在线零售商必须成为数据分析的大师。他们有海量的数据,可以快速进行实验和获得反馈。他们不断迭代如何让访问者更多地购物和更频繁地回访。

在另一个极端,许多制造和采购组织仍然生活在前数字世界。他们“接触”了许多数据,不幸的是,这些数据并没有被收集到数据库中进行分析。

这是一个遗憾。使用相对简单的统计工具可以为降低不良率、供应商风险和运营成本提供许多可行的想法。机器学习应该来得更晚些

驱动业务结果的5个典型分析示例

当检查质量数据时,您可以尝试以下5个分析来推动供应商,以获得比以前更好的结果:

1.向供应商展示主要缺陷,并要求提供纠正措施计划

按产品类别列出每个供应商的前10个缺陷,并要求对其中至少一个提出纠正措施计划。(你可能是唯一一个给他们这种反馈的客户,所以你很可能会引起他们的注意。)

好处:让供应商关注他们需要改进的地方。比较一段时间后的结果,问责制。接收质量更好的产品/零件。

2.发现在一个城市生产的产品比在另一个城市生产的产品风险更小

你会发现,当产品类别为ABC时城市风险比生产时要高得多城市456.

好处:在123市分配生产期间的检查,以及最终的检查。你知道它风险更大,所以要分配更多的资源。(相反地,如果风险低得多,移除456城市的资源。)

3.发现一家工厂生产的产品比另一家工厂生产的产品风险更小

你会发现,当产品类别为ABC时工厂风险比生产时要高得多工厂456.不合格品的平均百分比是已知的,它可以导致质量差的成本差异的量化(例如,客户退货)。

好处:采购团队可以将其考虑到他们的总拥有成本,作为456工厂较高的质量成本。这也许可以证明使用价格更高的更好的工厂是合理的。

4.为大的产品类别测试不同的首件检验方法

对于一个大的产品类别,在运行第一篇文章检查的方法上做a /B/C测试:

  • A是“只关注产品,检查更多的件,如果可能的话包括包装”,
  • B是“花30%的时间检查产品,70%的时间检查流程和系统”,
  • C是“跳过第一项检查”。

然后,在发货后查看最终检查的结果和其他反馈(投诉等)。

好处:发现什么方法能带来最好的结果,并将其标准化。保持成本不变,降低风险,或者(如果数据表明这是现实的)完全减少检查。

5.发现某些工厂在中国新年前夕造成较高的风险

你会发现,某些工厂在春节前的两个月内生产产品,风险会高得多。你可以通过不合格率、重新检查和加快装运等方面的差异来量化额外的成本。

好处:运行一个总拥有成本分析,它可能会告诉你,从其他工厂以更高的价格购买,或在10月前3个月购买更高的数量,可能对你的公司更有兴趣。

质量检验活动数字化

我们的质量检验程序收集大量重要数据(故障,供应商和工厂,城市,订单数量,产品…)只要看看我们的数据库,就可以收集到很多见解。

如果一个公司想要最大限度地利用这些信息呢?

他们收集所有数据(产品属性和类型,开发数据,日期,订单大小,工厂位置,过去的检查结果,售后投诉…)在一个数据库中。

然后,他们使用微软的Power BI(这似乎是许多大型机构的最爱)或Salesforce的Tableau来分析数据之间的关系,得出节约成本的结论。

******

你是否从分析供应商的数据中受益,并利用这些数据来激励他们对质量做出积极的改变?请在评论中告诉我们怎么做。


如果你对降低成本感兴趣,你也会喜欢这本关于削减质量检查成本的电子书……

关于作者