Sborník z konference „Exaktní metody v logistické praxi“
ŠKODA AUTO Vysoká škola Mladá Boleslav 30. – 31. 1. 2012
Název:
Sborník z konference „Exaktní metody v logistické praxi“
Autor:
kolektiv autorů
Vydavatel:
ŠKODA AUTO a.s. Vysoká škola Tř. Václava Klementa 869 293 60 Mladá Boleslav Tel.: +420 326 823 023 Fax: +420 326 823 113 www.savs.cz
Počet stran: Vydání:
133 první
ISBN:
978-80-87042-49-6
Tato publikace neprošla redakční ani jazykovou úpravou.
Obsah: Předmluva ..................................................................................... 5 Systémy na podporu modelování a jejich využití v logistice ....... 6 1
Úvod ................................................................................ 7
2
Software pro řešení optimalizačních úloh ......................... 8
3
Systémy na podporu modelování .................................... 11
4
Ilustrace a výpočetní experimenty: úloha o pokrytí ......... 17
5
Závěr ............................................................................. 23
Lean Six Sigma Logistic - Využití statistických metod ke zlepšení logistických procesů ................................................. 26 1
Strategie Lean Six Sigma Logistics ................................ 26
2
Využití statistických nástrojů ......................................... 28
3
Diagramy pro počet nebo podíl neshodných ................... 31
4
Diagramy pro počet neshod ............................................ 37
Logisticko-procesní řízení služeb s hi-tech systémy ................... 44 1
Úvod .............................................................................. 45
2
Spotřebitelské preference ............................................... 47
3
Procesně logistický tok informací ................................... 58
4
Závěr ............................................................................. 68
The utilization of improvement principles in engineering enterprises ................................................................................... 73 1
Introduction ................................................................... 74
2
Substance of the Improvement ....................................... 74
3
Improvement Forms and Methods .................................. 80
4
Kaizen Utilization in Slovak Practice ............................. 83 3
5
Particular Examples from the Practice ............................ 85
6
Conclusion ..................................................................... 87
Rozhodování o optimální kombinaci vlastní a cizí přepravy v podniku..................................................................................... 90 1
Úvod .............................................................................. 91
2
Možnosti dopravy v malém podniku ............................... 92
3
Analýza nákladů ............................................................ 93
4
Rozhodování o výběru způsobu přepravy ....................... 94
5
Závěr ........................................................................... 100
The optimisation of production logistics processes in engineering enterprises with the use of simulation .............. 102 1
The optimisation of production logistics processes ....... 102
2
Conceptual model of the simulated system ................... 104
3
Simulation model ......................................................... 105
4
Simulation outputs ....................................................... 107
5
Verification of the proposed action with the use of simulation .................................................................... 112
6
Conclusion ................................................................... 114
Zvyšování výkonnosti v logistických sítích............................... 118 1
Úvodem ....................................................................... 119
2
Logistika sítí klíčový ekonomický proces ..................... 123
3
Cesty k výkonnosti logistické sítě................................. 127
4
Závěr ........................................................................... 128
4
Předmluva „Za svůj dlouhý život jsem pochopil jedno – ve srovnání s objektivní realitou je naše věda dětinská a prostá, ale přece je tím nejlepším, co vůbec máme“ Albert Einstein Uplatnění exaktních metod je v současné logistické praxi stále neprávem opomíjenou oblastí. Exaktní přístupy, založené na přesnosti, důkladném měření a přísně vědeckém přístupu, jsou považovány za časově a výpočetně náročné, často příliš teoretické, než aby mohly sloužit k rozhodování reálných logistických problémů. Logistická praxe preferuje zkušenost, intuici a „selský rozum“, vycházející z předpokladu, že lze i bez uplatnění exaktních přístupů nalézt dostatečně kvalitní rozhodnutí v relativně krátké době. Zejména u zásadních logistických problémů však může tato cesta vést k nedostatečně kvalitním nebo zcela špatným rozhodnutím s negativními důsledky pro podniky i celé dodavatelské řetězce. Příslibem pro změnu je rychlý pokrok v rozvoji exaktních metod vhodných pro logistické řízení a jejich podpora informačními a komunikačními technologiemi. Cílem není zcela jistě nahrazení zkušenosti a intuice logistických manažerů aplikací exaktních přístupů, ale jejich vzájemné a smysluplné skloubení, které povede ke zvýšení kvality logistického rozhodování a řízení, snižování logistických nákladů a zvyšování úrovně služeb poskytovaných zákazníkům, tj. k celkovému zvýšení konkurenceschopnosti podniků a dodavatelských řetězců. Předkládaný soubor referátů, prezentovaných na mezinárodní konferenci Exaktní metody v logistické praxi, která se uskutečnila ve dnech 30 – 31. 2. 2012 na půdě ŠKODY AUTO Vysoké školy, je příspěvkem k dosažení uvedeného cíle. doc. Ing. Radim Lenort, Ph.D. 5
Systémy na v logistice
podporu
modelování
a
jejich
využití
Josef Jablonský 1 Abstrakt Mezi důležitou třídu úloh, které se řeší ve firemní praxi, patří rozvozní, okružní, pokrývací, lokační a další logistické úlohy. Jedná se o složité optimalizační problémy, jejichž řešení závisí na dostupnosti odpovídajících programových produktů. Článek diskutuje současné možnosti řešení takových úloh. Věnuje se především systémům na podporu modelování. Jedná se o systémy, které poskytují kompaktní vývojové prostředí pro tvorbu systémů na podporu rozhodování, grafické uživatelské rozhraní a vysoce výkonné optimalizační moduly pro řešení lineárních i nelineárních úloh. Tyto rysy modelovacích jazyků umožňují vytvářet uživatelsky přívětivé manažerské aplikace. Článek přináší základní charakteristiku modelovacích jazyků a informuje o současné nabídce na softwarovém trhu. Diskutuje široké možnosti aplikací těchto systémů především s ohledem na logistické aplikace.
Klíčová slova systém na podporu modelování, řešitel, optimalizace, úloha o pokrytí, logistika
1
prof. Ing. Josef Jablonský, CSc., Vysoká škola ekonomická v Praze, nám. W. Churchilla 4, 130 67 Praha 3, email:
[email protected]
6
1 Úvod Řešení reálných rozhodovacích (optimalizačních) problémů se neobejde bez nutnosti používat odpovídající software, který uživateli poskytne řešení, které hledá, a které potom pozitivně ovlivní chování celého systému. Předpokladem pro to je samozřejmě správný a úplný popis rozhodovacího problému a dostupnost datových podkladů. Důležitou třídou rozhodovacích úloh, se kterými se lze v praxi setkat, jsou logistické problémy. Může se jednat o různé kategorie rozvozních úloh, ve kterých se zpravidla jedná o optimalizaci tras vozidel při pravidelném rozvozu nebo naopak svozu zboží. Optimalizačním kritériem je v těchto úlohách minimalizace celkové ujeté vzdálenosti při respektování všech požadavků odběratelů, požadavků na vozidla, apod. Velmi známou úlohou je úloha obchodního cestujícího, ve které jde o to nalézt nejkratší okruh zahrnující všechna definovaná místa, která se mají navštívit právě jednou. Dále lze uvést lokační problémy, které se týkají rozmístění daného počtu center v regionu a přiřazení zákazníků těmto centrům. Samostatnou kategorií jsou dopravní problémy a jejich četné modifikace, přiřazovací problémy, úlohy o batohu a mnoho dalších. V tomto příspěvku není cílem věnovat se jednotlivým kategoriím optimalizačních úloh v logistice nějak podrobněji. Nechceme se věnovat ani řešení konkrétních reálných úloh, jejich formulaci a interpretaci získaných výsledků. Příspěvek se naopak zaměřuje na výpočetní stránku obecných optimalizačních úloh. Článek informuje o současných trendech v profesionálních programových produktech pro řešení optimalizačních úloh a o pokroku, ke kterému v této oblasti došlo v posledních letech. Optimalizačními úlohami zde přitom budeme rozumět úlohy lineárního případně nelineárního programování, které mohou být doplněny podmínkami, že 7
některé nebo všechny proměnné jsou obecně celočíselné nebo binární. Logistické problémy, které jsme zmínili výše, často vedou na úlohy uvedených typů. V druhém oddílu článku je stručná informace o nejčastěji používaných systémech pro řešení optimalizačních úloh. Další část se věnuje systémům na podporu modelování a jejich obecné charakteristice. Ve čtvrtém oddílu je informace o výpočetních experimentech s jednou kategorií logistických problémů – úlohou o pokrytí. V závěru je sumarizovaný současný stav v oblasti optimalizačního software a diskutovaný budoucí vývoj. 2 Software pro řešení optimalizačních úloh Z historického pohledu se začaly objevovat programové produkty pro řešení lineárních optimalizačních úloh v podstatě současně s vývojem počítačů. Známými byly řešitelé, které dodávala firma IBM spolu se svými sálovými počítači koncem 60. a začátkem 70. let minulého století. Řešitelem (solver) je obecně program, který řeší danou třídu optimalizačních úloh. Takový program nemá žádné nebo téměř žádné uživatelské rozhraní. Pro jeho spuštění je pouze třeba datový soubor zapsaný v daném formátu. Výsledky jsou potom uživateli prezentovány zpravidla velmi jednoduchým způsobem – výstup na obrazovku počítače nebo do textového souboru. Z dnešního pohledu by se zdálo, že programy tohoto typu (tedy bez uživatelského rozhraní) nebudou na trhu k dispozici, protože po nich nebude poptávka. Opak je však pravdou. V současné době je na softwarovém trhu v dispozici množství kvalitních profesionálních optimalizačních řešitelů, které umožňují řešit lineární, případně i nelineární optimalizační úlohy včetně podmínek celočíselnosti. Mezi nejpoužívanější a nejvýkonnější patří následující systémy: 8
§ IBM CPLEX (http://www-01.ibm.com/software/websphere/ilog) – řešitel, jehož první verze byla vyvinuta v roce 1987 a později distribuována firmou ILOG (dnes již neexistuje); v roce 2009 byla převzatá firmou IBM. Patří mezi tři nejvýkonnější řešitele pro lineární a celočíselné optimalizační úlohy. § GUROBI (www.gurobi.com) – řešitel z roku 2009, vyvinutý týmem, který se podílel na vývoji CPLEXu a po prodeji firmy ILOG firmě IBM začal rozvíjet vlastní produkt. V mnoha ohledech dosahuje současná verze GUROBI lepších výsledků než IBM CPLEX. § XPRESS Optimizer (www.fico.com) je řešitel britské firmy Dash Optimization (dnes již neexistuje), která nedávno přešla pod konzultační firmu FICO. Řešitel této firmy nelze koupit samostatně, ale pouze jako součást vývojového prostředí, které tato firma nabízí (více dále). Uvedená trojice řešitelů patří mezi špičku v optimalizačním software vůbec. Cena jedné licence pro komerční využití (bez jakéhokoliv uživatelského prostředí) se pohybuje v řádu tisíců USD (např. u GUROBI je to 8500 USD). Kromě zmíněných komerčních řešitelů existuje celá řada dalších komerčních i open source. Z těch komerčních můžeme zmínit MS Excel solver (www.solver.com), jehož omezená verze je známá uživatelům tabulkového kalkulátoru MS Excel, MOSEK (www.mosek.com), XA (www.sunsetfoft.com), LINDO (www.lindo.com). Více informací o optimalizačních řešitelích nejen pro lineární a celočíselné úlohy lze najít na http://neosguide.org. Použití optimalizačních řešitelů předpokládá, že má uživatel vytvořený optimalizační model a má připravená vstupní data ve formátu, které jednotlivé systémy podporují. Společnou platformou v této oblasti je známý formát MPS 9
(Mathematical Programming System). Příprava vstupních údajů v tomto formátu přitom není snadnou záležitostí a především následné úpravy vytvořeného datového souboru jsou poměrně komplikované. Uvedené profesionální optimalizační systémy pracují i dnes v nejnovějších verzích zpravidla v prostředí operačního systému MS DOS a uživatel je ovládá z příkazového řádku. Podobně jako příprava a modifikace vstupních dat, tak i možnosti prezentace výsledků modelu jsou zde velmi omezené. Proces aplikace optimalizačních modelů je možné rozdělit do několika fází. První z nich je modelovací fáze, která zahrnuje analýzu problému, tvorbu vlastního modelu a jeho naplnění vstupními daty. Další fází je optimalizace, což je vlastně proces hledání optimálního řešení modelu. Na tuto fázi, je-li úspěšná, navazuje analýza získaných výsledků a jejich interpretace. V případě úspěšné verifikace a validace výsledků modelu může následovat fáze jejich implementace. Výše zmínění optimalizační řešitelé umožňují realizovat pouze optimalizační fázi uvedeného procesu. Pro usnadnění a uživatelské přiblížení modelovací fáze získaly proto v posledních letech značnou oblibu systémy na podporu modelování nebo jak se také někdy označují, modelovací jazyky. Na rozdíl od řešitelů, o kterých jsme se zmínili výše, obsahují modelovací jazyky uživatelské prostředí jednak pro tvorbu modelu a pro manipulaci se vstupními daty, a jednak pro prezentaci výsledků v numerické i grafické podobě. Systémy na podporu modelování nabízejí firmy, které mají své vlastní optimalizační řešitele. To je případ firem IBM, která nabízí modelovací systém IBM CPLEX Optimization Studio, FICO se systémem XPRESS Optimization Suite nebo LINDO, která nabízí vlastní modelovací systém LINGO. Modelovací systémy jsou však i v nabídce firem, které nemají své vlastní řešitele. Takové systémy se soustřeďují na 10
modelovací fázi s tím, že si uživatel při jejich koupi specifikuje typ řešitele, který chce do dodávky zahrnout. Mezi takové systémy patří například AMPL – A Mathematical Programming Language, MPL for Windows - Mathematical Programming Language, AIMMS – Advanced Integrated Multi-dimensional Modeling System nebo GAMS - General Algebraic Modeling System, který byl v roce 1987 vůbec prvním komerčním produktem této kategorie. 3 Systémy na podporu modelování Původně byly systémy na podporu modelování navrženy především s cílem usnadnit modelovací fázi řešení rozhodovacích problémů. Současné systémy však umožňují kromě této základní funkce vytvářet rozsáhlé aplikace pro podporu rozhodování, které mohou spolupracovat s externími programy, načítat či předávat data z databází, tabulkových kalkulátorů, vytvářet grafické výstupy, apod. Na obr. 1 uvádíme ve velmi obecné rovině strukturu systému na podporu modelování. Každý z prvků, který je uvedený na obr. 1, je v konkrétních systémech realizován různě. Některé systémy například poněkud potlačují vlastní uživatelské grafické prostředí a pro grafickou prezentaci, ať již vstupních nebo výstupních údajů, využívají grafické možnosti ostatních aplikací (například tabulkových kalkulátorů). Jiné systémy naopak mají integrované vysoce kvalitní a flexibilní GUI (graphic user interface), takže nevyžadují v podstatě spolupráci s externími aplikacemi. Podobně modelovací jazyk má v některých systémech relativně omezené prostředky – jedná se jen o jakýsi makrojazyk, pomocí kterého se vyjadřují základní vazby modelu. Jiné systémy obsahují, kromě modelovacího makrojazyka, téměř plnohodnotné vývojové prostředí, pomocí kterého si zkušený uživatel může zpracovat jakékoliv procedury. Všechny modelovací systémy obsahují kvalitní řešitele. Rozdíl je v tom, zda uživatel může využívat různé řešitele, které má k dispozici, nebo musí pracovat pouze s tím (těmi), který je s modelovacím systémem dodáván. Základní vlastnosti systémů na podporu modelování shrneme do několika následujících bodů:
11
Systém na podporu modelování Grafické prostředí GUI Externí programy Visual Basic, C++,...
Modelovací jazyk Databáze Tabulkové kalkulátory Optimalizační řešitel CPLEX,GUROBI,XPRESS...
Obr. 1: Struktura systému na podporu modelování
1.
2.
3.
4.
Systémy na podporu modelování obsahují speciální modelovací jazyk, který umožňuje zápis modelu podobným způsobem, jako je běžná formulace matematického modelu. Model může být pomocí tohoto jazyku vyjádřen naprosto obecně nezávisle na konkrétních parametrech dané úlohy. Obecný zápis modelu pomocí modelovacího jazyka umožňuje oddělit vlastní model a jeho datovou základnu. To znamená, že obecný zápis modelu může být použit opakovaně pro různé datové soubory, které mohou být připraveny v různých formátech, podporovaných tím kterým systémem. U standardních systémů této kategorie je samozřejmostí přímé spojení s běžnými aplikacemi, jako jsou tabulkové kalkulátory, databáze, textové editory apod. Oddělení modelu a vstupních dat usnadňuje modifikaci datových souborů. Snadno lze měnit vstupní data, ale také strukturu celého modelu. Tato skutečnost vystupuje do popředí především při porovnání použití formátu MPS pro vstupní data optimalizační úlohy. Soubor v tomto formátu lze přímo jen velmi obtížně editovat i při zachování struktury modelu (počet proměnných a omezujících podmínek). Modelovací systémy zpravidla podporují různé optimalizační řešitele pro různé typy úloh (lineární, nelineární, celočíselné apod.) Podle typu zpracovávané úlohy se příslušný řešitel buď vybere automaticky, nebo si jej uživatel může zvolit sám. Výhodou je možnost použití více řešitelů bez nutnosti jakkoliv
12
5. 6. 7.
8. 9.
upravovat model či vstupní data. Zápis modelu při vhodném použití modelovacího jazyka je pro uživatele velmi srozumitelný a může představovat, spolu se současným použitím komentářů, určitou formu dokumentace modelu. Vzhledem k obecnému zápisu modelu si může uživatel vytvářet knihovny typových modelů a ty potom opakovaně používat s různými datovými soubory. Modelovací systémy umožňují přímé spojení s ostatními aplikacemi. Obsahují knihovny procedur, které lze využívat pro vložení modelů, vytvořených v daném modelovacím systému, do obecných aplikací, zpracovaných v C++, Visual Basicu, MS Excelu, MS Accessu apod. Tak lze vytvořit pomocí běžných programovacích jazyků speciální aplikace, které budou využívat připravenou knihovnu typových modelů zvoleného modelovacího jazyka. Standardní součástí modelovacích systémů je uživatelské grafické rozhraní, které umožňuje prezentovat výsledky modelu v uživatelsky přívětivé a srozumitelné podobě. Modelovací jazyky umožňují řešit optimalizační úlohy na různých počítačových platformách bez jakékoliv úpravy modelu či vstupních dat.
V současné době je na softwarovém trhu několik firem, které mají ve své nabídce vlastní systémy na podporu modelování. Tyto systémy lze klasifikovat podle řady hledisek. Jedním z nich je dělení na otevřené a uzavřené systémy podle toho, zda poskytují uživateli možnost využívat různé optimalizační řešitele nebo zda systém pracuje pouze se zabudovaným řešitelem, který je firmou dodáván spolu se systémem. Otevřených systémů je většina a jejich výhodou je především možnost používat pro různé typy úloh (lineární, nelineární, celočíselné, atd.) takové řešitele, které jsou pro daný typ nejvhodnější. Tento fakt ocení především zkušení pracovníci v oblasti modelování. Při reálném nasazení ve firmě je však třeba stejně vybrat jeden řešitel, který bude nejvhodnější pro danou aplikaci a který si firma spolu se systémem koupí. Uzavřené systémy jsou dodávány se zabudovaným univerzálním řešitelem, který však může mít pro některé typy úloh horší vlastnosti než ty, které jsou úzce specializované. Nabízené systémy se samozřejmě liší i uživatelským komfortem, možnostmi modelovacího jazyka, zabudovanými funkcemi, možnostmi doprogramovat si vlastní 13
aplikace přímo v systému, grafickým prostředím apod. V následujícím přehledu uvedeme stručnou charakteristiku nejrozšířenějších systémů na podporu modelování (u každého systému uvádíme firmu a www adresu, na které lze získat více informací). LINGO – Lindo Systems, Inc. (www.lindo.com) LINGO patří mezi uzavřené systémy, tzn. je dodáván s řešiteli firmy Lindo Systems pro lineární i nelineární úlohy včetně možnosti zahrnout do modelu podmínky celočíselnosti. Výhodou je, že si lze zvolit a koupit systém podle rozsahu úloh, které budeme řešit (Industrial, Hyper, Extended LINGO). U „extended“ verze není žádné omezení pro rozsah modelu (kromě disponibilní paměti počítače). Nevýhodou systému LINGO jsou v některých případech horší vlastnosti optimalizačních řešitelů v porovnání s těmi nejvýkonnějšími. Modelovací jazyk systému LINGO není možná tak univerzální jako u jiných modelovacích systémů, pro většinu aplikací však vyhovuje. Jedná se skutečně jen o jakýsi makrojazyk pro zápis modelů doplněný o základní matematické, finanční a další funkce. Pro vytváření vlastních procedur je třeba zvolit některý z programovacích jazyků (Visual Basic, C++ apod.) Velmi dobře a snadno je v systému LINGO ošetřena spolupráce s aplikacemi jako MS Excel, Access, které lze potom využít pro grafickou prezentaci vstupů a výstupů modelu. Výhodou je relativně nízká cena – pro komerční využití lze za 5000 USD (extended LINGO) získat systém, který řeší lineární a celočíselné úlohy. Po dokoupení všech nadstaveb, které se týkají především řešení nelineárních modelů, se však cena může vyšplhat až na 15000 USD. MPL for Windows – (www.maximalsoftware.com)
Maximal 14
Software,
Inc.
MPL poskytuje jednotné prostředí pro formulaci modelu, manipulaci s daty, optimalizaci a prezentaci výsledků. Jedná se o otevřený systém, který umožňuje spolupracovat se všemi nejrozšířenějšími optimalizačními řešiteli na trhu. Pokud má tedy uživatel na svém počítači nějaký řešitel, může si pořídit MPL pouze jako uživatelské prostředí a používat ten svůj stávající, což může být finančně velmi zajímavé. Modelovací jazyk u systému MPL je určitě bohatší než u předchozího systému. Neobsahuje sice tolik funkcí, ale uživatel si může vytvářet vlastní makra, s jejichž pomocí si může chybějící funkce zpracovat. Součástí MPL je objektově orientovaná knihovna OptiMax, která byla vytvořena pro snadné vkládání MPL modelů do rozsáhlejších aplikací zpracovávaných v C++ nebo Visual Basicu včetně MS Excelu a Accessu. MPL sám o sobě obsahuje omezené grafické možnosti, ale ve spojení s externími aplikacemi lze grafické prezentace realizovat velmi snadno. Podobně jako u předchozího systému, lze si i zde stáhnout z výše uvedené www stránky plně funkční verzi systému MPL for Windows včetně knihovny OptiMax a řešitele CPLEX s omezením modelu na 300 proměnných a 300 omezujících podmínek. Cena komerční verze systému MPL for Windows není na www stránkách uvedena – bez řešitele se však bude zřejmě pohybovat v řádu tisíců USD. XPRESS Optimization (www.fico.com)
Suite
–
FICO,
Ltd.
XPRESS Optimization Suite patří, podobně jako LINGO, mezi uzavřené systémy pro matematické modelování. K dispozici je v něm optimalizační řešitel pro lineární, kvadratické s smíšeně celočíselné programování (nelze tedy řešit obecné nelineární úlohy). Tento řešitel je v typickém případě však výrazně kvalitnější než ten, který je obsažený v systému LINGO a tak jeho uzavřenost není příliš omezující. Jedná se o rozsáhlý systém, jehož hlavními složkami jsou 15
(kromě optimalizačního řešitele) modelovací jazyk Mosel, interaktivní visuální prostředí XPRESS-IVE, což je kompletní vývojové prostředí se značnými možnostmi grafických prezentací a XPRESS knihovny, které umožňují přístup k jednotlivým prvkům systému z vlastních uživatelských aplikací vytvářených v obecných programovacích jazycích. Cena systému pro komerční použití je poměrně vysoká – jedna licence stojí kolem 15000 EUR. CPLEX Optimization Studio – IBM (http://www01.ibm.com/software/websphere/ilog) IBM ILOG CPLEX Optimization Studio je nástrojem pro návrh a řešení optimalizačních modelů a vytváření konečných aplikací pro analýzu a rozhodování v různých oblastech. Dodatečné rysy systému umožňují vytvářet ucelené optimalizační aplikace i uživatelům, kteří nemají detailní znalosti z oblasti programování. Je to uzavřený systém, který využívá optimalizační řešitel CPLEX, což uživatele nijak neomezuje, protože ten patří mezi nejvýkonnější vůbec. Výhodou pro akademickou sféru je, že IBM nabízí plnou verzi tohoto systému pro akademické účely zdarma. Komerční verze včetně CPLEX řešitele začíná na 8500 USD. AIMMS – Paragon Decision Technology B.V. (www.aimms.com)
Systém AIMMS je svojí podstatou v mnohém odlišný od systémů, o kterých jsme se zmínili výše. Ty zapisují modely pomocí speciálního modelovacího jazyka, který si lze představit jako jednoduchý programovací jazyk přizpůsobený pro potřeby zápisu optimalizačních modelů. AIMMS pracuje na rozdíl od nich s tzv. projekty. Projekty zde přitom tvoří tři základní části – model, obrazovky a data. Ke každé z těchto částí může přistupovat uživatel samostatně, jsou ukládány do samostatných souborů, což vede k tomu, že se s nimi může pracovat například současně ve více projektech. Část model slouží pro popis a definici matematického modelu daného 16
problému a pro řešení tohoto modelu. Obrazovky mohou být definovány s cílem zobrazit a editovat vstupní data stejně jako výsledky optimalizace a to v numerické i grafické podobě. Data jsou částí projektu, která umožňuje manipulaci s datovými soubory, jejich ukládání pro příští použití apod. AIMMS používá velmi přátelské rozhraní pro tvorbu projektů, jejichž bližší popis však přesahuje rámec tohoto příspěvku. Modelovací jazyk je zde v podstatě plnohodnotným programovacím jazykem, s jehož pomocí lze řešit ty části modelu, které vyžadují speciální zpracování, jako jsou například různé heuristiky, které jsou často nezbytné při řešení logistických úloh. Nevýhodou systému AIMMS je to, že práce s ním vyžaduje vyšší úroveň znalostí a dovedností než je tomu u předchozích systémů. Výhodou je naopak skutečnost, že lze pomocí něj vytvořit velmi rozsáhlé a složité aplikace pro podporu rozhodování na manažerské úrovni. Cena systému AIMMS odpovídá tomu, co systém nabízí – základní verze včetně řešitele CPLEX a včetně uživatelské podporu na tři roky stojí přibližně 20000 EUR. Za zmínku by stály rozhodně i další systémy. Mezi nimi především GAMS (www.gams.com) a AMPL (www.ampl.com). První z nich z důvodu, že byl prvním komerčním systémem této kategorie a dnes je stále často používaný jak v komerčních aplikacích tak při výuce matematického modelování. AMPL je systém, který je populární především v USA a Kanadě. 4 Ilustrace a výpočetní experimenty: úloha o pokrytí Optimalizačních logistických problémů je nepřeberné množství typů, které se navzájem liší svým charakterem, a především výpočetní složitostí. V tomto oddílu se pokusíme 17
ilustrovat některé výpočetní aspekty na řešení úlohy, která se někdy označuje jako úloha o pokrytí. Je to úloha, jejímž cílem je vybrat jistý předem zadaný počet obslužných center K z definované nabídky lokalit m (m > K) a takto vybraným centrům přiřadit jednotlivé klienty (n) tak, aby součet vzdáleností klientů od center byl minimální. Matematická formulace této úlohy je relativně jednoduchá: minimalizovat n
n
z = åå cij xij i =1 j =1
(1) za podmínek n
å xij £ qyi ,
i = 1,2,...,m,
j=1 m
å xij = 1,
j = 1,2,...,n,
i=1 m
å yi = K , i =1
xij = 0 (1),
i = 1,2,...,m, j =
yi = 0 (1),
i = 1,2,...,m,
1,2,...,n,
kde cij jsou vzdálenosti mezi i-tým potenciálním centrem a j-tým klientem, xij jsou binární proměnné, které udávají, zda je nebo není j-tý klient přiřazený i-tému centru a yi jsou binární proměnné, které signalizují, zda je i-té místo vybrané jako obslužné centrum. Optimalizační kritérium (1) vyjadřuje 18
minimalizaci celkového počtu kilometrů mezi centry a klienty, omezující podmínky (2) zajišťují, že řádový součet proměnných xij bude roven nule pro případ, že stanice v i-tém místě není zřízená a je menší než maximální počet klientů přiřazený každému centru (q). Omezení (3) zajišťuje, že každý klient bude přiřazený právě jednomu centru a podmínka (4) definuje, že celkový počet center bude K. Uvedená úloha má celkem (m.n + m) binárních proměnných a (m + n + 1) omezujících podmínek. Pro m = n = 200 tak dostáváme velmi rozsáhlý model s více než 40000 proměnnými a 400 omezeními. Matematický model uvedený výše by mohl být rozšířený nebo upravený. Uveďme alespoň dvě možnosti: 1. Doplnění modelu o podmínky, které budou omezovat maximální vzdálenost mezi vybranými centry a klienty na nějakou zadanou hranici (maxkm). Takové podmínky by potom měly tvar cij xij ≤ maxkm,
1,2,...,n.
i = 1,2,...,m,
j =
(5)
Počet omezení se však rozšíří o m.n, a pro výše uvedenou ilustraci by tak bylo místo 400 omezení více než 40000. Dopad na výpočetní efektivnost však není žádný, spíše naopak, protože tyto podmínky vlastně fixují vybrané hodnoty proměnných na nulu (ty proměnné, které podmínce (5) nevyhovují). 2. Minimalizovat počet center (tedy K) potřebných k tomu, aby maximální vzdálenost klientů od center byl menší než zadaná hranice. V tomto případě bude účelová funkce (1) nahrazena prostou minimalizací proměnné K a model dále doplněný o podmínky (5). 19
Úloha o pokrytí má množství reálných aplikací. Z oblasti České na Slovenské republiky zmíníme ty, na kterých jsme se přímo nebo nepřímo podíleli: § Výběr třídících center pro listovní zásilky pro Českou poštu, a.s.. Cílem studie bylo navrhnout optimální počet třídících center tak, aby byla zajištěnost obslužnost listovních zásilek a jejich dodání na dodací poštu v požadovaném čase. Podrobnosti o této studii lze najít v článku [4]. § Optimalizace rozmístění center pro svoz prvotních dokladů pro Českou spořitelnu, a.s. Banka sváží každodenně prvotní doklady z poboček do určených center. Studie se týkala optimalizace rozmístění těchto center, tj. toho, jak vybrat ze všech poboček (kterých je více než 600) jistý počet, na které se z těch ostatních budou doklady svážet. Podrobnější informace o této studii nebyly publikovány. § Optimalizace rozmístění center pro sběr nebezpečného odpadu na území Slovenské republiky. Cílem bylo vybrat z cca 140 měst ta, ve kterých budou zřízena centra tak, aby časová dostupnost v rámci Slovenska nepřesahovala stanovenou mez. Podrobně byla tato studie popsána například v [2]. Implementace libovolného z uvedených modelů bez použití modelovacího jazyka by byla problematická a vyžadovala by jistou programovací dovednost pro převod matice vzdáleností (jediný vstupní parametr) do takové podoby, aby odpovídala danému modelu. Při použití jakéhokoliv modelovacího systému je celý proces značně zjednodušený. Stačí si připravit matici vzdáleností v Excelu (nebo jiném formátu) a načíst ji do modelovacího systému příslušnou funkcí. Zápis celého modelu v systému LINGO by byl následující:
20
MODEL: SETS: OBVOD /1..200/: Y; KOMB (OBVOD, OBVOD): KM, X; ENDSETS MIN = @SUM(KOMB: KM*X); @FOR (OBVOD(I): @SUM (OBVOD(J): X(I,J)) <= Q*Y(I) ); @FOR (OBVOD(J): @SUM (OBVOD(I): X(I,J))
= 1
); @SUM(OBVOD:Y) = K; @FOR(OBVOD: @BIN(Y)); @FOR(KOMB:
@BIN(X));
DATA: K, Q, KM
= @OLE ('d:/data.xlsx');
ENDDATA END
Při porovnání tohoto zápisu s matematickou formulací modelu výše není třeba v podstatě žádný komentář. Snad jen, že veškerá data jsou načítána pomocí funkce @OLE ze souboru data.xlsx. Výpočetní experimenty byly realizovány na uvedené úloze ve třech modifikacích tak, jak byly popsány: § Model M1 – úloha (1) – (4) § Model M2 – model M1 doplněný o podmínky (5), § Model M3 – minimalizace počtu vybraných center při respektování podmínek (5) o maximální vzdálenosti klientů od center. 21
Pro všechny tři modely byly řešeny úlohy o rozsahu m = n postupně 100, 200 a 300 míst pomocí řešitelů CPLEX, GUROBI, LINGO a XPRESS. Pro n = 100 byl počet požadovaných center K = 10 a maximální počet klientů u jednoho centra q = 20. Pro n = 200 resp. 300 byly hodnoty K = 15 resp. 20 a q = 25 resp. 30. Tabulka 1 přináší informaci o řešení všech devíti úloh (tři modely a tři velikosti) – obsahuje optimální hodnotu účelové funkce, tj. minimální vzdálenost pro první dva modely a minimální počet center pro model M3, dále potom čas výpočtu optimálního řešení resp. informaci o tom, že optimum nebylo nalezeno (v tomto případě je uvedeno nejlepší dosažené řešení, zvýrazněno symbolem *). Dobu výpočtu jsme přitom, především z časových důvodů, limitovali na pouhých 10 minut. Úloha
P100_M1 P100_M2 P100_M3 P200_M1 P200_M2 P200_M3 P300_M1 P300_M2 P300_M3
Optimum CPLEX GUROBI LINGO 12.1 4.6 12.0 4059,39 7,8 3,5 2,0 4059,39 3,1 2,3 1,0 8 0,9 0,9 1,0 7112,76 64,9 259,4 45,0 7112,76 38,0 43,1 4,0 9 24,2 2,6 51,0 8646,07 193,9 *8810,04* 132,0 8646,07 86,1 198,1 12,0 11 54,0 22,1 *14*
XPRESS 7.0 *4176,19* 1,2 6,8 *7980,21* *7429,01* 29,5 *10298,6* *9905,37* 23,3
Tab. 1: Výsledky výpočetních experimentů
Výsledky výpočetních experimentů na uvedeném typu úlohy jsou poměrně překvapivé. V modelech M1 a M2 vychází jako nejrychlejší řešitel obsažený v systému LINGO, který jinak v testech řešení celočíselných úloh lineárního programování nevychází nijak zvlášť dobře. Překvapivé rovněž 22
je, že řešitel XPRESS nebyl schopný první dva modely řešit – po uplynutí stanoveného času bylo nejlepší dosažené řešení poměrně daleko od optima. Naopak při řešení modelu M3 byl řešitel LINGO nejhorší a nejlepších výsledků dosahoval řešitel GUROBI. Ukazuje se tedy, že není vhodné, je-li to možné, soustřeďovat se pouze na jeden řešitel a na jeden softwarový nástroj, protože to může vést k tomu, že optimum buď nebude nalezené vůbec nebo bude doba výpočtu podstatně delší než v jiných případech. 5 Závěr V článku je uvedený přehled současných systému pro podporu optimalizace v ekonomickém rozhodování. Logistické problémy jsou však často natolik komplikované, že získat exaktní optimální řešení není s dnešními prostředky možné. Jedinou cestou, jak v takovém případě postupovat je použit přibližné algoritmy, které se označují jako heuristiky. Ty sice nemusí najít optimální řešení, ale při použití více algoritmů je možné se k optimálnímu řešení přiblížit. Implementace těchto metody vyžaduje vytvoření speciálních programů pro konkrétní problémy a i v tomto případě lze některé z uvedených modelovacích systémů použít. Především systém AIMMS obsahuje možnosti vytváření ucelených aplikací, tzn. vedle optimalizačního řešitele lze odprogramovat i libovolné heuristiky. Bohužel se však v tomto případě jedná o pokročilejší způsob práce se systémem na podporu modelování a ten nebude zřejmě vhodný pro každého uživatele.
23
Literatura [1] BISSCHOP, J.: AIMMS – Optimization Modeling. Paragon Decision Technology, Haarlem, 2006. [2] BREZINA, J., PEKÁR, J., ČIČKOVÁ, Z.: Model of the collection centres in communes of Slovak Republic. In: 27th International Conference on Mathematical Methods in Economics. Kostelec nad Labem, 2009, s. 29-35. [3] DANIEL, B.: Modeling with XPRESS. Fair Isaac Corporation, Leamington Spa, 2009. [4] JABLONSKÝ, J., LAUBER, J.: A Time-Cost Optimization of the National Postal Distribution Network. Journal of MultiCriteria Decision Analysis. 1999(8), 1, s. 51-56. [5] PELIKÁN, J.: Diskrétní modely v operačním výzkumu. Professional Publishing, Praha, 2001. [6] SCHRAGE, L.: Optimization modeling with LINGO. Lindo Systems,Inc., Chicago, 2008. Článek vznikl s podporou grantu GAČR 402/12/1387 a projektu interní grantové agentury FIS VŠE Praha F4/18/2011. Summary Routing, covering, location, travelling salesman or other logistic problems belong to an important class of problems that are solved in firms’ practice. They are usually very complex optimisation problems. Their successful solution depends on availability of appropriate software tools. The paper discusses current possibilities in solving of such problems. Main attention is given to modelling systems (often called as modelling languages). Modelling systems offer a compact modelling and development environment for building decision support systems. They contain graphical interface, user-friendly environment and powerful optimization engines for both linear and non-linear problems. Modelling systems allow building end-user managerial applications. The paper presents basic 24
characteristics of modelling systems and informs about current situation on the software market. Wide possibilities of modelling systems applications with a special attention to logistic problems are discussed.
25
Lean Six Sigma Logistic - Využití statistických metod ke zlepšení logistických procesů Eva Jarošová2 Abstrakt Příspěvek ukazuje možnosti využití regulačních diagramů pro kontrolu srovnáváním v logistických procesech. Kromě klasických np- a p- diagramů, tj. diagramů pro počet nebo podíl neshodných, a c- a u-diagramů, tj. diagramů pro počet neshod či počet neshod na jednotku jsou popsány některé novější regulační diagramy, navržené pro procesy s velmi nízkým podílem neshodných, tj. s vysokou způsobilostí. CCC-diagram a CQC-diagram jsou založeny na principu sledování „doby“ mezi událostmi a místo počtu neshodných či neshod se naopak zaznamenává počet shodných jednotek či množství kontrolovaného produktu bez neshod. Výhodou těchto diagramů je především skutečnost, že není třeba tvořit velké podskupiny (vzorky) a že diagram může zachytit i případné zlepšení procesu. Klíčová slova CCC-diagram, CQC-diagram, kontrola srovnáváním, SPC
1
Strategie Lean Six Sigma Logistics
Termín Lean Six Sigma Logistic představuje spojení zásad metodologie Six Sigma a štíhlé výroby a jejich uplatnění v logistických procesech. Cílem Six Sigma je zvýšení výkonnosti především výrobních procesů prostřednictvím identifikace a 2
doc. Ing. Eva Jarošová, CSc., ŠKODA AUTO Vysoká škola, tř. V. Klementa 869, Mladá Boleslav;
[email protected]
26
následného odstraňování příčin defektů (neshodných výrobků, neshod) a minimalizace variability. Jednotlivé kroky této metodologie označované akronymem DMAIC spočívají v definování problému, sběru dat, jejich analýze, návrzích na zlepšení a ověření jejich účinnosti. Název Six Sigma představuje úroveň kvality procesu vyjádřenou pomocí míry jeho variability vzhledem k dané specifikaci. Úroveň šesti sigma znamená excelenci, při jejímž dosažení prakticky nemohou vzniknout neshodné výrobky. Pro štíhlou výrobu je charakteristické, že se vyrábí s minimálními náklady jen to, co zákazník požaduje, požadavky zákazníka jsou uspokojovány v co nejkratší době, přičemž ani vyšší rychlost, ani nižší náklady nevedou k poklesu kvality. Zlepšení spočívá nejen v odhalení a odstranění příčin vzniku neshodných výrobků, objektem zdokonalování jsou všechny typy „neshodných“ činností. Štíhlosti se dosahuje postupnou redukcí plýtvání, ke kterému dochází vlivem nekvalitní výroby a odstraňování jejích následků, tj. oprav a přepracování, udržováním velkých zásob, tj. většího množství materiálu, než je potřeba, nadbytečnou výrobou, pro niž není odbyt, prostoji způsobenými čekáním na práci, na dodávky materiálu apod., neefektivními technologickými postupy, manipulací s materiálem, administrativní činností apod. Kombinaci uvedených přístupů označovanou Lean Six Sigma můžeme chápat jako využití postupů Six Sigma při řešení problémů kvality, které postihují zákazníka. Zákazníkem ovšem nemusí být jen konečný odběratel, ale kterýkoli článek dodavatelského řetězce. Kvalita je definována jako soubor vlastností poskytovaných výrobků a služeb, které určují jejich schopnost uspokojovat požadavky a potřeby zákazníků a kromě funkčnosti, spolehlivosti a dalších vlastností samotného výrobku sem patří např. také dodací lhůty, pohotovost servisních služeb atd. Zatímco u výrobního procesu je hlavním 27
cílem nulový počet neshodných kusů, u logistických procesů můžeme usilovat např. o nulový počet překročených termínů, nulový počet neshod v dokumentaci apod. V rámci kroku Improve navrhujeme změny, které mají vést ke zlepšení vlastností výrobků, ale také např. opatření, která mají zkrátit dodací lhůty. Je zřejmé, že na splnění cílů Lean Six Sigma, tj. dosažení vysoké kvality a rychlosti a na druhé straně nízké ceny, se logistika podílí značnou měrou. 2
Využití statistických nástrojů
Six Sigma využívá nástroje řízení kvality, jejichž neodmyslitelnou součástí jsou statistické metody. Přehled metod využívaných v jednotlivých krocích metodologie DMAIC je uveden v tab.1. Na řadu logistických procesů lze aplikovat stejné nástroje. Jako příklad lze uvést regulační diagramy používané při statistické regulaci procesu. V případě logistických, tedy nevýrobních procesů, nejde přímo o včasný zásah do procesu s cílem předejít vzniku neshodných jednotek, regulační diagramy však mohou pomoci při analýze procesu. Při sledování trvání různých transakcí, dob dodání, dob vyřízení objednávky apod. se uplatní diagramy pro regulaci měřením, při analýze bezchybnosti různých operací diagramy pro regulaci srovnáváním. Z dalších metod lze zmínit testování hypotéz, hodnocení způsobilosti nebo hodnocení spolehlivosti, které nacházejí využití při výběru zařízení či dodavatele nebo statistickou přejímku, kterou lze aplikovat nejen při kontrole dávek od vnějších dodavatelů, ale i mezi jednotlivými fázemi logistického procesu. Součástí strategie je také důraz na spokojenost zákazníka, což znamená nutnost zjišťování jeho požadavků. Zde mohou pomoci tzv. discrete choice experimenty, které využívají teorie navrhování experimentů a které spočívají v předkládání různých hypotetických scénářů 28
respondentům. Pomocí conjoint analýzy se zjišťuje, které vlastnosti výrobků nejvíc ovlivňují preference zákazníků.
Nástroj Analýza způsobilosti procesu
Define Measure Analyze Improve Control
X
X
Testování hypotéz, konfidenční intervaly
X
X
Regresní analýza, ANOVA
X
X
X
X
Způsobilost měřicího systému R&R
X
Navrhování experimentů (DOE) Statistická regulace procesu (SPC)
X
X
X
Tab.č.1: Využití statistických nástrojů v metodologii DMAIC
29
X
Tento příspěvek se věnuje statistickému nástroji, který má velké využití jak ve výrobních, tak v nevýrobních procesech, tj. statistické regulaci procesu (SPC). Základní myšlenka spočívá v pravidelné kontrole výběrů (vzorků) odebíraných z procesu. V každém výběru, v SPC označovaném jako podskupina, se vypočte určitá výběrová charakteristika a její hodnoty se vynášejí do regulačního diagramu v závislosti na pořadí podskupiny. Regulační diagram obsahuje kromě vynesených bodů centrální přímku, která představuje průměrnou úroveň procesu, a regulační meze, které určují interval přirozeného kolísání vynášené charakteristiky. Bod mimo regulační meze představuje signál o změně parametrů procesu. Podrobnosti týkající se např. výpočtu regulačních mezí nalezneme v normě [4] nebo např. v [3], vybrané diagramy budou podrobněji zmíněny v oddílech 3.1. a 4.1. Nejprve je důležité zdůraznit rozdíl mezi regulačním diagramem a pouhým grafickým znázorněním časové řady. Máme-li k dispozici pouze vynesené body, budeme na zhoršování kvality procesu usuzovat např. na základě nějakého viditelného rostoucího trendu. Můžeme ale např. tři po sobě jdoucí body příslušného charakteru považovat za trend? Nejde jen o důsledek náhody? Kolik bodů v rostoucí posloupnosti můžeme tedy považovat za důkaz klesající kvality? Výhodou regulačního diagramu, který navíc obsahuje regulační meze, je možnost objektivně rozpoznat změnu kvality procesu, včas upozornit na existenci problému a předejít tak vzniku neshodných jednotek. Kdybychom např. jen sledovali, zda hodnoty měřitelného znaku leží uvnitř tolerančního pole, přijde upozornění na změnu úrovně procesu příliš pozdě. U atributivních znaků, kdy určujeme počet neshodných nebo počet neshod, ani explicitně zadanou horní mez nemáme. Bod mimo regulační meze může včas upozornit na odchylku od normálního stavu. Je třeba ještě poznamenat, že překročení regulační meze není jediným signálem o změně parametrů 30
procesu. V normě [4] jsou popsány testy zvláštních seskupení bodů, pomocí nichž lze problém odhalit ještě dříve. Klasické regulační diagramy jsou v současné době často nepoužitelné, protože předpoklady, za nichž byly odvozeny, nebývají splněny. Problémy nastávají např. u krátkých výrobních sérií v důsledku strategie just-in-time, kdy není k dispozici dostatečný počet dat pro konstrukci regulačních mezí, u procesů s vysokou způsobilostí, u nichž překročení klasických regulačních mezí nemusí znamenat nutnost zásahu do procesu, při rozdělení regulované veličiny odlišném od normálního rozdělení nebo při automatizované 100% kontrole procesu. Příspěvek se zabývá regulačními diagramy pro kontrolu srovnáváním. Jsou zde blíže popsány jak klasické diagramy, tak některé diagramy navržené v poslední době právě pro procesy s vysokou výkonností, tedy pro procesy s nízkým podílem neshodných jednotek nebo s nízkým počtem neshod na jednotku. 3 3.1
Diagramy pro počet nebo podíl neshodných Klasické diagramy
Diagram pro počet neshodných (np-diagram) se používá v případech, kdy kontrolované podskupiny mají stejný rozsah n. Označíme-li podíl neshodných ve stabilním procesu p , odpovídá centrální přímka v diagramu hodnotě np a regulační meze jsou od ní vzdáleny o ±3 np (1 - p ) . Není-li parametr p předem stanoven, odhadne se na základě kontroly dostatečně velkého počtu podskupin. V takovém případě lze regulační diagram sestrojit až po určité době sledování procesu. Známe-li výsledky kontroly prvních k podskupin a označíme-li počet neshodných v i-té podskupině di , odhadneme parametr p 31
pomocí vzorce pˆ =
k
åd i= 1
potom určena
i
/ kn = d / n = p . Centrální přímka je
hodnotou
npˆ = np= d a
regulační
meze
hodnotami np ± 3 np (1 - p ) . Do diagramu se vynáší počet neshodných v jednotlivých podskupinách. Nemají-li kontrolované podskupiny stejný rozsah, což nastává často při 100% kontrole, musí se použít p-diagram, v němž zakreslené body reprezentují podíl neshodných jednotek v jednotlivých podskupinách. Při nezadaném standardu odpovídá centrální přímka v tomto diagramu hodnotě p . Jestliže se rozsah podskupin příliš neliší, je možné uvažovat průměrný rozsah n =
k
å n / k , při větších rozdílech i= 1
i
se doporučuje konstruovat meze zvlášť pro každou podskupinu o rozsahu ni . Konstantní regulační meze odvozené pro průměrný rozsah jsou ve vzdálenosti ±3 p (1 - p ) / n od centrální přímky, proměnné regulační meze ve vzdálenosti ±3 p (1 - p ) / ni . V zájmu větší přehlednosti je také možné sestrojit diagram s konstantními mezemi a meze odpovídající konkrétnímu rozsahu podskupiny určit jen v případě, kdy zobrazený bod leží blízko horní regulační meze. Alternativou p-diagramu s proměnnými mezemi může být diagram pro individuální hodnoty používaný při kontrole měřením. Klasické regulační diagramy jsou popsány v normě [4]. Jako příklad využití p-diagramu v logistickém procesu můžeme uvažovat 100% kontrolu objednávek, při níž jsou podskupiny tvořeny objednávkami vytvořenými vždy za týden. Za neshodné jsou považovány objednávky, které obsahují nesprávně uvedený počet kusů, nesprávné datum dodání nebo chybné instrukce pro dodavatele. Pro ilustraci je znázorněn pdiagram s konstantními mezemi (obr.1a) a p-diagram 32
s proměnnými mezemi (obr.1b). Centrální přímka a regulační meze byly sestrojeny na základě hodnot získaných za 25 týdnů. V 11. týdnu je podíl neshodných těsně nad regulační mezí vypočtenou na základě počtu objednávek v tomto týdnu (obr.1b). Obr.č. 1a: p-diagram, konstantní meze Obr.č. 1b: p-diagram, proměnné meze
Konstrukce uvedených klasických diagramů vychází z podobnosti binomického a normálního rozdělení v případě, že součin np je dostatečně velký. Čím vyšší kvalita procesu, tím větší rozsah podskupin je třeba volit. Nesplnění předpokladu se projeví např. v tom, že dolní regulační mez vyjde záporná, jak je vidět např. na obr. 1b u podskupin č. 2,3, 16,17,18. Protože podíl neshodných nemůže nabývat záporných hodnot, nahradí se v takovém případě záporná hodnota nulou. Nulová dolní mez však znamená, že nemůžeme identifikovat zlepšení 33
procesu. Při velkém rozsahu podskupin se ztrácí výhoda včasného upozornění na změnu procesu. Dalším důsledkem nesplnění zmíněného předpokladu je vysoká pravděpodobnost falešného signálu. Proto byly pro procesy s nízkým podílem neshodných, vyjádřeným v ppm nebo dokonce v ppb, navrženy nové typy regulačních diagramů. Jeden z nich, CCC-diagram, je popsán v následujícím oddílu. 3.2
CCC-diagram
Alternativou monitorování počtu či podílu neshodných je sledování kumulativního počtu shodných jednotek CCC (Cumulative Count of Conforming). Hodnota CCC se po kontrole každé jednotky, pokud není neshodná, zvýší o jedničku. Po nalezení neshodné jednotky se začíná znovu od nuly. Vytváření podskupin není nutností, jde spíše o to, v jakých intervalech chceme hodnoty CCC vynášet. Buď můžeme vynášet postupně všechny hodnoty proti pořadí jednotlivých kontrolovaných jednotek, nebo zakreslujeme body jen v případě, vyskytne-li se neshodná jednotka (potom je následující hodnota CCC rovna nule) nebo ukončíme-li kontrolu podskupiny (potom je následující hodnota CCC vyšší), nebo můžeme vynášet jen hodnoty CCC odpovídající výskytu neshodných jednotek. Centrální přímka v CCC-diagramu, viz např. [2], odpovídá hodnotě CL = ln(1/ 2) / ln(1 - p ) , kde p značí podíl neshodných v procesu a regulační meze jsou pro zvolené riziko falešného signálu určeny vztahy LCL= ln(1 - a / 2) / ln(1 - p ) a UCL = ln(a / 2) / ln(1 - p ) . Použití diagramu ovšem předpokládá známou hodnotu p (tedy vlastně p = p ), protože při velmi malé hodnotě parametru p je jeho odhad problematický. 34
Jako příklad uvažujme kontrolu podskupin s rozsahem 1000 jednotek. Předpokládaný podíl neshodných je p = 0,0004, riziko falešného signálu a = 0, 05 . V tab.2 je uveden pouze kumulativní počet CCC shodných jednotek do výskytu neshodné jednotky, v obr.2 jsou na logaritmické stupnici vyneseny nejen hodnoty CCC z tab.2, ale rovněž hodnoty CCC dosažené po kontrole každé podskupiny. V takovém případě se pořadí podskupiny, v níž se nachází neshodná jednotka, na ose x opakuje. Poprvé je vynesena hodnota CCC představující počet jednotek do výskytu neshodné, podruhé je CCC rovno 0, potřetí je CCC rovno počtu zbývajících jednotek v podskupině (pokud se již žádná neshodná jednotka nevyskytla) nebo opět počtu jednotek do výskytu další neshodné. Bod odpovídající výskytu neshodné jednotky se v grafu pozná podle toho, že za ním následuje pokles CCC na 0. V obr.2 je vzhledem k použití logaritmické stupnice místo 0 použita hodnota 1. Poř. NS
CCC
LCL
CL
UCL
1
94
63,282
1732,521
9220,354
2
2031
63,282
1732,521
9220,354
3
1528
63,282
1732,521
9220,354
4
8356
63,282
1732,521
9220,354
5
50
63,282
1732,521
9220,354
6
7984
63,282
1732,521
9220,354
7
6573
63,282
1732,521
9220,354
8
9004
63,282
1732,521
9220,354
9
7897
63,282
1732,521
9220,354
10
13129
63,282
1732,521
9220,354
Tab.č.2: Příklad aplikace CCC-diagramu
35
Pokud je bod představující CCC do výskytu neshodné jednotky (tedy bod, po němž CCC klesne na 0) uvnitř mezí, předpokládá se, že se podíl neshodných v procesu nezměnil. Bod pod dolní mezí3 (v ukázce bod odpovídající 13. podskupině a celkově páté neshodné jednotce) naznačuje, že se kvalita procesu zhoršila, neboť aktuální kumulativní počet shodných jednotek je příliš nízký. Předpokládejme, že příčina zhoršení kvality byla zjištěna a že bylo provedeno nápravné opatření. Po zásahu jsou podskupiny číslovány znovu od 1. Překročí-li hodnota CCC horní mez (v ukázce bod odpovídají 54. podskupině), lze se domnívat, že kvalita procesu se zvýšila. Obr.č. 2: CCC-diagram
3
Bod odpovídající 8. podskupině leží pod dolní mezí, protože však není spojen s výskytem neshodné jednotky, nepředstavuje žádný signál.
36
4
Diagramy pro počet neshod
4.1
Klasické diagramy
Předpokládáme-li, že průměrný počet neshod na určitou jednotku vzniklého produktu4 ve stabilním procesu je l a kontrolujeme-li vzorky velikosti této jednotky, potom centrální přímka v regulačním diagram odpovídá hodnotě l a regulační meze v klasickém diagramu (u-diagramu) jsou vzdáleny ±3 l od centrální přímky. Mají-li vzorky velikost odpovídající nnásobku jednotky produktu, je centrální přímka určena hodnotou nl a regulační meze jsou ve vzdálenosti ±3 nl (cdiagram). Pokud není hodnota l zadána jako standard, je třeba ji odhadnout. Předpokládejme, že máme k dispozici výsledky kontroly prvních k vzorků o velikosti n jednotek. Počet neshod v i-tém vzorku (podskupině) označíme ci . Parametr l potom odhadneme
pomocí
lˆ=
k
å c / kn=
=i 1
i
c /n,
kde
c
značí
průměrný počet neshod v podskupině rozsahu n jednotek. Centrální přímka v c-diagramu je určena hodnotou c , regulační meze jsou ve vzdálenosti ±3 c . Nejsou-li kontrolované vzorky stejně velké, je třeba použít u-diagram, v němž se počet neshod zjištěný ve vzorku (podskupině) přepočítává na jednotku produktu. Jestliže se velikost vzorků příliš neliší, je možné uvažovat průměrnou velikost vzorků n jednotek, při větších rozdílech se doporučuje
4
SPC se uplatňuje i v jiných než výrobních procesech, termín produkt je zde třeba chápat obecněji.
37
konstruovat meze zvlášť pro každý vzorek velikosti ni jednotek. V obou případech odpovídá centrální přímka hodnotě k
k
i =1
i =1
u = å ci / å ni . Odvozujeme-li regulační meze z průměrné
velikosti vzorků, jsou konstantní a leží ve vzdálenosti ±3 u / n , kde n =
k
ån / k , i= 1
i
bereme-li v úvahu nestejnou
velikost vzorků, jsou regulační meze proměnné, jak odpovídá vztahu u ± 3 u / ni . Alternativou u-diagramu s proměnnými mezemi může být diagram pro individuální hodnoty používaný při kontrole měřením, podobně jako v případě p-diagramu. Příklad c-diagramu sestrojeného po 20 týdnech na základě kontroly dodávek včetně dokumentace, kdy každý týden bylo náhodně vybráno a zkontrolováno 50 dodávek, je na obr. 3. Za jednotku produktu můžeme považovat jednu dodávku, velikost podskupiny je tedy 50. Původně záporná hodnota dolní meze odpovídající výrazu c - 3 c byla v regulačním diagramu nahrazena nulou. Zakreslené body v diagramu představují počty neshod zjištěných v jednotlivých týdnech. Průběh zakreslených bodů ukazuje na stabilní proces, horní mez není nikde překročena. Vypočtené meze můžeme proto použít pro kontrolu procesu i nadále. Obr.č. 3: c-diagram
38
Klasické diagramy jsou odvozeny na základě podobnosti Poissonova rozdělení a normálního rozdělení za předpokladu, že l resp. nl je dostatečně velké. Je-li ve vzorcích zvolené velikosti počet neshod často nulový, můžeme se splnění uvedeného předpokladu přiblížit zvětšením velikosti vzorků. Při vysoce kvalitních procesech s velmi nízkým průměrným počtem neshod však tento způsob nevede k cíli, neboť potřebná velikost vzorků se ukáže jako nerealizovatelná. Při akceptovatelné velikosti vzorků je potom centrální přímka blízko nulové osy, tedy dolní regulační meze (která byla původně záporná) a horní regulační mez je nižší než 1. Důsledkem je vysoká pravděpodobnost falešného signálu, to znamená, že občasný výskyt neshody při ve skutečnosti nezměněné kvalitě procesu je považován za signál o zhoršení procesu. Tyto nevýhody má odstranit diagram, který je založen na sledování kumulativního množství. 4.2
CQC-diagram
V CQC-diagramu (Cumulative Quantity Chart) se místo počtu neshod sleduje kumulativní množství Q. Centrální přímka je určena hodnotou CL = - ln(1/ 2) / l , regulační meze se pro zvolené riziko falešného signálu a určí podle vzorců LCL = - ln(1 - a / 2) / l a UCL = - ln(a / 2) / l , viz např. [1]. Symbol l představuje stejně jako výše průměrnou intenzitu neshod. Protože vynášené hodnoty Q se mohou lišit o několik řádů, používá se log10 Q a hodnoty regulačních mezí je třeba rovněž přepočítat, viz tab.3. Na vodorovné ose diagramu se zaznamenává pořadí vzorku. Uveďme jako příklad výrobu optického kabelu s průměrnou intenzitou neshod l = 0, 0004 , při níž se kontrolují náhodně vybrané vzorky délky 50 m. Vzorek má tedy v tomto případě 39
velikost 50. Pokud by byl první kontrolovaný vzorek bez neshod, bude odpovídající hodnota Q rovna 50. Po každém dalším bezvadném vzorku vzroste hodnota Q o velikost vzorku, tedy o 50. Jakmile se při kontrole objeví neshoda, zaznamená se aktuální kumulované množství a poté se hodnota log10 Q vynuluje.
Pořadí
Q
1
47,5
1
log10 Q
log10 LCL log10 CL log10 UCL
1,677
1,801
3,239
3,965
0,000
1,801
3,239
3,965
1
50
1,699
1,801
3,239
3,965
2
100
2,000
1,801
3,239
3,965
3
150
2,176
1,801
3,239
3,965
4
200
2,301
1,801
3,239
3,965
9
450
2,653
1,801
3,239
3,965
10
467,8
2,670
1,801
3,239
3,965
0,000
1,801
3,239
3,965
10 10
32,2
1,508
1,801
3,239
3,965
11
82,2
1,915
1,801
3,239
3,965
194
9182, 2
3,963
1,801
3,239
3,965
195
9232, 2
3,965
1,801
3,239
3,965
196
9282, 2
3,968
1,801
3,239
3,965
Tab.č.3: Příklad aplikace CQC-diagramu
40
V ukázce se první neshoda objevila již při kontrole prvního vzorku, v délce 47,5 m. Bod odpovídající hodnotě log10 47,5= 1, 677 je vynesen do diagramu a protože leží pod dolní regulační mezí s hodnotou 1,801, je považován za signál o zhoršení procesu a hledá se příčina. Předpokládejme, že příčina zhoršení byla nalezena a byl proveden zásah do procesu. Hodnota log10 Q se vrací na 0 a kontroluje se nový vzorek, který má po zásahu do procesu znovu pořadí 1. V dalších vzorcích s pořadím 2 až 9 žádná neshoda nebyla, kumulativní množství Q se postupně zvýšilo až na 450. V 10. vzorku se ve vzdálenosti 17,8 m objevila neshoda, veličina Q má v tomto okamžiku hodnotu 467,8. Protože odpovídající bod se souřadnicí log10 467,8 = 2, 670 leží uvnitř regulačních mezí, není důvod domnívat se, že se kvalita procesu zhoršila. Hodnota log10 Q se ovšem položí rovna 0. Při kontrole zbývajících 32,2 m 10. vzorku se již další neshoda neobjevila. Bod odpovídající hodnotě log10 32, 2 = 1,508 sice leží pod dolní regulační mezí, protože však není spojen s výskytem neshody, nejde o signál. Poloha posledního bodu odpovídajícího výsledku kontroly 196. vzorku nad horní regulační mezí (viz tab.3) naznačuje, že se kvalita procesu zlepšila
41
Obr.č. 4: CQC diagram 5 4 3 2 1
podskupina
42
194 195 196
0 0 1 0 1 2 3 4 5 6 7 8 9 10 10 10 11
log10 Q
Literatura: [7] CHAN, L.Y., XIE, M. and GOH, T.N.: Cumulative quantity control charts for monitoring production processes. International Journal of Production Research 38 (2), pp.397408, 2000. [8] GOH, T.N.: A control chart for very high processes. Quality Assurance, 13 (1), pp.18-22, 1987. [9] JAROŠOVÁ, E.: Statistické metody řízení jakosti. ŠKODA AUTO Vysoká škola, Mladá Boleslav, 2011. [10] ČSN ISO 8258:1994 Shewhartovy regulační diagramy Summary: This paper shows possibilities of the use of control charts for attributes in logistics processes. Apart from classical np- and p- charts, i.e. charts for the number or the fraction of nonconforming units in a sample, and c- a u-charts, i.e. charts for the total number of nonconformities per inspection unit or per unit quantity, some latest control charts proposed for highyield processes with an extremely low fraction of nonconforming units are described. The CCC-chart and CQCchart are based on monitoring the “time” between events and instead of the number of nonconforming units the cumulative number of conforming or the cumulative quantity of a conforming product is recorded. The fact that large subgroups (samples) are not necessary and also that process improvements may be detected are major advantages.
43
Logisticko-procesní řízení služeb s hi-tech systémy Viktor Prokeš 5 Abstrakt Cílem tématu je poukázat, jak velké možnosti dnes skýtá poměrně opomíjené téma poprodejních služeb a jaký bude mít v budoucnosti zásadní význam pro rozvoj a udržení zákaznické stability s loajalitou k uvedené automobilové značce a to nejenom ve vyspělých zemích, ale také na nově vznikajících trzích s velkým růstovým potenciálem. V případě současných rychle expandujících trhů v oblasti střední a východní Asie se bude uvedené téma ještě více zviditelňovat a růst na důležitosti. Služby všeobecně jako takové čeká v budoucnu přechod od současného konzervativního pojetí k budoucímu využití hi-tech systémů, procesů, logistiky, zpracování dat a informací. Společnost, která dokáže integrovat jednoduché komunikační funkcionality ve vazbě na moderní užívání výrobku a tím reagovat na aktuální, ale i budoucí potřeby trhu, se stane jeho leaderem.
Klíčová slova Logistika, informace, data, služby, proces, technologie, hi-tech, systémy
5
Ing. Viktor Prokeš, VUT FP, Kolejní 2906/4 Brno/ ŠKODA AUTO a.s. Tř. Václava Klementa 869, 293 60 Mladá Boleslav,
[email protected]
44
Citát: „Lidé často nevědí, co chtějí, dokud jim to neukážete.“ Steve Jobs 1
Úvod
Trendy a strategie logistických přístupů v globalizovaném světě jsou velmi ostře zaměřovány především na výrobu konkrétních vysoce sofistikovaných produktů, kde jsou dílčí úkony a operace cíleně uspořádány do celkových procesů sériových a hromadných produkcí. Z hlediska ekonomického pojetí se jedná o logické uskupení činností se snahou o zvýšení produktivity, s co možná nejvyšší dynamikou procesu a maximální výtěžností. Bohužel stále opomíjeným spektrem výše uvedených trendů jsou následně poskytované poprodejní služby, spojené s užíváním daného výrobku, anebo jen monitorování konkrétního produktu v průběhu jeho životnosti. Služby jako takové stojí většinou na okraji zájmu výrobních podniků. Tento aspekt je zapříčiněn více důvody. Mezi hlavní patří procesnělogistická náročnost, individualita požadavku zákazníka, posléze čas, ve který je služba požadována, různorodost kritérií nadefinovaných zadavatelem a samozřejmě také technická náročnost samotného výrobku. Nároky na flexibilitu poskytovatele služby jsou vysoké. Především pokud časové rozpětí nabízené a současně čerpané služby může být od pár minut po několik dnů. Vzhledem k rozličnosti, až protichůdnosti aspektů na zmíněné požadavky služby, je velice obtížné jednoznačně, konkrétně a přesně nadefinovat procesy do jednotlivých podrobností, tak jak je to zvykem u velkých výrobních linek se složitými výrobky. Na základě těchto faktů lze konstatovat, že se jedná o individualizované poskytování 45
služeb s možným periodickým opakováním dílčích činností v krátkém časovém horizontu. Možnosti, jak prorazit na dnešní komerční trh se zcela převratným inovativním výrobkem jsou poněkud ztížené – je tomu tak především z důvodů vysokých nákladů vynaložených na investice do vývoje produktu a jeho uvedení na trh, ale také z hlediska nasycenosti trhu v nepřeberném množství výrobků. Proto se většina výrobců vysoce sofistikovaných produktů, jako jsou například automobily, snaží o poskytování vlastních poprodejních, nebo doplňkových služeb souvisejících s jeho užíváním. Většinou se jedná o lukrativní servisní činnost participujících dealerů dané automobilové značky. Tímto krokem se následné služby různých větších producentů vozidel dostávají čím dál tím více do popředí zájmu a současně je na ně kladen zvýšený důraz nejen z hlediska rozsahu nabízených a poskytovaných služeb. Bohužel u jmenovaných služeb většinou dochází k nedodržování detailně zavedených procesních postupů a systémů s jasným, logicky nadefinovaným uspořádáním činností, které by mohly jednoznačně navazovat na aktuální výrobní data korespondující s technickými vymoženostmi automobilu. V případě snahy o monitorování konkrétního průběhu života s úplnou a funkční historií daného objektu zájmu jsou tato data dostupná až v okamžiku, kdy již proces byl zahájen a z těchto podkladů je čerpáno ex post. Z uvedeného lze usoudit, že primárně korektní a včasné informace během čerpání služeb budou zřejmě významně ovlivňovat nejen zákaznické chování, ale také celou škálu procesů a logistiky. Pro zjištění současné kvantitativně kvalitativní úrovně logistiky vstupních dat byl proveden výzkum v oblasti poprodejních služeb automotive, který je dále rozveden.
46
2
Spotřebitelské preference
Mezi hlavní aspekty spotřebitelských preferencí patří řízení vztahu se zákazníky, jehož sledovaným parametrem je výsledná zákaznická spokojenost, která určuje očekávanýmožný tržní-růstový potenciál dané značky. Pod zákaznickou spokojenost a k jejímu uspokojování patří mnoho neodlučitelných oborů, ale především všudy přítomná logistika a její procesy jsou vždy úzce spjaty s jejím hodnocením a dosažením. Pro zjednodušení vždy přísně individualizovaného procesu služby je na Obr. 1 uveden jeho obecný formát. Z obrázku plyne 6 hlavních procesně-logistických kroků. Vedlejší kroky jsou nastíněny taktéž a jsou neméně důležité. Celý zákaznický proces služeb je popsán níže: 1. Start: potřeba-úvaha možného zákazníka o čerpání služby (vedlejší krok - VK) 2. Kontakt dodavatele: v tomto okamžiku dochází k utřídění informací a selekci zákaznického požadavku (hlavní krok HK) 3. Objednávka: na základě předchozího bodu je definována požadovaná služba s konkrétním rámcem oboustranného plnění (HK) 4. Realizace služby: zpracování-provedení objednávky dle předchozího bodu (HK) 5. Předání a platba: převzetí realizované služby zákazníkem s následnou platbou (HK) 6. Spokojenost: bylo splněno zákaznické očekávání? (HK) a) Ano: pravděpodobné opakování, nebo rozvoj obchodního vztahu a značky dodavatele b) Ne: velmi pravděpodobné neopakování služby a nedoporučení značky dodavatele
47
Obr. č. 1: Obecný proces zákaznických služeb
Z hlediska podstaty služby samotné jsou v celkovém procesu nejdůležitějšími kroky 1 a 2 z důvodu logistickoprocesního toku informací, na jehož základě bude vystavěna budoucí služba jako celek.
2.1
Zákaznická spokojenost
K tomuto tématu se vhodně vyjadřuje (Nockermann, 2010), který provedl pomocí analýzy a syntézy v oblasti terciálního vzdělávání průzkum v Německu a definoval jednoduchou 48
orientaci v uvedené problematice: zákaznická spokojenost je velmi ovlivněna emociálními stavy, a proto je obtížná přesná reprezentativnost – jedná se o proměnlivou závislost. Zákaznická spokojenost je subjektivní. Zákazník většinou používá příměru respektive srovnání, proto bylo provedeno rozdělení na tři základní oblasti: · Jsou-li obě srovnávané složky na stejné úrovni (zkušenost a očekávání), potom je dopad změny na zákaznickou spokojenost neutrální · Pokud je očekávání překročeno, potom dochází k progresivní spokojenosti · V případě nedosažení zákaznického očekávání je generován pocit nespokojenosti F. Nockermann uvádí, že významným faktorem, který dnes rychle rozšiřuje povědomí o zákaznické spokojenosti s tím či oním subjektem, jsou sociální sítě. Z výše uvedeného lze pomocí indukce a dedukce přesněji definovat oblast zákaznické spokojenosti dotýkající se poprodejních služeb v oblasti automotive.
Jedná se o splněná zákaznická očekávání, která jsou v mnohých případech významně zkreslena marketingovými akcemi na podporu jednotlivých produktů. Samozřejmě zákaznická očekávání a jejich splnění jsou rozdílná dle kulturních, sociálních, věkových a jiných podmínek. Zákaznická spokojenost představuje velmi vysokou prioritu pro firmy v době dynamické hospodářské soutěže. Jedná se o oblast, která určuje zákazníkovu loajalitu vůči dané značce, firmě, službě a dalším oblastem lidské činnosti. Zákaznická spokojenost se primárně zaměřuje na témata jako je celková spokojenost s produktem v době jeho provozu, přístup k životnímu prostředí, poměr cena výkon, budoucí využitelnost, design, prestiž, spolehlivost a další aspekty.
49
Faktem zůstává, že čím vyšší je zákaznická spokojenost, tím více roste prestiž firmy a tím více roste zákaznický potenciál pro opakované využívání toho nebo jiného produktu dané značky. V dnešní době již není firma, která by si mohla dovolit uvedené téma ignorovat. Současný stav hovoří o pořadí firem s aktuální zákaznickou spokojeností s tou či onou firmou v daném oboru. Na zákaznickou spokojenost reaguje samozřejmě také udržitelný rozvoj společnosti. Otázkou zůstává, jaké veškeré podpůrné prostředky jsou firmami využívány pro zvýšení zákaznické spokojenosti s danou značkou nebo oblastí služeb a také jaké jsou následné strategické kroky pro její operativní zvýšení a zpětnou vazbou o účinku konkrétního kroku. V případě příměru zákaznické spokojenosti v oblasti automotive lze hovořit o průběžné analýze image značky, jež je realizována permanentně, což znamená, že shromažďování a vyhodnocování dat probíhá pravidelně. Na základě rozboru hodnocených údajů je získán přehled o vývoji jednotlivých sledovaných kritérií, o účinnosti zaváděných opatření i o možnostech realizace potřebných změn. Nedílnou součástí servisních procesů je taktéž zpětná vazba od zákazníků, neboli jejich zhodnocení nabízených a poskytnutých služeb servisními partnery. Tato zpětná vazba napomáhá servisním dealerům a výrobci v odhalování a následné nápravě nedostatků, které zákazníci vnímají v průběhu servisního procesu. Výše definované získané hodnocení nadále slouží také jako podklad pro optimalizaci procesů servisních služeb a korekci celkové nabídky využívanou konečným uživatelem. Pro detailnější hodnocení je nutné se v první fázi zaměřit na spokojenost respektive udržení zákazníků v autorizované servisní síti, potažmo přímo u daného produktu. (Prokeš, Jurová, 2010)
50
2.2
Nové trendy řízení vztahu se zákazníky
K dané problematice byl proveden výzkum na Slovensku (Lendel, Kubina, 2010). Výzkum je zaměřen na problematiku řízení vztahu se zákazníkem pomocí analýzy systémově získávaných dat z různých oblastí procesů se zákazníkem. Na základě logických postupů ve vazbě na analýzu a syntézu s elektronickým, telefonickým a osobním způsobem dotazovaného výzkumu dospěli k závěru, že povědomí vedoucích pracovníků o řízení vztahů se zákazníky je poměrně široké (téměř 50%), avšak skutečné chápání významu pojmu není příliš obsáhlé. Na základě průzkumu bylo zjištěno, že využívání současných moderních technologií v uvedené oblasti je od téměř nulového až po velmi pokrokové. Nasazení moderních technologií úzce souvisí s podnikovou strategií, procesy a procesem integrace překrývajících se funkcí, stejně jako s orientací na zákazníky. V dalším vývoji zákaznické spokojenosti a orientace zákazníků na produkty budou primární roli hrát hi-tech a přímá komunikace skrze IT technologie. Detailněji je problematika popsána níže. Nejenom ve vyspělých zemích, ale také u vyspělých technologických produktů se hovoří o změnách organizačních procesů na základě analytického získáváni dat z oblasti péče o zákazníky prostřednictvím nových technologií. Tím pádem se začíná určovat nový směr zákaznické spokojenosti a následné zákaznické loajality. Vlivem uvedeného je deklarováno, že možné využití poskytovaných služeb dosahuje podstatně vyšší úrovně. Až polovina dotazovaných respondentů na různých manažerských úrovních uvádí, že se jejich firma orientuje na analytické zpracování dat ze zákaznické spokojenosti, které byly získány prostřednictvím moderních technologií. Při 51
hloubkovém šetření skutečného stavu využití moderních technologií v uvedené problematice bylo zjištěno, že reálný stav využití hi-tech je velice chabý. V navazujících fázích je nezbytné zvážení všech možných pozitivních i negativních přínosů v případě možného zavedení inovativní hi-tech ve vazbě na systém. Spektrum těchto úvah je široké, proto je vhodné definovat alespoň základní směry, které je následně nutné dále rozvíjet, a konkretizovat vizi s možnou přesnější budoucí strategií dalšího potenciálního růstu. Předpokládané přínosy jsou předběžně očekávány v oblastech konečných uživatelů, participujících dealerů a především samotného výrobce konečných produktů. Každý zainteresovaný činitel tvoří spektrum svých vlastních požadavků na výslednou funkčnost procesu vztaženou do jeho konkrétní oblasti, které jsou nezávislé na ostatních požadavcích zainteresovaných skupin celkového procesu. (Prokeš, Jurová, 2010) Pro využití nejmodernějších technologií pro řízení firmy nejenom z pohledu pro zákaznické orientace, ale také z pohledu vzájemné integrace lidí, procesů, informačních technologií, marketingu, managementu, postupů a dalších činností je nezbytné permanentně aktualizovat potřeby firmy ve zmiňovaných oblastech. Významným krokem v oblasti zákaznických služeb jsou bezdrátové sítě, mobilní telefony, PDA s následným využitím datových služeb. Tímto se naskýtá možnost řešit zákaznické vztahy pomocí internetu, webových prohlížečů, SMS zpráv a dalších. Prostřednictvím uvedených způsobů jsou firmy schopny získat velice silnou zákaznickou základnu, kterou mohou dále rozvíjet. K tomu ovšem musí zvládnout data nejenom dostatečně analyzovat a zpracovávat, ale také i jejich logistiku dle požadovaných potřeb. 52
Jelikož množina rozličností se rozrůstá, je nutné specifikovat činnosti povinné a variabilní. Variabilní jsou chápány jako nástavba a unifikace nezbytných činností. Z tohoto důvodu je vhodné se zabývat nejprve základní části procesu, která je primárně nutná pro samotný vznik budoucí čerpané služby s nejaktuálnějšími daty. Informace nutné pro možný vznik fundamentálního procesu jsou rozděleny na dvě hlavní skupiny. Jsou jimi technické parametry konkrétního výrobku a nabyté skutečnosti z průběhu jeho užívání – obě skupiny informací jsou definovány jako historie vozidla. Pro možné zahájení procesu poskytování služeb na těchto současně vyspělých produktech je nezbytné čerpání historických dat o vozidle. Jelikož množství a různorodost těchto dat s užíváním vozidla narůstá přiměřeně s globalizací světa, možnostmi cestování a svobodnou vůlí výběru svého servisního partnera, který může být v průběhu různých servisních činností vždy jiný, tak se stávající celosvětově nestejnorodé postupy získávání informací jeví jako neúčinné. I z těchto důvodů je důležitý přechod na informačně jednotný a kapacitně adekvátní systém, který umožní jednotnými postupy rychle a včas získat relevantní informace k zahájení požadovaného procesu. V současné době se setkáváme ve světě se situací vedoucí od nedostupnosti potřebných informací, případně omezené dostupnosti informací, kdy jsou dostupné jen pomocí záznamové tiskové podoby, až po situaci v nejvyspělejších zemích, které disponují zabezpečenou elektronickou výpisovou databázi. (Prokeš, Jurová, 2010) Aktuální využití uvedených technologií v masovějším měřítku je prozatím velmi omezené. Lídry na trhu zůstávají pouze obory v oblasti mobilní komunikace, sociálních sítí a marketingu.
53
2.3
Model vztahu spotřebitele
K dané problematice se vyjadřují (Hess, Story, Danes, 2011), kteří v USA prováděli průzkum v oblasti rychlého občerstvení. Konvergované závěry, že dlouhodobé zákaznické vztahy jsou primárním cílem každého podniku, není třeba opakovat. Základní teze o modelu spotřebitelských investic jsou takové, že povaha a síla konzumentského vztahu s následným chováním jsou v konečném důsledku způsobeny hromaděním relačních a ekonomických prospěchových ukazatelů. Každou fázi relační vazby je možné buď prohlubovat, anebo ponechat stagnovat. Z uvedeného lze odvozovat kauzální vztah mezi spolehlivostí a věrností. Na základě provedeného průzkumu a kladného hodnocení lze konstatovat, že značka následně těží z investic do spotřebitelů s cílem upevňování osobního vztahu. Tímto je podporována ziskovost značky. Na základě výsledků průzkumů byly potvrzeny následující hypotézy. H1: Spokojenost s poskytovanými službami pozitivně ovlivňuje věrnost k značce H2: Spokojenost s produktem pozitivně ovlivňuje spokojenost se značkou H3: Povědomí spolehlivosti pozitivně ovlivňuje věrnost k značce H4: Věrnost k značce pozitivně ovlivňuje společenství H5: Značka spolehlivosti příznivě ovlivňuje výměnu H6: Pozitivní výměna ovlivňuje společenství H7: Společenství neovlivňuje pozitivně investice H8: Výměna ovlivňuje pozitivně investice H9: Investice do značky pozitivně ovlivňují ochotu více platit H10: Investice pozitivně ovlivňují ochotu opětovně navštívit H11: Investice pozitivně ovlivňují transakční loajalitu H12: Výměna pozitivně ovlivňuje transakční loajalitu
54
Výzkumy uvedeného typu mohou být ovlivněny psychodemografickými atributy. Zde se jedná o počáteční vztah k značce, který následně určí sílu a povahu dlouhodobého spotřebitelského vztahu. Za aktuální stav lze považovat většinou široké celosvětové uvědomění pro-zákaznické orientace s komunikací na cílené faktory zákaznické spokojenosti. 2.4
Informační služby v interdisciplinárním pojetí
Je předvídáno, že celosvětový růst IT technologií ve všech oborech bude v příštích letech průměrně meziročně růst o 6,4 %. Je to dáno reakcí trhu na stále větší dostupnost IT technologií v jednotlivých oborech. Tyto oblasti lze konkretizovat na příkladech jako digitální peněženky, biometrické zabezpečení, mobilní aplikace medicíny a další. Současným velkým přínosem je postupně se snižující riziko nedostatečného zabezpečení dat. Tak, jak uvádí (Bardhan, Demirkan, Kannan, Kauffman,Sougstad 2010) je trend dle závěrů zapříčiněn stále větší orientaci na interdisciplinární řízení služeb s výstavbou nových architektur, technologických posloupností s podporou virtuálních prostředí. K uvedeným krokům jsou společnosti tlačeny skrze zákaznický marketing. Cílem je poskytnout zákazníkovi nevšední zážitek s emociálním prožitkem ze služby. Autoři aktuálně provedli široký průzkum v oblasti sekundárního a primárního výzkumu s definovanými závěry budoucího trendu vývoje produktů.
55
· Hlavním nosným produktem firem se stanou služby ve vazbě na výrobky · Pro dosažení uvažovaného cíle bude nutná aliance firem s využíváním dat k obchodnímu potenciálu, technologií, moderních procesů a dalších výhod · Uvedená problematika bude vyžadovat úzkou spolupráci mezi průmyslem a akademiky · Jsou očekávány obrovské inovace ve stejném měřítku jako například psací stroj a PC tablet
Dalšími oblastmi růstu hi-tech systémů bude oblast výroby, logistiky, zpracování dat a také služeb. Je předpokládáno, že se bude postupně přecházet do on-line režimů. Cílem je zvýšení produktivity, snížení operačních časů, snížení nákladů výroby, automatizované reportingy a další. Vše směřuje k vyšší technologické vyspělosti. Taktéž je firmami očekáváno zvýšení přidané hodnoty produktu pro své zákazníky. Tudíž je očekávána vyšší zákaznická spokojenost a tím loajalita k značce - zboží. Uvedené předpoklady vychází z teorie chování spotřebitelů, zákaznického rozhodování, zákaznické zkušenosti a dalších. Největším úskalím bude pro podniky vývoj nové technologické architektury, restrukturalizace procesů a postupů. Pokud tyto nové nároky firmy zvládnou, mohou očekávat transformaci jejich tradiční síly s návazností na obchodní procesy s jasně definovatelnou strategií. Autoři hovoří o aktuálním stavu jako o současném velmi omezeném využití popsaných technologií. Nicméně světu nabídnuté technologie skrze dílčí uživatele vytvářejí neustálý tlak na jednotlivé podniky, které se v různém měřítku těmto technologiím podrobují. Sbližováním služeb a technologií umožní organizacím transformovat tradiční sílu s provázáním 56
podnikových procesů, čímž jsou podporovány podnikatelské strategie. 2.5
Zvyšování zákaznické hodnoty dynamickými schopnostmi
Z důvodů globalizace světa a stále sílícímu konkurenčnímu prostředí je nutné stávajícího a budoucího zákazníka zapojit do role aktivního kooperátora, který bude přímo spjat se „zákaznickou podporou“. Příchozí globalizace nese tři základní pilíře: orientace trhu, management znalostí a řízení vztahů se zákazníky. Přidaná hodnota pro zákazníka může být vytvořena rekombinací stávajících zdrojů a schopností. Tak, jak uvádí (Landroguez, Castro, Cepeda-Carrión, 2011), kteří provedli sekundární výzkum v oblasti dynamického zvyšování procesní optimalizace ve vazbě na přímou procesní účast zákazníka a jeho následnou spokojenost. Z výzkumu plyne, že organizace mohou ještě dále rozvinout současné existující zdroje, ale také především obnovit a rozšířit své schopnosti. Primárním podstatným kritériem je pochopit, jak je nutné uvedené technologie, postupy, logistiku, procesy a zákaznickou orientaci vhodně zkombinovat k dosažení již neočekávané zákaznické přidané hodnoty. Očekávaným přínosem bude pro podniky snaha o renovaci a rozvíjení své organizační schopnosti a tím zefektivnění vlastního hospodaření. V současnosti řada firem hledá, jakým způsobem udržet a dále rozvíjet vlastní konkurenční výhodu. Současné trendy a postupy by měly být v neustálém vývoji se snahou o reakci dle aktuálního stavu potřeb uživatelů, ať už ze strany výrobního závodu, uživatele vozidla, nebo výkonnostní složky servisního procesu. Snaha o udržení, nebo zvýšení výkonnosti současného kvalitativního trendu celého servisního procesu vyžaduje neustálou optimalizaci všech 57
aktuálních podpůrných prostředků využívaných k potřebě servisního řízení. Nedílnou součástí výše uvedeného je vazba na průmyslové inženýrství, které je dosud bohužel velmi málo provázáno do specifické problematiky postupů a služeb výrobků. (Prokeš, Jurová, 2010) Aktuální stav vypovídá o úplně novém a nezpracovaném tématu, které si zaslouží zvýšenou pozornost s ohledem na rychlý vývoj IT, komunikačních a datových technologií. 3
Procesně logistický tok informací
Po prvotním rozboru celkových informací a následném utřídění faktů, vizí a aktuálního tlaku na současné trendy v oblasti moderních komunikací bylo nutné provést hlubší analýzu současného stavu servisního procesu s využitím logisticko-systémového zpracování dat a vazby zákaznické spokojenosti na informace během realizace servisního řízení. Pro výzkum byl na základě dedukce vybrán 2. krok zákaznického procesu služeb dle Obr. 1 a to z důvodu telefonické výměny stěžejních informací mezi zákazníkem a servisem, které nejzásadnějším způsobem ovlivňují průběh služby. Mezi nejdůležitější faktory pro naplánování a následnou realizaci průběhu servisního řízení patří potřeba náhradních dílů, rezervace diferencovaných odborností personálních kapacit a technologických zařízení. Včasná dostupnost informací a korektní plánování zásadním způsobem ovlivňuje kvalitativní standard celé služby. Na základě zjištěných faktů a následné indukce byly stanoveny níže uvedené hypotézy: H1: V průběhu telefonického rozhovoru je vždy postupováno pracovníkem servisu dle definovaného procesu 58
H2: Požadovaný proces je ve většině případů plněn jen částečně H3: V průběhu procesu jsou převážně získány informace požadované standardem H4: Získané informace jsou většinou plnohodnotné pro službu požadovanou zákazníkem H5: Zákazníkovi je vždy učiněna nabídka doplňkových služeb H6: Zákazník se může převážně bez problémů dovolat k servisnímu partnerovi H7: Se zákazníkem hovoří převážně odpovědná osoba H8: Servisní personál je vůči zákazníkovi vždy vstřícný H9: Zákazníkovi je s nadpoloviční převahou provedena rekapitulace informací H10: Souhrn všech získaných informací tvoří minimálně 2/3 dle požadovaného standardu H11: Současný stav získávání informací je vyhovující 3.1
Struktura kontaktu
výzkumu
logisticko-procesní
úrovně
tel.
Výzkum se prováděl telefonicky tak, aby byla zachována kontinuita s realitou a procesní kroky korespondovaly přesně dle požadavků výrobce na tuto činnost. Celkem bylo provedeno 284 rozhovorů u 20 % nejvýznamnějších servisních partnerů v ČR v průběhu roku 2011. Vzhledem ke skutečnosti, že většina obchodníků s vozidly zastupuje více značek, tak i servisní personál je orientován na různé zákazníky automobilových značek u jednoho servisního partnera, tudíž není možné uvedený výzkum vztahovat ke konkrétní dealerské síti. Procesní následovně:
kroky
telefonického
rozhovoru
byly
rozděleny
· 7 standardizovaných kroků dle výrobce a následně vypočítaný jejich kumulativní průměr. Těmito uvedenými 59
body byla sledována kvalita procesu a vypovídající schopnost logistiky nezbytných vstupních informací, které jsou ovlivněny výhradně lidským faktorem · Nezávislým krokem bylo subjektivní hodnocení vstřícnosti personálu servisního partnera (hodnocení prováděli vyškolení specialisté pro uvedenou činnost) Vzhledem ke skutečnosti, že se jednalo o základní standardizované zákaznické požadavky, bylo při jejich vyhodnocování rozhodováno ano-vyhovuje a ne-nevyhovuje. V následně uvedených grafech jsou uvedeny dílčí procesy, ze kterých se skládá jeden procesní krok telefonického rozhovoru a zelenou barvou je znázorněn procentuální výsledek úspěšnosti. Z důvodu utajení a s ohledem na know how značky, která byla ochotna konkrétní informace poskytnout, nejsou detailní porovnávané hodnoty procesních parametrů prezentovány.
Z grafu č. 1 je patrné, že ze 74,65 % se zákazník bez problémů dovolá do svého servisu a hovoří s odpovědnou osobou. Na druhou stranu z 25,35 % není proces dodržen, nebo se zákazník vůbec nedovolá.
60
V grafu č. 2 se začínají v 65,14 % podílu projevovat prvotní a zásadní nedostatky v celkovém procesně logistickém kroku distribuce informací. Jedná se o nejdůležitější procesní krok v jeho celkovém sledu, a to z důvodu významu informací pro celou následně diskutovanou službu. Pouze v 34,86 % případů je proces bezproblémově a korektně dodržen.
Z grafu č. 3 plyne, že v 52,11 % nejsou zákazníkům nabízeny standardní doprovodné služby přímo spojené s objednávanou službou a v 47,89 % je krok bezproblémově dodržen. 61
Graf č. 4 znázorňuje, že v 86,27 % nebyl pracovníkem servisu zákazníkovi aktivně nabídnut termín provedení služby na základě předchozích informací. Proces byl korektně dodržen v 13,73 % případů.
Z grafu č. 5 je patrné, že v 80,99 % případů není servisním personálem zákazník upozorněn na nutnost přinesení servisní dokumentace k vozidlu v dohodnutý termín objednané služby. Pouze v 19,01 % byl tento proces korektní.
62
Graf č. 6 vypovídá o absenci jakékoliv sebemenší vlastní nabídce dalších doprovodných služeb servisního partnera během objednávání a to v 89,44 % případů. Nabídka služeb byla pracovníkem servisu realizována pouze v 10,56 %.
V grafu č. 7 je patrné, že rekapitulace objednaných zákaznických služeb probíhá z 81,69 % korektně. K uvedenému výsledku je nutné podotknout, že na základě předchozích grafů se nejedná o rekapitulaci kvalitativní, nýbrž faktickou. Závěrečné shrnutí nebylo v 18,31 % provedeno vůbec. 63
Pro porovnání kvalitativně procesní disciplinovanosti servisních partnerů a průběhu prvotní logistiky objemu informací pro samotný následný výkon služby slouží graf č. 8, ve kterém je shrnuta procentuální úspěšnost jednotlivých kroků dle předchozích definic. Z grafu plyne, že dílčí procesní úroveň s množstvím a kvalitou získaných informací, která je nejvíce ovlivněna lidským faktorem, je až na první a poslední krok velmi nízká. V případě logaritmického trendu dosažené celkové úrovně hodnot je vykázána sestupná tendence. Trend křivky je významně ovlivněn posledním bodem v telefonickém průzkumu, u kterého může být dosažená hodnota významně zavádějící, a to z důvodů nedostatku kvalitativně kvantitativního zisku informací a jejich následné pouze omezené rekapitulace.
64
65
3.2 Souhrnné zhodnocení úrovně tel. kontaktu
V grafu č. 9 je znázorněn kumulativní průměr všech dílčích kroků celkových telefonických kontaktů mezi zákazníky a pracovníky servisních partnerů během obecného procesu zákaznických služeb viz Obr. 1 krok 2. Dosažená hodnota odpovídá velmi nízké procesní úrovni s kvalitativně nedostatečnou oboustrannou logistikou informací telefonického kontaktu v počátku zahájení procesu zákaznických služeb. Z grafu je také zřejmý potenciál pro zvýšení celkové logisticko-procesní úrovně telefonických rozhovorů až o 59,66 %.
Samostatným kritériem bylo subjektivní ohodnocení – „známkování“ vstřícnosti personálu servisního partnera vůči zákazníkovi s ochotou mu pomoci dle grafu č. 10 (hodnocení bylo prováděno vyškoleným personálem pro uvedenou činnost). Rozsah stupnice v tomto případě byl navolen v rozsahu 1-5 s tím, že hodnota 1 byla stanovena jako nejlepší 66
a hodnota 5 nejhorší. Z grafu č. 10 je patrné, že v tomto kritériu bylo dosaženo velmi dobrého hodnocení. Uvedené hodnocení slouží, také jako následný vstupní bod pro splnění zákaznického očekávání.
67
4
Závěr
Cílem výše popsaného bylo prozkoumání současného procesního stavu kvalitativně logistického toku informací v průběhu zahájení servisních služeb v oblasti automotive. Jednalo se o informace, které mají zásadní význam pro následný plánovaný průběh a výkon celé služby včetně materiálového, technického a personálního zabezpečení. V oblasti poprodejních služeb se rýsují nové možnosti o budoucím směru a předpokládaném vývoji jmenované oblasti zájmu dalšího portfolia servisních činností pro uspokojení potřeb konečných uživatelů automobilu. Vzhledem ke skutečnosti, že servisní služby stály dlouhou dobu z různých důvodů na ekonomické periferii zájmu, jsou současné procesy a systémy, navzdory současným technickým vymoženostem i v nejvyspělejších částech kontinentů, poněkud složité a zastaralé. K detailnějším závěrům posloužil provedený výzkum, na jehož základě lze potvrdit/vyvrátit definované hypotézy. H1: V průběhu telefonického rozhovoru je vždy postupováno pracovníkem servisu dle definovaného procesu/ NE H2: Požadovaný proces je ve většině případů plněn jen částečně/ ANO H3: V průběhu procesu jsou převážně získány informace požadované standardem/ NE H4: Získané informace jsou většinou plnohodnotné pro požadovanou službu zákazníkem/ NE H5: Zákazníkovi je vždy učiněna nabídka doplňkových služeb/ NE H6: Zákazník se může převážně bez problémů dovolat k servisnímu partnerovi/ ANO H7: Se zákazníkem hovoří převážně odpovědná osoba/ ANO H8: Servisní personál je vůči zákazníkovi vždy vstřícný/ ANO H9: Zákazníkovi je s nadpoloviční převahou provedena rekapitulace informací/ ANO 68
H10: Souhrn všech získaných informací tvoří min. 2/3 dle požadovaného standardu/ NE H11: Současný stav získávání informací je vyhovující/ NE
Ve vazbě na zjištěné výsledky a provedený rozbor v ostatních zákaznických odvětvích služeb včetně řízené komunikace se zákazníky lze současné logisticko-procesní možností využití získávaných informací z průběhů jednotlivých, v podstatě počátečních kroků komunikace, zhodnotit tento způsob distribuce objemu informací za již nedostatečný. Aktuální trendy, které určují nové způsoby komunikace a logistiku informací jsou založeny na bezkontaktních, respektive na vzdálených a mobilních systémech s výraznou uživatelskou softwarovou podporou. Je nutné podotknout, že vysokorychlostní datové sítě, které umožňuji i objemný přenos informací, jsou běžně dostupné široké veřejnosti. Bohužel v obecné rovině služeb, včetně oblasti automotive, nejsou tyto technologie překvapivě využívány. Rychle se rozvíjející automobilový průmysl, s mnohočetnými technickými vymoženostmi, v současné době již nebrání použití nových hitech komunikačních trendů. Také je nutné poukázat na reakci rychlost změny - očekávání zákaznické orientace vlivem nových technologií. Vzhledem k tomu, že v posledních pěti letech došlo k masivnímu rozšíření mobilní komunikace, která beze sporu patří k moderním technologiím a konečný uživatel je tímto významně ovlivněn, tak i ostatní obory lidské činnosti jsou značně ovlivněny tímto technologickým pokrokem. Subjekt, který v dohledné době dokáže vyhovět novým, náročným požadavkům, se potom pravděpodobně stane leaderem trhu. V budoucnu bude konkurenceschopná ta firma, která dokáže operativně zareagovat, zpracovat a zohlednit ve svých procesech požadavek zákazníka. 69
Do budoucna je nezbytné veškeré nové informace zahrnout v celkový proces se snahou o zvýšení jejich systémového zpracování a efektivní maximální využitelnosti k dosažení nezbytné trvalé konkurenceschopnosti organizace a zabránění degradaci již rozvinutého a funkčního procesu. U společností, které zvládnou zkoordinování a přesné cílení zpětné vazby, lze potom hovořit o výkonnosti procesu, kde jednotlivé nové vstupy využívají informací předchozích výstupů. Jak již bylo uvedeno, cílem celého procesu je dokázání maximálního využití potenciálu získaných informací a s pomocí moderních komunikačních technologií vedoucích k zjednodušení, eventuálně možné eliminaci chyb lidského faktoru v dnes již nadmíru technologicky a procesně složitém servisním systému prostřednictvím inovativních technologiích. Toto logické využívání složitě získaných informací může významně pomoci k technologickému zjednodušení, významnému zvýšení produktivity, časové úspoře jednotlivých servisních operací s konkrétním, rychlým, správným a jednoznačným výsledkem. V příštích letech může také být, jedním z kritérií hodnoceného know how značky i celková technologičnost jejich produktů, která v sobě bude zahrnovat nejenom výrobek jako takový, ale také spojené služby ve vzájemné vazbě na celkový produkt. Nedílnou součástí popsaných opatření je taktéž očekávaný dopad na zvýšení zákaznické spokojenosti a profitability poprodejních služeb.
70
Literatura 1. BEYROVÁ, D., FIALA, A. Měření nákladů na kvalitu ve výrobním procesu. Svět kvality. 2005, č. 5, s. 34-38. ISSN 1211-2011. 2. Škoda Auto a.s., ČR. Výroční zpráva. [online]. [cit. 12. prosince 2011]. Dostupné na World Wide Web:
. 3. Škoda Auto a.s., ČR. Škoda Portál B2B. [online]. [cit. 21. prosince 2011]. Běžně nedostupné. Web: 4. PRAŽSKÁ, L., JINDRA, J. a kol. Obchodní podnikání. 1.vyd. Praha: Management Press, 1997. 880 s. ISBN 8085943-48-4 5. CHRISTOPHER, M. Logistika v marketingu. Přel. Prokeš R., Praha Management Press 2000, 166 s. ISBN 80-7261007-4 6. LAMBERT, D. M., STOCK, J. R.,ELLRAM, L. M. Logistika. Přel. Nevrlá, E. Praha Computer Press 2000, 589 s. ISBN 80-7226-221-1 7. JUROVÁ, M. Evropská unie odvětví a infrastruktura. 1.vyd. Brno, Computer Press 1999, 115 s. ISBN 80-7226219-x 8. BOSSIDY, I.,CHARAN, N., BURK, CH. Řízení realizačních procesů. Přel. Grusová, I. Praha Management Press 2004, 224 s., ISBN 80-7261-118-6 9. BLAŽEWICZ, J.,ECKER, K. H.PESCH, E., SCHMIDT, G.,WEGLARZ, J. Scheduling Computer and Manufacturing Processes. Berlin Springer 2001, 485 s., ISBN 3-540-41931-4 10. Mašín, I., Vytlačil, M. Cesty k vyšší produktivitě. 1.vyd. Liberec: Institut průmyslového inženýrství 1996, 254 s. ISBN 80-902235-0-8 11. Nockermann, F., Die Kundenzufriedenheit als wesentliche Erfolgskomponente für das CustomerRelationship-Management im Hochschulbereich. Trendy 71
12.
13.
14.
15.
ekonomiky a managementu. 2010, č. 7, s. 26-37. ISSN 1802-8527 Lendel, V., Kubina, M., New Trends in Customer Relationship Management and their Application in Slovak Enterprises. Trendy ekonomiky a managementu. 2010, č. 6, s. 19-26. ISSN 1802-8527 Hess, J., Story, J., Danes, J., A three-stage model of consumer relationshipinvestment. Emerald Group Publishing Limited. 2011, č.1, s.14-26. ISSN 1061-0421 Bardhan, R. I., Demirkan, H., Kannan, P.K., Kauffman, R.J., Sougstad, R., An Interdisciplinary Perspective on IT Services Management and Service Science. Journal of Management Information Systems. 2010, č. 4, s. 13-64. ISSN 0742–1222 Landroguez, M. S., Castro, B. C., Cepeda-Carrión, G., Creating dynamic capabilities to increase customer value. Emerald Group Publishing Limited. 2011. [online]. [cit. 28. května 2011]. Dostupné na World Wide Web: http://www.emeraldinsight.com>.
Summary The goal of the topic is to show the large amount of possibilities which offer relatively neglected theme of After Sales Services and how important signification it will have for the development and hold of customer stability with loyalty to mentioned automobile brand not only in developed countries but also on lately rising markets with the high growth potential. In the current rapidly developing markets in the area of Middle and East Asia the mentioned theme will become more propagated and it will grow in importance. Services generally will be changed from present conservative concept to future usage of hi-tech systems, processes, logistics, processing dates and information. The company, which can integrate simply communication functionalities with connection to modern usage of the product and thereby accept actual but also future market needs, is going to become the leader of the market.
72
The utilization of in engineering enterprises
improvement
principles
Helena Vidová6 – Martin Beluský7 Abstract Submitted article deals with issue of processes improvement and development by Japanese approach – Kaizen. It is the way of sequential and continuous improvement in any field of professional or personal life. The article clarities Kaizen basis, it compares this philosophy with innovation changes. It tells about its utilization in Slovak engineering businesses. It shows the justness and the meaning of this approach by positive examples. Key words efficiency rising, processes optimalisation, waste removal, staff involvement, continuous improvement
6
Assoc. Prof. Ing. Helena Vidová, PhD., Slovak Technical University, Faculty of Materials Science and Technology, Institute of Industrial Engineering, Management and Quality, Paulinska 16, 917 24 Trnava, Slovakia, [email protected] 7
Ing. Martin Beluský, Slovak Technical University, Faculty of Materials Science and Technology, Institute of Industrial Engineering, Management and Quality, Paulinska 16, 917 24 Trnava, Slovakia, [email protected]
73
1
Introduction
Nowadays, the economic environment poses still higher requirements to address problems related to satisfying the customer needs. In this respect, there is often a major change in direction of business strategy. These are significant changes in all aspects of business management, which contribute to its competitiveness. In general, it primarily means the strengthening of relations with customers and their involvement to the innovation and production process of the company, focusing to remove all unnecessary in production, increasing production flow by reducing the stock and increasing its turnover, linking sub-processes to the chains and their coordination by information technologies and general support of commitment to the quality of products and activities at the highest level. Due to this fact, there are organizations forcing to improve their processes to be better, faster, to produce the products in higher quality and do all of that for lower cost and higher level of customer services then their competitors. It has been starting the age of Lean and an principles of continuous improvement is part of that idea. 2
Substance of the Improvement
In the past there were many ways how to do the changes and which approach to use. Establishing the Toyota Company in the 30’s of last century it has came to begin the change in the improvements conception. This system idea had popularized by Masaaki Imai as an 74
expression consisting of two Japanese words: “kai” which means “change” or “to correct” and “zen” which means “good”. Consequently, Kaizen has arisen. Its nature is thus “change for the better”. In Germany for Kaizen, they started using free translation Kontinuierlicher Verbesserungsprozess (KVP) - a process of continuous improvement, in U.S. the term CIP (Continuous Improvement Process) and OIP (Ongoing Improvement Process) [1, 2]. Kaizen is a system of continuous improvement in personal, social as well as working life that involves every employee – from upper management to lower working positions. This system reflects the efforts for continuous improvement in the company. In most cases these are not ideas for major changes, but it is based on making little changes on a regular basis. Often in relation to this concept we can hear the expression Gemba Kaizen. Gemba in Japanese means “the actual place” or “the real place” where an activity or process to be improved can be carried out. This is a workshop, warehouse, process of material handling and the like. The management of “West countries“ prefers the innovations, which are knows as fundamentals changes associated with technological progress or loading the latest managerial conceptions. On the other hand, Kaizen is non-dramatic, quiet and its results are rarely visible, at once. While Kaizen is continuous process, the innovation 75
is single–use phenomenon. The comparison of main features of Kaizen and innovation can be seen in Table Nb.1. COMPARING FACTOR
KAIZEN
INNOVATION
Effect
long-lasting, nondramatic
short-lasting, dramatic
Movement
small steps
large steps
Time scope
continuous and marginal
discontinuous and nonmarginal
Changes
progressive and continual
unexpected and transition
Participation
all
some people chosen from the best individuals
Approach
collectivism, team effort, system approach
individualism, individual ideas and efforts
Kind of modification
maintenance and improvement
redesign of the fundament
Impulse
conventional knowhow
technological breaks, new inventions and theories
Practical requirements
minimal investments, great maintenance efforts
high investments, low maintenance volume
The effort aimed at
staff
technologies
Evaluation criteria
processes and the effort to get better results
results and profit
Advantages
runs well in slowly rising economy
preferable for fast rising economy
Tab. Nb1: The Comparison of Main Kaizen and Innovation Features [1, 6]
Comparing Kaizen and innovations we can see that Kaizen does not necessarily need sophistic technology. 76
There are necessary some simple techniques like Pareto chart, Cause and effect diagram, Histograms, Table checkpoint, Correlation diagrams, graphs and control overviews for its implementation. Mostly there is a common sense needed. On the other hand, the innovations require excellent technologies and high investments, as well. Kaizen represents continuous improvement, where are involved those who are thinking, designing, innovating, but also those, who produce the values. It consists of people who use their intellect equally well as hands. People in production should not be paid only for their performance and compliance with standards and regulations. It is necessary to expect of them to be able to look around and try to detect all forms of waste, to seek the ways the given work can be made faster, better and cheaper. They should be rewarded for their ideal and suggestions. Involving people in the improvement process gives them self-realization and higher job satisfaction, helps to develop their skills and improves the corporate culture. It is not “bureaucratic innovation activities” but the atmosphere, where people spontaneously come up with their ideas and participate in their implementation. It is not a collecting of “points” for improvement proposals. It is a philosophy of internal dissatisfaction with the current situation and the effort to be better tomorrow than today. But it must be a controlled process, because improvements in one department may not produce positive changes throughout the enterprise. 77
Activities in the enterprise are generally divided into maintenance and improvements. The maintenance activities assure achievement of planned performance through keeping standards, the purpose of improvement activities is the performance increase. Both types of activities are mutually parallel. Likewise, we must maintain the required level of performance, look for new methods, technologies and better organization. In good companies, employees must have both types of activities in their scope of responsibility. Their mutual relation should characterize the position of the individual in the company. Senior management should devote more of their time to the improvement activities in relation to business strategy, market requirements and competitors, on the other hand, production workers should allot the most of their time to the maintenance activities. Kaizen approach is thus based on two concepts: unstable – nothing in the world is changeless, everything is varying and evolving (markets, customers and their demands) and improvement - everything can be improved (quality, delivery performance, high costs, productivity, etc.). Among the primary principles of Kaizen-approach belong [2, 8]: · · ·
any improvement, although it appears to be less important demands our attention, Kaizen is open to everyone, everyone can participate in the process of improvement, before any improvement is introduced, it must be precisely analyzed with respect to its current 78
· · · · · ·
· ·
status and possible positive impacts, as well as its and that come with its implementation, Kaizen is 50% of the work of a good manager, highlighting the role of a team, supporting participation and initiative of employees in solving problems, searching solutions through the team meetings, information on the current status in the field, on problems and business goals, focused on areas that are the bottlenecks of logistics, strong support from the company management (Kaizen is based on a bottom-up movement but it requires strong support from the top), developing organizational conditions for improving the possibilities of communication between staff members (consulting room, managers visiting production floor, communication during the execution of logistics activities, etc.), staff motivation – complicity in the success (physical and financial assessment of good solutions), supporting such improvements that can be quickly evaluated and implemented and do not require high investment.
Risks and possible restrictions that come with this approach lies mostly in the fact, that managers underestimate the small improvements and are more oriented on the large changes. Not all improvements can be evaluated economically and fairly rewarded. In some 79
cases, people make improvements just because they receive bonuses for it. Many times, however, these are the elementary matters, burdening the competent staff, and therefore the system of improvement oriented to quality should be changed to the targeted quality improvement. The Kaizen must not become a competition of employees “who will bring more improvements”, because we have to take into account the fact, that not every employee has such skills and invention, nor the conditions. 3
Improvement Forms and Methods
There is no single model of how to use and interconnect the different types of innovative activities. Every company adjusts its system improvement to specific conditions. Different approaches are needed in large companies and other ones in the smaller company conditions. It is good when every company develops its own system, which corresponds to its goals, needs, culture and staff motivation. In general, we can meet the following systems of improvement [2, 4]: Quality and Maintenance Circles - are designed to involve all staff in the implementation of the enterprise quality improvement. The classical Quality Circles were established in 50s of the last century in Japan, and gradually have been extended throughout the world. These are small voluntary groups of 5 to 15 employees performing similar work who regularly meet to discover, analyze and solve problems existing in their surrounding 80
environment. Today, quality circles need not just focus on solving problems of quality, but also on many other operations relating to company. There have been created circles for improvement, aimed at eliminating waste in the workplace, circles solving the maintenance and TPM problems. In many cases, the problem in implementing the quality circles at the workplace is inability of employees to attend the meetings. Improvement Workshops - within the workshop improvement, usually the two types of improvement teams can be distinguished – the constant one – operating at their department, and a team with temporary durability, dealing with specifically defined problems (optimization of the distribution network). After achieving the goal, the second team stops working and exists no longer. The promoter is responsible for resolving the problem. It is a manager familiar with this problem, or an employee delegated by company management. Channelling the team to solve the problem is the role of moderator. The workshop method of the improvement is most often used for: ·
generating ideas on a given topic, or in a given area of logistics – workshops last two hours and their purpose is to produce the ideas through brainstorming,
·
developing individual improvement proposals – if an interesting solution in the field of logistics has been made as an individual solution, it is recommended to further develop it this way, 81
·
well-defined problem management - the management defines a topic, assigns it to the promoters who set up the workshop teams and try to solve the defined problem.
This method of improvement usually achieves better results and is also better accepted by workers, because they are drawn into solving the problem. However, it is difficult to the organization - the topics and moderators selection and it is time-consumption. Idea Management – introduced by the car producer Audi, is based on the premise that any idea must not be lost, because anyone can be important and need to be addressed. The very idea is seen as a product and has to be managed, otherwise it is necessary to buy new knowhow. Kaizen Blitz – basically corresponds to the principle of Kaizen, the difference is that Kaizen blitz is top-tobottom oriented. The improvement takes place in multidisciplinary teams, the majority, however, should consist of people directly connected to the process that is going to be improved. There should be involved internal suppliers as well as customers, who bring a different perspective to the investigated and solved issues. Manual processes are made by all team members, technical administrative staff works side by side with workers. Kaizen teian – the staff training system through Kaizen activities, in a form of improvement proposals. It originated as a response to the need to improve the quality of improvement proposals. Kaizen teian, as part 82
of their philosophy, is trying to transfer knowledge and skills of specialists towards employees, who directly apply Kaizen. Professor Košturiak mentions about 20 methods which can be use for improvement processes. As the survey has shown, well known methods in Slovak practice are: Cause and effect metrics, Pareto chart, Correlation diagrams, Ishikawa diagram, Tree diagram, Brainstorming, Value stream mapping, Work and workplace analysis, Standardization and visualization [3]. 4
Kaizen Utilization in Slovak Practice
In 2009, there was carrying out the survey focusing on the application of Lean principles and Kaizen in the industrial businesses. There were asked 128 respondents by the anonymous questionnaire. The return of questionnaire was 46%. The logistics managers, quality ones and heads of economic offices were mostly represented in this survey. The results have also shown the largest participation in the survey had big organizations which employs more then 250 staff and where the capital majority is foreign capital. It was mostly subjects of engineering industry and Kaizen was the most used in automotive industry.
83
Fig. Nb.1: Making Innovatory Suggestions [4]
As you see from the chart, 72% of the companies make innovatory activities and 90% of those proposals are salaried. In 16% of matters, they do not make any suggestions and 12% of respondents do not reply this question. Evaluated staffs mostly give financial or material reward. It is a motivation for all people working in the company and on the other side; it moves responsibility to business staff to take interest to processes and to go towards lower cost level and higher efficiency rank. In term of gaining results evaluation of Kaizen we had found out that 36% of respondents obtain positive results and they proceed in it. Unfortunately 44% do not evaluate Kaizen contribution (they miss the economic tools, controlling etc.), 4% do not make it at all and rest of them did not respond this question.
84
Fig. Nb.2: Evaluation of the Contribution [4]
The organizations which have given the results and evaluate them said, the changes has shown in rising labour productivity, cost saving, quality and efficiency rising, complaints decreasing, in order and tidiness at the workplace etc. 5
Particular Examples from the Practice
In Kaizen, the entrepreneur seeks to shorten the times, distances and reduce inventory. These can seem trifle things, but when they assemble all together, there may be a significant effect, and a lot of money can be saved. For example, a German manufacturer of the aluminium cans received new orders, so the next year it planned to buy two new machines to the six existing. In Western companies, it is common to purchase new machines when they need to increase production. This approach costs a lot of resources, but little invention. But, the German company at the same time was trying to implement Kaizen and hired a specialized consultant. 85
The advisor asked the Director of the company: How many percent capacity of existing machinery do you utilize? The director did not know. They together measured the use and found out that the machines are used only at 38%. This was followed by consultations and consideration of how the machine would be better used. Finally, the manufacturer was able to streamline their production so that at the new orders five machines were enough. They could sell one of the six machines. Kaizen approach cost them a lot of thinking, but not only they did not miss the money, they even earned them [7]. One Slovak company struggled with problems in the organization of material flow in an assembly hall. It had to solve problems related to long material flows and complicated intersections of traffic routes. Likewise, the problems associated with a decrease in efficiency and productivity of assembly workers was reported. They resulted from: · inadequate and inconsistent labelling of pallets with parts, · lack of transparency of warehouse space for transportation pallets, · inadequate or no labelling of the defined operating area, · bad labelling of individual parts, · missing labelling of space for tying balers and handling equipment, · weak labelling of shared and specialized tools, · as well as messiness at the workplace. 86
Applying Kaizen principles in the form of visualization, standardization, by 5S approach and reorganization of material flow, the company has achieved the elimination of the above mentioned problems, an increase in labour discipline, cleanliness at the workplace, and the growth in productivity of assembly workplace by approx. 30%. 6
Conclusion
Kaizen approach has no limitations. It can be used in the personal as well as family life, and the life of the company at all levels, as well. It is often defined only to the manufacturing processes, but its major application is also in logistics, encompassing procurement of inputs, and the logistics of purchasing and warehousing, or in the distribution component the of the business logistics. It forms the basis of the lean business philosophy.
87
Literature [1] IMAI., M.: Kaizen. Computer Press, Brno, 2004. [2] KOŠTURIAK, J., FROLÍK, Z.: Štíhlý a inovativní podnik. Moderní řízení. Alfa Publ. s. r.o., Praha, 2006. [3] KOŠTURIAK, J., BOLEDOVIČ, Ľ., KRIŠŤÁK, J., MAREK, M.: Kaizen - Osvědčená praxe českých a slovenských podniků. Computer Press, Brno, 2010 [4] MATUŠÍKOVÁ, I.: Návrh na zvýšenie efektivity fungovania logistických aktivít v priemyselných podnikoch SR prostredníctvom koncepcie Lean a Kaizen – Diplomová práca. MtF STU, Trnava, 2009. [5] SANIUK, S., SANIUK, A.: Production flow planning in a network of geographically distributed enterprises. Process management in production systems. Lodž, 2007. [6] VIDOVÁ, H.: Kaizen ano či nie? In: Trendy ekonomiky a managementu. ČVUT, Brno, 2010. [7] VIDOVÁ, H.: The Application of Lean Principlesin Business Logistics. Hochschule Anhalt, Köthen, 2011. [8] WITKOWSKI, K.: The Aspect of Integrated Logistics for Sustainablle Development Procedings of the Joint International IGIP-SEFI Annual Conference 2010: Diversity unifies – Diversity in Engineering Education. MTF STU, Trnava, 2010.
88
Summary Využite princípov strojárskych podnikov
zlepšovania
v podmienkach
Predkladaný príspevok pojednáva o problematike zlepšovania a zdokonaľovania procesov cez japonský prístup Kaizen. Ide o spôsob postupného a neustáleho zdokonaľovania a zlepšovania sa v ktorejkoľvek sfére profesionálneho či osobného života. Článok objasňuje podstatu Kaizenu, porovnáva túto filozofiou s inovačnými zmenami, hovorí o jeho využívaní v podmienkach slovenských strojárskych podnikov a na konkrétnych príkladoch demonštruje opodstatnenosť a význam tohto prístupu.
89
Rozhodování o optimální kombinaci vlastní a cizí přepravy v podniku Filip Exnar8 Abstrakt Přeprava zboží a materiálu často tvoří nezanedbatelnou položku v logistických nákladech. Zajištění přepravy v rámci logistických řetězců zahrnuje výběr způsobu přepravy, výběr přepravních tras, zajištění toho, aby vše odpovídalo právním normám daného státu a konečně výběr dopravce. V první části článku jsou popsány výhody a nevýhody spojené s přepravou vlastními dopravními prostředky či externím přepravcem. Druhá část zkoumá nákladové hledisko těchto způsobů přepravy. V poslední části je na příkladu z praxe názorně demonstrován možný způsob optimalizace rozhodování pro jednotlivé zakázky při zkombinování vlastní a cizí silniční přepravy. Pro podporu rozhodování je navržena srovnávací tabulka, která umožňuje v závislosti na hmotnosti a vzdálenosti přepravy rozhodnout, zda ji zadáme externímu přepravci nebo svěříme vlastní přepravě. Klíčová slova doprava, tabulka.
způsob
přepravy,
8
optimalizace,
srovnávací
Ing. Filip Exnar, Univerzita Pardubice, Studentská 95, 532 10 Pardubice 2, [email protected]
90
1
Úvod
Snaha o uspokojování potřeb zákazníků přispívá v tržním prostředí k posílení pozic výrobce zboží na trhu. Zde může několik různých výrobců nabízen přibližně stejné výrobky za stejné ceny. Úspěšnější ale bude ten, který bude za tuto cenu schopen výrobky dodávat pravidelně, v požadovaném množství ve vhodném balení a s využitím vhodných přepravních pomůcek, které přispějí ke snížení nákladů na manipulaci se zbožím u zákazníka. Významným logistickým požadavkem je zabezpečení spolehlivosti a úplnosti dodávek. Faktor času je v logistice jedním z nejdůležitějších ukazatelů, jednotlivé články logistického řetězce na sebe musí přesně navazovat. Přesné dodržování těchto časových návazností přispívá ke snížení nároku na skladování. Činností s velmi důležitým významem je vlastní přesun materiálu a zboží z místa vzniku do místa spotřeby. Zajištění přepravy zahrnuje výběr způsobu přepravy (např. železniční nebo nákladním autem), výběr přepravní trasy, zajištění toho, aby vše odpovídalo právním normám daného státu a konečně výběr dopravce. V porovnání s ostatními logistickými aktivitami doprava často představuje největší samostatnou nákladovou položku. Největší částí přepravních nákladů jsou aktivity spojené s dopravou zboží. Tyto výdaje lze zkoumat z mnoha různých pohledů, a to v závislosti na tom, kdo analýzu provádí. Členění nákladů lze provést podle zákazníků, vyráběných výrobků, typu kanálu atd. Náklady se výrazně mění v závislosti na objemu dodávky, hmotnosti dodávky, přepravní vzdálenosti, místu původu a místu určení. Neposledním důležitým faktorem je zvolený druh přepravy. [1]
91
2
Možnosti dopravy v malém podniku
Pro dopravu zboží k zákazníkům z malého podniku připadá v úvahu prakticky pouze silniční doprava. Je vhodná pro zabezpečení přímé přepravy zvláště hodnotnějších druhů zboží na krátké a střední vzdálenosti. Mezi její hlavní přednosti patří značná flexibilita v oblasti přizpůsobování měnícím se požadavkům zákazníků, rychlost, spolehlivost a schopnost zabezpečit přepravu přímo od podniku k zákazníkovi. S rostoucí přepravní vzdáleností však poměrně rychle rostou její náklady na přepravu. Další nevýhodou silniční nákladní dopravy je její značná závislost na počasí, omezená možnost současného zvládnutí přepravy větších hmotností zboží a skutečnost, že s rozvojem automobilizmu v důsledku růstu přetíženosti silniční sítě dochází k dopravním zácpám v okolí velkých měst a průmyslových aglomerací, které pak snižují její rychlost a spolehlivost. Otázkou zůstává, zda je vhodnější používat dopravu vlastní, najímat přepravní společnost nebo používat kombinaci těchto možností. Použití vlastní podnikové dopravy pro přemísťování zboží po veřejných komunikacích může mít následující výhody a nevýhody: + +
-
Při náhle vzniklých potřebách je operativnější Obsluha dopravních prostředků může být lépe seznámena s vlastnostmi přepravovaného zboží a požadavky na jeho přepravu Nutnost dostatečného využití (malé využití příliš zvyšuje náklady na zajištění těchto přeprav)
92
Použití přepravní společnosti pro zabezpečení veškeré dopravy zboží k zákazníkům může mít opět své výhody a nevýhody: + Nižší náklady na zabezpečení přepravy + Možnost věnovat veškeré úsilí, finanční a lidské zdroje své hlavní činnosti - Podnik nemá dopravu plně pod kontrolou - Při vzniklých problémech je hůře operativní V případě kombinace vlastní dopravy s najímáním přepravní společnosti lze nevýhody jednotlivých možností do značné míry eliminovat. Každý podnik má určitá svá specifika, kvůli kterým může být pro něho výhodnější něco jiného. Při posuzování výhodnosti je třeba brát v úvahu více různých faktorů, nejenom nákladové hledisko. [1] 3
Analýza nákladů
Pro rozhodnutí, zda je výhodnější vlastní doprava nebo doprava pomocí přepravní společnosti (případně jakou zakázku dopravit vlastním vozidlem a na jakou najmout přepravce) je třeba porovnat náklady na vlastní dopravu s náklady na zajištění externího dopravce. [2] Do přímých nákladů na vlastní dopravu je třeba zařadit náklady na palivo, mýtné, mzdy řidičů (včetně náhrad a pojištění), odpisy vozidel a další náklady spojené s údržbou těchto vozidel. Náklady na palivo jsou variabilním nákladem a mění se tak s množstvím najetých kilometrů, mýtné je také variabilním nákladem, ale připadá pouze na určité zakázky, u mezd řidičů záleží na druhy mzdy (může být výkonová dle ujetých kilometrů případně hodin strávených za volantem – variabilní – nebo fixní bez ohledu na vytíženost řidiče, případě 93
kombinovaná), ostatní zmíněné náklady lze považovat za fixní a tudíž nezávislé na množství najetých kilometrů. Při zajištění dopravy externím přepravcem si tento určuje cenu přepravy jednotlivých zakázek. Tato cena bývá vytvořena na základě hmotnosti (velikosti) zásilky, tarifní vzdálenosti, času dodání a příplatcích za další služby (např. platba na dobírku nebo nutnost speciálního zacházení).
4
Rozhodování o výběru způsobu přepravy
Při řešení diplomové práce [3] jsme se setkali s požadavkem vedení podniku zjistit, za jakých podmínek se vyplatí pro dodávku určitého produktu zákazníkovi najmout externí dopravní firmu nebo zařadit zakázku do okruhu, zajišťovaného vlastním vozidlem. Kritériem měly být přepravní náklady. Paradoxně mnohem lehčím úkolem bylo zjistit náklady na přepravu externí firmou, protože tato firma má pevné tarify v závislosti na hmotnosti dodávky a počtu ujetých km. Autor se s požadavkem vedení podniku vypořádal tak, že vytvořil určitou srovnávací tabulku, která umožňuje rozhodnout, kdy je ještě výhodné zařadit zásilku do již vytvořeného okruhu, příp. přepravit zásilku individuálně vlastním vozidlem a kdy je již výhodnější svěřit přepravu externí firmě. Tabulka je vytvořena na základě logické úvahy, že za stejné peníze, které bychom zaplatili externí firmě, jsme schopni ujet našim vlastním vozidlem určitý počet kilometrů. Ukázka části takovéto srovnávací tabulky je v tabulce 1. [4]
94
Tarifní vzdálenost v km
Tarifní vzdálenost v km
Hmotnost zakázky v kg
50
100
200
300
50
100
200
300
0,1 - 5
36
39
45
54
18
20
22
27
5,1 - 10
52
58
69
72
26
29
35
36
10,1 - 20
68
75
91
95
34
38
45
48
20,1 - 30
81
90
113
117
40
45
56
58
30,1 - 50
113
124
154
165
56
62
77
83
50,1 - 75
139
152
189
205
69
76
95
103
75,1 - 100
161
180
231
251
81
90
115
126
100,1 - 150
202
232
302
329
101
116
151
164
150,1 - 200
228
263
360
371
114
131
180
186
200,1 - 300
291
336
446
492
146
168
223
246
300,1 - 400
345
395
532
588
172
198
266
294
400,1 - 500
390
449
609
677
195
225
304
339
500,1 - 700
457
541
746
832
228
271
373
416
700,1 - 1000
555
654
913 5
278
327
456
517
103
Tab.č. 1: Srovnávací tabulka
V jednotlivých políčkách levé části tabulky je vždy uveden počet km, ujetých vlastním vozidlem za variabilní náklady, který odpovídá tarifu externí firmy za přepravu zásilky pro danou kombinaci hmotnosti a tarifního pásma. V této části tabulky je uvedena vzdálenost, o kterou lze maximálně prodloužit stávající okruh, aby bylo pro firmu výhodné uskutečnit přepravu vlastním vozidlem. 95
Pravá část tabulky může dále sloužit i k rozhodování v případě volby individuální přepravy k jednomu zákazníkovi. K tomuto účelu je pole tabulky rozděleno do tří oblastí. Zelenou barvou jsou zvýrazněny zakázky, u kterých se vždy vyplatí přepravit je i individuálně vlastním vozidlem. Žlutě vyznačené zakázky se vyplatí přepravit vlastním vozidlem jako individuální pouze v případě, že je příslušný zákazník maximálně ve vzdálenosti uvedené v tabulce. V bílé oblasti jsou pak zakázky, které se nikdy nevyplatí obsluhovat individuálně. Na základě této pravé části tabulky lze též určit jaká je nejmenší možná hmotnost zakázky libovolného zákazníka (při znalosti jeho vzdálenosti od našeho podniku), aby se vyplatilo jet zakázku i individuálně. Využití srovnávací tabulky si předvedeme na jednoduchém příkladu. V malém podniku (označen číslem 1) máme historicky daný okruh se šesti zákazníky (označíme je čísly 2 -7), které objíždíme vždy jednou týdně bez ohledu na hmotnost zakázek pro tyto zákazníky. Pořadí obsloužení těchto zákazníků je zoptimalizováno pro ujetí co nejmenšího počtu kilometrů. Na daný den dále máme další 3 jednorázové zakázky (označeny čísly 8 - 10), o kterých potřebujeme rozhodnout, zda je svěříme externímu přepravci, či zda je zařadíme do našeho stálého okruhu. Rozmístění všech zákazníků je přehledně zakresleno v mapě na obrázku 1 (vytvořeno pomocí [5]).
96
Obr.č.1 Mapa rozmístění zákazníků V levé části srovnávací tabulky nalezneme hodnotu v kilometrech, o kterou lze maximálně prodloužit stávající okruh, aby to bylo výhodné. Tuto hodnotu nalezneme na základě známé hmotnosti zásilky a vzdálenosti zákazníka od našeho podniku a následně ji porovnáme se vzdáleností mezi nově zařazovaným zákazníkem a nejbližšími dvěmi zastávkami již zařazenými do tohoto okruhu (vzdálenosti snadno získáme pomocí online plánovače tras, např. na www.mapy.cz). Mohou nastat dva případy:
a)
vzdálenost mezi novou zastávkou a jednou již zařazenou zastávkou + vzdálenost mezi novou zastávkou a druhou již zařazenou zastávkou je větší než vzdálenost mezi těmito zařazenými zastávkami + hodnota z levé části srovnávací tabulky 97
b)
vzdálenost mezi novou zastávkou a jednou již zařazenou zastávkou + vzdálenost mezi novou zastávkou a druhou již zařazenou zastávkou je menší než vzdálenost mezi těmito zařazenými zastávkami + hodnota z levé části srovnávací tabulky
V případě a se nevyplatí zařazovat zákazníka do tohoto okruhu, v případě b se zařazení tohoto zákazníka do okruhu vyplatí, protože náklady na přepravu pomocí externího přepravce by byly větší než náklady na prodloužení stávající trasy. Do okruhu se nyní pokusíme zařadit zákazníka 8 a jeho zakázku o hmotnosti 50 kg. Jako nejlepší se zde jeví možnost zařazení tohoto místa na konec okruhu mezi spojení 7 – 1. Vzdálenost 7 - 8 je 71,8 km, 8 – 1 je 138,2 km a 7 – 1 je 180,5 km. Z levé části srovnávací tabulky (tab. 1) zjistíme, že maximální možné prodloužení příslušné trasy je 154 km. Součet vzdáleností 7 - 8 a 8 - 1 je menší než součet 7 – 1 + 154 km (210,0 < 334,5), tudíž se ekonomicky vyplatí zařazení zákazníka 2 do tohoto okruhu. Výsledný okruh pak bude mít podobu 1 – 2 – 3 – 4 – 5 – 6 – 7 – 8 – 1, ale z hlediska celkové najeté vzdálenosti nemusí být optimální. Nyní se pokusíme zařadit zákazníka 9 a jeho zakázku o hmotnosti 4 kg opět do našeho okruhu. Jako nejlepší možnost se zde jeví zařazení na konec mezi spojení 8 – 1. Vzdálenost 8 – 9 je 246,8 km, vzdálenost 9 – 1 je 130,2 km a vzdálenost 8 – 1 je 138,2 km. Z levé části srovnávací tabulky zjistíme, že maximální možné prodloužení příslušné trasy je 45 km. Součet vzdáleností 8 – 9 a 9 – 1 je větší než 8 – 1 + 45 km (377 > 183,2), 98
tudíž se ekonomicky nevyplatí zařazení zákazníka 9 do tohoto okruhu. Využití pravé části srovnávací tabulky si demonstrujeme na příkladu zákazníka 10 a jeho zásilky o hmotnosti 70 kg. Vzdálenost toho zákazníka od našeho podniku je 63,9 km (z obr. 1). V pravé části srovnávací tabulky máme pro danou zakázku hodnotu 76 km. Pro žlutá pole platí, že se vyplatí přepravit danou zakázku individuálně tehdy, když je zákazník maximálně ve vzdálenosti uvedené v tabulce. V našem případě je 63,9 < 76 a tudíž se ekonomicky vyplatí obsloužit zákazníka 10 i individuálně bez zařazování do již existujícího okruhu. Stejným způsobem zjistíme, zda by se vyplatilo jet individuálně k výše zmíněnému zákazníkovi 9. Při pohledu do pravé části tabulky nalézáme bílé pole s hodnotou 22 km. Pro bílá pole platí, že se dané zakázky nevyplatí obsluhovat individuálně. Nyní se pokusíme zjistit, jakou by musela mít zakázka pro zákazníka 9 minimální hmotnost, aby se vyplatilo jet k němu individuálně. Vzdálenost podniku od tohoto zákazníka je 130,2 km, použijeme tedy třetí sloupec (pravá část tab. 1 a tarifní vzdálenost do 200 km) a hledáme zde pole s nejnižší vyšší hodnotu než 130,2. Nacházíme hodnotu 151 pro zakázku o hmotnosti 100,1 – 150 kg. Minimální hmotnost zásilky pro individuální obsloužení zákazníka 9 je tedy 100,1 kg. [3,4] Důležité je však vzít v úvahu i jiná hlediska, než jen toto ekonomické. Při prodloužení okruhu by zde mohlo dojít např. k překročení povolené nosnosti vozidla, k neúměrnému časovému prodloužení trasy apod. 99
5
Závěr
V článku jsem popsal jednoduchý postup použitelný při rozhodování o způsobu přepravy jednotlivých zakázek. Srovnávací tabulka je vhodná hlavně pro menší podniky, které nevlastní specializovaný software pro dopravu. Praktické aplikace přitom vyžadují respektovat celou řadu dalších konkrétních podmínek a požadavků, aby řešení bylo efektivní a prakticky využitelné. V prvé řadě je třeba zohlednit různá kapacitní omezení jak vozidel, tak i jejich obsluhy i další specifické požadavky zákazníků.
100
Literatura [1] SIXTA, J., MAČÁT, V.: Logistika – teorie a praxe. Computer Press, a.s., Brno, 2005. ISBN 80-251-0573-3. [2] SYNEK, M. a kol.: Manažerská ekonomika. Grada publishing a.s., Praha, 2007. ISBN 978-80-247-1992-4. [3] EXNAR, F.: Diplomová práce – Řešení dopravních problémů v logistice. Univerzita Pardubice, Pardubice, 2010. [4] EXNAR, F., MACHAČ, O.: The travelling salesman problem and its application in logistic practice in WSEAS Transactions on Business and Economics 8 (4), pp. 163-173. [5] http://www.csmap.cz/csmap
Summary Transportation of goods and materials often constitute insignificant part of logistic costs. Provision of the transportation in logistic chains includes selection of the form of transport, transportation routes and finally carrier selection. The first part of this article describes advantages and disadvantages of own transportation or external carrier. The second part explores the costs of these forms of transportations. In the last part is in practical example demonstrate method of decision-making optimization for single contracts in the case of combine own and external transportation. For supporting decision-making is suggested a comparing chart, which allows make a decision of choosing form of transportation depended on the weight and distance of single contracts. 101
The optimisation of production logistics processes in engineering enterprises with the use of simulation Marián Hodulík9 – Rudolf Rybanský10 Abstract
This case study deals with the optimisation of production logistics processes in engineering enterprises with the use of simulation. Initial part is a theoretical description of optimisation of production logistics processes. The second part is the application of simulation to optimise production processes, logistics and final part of the paper addresses the impact of optimisation proposals with the simulation. Keywords
material management, supply, storage, transport, simulation
1
The optimisation of production logistics processes
At present, the optimisation of production logistics plays a key role in enterprises with regard to the need for a rapid reduction in input costs, thus increasing profits. Another key task is to ensure the coverage of the production of material items required for the requested period, minimising the input value storage and transport costs. When one considers
9
Ing. Marián Hodulík, MtF STU, Paulínska 16, 917 24, Trnava, [email protected] 10
Doc. Ing. Rudolf Rybanský, CSc., MtF STU, Paulínska 16, 917 24, Trnava, [email protected]
102
increasing the prices of input raw materials and the variety of delivery dates of individual components, it is clear that at present it is not possible without ordering input components compliant management system. The management of logistics processes in the context of business services, manufacturing, purchase, trade, and often works to the given deadline met the limit of stocks, but does not control them. Management should be horizontal, as in the department of industrial engineering and logistics so that the value chain is optimised throughout the enterprise, from purchase to sale. The management of logistics processes is patchy in many enterprises, inefficient ordering of material items is the only initiative, which is associated with other problems in production. Management realises this fact is often only when the costs rise unreasonably and the company gets into financial crisis or pressure from the owner [1]. The main issue in production logistics is how much stock a company must maintain to best fulfill two contradictory requirements - prompt fulfillment of customer requirements and the related increase in inventories and costs on the one hand, minimising the flow on the other hand to maintain stock levels. Good governance to reduce operating costs, higher machine utilisation and staff, streamlining the planning system and production management, increase productivity, are better economic indicators of the company [2]. Currently being used to optimise production logistics processes using simulation software. The following sections provide an example of production logistics process optimisation using simulation in the central warehouse reception in a pharmaceutical company.
103
2
Conceptual model of the simulated system
Using the simulation software Witness 2011 it is possible to analyse the processes for receipt and sampling of the input material received at the premises of the Central income of material, sampled on the 2nd floor and racking stored in the warehouse. The basic prerequisite for analysing the processes by Witness 2011 is to create a simulation model, which builds on the conceptual model of the simulated system (Figure 1). An overview of activities and material management processes are described in the conceptual model is shown in Annex A.
Figure 1: Conceptual model of the simulated system
The conceptual model schematically shows the course material management processes, with different activity 104
processes numbered in ascending order. Different activities are assigned storage operators and warehouse management officers. Blue arrows are for warehouse operators and clerical stock records for activities in which implementation is involved. Part of the simulation model as well as graphic representations exploitation activities 1 and 5 in the process of sampling and storage operators 4.5 and 6, as well as counter pallets inappropriate material. 3
Simulation model
The motion simulation model is based on the conceptual model simulated system. Input data for the realization of the simulation, the average time duration of the operations process material management obtained by calculating the arithmetic averages of 10 measurements of each activity. Figure 2 shows the state of the simulation model at the end of simulation. Enter the system input, which represents the number of deliveries made per year. After this the receiving process is adopted for the material, which is graphically shown in a blue icon. The results of analysis of samples taken from the material received is dispatched from the warehouse shelf labeling and mark with green, red stripe respectively, depending on whether it is defined as a suitable material (green icon), or objectionable material (red icon). Unsuitable material is then emitted from the production, not suitable for the disposal and settlement of the claim with the suppliers.
105
Figure 2: Simulation model at the end of simulation
106
Location graphic displays using stock operators and activities provided during the sampling process allow the simulation to estimate the possibility of using the ratio of specific activities or operator. Specifically, the values that are the basis for assessing the effectiveness of material management operations processes provide statistics during simulations Witness 2011 simulation software available during the entire course of simulation. In terms of assessing the effectiveness of these processes during the year, it is appropriate to focus on the statistics after the simulation. 4
Simulation outputs
Analysing material management processes using simulation software Witness 2011 provides the ability to assess individual activities and processes to extract a view of its elements. An overview of the number of pallet entry, acceptance, appropriate and inappropriate material is provided in Table 1. The table also shows the average time in the system palette. Input material
Received material
Suitable material
Inappropriate material
number of input 1 360 6 800 6624 80 elements [pc] number of output 0 0 6494 80 elements [pc] average time in the system 45,37 2502,46 2389,54 [min] Tab. 1: Number of pallets of material and the average time in system
107
During the year 1360 input materials were delivered to the company with a received volume of 6,800 pallets of material. In terms of evaluating the quality of the material delivered there were 80 pallets of inappropriate material, which is 1.19% of the total quantity supplied. The average delivery time of admission is 45.37 minutes. The amount of the average time taken by the storage material is influenced by the duration of the analysis of samples taken, which is at least 1 week. In terms of efforts to streamlining processes and material management activities, it is appropriate to focus attention on monitoring the load (Figure 1.2), without consideration of time waiting for the results of the analysis, implementation of which is the responsibility of the quality control department. The receipt of raw materials is 27.5% of total revenue taken in the central intake of the material, whereas the total number of received palettes and adjusting the input materials for the 24671st .Looking at the workload of the individual activities receiving process (Figure 1) an activity could be PP_03 (Tender documents received by the carrier and the distribution of documents, receipt of the stock records of SAP ERP) considered the busiest, as it is carried out during 75.9% of the annual time fund designated to receive raw materials which represents 419 hours of warehouse work for 2 officers. Such utilisation is due to the frequent occurrence of disagreement, 65 supplied with the necessary supporting documents, which must be addressed individually by each claim vendor
108
Graph 1: Utilisation of individual activities receiving process material
The process evaluation of sampling can be done as a result of the saturation of individual activities during the year, which provides a second graph. Since the sampling process on the second floor shall be made only within the sampled material here, this provides a graphical representation of percentages of the total annual fund time (2008 hours). In terms of the percentage of the results of the activity PV_01 (Movement of material on the 2nd floor) at least taken out the activity, 199 hours per year are consumed by moving the material into the sampling material. This is due to the operation of a sampling box on the 2nd floor. In terms of verifying the anticipated shortcomings in the process of sampling, it is appropriate to focus attention on the utilisation of PV_02.2 operations (weighing, cleaning and opening of the secondary packaging), performed by the warehouse operator. The 4th utilisation of this activity is 16.37% of the annual time fund, which is only 328.7 hours of work for the operator, but the presence of the warehouse operator's work is now in total 2008 hours per year. Activity delays are caused by 109
waiting for the perfect job or employee in another workplace. Graph 2: Utilisation of the process of sampling activities
Looking at graph 3 it is possible to evaluate the division of labor required to keep continuous production. Time resources designated to receive the materials studied is 27.5% of the annual fund, representing 552.2 hours. Most are busy Warehouse Officer 1 (492.4 hours / year) and Warehouse Operator 2 (462.5 hours / year). Graph 3: Extraction of workers of material income
110
Graphical representation of the workload of workers implementing the sampling process is shown in Graph 4. The results confirm the lack of utilisation of warehouse operator 4 which implements weighing, cleaning and opening of the secondary packaging. Graph 4:Extraction of workers of sampling of material
Table 2 shows that the average annual occupancy rack warehouse with a capacity of 2350 PP is 66.37%. It also provides an overview of the total number of pallets and removal input and output automatic pallet stacker. While the average time to work with one automatic collator range is 3.36 minutes, resulting in an annual work time of 1 490.83 hours a binder, which represents 74.2% of the total annual time fund. Received material 6 800 6 704
Suitable material 6624 6494
Total
Input [pc] 13 424 Output [pc] 13 198 Average 67,35 65,41 66,37 occupancy [%] Tab. 2: Statistical data of warehouse of resources 111
5
Verification of the proposed action with the use of simulation
The simulation model used to analyse the main processes of material management, can also be used to simulate the results of the application proposal. The removal operations of weighing packages starting material and removal of material and lipping label with green stripes in the simulation model implemented by omitting these activities (Figure 3).
112
Figure 3: Simulation model after aplication of proposals
113
The simulation of system operation during the next year provides data on individual store operators busy implementing the process of sampling activities (Graph 5). Graph 5: Comparison of workload of store operators before and after applying of the proposal
The graph shows that the application proposal will balance the workload of storage operators. 6
Conclusion
If you want the venture to proceed to any changes in logistics, it is necessary to consider whether it really knows the status quo, can describe the deficiencies and problem areas and propose optimization steps. If not, it is necessary to consider the possibility of rapid corporate audit. Every defined project changes must be timely, supported by top management, accurate and well defined, 114
with well-trained team of staff and stakeholders, otherwise the expected benefits will not be achieved [3]. The simulation process optimization of production logistics provides the opportunity in a relatively short time to obtain information necessary for analyzing the current state of processes and their performance. After the establishment of a conceptual model of the simulated system and subsequent creation of a simulation model, it can be carried out by the simulation system. Obtained simulation outputs allow an overview of current state processes. By applying the measures proposed in the simulation system can also obtain information on process performance in the future without having to actually implement these changes in the company. In terms of the possible application of simulation in manufacturing logistics management it is necessary in the future to include the use of simulation software to the individual skills of managers. It will be necessary to bring the possibility of using simulation and apply them in management practice. It is not necessary to change managers to specialists in the use of simulation software, while finding ways to create simple general simulation models and apply them to managers in their daily practice is a way for the future direction of production logistics process optimization.
115
References [11] LAMBERT, M. D., STOCK, R. J., ELLRAM, L.: Logistika. CP Books, Brno, 2005. [12] ČAMBÁL, M., CIBULKA, V.: Logistika výrobného podniku. STU, Trnava, 2008 [13]
http://www.ipaslovakia.sk/clanok_view.aspx?id_u=23
116
Annex A - Overview of activities and material management processes are described in the simulation model
ID
PP_01
Activities of processes
Worker
Receipt of documents, a comparison with the order
Warehouse
of documents in SAP ERP
Assistant 1
Physical control of the receipt of a means of PP_02
transport, unloading, cleaning containers, control and distribution of each batch by batch Tender documents received by the carrier and the
PP_03
distribution of documents, receipt of the stock records of SAP ERP
PP_04
Warehouse
stripe
operator 2
Movement of material on the 2nd floor
PV_02.1
Save on Roller Conveyor
secondary packaging
operator 4
PV_02.4
Saving for a variety of pure aluminum
PV_03
Registration number in the range of SAP ERP
PVDV_01
operator 3 Warehouse
Sampling
PV_05
Warehouse
Weighing, packing and cleaning of the opening of
PV_02.3
PV_04
Warehouse Assistant 1, 2
Designation adopted the label material with a blue
PV_01
PV_02.2
Warehouse operator 1, 2
Quality worker Warehouse operator 5,6 Warehouse operator 5,6
Move the pallet rack stackers Filling truck and put-
Warehouse
away
operator 5,6
Removal of material handling platform for the
Warehouse
purpose of affixing a label with a green stripe
operator 5,6
Output of material to production
117
Zvyšování výkonnosti v logistických sítích Marie Jurová11 Abstrakt Turbulence a nejistota na trhu se projevují v podnicích, kde základním motivem je udržitelný rozvoj podnikání, což znamená být úspěšný a dosahovat zisku. Dnešní trh je především dynamický a globální. V jeho vývoji má hlavní slovo zákazník, který má stále vyšší nároky. Úspěšní budou ti, kteří dokážou vyrábět přesně to, co zákazník chce, v čase, kdy to chce - individuální výrobky vysoké kvality. Tato orientace má za následek i fakt, že ekonomické hodnoty a cíle přestávají mít samostatnou platnost. V situaci, kdy mnoho podniků zavádí orientaci na kvalitu a zákazníka, bude rozhodujícím faktorem úspěchu nebo neúspěchu schopnost podniku skutečně uvádět v život procesy, které přinášejí hodnoty pro zákazníka v celé logistické síti, na všech dodavatelských stupních a vyjádřit je ukazateli výkonnosti pro celou síť. Tato skutečnost je předmětem příspěvku. Klíčová slova Logistické sítě, udržitelný rozvoj podnikání, výkonnost, přidaná hodnota pro zákazníka, ukazatelé výkonnosti.
11
prof. Ing. Marie Jurová, CSc., VUT v Brně, Fakulta podnikatelská,Ústav managementu, [email protected]
118
1
Úvodem
Jak si můžeme povšimnout současných trendů v naší průmyslové praxi, mnoho podniků se už začalo orientovat na to, aby se stále více zaměřily na kvalitu a zákazníka. Většina podniků se chce dnes ztotožnit s touto orientací a tyto firmy vesměs chtějí být nejlepšími ve svých oblastech a konkurovat a podnikat celosvětově. Chápou, že je životně důležité vybavit své zaměstnance všech úrovní nezbytnými pravomocemi. Tato orientace má za následek i fakt, že ekonomické hodnoty a cíle přestávají mít samostatnou platnost. V situaci, kdy mnoho podniků zavádí orientaci na kvalitu a zákazníka, bude rozhodujícím faktorem úspěchu nebo neúspěchu schopnost podniku skutečně uvádět v život procesy, které přinášejí kvalitu a hodnoty pro zákazníka. Logistické procesy jsou k tomu klíčem. Podniky vytvářejí hodnoty pro zákazníky dvěma způsoby: · tím, že plní požadavky zákazníků · tím, že překonávají jejich očekávání (často poskytováním vyšší hodnoty než je obvyklé za stanovenou cenu). Tvorba nejvyšších hodnot pro zákazníky však sama o sobě není dostačující. Podniky musí vytvářet hodnoty pro své vlastníky, aby investice vlastníků vykazovaly návratnost a zisk. Jinými slovy, musí být produktivní při poskytování takové kvality, jakou zákazníci vyžadují. Přesto je vytváření hodnot pro zákazníky klíčem k vytváření hodnot pro vlastníky. Zákazníci jsou hlavním aktivem podniku a vytvářejí trvalý proud příjmů a zdroje nových oblastí podnikání svými připomínkami a 119
komentáři. Nespokojení zákazníci stojí podnik vysokou cenu. Přinejmenším náklady na hrazení ztracených příjmů od nespokojených zákazníků (to znamená nalezení nových zákazníků) jsou velmi vysoké a často pohltí zisky za první rok podnikání v nové oblasti. Ještě větší následky má fakt, že nespokojení zákazníci své zklamání vyjadřují nahlas, což ještě více ztěžuje získání nových zákazníků. Pokud podnik uspokojuje zákazníky dlouhodobě, může rozšířit svůj podíl na trhu, zvýšit zisky, zlepšit efektivitu a konečně zvýšit svou hodnotu pro vlastníky. Vytváření hodnot není nová koncepce. Pokud kvalita vytváří hodnoty pro zákazníky, její nedostatek, hodnoty pro zákazníky snižuje. Philip Crosby ve své knize12 identifikuje čtyři základní názory o kvalitě: · kvalita znamená splnění požadavků, nikoliv jen fakt, že podnik produkuje zboží dobré kvality · podniky dosahují kvality prevencí, nikoliv následným posouzením · výkonnostní standard pro kvalitu je nulový počet závad, nikoliv nějaká přijatelná úroveň kvality · kvalita se měří cenou, jež se platí za nesplnění požadavků zákazníků, nikoliv nějakými ukazateli Podniky čeká v tomto období zásadní výzva. Musí se naučit, jak vytvářet hodnoty pro zákazníky v situaci, kdy náklady na kvalitu representují 25 % hodnoty obratu. Zlepšení kvality služeb může představovat větší problém než je zvyšování kvality produktu, především proto, že se
12
CROSBY ,P.: Kvalita bez pláče. 120
kvality služeb a produktu liší ve třech klíčových oblastech: · definování kvality služeb je mnohem subjektivnější a méně přesný úkol než definování kvality produktu. Kvalita služeb, podobně jako krása, spočívá v pohledu toho, kdo se dívá (zákazníka) a tak v ní může být stejně veliký díl individuálního vnímání jako předmětné skutečnosti · kvalita produktu je často definovaná jako vyhovění požadavkům. Mnoho podniků má značné zkušenosti z práce se zákazníky, při které se snažily určit kompletní soubor požadavků zákazníků. Plány, specifické požadavky na konstrukci, toleranční odchylky, projekční komise, to vše je běžné. Dosud však podniky nevyvíjí stejné úsilí ve snaze definovat požadavky na služby · kvalita služeb nemůže být snadno vnitřně kontrolována, před tím než je samotná služba poskytnuta. Kvalitu produktu lze zajistit do jisté míry vnitřní kontrolou. S kvalitou služeb je třeba se vyrovnat při jejich koncipování. Tento přístup je označován jako totální uspokojení zákazníka [ Total Customer Satisfaction – TCS] V současné době by se přístupy TQM a TCS měly společně zaměřit na jediný cíl zlepšit hodnoty, které zákazníci získávají, pokud mají ekonomické vztahy se svými dodavateli. Předtím, než budeme mluvit o zlepšování kvality a jeho vztahu k logistice, je nutno zdůraznit, že logistika je 121
proces, nikoliv funkce. Tento rozdíl je velmi důležitý. Cílem logistických procesů je stmelit a koordinovat všechny činnosti, které hrají roli při získávání, přetváření a distribuci zboží a materiálů od zdroje surovin ke konečnému uživateli, aby byly splněny cíle služby zákazníkům. Tento proces zahrnuje fyzické činnosti přemisťování a skladování materiálových prvků ve všech jeho podobách, poskytování informací pro pomoc těmto operacím a řízení celého tohoto procesu. Logistické procesy svou podstatou překračují tradiční oblasti úkolů jednotlivých funkčních oddělení. Cílem logistických procesů je přinášet kvalitní služby zákazníkům efektivně a hospodárně. Logistické procesy tak napomáhají růstu příjmů, zejména tím, že včas, kompletně a nepoškozené dodávají produkty, které zákazník požaduje a to trvale a spolehlivě. Když zákazníci zjistí, že jejich dodavatel jim může poskytnout to, co chtějí, kdykoliv to chtějí, vidí zde hodnotu a při dalších potřebách volí tyto dodavatele. Uspokojení zákazníků není jediným cílem logistických procesů. Náklady na poskytování kvalitních služeb musí být v souladu s produkovanými příjmy. Proto musí logistické procesy probíhat efektivně, aby pro podnik vytvářely zisk. Logistika může mít vliv nejen na výkaz ztráty a zisku, ale může rovněž pozitivně působit na bilanci firmy. Na straně aktiv může zkrácením doby průchodu a vydáváním zásob zlepšit cash flow. Méně fakturačních chyb – výsledek přesnějšího zaznamenávání objednávek a výběru či odeslání – může snížit náklady na financování pohledávek. Nižší hladina inventáře, spojená s produktivnějšími prostředky a zařízeními, to vše uvolňuje kapitál pro další využití. Na straně pasiv je to menší objem nákupu materiálových prvků díky lepšímu 122
plánování požadavků na zdroje a jeho získávání, který sníží množství kapitálu, který váže rozpracovaný produkt. Tak může zlepšování logistických procesů zvýšit operační zisk a zlepšit návratnost provozního kapitálu. 2
Logistika sítí klíčový ekonomický proces
V každém podniku probíhají zároveň desítky různých ekonomických procesů. Některé jsou omezeny na jednotlivé oddělení, jiné přesahují jejich hranice. Tyto procesy mají různou důležitost a ne vždy vytvářejí hodnoty pro zákazníky. S přihlédnutím k těmto skutečnostem je jedním z úkolů vedení znát relativní hodnoty, které s sebou každý proces přináší a podle toho přizpůsobit význam, pozornost a investice, které jsou do jednotlivých procesů vkládány. Kritéria pro zvážení množství procesů v podniku a míru pozornosti, jakou by jim vedení mělo věnovat je uvedeno na obr.č. 1.
123
Obr. č. 1 Postavení ekonomických procesů ve firmě
Hodnoty důležité pro vlastníky I. Finanční procesy [vedení finančních operací]
II. Pomocné procesy [dokumentace pro státní správu]
IV. Klíčové ekonomické procesy (např. vývoj, logistika, zvyšování vysoká kvality) důležitost [zde by měl management zaměřit svou pozornost] III. Procesy, které mají dopad na nízká důležitost trh [průzkum nových trhů]
Vysoká důležitost
Nízká důležitost
Hodnoty důležité pro spokojenost zákazníků
Procesy, které spadají do kvadrantu I jsou finanční procesy, protože zvyšují hodnotu podniku pro akcionáře, ale v podstatě nemají vliv na hodnoty důležité pro zákazníky. Příkladem je vedení finančních operací, které nezvyšuje hodnotu podniku pro zákazníky, takže si nezasluhují primární pozornost vedení. Na druhé straně však tím, že budou finančnímu řízení věnovat adekvátní pozornost, mohou podniky zlepšit tok peněz, zvýšit příjmy a zvýšit tak svou hodnotu pro vlastníky. Kvadrant II reprezentuje pomocné procesy. Ty nevytvářejí hodnoty ani pro zákazníky, ani pro vlastníky. Pokud by se jich nějaký podnik mohl zbavit, určitě by tak 124
učinil. Pomocné procesy obvykle zahrnují přípravu výkazů pro státní správu a všeobecné účetnictví. Těmto procesům věnují tedy podniky jen tolik pozornosti a zdrojů, aby splnily ty nejzákladnější požadavky. Ve III. kvadrantu najdeme procesy, které mají dopad na trh. Tyto přinášejí hodnoty pro zákazníky, ale nevytvářejí žádné velké hodnoty pro vlastníky, alespoň krátkodobě. Příkladem by mohl být průzkum nových trhů. Jde zde hlavně o investice do růstu trhu nebo další expanze. Protože pro vlastníky tyto nevytvářejí okamžité hodnoty, mělo by se vedení podniku soustředit na správné investiční rozhodnutí. Kvadrant IV. – klíčové ekonomické procesy v sobě soustřeďují velmi důležité činnosti. Tyto procesy vytvářejí vysoce cenné hodnoty pro zákazníky i vlastníky. Mnoho podniků rozeznává dva druhy klíčových ekonomických procesů: · procesy, které se vztahují k řízení podniku v současnosti · procesy řízení podniku v budoucnosti Logistické procesy se více řadí k prvnímu typu. U podniků, které vyrábějí nebo distribuují zboží mají zásadní význam pro zajištění spokojenosti zákazníků. Vývoj nových produktů bude spadat do druhé oblasti. Zatímco logistické procesy mají uspokojovat zákazníky dnes, vývoj nových produktů se o to bude snažit pro budoucnost. Ať už jsou zaměřeny na budoucnost či na současnost, jde většina klíčových ekonomických procesů za hranice funkčních struktur. Proto si úspěšné řízení těchto procesů vyžádá zapojení mnoha vedoucích a jmenování hlavního manažera, který bude koordinovat společné úsilí a řešit 125
možné konflikty. Úspěšné řízení logistických procesů je dnes obtížné, protože žádá koordinaci práce všech funkčních oddělení, jakož i koordinaci spolupráce mezi zákazníky a dodavateli. Bez ohledu na to, jak dobře si podnik vede dnes nebo jak vhodně má vypracovanou strategii pro budoucnost, je třeba brát v úvahu následující činitele, kteří mají v současné době značný vliv na ekonomiku a změní způsob, jak se bude operovat v budoucnosti : · globalizace světového hospodářství · hledání nových možností zlepšování produktivity · rostoucí požadavky trhu · nová strategická seskupení · restrukturalizace podniků · urychlující se průmyslový cyklus · péče o životní prostředí Nebude jistě stačit pouhé udržování „status quo“. Jen díky všestranně vynikajícímu provozu, a zvláště téměř ve všech odvětvích, díky vynikající logistické síti - mohou podniky očekávat, že se vypořádají s nesnadnou budoucností a budou tvořit hodnoty pro zákazníky i vlastníky. · Výkonnost logistické sítě může poskytnout několik výhod: · schopnost individuálně přizpůsobených služeb a jejich vyšší úrovně · zlepšená kvalita služeb (důslednost a spolehlivost) · rychlejší průmyslové cykly 126
·
větší efektivnost a produktivita ve všech částech logistického řetězce · bližší vztahy mezi zákazníky a výrobci Z těchto výhod může vzejít větší podíl na trhu, vyšší obrat a zisky. Proto je výkonnost logistické sítě imperativem pro management 21. století. 3
Cesty k výkonnosti logistické sítě
Logistika je vynikající tehdy, když podnik dosáhne nejvyšší možné kvality a produktivity logistiky. Kvalita znamená, že procesy uskutečňujeme správně již poprvé, a produktivita znamená, že děláme věci správně a to efektivním způsobem. Zjistili jsme, že podniky různě definují kvalitu v logistice. Hovoří zde o „splnění požadavků zákazníků“, „uspokojení potřeb zákazníků“, „poskytování služeb bez závad“, nebo „uspokojení zákazníků vždy a hned napoprvé“. Protože žádná z těchto definic si nezískala širokou oblibu, navrhujeme následující: Kvalita v logistické síti znamená splnění dohodnutých požadavků a očekávání zákazníků, včetně následujících prvků: · snadnost podání dotazu, objednávky a přenosu objednávky · včasné a spolehlivé dodání objednávky a dobré komunikační spojení · přesné, kompletní a nepoškozené dodávky a bezchybná administrativa · včasná a vstřícná podpora po prodeji 127
·
přesná a včasná tvorba informací a jejich přenos mezi funkčními odděleními podniku a vnějšími stranami, aby byla zajištěna podpora plánování, řízení a provádění výše uvedených činností Studie z nedávného období definovaly logistickou produktivitu jako poměr skutečných výstupů ke skutečným spotřebovaným vstupům, kde výstupy jsou množství uskutečněné práce a vstupy jsou množství použitých zdrojů. Technicky je tato definice přesná. Naneštěstí však není schopna vyjádřit podstatu kvality a produktivity dnes. Místo ní je možno navrhnout následující definici produktivity v logistické síti, jak se bude jevit při realizaci: Produktivita v logistice znamená použití kombinovaných zdrojů všech účastníků logistické sítě tím nejefektivnějším způsobem, aby bylo možno poskytnout vysoce kvalitní, rentabilní služby zákazníkům. Hlavní koncepční rozdíly mezi touto definicí a definicí předchozím vyjádření jsou v tom, že skutečné zlepšování produktivity: · je orientováno na zákazníka, protože produkt má hodnotu pro zákazníka · výsledky zkvalitňování celkového logistického procesu nezlepší jen výkonnost jedné jeho části na úkor jiné části (např. sjednání nižších sazeb dopravců bez souběžných kroků v produktivitě dopravce, které umožní snížení nákladů) 4
Závěr
Neexistuje žádná samostatná zkouška či měřítko pro určení výkonnosti logistické sítě. Měřítko absolutní 128
úrovně služeb měří a tím i výkonnosti je to, čeho bylo dosaženo, nikoliv to, co bylo požadováno. Výše nákladů nebo úrovně produktivity lze těžko u různých firem srovnávat, protože se tyto podnikatelské subjekty různí co do provozních nákladů a cen produktů (když se používají jako kritérium náklady, vyjádřené jako procento obratu). Věříme, že místo vyhodnocování logistiky pomocí nějaké škály ukazatelů, kde lze výsledky vyčíslit, bude lepší posoudit výkonnost logistiky a logistických sítí prostřednictvím přístupů, které podniky používají k plánování a řízení logistických procesů.
129
Literatura [1]
BALLOU, Ronald H. Business logistics, supply chain management : planning, organizing, and controlling the supply chain. 5th ed., internat. ed. Upper Saddle River[2] NJ : Pearson Prentice Hall, 2004. 789 s. ISBN 01-312-3010-7.
[2]
LIU, John J. Supply chain management and transport logistics. New York : Routledge, 2011. 530 s. ISBN 978-041-5618-960.
[3]
GREASLEY, Andrev Operations Management. London : SAGE Publications Ltd 2008. :172 s. ISBN 978-4129-1882-4
Summary The success of the company will depend on how well the company is going to handle key issues, such as customer oriented approach, and creating value for customers (selling then a product and/or service, which has a high value for the customers). If the company manages to do so, then we can say it is handling its economic activities properly. Logistics belongs to such economic activities. This paper deals with adding value through perfect logistics, which is considered as a key economic process. Increasing productivity is always concerned with the achievement of concrete goal, no matter if we are talking about improving quality within logistics process or in any other process. As a result, in helps us in judging whether a company is successful or not, as well if it is capable of retaining its competitive advantage by offering the high quality products to its customers.
130