Autorskie programy, bo unikatowy system

• Firma: polski dostawca części do samochodów
• Problem: nasze OEE=58% a Świat 85%. Dlaczego?
• Profit: OEE +1pp = ~0.5 mln złotych zysk rocznie
• Przyczyna: „dwucykloza” zabija wydajność OEE-20pp, ale te produkty wymagające dwóch cyklów (dwa razy produkt przechodzi przez zakład zanim powstanie) są dwa razy bardziej zyskowne niż jednocyklowe.
• Rozwiązanie: △OEE=(58+20%)-85%=-7% głównie przez przezbrojenia; awarie, wydajność pracy czy jakość produktów max -2pp.
• Eksperymentacja OEE+1.5pp; drakonizacja dała dłuższy horyzont planistyczny ZUZA=OEE+2.5pp; plus algorytmy ewolucyjne równolegle do Simplex jako harmonogramowanie dedykowany dla zakładu; razem OEE+5pp prawie (4.6)

Wzór na dobre OTD

• Firma: dystrybucja w warunkach deficytu zdolności logistycznych
• Problem: satysfakcja zamawiającego NPS < Market NPS* , bo wybrane zamówienia do terminowej realizacji w warunkach deficytu nie korelują z logarytmiczną satysfakcją zamawiającego
• Rozwiązanie: definicja problemu diety** dla algorytmu rekomendacji wyboru wielkości realizacji zamówień minimalizując koszt utraty satysfakcji zamawiającego przy zbadanej logarytmicznej zależności NPS od terminowości OTD. Trudność w estymacji ile możemy odpuścić terminowości nie tracąc znacząco satysfakcji.
• Co dalej? Wdrożenie w całej firmie KPI terminowości OTIF (NPS w korelacji z OTD) jednoczącej organizację na satysfakcję zamawiającego

* Net Promoter Score mierzy satysfakcję klientów (źródło: netpromoter.com)
** problem diety był pierwszym problemem optymalizacji; dieta noblisty Stiglera (źródło: en.wikipedia.org)

Wzór na dobre OEE

• Firma: produkcja w warunkach deficytu zdolności produkcyjnych
• Problem: efektywność produkcji OEE < World-Class* OEE, bo wybrane kontrakty sprzedażowe nie pozwalają na więcej efektywności produkcyjnej
• Rozwiązanie: definicja problemu plecakowego dla algorytmu rekomendacji wyboru kontraktów oraz definicja problemów komiwojażera* na liniach produkcyjnych dla algorytmu harmonogramowania zleceń; problemy rozwiązywane razem dla maksymalizacji marży. Trudność problemów oraz estymacji efektywności produkcji zależnej od wyboru kontraktów.
• Co dalej? Bilansing S&OP podaży i popytu dla max terminowości OTIF, dla optimum rentowności

* World-Class OEE (source: oee.com/world-class-oee.html)
** problem komiwojażera to zagadnienie optymalizacyjne, polegające na znalezieniu minimalnego cyklu Hamiltona w pełnym grafie ważonym (źródło: pl.wikipedia.org)

Nieznany * powszechny problem wyboru kontraktów

• Firma: polski oddział niemieckiego producenta przekąsek
• Menadżer: dyrektor finansowy w aktywnym controllingu
• Profit: +10%<π<+15% EBITDA
• Problem: moc produkcyjna to ½ kontraktów na rynku; które wybrać, żeby maksymalizować marżę?
• Rozwiązanie: definicja problemu plecakowego** przy wagach wydajności produkcji zależnych od wyboru kontraktów oraz algorytm rekomendacji 
• Co dalej? Oddziały w Anglii i Czechach, a przede wszystkim metodyka do samodzielnej optymalizacji – nasz partner chce edukację i samodzielność w robieniu rozwiązań.

* dr. hab. Żak A. +partner „Linearyzacja plecaka z wagami funkcyjnie zależnymi od decyzji”, Kraków 2020
** knapsack problem is the most frequently discussed optimization problem (source: en.wikipedia.org)

Problem starego zapasu

• Firma: producent okien ~1k indeksów w sprzedaży, a połowa z magazynu
• Menadżer: dyrektor IT promowany na CIO+ logistyka
• Profit-problem π: 1 milion złotych starego zapasu rocznie, bo przecena, wyprzedaż i utylizacja
• Przyczyna problemu: 40% dostęp od ręki, 30% rezygnacja oraz 30% zapas kontraktowy, ale 75% da się relokować…
• Rozwiązanie: szybka relokacja; potrzebna trafna >80% prognoza lokalnego popytu na ten zapas. Zawsze potrzebna trafna prognoza! Wynik: problem starego zapasu mniejszy o prawie ~¾
• Zespół ABA jest częścią Firmy w comiesięcznym Sales & Operations Planning
• Co dalej? Trafne lokowanie, żeby obniżyć poziom zapasu bez utraty terminowości: OTIF>93% & InventoryTurnover=+25%.

Problem ceny skupu

• Firma: ubojnia kury kupująca surowiec na kontraktach i wolnym rynku
• Menadżer: prezes zarządu Problem w 
• Profit: +2.9% wyższa cena skupu żywca kury do średniej

• Rozwiązanie: prognozowania cen skupu na wolnym rynku i algorytm rekomendujący strategię na kontraktach. Liczy się tylko trafna prognoza! Wyzwaniem w definicji problemu jest estymacja wielkości problemu, odległości ∆x od optimum; potrzeba trafnego szacowania optimum x* 
• Co dalej? Prognozowanie cen sprzedaży na poszczególne rynki, symulacja rekomendująca cenę i alokację wolumenu na rynek.