Planowanie w tartaku

Planowanie produkcji w tartaku: horyzont, pula zamówień i prognozowanie plonów

Planowanie produkcji w tartaku: horyzont, pula zamówień i prognozowanie plonów

Planowanie produkcji w tartaku

Jeśli handel wyznacza zakres możliwości, planowanie decyduje, ile z niego faktycznie wykorzystasz. Naszym zdaniem planowanie jest dźwignią o dużym wpływie i często niedopracowaną, ponieważ zwykle żyje w arkuszach kalkulacyjnych i w głowie jednego technologa. Ten artykuł wyjaśnia, dlaczego planowanie w krótkim horyzoncie ogranicza planistę, co zmienia się, gdy planuje się w oknie czasowym, i jak w praktyce wygląda dobra optymalizacja tartaku — zbudowana wokół planowania partii przetarcia i jawnego modelu uzysku, a nie wokół praktycznych reguł. Liczby są oznaczone według pochodzenia: zacytowane ze źródła, własne szacunki SawmillSmart albo ilustracyjne.

Dlaczego planowanie jest dźwignią o największej dźwigni?

Handel wyznacza menu, z którym musi pracować planista. Sortowanie decyduje, czy decyzje planisty da się fizycznie wykonać. Przetarcie, suszenie i sortowanie po suszeniu realizują plan albo go niszczą. Planowanie stoi pośrodku łańcucha i naszym zdaniem jest krokiem o największym wpływie na poprawę uzysku tarcicy, bo jako jedyne wybiera. Każdy inny krok albo przygotowuje wejście do tego wyboru, albo wykonuje jego konsekwencje. „Największy wpływ” to nasza ocena, a nie zmierzony ranking kroków. Literatura naukowa opisuje planowanie produkcji w tartaku jako kluczowy czynnik dla argentyńskiego sektora tartacznego (Vanzetti et al., 2018) oraz jako trudne, między innymi z powodu niejednorodności surowca (Chabanet et al., 2022).

Wiele tartaków niedoinwestowuje planowanie z konkretnego powodu: planowanie nie wygląda jak praca. Handlowiec rozmawia przez telefon. Piła jest głośna i widoczna. Suszarnia ma odczyty temperatury i czytelne czasy cykli. Technolog siedzi przy biurku z arkuszem kalkulacyjnym i decyduje, jaki wzór cięcia trafi jutro na linię. Z zewnątrz wygląda to na papierkową robotę. W rzeczywistości ten wybór decyduje, jakie deski wyprodukuje linia i za ile będzie można je sprzedać.

Teza tego artykułu jest prosta: planowanie jedną zmianą naraz, na podstawie portfela zamówień, który akurat jest otwarty, według praktycznych reguł, które technolog budował latami, może zostawiać na stole część uzysku i pokrycia zamówień. Ile, zależy od tartaku i nie twierdzimy, że istnieje jedna uniwersalna liczba. Proponowana poprawka jest strukturalna, a nie osobista. Zastąp horyzont jednej zmiany oknem planowania. Zastąp zamknięty portfel zamówień pulą zamówień wielkości około 1,5× wolumenu produkcji (praktyczna reguła SawmillSmart, wyjaśniona dalej). Zastąp praktyczne reguły modelem uzysku, który ilościowo ujmuje kompromisy.

Dalsza część artykułu omawia kolejne elementy tej poprawki.

Pułapka zmiany — dlaczego huty domyślnie planują krótkoterminowo

Zanim przejdziemy do tego, czym jest planowanie w horyzoncie, warto zrozumieć, dlaczego wiele tartaków go nie stosuje. Krótka odpowiedź: planowanie zmiana po zmianie wydaje się bezpieczniejsze i odpowiada temu, jak zorganizowana jest reszta tartaku. Naszym zdaniem zwykle zostawia to wartość na stole. Trzy siły i cztery koszty poniżej to obserwacje SawmillSmart z pracy przy projektach, a nie wyniki badań ankietowych.

Dlaczego planowanie zmianowe jest tak powszechne

Trzy siły popychają tartaki w stronę krótkiego horyzontu:

Informacje, które technolog ma w poniedziałek rano, wydają się konkretne. Dzisiejszy posortowany bufor kłód ma przed oczami. Dzisiejsze otwarte zamówienia są w portfelu zamówień. Dzisiejsza linia przetarcia jest ustawiona tak, jak w piątek. Jutro jest bardziej niepewne — klient może przesunąć termin, piła może wymagać przerwy na regulację, dostawa kłód może się opóźnić. Technolog planuje więc dzień, który widzi, i ufa, że poradzi sobie z następnym, gdy ten nadejdzie.

Kultura reaktywna to nagradza. Gdy w piątek po południu klient dzwoni z pilnym zamówieniem, odpowiedzią, którą wszyscy szanują, jest „jakoś to wciśniemy”. Taka odpowiedź jest możliwa tylko wtedy, gdy plan jest krótki. Dwutygodniowy plan, który mówi „zmieścimy was w 3. tygodniu”, wydaje się mniej pomocny niż „coś wymyślimy jutro”, nawet jeśli plan dwutygodniowy dałby lepszą ekonomikę obu stronom.

Narzędzia to wymuszają. Arkusze kalkulacyjne świetnie nadają się do planu na jeden dzień, a są uciążliwe przy dwutygodniowym planie kroczącym. Systemy ERP zazwyczaj rejestrują to, co się stało, zamiast proponować, co powinno stać się dalej. Bez dedykowanego oprogramowania do planowania tarcie przy planowaniu dłuższego horyzontu jest tak duże, że nikt tego nie robi.

Ukryte koszty planowania zmianowego

Widoczny koszt planowania zmianowego wynosi zero — tartak dalej pracuje. Ukryty koszt to utracony uzysk i utracone pokrycie zamówień, a może on się objawiać na cztery sposoby:

  • Wymuszone dopasowania. Przy jednej zmianie zamówień i jednej zmianie posortowanych kłód planista ma tylko kilka wzorów cięcia do wyboru. Wybrany wzór to najmniej zły wariant z małego zbioru. Uzysk jest taki, jaki da ten najmniej zły wariant.
  • Szarpanie zamówień. Zamówienia, których planista nie zdołał dziś zmieścić, trafiają na jutro bez kontekstu. Jutrzejszy planista — czasem ta sama osoba, czasem technolog z innej zmiany — zaczyna od zera.
  • Rozbieżność z suszarnią. Suszenie jest ważnym etapem przetwarzania w tartakach o dużej produkcji (Huka et al., 2020), a według obserwacji SawmillSmart ciąg suszarniczy to dni, nie godziny. Planista pracujący nad dzisiejszą linią przetarcia nie widzi wsadów suszarni, które trzeba będzie zasilić w przyszłym tygodniu. Wsady napełnione w połowie mogą stać się normą.
  • Kompromisy w obsłudze klienta. Bez horyzontu każda prośba klienta to wybór binarny: tak dzisiaj albo nie, do odwołania. Tartaki z horyzontem mogą z pewnością powiedzieć „dostarczymy w 3. tygodniu” — a niektórzy klienci mogą to woleć od pospiesznego zobowiązania.

Zasada horyzontu — co się zmienia, gdy planujesz na oknie

Planowanie w horyzoncie jest dokładnie tym, na co wygląda: zamiast optymalizować jedną zmianę naraz, planista optymalizuje okno — na przykład od jednego do dwóch tygodni produkcji — jako jeden problem. Każda zmiana w oknie nadal jest planowana; różnica polega na tym, że plan każdej zmiany jest wybierany ze znajomością planów wszystkich innych zmian, pełnego zapasu posortowanych kłód we wszystkich średnicach, pełnej puli zamówień i ciągu suszarniczego dalej w procesie. To fundament skutecznego planowania partii przetarcia: nie „co leci następne?”, ale „co leci w całym oknie i w jakiej kolejności?”

Paralela z Toyotą — dlaczego ten pomysł nie jest nowy

Zasada horyzontu nie jest wynalazkiem tartaków. Znaną wersją tego myślenia jest Toyota Production System (TPS), rozwijany w firmie Toyota pod kierunkiem Taiichiego Ohno; Sugimori et al. (1977) opisują, że przyjmował się w firmie Toyota przez poprzednie 20 lat. TPS dotyczył problemu, który wygląda znajomo z perspektywy tartaku: wytwarzania tylko niezbędnych produktów, w niezbędnym czasie i w niezbędnej ilości, przy minimalnym zapasie (Sugimori et al.; Toyota Motor Corporation) — choć sprzęt i surowiec są inne.

Trzy idee TPS dają przydatne analogie dla optymalizacji tartaku (to dopasowanie jest naszą interpretacją):

  • Heijunka — wyrównywanie produkcji. Praktykę wyrównywania produkcji stosowaną w firmie Toyota opisuje Monden (1994). W kategoriach tartaku najbliższym odpowiednikiem jest horyzont planowania: traktuj okno jako jeden problem. Analogia jest nasza; tartak wyrównuje coś innego.
  • Just-in-Time: tylko to, co potrzebne, wtedy, gdy potrzebne, i w potrzebnej ilości. Tak opisuje Just-in-Time firma Toyota (Toyota Motor Corporation), a Sugimori et al. dodają, że zapas jest utrzymywany na minimalnym poziomie. Pula zamówień rodzi dla tartaków pokrewny kompromis: zbyt mała pula i planista nie ma wyboru; zbyt duża i kapitał obrotowy puchnie. Nazywanie puli zamówień 1,5× „buforem JIT” to nasza analogia, a nie praktyka firmy Toyota.
  • Andon — natychmiast ujawniać problemy. W firmie Toyota tablica andon zapala się, gdy sprzęt się zatrzymuje lub pracownik pociąga za linkę zatrzymania, aby osoba odpowiedzialna mogła zareagować (Toyota Motor Corporation). Tartak, który porównuje plan z wykonaniem dopiero na koniec miesiąca, dowiaduje się o odchyleniu długo po tym, jak do niego doszło. Porównywanie planowanego i rzeczywistego uzysku tego samego dnia, gdy przyczynę da się jeszcze zbadać, to idea andon zastosowana do poprawy uzysku tarcicy.

Analogia nie jest doskonała — firma Toyota montuje standaryzowane części w standaryzowane produkty, a tartak otrzymuje zmienny surowiec (kłody) i z tej samej kłody wytwarza kilka produktów naraz: to proces rozbieżny ze współprodukcją (Dumetz et al., 2016), w którym niejednorodność surowca i rozbieżne strumienie produktów utrudniają zarządzanie operacjami (Dumetz et al., 2015). Pożyczamy ogólne idee — szerszy horyzont planowania, odpowiednio dobrany bufor, szybką informację zwrotną. Artykuł nie twierdzi, że w tartakach można osiągnąć poprawę o skali znanej z firmy Toyota.

Następne cztery sekcje omawiają cztery mechanizmy, przez które dłuższy horyzont może pomóc w tartaku. To opis SawmillSmart, a przykłady używają liczb ilustracyjnych.

Planowanie zmianowe a planowanie w horyzoncie (ilustracja) Te same kłody, te same zamówienia, ta sama linia — inne okno planowania Planowanie zmianowe — okno 1 dnia Widoczny zapas: 180 mm 1 średnica na linii Widoczne zamówienia: 22×100 25×100 2 pasujące otwarte zamówienia Dostępne wzory: Wzór A Wzór B 2 warianty — wymuszone dopasowanie Wynik: wymuszone dopasowanie Najmniej zły wariant z małego zbioru Planowanie w horyzoncie — okno 2 tygodni Widoczny zapas: 160 180 200 3 średnice w buforze Pula zamówień (1,5×): 8 otwartych zamówień do wyboru Dostępne wzory: P1 P2 P3 P4 P5 12–15 wariantów — realny wybór Wynik: realny wybór Najlepszy z dużego zbioru, zrównoważony w skali tygodnia
Diagram ilustracyjny, nie dane pomiarowe: różnica nie polega na wysiłku, lecz na wielkości zbioru wyboru, z którym planista może pracować.

Mechanizm 1 — Swoboda wyboru wzoru cięcia

Przy jednej zmianie zapasu i jednej zmianie zamówień planista może mieć do wyboru tylko kilka możliwych wzorów cięcia. Przy horyzoncie od jednego do dwóch tygodni liczba kandydatów rośnie we wszystkich dostępnych średnicach i wszystkich otwartych zamówieniach, a planista może wybrać garść, która będzie realizowana w oknie. Liczby na diagramie (2 wobec 12–15) są ilustracyjne.

Najlepszy wariant w większym zbiorze nigdy nie jest gorszy niż najlepszy w jego podzbiorze; o ile lepszy, zależy od tartaku, jego kłód i zamówień. Planista pracujący na małym zbiorze dostaje najmniej zły wariant. Planista pracujący na dużym zbiorze może dostać naprawdę dobry. Opublikowane modele planowania w tartaku wykonują ten sam ruch: wybierają zestaw wzorów cięcia na każdy dzień planowania jednocześnie, względem wymaganego popytu (Vanzetti et al., 2018).

Mechanizm 2 — Czas wykorzystania zapasów

Zapas posortowanych kłód zmienia się dzień po dniu. Średnica, której w poniedziałek jest pod dostatkiem, może się wyczerpać w środę i uzupełnić do piątku. Planista pracujący nad dzisiejszą zmianą bierze to, co ma przed sobą, i tnie. Planista pracujący w horyzoncie może poczekać — przypisać określony zestaw zamówień do zmiany czwartkowej, bo do tego czasu zasobnik 200 mm będzie pełny, a zmianę poniedziałkową poprowadzić na 180 mm.

Oszczędność nie polega tu na większym uzysku z jednego cięcia; to oszczędność wartości opcji. Horyzont pozwala planiście zużyć zapas kłód w momencie, gdy jego dopasowanie do zamówień jest najlepsze, a nie w momencie, gdy jest dostępny.

Mechanizm 3 — Ciągłość między zmianami

Planowanie zmianowe traktuje każdą zmianę jako niezależną. Zamówienie zrealizowane w 60% na koniec poniedziałku trafia na wtorek bez ciągłości. Wtorkowy planista — być może technolog następnej zmiany — zaczyna decyzję o wzorze cięcia od zera, często wybierając inaczej. Pozostałe 40% poniedziałkowego zamówienia może wymagać więcej ustawień i przezbrojeń, niż to konieczne (procenty ilustracyjne).

Planowanie w horyzoncie zapewnia ciągłość między zmianami. Ten sam wzór cięcia biegnie od poniedziałkowego popołudnia do wtorkowego poranka, aby zrealizować otwarte zamówienie; przezbrojenie następuje raz, na końcu zamówienia, a nie na końcu każdej zmiany.

Mechanizm 4 — Dopasowanie do ciągu suszarniczego

Suszenie w suszarni przebiega we własnym cyklu, a deski pocięte w poniedziałek nie kończą schnąć w poniedziałek. Załadunek i harmonogramowanie suszarni to odrębny problem planistyczny (Huka et al., 2020), a niedawne badanie dotyczące planowania wielookresowego przedstawia suszenie jako częste wąskie gardło dla terminów realizacji i zdolności zaspokojenia popytu klientów (Kökten i Bayraktar, 2026). Planista pracujący nad dzisiejszą zmianą nie widzi, które wsady suszarni będą gotowe do napełnienia w przyszły wtorek, więc wsady mogą być składane reaktywnie z tych desek, które akurat zjadą z linii.

Planowanie w horyzoncie dopasowuje cięcie do suszenia. Planista, który widzi, że wsad suszarni na przyszły wtorek wymaga desek 22 mm, może zaplanować wzór cięcia na ten poniedziałek tak, by dawał deski 22 mm w odpowiedniej ilości — zmieniając suszarnię z biernego odbiorcy w aktywnego uczestnika planu. Ile zdolności produkcyjnej to odzyskuje, zależy od tartaku; nie mamy na to niezależnej liczby.

Pula zamówień 1,5× — ustalanie rozmiaru danych wejściowych

Planowanie w horyzoncie działa tylko wtedy, gdy jest z czego wybierać. Horyzont 2-tygodniowy przy portfelu zamówień dokładnie równym wolumenowi produkcji z 2 tygodni nadal daje wymuszone dopasowania — każde zamówienie musi gdzieś trafić, a zadanie optymalizacji nie ma luzu. Aby wykorzystać wartość horyzontu, pula zamówień musi być większa niż wolumen produkcji w oknie. Przez pulę zamówień rozumiemy otwarte, potwierdzone zamówienia, mierzone w m³ tarcicy i porównywane z drewnem, które linia wyprodukuje w tym samym oknie.

Robocza reguła SawmillSmart to mniej więcej 1,5× wolumenu produkcji w oknie planowania. To heurystyka z naszej pracy przy projektach, a nie wartość wyprowadzona z opublikowanego badania; nie znaleźliśmy niezależnego źródła optymalnego stosunku puli, a właściwa liczba będzie różna w różnych tartakach. Jako przykładowe obliczenie: dla okna dwutygodniowego, w którym powstaje 4 000 m³ tarcicy, pula 1,5× oznacza 4 000 × 1,5 = 6 000 m³ otwartych, potwierdzonych zamówień, które mogą być zrealizowane z tej produkcji.

Wielkość puli zamówień — praktyczna reguła SawmillSmart Wielkość puli jako wielokrotność wolumenu produkcji w oknie planowania (praktyczna reguła, nie dane pomiarowe) 1.0× 1.3× 1.5× 1.7× 2.0× Wymuszone dopasowania Trochę wyboru CEL Realny wybór, kapitał obr. pod kontrolą Malejące korzyści Optymalizacja niemożliwa Najlepszy uzysk × pokrycie dostępne kompromisy Zamrożony kapitał obrotowy, ryzyko dla obsługi klienta

Dlaczego 1,5×, a nie 1,0× ani 2,0×

Poniższe przedziały to praktyczne reguły. Progi nie pochodzą z badania; opisują, jak ten kompromis zwykle wygląda w pracy SawmillSmart przy projektach.

Poniżej 1,3× — wymuszone dopasowania. Każde zamówienie z portfela musi przejść przez linię w oknie planowania. Planista nie ma luzu. Zadanie optymalizacji sprowadza się z powrotem do pułapki zmiany, tylko na dłuższym horyzoncie.

Od 1,3× do 1,5× — wykonalne. Planista ma pewien wybór, zwłaszcza przy specyfikacjach o dużym wolumenie, pokrywających wiele średnic. Uzysk i pokrycie zamówień mogą się poprawić. Według naszej reguły to minimalna wykonalna pula.

1,5× — cel roboczy. Wybór wzoru jest naprawdę otwarty. Planista może jednocześnie wyważyć uzysk, pokrycie zamówień i ciąg suszarniczy. Kapitał obrotowy zamrożony w obiecanych, ale nieprzetartych zamówieniach jest do opanowania. Łatwiej zachować obsługę klienta, bo większość zamówień da się zrealizować w terminie zobowiązania.

Od 1,7× do 2,0× — malejące korzyści i realne koszty. Krańcowy przyrost uzysku z większej puli może się spłaszczać — wybiera się tylko ograniczoną liczbę wzorów, bez względu na to, ilu jest kandydatów. Tymczasem rośnie kapitał obrotowy zamrożony w obiecanych zamówieniach, klienci czekają dłużej, niż powinni, a długi ogon małych zamówień w puli zaczyna przypominać raczej nadmierne przyjmowanie zamówień niż optymalizację.

Jak zwiększyć pulę z 1,0× do 1,5×

W niektórych tartakach pula startuje wyraźnie poniżej 1,0× — sprzedaż przyjmuje zamówienia w trybie just-in-time, a portfel zamówień w danym momencie ledwie pokrywa następny tydzień produkcji. Zwiększenie puli do 1,5× wymaga świadomych działań handlowych. Pomóc mogą trzy praktyki:

  1. Sprzedaż z wyprzedzeniem z elastycznością dostawy. Zaproponuj okno dostawy zamiast stałej daty, na przykład 2–3 tygodnie. Niektórzy klienci mogą zaakceptować okno w zamian za nieco lepszą cenę lub priorytetowy dostęp.
  2. Pozyskuj zamówienia uzupełniające, a nie duplikaty. Sprzedaż powinna szukać zamówień, które uzupełniają to, co już jest w portfelu — cienkich specyfikacji do dominujących grubych zamówień, zamówień wypełniających dla niedopełnionych wsadów suszarni (zob. Praktyka 1B w artykule o handlu).
  3. Buduj relacje z klientami kluczowymi, którzy chcą zobowiązać się w oknie. Krótka lista klientów, którzy zobowiązują się na wolumen w oknie 2 tygodni — a nie na stałą datę — daje planiście luz, którego potrzebuje. Ci klienci mogą oczekiwać w zamian preferencyjnej ceny lub obsługi.

Model rentowności — rentowność × pokrycie zamówienia, a nie sama rentowność

Większa pula zamówień daje planiście więcej opcji. Model uzysku mówi planiście, która opcja jest najlepsza. A „najlepsza” okazuje się czymś innym, niż domyślnie zakłada model oparty wyłącznie na uzysku.

Częsty instynkt planistyczny — i to, co koduje kalkulator oparty wyłącznie na uzysku — to maksymalizacja procentowego uzysku: spośród kandydujących wzorów cięcia dla danej średnicy kłody wybiera się ten, który daje najwięcej metrów sześciennych tarcicy z metra sześciennego kłody. Gdy produkcja musi też pasować do otwartych zamówień, ten cel może wprowadzać w błąd, a sposób awarii jest konkretny.

Pułapka samego uzysku

Hipotetycznie: wzór cięcia o teoretycznym uzysku 53%, który daje deski, jakich żaden obecny klient nie chce, może być gorszy niż wzór o teoretycznym uzysku 51%, który realizuje dwa otwarte zamówienia.

Wzór 53% daje o 2 pp więcej tarcicy z kłody. Wzór 51% daje o 2 pp mniej tarcicy z kłody — ale każda deska ma nabywcę po cenie kontraktowej. „Nadwyżkowe” deski wzoru 53% idą na zapas (zamrożony kapitał obrotowy) albo do sprzedaży towarowej po niższej cenie za m³. To, czy wygra wzór 51%, zależy od tej różnicy cen; poniższy przykład z obliczeniami pokazuje rachunek i próg opłacalności.

Właściwa funkcja celu to uzysk × pokrycie zamówień — metry sześcienne tarcicy, które realizują otwarte zamówienie po standardowej cenie za metr sześcienny kłody. Równoważnie: przychód na m³ kłody, liczony po cenie, jaką zamówienie faktycznie płaci, a nie po cenie, jaką deski osiągnęłyby na rynku spot.

Badania nad optymalizacją przetarcia wskazują ten sam kierunek. Todoroki i Rönnqvist (2002) powiązali optymalizację przetarcia kłód z produkcją względem portfela zamówień, z wartościami produktów regularnie aktualizowanymi według wcześniejszej produkcji tarcicy. Na trzech portfelach zamówień, testowanych symulacyjnie na kłodach z drzew podkrzesywanych Pinus radiata, optymalizacja produktowa wymagała mniej kłód do zaspokojenia całego popytu niż optymalizacja objętościowa lub wartościowa, eliminowała niedoprodukcję i ograniczała nadprodukcję. To badanie symulacyjne, a nie próba w tartaku, i nie mierzy efektu w €.

To zmienia każdą decyzję. Wzory są teraz szeregowane według oczekiwanego wkładu w przychód z portfela zamówień w oknie planowania — a nie według abstrakcyjnego uzysku. Wybór wzoru uwzględnia to, co jest otwarte, a nie to, co jest teoretycznie możliwe. Technolog nadal wybiera, ale wybiera, mając przed sobą właściwą liczbę.

Sprawdzony przykład — poniedziałek rano w młynie

Połączmy wszystkie trzy elementy — horyzont, pulę i model uzysku — w jeden scenariusz poniedziałkowego poranka w planowaniu partii przetarcia. To przykład ilustracyjny: wszystkie liczby są założeniami dobranymi tak, by pokazać strukturę decyzji; nie są danymi pomiarowymi i nie pochodzą z konkretnego tartaku.

Założenia wyjściowe

Cel produkcji na ten tydzień: 2 000 m³ przerobu kłód (około 1 000 m³ tarcicy przy uzysku rzędu 50%), tartak iglasty z jedną linią.

Dostępny zapas posortowanych kłód:

Klasa średnicyWolumen w buforzeSpodziewane uzupełnienie
160 mm600 m³stabilnie
180 mm800 m³szczyt, wyczerpuje się do czwartku
200 mm600 m³uzupełnienie śr.–pt.

Otwarte zamówienia w portfelu w ten poniedziałkowy poranek:

SpecyfikacjaPozostały wolumenTermin dostawy
22×100400 m³w tym tygodniu (priorytet)
25×100200 m³w tym tygodniu
32×100150 m³w tym tygodniu
47×100250 m³w tym tygodniu
50×150100 m³w tym tygodniu

Łączne otwarte zamówienia w tym tygodniu: 1 100 m³ tarcicy. Oczekiwana produkcja tarcicy: około 1 000 m³. Pula zamówień / produkcja = 1 100 / 1 000 = 1,1×. Zbyt ciasno, by optymalizować.

Pula 1,1× — co musi zrobić planista

Gdy w puli praktycznie nie ma luzu, każde zamówienie trzeba zrealizować w tym tygodniu. Planista wybiera dla każdej klasy średnicy wzór cięcia o najwyższym uzysku i zostawia zamówienia, żeby spadły tam, gdzie spadną.

Dla kłód 180 mm wzorem o najwyższym dostępnym uzysku jest Wzór A — uzysk netto 52%, z czego 40% produkcji pasuje do istniejących zamówień. Planista wybiera A.

Skutek: deski ze Wzoru A, które nie pasują do żadnego istniejącego zamówienia — o wysokim uzysku, ale niedopasowane do specyfikacji priorytetowej — gromadzą się jako zapas albo trafiają do sprzedaży po cenie towarowej. Technolog osiąga wskaźnik uzysku, ale dział handlowy cały tydzień tłumaczy przez telefon częściową dostawę 22×100.

Pula 1,5× — co się zmienia

Wyobraźmy sobie teraz, że sprzedaż przez ostatnie dwa tygodnie pozyskiwała do puli zamówienia uzupełniające. Pula rośnie o 400 m³ nowych zamówień — dobranych tak, by uzupełniać istniejący portfel, a nie go duplikować:

  • 22×125 — 150 m³ (możliwe do dostarczenia w ciągu 2 tygodni)
  • 22×75 — 100 m³ (wypełnienie wsadu suszarni)
  • 32×150 — 100 m³ (możliwe do dostarczenia w ciągu 2 tygodni)
  • 50×100 — 50 m³ (możliwe do dostarczenia w ciągu 2 tygodni)

Łączna pula zamówień: 1 500 m³ tarcicy. Oczekiwana produkcja tarcicy: około 1 000 m³. Pula zamówień / produkcja = 1 500 / 1 000 = 1,5×. Planista ma teraz prawdziwy wybór.

Dla kłód 180 mm narzędzie planistyczne, które szereguje wzory względem puli zamówień (jak robi to SawmillSmart), mogłoby pokazać trzy kandydujące wzory cięcia, z założonymi wartościami:

WzórUzysk nettoUdział produkcji wzoru trafiający do istniejących zamówień (założony)
A52%22×100 (40% produkcji) — reszta niesprzedana
B51%22×100 (60% produkcji) — reszta niesprzedana
C49%22×100 (60% produkcji) + 22×125 (25%) + 22×75 (15%) — 100% do otwartych zamówień

Przy puli 1,1× planista wybrał A. Uzysk 52%, ale pokrycie było problemem.

Przy puli 1,5× planista wybiera C. Wzór daje uzysk 49% — o 3 punkty procentowe mniej niż A — ale każda produkowana przez niego deska realizuje istniejące zamówienie po cenie kontraktowej. Nie ma zejścia do sprzedaży towarowej. Priorytetowe zamówienie 22×100 otrzymuje większą część swojego wolumenu z tych samych kłód (60% produkcji wzoru zamiast 40%), a zamówienia uzupełniające 22×125 i 22×75 postępują równolegle.

Rachunek ekonomiczny

Co istotne, planista nie stracił wartości uzysku. Zamienił uzysk nominalny na przychód na m³. Przeliczmy to na założonych cenach — 280 €/m³ jako cena kontraktowa zamówień istniejących i 240 €/m³ jako cena towarowa po zejściu — dla 1 000 m³ kłód:

WskaźnikWzór A (tylko uzysk)Wzór C (uzysk × pokrycie)
Uzysk netto52%49%
Tarcica z 1 000 m³ kłód520 m³490 m³
Wolumen do zamówień istniejących208 m³ (40%)490 m³ (100%)
Wolumen do sprzedaży towarowej312 m³ (60%)0 m³
Przychód przy 280 € / 240 € za m³133 120 €137 200 €
Efektywna cena za m³ tarcicy256 €280 €
Przychód na m³ wsadu kłód133 €137 €

Obliczenia. Wzór A: tarcica = 1 000 × 0,52 = 520 m³; do zamówień istniejących = 520 × 0,40 = 208 m³; do sprzedaży towarowej = 520 − 208 = 312 m³; przychód = 208 × 280 € + 312 × 240 € = 58 240 € + 74 880 € = 133 120 €. Wzór C: tarcica = 1 000 × 0,49 = 490 m³, całość do zamówień istniejących; przychód = 490 × 280 € = 137 200 €. Na m³ wsadu kłód: 133,12 € wobec 137,20 €, różnica 4,08 €.

Przy tych założeniach Wzór C daje około 4 € więcej przychodu na m³ wsadu kłód niż Wzór A, choć — dla kogoś, kto patrzy tylko na kolumnę uzysku — wygląda jak gorszy wzór. Przy 2 000 m³ kłód tygodniowo 4,08 € × 2 000 = 8 160 € tygodniowo, czyli około 408 000 € rocznie w 50 tygodniach pracy. Wynik zależy w całości od założonej różnicy cen i od założonego udziału produkcji Wzoru A, który nie znajduje zamówienia istniejącego: Wzór A wygrywa, jeśli cena towarowa jest wyższa niż 253 €/m³ (próg: 208 × 280 + 312 × p = 137 200, stąd p = 253,08 €). Przed wyciągnięciem wniosków wykonaj ten sam rachunek na własnych cenach. W tym przykładzie różni się tylko logika planowania: te same kłody, ta sama linia.

Oto w jednym przykładzie argument za modelem uzysku. Planista zmianowy z pulą 1,1× wybiera A. Planista horyzontowy z pulą 1,5× i modelem uzysk × pokrycie wybiera C. Te same dane, inny cel, inna odpowiedź.

Zanonimizowany przypadek — wydajność, zasięg i przychody łącznie

Powyższy przykład z obliczeniami jest ilustracyjny. Poniższy przypadek to prawdziwy projekt poprawy uzysku tarcicy, zanonimizowany w celu zachowania poufności handlowej.

Średniej wielkości europejski tartak iglasty — około 140 000 m³ rocznego przerobu kłód, mieszanka sosny i świerku, produkcja jednoliniowa z wielopiłowym rozkrojem pierwotnym i liniową rozdzielarką — przeszedł z opartego na arkuszach kalkulacyjnych planowania zmianowego na planowanie w horyzoncie z pulą zamówień 1,5× i modelem uzysk–pokrycie. Dane przed/po pochodzą z dwóch kolejnych kwartałów o porównywalnym składzie kłód i portfela zamówień.

Zanonimizowany przypadek — trzy wskaźniki zmieniły się razem Zanonimizowane dane z prawdziwego tartaku, klienta SawmillSmart, ok. 140 000 m³/rok, kwartał po wdrożeniu Uzysk netto % tarcicy / m³ kłód 46% przed 51% po +5 pp Pokrycie zamówień % tarcicy do zamówień istniejących 64% przed 88% po +24 pp Śr. przychód / m³ sprzedanej tarcicy 247 € przed 265 € po +18 € / m³ Ta sama linia, ta sama załoga, te same kłody — kwartał po wdrożeniu Uzysk, pokrycie zamówień i przychód zmieniły się — bo wszystkie trzy wynikają z tej samej decyzji Łączny wpływ na marżę: około 1,8 mln €/rok przy ok. 100 000 m³ produkcji tarcicy

Co mówią razem te trzy wskaźniki

Większość rozmów o planowaniu koncentruje się wyłącznie na uzysku, bo jest najłatwiejszą liczbą do śledzenia. Powyższy przypadek pokazuje, dlaczego patrzenie tylko na uzysk pomija większy obraz.

Uzysk wzrósł o 5 punktów procentowych. Z 46% do 51%. To liczba nagłówkowa — te same kłody dają więcej tarcicy. Jest to warte około 1,4 mln € rocznie w postaci dodatkowej produkcji tarcicy po średniej cenie rynkowej.

Pokrycie zamówień wzrosło o 24 punkty procentowe. Z 64% do 88%. Tartak przeszedł od sprzedaży mniej więcej dwóch trzecich tarcicy na otwarte kontrakty do sprzedaży niemal całości. Pozostałe 36% (przed) szło na narastający zapas albo do sprzedaży towarowej ze zniżką. Sama ta zmiana — ta sama ilość tarcicy, ale większy udział w zamówieniach istniejących — była warta około 400 tys. € rocznie jako wzrost przychodu z tytułu struktury sprzedaży.

Średni przychód na m³ tarcicy wzrósł o 18 €. Z 247 € do 265 €. To konsekwencja poprawy pokrycia zamówień: tarcica trafiająca na kontrakt jest płatna po cenie kontraktowej, a tarcica, która na kontrakt nie trafia, ląduje w sprzedaży towarowej, o 30–50 € taniej za m³. Zmiana przychodu na m³ kumuluje się z przyrostem uzysku i daje nagłówkowy roczny wpływ na marżę.

Razem te trzy wskaźniki opowiadają całą historię, którą sam uzysk ukrywa. Tartak wyprodukował więcej tarcicy, sprzedał większą jej część po cenach zamówień istniejących i zarobił więcej na m³ tego, co sprzedał. Żaden z tych trzech wskaźników nie jest przyczyną pozostałych — wszystkie są następstwami tej samej zmiany źródłowej: lepszego planowania.

Jak SawmillSmart realizuje planowanie horyzontu

Wszystko powyżej to zasada. SawmillSmart Planning jest jedną z jej implementacji. Ta sekcja opisuje wyłącznie to, co SawmillSmart publikuje na swoich stronach produktu (przegląd produktu, jak to działa), i nie wysuwa twierdzeń wykraczających poza nie.

SawmillSmart to oprogramowanie do planowania produkcji dla tartaków. Optymalizuje planowanie produkcji na wielotygodniowym horyzoncie — zwykle kilku tygodni — oceniając tysiące kombinacji cięcia, i prowadzi kroczący plan czterotygodniowy. Nie wymaga nowego sprzętu na linii.

Praktyka 1 — Wzory cięcia oceniane względem portfela zamówień

Jak to działa. Planista wczytuje dane, które tartak już prowadzi: asortyment kłód (gatunek, średnica, długość, liczba), zamówienia lub plan popytu oraz wydajności linii przetarcia, parametry przetarcia i strukturę zmian. Zamówienia można importować z Excela. SawmillSmart następnie ocenia wykonalne kombinacje wzorów cięcia, alokacji produkcji i kolejności, jednocześnie przy wszystkich zdefiniowanych ograniczeniach, i wybiera kombinację, która maksymalizuje uzysk przy zapewnieniu realizacji popytu.

Co jest inne. Arkuszowy kalkulator uzysku może podać teoretyczny uzysk jednego wzoru dla jednej średnicy kłody. Nie powie, czy deski z tego wzoru pasują do otwartego zamówienia. SawmillSmart szereguje symulowane scenariusze według uzysku tarcicy, kosztu kłód i dopasowania do realizacji, więc pytanie dla tego zestawu kłód i tego zestawu zamówień, które wzory warto uruchomić? ma odpowiedź w jednym miejscu.

Wynik, który widzi planista. Uszeregowana lista scenariuszy z pełnym zestawieniem ekonomicznym — przerobione m³, uzysk %, wartość na kłodę i łączny koszt produkcji — które można porównywać obok siebie. Technolog nadal wybiera.

Praktyka 2 — Uzysk widoczny przed cięciem

Co robi. Każde uruchomienie symulacji pokazuje uzysk % zanim cokolwiek trafi na linię. Dla każdego wzoru cięcia w symulacji SawmillSmart renderuje widok przekroju na tle rzeczywistej średnicy kłody — rozmieszczenie desek, strefy naddatku na obwar i efektywne granice stref — wraz z procentem uzysku, liczbą desek i objętością kłody.

Dlaczego to ważne. Bez liczby przed oczami każdy wzór cięcia to zakład: technolog zatwierdza wzór, linia go realizuje, a rzeczywisty uzysk pojawia się na końcu zmiany, za późno, by wybrać inaczej. Mając symulowaną liczbę, planista może porównać wzory przed zatwierdzeniem. Symulacja jest tak dobra, jak jej dane wejściowe: własne materiały SawmillSmart stwierdzają, że jakość danych wejściowych determinuje jakość planu.

Praktyka 3 — Plan kroczący, który się aktualizuje

Co robi. Planer kroczący utrzymuje plan na kolejne cztery tygodnie i aktualizuje go, gdy zmieniają się zamówienia, zapasy lub warunki na linii. Widok planu operacyjnego pokazuje postęp realizacji zamówień, ochronę strefy zamrożonej dla zatwierdzonych zmian, pokrycie planu % i alerty o zamówieniach zagrożonych, a harmonogram zmian jest generowany z potwierdzonego planu.

Dlaczego to ważne. Zamówienia, kłody i warunki na linii zmieniają się w obrębie okna, a plan horyzontowy, którego nie da się zmienić, przestaje być planem. To, czy dany tartak osiągnie oczekiwane korzyści, zależy od jego danych, ograniczeń i portfela zamówień, dlatego własna oferta SawmillSmart to przeprowadzenie symulacji na rzeczywistych danych tartaku podczas dema.

Czym są własne liczby SawmillSmart

Strona produktu SawmillSmart podaje średni wzrost uzysku o 2–4% w porównaniu z planowaniem zmiana po zmianie. To własne szacunki SawmillSmart, a nie niezależne badanie, i metoda nie jest tam opublikowana. Strona produktu nie podaje, czy ta wartość to procenty, czy punkty procentowe. Powyższy przypadek to zanonimizowane dane klienta SawmillSmart z jednego tartaku. Dla Twojego tartaku jedyna istotna liczba to taka, którą policzono na Twoich własnych danych.

Czym planowanie NIE jest — trzy antywzorce

Rozmowy o planowaniu w tartaku często mylą trzy odrębne funkcje. Każda z nich leży obok planowania w przepływie pracy i każda bywa nazywana planowaniem przez osoby używające tego słowa luźno. Żadna z nich nie jest tym, o czym jest ten artykuł, a ich mylenie może być jednym z powodów, dla których tartaki niedoinwestowują prawdziwe planowanie.

Antywzorzec 1 — Planowanie to nie harmonogramowanie

Harmonogramowanie odpowiada na pytanie „co leci kiedy?” — zmiana poniedziałkowa rano, zmiana wtorkowa po południu, piątek w nocy. Harmonogramowanie to ćwiczenie kalendarzowe. Interesuje je dostępność zasobów, obsada zmian i okna konserwacji.

Planowanie odpowiada na inne pytanie: „co ciąć, z których kłód, względem których zamówień?” — ćwiczenie z uzysku i pokrycia. Wynik planowania zasila harmonogram, ale harmonogram sam niczego nie optymalizuje. Perfekcyjnie zharmonogramowany tartak, który realizuje nieoptymalne wzory cięcia, daje nieoptymalny uzysk w świetnym czasie.

Naszym zdaniem zakup lepszego programu do harmonogramowania sam w sobie nie zamyka luki planistycznej.

Antywzorzec 2 — Planowanie to nie kolejkowanie

Kolejkowanie to kolejność, w jakiej otwarte zamówienia są cięte. Pierwsze weszło, pierwsze wyszło. Największe najpierw. Według terminu dostawy. Według priorytetu klienta. To reguły kolejkowania i większość tartaków je ma — jawne lub domyślne.

Reguły kolejkowania następują po planowaniu. Planista decyduje, jakie wzory cięcia uruchomić; kolejkowanie ma znaczenie dopiero po tej decyzji, przy przypisywaniu produkcji do konkretnych zamówień. Świetny system kolejkowania zastosowany do złej decyzji o wzorze cięcia daje uporządkowaną dostawę tarcicy o słabym uzysku.

Antywzorzec 3 — Planowanie to nie wprowadzanie zamówień

Wprowadzanie zamówień to proces wprowadzenia zamówienia klienta do systemu: specyfikacja, wolumen, dostawa, cena. To funkcja handlowa (zob. handel w tartaku).

Portfel zamówień jest wejściem do planowania, a nie samym planowaniem. Czysty portfel zamówień to warunek wstępny dobrego planowania; nie zastępuje go. Lepsze wprowadzanie zamówień czyni wejście czystszym; nie zmienia kroku optymalizacji, który to wejście wykorzystuje.

Co robić w tym tygodniu — lista kontrolna

Pięć działań diagnostycznych, które ujawniają, gdzie w Twoim tartaku może być luka planistyczna, i co z nią zrobić. Progi to praktyczne reguły SawmillSmart do wstępnej oceny, a nie zwalidowane punkty odniesienia.

Planowanie w tartaku — lista kontrolna na tydzień 1

  • Oblicz wskaźnik puli zamówień. Łączny wolumen otwartych zamówień ÷ wolumen produkcji w oknie planowania, oba w m³ tarcicy. Poniżej około 1,3× jest mało miejsca na wybór, niezależnie od narzędzi. Powyżej około 1,7× pula może być zbyt duża, a obsługa klienta zagrożona.
  • Sprawdź jeden tydzień: uzysk planowany a rzeczywisty. Wyciągnij planowany uzysk każdej zmiany z ostatniego tygodnia i porównaj z rzeczywistym. Różnica większa niż około 2 punkty procentowe sugeruje, że plan nie jest zakotwiczony w prawdziwym modelu uzysku.
  • Wybierz jedno otwarte zamówienie i prześledź je przez ostatni tydzień. Dla swojego jednego najwyższego priorytetu policz, w ilu odrębnych wzorach cięcia pojawiło się w ciągu tygodnia. Więcej niż około 3 sugeruje, że ciągłość jest zerwana; zamówienie jest planowane od nowa co zmianę.
  • Przejdź się do suszarni. Policz niedopełnione wsady w ostatnim tygodniu. Każdy niedopełniony wsad może być dalszym dowodem planowania, które nie widziało ciągu suszarniczego.
  • Zapytaj technologa, jakiego narzędzia faktycznie używa do planowania. Jeśli odpowiedź brzmi „Excel” albo „zawsze jedziemy wzorem X dla średnicy Y” — w pętli może nie być modelu uzysku. To jest luka planistyczna.

Co dalej

Jeśli co najmniej dwa punkty powyższej listy wyszły na czerwono, warto bezpośrednio oszacować lukę planistyczną. Podczas dema SawmillSmart przechodzi przez strukturę Twoich zamówień i pokazuje rzeczywisty przebieg symulacji.

„Nie wiemy, jaki uzysk jest faktycznie osiągalny na naszych kłodach.” → SawmillSmart pokazuje uzysk % dla każdego symulowanego scenariusza i wzoru cięcia, zanim się zobowiążesz.
„Nie widzimy, jak stoją nasze zamówienia, do końca miesiąca.” → Operacyjny widok planu pokazuje postęp realizacji zamówień, pokrycie planu % i alerty o zamówieniach zagrożonych.
„Nasz planista to jedna osoba i arkusz kalkulacyjny.” → SawmillSmart uruchamia optymalizację w oknie horyzontu i przedstawia uszeregowane scenariusze, które zespół planistyczny przegląda i zatwierdza.

Poproś o demo na Twoich danych Więcej artykułów

Źródła i dalsza lektura

Każde źródło poniżej sprawdzono względem jego rekordu w Crossref. Twierdzenia, na których się opieramy, pochodzą z abstraktu (odczytanego przez OpenAlex), z pełnego tekstu w otwartym dostępie (Vanzetti et al., 2018) lub z samej strony (Toyota); rozdział Mondena sprawdzono tylko po tytule i metadanych, jego abstraktu nie otwierano. Co nie ma źródła: pula zamówień 1,5× i jej przedziały (praktyczna reguła SawmillSmart), przykład z obliczeniami (założone liczby), zanonimizowany przypadek z prawdziwego tartaku (dane klienta SawmillSmart, jeden tartak) oraz szacunek 2–4% (własny SawmillSmart).

Planowanie w tartaku i optymalizacja przetarcia

  1. Todoroki, C.L., & Rönnqvist, M. (2002). Dynamic control of timber production at a sawmill with log sawing optimization. Scandinavian Journal of Forest Research, 17(1), 79–89. doi:10.1080/028275802317221118
  2. Vanzetti, N., Broz, D., Corsano, G., & Montagna, J.M. (2018). An optimization approach for multiperiod production planning in a sawmill. Forest Policy and Economics, 97, 1–8. doi:10.1016/j.forpol.2018.09.001
  3. Chabanet, S., Bril El-Haouzi, H., Morin, M., Gaudreault, J., & Thomas, P. (2022). Toward digital twins for sawmill production planning and control: benefits, opportunities, and challenges. International Journal of Production Research, 61(7), 2190–2213. doi:10.1080/00207543.2022.2068086
  4. Dumetz, L., Gaudreault, J., Thomas, A., Marier, P., Lehoux, N., & El-Haouzi, H. (2015). A simulation framework for the evaluation of production planning and order management strategies in the sawmilling industry. IFAC-PapersOnLine, 48(3), 622–627. doi:10.1016/j.ifacol.2015.06.151
  5. Dumetz, L., Gaudreault, J., Thomas, A., Lehoux, N., Marier, P., & El-Haouzi, H. (2016). Evaluating order acceptance policies for divergent production systems with co-production. International Journal of Production Research, 55(13), 3631–3643. doi:10.1080/00207543.2016.1193250

Suszenie w suszarniach i planowanie

  1. Huka, M.A., Rindler, C., & Gronalt, M. (2020). Scheduling and loading problem for multiple, identical dry kilns. Flexible Services and Manufacturing Journal, 33(2), 312–336. doi:10.1007/s10696-020-09386-4
  2. Kökten, E.S., & Bayraktar, T. (2026). Integrated production and drying-capacity planning in sawmilling: a multi-period mixed integer linear programming optimization approach. Forest Products Journal, 76(2), 183–194. doi:10.13073/fpj-d-26-00007

Toyota Production System

  1. Sugimori, Y., Kusunoki, K., Cho, F., & Uchikawa, S. (1977). Toyota production system and Kanban system: materialization of just-in-time and respect-for-human system. International Journal of Production Research, 15(6), 553–564. doi:10.1080/00207547708943149
  2. Monden, Y. (1994). Smoothed production helps Toyota adapt to demand changes and reduce inventory. In: Toyota Production System, Springer, 63–73. doi:10.1007/978-1-4615-9714-8_4
  3. Toyota Motor Corporation. Toyota Production System (company page on Just-in-Time, jidoka and andon; accessed 2026-10-23). global.toyota

Przypadek (uzysk 46% → 51%, pokrycie zamówień 64% → 88%, przychód +18 €/m³) to zanonimizowane dane klienta SawmillSmart z jednego prawdziwego europejskiego tartaku iglastego. Poniedziałkowy przykład z obliczeniami używa założonych liczb dla ilustracji i nie pochodzi z konkretnego tartaku.

SawmillSmart
Zobacz planowanie horyzontu w praktyce

Wielotygodniowa optymalizacja wzorów cięcia względem portfela zamówień, uzysk % widoczny przed cięciem i kroczący plan czterotygodniowy.

Przegląd produktu → Jak to działa