Aktuální vydání

celé číslo

11

2020

Systémy řízení výroby a výrobních podniků

Elektrické, pneumatické a hydraulické pohony

celé číslo

MES – diskrétní simulační model pro optimalizaci procesů

Není jednoduché naslouchat hlasu zákazníka a pružně se přizpůsobovat jeho stále se měnícím potřebám. Není jednoduché pravidelně dosahovat vysoké úrovně spokojenosti a loajality zákazníků. Měřítkem úspěšnosti řízení firemního procesu je právě spokojenost zákazníků. Jedním z možných podpůrných instrumentů při řízení je systém MES, který lze použít jako funkční nástroj pro sběr dat a analýzu zpětné vazby se vztahem ke kritickým parametrům kvality a tzv. hlasu zákazníka (VOC/CTQ). V příspěvku je popsán koncept systému MES umožňující optimalizovat proces vyřizování reklamací při využití báze diskrétní simulace v oblasti VOC/CTQ a je na příkladu ukázán způsob jeho použití. 

1. Úvod

V současné ekonomické situaci charakteristické zejména dynamickými změnami podmínek na trhu, závisí úspěch podnikání především na schopnosti efektivně řídit veškeré procesy v podniku, jako je nákup, vývoj a výzkum, výroba, vedení skladů a logistika, marketing, prodej atd. Nestačí však jen izolovaně optimalizovat činnosti prováděné v jednotlivých útvarech podniku, nýbrž je nutné všechny tyto činnosti pojímat jako prvky komplexního systému, jehož soustavnou optimalizací lze dosahovat významných synergických efektů pro inovace a zlepšování. Základním předpokladem k dosažení cílového stavu, kterým by mělo být soustavné zdokonalování celého systému podniku (zavedení filozofie Kai-zen), je možnost sdílet informace prostřednictvím vhodného informačního systému (databázového typu).

Funkci takového integračního nástroje splňují výrobní informační systémy (Manufacturing Execution System – MES), doplňující podnikové informační systémy (Enterprise Resource Planning – ERP) a systémy dílenského řízení výroby (Shop Floor Control – SFC) [1]. Systémy MES však v současnosti dokážou integrovat i další podnikové procesy, přičemž lze rozlišit hlavní a podpůrné funkce MES (obr. 1). Z hlediska jejich architektury je možné systémy MES rozdělit na aplikačně zaměřené znalostní systémy, umožňující použití programovacích jazyků vyšší úrovně, a databázově zaměřené znalostní systémy, v nichž operace s daty probíhají v rámci systému řízení báze dat (Database Management System – DBMS) [3]. Sběr dat pro tyto systémy je však časově a personálně náročný a v současnosti chybí dostatečně výkonný a efektivně použitelný nástroj pro řízení podnikových procesů (Business Process Management – BPM), což je jeden z nástrojů k rea­lizaci konceptu Six Sigma s jeho projektovým řízením DMAIC (Define, Maeasure, Analyse, Improve, Control).

Příspěvek je dále zaměřen na vybrané procesy v konkrétním průmyslovém podniku, přičemž důraz je kladen zejména na využití potenciálu systému MES k řízení kvality poskytovaných služeb, jak ji vnímají zákazníci (tzv. procesy sběru VOC – Voice Of Customer), a na zavedení principů štíhlé logistiky (lean logistics). Součástí návrhu tohoto nového konceptu systému MES bylo jeho ověření s použitím diskrétního simulačního modelu. Ověření považují autoři za nezbytné z toho důvodu, že existuje mnoho studií, které využívají simulační experimenty ke kvantifikaci efektů zavedení prvků štíhlé logistiky a štíhlé výroby (lean manufacturing), přičemž některé z nich ukazují, že zavedení (jen vybraných) pravidel nemusí nutně vést k optimalizaci příslušných podnikových procesů a interních kritérií klíčových pro řízení jejich kvality (tzv. parametry CTQ – Critical To Quality) [4], [5]. Diskrétní simulační modely jsou též využívány k ověření referenčních modelů systémů MES [6].

2. Současná situace

Při navrhování systému MES podle nového konceptu byl kladen důraz na jeho využitelnost v praxi v automobilovém průmyslu v oboru dodávek náhradních dílů. Motivací byla skutečnost, že v současné době jsou pro hodnocení celkové kvality dodávek uplatňovány pouze nástroje reaktivní, tj. nástroje pro analýzu ex-post, zatímco při řízení (neustálém zdokonalování) procesů v podniku je třeba se zaměřit na proaktivní řízení kvality dodávek, tj. analýzu ex-ante.

Při samotném hodnocení kvality se zde vychází z metodiky Six Sigma neboli strategického zlepšování procesů, kde hlavním ukazatelem je tzv. efektivita procesu. Doplňkový jev, tedy neefektivitu, lze vyjádřit jako podíl počtu výskytů sledovaného jevu (v kontextu článku jde o zpětnovazební informaci o nekvalitní dodávce – reklamaci) k počtu všech pozorování (všech dodávek). Analogicky lze efektivitu označit jako Accuracy Rate a neefektivitu jako Failure Rate, tj. podíl defektních produktů (popř. služeb) a všech produktů (výkonů poskytnutí služby), takže platí (v procentním vyjádření)

vzorec     (1) 

vzorec     (2)

Na základě ukazatele Accuracy Rate jsou pak v rámci metodiky Six Sigma vypočítávány bezrozměrné ukazatele Short-Term Sigma LevelLong-Term Sigma Level jako

Short-Term Sigma Level = NORMSINV (Accuracy Rate)                         (3)

LevelLong-Term Sigma Level = NORMSINV(Accuracy Rate) + 1,5    (4)

kde funkce NORMSINV(x) je inverzní funkcí k součtovému normálnímu rozdělení pravděpodobnosti x (např. v tabulkovém procesoru MS Excel jde o funkci NORM.S.INV, odkud je také název funkce převzat).

Přes již uvedené bývá mnohdy jediným měřitelným ukazatelem použitelným k analýze kvality procesu dodávek zákazníkům bezrozměrná tzv. reklamační kvóta analogicky kvantifikovaná jako neefektivita procesu

vzorec               (5)

Nekvalita je v kontextu dodávek náhradních dílů determinována četností reklamací. Nekvalitu v rámci procesu dodávek lze stručně analyzovat např. způsobem podle tab. 1.

Pokud jde o zpracování reklamací, existujícím problémem je tendence používat pouze konstantní a reaktivní přístup. Možnosti účinně a proaktivně řídit eliminaci příčin chyb jsou za takové situace omezené a nedovolují proces cíleně optimalizovat ve vztahu k interním kritériím kvality a externím faktorům spokojenosti zákazníka.

Pro statistickou analýzu zlepšování procesu je primárně důležité kvantitativně určit základní úroveň výkonnosti procesu, od níž je třeba následně odvíjet další optimalizační snažení. Důležitým ukazatelem je rovněž veličina σ, představující úroveň krátkodobé nebo dlouhodobé míry variability vyskytující se v procesu

     vzorec (–)          (6)

kde

σ je směrodatná odchylka řady hodnot efektivity procesu (Accuracy Rate) přes období 1 až n,

xi  hodnota efektivity procesu v i-tém období,

xŻ aritmetický průměr efektivity procesu v rámci zvoleného časového horizontu,

n   počet sledovaných období, která dohromady tvoří časový horizont.

Kvantifikovat kvalitu procesů ve vztahu k VOC/CTQ lze opět analogicky případu vyjádření nekvality dodávek na základě četnosti reklamací. Jedním ze způsobů je použití převrácené hodnoty odchylky σ (včetně případného normování) zohledňující snahu o minimalizaci již uvedené míry varia­bility (vzhledem k výchozí hladině), a tím maximalizace kvantifikované míry varibili­ty, tzv. Sigma. Souvislost mezi získanou kvantifikovanou mírou variability Sigma a variabilitou σ ukazuje tab. 2, v jemnějším dělení obr. 2.

Popisovaný koncept MES dále vychází z bezrozměrného ukazatele LeanPCE (Lean Process Cycle Efficiency; tj. relativní účinnost procesu) určeného vztahem

vzorec (–)          (7)

kde

VA je souhrnná doba trvání aktivit přidávajících hodnotu, tj. orientovaných na splnění přání zákazníka (Value Added Activities – VA),

PLT  celková doba trvání procesu, zde zpracování jednotlivé reklamace (Process Lead Time).

O aktivitách typu VA se předpokládá, že jsou napoprvé vykonány správně. Vedle nich jsou evidovány aktivity typu NVA (Non Value Added Activity), které nejsou z pohledu zákazníka patrné jako přínos, a nepřidávají tudíž žádnou výstupní hodnotu, a dále aktivity typu BNVA (Business Non Value Added Activity), které rovněž nepřidávají hodnotu pro zákazníka, je však nezbytné je provést z důvodu splnění závazných nařízení a místní legislativy, pro vedení účetnictví apod.

Uvedené vztahy a pravidla vymezují řešený rozhodovací problém, který má vyústit v optimalizaci reklamačních procesů na základě simulace zpětné vazby ze systému MES. Jedním z podkladů použitých při rozhodování o zavedení nového konceptu MES byly výsledky simulačního experimentu provedeného s diskrétním simulačním modelem porovnávajícím současné uspořádání reklamačních procesů s nově navrhovaným. V rámci porovnání byla posouzena doba potřebná ke zpracování jednotky vstupující do reklamačního procesu (PLT), provedena analýza procesu mapováním toku hodnot (Value Stream Mapping – VSM) a posouzeny náklady vázané na tyto procesy. Přínosem vytvořeného simulačního modelu je nejen podpora při jednorázovém rozhodnutí, nýbrž i možnost efektivně kontinuálně zdokonalovat procesy na základě ověřování různých variant jejich uspořádání.

3. Charakteristika simulačního nástroje pro optimalizaci procesů

Na základě výsledků analýzy současného stavu byl navržen a v praxi ověřen nový koncept simulačního modelu pro optimalizaci uvedených reklamačních procesů. Zatímco v současnosti jsou vstupní údaje získávány ex-post, od modelu bylo požadováno, aby umožnil parametrizovat vstupy, zejména s přihlédnutím k náhodnosti procesů a stochastickému charakteru hodnot některých sledovaných atributů reklamací, a specifikovat různé scénáře, a provádět tak při použití simulačních experimentů analýzy typu what-if. Současně byla požadována možnost charakterizovat v rámci modelu strukturu celého procesu správy reklamací (daného novou koncepcí MES), což následně umožňuje porovnávat různé alternativy uspořádání procesu, zejména za účelem redukce aktivit typu NVA. Simulační model byl vytvořen v jednom z často používaných softwarů pro tvorbu diskrétních simulačních modelů a realizaci simulačních experimentů.

Nástroje pro diskrétní simulace se v současnosti běžně používají především při optimalizaci materiálových toků, logistických procesů, zobrazování výrobních a manipulačních procesů, při emulaci za účelem ověření programů pro řídicí jednotky (PLC) robotických pracovišť apod. Z tohoto pohledu je tedy použití simulačních experimentů k ověření změn hodnot hlavních ukazatelů výkonnosti (Key Performance Indicator – KPI) dosažených zavedením nového konceptu MES (v porovnání s hodnotami dosahovanými za současné situace) netradiční.

Vstupní údaje použité v modelu lze rozdělit na parametry vztahující se k dílčím krokům a krokům tvořícím jednotlivé fáze reklamačního procesu a proces samotný a parametry reklamací vstupujících do procesu. V rámci tvorby koncepčního modelu byly identifikovány vlivy hodnot některých atributů reklamací na jejich průběh systémem. Tato situace je namodelována prostřednictvím parametrických rovnic, jejichž návratová hodnota ovlivňuje některou ze sledovaných výstupních veličin, a tím i cílovou funkci. Šlo zejména o doby trvání jednotlivých aktivit a náklady vzniklé mezi jednotlivými aktivitami a o způsob ukončení procesu zpracování reklamace v daném dílčím kroku (postoupení do dalšího kroku; vrácení do předchozího kroku při odhalení chyby v předchozím zpracování, zamítnutí reklamace – vyřazení ze systému). Příslušnými míněnými parametrickými rovnicemi jsou pravděpodobnostní funkce s návratovou hodnotou závislou na předaném (uživatelsky definovaném) parametru. Protože s podporou výpočetní techniky lze stochastické jevy zachytit pouze jako pseudonáhodné, musela být jejich vzájemná nezávislost (pro každý dílčí subkrok procesu) zaručena použitím jiné, tzv. seed value (počáteční hodnoty proudu pseudonáhodných čísel) pro každý simulovaný náhodný jev. Na základě konzultací ohledně požadavků příslušného oddělení uživatelské firmy bylo k usnadnění činnosti obsluhy vytvořeno přímo v použitém softwaru uživatelské rozhraní pro zadávání struktury procesu a vstupních parametrů (obr. 3).

V simulačním modelu je sledován „tok“ reklamací procesem jejich zpracování, i ten však vykazuje podobnost s fyzickým tokem (coby obvyklým předmětem diskrétních simulací) – např. vrácení reklamace do předešlého (dílčího) kroku z důvodu zjištěného chybného zpracování. Přestože sledovaný proces je sekvenční ve smyslu možnosti zpracovat reklamaci až poté, co byla do daného kroku postoupena po ukončení kroku předchozího, bylo nutné vzít ohled na situaci, kdy se v určitém dílčím kroku zpracování nachází několik reklamací současně (paralelně), přičemž navíc obsluha těchto reklamací (ve smyslu teorie front) není dána striktně režimem FIFO, nýbrž je ovlivněna kombinací parametrů dané reklamace a příslušného kroku procesu. Výsledkem je promíchání sekvence reklamací, které lze spolu s dalšími charakteristikami průchodu reklamací systémem sledovat na základě definice evidenčních bodů (vybraných dílčích kroků), kde budou zaznamenávány okamžiky příchodu (příjmu) reklamací a jejich parametry. V tomto smyslu je tedy možné jako nástavbu samotného simulačního modelu využít další analytické nástroje, jako např. APP (Analyser of Production Processes), který je pro analýzu průchodu reklamací sledovaným systémem ideální [8].

4. Ověření optimalizačních návrhů

Návrh nové koncepce využití systému MES k optimalizaci procesů správy reklamací dodávek byl ověřen při použití diskrétního simulačního modelu podle kap. 3. Model byl náležitě validován a verifikován na základě porovnání výsledků deterministické simulace a statických výpočtů. Délka simulovaného období byla zvolena 40 hodin, přičemž ze statistického vyhodnocení byla odfiltrována počáteční doba 1,5 hodiny, po kterou se simulační model nacházel v přechodovém stavu. K tomu je třeba říci, že kapacita prvků simulující dílčí kroky zpracování byla volena dostatečná, a obsazenost těchto prvků (zahlcení reklamacemi) tedy nikterak neovlivňovala „tok“ reklamací systémem. Tento rozdíl oproti klasickým modelům materiálového toku teo­reticky umožňuje délku doby náběhu simulace procesu zpracování reklamací významně zkrátit, popř. zcela eliminovat.

Jako první v pořadí byl ověřen simulační model dosavadního procesu zpracování reklamací. Na základě ex-post analýzy současného systému byly veškeré atributy procesu vloženy do tabulek, jejichž struktura byla následně v simulačním modelu rozšířena o možnost zadávat různé hodnoty těchto parametrů a doplňkových údajů, jako např. typu rozdělení pravděpodobnosti a jeho parametrů, podle kterého se má daný jev v rámci konkrétního dílčího kroku řídit. Ukázka části této (jinak velmi rozsáhlé) vstupní tabulky je v tab. 3.

Simulační model, jehož struktura (počet a atributy dílčích kroků) je vygenerována na základě zadání vstupních parametrů procesu, zachycuje za běhu simulace obr. 4. Lze si povšimnout také použití dalších volitelných parametrů – např. v levé části modelu jsou zavedeny čtyři možné zdroje pro generování nových reklamací umožňující různě určovat vstupy reklamací do procesu (příchody s konstantním taktem nebo v intervalu řídícím se zvoleným typem náhodného rozdělení, pevně stanovený počet reklamací, zadání přesných okamžiků vstupu jednotlivých reklamací, popř. včetně určení hodnot atributů konkrétní reklamace).

Simulační model podle obr. 4 umožňuje sledovat dva hlavní ukazatele výkonnosti procesu – průměrné náklady, které vznikají (v průběhu simulovaného období) v jednotlivých dílčích krocích, a průměrnou dobu „pobytu“ reklamací v nich. Mezi oběma veličinami obecně existuje závislost daná hodinovou sazbou, označenou v tab. 3 jako „LEAN_normativ [pj/cas]“, kterou lze ovšem – coby jeden ze vstupních parametrů procesu – pro každý dílčí krok libovolně měnit. Dále jsou zaznamenávány reklamace, které byly z procesu vyřazeny, takže lze zkoumat např. četnost vyřazených reklamací podle jejich atributů.

Proces je možné dále analyzovat pomocí nástroje APP. Jde především o tyto analýzy:

–   časový přehled „průchodů“ reklamací jednotlivými dílčími kroky, subkroky a znázornění těchto „průchodů“ kumulovaně,

–   analýzu duplicitních průchodů reklamací jednotlivými dílčími kroky (duplicitní průchody signalizují chybné zpracování reklamace v některém z následujících dílčích kroků, v důsledku čehož bylo nutné tyto reklamace zaslat zpět k opakovanému zpracování v rámci příslušného dílčího kroku),

–   analýzu četnosti „průchodů“ reklamací daných atributů jednotlivými dílčími kroky,

–   analýzu časové závislosti a rozdělení velikosti bloků reklamací s týmiž atributy zpracovávaných sekvenčně (bez přerušení jinými reklamacemi) na daném dílčím kroku, popř. s přihlédnutím ke konkrétní hodnotě příslušného atributu reklamací,

–   analýzu rozložení intervalů zpracování dvou po sobě řešených reklamací ve sledovaném dílčím kroku, opět popř. s přihlédnutím ke konkrétní hodnotě atributu,

–   analýzu časového rozložení dob od vstupu reklamace do procesu po její výstup z procesu (PLT), popř. časové rozložení doby průchodu mezi dvěma libovolnými různými dílčími kroky procesu,

–   analýzu závislosti času vstupu reklamace do systému (zvoleného dílčího kroku) a času výstupu ze systému (nebo času vyřešení v jiném dílčím subkroku),

–   průběh počtu zpracovávaných reklamací v rámci procesu (nebo mezi dvěma různými dílčími kroky procesu) ve sledovaném období,

–   analýzu dodržení sekvence zpracování reklamací ve zvoleném vstupním a výstupním dílčím kroku (popř. na vstupu a výstupu z procesu).

5. Posouzení výsledků modelování

S použitím simulačního modelu byl oceněn dosavadní proces s pěti fázemi a 26 dílčími kroky. Činnosti v každém dílčím kroku byl přiřazen časový LEAN normativ a mzdová sazba (vztažená k jednotce času). Dalšími parametry dílčích kroků byly spolehlivost, tj. pravděpodobnost odeslání reklamace, která v následujícím kroku bude vyhodnocena jako správně zpracovaná (v opačném případě je reklamace vrácena do předchozího kroku, kde je znovu podrobena příslušné činnosti), a pravděpodobnost zamítnutí reklamace. V současnosti nejsou tyto parametry (určující podíl aktivit typu NVA) dosavadním systémem MES systematicky sledovány, simulační model je však umožňuje zohlednit. Hodnoty parametrů byly nastaveny rovnoměrně pro všechny dílčí kroky kvalifikovaným odhadem. Rovnoměrně byl nastaven také atribut generovaných reklamací zohledňující (v realitě jistě existující) různou četnost vyřazení různých reklamací (např. od různých dodavatelů) i poměr, v jakém do procesu vstupují reklamace z různých zdrojů (s taktem řídícím se exponenciálním rozdělením).

Podle zjištěné průměrné doby zpracování v jednotlivých dílčích krocích a také průměrných nákladů, které tyto činnosti vyvolávají, byly vytipovány (časově a finančně) nákladné dílčí kroky (činnosti) typu BNVA. Konkrétně bylo navrženo sloučit jednak dílčí kroky 3, 4 a 5 (kontrola množství, kontrola čísla a typu dílu, kontrola druhu reklamace) do jediného dílčího kroku s přihlédnutím k prodloužení časového parametru LEAN normativ a jednak dva poslední dílčí kroky (podpis koordinátora a vedoucího).

Porovnat výsledky simulačních experimentů s oběma variantami procesu pro sledované KPI – průměrné finanční a časové náklady vzniklé v jednotlivých dílčích krocích – umožňují obr. 5obr. 6. Je patrné, že navrhované změny v procesu by měly negativní dopad na rozkolísání průměrné doby zpracování v počátečních fázích (dílčích krocích) procesu ani by nebylo dosaženo kýžené optimalizace (minimalizace) nákladů (časových i finančních). Potvrdila se tedy velká přednost simulací, tj. možnost bez rizika ověřit různá uspořádání, jejichž použití v praxi nemusí vždy přinést očekávaná zlepšení.

Některé analýzy provedené při použití APP však ukazují, že změny procesu by měly pozitivní vliv na další ukazatele. Jde zejména o PLT, tj. dobu zpracování reklamace v rámci celého procesu (grafický výstup příslušné analýzy původního procesu je na obr. 7). Navrhovaná úprava procesu vede ke zkrácení PLT o asi dvě minuty, což by umožnilo v daném časovém výhledu zpracovat větší počet reklamací.

Ze širokého spektra typů šetření uskutečněných při použití programu APP je na obr. 8 jako příklad uveden výsledek analýzy průběhu počtu reklamací v procesu ve sledovaném časovém výhledu 40 hodin. Průběh počtu reklamací v procesu je dán mimo vnitřní i exogenními vlivy (nahlášení reklamací dodavateli), které lze ovlivňovat kvalitou dodávek, popř. dalšími nástroji nesouvisejícími přímo s procesem zpracování reklamací. Snahou by však měl být vyrovnaný průběh, tj. vyrovnané pracovní vytížení s ohledem na disponibilní časový fond.

6. Závěr

V příspěvku je představen inovativní přístup k vytváření nových konceptů MES a optimalizaci podnikových procesů včetně ověřování jejich klíčových ukazatelů s podporou simulačního modelu. Za účelem analýzy tzv. hlasu zákazníka byl vytvořen koncept nového modulu systému MES a souvisejícího procesu zpracování reklamací dodávek náhradních dílů, přičemž cílem bylo docílit zlepšení dosahovaných hodnot vybraných ukazatelů. Přestože efekty navrhovaných změn v procesu nejsou podle výsledků simulačních experimentů výrazné, přínos lze spatřovat právě ve vytvoření diskrétního simulačního modelu, kterým lze bez rizika ověřovat pravděpodobné dopady koncepčních změn. Předmětem výzkumu v budoucnu zůstává komunikační propojení modulů dosavadního systému MES s použitým simulačním nástrojem pro usnadnění verifikace modelovaných uspořádání procesu.

 Literatura:

[1] TEŠIC, Z. – MITROVIC, V. – COSIC, I. – LALIC, D.: Integration of Information for Manufacturing Shop Control. Journal of Mechanical Engineering, March 2010, pp. 217–223.

[2] HWANG, Y.-D.: The practices of integrating manufacturing execution system and six sigma methodology. International Journal of Advanced Manufacturing Technology, 2006, vol. 30, No. 1, pp. 761–768.

[3] MEYER, H. – MEYER, H.: Software Architecture of Manufacturing Execution Systems. Systemics. Cybernetics and Informatics, 2010, Vol. 8, No. 2.

[4] METLEN, S. – KHADE, A. S.: Discrete Event Simulation and Lean Production Systems: a Case Demonstrating Interdependency. Review of Business Research, 2011, Vol. 11, No. 2.

[5] DETTY, R. B. – YINGLING, J. C.: Quantifying benefits of conversion to lean manufacturing with discrete event simulation: a case study. International Journal of Production Research, 2000, Vol. 38, No. 2.

[6] MARTÍNEZ-OLVERA, C.: Reference model of the manufacturing execution activity in make-to-order environments. International Journal of Production Science, 2009, Vol. 47, No. 6.

[7] GINN, D. – VARNER, B. – VARNER, E.: Six Sigma – Memory Jogger. Second Edition, GOAL/QPC, 2008, ISBN 1-57681-044-5.

[8] KARPETA, V. – ŠTOČEK, J.: Systémová analýza dat o průchodu zakázky evidenčními body. Automa, 2010, roč. 16, č. 6, s. 8–10.

 Ing. Jiří Hloska,

Fakulta strojního inženýrství VUT v Brně (yhlosk00@stud.fme.vubtr.cz),

Bc. Vojtěch Paleta,

Fakulta managementu VŠE v Praze, Sales Genuine Parts/Accessories North America/
/South America/Oceania – Škoda Auto, a. s. (xpalv07@vse.cz)

Obr. 1. Hlavní (vlevo) a podpůrné (vpravo) funkce systému MES [2]

Obr. 2. Kvantifikovaná míra Sigma a efektivita procesu

Obr. 3. Uživatelské rozhraní pro zadávání vstupních parametrů simulačního modelu

Obr. 4. Simulační model procesu zpracování reklamací

Obr. 5. Porovnání průměrné doby trvání dílčích činností (kroků) při původním (vlevo) a navrhovaném (vpravo) uspořádání procesu

Obr. 6. Porovnání průměrných nákladů vyvolaných dílčími kroky při původním (vlevo) a navrhovaném (vpravo) uspořádání procesu

Obr. 7. Analýza doby průchodu reklamací původním procesem – výstup z nástroje APP (výřez)

Obr. 8. Časovy průběh počtu reklamaci v původnim procesu vystup z nastroje APP (vyřez)

Tab. 1. Určení neefektivity dodávkového procesu při použití parametru „reklamační kvóta“

Položka v zakázce

Počet kusů v položce

Počet reklamovaných kusů

Reklamovaná položka

1.

15

2

ano

2.

20

0

ne

3.

78

4

ano

4.

6

0

ne

∑ 4

 

 

∑ 2

Reklamační kvóta = (2/4)100 = 50 %

 

Tab. 2. Kvantifikace kvality firemních procesů ve vztahu k zákazníkům [7]

Variabilita (σ)

Generované výstupy

Kvantifikovaná míra variability (Sigma)

příliš velká

jen s obtížemi jsou produkovány výstupy v mezích požadavků (specifikací) zákazníka

malé hodnoty (0 až 2)

střední

většina výstupů splňuje požadavky zákazníka

střední hodnoty (2 až 4,5)

velmi malá

téměř všechny výstupy splňují požadavky zákazníka (méně než čtyři vady na milion možností)

velké hodnoty (4,5 až 6)

 

Tab. 3. Vzhled tabulky vstupních parametrů k určování procesu zpracování reklamací