Koliko materijala moram naručiti za sljedeća 3 tjedna da ne stanem s proizvodnjom?

Ovo si pitanje postavlja skoro svaki voditelj velike proizvodnje. Svaki tjedan.

Odgovor nikad nije jednostavan. Sastavnica ima 5 razina, a poluproizvodi se ne ugrađuju samo u jedan glavni proizvod. Poluproizvod iz druge razine koristi se u 3 različita gotova proizvoda. Dobavljač A kasni prosječno 5-6 dana, ali samo za jednu kategoriju materijala. Dobavljač B isporučuje na vrijeme, ali ima minimalne količine koje ne odgovaraju stvarnoj potrošnji. Tu je još par dobavljača u igri.
Dodaj tome da dio materijala imaš na zalihi, a dio moraš naručiti — pa vidi veselja.

MRP može izračunati što treba naručiti. Ali od kojeg dobavljača, a ako ih ima više za isti materijal? Koji je povoljniji, koji je brži? Je li nam bitno da nam dođe odmah ili da prođemo jeftinije? K tome NE može predvidjeti nepouzdane dobavljače ni sezonske anomalije.

Dugo smo se mučili s ovim, i to uvijek s parcijalnim uspjehom. Svaka čast ljudima u nabavi koji to često moraju rješavati u dodatnim evidencijama, u glavi, ponekad imaju loš dan pa zakasne u reakciji. Nitko neće vidjeti onih 99% kad je sve išlo glatko, već ovih 1% kad je bio problem.

Svi pričaju o AI agentima. To je već dosadna mantra. Ali treba znati postaviti dobre temelje da bi ERP pogonjen AI-om uopće imao smisla inače samo prodaješ maglu.
AI agent na čvrstim temeljima transakcijske baze i pametno integriran u ERP može pomoći čovjeku da se bolje snađe. Čovjek će i dalje apsolutno biti nužan, ali će mu život biti lakši.
Sloj iznad rock-solid MRP-a koji uči obrasce: ponašanje dobavljača, sezonske varijacije potrošnje, interna kašnjenja u prijavama. Korigira MRP prijedloge prije nego postanu narudžbenice.

Manje zastoja. Manje hitnih nabava. Manje zaliha koje stoje 90 dana i manje onih 1% situacija.

Ovo razvijamo. Konkretno, u suradnji s akademskim partnerom FERIT-om.