Модернизация системы KPI склада

Влияние средств контроля склада на сферы его деятельности. Анализ функциональных участков логистики компании. Основные виды потерь при методологии бережливого производства. Осуществление планирования складского персонала и различного рода издержек.

Рубрика Маркетинг, реклама и торговля
Вид дипломная работа
Язык русский
Дата добавления 09.09.2017
Размер файла 646,5 K

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Выбор нового базиса для KPI

Необходимость введения новой системы KPI была очевидна. Основным вопросом для этого по-прежнему оставался возможный базис для системы. Он должен был удовлетворять следующим требованиям:

1. Давать полную и адекватную картину деятельности склада

2. Позволять оценить реальный вклад (в перерасчете на реальные возможности) каждого работника

3. Не требовать дополнительного исследования при возникновении отклонений от нормы и инцидентов, кроме как в случаях, когда стандартные процессы были изменены

Основные вопросы формирования KPI

Одним из основных вопросов, подлежащих решению, стала парадигма KPI. Для чего нужны KPI продуктивности? Они измеряют время, которое тратится на обработку товара, а значит, и влияют на стоимость услуг, которая затем возмещается клиентом. И провайдер склада, и клиент склада заинтересованы в высокой продуктивности - клиент в общем сможет платить меньше, в то время как склад сумеет выиграть на эффекте масштаба. Важно понимать, как работал анализ склада с помощью KPI: ожидается, что значение некоего показателя будет не меньше определенного уровня - тогда требуемый уровень затрат сохранится и обе стороны выиграют. Но, анализ показывает, что такое значение threshold - не всегда самое оптимальное, а значит, реальные возможности склада могут быть занижены, что, опять-таки, негативно сказывается на всех сторонах. Кроме того, существует противоположная возможность: склад вырабатывает свою норму достаточно хорошо, т.е. физически каждый член смены отрабатывает свое время продуктивно, но в связи с характером товара, склад должен увеличить число рабочих в поле, что снижает соответствующий показатель, хотя по факту работа склада не испытывает задержек. Таким образом, у бизнеса может создаваться впечатление, что продуктивность низкая, когда работа идет с полной загрузкой и наоборот, что продуктивность высокая, хотя усилия, которые прилагаются для обработки товаров, невелики, и за счет интенсификации могли бы быть сокращены во времени. Такие перепады создают угрозу ясному пониманию ситуации, а значит, и вредят бизнесу в целом.

Выбор базиса KPI

Для улучшения ситуации, было принято решение сменить базис KPI. Для начала, были проверены существующие и использующиеся на практике базисы различных показателей. Ниже представлен список потенциальных базисов для KPI. склад логистика бережливый издержка

Рисунок 5. Использование базисов для измерения логистических KPI

Для тестирования вычисления эффективности на основе анализа специфики бизнеса были отобраны следующие базисы:

· Физические характеристики: вес

· Физические характеристики: объем

· Количество: штука

Приведенные выше KPI зон обработки товара имеют различное значение для контроля продуктивности склада. Со стороны клиента склада, в основном контролируются показатели продуктивности на уровне зоны; провайдеру площадей важно учитывать индивидуальные показатели рабочих. С учетом этого, различные базисы для вычисления эффективности были проанализированы в различных плоскостях интереса партнеров и после этого рассмотрены в совокупности (для клиента и поставщика), с тем чтобы выявить наилучший для обеих сторон.

Физическая характеристика: вес

Вес обработанных товаров является пунктом контроля входа и выхода на складе. Каждую запакованную паллету с известным количеством товара внутри взвешивают на специальных паллетных весах, которые интегрированы с системой управления складом (warehouse management system, WMS). Данная мера позволяет проверять, не был ли украден товар, в нормальной ли он комплектации. Результаты взвешивания отправляются в WMS, где сравниваются с эталонным значением для этой комплектации (т.е. есть ли на паллете должен находиться 1 комплект дисков для пилы (весом в 25 кг) и 10 дрелей по 7 кг, то итоговый вес должен быть 25+10*7+30 (вес паллеты) + 7 (вес паллетных бортов) +1(вес упаковки внутри) = 133 кг. Если отклонение от этого -веса составит хоть сколько-нибудь значимую величину, паллета отправляется на дополнительное исследование и переупаковывается или доукомплектовывается (в этом случае проводится и дополнительное расследование).

Анализ базиса производится сначала в плоскости клиента (проводится аналогия для KPI по общей производительности).

Для отслеживания средней производительности, необходимо понимать общий вес всех обработанных товаров. Предположим, что новые KPI (клиентские) для каждой зоны рассчитываются по следующим формулам:

· Средний вес в час (сборка) = общий вес, собранный за день / количество человекочасов

· Средний вес в час (упаковка) = общий вес, упакованный за день / количество человекочасов

· Средний вес в час (приемка) = общий вес, принятый и этикетированный за день / количество человекочасов

· Общая продуктивность (все зоны) = общий вес / общее число человекочасов

Что дает получение информации по среднему весу, который обрабатывается за человекочас?

Прежде всего, становится возможным измерить мощность потока товаров в тот или иной день так, что по прошествии некоторого времени можно будет удостоверить характеристики склада: в день склад может пропускать через себя, например, более 500кг груза на одного человека за один час. Кроме этого, это даст определенный материал для исследования складом условий труда и рекомендаций в отношении максимальной нагрузки на человека.

С точки зрения складского менеджмента, индивидуальные KPI, основанные на весе, позволяют судить о норме выработки отдельного человека, при этом, погружение в детали требуется минимальное:

· Индивидуальные KPI работников (сборка) = собранный вес / число отработанных часов

· Индивидуальные KPI работников (упаковка) = упакованный вес / число отработанных часов

· Индивидуальные KPI работников (приемка) = принятый вес / число отработанных часов

· Индивидуальные KPI работников на технике (сборка) = собранный вес / количество часов, отработанных на технике

При равномерности распределения задач между рабочими, средний вес в каждой зоне на каждом рабочем будет приблизительно равным, при условии, что уровень работы достаточно хорош. Таким образом, склад сможет судить о том, насколько отдельный работник влияет на общую продуктивность, и при необходимости эффективно координировать свои ресурсы и принимать управленческие решения: насколько тот или иной рабочий отвечает требованиям работодателя, как изменить ситуацию и т.д.

Недостатки у этой методологии также есть. Для того, чтобы справедливо оценить производительность, необходимо, чтобы рабочих дополнительно координировали с учетом примерного равенства сложности задач. Это будет достаточно нелегко реализовать, с учетом того, что не всегда есть возможность прерваться во время работы и оценить, кого сейчас следует перевести на более крупный заказ, а кого наоборот.

Не учитывается возможность взаимодействий между членами команды. С весом в качестве базиса не учитываются потери времени на коммуникацию, принятие решения и влияние предпринимаемых действий.

Кроме вышеперечисленного, у склада есть специфика работы - каждые 2 часа объявляется перерыв на 10 минут, после чего рабочих могут переставить на другие зоны деятельности. Таким образом, само сведение KPI в единое целое может стать сложнее: если KPI клиентского уровня позволяет оценить среднюю производительность человекочаса, то индивидуальные KPI будет требоваться сводить и просчитывать отдельно, на что уйдет дополнительное время. Кроме того, вес сам по себе, даже в пересчете на время, может не дать определение максимальной физической возможности склада по обработке товаров.

Рисунок 6. Общие показатели собранного веса за день по периодам

Физические характеристики: объем

Объем накладной - одна из важнейших характеристик, особенно в зоне отгрузки. Он, как правило, измеряется на уровне отдельного товара, что, несомненно, отвечает заданному ранее требованию гранулярности данных. Вместе с тем, объем товара в данном случае измеряется в отношении его упаковки, посему, это может внести некоторые неточности в исчисление конечных показателей.

Клиентские показатели:

· Средний объем в час (сборка) = общий объем, собранный за день / количество человекочасов

· Средний объем в час (упаковка) = общий объем, упакованный за день / количество человекочасов

· Средний объем в час (приемка) = общий объем, принятый и этикетированный за день / количество человекочасов

· Общая продуктивность (все зоны) = общий объем / общее число человекочасов

Какую управленческую информацию дает знание объема, проходящего за один человекочас?

Прежде всего, сам по себе объем играет важную роль в качестве show-stopper в различных действиях склада. Например, загрузка определенного транспортного средства может быть неполной по весу просто по той причине, что товар занимает больший объем, чем другие средние товары, без пропорционального прироста веса.

Объем в один человекочас позволяет оценить, насколько физически возможно обработать товар одного или другого размера. Очевидно, что если одна коробка весит 5 кг, а имеет объем 10 литров, то коробка, которая весит 5 кг, но имеет объем 20 литров, будет обрабатываться с большим трудом. В то же время, если обработка большего веса компенсируется техникой, т.е. вес больше определенного можно без затрат времени обработать стандартной техникой. В то же время, большой объем товара создает трудности в обработке, его сложнее достать, сложнее переместить и т.д. В то же время, пересчет объема должен делаться только на уровне товара, чтобы учитывать потери времени для достоверности исчисления показателей.

Индивидуальные KPI:

· Индивидуальные KPI работников (сборка) = собранный объем / число отработанных часов

· Индивидуальные KPI работников (упаковка) = упакованный объем / число отработанных часов

· Индивидуальные KPI работников (приемка) = принятый объем / число отработанных часов

· Индивидуальные KPI работников на технике (сборка) = собранный объем / количество часов, отработанных на технике

С точки зрения склада, объем менее релевантен для индивидуальных KPI, чем вес. Исчисление таких KPI требует дополнительной координации для балансировки.

Таким образом, использование объема в качестве базиса для исчисления значений ключевых показателей не будет оправданно ни со стороны клиента, ни со стороны провайдера. Кроме того, объем изделия имеет свойство меняться со временем, в связи со сменой условий поставок, изменением страны происхождения и т.д., что повлечет за собой дополнительные сложности в плане изменения мастер-данных товаров в WMS. Трудозатраты на постоянные изменения (при том, что на складе более 10000 наименований товаров) перекроют управленческий эффект от физического исчисления.

Рисунок 7. Общие показатели собранного объема за день по периодам

Количество: штука

Штука является самым низким уровнем анализа для товара. С одной стороны, это идеальный вариант в плане гранулярности, с другой - разнородность продукции накладывает определенные ограничения, которые также необходимо дополнительно исследовать при анализе KPI.

Клиентские показатели:

· Среднее количество штук в час (сборка) = общее число штук, собранных за день / количество человекочасов

· Среднее количество штук в час (упаковка) = общее число штук, упакованных за день / количество человекочасов

· Среднее количество штук в час (приемка) = общее число принятых и этикетированных штук за день / количество человекочасов

· Общая продуктивность (все зоны) = общее количество обработанных штук / общее число человекочасов

Прежде всего, среднее время обработки в штуках имеет смысл исчислять только, например, для нескольких десятков или сотен штук как за единицу измерения. В противном случае, существует риск перехода на слишком малые величины, отслеживать которые будет бесполезно ввиду слишком высокой степени усреднения на дистанции.

KPI со стороны склада:

· Индивидуальные KPI работников (сборка) = число собранных штук / число отработанных часов

· Индивидуальные KPI работников (упаковка) = число упакованных штук / число отработанных часов

· Индивидуальные KPI работников (приемка) = число принятых штук / число отработанных часов

· Индивидуальные KPI работников на технике (сборка) = количество собранных штук / количество часов, отработанных на технике.

Исчисление KPI в штуках для провайдера является удобным в плане того, что такой детальный учет позволяет понять, насколько высока была отдача работника. Однако же, есть важная деталь, которая мешает учету KPI в штуках: разнородность продукции может внести серьезные изменения в такие расчеты, поскольку, как правило, заказы деталей - множество штук очень малого размера, в то время как заказы электроинструментов - мало товаров, но крупного размера. Соответственно, также необходимо определенное дополнительное исследование для всех случаев отклонений.

3. Усовершенствование системы KPI

Законченный анализ предложенных базисов

Парадигма анализа KPI продуктивности, которая существует на складе, учитывает некую сущность товара на единицу времени. При этом подразумевается, что KPI, которые используются на основе линии, исследуются на высоком уровне, где, как считается, различные расхождения компенсируются за счет усреднения. Однако, это

· Противоречит методологии бережливости

· Далеко не всегда значит то, что представляет в числовом виде (низкий уровень показателя вовсе не обозначает, что ситуация качественно ухудшилась, см. примеры выше)

· Зачастую не позволяет корректно оценить персонал, как основу производительности

В условиях сохранения парадигмы «единица измерения товара/единица времени» также было рассмотрены новые базисы, которые могли бы улучшить ситуацию с системой оценки KPI.

При использовании веса возникают следующие проблемы:

· Необходимость координации, если есть желание справедливо использовать систему KPI для оценки персонала

· Отсутствие понимания того, какие затраты времени испытывает работник на тот или иной вид товара

· Необходимость дифференцировать продукцию при анализе причин

Использование объема, в свою очередь, несет за собой нерешенные вопросы:

· Объем товара, в отличие от веса, часто меняется ввиду смены упаковки

· Опора на объем в меньшей степени учитывает индивидуальную работу каждого члена команды

· Объем труднее поддается измерению изначально

· Объем становится ненадежным при отслеживании нестандартных посылок (вносится возмущение в статистическую картину). Нестандартные посылки бывают от нескольких раз до нескольких десятков раз за день.

· Объем очень сложно прогнозировать

Наконец, наиболее гранулярный базис, штука, может вызывать следующие проблемы:

· Неоднородность продукции делает гранулярность штук недостатком, а не преимуществом. Общая картина производительности будет достаточно сильно нарушаться продукцией, которая требует больше времени на обработку

· Штуки как основа могут повлиять на оценку персонала, поскольку существует большая разница между заказом автозапчастей и заказом электроинструментов. Для оценки персонала требуется отдельное исследование

Таким образом, ни один из базисов не вписывается в идеальную картину абсолютного clear vision для обеих сторон бизнеса, при том, что требуется проводить дополнительное аналитическое исследование всех показателей, чтобы составить квалифицированное и достоверное мнение о той или иной ситуации с показателем эффективности.

Смена парадигмы

Ситуация, когда нет возможности оценить и проанализировать поток учтенных товаров, невозможна. Вопрос в целесообразности такой оценки с точки зрения показателей эффективности состоит только в операционных затратах и трате времени на подобный контроль учета.

Все предыдущие изыскания проводились в парадигме того, что система KPI а) статична б) оперирует уровнем совокупности товаров в) представляет собой единицы товара на единицы времени. Однако, в ходе исследования альтернативных возможностей был открыт вариант, который не вписывается в догматы единицы/время.

Как показала практика, статичная система KPI эффективности может действительно и отвечать методологиям, и улучшать качество управления персоналом, и подтверждать возможность корректного планирования только при условии многомерного анализа, который требовал действительно долгой методичной работы, что в общем не подходит под саму суть системы KPI, которая должна давать базу для управленческих решений без дополнительных усилий.

Новый базис призван решить эти проблемы. Он знаменует собой переход от статичности к динамике, от оценки совокупности к дифференциальной оценке индивидуальности, от парадигмы «единица к времени» к парадигме «время к единице на время».

Назовем один процесс выполнения задания рабочим от выхода с контрольного пункта до возвращения на него - «транзакцией». Прежде всего, новый базис основывается на следующих предпосылках:

· Разные товары требуют разного времени на обработку

· Количество товара является константой (в прошлом или в будущем, невозможно его изменить, кроме как со стороны спроса конечных покупателей)

· Современные возможности позволяют оценить выполнение транзакций склада с предельной точностью (например, с помощью WMS)

· Увеличение количества товара для единовременной обработки нелинейно изменяет предельное значение времени, необходимое для его процессинга

· При необходимости обработки нескольких наименований товара за одну транзакцию, значение времени, необходимое на процессинг, также изменяется нелинейно.

В связи с этим, можно утверждать следующее: оценка KPI как единица/время без предопределенных условий дает довольно нечеткую картину ситуации с производительностью.

В то же время, производительность можно оценивать просто как время, затраченное на обработку того или иного товара/заказа, с учетом того, что заранее выведенные зависимости времени от характера товара уже есть. Это и есть базис для нового исчисления KPI - время, которое затрачивается рабочим на обработку того или иного задания, сравниваемое с функционально определяемым идеалом.

Работа с KPI данного базиса основывается на регистрации и учете аналога «транзакционных издержек» в институциональной экономике.

Когда рабочий идет собирать определенный заказ, он тратит время на определенные действия:

1. Получает ваучер от бригадира

2. Сканирует ваучер

3. Берет технику

4. Направляется к месту расположения товара и достает паллету (либо достает из ячейки)

5. Либо сканирует каждую единицу товара, либо только одну, и собирает требуемое количество, и затем складывает в коробку

6. Идет к следующему месту расположения

7. Повторяет действия

8. Отправляется на упаковочную зону и оставляет там короб

При упаковке заказа рабочий:

1. Оценивает совокупность товаров

2. Выбирает товар, который будет наилучшим образом вписываться в упаковку

3. Упаковывает товар

4. Повторяет п.2 и п.3

При обработке входящих товаров выполняются следующие действия

1. Разгружается паллета

2. Вскрывается паллета и товар

3. Товар проверяется и оклеивается этикетками русификации

4. Товар транспортируется на место

Во время любого действия могут случиться накладки, которые вызовут потери времени на обработку товара. Таким образом, становится возможным оценить, насколько тот или иной рабочий быстро обработал те или иные заказы.

Уровень складских KPI при этом остается практически неизменным: оценивается отдельный рабочий, его продуктивность при определенном задании.

В то же время, клиентская часть KPI имеет потенциал для достаточной вариативности. Сюда можно включить и процент заданий, собранных за нужное время, и общие затраты времени.

Технологически, подсчет подобных KPI будет даже проще, нежели подсчет предыдущих. В WMS есть все необходимые данные и возможность выгружать информацию в нужных измерениях. Если ранее, например, складские KPI рассчитывались лишь полуавтоматически, то в данном случае система может полностью производить работу.

Однако, для подсчета KPI необходимо иметь «эталон», с которым будет сравниваться итоговая эффективность рабочих. Поиск зависимостей стал одним из основных направлений данной работы.

Создание эталона

На складе хранится более 6000 наименований товаров. В рамках данного исследования не предполагалось исследование каждого из них. Для того, чтобы задать валидную основу первого приближения для новой системы KPI и протестировать соответствующие изменения, все артикулы были разделены на несколько групп:

1. Группа 1 - Крупная техника (такая упаковка, что обхватить руками невозможно)

2. Группа 2 - Средняя техника (упаковка удерживается руками)

3. Группа 3 - Мелкая техника (небольшие коробочки/пакеты)

4. Группа 4 - Крупные детали (идут без коробки, невозможно удобно транспортировать руками)

5. Группа 5 - Средние детали (как в коробке, так и без нее)

6. Группа 6 - Мелкие детали (идут в основном в пакетиках)

Разделение на прочие группы (по группам однородных артикулов) также было бы возможно, однако, это требует более детального исследования, которое должно проводиться на более высоком уровне и с большим числом персонала.

Измерение показателей деятельности

Для того чтобы протестировать работу системы KPI, необходимо было задать эталон обработки того или иного товара. Для этого, все рабочие были разделены на 3 группы:

· Low performers - те, кто последовательно не выполняет определенный уровень выработки

· Middle Performers - те, кто подавляющее большинство времени выбирают норму выработки полностью или с небольшими девиациями

· High Performers - те, кто чаще всего перевыполняет норму выработки по стандартным KPI

Деление происходило исходя из наблюдения за сотрудниками на протяжении нескольких недель и анализа данных отчетности, которую вели непосредственно на складе по отдельным рабочим.

После этого, для каждого рабочего было измерено время, затрачиваемое им непосредственно на обработку того или иного товара в том или ином количестве, на транспортировку до места забора/обработки артикулов и т.д. Также был проанализирован план склада по отношению к расположению артикулов, с тем чтобы определить время на транспортировку и дополнительные этапы обработки.

Результаты измерений

Во время процесса сборки от командного пункта и с момента получения ваучера рабочий сначала забирает транспортер, чтобы добраться на нем до нужного места. После этого он добирается до нужной аллеи и едет к нужному месту.

Таблица 2. Среднее время приезда к аллее по группам

Номер Аллеи

1

2-3

4-5

6-7

8-9

10-11

12-13

14-15

16

Low performers

2:01

1:51

1:45

1:41

1:36

1:12

1:11

1:11

1:06

Medium performers

1:39

1:21

1:15

1:13

1:13

1:05

1:04

1:04

1:01

High performers

1:20

1:13

1:10

1:08

1:07

1:00

0:56

0:54

0:51

Далее, рабочий приезжает к нужному месту на аллее. Ниже указано примерное время прибытия с момента заезда на аллею до определенного места:

Таблица 3. Среднее время прибытия до определенного места

Номер места

1-20 место

20-50 место

50-80 место

80-100 место

Low performers

0:19

0:25

0:34

0:37

Medium performers

0:13

0:16

0:25

0:29

High performers

0:10

0:15

0:22

0:27

Далее, рабочий берет с помощью техники (если необходимо) паллету на необходимом уровне и достает ее. Время указано ниже:

Таблица 4. Среднее время обработки паллеты на определенном уровне

Номер уровня

1 уровень

2-4 уровень

5-6 уровень

7-10 уровень

Low performers

0:15

0:35

0:56

1:25

Medium performers

0:13

0:31

0:48

1:12

High performers

0:11

0:24

0:37

1:02

После этого, начинается непосредственная обработка товара. Ниже указано среднее время в секундах на одну штуку, при условии, что общее количество - указанное, кратность соблюдается от наибольшего:

Таблица 5. Среднее время обработки одной штуки товара 1 группы в зависимости от общего количества штук

Кол-во штук

1

2

3

4

5

6

7

8

9

10

Low performers

0:21

0:25

0:22

0:25

0:26

0:26

0:31

0:27

0:30

0:28

Medium performers

0:17

0:23

0:21

0:22

0:23

0:23

0:26

0:23

0:25

0:27

High performers

0:14

0:18

0:21

0:21

0:23

0:21

0:24

0:19

0:24

0:21

Таблица 6. Среднее время обработки одной штуки товара 2 группы в зависимости от общего количества штук

Кол-во штук

1-2

3-6

7-9

10-11

12-16

17-20

Low performers

0:17

0:16

0:16

0:22

0:24

0:21

Medium performers

0:16

0:15

0:14

0:17

0:18

0:18

High performers

0:13

0:14

0:14

0:15

0:15

0:14

Таблица 7. Среднее время обработки одной штуки товара 3 группы в зависимости от общего количества штук

Кол-во штук

5-10

11-35

35-70

71-105

106-150

151-160

161-200

Low performers

0:06

0:11

0:13

0:13

0:14

0:15

0:14

Medium performers

0:05

0:10

0:11

0:12

0:13

0:11

0:12

High performers

0:05

0:07

0:11

0:08

0:11

0:09

0:08

Таблица 8. Среднее время обработки одной штуки товара 4 группы в зависимости от общего количества штук

Кол-во штук

1

2-4

5-6

7-9

10

Low performers

0:27

0:28

0:32

0:31

0:32

Medium performers

0:24

0:25

0:25

0:25

0:28

High performers

0:20

0:21

0:22

0:22

0:21

Таблица 9. Среднее время обработки одной штуки товара 5 группы в зависимости от общего количества штук

Кол-во штук

1-5

6-8

9-15

16-25

26-28

29-35

36-50

Low performers

0:17

0:18

0:21

0:19

0:20

0:18

0:17

Medium performers

0:14

0:15

0:20

0:18

0:19

0:17

0:15

High performers

0:11

0:14

0:19

0:16

0:18

0:15

0:12

Таблица 10. Среднее время обработки одной штуки товара 6 группы в зависимости от общего количества штук

Кол-во штук

1-50

51-119

120-200

201-350

351-600

601-950

951-1500

Low performers

0:10

0:12

0:13

0:12

0:11

0:10

0:12

Medium performers

0:08

0:11

0:12

0:11

0:09

0:09

0:11

High performers

0:06

0:08

0:10

0:10

0:07

0:07

0:09

Затем рабочий возвращает все в зону упаковки.

Мезанин

Время прибытия на аллею (секунды):

Таблица 11. Среднее время прибытие на аллею зоны 1 (мезанин)

Номер аллеи

1-5

6-9

10-14

15-16

17-20

Low performers

0:24

0:21

0:15

0:14

0:13

Medium performers

0:22

0:20

0:15

0:13

0:12

High performers

0:20

0:18

0:15

0:12

0:12

Таблица 12. Среднее время прибытие на аллею зоны 2 (мезанин)

Номер аллеи

1-5

6-9

10-14

15-16

17-20

Low performers

0:35

0:32

0:25

0:21

0:20

Medium performers

0:33

0:31

0:24

0:20

0:19

High performers

0:32

0:30

0:23

0:18

0:18

Таблица 13. Среднее время снятия товара с полки

Номер полки

1-3

4-5

6-7

Low performers

0:11

0:26

0:48

Medium performers

0:09

0:23

0:38

High performers

0:06

0:16

0:35

Упаковка

Среднее время в секундах, которое необходимо, чтобы уложить товар в коробку, указано ниже (1 штука, исходя из количества)

Таблица 14. Среднее время упаковки товара 1 группы

Кол-во штук

1

2-3

4-6

Low performers

0:20

0:31

0:35

Medium performers

0:17

0:24

0:30

High performers

0:13

0:22

0:28

Таблица 15. Среднее время упаковки товара 2 группы

Кол-во штук

1-5

6-9

10-14

15-16

17-25

Low performers

0:14

0:16

0:14

0:15

0:18

Medium performers

0:12

0:15

0:12

0:14

0:15

High performers

0:11

0:13

0:10

0:13

0:13

Таблица 16. Среднее время упаковки товара 3 группы

Кол-во штук

5-10

11-35

35-70

71-105

106-150

151-160

161-200

Low performers

0:12

0:10

0:08

0:08

0:07

0:08

0:09

Medium performers

0:12

0:09

0:08

0:08

0:06

0:06

0:09

High performers

0:10

0:08

0:06

0:06

0:06

0:06

0:07

Таблица 17. Среднее время упаковки товара 4 группы

Кол-во штук

1

2-3

4-5

6-10

Low performers

0:19

0:28

0:36

0:25

Medium performers

0:18

0:24

0:30

0:22

High performers

0:16

0:20

0:28

0:21

Таблица 18. Среднее время упаковки товара 4 группы

Кол-во штук

1-5

6-9

10-14

15-16

17-20

Low performers

0:14

0:15

0:14

0:14

0:17

Medium performers

0:13

0:15

0:13

0:13

0:15

High performers

0:12

0:12

0:12

0:11

0:14

Таблица 19. Среднее время упаковки товара 4 группы

Кол-во штук

1-50

51-119

120-200

201-350

351-600

601-950

951-1500

Low performers

0:06

0:08

0:06

0:06

0:06

0:06

0:07

Medium performers

0:04

0:07

0:05

0:05

0:05

0:05

0:05

High performers

0:03

0:05

0:04

0:04

0:04

0:04

0:05

Также подсчитано, что средние затраты на исправление ошибок составляют 37 секунд на 1 паллету.

Таблица 20. Среднее время входящей обработки одной штуки товара

Группа 1

Группа 2

Группа 3

Группа 4

Группа 5

Группа 6

Low performers

1:24

1:01

0:24

1:12

1:01

0:19

Medium performers

0:57

0:57

0:19

0:58

0:57

0:18

High performers

0:46

0:54

0:15

0:50

0:54

0:14

Исходя из данных исследования, целевые значения KPI были выставлены на нижеследующих уровнях.

Пикинг

Таблица 21. KPI сбора одной штуки товара 1 группы

Кол-во штук

1

2

3

4

5

6

7

8

9

10

KPI

0:16

0:20

0:21

0:23

0:25

0:23

0:26

0:21

0:26

0:23

Таблица 22. KPI сбора одной штуки товара 2 группы

Кол-во штук

1-2

3-6

7-9

10-11

12-16

17-20

KPI

0:13

0:14

0:14

0:15

0:15

0:16

Таблица 23. KPI сбора одной штуки товара 3 группы

Кол-во штук

5-10

11-35

35-70

71-105

106-150

151-160

161-200

KPI

0:07

0:09

0:13

0:10

0:13

0:11

0:10

Таблица 24. KPI сбора одной штуки товара 4 группы

Кол-во штук

1

2-4

5-6

7-9

10

KPI

0:23

0:24

0:25

0:25

0:24

Таблица 25. KPI сбора одной штуки товара 5 группы

Кол-во штук

1-5

6-8

9-15

16-25

26-28

29-35

36-50

KPI

0:12

0:16

0:21

0:18

0:20

0:17

0:14

Таблица 26. KPI сбора одной штуки товара 6 группы

Кол-во штук

1-50

51-119

120-200

201-350

351-600

601-950

951-1500

KPI

0:07

0:09

0:12

0:11

0:07

0:07

0:10

Пакинг

Таблица 27. KPI упаковки одной штуки товара 1 группы

Кол-во штук

1

2-3

4-6

7-10

KPI

0:16

0:26

0:32

0:24

Таблица 28. KPI упаковки одной штуки товара 2 группы

Кол-во штук

1-5

6-9

10-14

15-16

17-25

KPI

0:13

0:15

0:12

0:15

0:15

Таблица 29. KPI упаковки одной штуки товара 3 группы

Кол-во штук

5-10

11-35

35-70

71-105

106-150

151-160

161-200

KPI

0:12

0:10

0:08

0:08

0:07

0:08

0:09

Таблица 30. KPI упаковки одной штуки товара 4 группы

Кол-во штук

1

2-3

4-5

6-10

KPI

0:18

0:22

0:32

0:24

Таблица 31. KPI упаковки одной штуки товара 5 группы

Кол-во штук

1-5

6-9

10-14

15-16

17-20

KPI

0:14

0:14

0:14

0:13

0:16

Таблица 32. KPI упаковки одной штуки товара 6 группы

Кол-во штук

1-50

51-119

120-200

201-350

351-600

601-950

951-1500

KPI

0:04

0:05

0:04

0:04

0:04

0:04

0:04

Таблица 33. KPI входящей обработки одной штуки товара по группам

Группа 1

Группа 2

Группа 3

Группа 4

Группа 5

Группа 6

KPI

0:50

0:55

0:18

1:00

1:00

0:16

Дальнейшее вычисление KPI ведется на основе каждого задания рабочему.

Приведенные значения KPI подходят как для измерения индивидуальной продуктивности, так и коллективной. Однако же, для анализа продуктивности на самом высоком уровне был введен финализированный ключевой показатель - процент успешно выполненных заданий (сборки, упаковки, приемки). Таким образом, система KPI склада стала включать в себя:

· Нелинейно вычисляемое время на обработку товара для контроля «right after»

· Процент успешно выполненных заданий

Пример расчета KPI

Рабочий получает задание на транспортировку к зоне упаковки для дальнейшей обработки трех крупных газонокосилок. Для этого, он берет технику и добирается до аллеи номер 5 за 1 минуту ровно. Далее, он добирается до 75 места за 30 секунд и за 41 секунду достает паллету с 5 уровня.

На то, чтобы вскрыть паллету, достать газонокосилки и вернуть паллету на место, у него уходит 1 минуты 52 секунды. Далее, он возвращается в исходное место за 48 секунд.

Подсчитаем, уложился ли рабочий в контрольные показатели:

Путь до аллеи (включая забор техники) должен быть занять 1 минуты 10 секунд. Чтобы доехать до нужного места, необходимо потратить 22 секунды. Наконец, чтобы достать паллету с 5 уровня, требуется 37 секунд. Далее, на 3 газонокосилки (группа товаров 1) требуется 63 секунды. Поставить паллету назад - 37 секунд. Наконец, добраться до зоны упаковки - 1:32 в сумме. Итого, идеальный эталон продуктивности на данное задание - 5 минут 21 секунда. В свою очередь, рабочий потратил 4 минуты 51 секунду на данное задание, а значит - задание выполнено успешно.

Внедрение системы KPI

Система KPI была внедрена в тестовом режиме в ноябре 2016 года и тестировалась далее.

Для того, чтобы внедрить данную систему измерения, были предприняты следующие меры

1. Были настроены соответствующие отчеты в WMS

2. Рабочие были проинформированы о введении системы KPI в тестовом режиме. На основе их личных показателей формировалась бонусная часть заработной платы, а также была протестирована система учета труда.

3. Были достигнуты договоренности с менеджментом склада по внедрению контроля в рамках концепции 5S для поддержки системы KPI

Как было сказано ранее, продуктивность зависит целиком от того, сколько времени рабочий затрачивает на обработку того или иного товара.

Прежде всего, необходимо отметить, что показатели KPI были выставлены из расчета High Performance. В случае, если на работу был принят новичок, это отражается на продуктивности. В таком варианте развития событий, с помощью системы KPI его прогресс отслеживается на протяжении двух-трех месяцев. В случае, если за этот срок рабочий доходит до уровня продуктивности 70-80% от идеала, его можно считать прошедшим определенный испытательный срок. В противном случае, как правило, с ним проводят индивидуальные тренинги или переводят на более простую, но и менее оплачиваемую подсобную работу на некоторый срок.

Старая система KPI

Согласно измерению продуктивности в линиях, намечается значительный прирост продуктивности при обработке товара. Несмотря на разнородность продукции и общую неопределенность старого базиса, анализ спроса и отгрузок за указанный период показывает, что изменения конъюнктур по сравнению с предудыщим анализируемым периодом (2016 года) не случилось. Таким образом, можно утверждать, что введение новой системы KPI стимулировало сотрудников склада повысить личную выработку и, как следствие, произошло повышение общей продуктивности.

Рисунок 8. Продуктивность склада после внедрения новых KPI по старой версии

Новая система KPI

После внедрения новой системы KPI, были измерены релевантные результаты по обработке товаров. На основе отчетов складской системы была проанализирована успешность выполнения заданий по тем или иным складским процессам (расчетные диаграммы приведены ниже). Несмотря на то, что процент заданий, выполненных в срок, увеличивался во всех вовлеченных зонах, и был зарегистрирован небольшой спад стоимости (порядка 0.83%) связанных услуг (усреднено за 3 месяца), дальнейшее исследование системы KPI и динамики показателей позволит еще более точно определить зависимости между управляющими действиями и их отражением в показателях.

Рисунок 9. Процент заданий сборки, выполненных в срок

Рисунок 10. Процент заданий упаковки, выполненных в срок

Рисунок 11. Процент заданий приемки, выполненных в срок

Рисунок 12. Пример выполнения отдельным работником значений KPI в марте

Исходя из приведенных данных, можно утверждать, что система KPI принесла необходимые улучшение в операционную деятельность склада, а базис KPI, основанный на времени, жизнеспособен и способен корректно отражать ситуацию контроля склада.

Заключение

В представленном исследовании был проведен анализ складского хозяйства, средств контроля его продуктивности. Была исследована начальная система ключевых показателей эффективности склада, разобран способ формирования контрольных значений, указаны возможные проблемы при работе с подобной совокупностью KPI. Для устранения подобных причин были предложены улучшения системы ключевых показателей, которые позволяют выйти из вещественной парадигмы эффективности и перейти к временной её версии.

Рассмотренные в данной работе усовершенствования системы KPI склада достаточно органично вписываются в современные методы ведения складской деятельности. Наличие KPI, которые способствуют формированию у стейкхолдеров бизнеса ясного представления об успешности процесса и, что немаловажно, его физике, является одним из самых важных факторов результативной деятельности.

В связи с улучшением показателей работы склада после введения новых KPI, жизнеспособность заявленного базиса можно считать доказанной. Кроме того, формализованная система показателей позволила сократить издержки как провайдера складских услуг, так и клиента, позволяя специалистам управления с обеих сторон более точно оценивать ситуацию и предпринимать соответствующие меры. Таким образом, цели данного исследования были достигнуты в полном объеме.

Источники

1. Calzavara, M. et al. (2016). Analysis of Economic and Ergonomic Performance Measures of Different Rack Layouts in an Order Picking Warehouse. Computers & Industrial Engineering, 2016.

2. Harrison, T.P. et al. (2004). The Practice of Supply Chain Management: Where Theory and Application Converge. New York: Springer US

3. Henn, S. (2011). Algorithms for On-Line Order Batching in an Order Picking Warehouse. Computers & Operations Research, 39 (11): 2549-2563

4. de Koster, et al. (2005). Design and Control of Warehouse Order Picking: A Literature Review. European Journal of Operational Research, 182 (2): 481-501

5. Manunen, O. (2000). An Activity-Based Costing Model for Logistics Operations of Manufacturers and Wholesalers. International Journal of Logistics Research and Applications, 3 (1): 53-65

6. Moeller, K. (2011). Increasing Warehouse Order Picking Performance by Sequence Optimization. Procedia - Social and Behavioral Sciences, 20: 177-185

7. Rosenwein, M.B. (1995). A comparison of heuristics for the problem of batching orders for warehouse selection. International Journal of Production Research, 34 (3): 657-664

8. Thomas L.M. et al. (2013). Developing Design Guidelines for a Case-Picking Warehouse. International Journal of Production Economics, 170 (C): 741-762

9. Zelst, S. et al. (2006). Logistics Drivers for Shelf Stacking in Grocery Retail Stores: Potential for Efficiency Improvement. International Journal of Production Economics, 121 (2): 620-632

10. Staudt, F., Di Mascolo, M., Alpan, G., Rodriguez, C. (2014). Warehouse Performance Measurement: Classification and Mathematical Expression of Indicators. ILS 2014 - 5th International Conference in Information Systems, Logistics and Supply Chain, 1-9

11. Hammer, M., Champy, J. (2004). Reengineering the Corporation: A Manifesto for Business Revolution. New York: HarperBusiness

12. Управление бизнес-процессами: современные методы: монография / А.И. Громов, А. Фляйшман, В. Шмидт; под редакцией А.И. Громова. - М.: Издательство Юрайт, 2016. - 367 с. - Серия: Актуальные монографии

13. Alves, O.C., Rabelo, R.J. (2013). A KPI model for logistics partners' search and suggestion to create virtual organizations. International Journal of Networking and Virtual Organizations (IJNVO), 12(2)

14. Moonen, H., Krauth, E., Popova, V., Schut, M. (2005). Performance Measurement and Control in Logistics Service Providing, ICEIS, 2: 239-247

15. Cai, J., Liu, X., Xiao, Z., Liu, J. (2009). Improving Supply Chain Performance Management: A Systematic Approach to Analyzing Iterative KPI Accomplishment. Decision Support Systems, 46 (2): 512-521

16. Mentzer, J.T., Konrad, B.P. (1991). An Efficiency/Effectiveness Approach to Logistics Performance Analysis. Journal of Business Logistics 12 (1): 33-62

17. Brewer, P.C., Speh, T.W. (2000). Using the Balanced Scorecard to Measure Supply Chain Performance. Journal of Business Logistics 21 (1): 75-93

18. Дыбская В.В., Зайцев Е.И., Сергеев В.И., Стерлигова А.Н. (2014). Логистика. Интеграция и Оптимизация Логистических Бизнес-Процессов в Цепях Поставок: Учебник для МВА. Москва: Эксмо

19. Gergova, I. (2010). Warehouse Improvement with Lean 5S - A Case Study of Ulstein Verft AS.

20. Lukinskiy, V.S., Pimonenko, M.M., Paajanen, M., Shulzhenko, T.G. (2013). Development of Methodology and Tools for Comparative Assessment of Operational Efficiency of KPI-Based Logistical Infrastructure Facilities. Transport and Telecommunication 14 (3): 223-229

21. Cekerevac, Z. (2013). Key Performance Indicators and Dashboards for Transportation and Logistics. Mechanics, Transport, Communications Academic Journal 11 (3): 43-50

22. Byrne, P.M. (1993). Improving Quality and Productivity in the Logistics Process: Achieving Customer Satisfaction BreakThroughs. Annual Conference, Council of Logistics Management 1: 293-306

23. Stabler, A. (1996). Productivity, Performance Measurement and Management in Logistics. Asia Pacific Journal of Marketing and Logistics 8 (2): 43-63

24. Stainer, A. (1997). Logistics - a Productivity and Performance Perspective. Supply Chain Management: An International Journal 2 (2): 53-62

25. Fugate, B., Mentzer, J., Stank, T. (2010). Logistics Performance: Efficiency, Effectiveness, and Differentiation. Journal of Business Logistics 31 (1): 43-62

26. Randall, W., Nowicki, D., Hawkins, T. (2011). Explaining the Effectiveness of Performance-Based Logistics: A Quantitative Examination. The International Journal of Logistics Management 22 (3); 324-348

27. Tantsuyev, A. (2012). Perspectives for Logistics Clusters Development in Russia. Cambridge: Massachusetts Institute of Technology, Engineering Systems Division

28. Beresford, A., Pettit, S., Whittaker, W. (2005). Improving Supply Chain Performance Through Quality Management in a Global Distribution Environment. International Journal of Services and Operations Management (IJSOM) 1 (1): 75-89

29. Petersen, C. (1999). The Impact of Routing and Storage Policies on Warehouse Efficiency. International Journal of Operations and Production Management 19 (10): 1053-1064

30. Hsieh, L., Tsai L. (2005). The Optimum Design of a Warehouse System on Order Picking Efficiency. The International Journal of Advanced Manufacturing Technology 28 (5): 626-637

31. Richards, G. (2011). Warehouse Management. A Complete Guide to Improving Efficiency and Minimizing Costs in the Modern Warehouse. London: Kogan Page Limited

32. Petersen, C., Aase, G., Heiser, D. (2004). Improving Order-Picking Performance through the Implementation of Class-Based Storage. International Journal of Physical Distribution and Logistics Management 34 (7): 534-544

33. Chan, F., Chan, H. (2011). Improving the Productivity of Order Picking of a Manual-Pick and Multi-Level Rack Distribution Warehouse through the Implementation of Class-Based Storage. Expert Systems with Applications 38 (3): 2686-2700

34. Kronz, A. (2006). Managing of Process Key Performance Indicators as Part of the ARIS Methodology. Corporate Performance Management, 1: 31-44

35. Pan, W., Wie, H. (2012). Research on Key Performance Indicator (KPI) of Business Process. Business Computing and Global Informatization: Second Conference

36. Heikkila, J. (2002). From Supply to Demand Chain Management: Efficiency and Customer Satisfaction. Journal of Operations Management 20 (6): 747-767

37. Olafsson, S., Won, J. (2004). Joint Order Batching and Order Picking in Warehouse Operations. International Journal of Production Research 43 (7): 1427-1442

38. Hamdan, A., Rogers, K. (2008). Evaluating the Efficiency of 3PL logistics operations. International Journal of Production Economics 113 (1): 235-244

39. Stephens, S. (2001). Supply Chain Operations Reference Model Version 5.0: A New Tool to Improve Supply Chain Efficiency and Achieve Best Practice. Information Systems Frontiers 3 (4): 471-476

40. Mcdowell, E., Jarvis, J. (1991). Optimal Product Layout in an Order Picking Warehouse. IIE Transactions 23 (1): 93-102

41. Dharmapriya, U., Kulatunga, A. (2011). New Strategy for Warehouse Optimization - Lean warehousing. Proceedings of the 2011 International Conference on Industrial Engineering and Operations Management 513-519

42. Shah, R., Ward, P. (2007). Defining and Developing Measures of Lean Production. Journal of Operations Management 25 (4): 785-805

43. Dahlgaard, J., Dahlgaard-Park, S. (2006). Lean Production, Six Sigma Quality, TQM and Company Culture. The TQM Magazine 18 (3): 263-281

44. Bednar, R., Vidova, H., Belusky, M. (2012). Lean Principles Application in Business Logistics. Metal. 25 (5)

45. Hessenberger, M., Schneider, H., Kuhn, J. (1997). Continuous Improvement as an Improvement Tool for Logistics. International Journal of Technology Management (IJTM) 14 (1): 29-38

Размещено на Allbest.ru


Подобные документы

Работы в архивах красиво оформлены согласно требованиям ВУЗов и содержат рисунки, диаграммы, формулы и т.д.
PPT, PPTX и PDF-файлы представлены только в архивах.
Рекомендуем скачать работу.