Witness w przemyśle spożywczym

Bez nowoczesnego przemysłu spożywczego trudno wyobrazić sobie nasze codzienne życie.

Specjalne cyfrowe modele łańcucha logistycznego wspomagane algorytmami sztucznej inteligencji pracują nieustannie nad zwiększeniem rentowności reagując z wyprzedzeniem na zmienny popyt i eliminując ryzyko potencjalnych strat dla dostawcy i klienta. Czy tak wygląda dziś rzeczywistość biznesowa wielu producentów i dostawców żywności?

W większości firm nadal stosuje się stare podejście oparte na analizie danych historycznych ignorując fakt, że dzięki rozwojowi technologii cyfrowych możemy o wiele dokładniej modelować i analizować wszystkie etapy łańcucha tworzenia wartości otrzymując zupełnie nową jakość biznesową.

Mars,  Britvic oraz wiele innych firm sektora spożywczego dzięki aplikacji WITNESS Horizon rozwiązuje z sukcesem dylematy optymalizacyjne w obszarze projektowania łańcucha dostaw, produkcji i dystrybucji produktów do klienta finalnego.

Jeżeli masz ochotę poznać efekty naszego wdrożenia to zapraszamy do przeczytania całego artykułu. 

Tak właśnie wygląda Rewolucja Przemysłowa 4.0 w praktyce... 

 

Status quo

Ze względu na zwiększone oczekiwania konsumentów, wymogi dotyczące bezpieczeństwa oraz dążenie do ciągłej poprawy wydajności, firmy produkujące żywność i napoje są pod coraz większą presją rynku wymuszającą stawianie na innowacje w procesach produkcyjnych. 

Kluczem do podołania tej presji jest cyfrowe testowanie procesów udzielające odpowiedzi na pytanie - Jak produkować lepiej zwiększając wydajność, produkcję i rentowność bez ryzyka popełnienia błędu ?

Obecnie większość firm polega głównie na szacunkach opartych na "domysłach" i obliczeniach prowadzonych w popularnych arkuszach kalkulacyjnych.

Możemy zbudować model w programie Excel, opracować scenariusze na podstawie zmian w szacowaniu popytu i przewidywanych nakładach produkcyjnych, ale sama natura obliczeń niestochastycznych sprawia, że analizy te obarczone są wysokim wskaźnikiem ryzyka. Oparte na nich plany produkcyjne są z założenia błędne, gdyż brakuje im elastyczności w dostosowywaniu się do zmiennego otoczenia oraz uwzględnienia skomplikowanej logiki współzależności, znanej często tylko bardzo wąskiej grupie ekspertów.

Biorąc pod uwagę ogromną liczbę zmiennych w analizowanym procesie stoimy przed nie lada wyzwaniem. Najczęściej stworzenie samej koncepcji analizy w arkuszu kalkulacyjnym wykracza poza możliwości większości specjalistów zatrudnionych w danej branży. Wraz ze wzrostem złożoności przedsiębiorstw rośnie złożoność analizowanego modelu, a jego upraszczanie (często poprzez traktowanie kluczowych zmiennych jako wartości uśrednionych ) ma krytyczne implikacje dla wyników produkcyjnych i zarządzania ryzykiem.

W miarę jak firmy stają się coraz bardziej złożone cyfrowo i łączą się w ramach Przemysłu 4.0, implikacje te mogą zmienić reguły gry, jak wyjaśnił Paul Myler, dyrektor ds. Strategii Łańcucha Dostaw i Inżynierii Przemysłowej w Mars Chocolate North America - „Modelowanie statyczne działa dobrze w niektórych obszarach, ale my potrzebowaliśmy narzędzia, które mogłoby zbadać dużą liczbę scenariuszy „co by było, gdyby” i zaproponować takie odpowiedzi, aby uzyskać dogłębne, kontekstowe zrozumienie naszych sześciu łańcuchów logistycznych w oparciu o zmienną wydajność, popyt i asortyment produktów ”.

Firmy mogą próbować testować nowe scenariusze w prawdziwym życiu, ale ryzyko związane z kosztami, stratą czasu i brakiem powtarzalności jest ogromne. Wyobraźmy sobie eksperymentowanie na prawdziwej linii produkcyjnej lub z nowym procesem dystrybucji.  W najlepszym wypadku jest to niepraktyczne, często bardzo kosztowne, a w niektórych sytuacjach nawet niebezpieczne.

Ten rodzaj testowania nowych rozwiązań w realnym życiu opiera się na metodzie eksperckiej, tzw. „przeczuciu” profesjonalistów. Liczba osób, które pracują w sektorze spożywczym od dziesięcioleci oraz posiadają dogłębne rozumienie wpływu setek zmiennych na wynik planowanej zmiany jest bardzo ograniczona. Metoda ekspercka może działać dla prostych procesów, ale co jeśli produkujemy miliony butelek piwa na trzech kontynentach, z których każdy ma inny klimat i indywidualne cechy? Jako ludzie jesteśmy z natury nieobiektywni i tym samym prognozy oparte "przeczuciach" eksperta mogą być błędne.

INDUSTRY 4.0 - nowe alternatywy

Koncepcja Przemysłu 4.0 zachęca firmy do stosowania modeli cyfrowych, które kładą nacisk na zbieranie wartościowych danych, ich natychmiastową analizę i silną koncentrację na kliencie. Nigdzie nie jest to bardziej oczywiste i zrozumiałe niż w przypadku stosowania symulacji predykcyjnej.

Symulacja predykcyjna umożliwia firmom tworzenie cyfrowych bliźniaków ich procesów (od funkcji administratora firmy po łańcuch produkcji i dostaw). Te predykcyjne bliźniaki cyfrowe odzwierciedlają specyficzne procesy produkcyjne w każdej firmie, prezentując znaczną część procesu analitycznego za pomocą łatwych do interpretacji wykresów i wizualizacji dających wyjątkowy wgląd w prognozowanie wyniki Twojej firmy.

Predykcyjne bliźniaki cyfrowe uwzględniają zmienność i złożoność prawdziwego życia, biorąc pod uwagę wszystkie ważne informacje logiczne i czasowe dla analizowanych procesów. Dodatkowo można je rozszerzyć o inne technologie analityczne takie jak; uczenie maszynowe (ML), algorytmy sztucznej inteligencji (AI) czy technologie platform do agregacji i wizualizacji danych (Power BI, Tableau itp.).

 

Decyzje praktycznie pozbawione ryzyka

Możliwość testowania i podejmowania decyzji w wirtualnym świecie zmniejsza w zdecydowany sposób ryzyko błędu w takich obszarach jak; inwestycje kapitałowe, planowanie zasobów, projektowanie procesów czy opracowanie nowej strategii usług.

Byliśmy w stanie zrozumieć na które z setek pytań powinniśmy odpowiedzieć i które z nich były dla nas naprawdę cenne” - powiedział Neil Brinkman, menedżer ds. Optymalizacji operacji w Britvic.

Britvic wykorzystał predykcyjny model cyfrowy stworzony w symulacji WITNESS Horizon, aby móc bezbłędnie zaprojektować nową linię produkcyjną o dużej prędkości w zakładzie w Leeds. Dzięki analizie symulacyjnej "ożywiającej przyszły proces", firma mogła potwierdzić planowane koszty oraz uwzględnić je w budżecie dostarczając przy okazji nieocenionych danych finansowych zarządowi firmy i inwestorom.

Po utworzeniu predykcyjnego modelu symulacyjnego procesu produkcyjnego możemy zapytać model „co-jeśli?” i uruchomić różne scenariusze. Pozwala to zarówno analitykom jak i decydentom lepiej zrozumieć przyjęte założenia oraz ich przyszłe konsekwencje dla każdego scenariusza, bez ponoszenia ryzyka ani zbędnych kosztów.

 

Studium przypadku Mars:  optymalizacja strategii korporacyjnej

Podstawowym nadrzędnym wyzwaniem dla firmy Mars było zwiększenie wydajności w całym przedsiębiorstwie przy jednoczesnym zachowaniu podstawowej korporacyjnej zasady wytwarzania wysokiej jakości produktów czekoladowych na rynkach lokalnych.

Mars ma 35 linii produktów w sześciu lokalizacjach w USA ze złożonym wewnętrznym łańcuchem wzajemnych dostaw o różnych możliwościach produkcji czekolady, wielu jej rodzajach i zróżnicowanym miksie asortymentu produktów dla wymagających konsumentów.

W ramach wspólnego projektu specjaliści z firmy Mars stwierdzili, że skala, złożoność i występujące w projekcie współzależności wymagają bardziej zaawansowanych możliwości modelowania niż istniejące systemy planowania oparte na arkuszach kalkulacyjnych. Koncern Mars w ramach ścisłej współpracy z firmą Lanner stworzył model symulacyjny przewidujący wydajność łańcucha dostaw na podstawie podanych zmiennych. 

Głównym celem symulacji było zrozumienie i wypracowanie strategicznych kompromisów;

1. Czy produkować wszystkie rodzaje czekolady w wymaganej lokalizacji?

2. Czy zbudować mniej większych zakładów do produkcji czekolady i wysyłać produkty na terenie całego kraju?

Zastosowanie symulacji predykcyjnej zapewniło firmie Mars wgląd w jej obecne i planowane przyszłe operacje, identyfikując bieżące ryzyko w całym łańcuchu dostaw i wskazując miejsca oszczędności kosztów i poprawy wydajności. To z kolei pozwoliło opracować wiarygodną prognozę celu biznesowego dla nowych zakładów i uzasadnienie inwestycji w zdolności produkcyjne czekolady, zapewniając w ten sposób właściwe inwestycje we właściwym czasie.

 

Sentencja na deser

Jak widzimy, przemysł spożywczy stoi w obliczu dynamicznych i ciągle zmieniających się warunków, a nowa presja na dostosowanie i zarządzanie zmianami ma kluczowe znaczenie dla sukcesu. Symulacja predykcyjna umożliwia szybkie podejmowanie decyzji bez wpływu na produkcję lub dostawy w łańcuchu dostaw. Dostarcza odpowiedzi na najbardziej podstawowe lub innowacyjne pytania umożliwiając podejmowanie decyzji, które będą miały głęboki wpływ na Twój biznes.

Ostatecznie to właśnie symulacja prowadzi do mądrzejszych, pozbawionych ryzyka decyzji biznesowych i zapewnia wyższy zwrot z inwestycji.

 

Jeżeli chcesz wdrożyć w swojej firmie najwyższe standardy biznesowe klasy 4.0 skontaktuj się z nami pisząc na  amc @ amc.waw.pl