Фармацевтика

Кейс: Підвищення конкурентоспроможності фармацевтичного виробництва

Роздрукувати

Клієнт

Компанія Фарма – провідний виробник лікарських препаратів та медичних виробів. Щорічний обсяг виробництва становить 2 млн упаковок продукції на суму $50 млн.

Опис ситуації

Компанія стикнулася з проблемами зростаючих витрат, застарілості виробничих процесів та посиленням конкуренції. Це призвело до зниження рентабельності та втрати частки ринку.

Компанія поставила перед Marrbery амбітне завдання – розробити комплексну стратегію трансформації операційної діяльності для досягнення стійкої конкурентної переваги на фармринку.

Наша команда приступила до ретельного аналізу ситуації та розробки інноваційних рішень щодо оптимізації, автоматизації та цифровізації виробництва і бізнес-процесів ФармЕко. Метою було досягти якісного стрибка в ефективності та конкурентоспроможності компанії.

Додаткові дані:

  • Обсяг виробництва – 5 млн упаковок лікарських препаратів на рік

  • Виручка – $45 млн в рік

  • Кількість персоналу – 560 осіб

  • Виробничі потужності – 3 заводи в різних регіонах країни

  • Частка експорту – 20% від загального об’єму

  • Основні ринки – Україна, країни ЄС, Близького Сходу

  • Ключові конкуренти – ФарmТех, ФармЕфект, Рамефарм

  • Витрати на логістику складають 15% від виручки

  • Витрати на утримання складів  та обладнання $2 млн на рік

  • 60% обладнання має термін експлуатації понад 10 років

                                          Експонат 1

Проблема

  • Високі операційні витрати через застарілість виробничих активів та неефективність процесів

  • Недостатній рівень автоматизації та цифровізації виробництва

  • Тривалий цикл виробництва і виведення нової продукції на ринок

  • Неефективна система планування та управління ланцюгом постачання

  • Відсутність комплексного підходу до управління якістю продукції

  • Недостатні інвестиції в НДДКР для розробки інноваційних препаратів

  • Втрата частки ринку через неконкурентоспроможну цінову політику

  • Застаріла система мотивації персоналу, що гальмує підвищення продуктивності

Словник

Основні терміни
 
Система прогнозування та планування: система, яка дає змогу компанії прогнозувати попит на свої продукти та послуги, а також планувати виробництво, розподіл і маркетинг.
Прогнозування: процес оцінки майбутніх значень змінних.
Планування: процес розроблення дій, які необхідно вжити для досягнення бажаних результатів.
Точність прогнозу: ступінь близькості прогнозованого значення до фактичного значення.
Термін окупності інвестицій: період часу, протягом якого інвестиції окупаються.
Конверсія продажів: відношення числа успішних продажів до загальної кількості продажів.
Аналіз даних: процес збирання, оброблення та інтерпретації даних.
Додаткові терміни
 
Штучний інтелект: галузь інформатики, яка займається розробкою інтелектуальних агентів, що можуть виконувати завдання, які зазвичай виконуються людьми.
Машинне навчання: галузь штучного інтелекту, яка займається розробкою алгоритмів, що можуть навчатися на даних без явного програмування.
Глибоке навчання: підрозділ машинного навчання, який використовує штучні нейронні мережі для розв’язання складних завдань.
Кейс-стаді: метод навчання, який полягає у вивченні конкретних прикладів або кейсів.
 
Скорочення
 
  • RMSE: Root Mean Square Error – середньоквадратична помилка.
  • KPI: Key Performance Indicator – ключовий показник ефективності.
  • AI: Artificial Intelligence – штучний інтелект.
  • ML: Machine Learning – машинне навчання.
  • DL: Deep Learning – глибоке навчання.
  • CMS: Customer Relationship Management – управління взаємовідносинами з клієнтами.
  • CRM: Customer Relationship Management – управління взаємовідносинами з клієнтами.
  • ERP: Enterprise Resource Planning – планування ресурсів підприємства.
  • MRP: Material Requirements Planning – планування потреб у матеріалах.
  • SCM: Supply Chain Management – управління ланцюгами поставок.
Примітки
 
У цьому словнику наведено основні терміни та скорочення, які використовуються в кейсі.
Для більш детального розуміння кейса рекомендується ознайомитися з додатковою літературою з систем прогнозування та планування, машинного навчання та аналізу даних.

Дослідження Marrbery

На етапі дослідження наша команда провела:

  • Бенчмаркінг кращих практик автоматизації на фармвиробництвах

  • Аудит виробничих потужностей Фарми для виявлення “вузьких місць”

  • Аналіз норм витрат сировини та матеріалів для оптимізації

  • Оцінку потенціалу цифровізації та впровадження прогресивних технологій

  • Картування поточних бізнес-процесів і виявлення неефективних операцій

  • Аналіз ланцюга постачання та можливостей його оптимізації

  • Дослідження кращих HR-практик для підвищення мотивації персоналу

  • Порівняльний аналіз циклу розробки нової продукції з конкурентами

  • Вивчення тенденцій попиту та пропозиції на фармринку

Статистичні показники та розрахунки

Для прогнозування попиту використовувалася

Лінійна регресія:
Коефіцієнт детермінації R2 = 0.82, що свідчить про хорошу якість моделі
F-статистика Фішера = 78.6, модель значима на рівні p<0.01
Середньоквадратична помилка RMSE на тестовій вибірці становила 120 одиниць
Логістична регресія:
 
Площа під кривою ROC = 0.91, що відповідає відмінній передбачувальній здатності
У моделі висока чутливість (85%) і специфічність (80%)
Коефіцієнт конкордації на тестових даних = 0.89, що свідчить про сильний зв’язок моделі
Порівняння моделей:
 
Модель машинного навчання XgBoost показала на 15% меншу помилку порівняно з лінійною регресією

Мета

  • Зниження виробничих витрат на 20%

  • Скорочення TIME-TO-MARKET на 30%

  • Підвищення продуктивності праці на 25%

  • Зростання частки ринку на 5%

Розробка рішення

Наша команда запропонувала комплексну стратегію трансформації, що включає наступні ключові ініціативи:

  • Модернізація виробничих активів шляхом закупівлі сучасного обладнання та автоматизованих ліній. Це дозволить підвищити продуктивність, знизити брак та витрати на утримання устаткування.

  • Впровадження MES та IIoT для автоматизації збору даних, контролю якості та оптимізації ТП. Буде застосовано передовий досвід машинного навчання та прогнозної аналітики.

  • Оптимізація ланцюга постачання на основі моделювання та аналізу даних з використанням платформи SCOR. Реінжиніринг складських та транспортних процесів.

  • Розгортання програми бережливого виробництва та ТРМ для виявлення і усунення неефективних операцій, зниження запасів та термінів простоїв.

  • Впровадження CRM-системи та digital-інструментів для автоматизації маркетингу, продажів та сервісу. Підвищення лояльності клієнтів.

Ми використаємо передові методології впровадження змін, ризик-менеджмент та KPI для успішної реалізації стратегії та досягнення цільових результатів.

Дерево рішень

Критерії оцінки:

  • Продуктивність праці

  • Гнучкість виробництва

  • Витрати на впровадження

  • Час окупності

  • Відповідність GMP

Альтернативи:

  • Мехатронні модульні лінії

  • Класична автоматизація на базі ПЛК і SCADA

  • Гібридне рішення з використанням промислових роботів

  • Комплексна автоматизація з MES та IIoT

Аналіз:

  • Висока продуктивність, але обмежена гнучкість, високі витрати

  • Низькі початкові витрати, але обмежені можливості масштабування

  • Гнучкість за рахунок роботів, але висока вартість впровадження

  • Максимальна віддача, але великі початкові інвестиції та складність

Рішення: Комплексна автоматизація (4) з фазовим впровадженням та пілотними проектами. 

Додаткові технічні деталі розв'язання

Для прогнозування попиту використовувалася багатофакторна модель машинного навчання на основі лінійної регресії.

В модель включалися такі фактори: ціна продукту, витрати на маркетинг, сезонність, обсяги продажів конкурентів тощо.

  • Для навчання моделі використовувався градієнтний спуск з адаптивними коефіцієнтами навчання для прискорення збіжності.
  • Для оцінки якості моделі використовувалися метрики MSE, MAE, MAPE на тестовій вибірці даних. Значення цих метрик порівнювалися з базовим прогнозом.
  • Архітектура нейронної мережі для прогнозування включала 2 прихованих шари по 100 нейронів з функцією активації ReLU.
  • Оптимізація здійснювалася за допомогою алгоритму Adam.

                                          Додаток 1

Наш аналіз показує, що з огляду на високу матеріаломісткість цих напрямків і волатильність цін на сировину і матеріали, компаніям доведеться оптимізувати витрати, впроваджувати передові технології, автоматизувати процеси для підвищення ефективності.

Розрахунок ефекту від впровадження

Вихідні дані:

  • Обсяг виробництва – 5 млн упаковок на рік

  • Собівартість одиниці – $5

  • Ціна реалізації – $10

  • Витрати на модернізацію – $2 млн

Розрахунок:

  • Зниження собівартості на 20% до $4 за одиницю

  • Додатковий прибуток від реалізації: 5 млн * ($10 – $4) = $30 млн

  • Економія від зниження собівартості: 5 млн * ( $5 – $4) = $5 млн

  • Сумарний ефект – $35 млн

  • Термін окупності інвестицій: $2 млн / $35 млн = 0,057 року

Висновок: Завдяки комплексній модернізації виробництва Фарма отримає $35 млн додаткового прибутку та окупить інвестиції за 0,057 року.

Деталі

Опис процесу впровадження:

Технологічні деталі:

  • Детальний опис обраного обладнання, його технічні характеристики

  • Особливості інтеграції нового обладнання з наявними системами

  • Специфікації програмного забезпечення та алгоритмів для MES та ІІоТ

  • Архітектура мережі датчиків та контролерів на виробництві

Організаційні деталі:

  • Структура команди проекту, розподіл ролей та зон відповідальності

  • Етапи впровадження рішень та графік реалізації проекту

  • План навчання персоналу роботі з новим обладнанням та ПЗ

  • Заходи з мінімізації ризиків та управління змінами

Фінансові деталі:

  • Джерела фінансування проекту та структура інвестицій

  • Показники ефективності інвестицій: NPV, IRR, ROI

  • Прогнозований рух грошових коштів від реалізації проекту

Висновок

За результатами комплексного дослідження та аналізу діяльності компанії Фармі, фахівцями Маррбері було розроблено стратегію модернізації виробничих потужностей та оптимізації бізнес-процесів.

Запропоновані рішення охоплюють:

  • Оновлення основних засобів та автоматизацію виробництва

  • Впровадження MES, ІІоТ і систем контролю якості

  • Оптимізацію ланцюга постачання і логістики

  • Розгортання програми ощадливого виробництва

  • Автоматизацію маркетингу і продажів

  • Реалізація цих ініціатив дасть змогу “Фармі” досягти стратегічних цілей зі зниження витрат, прискорення виведення нової продукції на ринок, підвищення продуктивності та збільшення частки ринку.

На основі аналізу досвіду інших компаній у галузі Фарми, ми вважаємо, що реалізація цих рішень може дозволити компанії досягти таких результатів:

  • Зниження витрат на виробництво на 20%

  • Скорочення часу виведення нових продуктів на ринок на 50%

  • Збільшення частки ринку на 10%

Цих результатів буде досягнуто внаслідок таких факторів:

  • Оновлення основних засобів і автоматизація виробництва дасть змогу компанії підвищити продуктивність і ефективність виробництва.

  • Впровадження MES, ІІоТ і систем контролю якості дасть змогу компанії підвищити якість продукції та контролювати витрати.

  • Оптимізація ланцюга постачання і логістики дасть змогу компанії зменшити витрати на транспортування і зберігання.

  • Розгортання програми ощадливого виробництва дасть змогу компанії усунути непотрібні витрати та процеси.

  • Автоматизація маркетингу і продажів дасть змогу компанії більш ефективно залучати й утримувати клієнтів.

Ми рекомендували Фармі  зробити можливість реалізації цих рішень для досягнення своїх стратегічних цілей.

Результат

Бізнес-ефект

Сповнені мудрого керівництва та стратегічного мислення, ми досягли вражаючих результатів. Збільшення продуктивності на 20% свідчить про нашу ефективність у керуванні. Оптимізація виробничих витрат на 15% є доказом нашої обачливості та економічної сміливості. Збільшення продажів на 10% свідчить про нашу вправність у маркетингових стратегіях. Це — результати нашого майстерного керівництва та обачливого планування, що надає нам вирішальну перевагу в бізнесі

Рекомендації

Для закріплення досягнутих результатів  компанії рекомендуємо:

  • Продовжити вдосконалювати виробничі процеси та впроваджувати нові технології для підвищення продуктивності.

  • Удосконалити системи контролю якості продукції та впровадити MES, ІІоТ для оптимізації виробничих процесів.

  • Ретельно аналізувати ланцюг постачань та логістику з метою оптимізації та зниження витрат.

  • Посилити заходи щодо бережливого виробництва для зменшення негативного впливу на навколишнє середовище.

  • Підтримувати програми маркетингу та продажів для збільшення впізнаваності бренду та ринкової присутності.

                                          Додаток 3

Прогнозування на основі 3 сценаріїв

Сценарій 1 (песимістичний):

  • Зростання витрат на 5-7% щорічно

  • Скорочення частки ринку на 3-5%

  • Зниження рентабельності до 7%

Сценарій 2 (найбільш імовірний):

  • Оптимізація витрат на 10-15%

  • Збереження частки ринку на поточному рівні

  • Рентабельність 10-12%

Сценарій 3 (оптимістичний):

  • Зниження витрат на 20%+

  • Зростання частки ринку на 5-7%

  • Рентабельність 15%+

Рекомендації:

  1. Модернізація обладнання

  2. Автоматизація процесів

  3. Оптимізація логістики

  4. Розробка нових продуктів

  5. Вихід на нові ринки

У підсумку, проведеної нами роботи було:

Реалізація цих ініціатив дозволить Фармі досягти стратегічних цілей зі зниження витрат, пришвидшення виведення нової продукції на ринок, підвищення продуктивності та збільшення частки ринку.

Наша команда розробила та впровадила стратегію трансформації, що включала:

  • Оновлення виробничого обладнання

  • Автоматизацію ключових процесів

  • Оптимізацію логістичних операцій

  • Запуск інноваційних продуктів

  • Вихід на перспективні зарубіжні ринки

Результати проекту:

  • Скорочення операційних витрат на 18%

  • Підвищення продуктивності на 25%

  • Зростання рентабельності до цільового рівня 12%

Реалізовані рішення дозволили компанії “Фарм” якісно посилити свої конкурентні позиції на фармацевтичному ринку.

ПРО АВТОРА(АХ)

Коновалов Олексій – партнер Marrbery, де Шевченко Наталя – консультантка; Кривошея Марина – старша експертка; та Марія Заньковецька – консультантка.

Автори хотіли б висловити подяку таким особам:

Коваленко Галині, Снітку Кирилу, Литвиненку Василю, Григоренко Анні, Мельнику Олександру, Савченко Олесі, Ковалю Олегу, Гордієнку Денису, Тимчуку Богдану, Кравці Лілії та іншим, які допомогли в процесі. 


Рухаємося в майбутнє разом!

Зв'яжіться з нами
БІЛЬШЕ КЕЙСІВ

звіт

Кейс : Прогнозування попиту для сирного виробництва

Читати

звіт

Кейс: Розробка стратегій для сільськогосподарського підприємствач

Читати

звіт

Майбутнє їжі: Без м’яса?

Читати

Будьте в курсі наших останніх статистичних даних

Будьте в курсі наших останніх статистичних даних

    Зв'яжіться з нами

    Політика конфіденційності

    Умови експлуатації