Часть 2. Планирование производства для собственной розницы. От прогноза спроса до плана производства: расчётная модель
Сергей Кравченко, Старший аналитик данных, Beltel Datanomics
В первой части цикла мы разобрали, какие факторы влияют на планирование производства для собственной розницы и какие данные необходимо собирать по трём контурам — розничному, логистическому и производственному. Теперь переходим к главному: как на практике связать прогнозы продаж с планом выпуска в цехе.
Как связать продажи с планом на производство
Количество товара в каждой отгрузке зависит не только от прямых продаж, но и от графика поставок — чем реже поставка, тем больше её объём. Чтобы выстроить корректную цепочку от конечного спроса до производственного графика, предлагается следующий пошаговый подход:
- Прогнозирование продаж магазинов — определяем, сколько товара будет продано в каждой торговой точке в каждый день.
- Формирование плана отгрузок в магазины — на основе прогнозов и графиков поставок рассчитываем, сколько и когда нужно завезти товара в каждый магазин.
- Формирование производственного плана — на основе плана отгрузок и временных лагов определяем, что и когда запускать в цехе.
Алгоритмы машинного обучения позволяют учесть комбинации множества факторов, влияющих на спрос (сезонность, дни недели, праздники, акции, погоду и др.), производя более точные прогнозы. Из этих прогнозов затем формируются планы отгрузок и производства, что позволяет сократить издержки, связанные как с нехваткой, так и с избытком товара.
Ниже мы покажем, как осуществить переход от прогнозирования продаж к плану отгрузок и, далее, к плану производства.
Формирование плана отгрузок
Первый и ключевой шаг — переход от прогноза продаж (что купит конечный потребитель) к заказу на поставку в магазин. На практике графики поставок в торговые точки чаще всего фиксированы: например, поставки осуществляются по понедельникам и пятницам. Исходя из этих графиков, мы определяем так называемые «дни покрытия» — период, на который должна быть рассчитана каждая поставка.
Рисунок 1. Как из конечного спроса собирать заказы
Здесь цветами проиллюстрировано, как формируются дни покрытия: каждый день окрашен в цвет той поставки, которая его покрывает.
Суммарный объём продаж за все «дни покрытия» должен быть удовлетворён одной поставкой. Например, если товар поставляется в понедельник и пятницу, то для каждой поставки мы суммируем прогнозы на соответствующие дни покрытия. Поставка в понедельник покрывает продажи с понедельника по четверг включительно, а поставка в пятницу — с пятницы по воскресенье.
Рисунок 2. Прогнозы и дни покрытия, для которых осуществляется поставка
Вертикальные линии — моменты поставок. Красные точки — дни, покрываемые поставкой в понедельник, зелёные — поставкой в пятницу. Цвета показывают, какие дни суммируются в какую поставку.
Таким образом, мы получаем расчётный объём заказа для каждого магазина на каждую дату поставки с учётом:
- прогнозируемого спроса;
- периодичности завоза;
- текущих остатков в магазине (чтобы не завозить лишнего, если товар ещё есть).
Формирование плана производства
Теперь у нас есть расчётные объёмы поставок в магазины на конкретные даты. Следующий этап — «откатить» эти потребности назад по цепочке, чтобы определить, когда и в каком объёме товар должен быть произведён в цехе.
Для этого мы отталкиваемся от распределительного центра (РЦ), через который проходят все отгрузки в магазины. На этом этапе нам уже известны следующие параметры (многие из них мы собирали в первой части статьи):
- ∆T_производства — длительность производственного цикла (время от запуска сырья до готовой продукции);
- ∆T_до_РЦ — время транспортировки готовой продукции от цеха до РЦ;
- ∆T_до_магазина — время транспортировки от РЦ до конкретного магазина;
- Текущие остатки на РЦ — запас готовой продукции, который уже есть на складе и может быть использован для покрытия ближайших отгрузок;
- Расчётные заказы магазинов — объёмы и даты поставок, полученные на предыдущем шаге.
Этих данных достаточно, чтобы построить производственный план.
Шаг 1. Определяем дату начала производства для каждой отгрузки
Возьмём для упрощения один распределительный центр. У нас есть множество заказов магазинов, в каждом из которых указана плановая дата поставки T_поставки. Мы хотим определить, когда нужно запустить в производство именно этот объём товара, чтобы он оказался на полке в нужный день.
Формула расчёта даты начала производства выглядит так:
T_начала_производства = T_поставки − ∆T_до_РЦ − ∆T_до_магазина − ∆T_производства
То есть мы последовательно вычитаем всё время, которое товар проведёт в пути и в цехе, начиная от даты, когда он должен оказаться в магазине. Так мы поступаем с каждым заказом каждого магазина.
Важный нюанс: если текущие остатки на РЦ позволяют покрыть часть ближайших отгрузок, то для этой части товара производство запускать не нужно — мы используем уже имеющийся запас. В расчёт идёт только тот объём, которого на РЦ недостаёт.
Шаг 2. Агрегируем заказы по датам начала производства
На втором шаге мы группируем все заказы магазинов, у которых совпала расчётная дата начала производства. После суммирования получаем плановый объём товара, который нужно начать производить в эту дату.
Таким образом, мы формируем производственный план, расписанный по дням:
Что даёт этот подход на практике
Предложенный алгоритм решает главную проблему, с которой сталкиваются производители при ручном планировании: разрыв между прогнозами продаж и реальными возможностями цеха. Благодаря обратному счёту от даты поставки к дате запуска производства, мы гарантируем, что:
- товар будет произведён ровно к тому моменту, когда он понадобится на полке;
- склад РЦ не будет переполнен продукцией с уходящим сроком годности;
- производственные мощности загружены равномерно, без авралов и простоев.
Машинное обучение на этом этапе помогает на шаге прогнозирования продаж: более точные прогнозы дают более точные заказы магазинов, а значит, и более точный производственный план. В следующей части цикла мы подробно разберём, какие модели ML показывают наилучшие результаты для прогнозирования спроса в продуктовом ритейле и как интегрировать их в описанный выше алгоритм.
Заключение
Планирование производства с использованием описанного подхода открывает новые возможности для повышения эффективности бизнеса в сфере продуктового ритейла. Ключевая идея заключается в том, чтобы связать прогнозы конечного спроса с реальными процессами производства, логистики и реализации через обратный пересчёт временных лагов и агрегацию заказов по датам запуска.
Такой подход позволяет не только оптимизировать загрузку цеха и снизить издержки, но и минимизировать риски дефицита или перепроизводства. В итоге обеспечивается согласованность всех этапов цепочки: от производства до полки магазина.
Дополнительно
Алгоритмы вместо интуиции: как оптимизировать производственное планирование
Почему точный прогноз спроса не гарантирует корректный автозаказ для розничной сети