Фабрика-кухня «Яндекс Лавки» стремится повысить производительность, сократить потери и улучшить контроль качества. Для этого компания внедряет прослеживаемость продукции, матрицу KPI, применяет интеллектуальные системы контроля. Благодаря используемым инструментам производительность фасовки за последний год выросла на 60%. Обо всем этом и не только рассказал Андрей Стукан, руководитель производства готовой еды «Яндекс Лавки», в ходе IV конференции «Собственное производство как конкурентное преимущество торговой сети».
Завод готовой еды «Яндекс Лавки» находится в Санкт-Петербурге, общая площадь производства – 3300 кв. м, ежемесячно отгружается 250–300 тонн продукции, это 975 тыс. лотков. В ассортиментном портфеле – 120 SKU, это еда сроком годности 4–7 дней – супы, салаты, завтраки и сэндвичи, первые и вторые блюда.
На производстве более 40 единиц кулинарного оборудования, 4 камеры шокового охлаждения, 5 фасовочных линий. На заводе работают 280 сотрудников.
Все процессы полностью автоматизированы, технологические этапы контролирует электроника. Основные процессы отслеживает ИТ-решение, созданное на базе «1С:Предприятия».
Как рассказал Андрей Стукан, руководитель производства готовой еды «Яндекс Лавка», завод был создан в 2020 году для того, чтобы управлять себестоимостью, контролировать всю технологическую цепочку, составить конкуренцию другим игрокам, в том числе и по цене. Категория еды является достаточно важной для «Яндекс Лавки» и составляет 20% в общем объеме прибыли, доля собственного производства в этом доходе доросла уже до 60%.
Создание ассортиментной матрицы
Для формирования ассортимента аналитики «Яндекс Лавки» выявляют потребности и самые популярные позиции, в том числе по заказам своих клиентов, покупающих блюда других поставщиков. После этого RND-группа (Research and Development) разрабатывает продукт, который отправляется на дегустацию в офис. Проводятся А/B-тесты относительно конкурентов.
«Ни один продукт завода не заходит в ассортимент без сравнительной оценки с другими поставщиками, – рассказывает Андрей Стукан. – Если по каким-то параметрам мы проигрываем аналогам, значит, что-то недоработано».
Блюдо, успешно прошедшее дегустации и тесты, отправляется на промышленную проработку. После этого еще раз проводятся A/B-тесты, и блюдо заводится в матрицу.
Искусственный интеллект составляет план выпуска согласно объему потребления, блюдо запускается в производство и продажу. «Дальше смотрим, как оно продается, – говорит Андрей Стукан. – Информация о продажах попадает на производство, выгружается в «1С», и система автоматически формирует планы выпуска по цехам и распределяет все процессы вплоть до планов отгрузки. И так – по каждому SKU».
Готовый продукт проходит шоковую заморозку и поступает на линию упаковки, затем фасуется в оборотные ящики и отправляется на РЦ в Москву или в Санкт-Петербург. На Москву приходится 80% от всего объема.
Контроль и еще раз контроль
Санитарная безопасность – одно из основных направлений контроля. В неделю проводится 77 микробиологических тестов продуктов. Анализы показывают, что 90% лабораторных смывов – качественные.
Помещение разделено на три санитарные зоны, доступ в «грязную» зону осуществляется по отпечатку пальца, в «чистую» – с помощью face ID.
Проводятся санитарные аудиты производства. Для систематического контроля состояния цехов и процессов санитарии внедрена система электронных аудитов на базе «1С». «Сотрудники отдела качества ходят по цехам с электронным устройством, вбивают показатели выполнения санитарных норм, система онлайн формирует таблицы с показателями по сменам, руководителям и цехам, – рассказывает Андрей Стукан. – Если были нарушения, например, отсутствовали маски на сотрудниках, лежали грязные ножи, работаем над их устранением».
Все учетные системы интегрированы с Telegram. Основной способ коммуникации в командах – чаты в Telegram. Для упрощения отчетности и оповещений создан ряд автоматических ботов, а также разработан «1С»-модуль для быстрого создания нужных ботов. Примеры чатов и автоматических отчетов: «бот с отчетами по итогам работы смен», «автоматические чаты с отчетами по итогам закрытия отгрузки», «чат-сигнализация о проблемах с температурным режимом».
На заводе установлена система INDIS, контролирующая температурный режим. Температурные показатели цехов и статус открытия дверей отслеживают 25 датчиков.
Разработано мобильное приложение под Android на базе «1С», интегрированное с мобильными устройствами и телеграм-ботом. Если нормы нарушаются, поступает сигнал в чат-бот, оповещаются все руководители, на место направляется специалист для устранения нарушения. Система также контролирует потребление электроэнергии.
Еще одно важное направление – развитие производственной культуры. Весь персонал получает консультации по охране труда и технике безопасности, проходит GMP-тренинги (GMP – надлежащая производственная практика). «Ни один сотрудник не выходит на рабочее место без подготовки, – говорит Андрей Стукан. – В 2021 году ввели должность «адаптант» – специалист по обучению работы на технологическом оборудовании. Понимаем, что оборудование становится все дороже, а уровень сотрудников часто недотягивает до работы на нем, и это большие риски. Неподготовленный сотрудник запросто может сломать оборудование стоимостью 13 млн рублей».
Применяются интеллектуальные системы контроля поведения сотрудников и доступа в санитарные зоны, для этого на заводе установлено 95 видеокамер. Планируется установка четырех дополнительных камер для контроля качества.
Внедряется система прослеживаемости продукта. На готовый полуфабрикат крепятся бирки, по ним продукт перемещается в цех фасовки. «Если маркировки нет, продукт считается браком и списывается, – рассказывает Андрей Стукан. – Достаточно долго добивались того, чтобы сотрудники вешали бирки, но в итоге все получилось, с помощью работы адаптанта и контроля специалистов».
Автоматически проводятся проверка штрихкода и подсчет этикеток для решения проблемы корректности наклейки. Это вызвано прецедентами, когда сотрудники при смене марки фасовали в лоток другой продукт. Теперь на оборудовании установлен сканер, который сканирует этикетку, после чего программа сравнивает заказ с этикеткой, если обнаружено несовпадение, загорается красная лампа, машина останавливается.
Как рассчитать выработку
Одна из основных задач – повышение производительности персонала. Ведется работа по формированию постоянного коллектива, снижению текучести кадров. Для проведения оценки персонала по ключевым показателям эффективности реализован крупный проект по созданию матрицы KPI по выработке каждого сотрудника. Сотрудники понимают, какая выработка должна быть для получения определенной заработной платы, а руководители видят загрузку своих подчиненных и могут планировать задания. Расчет ведется автоматически и реализован в написанной с нуля подсистеме «1С».
Ведется автоматический расчет сдельной оплаты на основе постоянно обновляемых нормативов выработки. Создана гибкая система учета в разрезе отдельных цехов и рабочих групп персонала.
Нормировали выработку по каждому SKU, потому что блюда бывают разные по сложности приготовления, – например, в салате используется 7–8 компонентов, а в каше – 2–3 компонента, и они требуют разных трудозатрат. Провели аудит эффективности по каждому SKU, подсчитали реальные трудозатраты и стали формировать реальные планы.
«Учили руководителей четче планировать ФОТ, – рассказывает Андрей Стукан. – Сейчас на неделю вперед руководители расписывают свой персонал по показателю выработки, который выставил офис».
Для повышения производительности автоматизируются технологические процессы, например, недавно запущен дозатор для пюре и каш, позволяющий работать в 3–4 раза быстрее.
Для оптимизации загрузки оборудования внедрили систему SMED (инструмент бережливого производства, направленный на сокращение времени настройки или переналадки оборудования до минимально возможного) по смене блюд на сборочной линии. Для ускорения перехода между продуктами унифицировали лотки. Проанализировали распределение SKU по лоткам и где это возможно унифицировали высоту лотков на блюдах.
Провели оптимизацию пересменки, сократили и стандартизировали время на отдых – не более 10 минут простоя.
«Начали отслеживать количество перерывов у сотрудников, как смены меняются, чтобы продукты готовили к следующей смене, чтобы перерыв между сменами был минимальным, – поясняет Андрей Стукан. – Изменили режим перерывов: перешли с одного полуторачасового на три по 30 минут и усилили административный контроль опозданий».
Внедрили службу внутренней логистики для своевременной подготовки и транспортировки полуфабрикатов к сборочной линии согласно оптимальному плану сборки. Создали оптимальные рецепты под каждое SKU, сохранили их в памяти машины, обучили авторизованный персонал и внедрили систему ежедневных проверок.
В результате внедрения методики бережливого производства, четкой настройки планирования и автоматизации процессов за год (с июня 2021 по июнь 2022 года) производительность на линии фасовки повысилась на 60%.
Посмотрите видеозапись выступления Андрея Стукана:
