【智能制造】-卓越供应链指标体系
【智能制造】-卓越供应链指标体系
- 一、背景
- 二、指标体系
- 三、指标口径
- L1-1需求计划预测准确率
- L1-2需求计划预测准确率
- L1-3交付周期
- L1-4库存周转
一、背景
智能制造对供应链体系提出了高标准、高要求。以卓越供应链为目标,从数据驱动业务的角度制定了此版本供应链KPI指标体系:量化价值,统一目标。
本文从需求计划预测准确率、订单交付达成率、交付周期、库存周转四个核心维度逐层拆解,构建卓越供应链分析的指标体系
二、指标体系
层级 | WBS | Task | 定义 | 公式 | 统计频次 | 收集频次 |
---|---|---|---|---|---|---|
L1 | 1 | 需求计划预测准确率 | 客户实际下单要求的出货日期与客户M+2预测发货日期对比,按产品型号的维度统计M+2月需求预测的准确率 | ∑(1-需求计划偏差率)* 该机型预测数量 | M | M |
L1 | 2 | 订单交付达成率 | 按时按量准确的完成订单交付批次的比例 | 按时出货批次数/需求出货总批次数*100% | M\W | D |
L2 | 2.1 | 订单变动率 | 订单标准交期内时间(32天)的变动,包括客户及内部造成的变动 | 有变动的订单数/总订单数*100%(出货) | M\W | D |
L2 | 2.2 | 物流及时发货率 | 拿到仓位后,按客户时效要求完成发货的批次比率 | 实际按时出货柜数/要求出货的总柜数*100% | M\W | D |
L2 | 2.3 | 承诺交付达成率 | 实际整批入库的日期,在承诺日期前达成的订单行数占比 | 实际达成交付的订单行数/总承诺达成订单行数*100% | M\W | D |
L3 | 2.3.1 | 主计划准确率 | M+1各机型实际生产的数量/预测生产的数量,按产品型号预测数量加权统计M+1月主计划预测的准确率 | ∑(1-主计划偏差率)* 该机型预测数量 | M\W | W |
L3 | 2.3.2 | 物料齐套率 | 检验合格入账工单批次 | 按时齐套的批次总数/需要齐套的总批次数*100% | M\W | D |
L3 | 2.3.3 | 软件齐套率 | 软件测试合格发放的工单批次 | 按时发放的批次总数/需要齐套的总批次数*100% | M\W | D |
L3 | 2.3.4 | W+1计划批次变动率 | 当周变动批次数的比率,变动定义:实际上线与计划上线差异周期(±12小时) | 变动批次数/总批次数*100% | M\W | W |
L3 | 2.3.5 | 目标生产周期达成率 | 工单齐套后目标周期内生产完成入库的批次数占比 | 按目标生产入库的工单批次/总工单数*100% | M\W | D |
L1 | 3 | 交付周期 | 客户从定金到货物离厂时间 | 整批出货时间-销售订单下采购时间 | M\W | D |
L2 | 3.1 | 销管接单处理周期 | 从销管做PI到下采购时间 | 下采购时间 - PI审核后时间 | M\W | D |
L2 | 3.2 | 供应链订单处理周期 | 下采购到入库周期 | 整批入库时间 - 下采购时间 | M\W | D |
L3 | 3.2.1 | 批次物料齐套可上线周期 | 销售或计划订单下采购到物料齐套 | 批次物料齐套日期 - 订单下采购日期 | M\W | D |
L4 | 3.2.1.1 | 物料齐套到启动备料周期 | 所有上线前的准备时间 | 启动备料时间 - 物料齐套时间 | M\W | D |
L4 | 3.2.1.2 | 备料周期 | 批次启动备料到批次首台上线的周期 | 首台上线时间-启动备料时间 | M\W | D |
L4 | 3.2.1.3 | 加工周期 | 首台上线到整批入库的周期 | 整批入库时间-首台上线时间 | M\W | D |
L3 | 3.2.2 | 生产周期 | 物料齐套到成品整批入库的周期 | 成品整批入库时间 - 启动备料时间 | M\W | D |
L1 | 4 | 库存周转 | 总库存(含物料、在制品、成品,不包括样机仓、客服仓)从取得存货开始至消耗、销售为止所经历的天数 | 30/(供应链主营业务成本/当月供应链平均库存金额) | Y\M | M |
L2 | 4.1 | 原材料库存周转 | 物料周转天数 | (物料期初金额+物料期末金额)/2*30 /主营业务成本 | Y\M | M |
L3 | 4.1.1 | 超3个月账龄的物料库存占比 | 超3个月账龄的物料库存占比 | 超30天账龄物料库存金额/物料库存总金额*100% | M\W | D |
L3 | 4.1.2 | 异常库位物料库存占比 | 异常库位物料库存占比,包括:来料不良仓、自制不良保税/非保税仓、返修不良物料仓、返修不良拆件仓、超期物料待处理仓、待报废仓、调拨不良物料仓、待复判保税/非保税仓、环保不良仓 | 异常库位的物料库存金额/物料库存总金额*100% | M\W | D |
L2 | 4.2 | 成品库存周转 | 成品周转天数,包括监管仓 | (成品期初金额+成品期末金额)/2*30 /主营业务成本 | Y\M | M |
L3 | 4.2.1 | W+1发货计划准确率 | 准时发货的批次比率,准时定义:锁定W+1~2的批次出货计划 | 实际准时发货批次/计划发货批次*100% | M/W | D |
L3 | 4.2.2 | 物流及时发货率 | 拿到仓位后,按客户时效要求完成发货的批次比率 | 实际按时出货柜数/要求出货的总柜数*100% | M/W | D |
L3 | 4.2.3 | MTS安全库存可用天数(DSI) | 存销比,现有库存可以支撑未来销售的天数 | 当前时点库存/(D+30销售预测/30天 | M/W | D |
L3 | 4.2.4 | 超30天账龄成品库存金额比率 | 超30天账龄的库存比率 | 超30天账龄成品库存金额/成品库存总金额*100% | M/W | D |
L2 | 4.3 | 在制库存周转 | 从备料到成品入库的周转天数 | (在制品期初金额+在制品期末金额)/2*30 /主营业务成本 | Y\M | M |
三、指标口径
L1-1需求计划预测准确率
定义:
客户实际下单要求的出货日期与客户M+2预测发货日期对比,按产品型号的维度统计M+2月需求预测的准确率
公式:
单一客户+机型预测: min(预测数,下单要求出货数) / max(预测数,下单要求出货数)
汇总(按MAX值加权):∑ 该机型预测准确率*max(预测数,下单要求出货数)/ 所有机型max(预测数,下单要求出货数)
计算口径:
- 数据A : 每月 25 日 存储 《主计划工作台》 中,需求日期在 M+2 月份的全预测需求(类型为:销售订单、预测净需求、工单),如2022年1月25日存储需求日期在3月份的全预测;
- 数据B:每月月底存储《主计划工作台》 中,需求日期在 M+1 月份的全预测需求(类型为:销售订单、工单),如2022年2月30日存储需求日期在3月份的全预测;
- 数据C:每月25号存储《主计划工作台》 中,需求日期在 M+3 月份的全预测需求(类型为:销售订单、预测净需求、工单),如2021年12月25日版本,需求日期在3月份的全预测;M+3 预测准确率 = min(数据C,数据B)/max(数据C,数据B)
- 数据A 作为 M+2客户机型 预测数, 数据B 作为 客户实际下单要求出货数; 以上两个时间点对 3月份的全预测 按 ”客户 + 产品型号“ 维度进行汇总, 两者小值/两者大值 作为该 客户产品型号3月份 的需求计划预测准确率
- 向上汇总时,需按小值和大值的汇总结果 求准确率。以下举例说明:
以上A客户的需求预测准确率为30%
L1-2需求计划预测准确率
定义:
供应链按时、准确交付的订单数量占比
公式:
交付达成的销售订单数量/总订单数量
计算口径:
订单范围:非出库存订单(MTO模式),按是否有预测字段不为空作为判断订单的条件(未开工单的不计算在内);
订单对应的所有工单完全完工日期小于等于对应订单计划发运日期,则视为交付达成;
若存在以下场景,处理办法如下:
- 订单 N:1 工单,按订单下采购日期排序,工单完成数量按先进先出原则分配给订单,判断订单是否交付达成;
- 剔除:半层品批次,工单状态已取消;
按计划发运日期归集月份;
备注:交付达成率目前因为受计划发运日期影响,导致每天看到的达成率会不一样,目前BI上是每个月末会将达成率写死,不会受到未来调整计划发运日期的影响
L1-3交付周期
各周期定义
交付周期:PI审核后到对应销售订单行完全发货完成的时间周期;
销管接单处理周期:PI审核完成后到对应销售订单行下推采购的时间周期;
供应链订单处理周期:销售订单行下推采购到销售订单行对应的所有批次物料完全完工入库的时间周期;
出货周期:销售订单对应的批次完全完工入库时间到该订单完成发货的时间周期;
批次物料可齐套上线周期: 订单下采购时间到对应工单所有物料齐套的时间周期;
生产周期:订单对应所有工单实际齐套时间到所有工单完全完工入库的时间周期;
备料周期:工单实际齐套时间到首台上线的时间周期;
加工周期:工单首台上线到完全完工入库的时间周期;
L1-4库存周转
定义:
总库存(含物料、在制品、成品,不包括样机仓、客服仓)从取得存货开始至消耗、销售为止所经历的天数
公式:
30/(供应链主营业务成本/当月供应链平均库存金额)
计算口径:
- 区分产品形态:物料、在制品、成品
- 出货完成后才会产生主营业务成本,看全局数据时候用主营业务成本来算没问题,但是对于物料的采购来说,库存周转更多的是看投料的节奏,所以算物料的库存周转时,可以用【投料金额】替代主营业务成本。
【智能制造】-卓越供应链指标体系相关推荐
- 智能制造、工业互联网、数字化转型哪家强?请收好这份榜单!
中国工业报2020"智造基石"优选榜近日正式揭晓.本次活动分为工业互联网.智能制造.数字化转型三个方向,以挖掘相关领域的优秀服务商及其解决方案,以及在数字化转型中成效突出的工业企业 ...
- 工业互联网应用于工业电商平台,如何实现工业产业智能制造场景
工业互联网平台技术是将全世界的工业制造系统与智能制造机器系统经过高级计算.分析.感应.互联网技术连接汇总融合的结果,工业产业互联网通过智能制造机器间结合软件 .大数据分析,重构全世界工业.进一步激发生 ...
- 【智能物流】智能制造下的智慧供应链变革
如今,全球经济已进入供应链时代,企业与企业之间的竞争开始转化为企业所处的供应链与供应链之间的竞争.在智能制造环境下,打造智慧.高效的供应链,是制造企业在市场竞争中获得优势的关键.智慧供应链的创新发展, ...
- 【智能制造】新能源汽车供应链整合与智能制造的操作抓手在哪里?四位大咖热议工业4.0
随著工业4.0趋势兴起,在互联网+与物联网的双重推波助澜下,产业的市场边界已逐渐模糊,对中国企业而言,如何在产业升级的过程中搭上互联网+的风口转型创新,是在思考供应链管理时不可忽视的重点.3月31日, ...
- 服装产业发展趋势|供应链|智能制造
服装业是创造美好时尚生活的基础性消费品产业和民生产业,也是体现技术进步.社会文化发展和时代变迁的创新型产业,在提高人民生活质量.发展国家经济.促进社会文化进步等方面发挥着重要作用. 作为全球规模最大 ...
- 提升制造卓越性 沿着价值链管理生产流程
注by Yujia,本文是上篇 制造企业3.0 基于流程的新的信息管理范例 的后续. ========================================== 提升制造卓越性 沿着价值链管 ...
- 【智能制造】【APS】数字化智造下APS软件的架构与展望
APS(Advanced Planning and Scheduling) 高级计划与排程均衡供应链与生产过程中各种资源:在不同的供应链与生产瓶颈阶段给出最优的生产计划与排程:实现快速计划排程并对需求 ...
- 【航空发动机制造装配】商发制造:商用航空发动机总装智能制造集成创新与应用
参考:http://www.ctoutiao.com/1037644.html 工信部公布2018年智能制造试点示范项目名单,中国航发上海商用航空发动机制造有限责任公司(简称"商发制造&qu ...
- 2022中国智能制造领域最具商业合作价值企业盘点
数据智能产业创新服务媒体 --聚焦数智 · 改变商业 自2022年3月初,数据猿正式推出以"数智力·新格局"为主题的"2022行业盘点季大型主题策划活动"以来, ...
最新文章
- 计算机软件与理论考研考试科目,2014年电子科技大学081202计算机软件与理论考研专业目录及考试科目...
- python常用关键字意思_python基础之常用关键字总结
- 小程序如何选择云服务器,小程序怎么选择云服务器配置
- es6 --- Thunkify源码分析
- jvm分配内存_为JVM分配内存:一个案例研究
- file_get_contents请求失败处理_SpringCloud Gateway网关处理请求过程中遇到400Bad Request问题解决方案...
- linux内核的裁剪和移植实验,实验5 linux内核的裁剪移植.doc
- Android性能优化——界面流畅度优化
- C# 如何 保存对config文件的修改
- NVM node版本管理工具的安装和使用
- Objective-C 内存管理
- 平分物品价值java_网易互联网8.8笔试_第2题平分物品_自己的题解记录
- 极客大挑战2020_CTF-Web-[极客大挑战 2019]BabySQL
- 巧妙的使用RDP报表工具(免费报表工具、报表设计器)Excl绘制报表
- 3904三极管是什么功能_新方法讲解三极管工作原理
- axio请求与响应拦截器
- C2Prog 串口烧录出现Connecting with target… failed(no response)!
- 阿里云服务器购买流程及连接测试(学习笔记)
- 重建系统的 WinRE
- 北大2021年计算机分数分数线,北京大学2021年考研复试基本分数线已发布