybė pripažino, kad vien žmogiškos patirties ir „Excel“ lentelių nebepakanka, kai duomenų apimtis ir sudėtingumas nuolat auga. Todėl buvo nuspręsta investuoti į DI algoritmus, kurie galėtų analizuoti kelerius metus kauptus pardavimų, sezoniškumo ir tiekimo duomenis.
Kaip veikia nauja DI sistema sandėlyje
Naujoji sistema integruota su įmonės resursų planavimo programine įranga. Ji automatiškai renka informaciją apie žaliavų suvartojimą, gamybos planus, klientų užsakymus ir tiekėjų pristatymų istoriją. Dirbtinio intelekto modeliai remiasi šiais duomenimis ir kasdien atnaujina rekomenduojamų užsakymų bei atsargų lygių prognozes.
Sandėlio vadovas dabar mato ne tik faktines likučių pozicijas, bet ir sistemos sudarytus kelias savaites į priekį trunkančius scenarijus. Programa pateikia įspėjimus, jei tam tikros žaliavos lygis artėja prie kritinės ribos arba jei numatomas netikėtas poreikio šuolis dėl naujų užsakymų.
Pirmieji rezultatai: mažesnės atsargos ir tikslesni užsakymai
Pasak įmonės atstovų, per kelis mėnesius nuo sistemos įdiegimo pavyko sumažinti „mirusias“ atsargas, kurios sandėlyje stovėdavo be judėjimo ilgiau nei planuota. Nors konkrečių skaičių įmonė neatskleidžia, darbuotojai pastebi, kad rečiau tenka ieškoti papildomų sandėliavimo vietų arba perkrauti paletes, kad tilptų naujos partijos.
„Anksčiau buvome linkę užsisakyti su atsarga, nes bijodavome likti be žaliavų. Dabar dažniau pasitikime sistemos prognozėmis, kurių klaidų procentas po kelių korekcijų pastebimai sumažėjo“, pasakoja sandėlio operacijų koordinatorius. Jo teigimu, tai padėjo sumažinti emocinio sprendimų priėmimo, pagrįsto tik nuojauta, dalį.
Darbuotojų vaidmens pokyčiai: mažiau rutinos, daugiau analizės
Diegiant DI sandėlyje, vadovybė pabrėžė, kad tikslas nėra mažinti darbuotojų skaičių. Dalis komandos narių buvo apmokyti dirbti su naujais valdymo skydeliais, analizuoti sistemos pateiktus indikatorius ir siūlymus. Tai ypač aktualu pamainos vadovams bei tiekimo planuotojams.
Rutininės užduotys, tokios kaip rankinis likučių tikrinimas ar pasikartojantys skaičiavimai, palaipsniui automatinamos. Tuo pat metu darbuotojams tenka daugiau atsakomybės vertinant išimtinę situaciją, aiškinantis, kodėl prognozė neatitiko realybės, ir grįžtamuoju ryšiu padedant tobulinti modelius.
Investicijos ir rizikos valdymas
DI sprendimų diegimas sandėlyje pareikalavo ne tik licencijų ir konsultantų paslaugų, bet ir investicijų į duomenų kokybę. Prieš paleidžiant sistemą teko sutvarkyti sandėlio likučių žymėjimo tvarką, suvienodinti kodus ir aprašymus, peržiūrėti inventorizacijos procesus.
Įmonė pasirinko etapais diegiamą modelį: pirmiausia DI taikomas kelioms pagrindinėms žaliavų grupėms, vėliau numatoma plėsti funkcionalumą ir įtraukti gatavos produkcijos atsargų planavimą. Toks palaipsnis metodas padeda sumažinti riziką ir suteikia laiko darbuotojams prisitaikyti.
Nauda klientams ir tiekėjams
Geriau planuojamos atsargos leidžia patikimiau laikytis pristatymo terminų esamiems klientams ir drąsiau derėtis dėl naujų užsakymų. Mažiau netikėtų žaliavų trūkumų reiškia, kad retėja gamybos sustabdymai, o tai didina įmonės kaip partnerės patikimumą.
Tiekėjams DI pagrindu planuojami užsakymai taip pat naudingi, nes užsakymų srautai tampa tolygesni ir labiau prognozuojami. Tai padeda abiem pusėms išvengti paskutinės minutės skubos, skubių pervežimų ir susijusių papildomų kaštų.
Ko gali pasimokyti kitos gamybos įmonės
Šios įmonės patirtis rodo, kad dirbtinis intelektas sandėlyje nėra vien tik technologinis projektas. Nuo pat pradžių teko įtraukti finansų, IT, gamybos ir personalo skyrius, nes pokyčiai palietė tiek procesus, tiek kompetencijų žemėlapį.
Kitos bendrovės, svarstančios panašias investicijas, pirmiausia turėtų įsivertinti duomenų kokybę ir apsibrėžti aiškius rodiklius, kuriais vertins projekto sėkmę. Taip pat svarbu nepamiršti mokymų ir komunikacijos su darbuotojais, kad DI būtų suvokiamas kaip pagalbinis įrankis, o ne konkurentas darbo vietoms.
Ateities planai: nuo prognozių prie automatinių sprendimų
Šiuo metu DI sistema teikia rekomendacijas, o galutinius sprendimus dėl žaliavų užsakymų priima žmonės. Įmonės vadovybė svarsto, kad ateityje dalis žingsnių gali būti automatizuoti: pavyzdžiui, patikimus tiekėjus pasiekiant automatiniais užsakymų pasiūlymais, jei atsargos nukrenta žemiau nustatyto lygio.
Tuo pačiu svarstoma plėsti modelių taikymą į gamybos planavimą, užsakymų prioritetų nustatymą ir net energetinių resursų naudojimo optimizavimą. Tokia kryptis galėtų dar labiau sutvirtinti įmonės pozicijas konkurencingoje rinkoje ir padėti geriau išnaudoti turimus gamybos pajėgumus.
