ReMetod
Свяжитесь с нами

Закупки / OTIF, delays

Как оценить надежность поставки с помощью ИИ

Надежность поставки оценивается через показатель OTIF (On-Time In-Full) — долю заказов, доставленных вовремя и в полном объеме. ИИ автоматизирует сбор данных, выявляет аномалии и прогнозирует риски срывов, что позволяет управлять надежностью в реальном времени.

Проблема

Почему это важно

Без системной оценки надежности поставок компания узнает о проблемах постфактум: когда срыв уже произошел, производство встало или клиент получил неполный заказ. Ручной контроль по электронной почте и таблицам не дает целостной картины, а ответственность за оценку размыта между отделами закупок, логистики и склада.

Почему возникает

  • Данные о сроках и комплектности разрознены по разным системам (ERP, TMS, почта, Excel).
  • Нет единого определения «вовремя» и «в полном объеме» — каждый отдел трактует по-своему.
  • Оценка проводится вручную и редко, поэтому проблемы замечают слишком поздно.
  • Отсутствует прогноз рисков — реагируют на уже случившиеся срывы, а не предотвращают их.

Риски и потери

  • Срывы поставок приводят к простоям производства и потерям выручки.
  • Штрафы и потеря доверия клиентов из-за несоблюдения сроков.
  • Избыточный страховой запас из-за недоверия к поставщикам — заморозка оборотных средств.
  • Ручной анализ отнимает время сотрудников, которое можно потратить на переговоры и улучшение процессов.

Что влияет на результат

  • Срок доставки (фактический vs согласованный)
  • Комплектность (полнота поставки по количеству и ассортименту)
  • Качество документации (накладные, счета-фактуры)
  • Состояние товара при приемке (повреждения)
  • Стабильность поставщика (вариативность сроков)

Типичные ошибки ручного подхода

  • Разные трактовки «вовремя»: по дате отгрузки, по дате получения, с учетом выходных.
  • Потеря части данных при ручном переносе из почты в таблицы.
  • Субъективная оценка «почти вовремя» вместо четкого порога.
  • Игнорирование частичных поставок — считают только полностью выполненные заказы.

Определение

Что важно понимать

OTIF

On-Time In-Full — процент заказов, доставленных вовремя и в полном объеме.

Это комплексный показатель надежности поставки, который объединяет два ключевых аспекта: соблюдение сроков и комплектность.

On-Time (вовремя)

Доля заказов, доставленных к согласованной дате (или раньше).

Показывает, насколько поставщик соблюдает сроки, что критично для планирования производства.

In-Full (в полном объеме)

Доля заказов, поставленных полностью по количеству и ассортименту.

Выявляет проблемы с комплектностью, которые могут вызвать дефицит даже при соблюдении сроков.

Данные

Какие данные нужны

Данные о заказах

Основа для расчета OTIF: идентификатор заказа, согласованная дата поставки, фактическая дата, количество и ассортимент.

  • номер заказа
  • дата размещения
  • согласованная дата поставки
  • фактическая дата поставки
  • заказанное количество
  • поставленное количество

Данные о приемке

Фиксируют факт поставки, комплектность и качество.

  • дата приемки
  • статус приемки (полная/частичная)
  • выявленные расхождения
  • повреждения

Справочник поставщиков

Для группировки и сравнения надежности по поставщикам.

  • ID поставщика
  • название
  • категория товара
  • регион

Методология

Методика оценки надежности поставки

Принципы

  • Четко определите критерии «вовремя» и «в полном объеме» до начала расчета.
  • Используйте единый источник данных — автоматически собирайте информацию из ERP, TMS и WMS.
  • Рассчитывайте OTIF регулярно (еженедельно/ежемесячно) и отслеживайте динамику.
  • Дополняйте OTIF анализом причин срывов, чтобы перейти от констатации к улучшению.

Допущения

  • Данные о заказах и поставках полные и непротиворечивые.
  • Критерии «вовремя» и «в полном объеме» согласованы со всеми отделами.
  • Период расчета выбран так, чтобы выборка была репрезентативной (например, месяц).

Ошибки

  • Считать OTIF только по полностью выполненным заказам, игнорируя частичные.
  • Не учитывать выходные и праздники при определении «вовремя».
  • Смешивать данные из разных систем без очистки и сопоставления.
  • Не анализировать причины отклонений — показатель без контекста бесполезен.

Роль ИИ

Как ИИ решает задачу

Бизнес-правило

Автоматический сбор и сопоставление данных о заказах и поставках

Данные на входе: Данные из ERP, TMS, WMS, электронной почты, Номера заказов, даты, количества

Что делает модель: Сопоставляет заказы с фактическими поставками, устраняет дубли и пропуски

Результат: Единая таблица с полями для расчета OTIF

Как используется: Система использует эти данные для расчета показателей

Статистический метод

Выявление аномалий в сроках и комплектности

Данные на входе: Исторические данные о поставках, Фактические сроки и комплектность

Что делает модель: Сравнивает фактические значения с плановыми и выявляет отклонения, превышающие порог

Результат: Список заказов с аномалиями и степень отклонения

Как используется: Сотрудник видит список и проверяет причины

Машинное обучение

Прогнозирование риска срыва поставки

Данные на входе: Исторические данные о срывах, Текущие заказы, статусы, задержки

Что делает модель: Обучается на исторических данных и предсказывает вероятность срыва для каждого заказа

Результат: Ранжированный список заказов с вероятностью срыва

Как используется: Менеджер по закупкам получает приоритетный список для контроля

Генеративный ИИ

Формирование рекомендаций по улучшению надежности

Данные на входе: Анализ причин срывов, Данные о поставщиках

Что делает модель: Генерирует текстовые рекомендации на основе выявленных паттернов

Результат: Перечень конкретных действий по каждому поставщику

Как используется: Руководитель использует рекомендации для переговоров и корректировки стратегии

Разбор

Как это работает

  1. 1

    Вход: данные о заказах и поставках из ERP, TMS, WMS. Действие: система автоматически собирает и сопоставляет записи по номеру заказа. Результат: единая таблица с полями для расчета OTIF.

  2. 2

    Вход: единая таблица. Действие: система рассчитывает On-Time (доля заказов с фактической датой ≤ согласованной) и In-Full (доля заказов с полной комплектностью). Результат: значения OTIF за период.

  3. 3

    Вход: исторические данные о поставках. Действие: статистический анализ выявляет аномалии — заказы с отклонениями по срокам или комплектности. Результат: список аномальных заказов.

  4. 4

    Вход: данные о текущих заказах и исторические данные о срывах. Действие: ML-модель прогнозирует вероятность срыва для каждого заказа. Результат: ранжированный список рисков.

  5. 5

    Вход: прогнозы и анализ причин. Действие: генеративная модель формирует рекомендации по улучшению. Результат: перечень конкретных действий для менеджеров.

  6. 6

    Вход: рекомендации. Действие: менеджер принимает решение о корректирующих действиях (переговоры с поставщиком, изменение условий). Результат: снижение риска срывов.

Расчет

Формула расчета надежности поставки

Основной показатель — OTIF. Он рассчитывается как отношение числа заказов, выполненных вовремя и в полном объеме, к общему числу заказов за период.

OTIF

OTIF = (Количество заказов, доставленных вовремя и в полном объеме) / (Общее количество заказов) × 100%
  • Количество заказов, доставленных вовремя и в полном объеме — заказы, где фактическая дата ≤ согласованной и комплектность = 100%
  • Общее количество заказов — все заказы за период

Условный пример: За месяц было 120 заказов. Из них 96 доставлены вовремя и полностью. OTIF = 96 / 120 × 100% = 80%.

Допущение: OTIF можно детализировать: On-Time = (заказы вовремя) / (все заказы) × 100%; In-Full = (заказы в полном объеме) / (все заказы) × 100%.

Пример расчета

Как это выглядит в цифрах

Условный пример

Условный пример: оценка надежности поставщика и план действий

  • Допущение: Компания оценивает надежность трех поставщиков за квартал.
  • Допущение: Поставщик А: 150 заказов, 120 вовремя и полностью.
  • Допущение: Поставщик Б: 80 заказов, 60 вовремя и полностью.
  • Допущение: Поставщик В: 50 заказов, 30 вовремя и полностью.
OTIF А = 120/150 = 80%; OTIF Б = 60/80 = 75%; OTIF В = 30/50 = 60%. Средний OTIF по компании = (120+60+30)/(150+80+50) = 210/280 = 75%.

Поставщик В имеет самый низкий OTIF (60%), что указывает на системные проблемы. Поставщик А — лучший, но его 80% все еще далеки от целевых 95%. Необходимо разобраться в причинах срывов у поставщика В и рассмотреть альтернативы.

Логика решения

Почему дана такая рекомендация

Что повлияло на решение

  • OTIF поставщика и его динамика
  • Частота и причины срывов
  • Критичность категории товара для производства
  • Возможность замены поставщика

Какие риски учтены

  • Риск остановки производства из-за срыва
  • Риск потери клиентов из-за несоблюдения сроков
  • Риск роста затрат на срочные закупки

Какие варианты рассматривались

  • Переговоры с поставщиком об улучшении
  • Переход на другого поставщика
  • Увеличение страхового запаса по критичным позициям

Выбран вариант, который сочетает немедленные меры (аудит, штрафы) и долгосрочную стратегию (диверсификация), чтобы снизить зависимость от ненадежного поставщика.

Если бы поставщик В был единственным источником критичного сырья, рекомендация была бы сосредоточена на развитии поставщика, а не на замене.

Результат

Что видит пользователь

Дашборд с показателями OTIF, On-Time, In-Full по поставщикам и динамикой

Графики и таблицы с текущими значениями, сравнение с прошлыми периодами, цветовая индикация рисков

Быстро выявить ненадежных поставщиков и принять меры

Список заказов с высоким риском срыва

Ранжированный перечень заказов с вероятностью срыва и причинами

Сфокусировать контроль на критичных поставках

Уведомления о превышении пороговых значений OTIF

Автоматические алерты при снижении OTIF ниже установленного уровня

Своевременно реагировать на ухудшение надежности

Автоматизация

Что автоматизируется, а что нет

Выполняется автоматически

  • Сбор и сопоставление данных о заказах и поставках
  • Расчет OTIF, On-Time, In-Full
  • Выявление аномалий и прогнозирование рисков
  • Формирование уведомлений и дашбордов

Требует настройки

  • Настройка критериев «вовремя» и «в полном объеме»
  • Определение пороговых значений для алертов
  • Настройка интеграции с ERP, TMS, WMS

Остаётся за человеком

  • Анализ причин срывов и выбор корректирующих действий
  • Переговоры с поставщиками
  • Решение о смене поставщика или изменении условий

Внедрение

Как внедрить решение

Быстрый запуск

  • Создайте таблицу с данными о заказах и поставках (номер заказа, даты, количества).
  • Рассчитайте OTIF вручную по формуле за последний месяц.
  • Определите поставщиков с самым низким OTIF и проведите разбор причин.

Рабочая система

  • Настройте автоматический сбор данных из ERP/TMS/WMS.
  • Разработайте дашборд с показателями OTIF и динамикой.
  • Настройте уведомления при снижении OTIF ниже порога.

Расширенный вариант

  • Внедрите ML-модель для прогнозирования рисков срыва.
  • Подключите генеративные рекомендации по улучшению работы с поставщиками.
  • Интегрируйте с системой управления закупками для автоматического пересмотра условий.

Подготовка

Чек-лист перед запуском

  1. 1

    Определены критерии «вовремя» и «в полном объеме»

  2. 2

    Настроен сбор данных из всех источников

  3. 3

    Проведена очистка и сопоставление данных

  4. 4

    Рассчитан базовый OTIF за прошлый период

  5. 5

    Установлены целевые значения OTIF

  6. 6

    Настроены уведомления о снижении OTIF

  7. 7

    Определены ответственные за анализ причин срывов

  8. 8

    Проведено обучение сотрудников работе с дашбордом

Вывод

Главное

Надежность поставки измеряется через OTIF, который объединяет соблюдение сроков и комплектность. Регулярный расчет и анализ причин отклонений — основа управления надежностью.

Основные данные — заказы и фактические поставки. Ключевой расчет — OTIF = (вовремя и полностью) / (все заказы) × 100%.

ИИ автоматизирует сбор данных, выявляет аномалии, прогнозирует риски и формирует рекомендации, позволяя перейти от реактивного к проактивному управлению.

Начните с простого: соберите данные о заказах за последний месяц в таблицу и рассчитайте OTIF вручную. Это выявит первых кандидатов на улучшение.

Метод ReMetod

На чем основан вывод

Метод ReMetod строится вокруг пути: бизнес-проблема -> модель решения -> данные -> автоматизация -> интерфейс -> работающее решение. Практикум рассчитан на собственников, руководителей, аналитиков и менеджеров малого и среднего бизнеса без требования уметь программировать.

В программе практикума этот подход разбирается пошагово: от формулировки бизнес-задачи до модели решения, данных, автоматизации, интерфейса и проверки результата.

Посмотреть программу практикума

Вопросы

Что обычно уточняют

У нас мало данных, чтобы считать OTIF и использовать ИИ

Начните с малого: соберите данные за последние 1-2 месяца в таблицу. Даже 30-50 заказов дадут первичную оценку. ИИ может работать и с небольшими объемами, постепенно обучаясь.

ИИ не сможет учесть специфику нашего бизнеса

ИИ настраивается под ваши критерии и правила. Вы задаете пороги, категории, источники данных. Модель обучается на вашей истории, поэтому учитывает специфику.

Внедрение ИИ — это дорого и сложно

Начните с простых инструментов: Excel-таблицы с формулами, затем подключите автоматизацию. ReMetod предлагает практикум, где вы создадите работающее решение за 4 недели без программирования.

Следующий шаг

Выберите, как продолжить с ReMetod

Хотите научиться автоматизировать оценку надежности поставок с помощью ИИ? Приходите на бесплатный вебинар ReMetod.

Ближайший вебинар

Вводный вебинар
Ближайшая дата появится в календаре

Разберем, где ИИ уже дает управленческую пользу, какие задачи стоит брать первыми и как не уйти в хайп.

Записаться на вебинар
Диагностика

Бесплатный разбор вашего кейса

25–30 минут: фиксируем задачу, данные, возможную автоматизацию и ближайший проверяемый результат.

Записаться на разбор
Практикум

Практикум 1 «Архитектор»

Полный путь от бизнес-проблемы до рабочей модели решения, интерфейса и проверки результата.

Перейти к практикуму