אסטרטגיות לתכנון יעיל של מכונות בשרשרת האספקה של הרכב

תכנון היכולת בשרשרת האספקה של הרכב

תכנון יכולת הוא התהליך האסטרטגי של קביעת יכולת הייצור הדרושה כדי לענות על הביקוש ללקוח לשינוי.בתעשיית הרכב, זה כרוך התאמת מתקני ייצור, רמות כוח העבודה, ציוד ויכולות הספק כדי לייצר את מספר המכוניות והרכיבים הנכונים בזמן הנכון.יכולות יעילה תכנון השפעות ישירות, זמני אספקה, שביעות רצון הלקוחות.ללא זה, יצרני רכב להתמודד עם יעילות יקר: אונים וצמחים עודף, או עודף מכירות, או מופחתת.

הנתחים גבוהים במיוחד ברכב, כי רשתות האספקה מקושרות עמוקות ופועלות על עקרונות רזים.צוואר בקבוק יחיד ב- tier-2 חלקי ספק יכול לעצור קווי ייצור ביבשות.יתר על כן, התעשייה עוברת טרנספורמציה מסיבית לעבר כלי רכב חשמליים (EVs), נהיגה אוטונומית וייצור דיגיטלי, המציג משתנים חדשים לתוך חישובים קיבולת.

מאמר זה מפרט אסטרטגיות מעשיות עבור אופטימיזציה של יכולת תכנון שרשרת אספקת הרכב, מטכניקות תחזית יסוד לשיתוף פעולה אנליטית ספקית מתקדמת.על ידי יישום שיטות אלה, יצרנים יכולים לבנות מערכת ייצור יעילה ויעילה בעתיד.

סוגים של אסטרטגיות תכנון יכולות

לפני צלילה לטקטיקות ספציפיות, חשוב להבין את שלוש האסטרטגיות הבסיסיות להתאמה של יכולת עם הביקוש: להוביל, lag, והתאמה. כל אחד מהם נושא פרופילים שונים של סיכון, השלכות עלות, והתאמה בהתאם לתנאי השוק ואסטרטגיה הארגונית.

אסטרטגיה מובילה

אסטרטגיה מובילה מוסיפה יכולת בציפייה לביקוש עתידי עולה.גישה זו מציבה את החברה ללכידת הזדמנויות צמיחה במהירות, אבל היא דורשת השקעה משמעותית בבירה ונושאת את הסיכון של נכסים לא מסולקים אם הביקוש אינו מממש כפי שצפוי.רכב OEM לעתים קרובות להשתמש באסטרטגיה זו בעת ההשקה של מודלים חדשים או כניסה לשווקים גיאוגרפיים חדשים, במיוחד כאשר זמני ייצור הם ארוכים.

אסטרטגיה Lag

אסטרטגיית ה-Glag מוסיפה יכולת רק לאחר שהביקוש כבר עלה על היכולת הקיימת.זה שמרני, מצמצם את הסיכון למשיכת יתר, אך יכול להוביל למכירות שאבדו, זמני מוביל יותר, וחוסר שביעות רצון לקוחות.ברכב, גישה זו נפוצה בקרב הספקים המרכיבים העומדים בפני דרישה בלתי ודאית מכמה OEM.עם זאת, היא עלולה להזיק בשוק תחרותי שבו מהירות לשוק היא מבדלת.

אסטרטגיה

אסטרטגיה של התאמה מנסה להוסיף יכולת ברווחים קטנים ככל שהביקוש גדל, איזון הסיכון והיענות.זה לעתים קרובות הגישה המעשית ביותר עבור רשתות אספקת הרכב, שבו השקעות הון גדולות אך אותות הביקוש ניתן לעקוב באמצעות נתונים בזמן אמת. אסטרטגיות התאמה לעבוד טוב בשילוב עם מערכות ייצור גמישות קווי ייצור מודולרי שניתן להפריז או לרדת בקלות יחסית.

תכנון קיבולת יעילה אינו להסתמך על אסטרטגיה אחת.במקום זאת, חברות ליישם תערובת בהתאם למשפחות המוצר, קריטיות רכיב ותנודתיות שוק.לדוגמה, פלטפורמות גבוהות, יציבות יכולות להשתמש בגישה מובילה, בעוד נישה או רכיבי EV ספציפיים עשויים לעקוב אחר התאמה או lag אסטרטגיה עד דפוסי הביקוש מוצק.

אתגרים ייחודיים לשרשרת האספקה של הרכב

שרשרת האספקה לרכבת מתמודדת עם אתגרים ברורים שגורמים להגדלת יכולת תכנון היכולת להבין את המכשולים האלה חיוני לתכנון אסטרטגיות יעילות.

Just-in-Time and Lean Manufacturing

התעשייה אימצה זמן רב רק בזמן (JIT) וייצור רזה כדי למזער את עלויות הנושא. בעוד מערכות אלה לשפר את היעילות, הם משאירים מקום קטן עבור שגיאות בתכנון יכולת. הפרעה בספק יחיד - בין אם בשל אסון טבעי, שביתת עבודה או מחסור חומרי - יכול קשקד במהירות, גרימת הפסקות ייצור על פני צמחים מרובים.

הפשטות העולמית והוולטילות

שרשרת האספקה לרכבת משתרעת על עשרות מדינות, כל אחת עם סביבות רגולטוריות שונות, עלויות עבודה ואיכות תשתיות. מתחים גיאופוליטיים, מכסי מסחר ותנודות מטבע יוצרות אי ודאות שמסבך החלטות לטווח ארוך.מגפת COVID-19, המחסור במוליכים למחצה, והמלחמה באוקראינה הפגינו היטב כיצד הנחות מהירות על יכולת להפוך מיושנות, יש לבחון את הלחץ נגד טווח פוטנציאלי של הפרעות.

המעבר לרכבים חשמליים

ייצור EV דורש תהליכי ייצור שונים ביסודו - ייצור כלי שיט, ייצור מנוע חשמלי, וארכיטקטורה חדשה של כאסד - הדורשות השקעות יכולות חדשות לחלוטין.מפעלים מסורתיים של כוח להיות underutilized בעוד סוללות ג'יגה-מספקים חייב להיבנות לעתים קרובות מאפס. זה קיבולת כפולה מציב לחץ עצום על תכנון. Automakers חייב להחליט כמה מהר כדי להעביר משאבים ממנועי הבעירה פנימית (ICE) לקווים, איזון עתידי עם צמיחה עלול להוביל או שינוי נכסים פגומים.

ספק מורכב Tiers

לרכב טיפוסי יש אלפי חלקים שמקורם במאות הספקים הראשונים, שכל אחד מהם מסתמכ על ספקים משניים ושלישיים.מגבלות יכולות יכולות יכולות להתרחש בכל רמה, וחשיפה לטיפים נמוכים יותר היא לעתים קרובות מוגבלת.

אסטרטגיות מפתח לתכנון יכולות יעילות

1.התחזית הביקוש עם Advanced Analytics

תחזית הביקוש הרציפות הן הבסיס לתכנון יכולת.ברכב, התחזיות חייבות ללכוד את שני המגמות לטווח ארוך (מחזור חיים מודל, שינויים רגולטוריים) ותנודות קצרות טווח (מכירים, פעולות מתחרות, אפקטים עונתיים) שיטות זמן מסורתיות (מודל מחזור חיים, ובמקרים מסוימים מוחלפים - על ידי למידת מכונה (ML) שיכולה לשלב נתונים לא מבנים כגון רגש חברתי, אינדיקטורים מאקרו-כלכליים, ועלולים לגרום לתרחישים יעילים יותר.

יצרני רכב כגון טויוטה ופורד משקיעים בכבדות בפלטפורמות ניתוח פנים שאינן ביתיות המעדינות תחזיות באמצעות נתוני מכירות בזמן אמת, פלט במפעל וסימנים לשרשרת האספקה.מערכות אלה ניזנות ישירות לתוך מודולים בתכנון משאבים ארגוני (ERP), ומבטיחות כי לוחות הזמנים של ייצור נשארים תואמים עם הביקוש מבלי לדרוש עבודות ידניות.

מערכות ייצור גמישות והפקה מודולרית

גמישות היא האנטידוטה לאי ודאות. יצרני הרכב מאמצים יותר ויותר מערכות ייצור גמישות המאפשרות קו ייצור יחיד לייצר מודלים מרובים, גרסאות, או אפילו סוגים שונים של אימון חשמל (ICE, היברידית, EV) עם זמן מינימלי של שינוי זמן. פלטפורמות ייצור מודולריות - כגון MEB של פולקסווגן או טויוטה של TNGA - סטנדרטיזציה תחת רכיבים תוך מתן התאמה אישית בגוף העליון ובתוך זה להפחית את הקיבולת הנדרשת לקווים מהירים יותר.

ייצור גמיש כולל גם את כוח העבודה חוצה, התאמות, מערכות רובוטיות שיכולים לעבור בין משימות. על ידי יכולת בנייה שניתן במהירות reconfig, חברות יכולות להימנע מהפסגות הקיצוניות ותוצאות של מתקנים ייעודיים. לדוגמה, כמה צמחים לרוץ שני שינויים במהלך הביקוש הגבוה ולהפחית את המעבר אחד במהלך ההאטה, ולא לבצע מעבר קבוע.

3.יכולות האסטרטגיות Cushioning and Buffering

שמירה על קיבולת ייצור של FLT:0 sushionph:1 (extra הייצור מעבר לביקוש שיא הצפוי - מספק חיץ בטיחות נגד ספיגים ביקוש בלתי צפוי, הפרעות אספקה, או בעיות איכות הדורשות עבודה מחדש.גודל הכרית האופטימלי משתנה על ידי מוצר, תהליך וסובלנות.

חסמים אפשריים יכולים לקחת מספר צורות: ציוד idle שניתן להפעיל, שעות נוספות, עבודה זמנית, או הסכמי מיקור חוץ.ברכב, שיטה נפוצה יותר היא להחזיק מלאי מודולרי במקומות אסטרטגיים - הידוע בשם "float" - שניתן לפרוס במהירות נקודות איסוף חלופיות.זה שונה ממניה בטיחות המסורתית כי הוא סמי-finished, מותאם אישית במקומות האחרונים, הממוקם קרוב לנקודות אימון פוטנציאליות.

עם זאת, סדקים באים עם עלויות.יתר יכולת קשרים עם הון ועשויים להפחית את ההחזר על נכסים.לכן, החלטות ניתוב יכולות להיות מונעות על ידי נתונים, במשקל עלות יכולת idle נגד עלות המכירות שאבדו וכלי משלוח מתוכנתים המפעילים אלפי תרחישים "מה אם" יכולים לעזור לתכנן את זיהוי רמת הכריתה היעילה ביותר עבור כל חלק של שרשרת האספקה.

שיתוף פעולה ו- Tier Management

אין תוכנית קיבולת הרכב מלאה ללא שילוב עמוק של ספקים בכל הטיפים. ספקים מובילים וספקים של tier-1 חולקים תחזיות של 12 חודשים עם השותפים שלהם, להשקיע בפרויקטים של הרחבה משותפת, ולנהל ביקורת קבועה של קווי ייצור הספק. גישה שיתופית זו מפחיתה את הסימטריה מידע ומאפשרת לספקים לתכנן השקעות משלהם עם ביטחון.

בפועל, שיתוף פעולה ספק פירושו הקמת צוותים פונקציונליים העונים באופן קבוע - כולל רכש, לוגיסטיקה, הנדסה ותכנון - כדי לבדוק מגבלות יכולת, חלקי צוואר בקבוק, ושינויים זמניים מובילים. פלטפורמות כמו פורטלים ספק ומערכות תכנון מבוססות ענן מאפשרות חשיפה בזמן אמת לתוך מלאי, הזמנות פתוחות, לוחות זמנים ייצור. שקיפות זו היא קריטית במיוחד במהלך שלב של שיגורים חדשים או כאשר המעבר בין צמחים.

עמידות שרשרת האספקה דורשת גם אסטרטגיות מיקור חוץ-מיליטר (FLT:1) עבור רכיבים קריטיים. Reliance על מקור יחיד עבור חלק ייחודי יוצר נקודה אחת של כשל על ידי הקטנת מספר ספקים מוסמכים (לעתים קרובות על פני אזורים שונים), קובעי רכב להבטיח כי היכולת אינה רק יחד עם מתקן אחד או מדינה.

התפקיד של Advanced Analytics, AI ו- Digital Twins

הטכנולוגיה מעצבת מחדש את תכנון היכולת של ניתוח מתקדם ו-AI לעבור מעבר לניתוח מגמה היסטורי כדי לספק תובנות חיזוייות ופוסט-מרשם.

Machine Learning for Demand Sensing and Scenario Planning

מודלים של למידת מכונות יכולים לעבד כמויות עצומות של נתונים - מכירות עסקאות, חיפושים באינטרנט, דפוסי מזג אוויר, מחירי סחורות, אינדיקטורים של צניחה נמל - כדי לייצר "רגישות לטווח קצר" כי התאמת תוכניות קיבולת שבועית או אפילו מדי יום. חלק מהיצרנים משתמשים ב-ML כדי לזהות שינויים בהעדפות הצרכנים מוקדם, ומאפשר להם לשנות את היכולת בין דגמים לפני התחרות.

סימולציות ו- Digital Twins

תאומים דיגיטליים - העתקים וירטואליים של מערכות ייצור פיזיות - מאפשרים למתכננים לבחון תרחישים ללא הפרעה של פעולות אמיתיות. על ידי סימון קווי הרכב, זרמים חומריים, הקצאת כוח העבודה, מנהלים יכולים לזהות צווארי בקבוק, ניסיון הגדרות פריסה שונות, ואופטימיזציה של דפוסי שינוי.תאומים דיגיטליים גם משתלבים עם כלי ניראות שרשרת האספקה כדי לעצב את ההשפעה של עיכובים ספק, הפרעות תחבורה, או ירידה בזמן אמתי.

חברות רכב גדולות כמו BMW ו- טסלה משתמשים תאומים דיגיטליים לא רק לתכנון קיבולת, אלא גם עבור קבלת החלטות capex. תאום דיגיטלי יכול לרוץ אלפי סימולציות כדי להשוות את העלות-תועלת של הוספת קו ייצור חדש לעומת מיקור חוץ מאשר שימוש במשרה יתר.התוצאה היא תוכנית קיבולת קפדנית יותר, ממוקדת נתונים כי חשבונות למציאות תפעולית.

AI ו-Prescriptive Planning

יכולות בינה מלאכותית מתפתחות יכולות להציע באופן אוטומטי פעולות הסתגלות יכולות: "מהירות קו המחייה של 5% על שינוי A, להוסיף קו זמני אחד לספק X, ועיכוב מודל Y ההשקה על ידי שבועיים כדי לאזן" ההמלצות הללו נוצרות על ידי אופטימיזציה של מדדים - עלות, דרך חישוב, רמת שירות - וגורם במגבלות כמו זמני להוביל זמן, עבודה, ותקציב, בעוד כלים מוקדמים, כך לתכנן מעונות הימים לדחוסים.

ניהול סיכונים וגמישות בתכנון

תכנון יכולת מודרני חייב לשלב ניהול סיכונים כתפקוד הליבה, לא לאחר מכן שרשרת האספקה של הרכב פגיע לאירועים גיאופוליטיים, אסונות הקשורים לאקלים, מתקפות סייבר, ופשיטות רגל הספק.

תכנון ובדיקות מתח

במקום להניח מסלול ביקוש יחיד, מתכננים קיבולת צריכים להגדיר מגוון של תרחישים סבירים - הסתברותי, פסימי, וסביר להניח - ולהעריך את תוכניותיהם נגד כל אחד.לדוגמה: "מה אם ספק מוליכים למחצה גדול נסגר במשך שישה שבועות?", או "מה אם אימוץ EV מאיץ 30% מהר יותר מאשר צפוי?", בדיקה מראה איפה פערים חמורים ביותר וסיכון הפחתת ההשקעה הגבוהה ביותר?

חברות מובילות משתמשות "מפות חום סיכון" כי מיקום הספק יתר, תלות ממקור יחיד, ו ציוני סיכון גיאופוליטיים על נתונים של יכולת.דמיון זה עוזר עדיפות פעולות כגון הגדלת מבולבלים מלאי בליטות בסיכון גבוה, זכאים מקורות חלופיים, או השקעה בקווי ייצור כפול יכולת שיכול לעבור בין רכיבים.

אסטרטגיות Buffer: ממציא, זמן וקיבולת

בסביבה תנודתית, כיפוף מבוסס סיכון עובר מעבר לשחיקה קיבולת.שלושה סוגים של buffers ניתן להשתמש בשילוב:

• (FLT:0) מחסנים: FLT:1 בטיחות מלאי רכיבים קריטיים או מוצרים עתירי בסיס בנקודות טיהור אסטרטגי.
• (ב) ,0) ,Time buffir: 1FLT 1 זמן מוביל נוסף שנבנה בלוח הזמנים של ייצור כדי לאפשר התאמות של דקות האחרונות.
• (ב) ,0) ,Capacity buffers:FLT:1 ציוד אידל, יכולת יתר, או חוזים גמישים עם יצרנים של צד שלישי.

האמנות היא איזון בין הציצים האלה כדי להשיג חוסן בעלות הנמוכה ביותר.כלים סימבוליים עוזרים לקבוע את התערובת האופטימלית עבור כל משפחת מוצר.לדוגמה, מרכיב עתי עת ארוך עשוי להפיק תועלת מ-bu מלאי גדול יותר, בעוד חלק ממוצר עם ספקים רבים עשוי רק צורך קיבולת קטנה.

הצלחה: KPIs for Capacity Planning

כדי לשפר את תכנון היכולת ברציפות, ארגונים חייבים לעקוב אחר ביצועים נגד אינדיקטורים מרכזיים.מפלקסים צריכים לשקף את יעילותם (ביקוש לביקוש) ויעילות (באמצעות משאבים בחוכמה).

• שיעור השימוש בצמצום: 0 (Capacity Utilization Rate: 1FIRLT 1) תפוקה מעשית המחולקים על ידי פלט מקסימלי אפשרי. Target לעתים קרובות 75-85% במכוניות כדי לשמור על גמישות.
• זמן שינוי: 1FLT 1 הזמן הממוצע להחליף את הייצור ממודל אחד לזמנים קצרים יותר מצביעים על גמישות גבוהה יותר.
• שיעור הפחתת ה-Fulfillment Rate: ההרחבה של הזמנות הלקוחות הנמסרים בזמן.
• (ב) ⁇ :0) , 000 ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
• (ב) ,0 ימי אספקה: מספר 1 של ימים המלאי הנוכחי יכול לקיים ייצור ללא משלוחים חדשים.
• (ב) ⁇ :0) ⁇ בזמן: 1 ⁇ חיוני להבנת מגבלות יכולת ב- upstream tiers.
• (ב) ,0) של יכולת אידל: 1 דולר ערך של משאבים לא מנוצלים אך זמינים.

יש לבחון את ה-KPIs האלה בחודש ברמה המבצעית ובשבועיות ברמה המבצעית.ד"טים המשולבים במערכות ERP וייצור (MES) מספקים חשיפה בזמן אמת, המאפשרים פעולות תיקון מהירות כאשר יכולת סחף החוצה מהמטרות.

תכנון יכולת בת קיימא

קיימות סביבתית משפיעה יותר ויותר על החלטות יכולתיות.יצרניות הרכב מתמודדות עם לחץ להפחית את טביעת הרגל של פחמן, להגביל פסולת, ולעמוד בתקנות כגון מנגנון ההתאמה של הגבול פחמן של האיחוד האירופי.

• (FLT:0) קווי ייצור יעילים: FIRLT:1 , השקעות במנועים בעלי יעילות גבוהה, תאורה LED, מקורות אנרגיה מתחדשת עשויים להשפיע על תקציבי ההון ועל עלויות התפעול.
• (FLT:0)סוף-חיים של כלי רכב מחזור: אנדרט 1 1 תכנון ללוגיסטיקה הפוכה וכושר ההגשמה הופך חיוני, במיוחד עבור סוללות EV.
• (FLT:0) לולאות כלכלה מעגלית: FLT:1 יכול להשתמש בחומרים ממכוניות מגרדות מפחיתות את צרכי רכש חומרי גלם וייצוב שרשרת אספקה.

מנהיגי רכב כמו רנו ו-BMW כבר מוטבעים מדדי קיימות בתכנון היכולת שלהם.לדוגמה, הם רואים את ההשפעה של פחמן של הפעלת מפעל בניצול גבוה מול עלות הפחמן של חומרי המשלוח מרחוק. אופטימיזציה רב-אובייקטיבית זו עדיין מתפתחת אך תהפוך לפרקטיקה סטנדרטית כגישה של אפס רשת.

מסקנה

תכנון יעיל בשרשרת האספקה של הרכב הוא משמעת דינמית, רב-פנים הדורשת תערובת של חיזוי מדויק, ייצור גמיש, מבולגן אסטרטגי ושיתוף פעולה ספק עמוק.הפרדיגמה הישנה של תוכניות שנתיות סטטיות המבוססות על הביקוש הטוב ביותר הוא נותן דרך לתכנון מתמשך, מונע נתונים, תרחיש-מודע כי מנף AI, תאומים דיגיטליים וחשיפה בזמן אמת.

חברות רכב להשקיע ביכולות אלה לא רק להימנע הפרעות יקרות, אלא גם להשיג יתרון תחרותי בתעשייה שבה מהירות, עלות, וחוסן הם חובה. על ידי אימוץ מוביל, lag, או להתאים אסטרטגיות מתאים, בדיקת מתח נגד סיכונים, מעקב אחר KPI הנכונים, יצרנים יכולים להתאים את היכולת עם הביקוש ביעילות ובקיום.

לתובנות נוספות, לחקור את הניתוח של מקינזי על FLT:0automotive שרשרת טרנספורמציה שרשרת האספקה של מק'ימרטוט 1, הדרכה של דלויט על FLT:2Industry 4.0 וייצור גמישות FLT 3:, ואת המחקר של ניהול MIT על FLT:4 מונחה על תכנון יכולת מבוססת נתונים:5Industry 4.0 and ManufacturingגמישותFLT 3: 3.