精益工厂最大的成本---仓库成本#精益生产#
冠卓咨询官方客服：400-168-0525
01
第一类库存是维持正常运转所必需的叫做周转库存，也就是从供应商到公司的生产线，再到销售渠道，总得维持一定的库存量，以维持正常运营。比如生产周期是4周，那就意味着生产线上有4周的过程库存；运输过程是2周，就会有2周的在途库存。
周转库存的根源是周转周期，只有缩短周转周期，才能从根本上降低周转库存。产品的标准化设计、产品与工艺设计的交互优化、精益生产等措施，从根本都是为了缩短周转周期，从而降低周转库存。
02
第二类库存是应对不确定因素，比如需求波动、补货延误、质量问题等，叫做安全库存。安全库存是供应链对不确定因素的自然应对，期根源是不确定因素。只有减少不确定因素，才能从根本上降低安全库存。 产品的标准化设计增加了规模效益，降低了需求和供应的不稳定性；提高供应商的按时交货率，降低了供应端的不确定性；周转周期缩短了，相应的不确定性也会降低。这些都客观上降低了安全库存。
03
剩余的库存既不是支持正常运转，也不是应对不确定因素的，叫多余库存。订单取消、设计变更、预测失败等造成的呆滞库存，批量采购、批量生产、策略采购等造成的都属多余库存。 多余库存的根源是人的行为，比如计划失败，无序导入设计变更，大批量采购以获取价格优惠等。所以控制多余库存必须从组织行为上着手，比如促进供应链上的信息共享，推动协同计划，预测和与补货，以及提高决策水平，这些都是防止多余库存的有效举措。
为什么现实中很多企业降库存只能起到一时的效果，因为这三类库存根源不同，应对措施既有区别，又有联系。那针对不同的库存又有什么样的应对措施呢？
01
缩短周转周期，降低周转库存。
有一个大型设备制造商长期面临交期太长、周转库存太高的挑战。交期长，很多客户订单一落地就得按急单处理；交期长，过程库存就高，需求、设计有变动影响就很大，因为需要很长时间来消化现有库存。几经分析，通过以下三个方面来降低周转库存。
第一，推动“6周计划”，全面缩短供应商的采购前置期。该企业产品交期的一半以上是供应商的采购前置期。一般零部件的采购前置期在2个月左右，有的长达两个季度。因此启动“6周计划”，力图把供应商的交期全面压缩到6周以内，这涉及产品的标准化和产品设计、生产工艺的优化，还通过VMI来让供应商在现场建立库存，维持一定的库存水位，同时按照预测来补货等缩短采购前置期。
第二，全面缩短生产、调试、安装周期。该企业全面导入精益生产和JIT，对传统的生产线进行改组，但总体效果不甚理想，因此该企业就聚焦别的办法来降低生产组装周期。比如，推动产品的模块化设计。以前供应商把零配件送来，公司自己组装组件、模块、子系统，这样生产组装的周期就降下来了，这个过程也是轻资产的过程。 第三，优化流程和系统，缩短信息周转周期。企业在生产经营过程中，需求信息的传递从客户下达到下一级的供应商往往需要一段时间，这也是大家说的走流程，但是不走又不行。审批是由经验去弥补系统知识的不足，解决方案之一就是信息化，将信息系统建设好，更多的知识、经验固化到系统里，任何人都可以更容易地获取，以便做出更好的决策，对经验的依赖就更小，流程的速度就会提升。
02
控制不确定因素，降低安全库存。
安全库存存在的根源是不确定因素。而且供应链上的不确定因素来源挺多的，主要来源于信息不对称和执行不力两个方面。 第一，信息不对称造成的不确定性。供应链伙伴不愿意共享信息，或者愿意但没有基本的IT工具来共享信息，这些都造成信息不对称问题，导致安全库存上升。对此，可以通过商务手段，比如合约、绩效考核解决关系问题，即供应链伙伴之间不愿共享的问题；通过技术手段，比如IT信息系统解决链接问题，即在愿意共享信息的情况下，如何能更容易、更有效地共享信息。 第二，执行力造成的不确定性。比如供应商的交期是4周，有时候到5周了货还没到，这就是供应端的执行不力，增加了供应的不确定性，供应链的自然反映就是增加安全库存。周转周期越短，不确定性因素越少，能有效缩短周转周期的措施也会减少不确定性因素。
03
改善计划，降低多余库存。
多余库存是组织行为的结果，必须从改变组织行为着手控制，比如强化计划职能，提高预测的准确度，更好地管理需求，提高决策的质量和及时性。多余库存看起来是因为执行不力，其实更多是因为计划不到位的原因。 供应链计划始于需求计划，可以说需求计划相当于供应链的第一推动力，需求计划制定出来后，根据库存量来判断生产多少，采购多少，后者以前者为基础，这样环环相扣构成了供应链的计划体系，驱动整个供应链的运作。
文章来自网络，版权归作者所有，如有侵权请联系删除！
冠卓咨询官方客服：400-168-0525
01
第一类库存是维持正常运转所必需的叫做周转库存，也就是从供应商到公司的生产线，再到销售渠道，总得维持一定的库存量，以维持正常运营。比如生产周期是4周，那就意味着生产线上有4周的过程库存；运输过程是2周，就会有2周的在途库存。
周转库存的根源是周转周期，只有缩短周转周期，才能从根本上降低周转库存。产品的标准化设计、产品与工艺设计的交互优化、精益生产等措施，从根本都是为了缩短周转周期，从而降低周转库存。
02
第二类库存是应对不确定因素，比如需求波动、补货延误、质量问题等，叫做安全库存。安全库存是供应链对不确定因素的自然应对，期根源是不确定因素。只有减少不确定因素，才能从根本上降低安全库存。 产品的标准化设计增加了规模效益，降低了需求和供应的不稳定性；提高供应商的按时交货率，降低了供应端的不确定性；周转周期缩短了，相应的不确定性也会降低。这些都客观上降低了安全库存。
03
剩余的库存既不是支持正常运转，也不是应对不确定因素的，叫多余库存。订单取消、设计变更、预测失败等造成的呆滞库存，批量采购、批量生产、策略采购等造成的都属多余库存。 多余库存的根源是人的行为，比如计划失败，无序导入设计变更，大批量采购以获取价格优惠等。所以控制多余库存必须从组织行为上着手，比如促进供应链上的信息共享，推动协同计划，预测和与补货，以及提高决策水平，这些都是防止多余库存的有效举措。
为什么现实中很多企业降库存只能起到一时的效果，因为这三类库存根源不同，应对措施既有区别，又有联系。那针对不同的库存又有什么样的应对措施呢？
01
缩短周转周期，降低周转库存。
有一个大型设备制造商长期面临交期太长、周转库存太高的挑战。交期长，很多客户订单一落地就得按急单处理；交期长，过程库存就高，需求、设计有变动影响就很大，因为需要很长时间来消化现有库存。几经分析，通过以下三个方面来降低周转库存。
第一，推动“6周计划”，全面缩短供应商的采购前置期。该企业产品交期的一半以上是供应商的采购前置期。一般零部件的采购前置期在2个月左右，有的长达两个季度。因此启动“6周计划”，力图把供应商的交期全面压缩到6周以内，这涉及产品的标准化和产品设计、生产工艺的优化，还通过VMI来让供应商在现场建立库存，维持一定的库存水位，同时按照预测来补货等缩短采购前置期。
第二，全面缩短生产、调试、安装周期。该企业全面导入精益生产和JIT，对传统的生产线进行改组，但总体效果不甚理想，因此该企业就聚焦别的办法来降低生产组装周期。比如，推动产品的模块化设计。以前供应商把零配件送来，公司自己组装组件、模块、子系统，这样生产组装的周期就降下来了，这个过程也是轻资产的过程。 第三，优化流程和系统，缩短信息周转周期。企业在生产经营过程中，需求信息的传递从客户下达到下一级的供应商往往需要一段时间，这也是大家说的走流程，但是不走又不行。审批是由经验去弥补系统知识的不足，解决方案之一就是信息化，将信息系统建设好，更多的知识、经验固化到系统里，任何人都可以更容易地获取，以便做出更好的决策，对经验的依赖就更小，流程的速度就会提升。
02
控制不确定因素，降低安全库存。
安全库存存在的根源是不确定因素。而且供应链上的不确定因素来源挺多的，主要来源于信息不对称和执行不力两个方面。 第一，信息不对称造成的不确定性。供应链伙伴不愿意共享信息，或者愿意但没有基本的IT工具来共享信息，这些都造成信息不对称问题，导致安全库存上升。对此，可以通过商务手段，比如合约、绩效考核解决关系问题，即供应链伙伴之间不愿共享的问题；通过技术手段，比如IT信息系统解决链接问题，即在愿意共享信息的情况下，如何能更容易、更有效地共享信息。 第二，执行力造成的不确定性。比如供应商的交期是4周，有时候到5周了货还没到，这就是供应端的执行不力，增加了供应的不确定性，供应链的自然反映就是增加安全库存。周转周期越短，不确定性因素越少，能有效缩短周转周期的措施也会减少不确定性因素。
03
改善计划，降低多余库存。
多余库存是组织行为的结果，必须从改变组织行为着手控制，比如强化计划职能，提高预测的准确度，更好地管理需求，提高决策的质量和及时性。多余库存看起来是因为执行不力，其实更多是因为计划不到位的原因。 供应链计划始于需求计划，可以说需求计划相当于供应链的第一推动力，需求计划制定出来后，根据库存量来判断生产多少，采购多少，后者以前者为基础，这样环环相扣构成了供应链的计划体系，驱动整个供应链的运作。
文章来自网络，版权归作者所有，如有侵权请联系删除！
数据分析，你在哪个层次？#精益生产#
冠卓咨询官方客服：400-168-0525
近些年来，数字化、大数据、云这些概念已经成为高频词。企业日常管理在很大程度上体现为对信息数据的获取和处理，所以数据处理水平也是对企业管理水平的一种折射。在这个数字化的时代，许多企业和组织都在强调数据分析的重要性。那么数据分析有几个层次呢？我们的企业和平时的工作又处在哪个层次上？
在制造型企业中，如果用“意识+方法”的模式去做一个简单的划分，我们可以把数据分析水平分为下面六个层次，并以车间现场设备维修为例说明。
第一层：经验主义，无数据概念和量化思维
经验主义并非完全没有依据，只是说依赖过去的经验和主观的判断。经验主义因为缺乏量化以及发展变化的观点，已经远远不能满足时代要求。对于车间现场设备维修来说，经验可能有助于快速找到设备的故障点，但是对于建立TPM（全员生产保障）达到更高水平，就需要大量长期的数据做支撑。
第二层：只看个别数字，不看趋势和全局
只是去孤立地看个别的数据，却看不到全局并且忽视了数据间的关联性，对数据的趋势没有判断和分析。比如说月度维修费用的高低可以作为一项成本指标，但并不能反映总体维修成本管理状态，还应结合产能产量状况、设备折旧状况、备件库存水平及通用性、备件交期或服务周期等综合因素。
第三层：使用基本工具解释、分析数据
到了这一层说明已经具备数据基础和一定的数据加工与分析能力。常见的Excel等工具就可以帮助实现基础数据分析。比如使用柱状图去对比不同区域的设备报警次数；使用饼图去观察各个区域的维修成本比例；使用链条图去跟踪维修成本趋势；使用瀑布图去看预算与实际成本的差异等等。这些分析对于简单数据模型没有问题，对于复杂问题或数据结构，基本工具仍不足以深入分析和挖掘。
第四层：具有统计思维，会使用基本的统计量和统计工具
统计思维，是数据分析层次的分水岭。从方法层面上来说统计学更加科学和全面，使用合适的统计量也会使数据分析更专业，同时统计工具和方法也为复杂问题的分析提供了平台。
比如说，使用假设检验和抽样的方法对故障原因进行排查，使用相关和回归模型去分析或预测模具寿命，计算出科学经济的维护保养频次，建立控制图去长期监控关键参数等。
另外，统计方法依托于强大的信息量和数据结构。在操作层面，统计思维也要求建立数据库和数据处理界面，使得数据在标准化平台上被记录、传递、追溯、分析，这也是企业迈向数字化的关键一步。
第五层：具备系统思维，会使用复杂的统计工具
系统思维，是在统计思维的基础上，把我们所研究的问题放在一个系统里去思考，这就提供了更明确的导向型和更宽泛的思路。
如果把生产和质量管理作为一个大的系统，设备维护其实是为这个系统服务的一环。从这个层面来说，设备维护的目的是保障制造过程更安全、稳定、高效。尤其对于一些关键的产品过程，人机料法环任何一个因素的微小波动都可能造成产品特性的波动。
拿备件更换周期来说，常规的做法是考虑其本身的性能或使用寿命，但是如果从整个制造过程来看，可能设备备件本身寿命还没到，但是产品特性就已经出现波动或不确定性。同时在系统思维这个层次上，也要求使用更复杂的统计分析工具，以应对系统中存在多因子和交互作用的情况。 第六层：战略思维，多维度视角，大数据概念
许多企业都有自己的商业战略、产品战略、市场战略等等，各方面的战略又会逐层展开。但是战略布署常见问题之一就是各个战略之间甚至垂直战略体系中连接性和传递性并不强。具备数据分析的战略思维，就需要将数据的分析处理贯穿战略体系，真正打通和服务于战略执行和调整。
在这个层面下，设备维修和备件更换已经不单是生产维修或者是运营的话题，而是可能会上溯到产品开发阶段去考虑和设计。比方说如何利用现有设备做好产品平台化？如何进行容差设计在满足过程稳定的同时降低维护成本？过程末端的数据如何分析以及反馈给前端？将产品、过程、工装模具、设备维护等等信息和数据在战略层面贯穿起来。
大数据的概念在电商行业中已经很普遍，但是由于制造业本身的特点，大数据的推行仍需要一个过程，而数据分析上升到战略层面，不但为企业管理和改进提供更高的平台和多维度视角，而且是企业数字化转型的关键一步。
文章来自网络，版权归作者所有，如有侵权请联系删除！
冠卓咨询官方客服：400-168-0525
近些年来，数字化、大数据、云这些概念已经成为高频词。企业日常管理在很大程度上体现为对信息数据的获取和处理，所以数据处理水平也是对企业管理水平的一种折射。在这个数字化的时代，许多企业和组织都在强调数据分析的重要性。那么数据分析有几个层次呢？我们的企业和平时的工作又处在哪个层次上？
在制造型企业中，如果用“意识+方法”的模式去做一个简单的划分，我们可以把数据分析水平分为下面六个层次，并以车间现场设备维修为例说明。
第一层：经验主义，无数据概念和量化思维
经验主义并非完全没有依据，只是说依赖过去的经验和主观的判断。经验主义因为缺乏量化以及发展变化的观点，已经远远不能满足时代要求。对于车间现场设备维修来说，经验可能有助于快速找到设备的故障点，但是对于建立TPM（全员生产保障）达到更高水平，就需要大量长期的数据做支撑。
第二层：只看个别数字，不看趋势和全局
只是去孤立地看个别的数据，却看不到全局并且忽视了数据间的关联性，对数据的趋势没有判断和分析。比如说月度维修费用的高低可以作为一项成本指标，但并不能反映总体维修成本管理状态，还应结合产能产量状况、设备折旧状况、备件库存水平及通用性、备件交期或服务周期等综合因素。
第三层：使用基本工具解释、分析数据
到了这一层说明已经具备数据基础和一定的数据加工与分析能力。常见的Excel等工具就可以帮助实现基础数据分析。比如使用柱状图去对比不同区域的设备报警次数；使用饼图去观察各个区域的维修成本比例；使用链条图去跟踪维修成本趋势；使用瀑布图去看预算与实际成本的差异等等。这些分析对于简单数据模型没有问题，对于复杂问题或数据结构，基本工具仍不足以深入分析和挖掘。
第四层：具有统计思维，会使用基本的统计量和统计工具
统计思维，是数据分析层次的分水岭。从方法层面上来说统计学更加科学和全面，使用合适的统计量也会使数据分析更专业，同时统计工具和方法也为复杂问题的分析提供了平台。
比如说，使用假设检验和抽样的方法对故障原因进行排查，使用相关和回归模型去分析或预测模具寿命，计算出科学经济的维护保养频次，建立控制图去长期监控关键参数等。
另外，统计方法依托于强大的信息量和数据结构。在操作层面，统计思维也要求建立数据库和数据处理界面，使得数据在标准化平台上被记录、传递、追溯、分析，这也是企业迈向数字化的关键一步。
第五层：具备系统思维，会使用复杂的统计工具
系统思维，是在统计思维的基础上，把我们所研究的问题放在一个系统里去思考，这就提供了更明确的导向型和更宽泛的思路。
如果把生产和质量管理作为一个大的系统，设备维护其实是为这个系统服务的一环。从这个层面来说，设备维护的目的是保障制造过程更安全、稳定、高效。尤其对于一些关键的产品过程，人机料法环任何一个因素的微小波动都可能造成产品特性的波动。
拿备件更换周期来说，常规的做法是考虑其本身的性能或使用寿命，但是如果从整个制造过程来看，可能设备备件本身寿命还没到，但是产品特性就已经出现波动或不确定性。同时在系统思维这个层次上，也要求使用更复杂的统计分析工具，以应对系统中存在多因子和交互作用的情况。 第六层：战略思维，多维度视角，大数据概念
许多企业都有自己的商业战略、产品战略、市场战略等等，各方面的战略又会逐层展开。但是战略布署常见问题之一就是各个战略之间甚至垂直战略体系中连接性和传递性并不强。具备数据分析的战略思维，就需要将数据的分析处理贯穿战略体系，真正打通和服务于战略执行和调整。
在这个层面下，设备维修和备件更换已经不单是生产维修或者是运营的话题，而是可能会上溯到产品开发阶段去考虑和设计。比方说如何利用现有设备做好产品平台化？如何进行容差设计在满足过程稳定的同时降低维护成本？过程末端的数据如何分析以及反馈给前端？将产品、过程、工装模具、设备维护等等信息和数据在战略层面贯穿起来。
大数据的概念在电商行业中已经很普遍，但是由于制造业本身的特点，大数据的推行仍需要一个过程，而数据分析上升到战略层面，不但为企业管理和改进提供更高的平台和多维度视角，而且是企业数字化转型的关键一步。
文章来自网络，版权归作者所有，如有侵权请联系删除！
#成功案例[超话]##一品威客网#【河南卓丰网络技术有限公司】博物馆展览APP案例：https://t.cn/A6JsV3AA PS：卓丰网络一直专注于电商平台开发，经过多年的发展与经营，对在线商城系统、微信商城、微信小程序、多商户平台、多级分销系统、竞拍系统、APP手机端开发、手机网站、HTML5多端自适应网站、营销型企业站建设等都积累与沉淀了丰富的心得和实战经验。
✋热门推荐