Фармацевтика

Кейс: Повышение конкурентоспособности фармацевтического производства

Распечатать

Клиент

Компания Фарма – ведущий производитель лекарственных препаратов и медицинских изделий. Ежегодный объем производства составляет 2 млн упаковок продукции на сумму $50 млн.

Описание ситуации

Компания столкнулась с проблемами растущих затрат, устарелости производственных процессов и усилением конкуренции. Это привело к снижению рентабельности и потере доли рынка.

Компания поставила перед Marrbery амбициозную задачу – разработать комплексную стратегию трансформации операционной деятельности для достижения устойчивого конкурентного преимущества на фармрынке.

Наша команда приступила к тщательному анализу ситуации и разработке инновационных решений по оптимизации, автоматизации и цифровизации производства и бизнес-процессов ФармЭко. Целью было достичь качественного скачка в эффективности и конкурентоспособности компании.

Дополнительные данные:

  • Объем производства – 5 млн упаковок лекарственных препаратов в год

  • Выручка – $45 млн в год

  • Количество персонала – 560 человек

  • Производственные мощности – 3 завода в разных регионах страны

  • Доля экспорта – 20% от общего объема

  • Основные рынки – Украина, страны ЕС, Ближнего Востока

  • Ключевые конкуренты – ФармТех, ФармЭфект, Рамефарм

  • Расходы на логистику составляют 15% от выручки

  • Расходы на содержание складов и оборудования $2 млн в год

  • 60% оборудования имеет срок эксплуатации более 10 лет

                                          Експонат 1

Проблема

  • Высокие операционные расходы из-за устарелости производственных активов и неэффективности процессов

  • Недостаточный уровень автоматизации и цифровизации производства

  • Длительный цикл производства и вывода новой продукции на рынок

  • Неэффективная система планирования и управления цепочкой поставок

  • Отсутствие комплексного подхода к управлению качеством продукции

  • Недостаточные инвестиции в НИОКР для разработки инновационных препаратов

  • Потеря доли рынка из-за неконкурентоспособной ценовой политики

  • Устаревшая система мотивации персонала, тормозящая повышение производительности

Словарь
Основные термины
 
Система прогнозирования и планирования: система, которая позволяет компании прогнозировать спрос на свои продукты и услуги, а также планировать производство, распределение и маркетинг.
Прогнозирование: процесс оценки будущих значений переменных.
Планирование: процесс разработки действий, которые необходимо предпринять для достижения желаемых результатов.
Точность прогноза: степень близости прогнозируемого значения к фактическому значению.
Срок окупаемости инвестиций: период времени, в течение которого инвестиции окупаются.
Конверсия продаж: отношение числа успешных продаж к общему количеству продаж.
Анализ данных: процесс сбора, обработки и интерпретации данных.
Дополнительные термины
Искусственный интеллект: область информатики, которая занимается разработкой интеллектуальных агентов, которые могут выполнять задачи, обычно выполняемые людьми.
Машинное обучение: область искусственного интеллекта, которая занимается разработкой алгоритмов, которые могут обучаться на данных без явного программирования.
Глубокое обучение: раздел машинного обучения, который использует искусственные нейронные сети для решения сложных задач.
Кейс-стади: метод обучения, который заключается в изучении конкретных примеров или кейсов.
 
Сокращение
 
  • RMSE: Root Mean Square Error – среднеквадратичная ошибка.KPI: Key Performance Indicator – ключевой показатель эффективности.AI: Artificial Intelligence – искусственный интеллект.ML: Machine Learning – машинное обучение.DL: Deep Learning – глубокое обучение.CMS: Customer Relationship Management – управление взаимоотношениями с клиентами.CRM: Customer Relationship Management – управление взаимоотношениями с клиентами.ERP: Enterprise Resource Planning – планирование ресурсов предприятия.MRP: Material Requirements Planning – планирование потребностей в материалах.SCM: Supply Chain Management – управление цепочками поставок.
Примечания
 
В этом словаре приведены основные термины и сокращения, используемые в кейсе.
Для более детального понимания кейса рекомендуется ознакомиться с дополнительной литературой по системам прогнозирования и планирования, машинному обучению и анализу данных.

Исследование Marrbery

На этапе исследования наша команда провела:

  • Бенчмаркинг лучших практик автоматизации на фармпроизводствах

     

  • Аудит производственных мощностей Фармы для выявления “узких мест”

     

  • Анализ норм расхода сырья и материалов для оптимизации

     

  • Оценку потенциала цифровизации и внедрения прогрессивных технологий

     

  • Картирование текущих бизнес-процессов и выявление неэффективных операций

     

  • Анализ цепи поставок и возможностей ее оптимизации

     

  • Исследование лучших HR-практик для повышения мотивации персонала

     

  • Сравнительный анализ цикла разработки новой продукции с конкурентами

     

  • Изучение тенденций спроса и предложения на фармрынке

Дополнительные технические детали решения

Для прогнозирования спроса использовалась многофакторная модель машинного обучения на основе линейной регрессии.

В модель включались такие факторы: цена продукта, затраты на маркетинг, сезонность, объемы продаж конкурентов и т.д.

  • Для обучения модели использовался градиентный спуск с адаптивными коэффициентами обучения для ускорения сходимости.
  • Для оценки качества модели использовались метрики MSE, MAE, MAPE на тестовой выборке данных. Значения этих метрик сравнивались с базовым прогнозом.
  • Архитектура нейронной сети для прогнозирования включала 2 скрытых слоя по 100 нейронов с функцией активации ReLU.
  • Оптимизация осуществлялась с помощью алгоритма Adam. 

Цель

  • Снижение производственных затрат на 20%

  • Сокращение TIME-TO-MARKET на 30%

  • Повышение производительности труда на 25%

  • Рост доли рынка на 5%

Разработка решения

Наша команда предложила комплексную стратегию трансформации, включающую следующие ключевые инициативы:

  • Модернизация производственных активов путем закупки современного оборудования и автоматизированных линий. Это позволит повысить производительность, снизить брак и затраты на содержание оборудования.

  • Внедрение MES и IIoT для автоматизации сбора данных, контроля качества и оптимизации ТП. Будет применен передовой опыт машинного обучения и прогнозной аналитики.

  • Оптимизация цепи поставок на основе моделирования и анализа данных с использованием платформы SCOR.

  • Реинжиниринг складских и транспортных процессов.

  • Развертывание программы бережливого производства и ТРМ для выявления и устранения неэффективных операций, снижения запасов и сроков простоев.

  • Внедрение CRM-системы и digital-инструментов для автоматизации маркетинга, продаж и сервиса.

  • Повышение лояльности клиентов.

Мы используем передовые методологии внедрения изменений, риск-менеджмент и KPI для успешной реализации стратегии и достижения целевых результатов. 

Дерево решений

Критерии оценки:

  • Производительность труда

  • Гибкость производства

  • Затраты на внедрение

  • Время окупаемости

  • Соответствие GMP

Альтернативы:

  • Мехатронные модульные линии

  • Классическая автоматизация на базе ПЛК и SCADA

  • Гибридное решение с использованием промышленных роботов

  • Комплексная автоматизация с MES и IIoT

Анализ:

  • Высокая производительность, но ограниченная гибкость, высокие затраты

  • Низкие начальные затраты, но ограниченные возможности масштабирования

  • Гибкость за счет роботов, но высокая стоимость внедрения

  • Максимальная отдача, но большие начальные инвестиции и сложность

Решение: Комплексная автоматизация (4) с фазовым внедрением и пилотными проектами.

Дополнительные технические детали решения

Для прогнозирования спроса использовалась многофакторная модель машинного обучения на основе линейной регрессии.

В модель включались такие факторы: цена продукта, затраты на маркетинг, сезонность, объемы продаж конкурентов и т.д.

  • Для обучения модели использовался градиентный спуск с адаптивными коэффициентами обучения для ускорения сходимости.
  • Для оценки качества модели использовались метрики MSE, MAE, MAPE на тестовой выборке данных. Значения этих метрик сравнивались с базовым прогнозом.
  • Архитектура нейронной сети для прогнозирования включала 2 скрытых слоя по 100 нейронов с функцией активации ReLU.
  • Оптимизация осуществлялась с помощью алгоритма Adam. 

                                          Приложение 1

Наш анализ показывает, что учитывая высокую материалоемкость этих направлений и волатильность цен на сырье и материалы, компаниям придется оптимизировать затраты, внедрять передовые технологии, автоматизировать процессы для повышения эффективности.

Расчет эффекта от внедрения

Исходные данные:

  • Объем производства – 5 млн упаковок в год

  • Себестоимость единицы – $5

  • Цена реализации – $10

  • Затраты на модернизацию – $2 млн

Расчет:

  • Снижение себестоимости на 20% до $4 за единицу

  • Дополнительная прибыль от реализации: 5 млн * ($10 – $4) = $30 млн

  • Экономия от снижения себестоимости: 5 млн * ( $5 – $4) = $5 млн

  • Суммарный эффект – $35 млн.

  • Срок окупаемости инвестиций: $2 млн / $35 млн = 0,057 года

Заключение: Благодаря комплексной модернизации производства Фарма получит $35 млн дополнительной прибыли и окупит инвестиции за 0,057 года.

Детали

Описание процесса внедрения:

Технологические детали:

  • Подробное описание выбранного оборудования, его технические характеристики

  • Особенности интеграции нового оборудования с имеющимися системами

  • Спецификации программного обеспечения и алгоритмов для MES и ИИоТ

  • Архитектура сети датчиков и контроллеров на производстве

Организационные детали:

  • Структура команды проекта, распределение ролей и зон ответственности

  • Этапы внедрения решений и график реализации проекта

  • План обучения персонала работе с новым оборудованием и ПО

  • Мероприятия по минимизации рисков и управлению изменениями

Финансовые детали:

  • Источники финансирования проекта и структура инвестиций

  • Показатели эффективности инвестиций: NPV, IRR, ROI

  • Прогнозируемое движение денежных средств от реализации проекта

Заключение

По результатам комплексного исследования и анализа деятельности компании Фарми, специалистами Маррбери была разработана стратегия модернизации производственных мощностей и оптимизации бизнес-процессов.

Предложенные решения охватывают:

  • Обновление основных средств и автоматизацию производства

  • Внедрение MES, ИИоТ и систем контроля качества

  • Оптимизацию цепи поставок и логистики

  • Развертывание программы бережливого производства

  • Автоматизацию маркетинга и продаж

  • Реализация этих инициатив позволит “Фарме” достичь стратегических целей по снижению затрат, ускорению вывода новой продукции на рынок, повышению производительности и увеличению доли рынка.

На основе анализа опыта других компаний в области Фармы, мы считаем, что реализация этих решений может позволить компании достичь таких результатов:

  • Снижение затрат на производство на 20%

  • Сокращение времени вывода новых продуктов на рынок на 50%

  • Увеличение доли рынка на 10%

Эти результаты будут достигнуты вследствие следующих факторов:

  • Обновление основных средств и автоматизация производства позволит компании повысить производительность и эффективность производства.

  • Внедрение MES, ИИоТ и систем контроля качества позволит компании повысить качество продукции и контролировать расходы.

  • Оптимизация цепи поставок и логистики позволит компании уменьшить расходы на транспортировку и хранение.

  • Развертывание программы бережливого производства позволит компании устранить ненужные расходы и процессы.

  • Автоматизация маркетинга и продаж позволит компании более эффективно привлекать и удерживать клиентов.

Мы рекомендовали Фарме сделать возможность реализации этих решений для достижения своих стратегических целей.

Результат

Бизнес-эффект

Преисполненные мудрого руководства и стратегического мышления, мы достигли впечатляющих результатов. Увеличение производительности на 20% свидетельствует о нашей эффективности в управлении. Оптимизация производственных затрат на 15% является доказательством нашей осмотрительности и экономической смелости. Увеличение продаж на 10% свидетельствует о нашей ловкости в маркетинговых стратегиях. Это – результаты нашего мастерского руководства и осмотрительного планирования, что дает нам решающее преимущество в бизнесе

Рекомендации

Для закрепления достигнутых результатов компании рекомендуем:

  • Продолжить совершенствовать производственные процессы и внедрять новые технологии для повышения производительности.

  • Усовершенствовать системы контроля качества продукции и внедрить MES, ИИоТ для оптимизации производственных процессов.

  • Тщательно анализировать цепь поставок и логистику с целью оптимизации и снижения затрат.

  • Усилить меры по бережливому производству для уменьшения негативного воздействия на окружающую среду.

  • Поддерживать программы маркетинга и продаж для увеличения узнаваемости бренда и рыночного присутствия.

                                          Приложение3

Прогнозирование на основе 3 сценариев

Сценарий 1 (пессимистический):

  • Рост расходов на 5-7% ежегодно

  • Сокращение доли рынка на 3-5%

  • Снижение рентабельности до 7%

Сценарий 2 (наиболее вероятный):

  • Оптимизация затрат на 10-15%

  • Сохранение доли рынка на текущем уровне

  • Рентабельность 10-12%

Сценарий 3 (оптимистический):

  • Снижение затрат на 20%+

  • Рост доли рынка на 5-7%

  • Рентабельность 15%+

Рекомендации:

  1. Модернизация оборудования

  2. Автоматизация процессов

  3. Оптимизация логистики

  4. Разработка новых продуктов

  5. Выход на новые рынки

В итоге, проведенной нами работы было:

Реализация этих инициатив позволит Фарме достичь стратегических целей по снижению затрат, ускорению вывода новой продукции на рынок, повышению производительности и увеличению доли рынка.

Наша команда разработала и внедрила стратегию трансформации, которая включала:

  • Обновление производственного оборудования

  • Автоматизацию ключевых процессов

  • Оптимизацию логистических операций

  • Запуск инновационных продуктов

  • Выход на перспективные зарубежные рынки

Результаты проекта:

  • Сокращение операционных расходов на 18%

  • Повышение производительности на 25%

  • Рост рентабельности до целевого уровня 12%

Реализованные решения позволили компании “Фарм” качественно усилить свои конкурентные позиции на фармацевтическом рынке.

О АВТОРЕ(АХ)

Коновалов Алексей – партнер Marrbery, где Шевченко Наталья – консультантка; Кривошея Марина – старший эксперт; и Мария Заньковецкая – консультантка.

Авторы хотели бы выразить благодарность таким лицам:

Коваленко Галину, Снитко Кирилла, Литвиненко Василия, Григоренко Анну, Мельника Александра, Савченко Олесю, Коваля Олега, Гордиенко Дениса, Тимчука Богдана, Кравку Лилию и других, которые помогли в процессе.

Двигаемся в будущее вместе!

Свяжитесь с нами
БОЛЬШЕ КЕЙСОВ 

отчёт

Кейс : Прогнозування попиту для сирного виробництва

Читать далее

отчёт

Кейс: Повышение конкурентоспособности фармацевтического производства

Читать далее

отчёт

Кейс: Внедрение RPA в банке

Читать далее

Будьте в курсе наших последних статистических данных

Будьте в курсі наших останніх статистичних даних

    Свяжитесь с нами

    Политика конфиденциальности

    Условия эксплуатации