استانداردهای کالانما سازی اقلام عملیاتی در شرکتهای صنعتی جهت مدیریت بهینه اقلام و تأمین منابع

چکیده

اقلام عملیاتی یک سازمان شامل کلیه کالاهای مصرفی، کالاهای برگشتنی و دارایی های فیزیکی آن سازمان است . مدیریت اقلام عملیاتی سازمان‌ها و شرکت‌ها همیشه دغدغه‌ای بزرگ بوده است. شناسایی صحیح اقلام عملیاتی سازمان و مدیریت بهینه آن باعث کاهش بسیار زیاد هزینه‌های سازمان می‌شود. در طول 50 سال گذشته برخی از سازمان‌های تدوین‌کننده استاندارد کدینگ اقلام مانند NATO و GS1 به کمک شرکت‌ها آمده‌‌اند تا شرکت‌ها بتوانند اقلام عملیاتی خود را به‌درستی شناسایی کنند. رویه‌های پیشنهاد شده توسط سازمان‌های فوق، شناسایی اقلام را بهبود داده ولی با توجه به وجود ایراداتی در طراحی فرآیندها نتوانسته از اطلاعات تکراری (ثبت چندباره یک‌قلم عملیاتی مشخص) جلوگیری نماید. با توجه به بهبود نسبی شرایط همچنان اطلاعات تکراری، اضافی هزینه گزافی را بر شرکت‌ها تحمیل می‌کند؛ لذا ضروری است فرآیندهای شناسایی اقلام در سیستم برنامه ریزی منابع انسانی(ERP) های موجود و همچنین ایرادات و اشکالات آن بررسی شود تا در نهایت بتوان با کارشناسی و ارائه راهکار بهتر، مشکلات بیان شده را بهبود بخشید یا برطرف کرد؛ لذا انجام یک تحقیق کتابخانه ای ضروری به نظر می‌رسد و این کار با مطالعه تحقیقات قبلی و بررسی RFP های شرکت‌های استفاده‌کننده از ERP ها امکان‌پذیر می‌باشد.

     1. مقدمه

هر ساز‌مان فارغ از ماهیت خدماتی یا تولیدی/صنعتی خود، رسالت و مأموریتی دارد که به‌منظور دستیابی به آن فعالیت، وظایف مختلفی را در قالب واحدهای مختلف تعریف می‌کند. واحدهای مختلف سازمان به‌منظور انجام فعالیت‌ها، وظایف محوله خود نیاز به مواد اولیه، اقلام، تجهیزات و قطعات یا به مفهوم عام، کالا دارند. کالا در چارچوب فعالیت‌های لجستیکی در لحظه ورود به سازمان یا در انبارهای سازمان ذخیره و نگهداری شده و در هنگام لزوم در اختیار واحدهای مربوط قرار داده می‌شوند و یا کالا مستقیماً از فضای تأمین در اختیار عملیات تولید و مصرف قرار می‌گیرد.

سیستم‌های اطلاعاتی مختلفی به‌منظور مدیریت لجستیک در سازمان‌ها توسعه و استقرار می‌یابند که تنها در صورت تزریق اطلاعات درست و صحیح کالاها به‌عنوان ورودی می‌توانند رسالت خود را انجام دهند و عدم وجود یک زبان مشترک برای کالا به‌منظور تعامل واحدها و افراد در فضای درون و بیرون سازمان مهم‌ترین مانع برای این مهم است. این مسئله با افزایش تعداد و تنوع قلم کالاها و بزرگ شدن سازمان کاربر، اهمیت بیشتری می‌یابد. [1] ایجاد یک زبان مشترک برای کالا مستلزم استانداردسازی داده و اطلاعات اقلام کالای سازمان است که تنها در صورت تعریف یک منطق مناسب برای شناسایی، طبقه‌بندی و کدگذاری اقلام امکان‌پذیر است.

شرکت‌ها و سازمان‌ها به‌خصوص شرکت‌های صنعتی همواره در صدد مدیریت اقلام عملیاتی خود و تأمین اقلام موردنیاز سازمان جهت پیشبرد اهداف خود و کاهش هزینه‌ها می‌باشند. متأسفانه اکثر شرکت‌ها و سازمان‌ها شناسایی دقیق و منحصربه‌فردی از اقلام عملیاتی ندارند و عمدتاً از ERP های موجود در بازار ایران مانند همکاران، شماران و چارگون و امثالهم استفاده می‌کنند که در سیستم کدینگ و شناسایی اقلام خود از نام‌دهی اقلام به‌صورت text و اختصاص کد استفاده می‌کنند که این روش دارای ایرادات اساسی در شناسایی اقلام بوده و منجر به مشکلات عدیده (مانند شناسایی چندگانه یک‌قلم کالای مشخص) برای شرکت‌ها شده و سالانه هزینه گزافی را بابت مدیریت منابع به آن ها تحمیل می‌نماید (حشمی، 1389). به‌مرورزمان و با پیشرفت کدینگ و افزایش اقلام موردنیاز مردم در فروشگاه‌ها، کدینگ اقلام توسط سازمان GS1 جهانی، استاندارد‌سازی گردید که روند پیشرفت آن به شرح زیر می‌باشد (تاریخچه GS1، http://gs1ir.net/).

  • •  سال 1983: استفاده از کدینگ و بارکد در بسته‌های عمده‌فروشی
  • •  سال 1989: توسعه استاندارد GS1 به بخش لجستیک و ایجاد اولین استاندارد تبادل الکترونیکی داده‌ها (EDI)
  • •  سال 2005: تغییر نام EAN به GS1 سراسری
  • •  سال 2016: تعریف پروژه GS1 Cloud برای تشکیل بانک جهانی از کدینگ اقلام در زنجیره تأمین

     2. تعریف کلمات کلیدی

اطلاعات تکراری :

به ثبت اطلاعات تکراری و مشابه (ثبت چندباره) در مدیریت داده‌های اصلی که اطلاعات را به‌صورت پارامتریک در کاتالوگ‌سازی مورداستفاده قرار می‌دهد، گفته می‌شود[11].

شناسایی و طبقه‌بندی:

شناسایی به معنای نام‌گذاری منحصربه‌فرد می‌باشد و طبقه‌بندی، فرایند تقسیم اعضای یک جمعیت به بخش‌های کوچک‌تر با مشخصات مشابه می‌باشد. عمل طبقه‌بندی در چند مرحله صورت می‌گیرد و هر سطح به بخش‌های پایین‌تر ادامه می‌یابد. معمولاً طبقه‌بندی شامل سرگروه، گروه، زیرگروه و بخش‌های کوچک‌تر می‌باشد. هر یک از این مراحل تقسیم‌بندی را یک سطح می‌نامند [10]

کالا نما :

ثبت پارامتر اطلاعات اقلام به‌صورت تجمیع و بازخوانی اطلاعات آن از طریق کد اختصاص‌داده‌شده به آن کاتالوگ‌سازی گویند. مانند NATO Cataloging [11].

ERP:

یک بسته نرم‌افزاری تجاری است که هدف آن یکپارچگی اطلاعاتی و برقراری جریان اطلاعات بین تمامی بخش‌های سازمان از جمله مالی، حسابداری، منابع انسانی، زنجیره تامین عرضه و مدیریت مشتریان برای افزایش کارایی سازمان است [15]

RFP:

RFP به معنی درخواست پیشنهاد و اغلب پس از ارسال RFI مطرح می‌شود که می‌تواند یک پیام یا سندی دقیقتر با جزئیات بیشتر که چالش‌ها و کلیه نیازمندی‌ها، اهداف تجاری کارفرما را پوشش می‌دهد. این نوع سند باید بر اساس مشکلات واقعی در کسب‌وکار، اطلاعات خاص لازم برای تهیه یک راه‌حل نرم‌افزاری متناسب را به فروشندگان ارائه دهد. [3]

     3. مبانی نظری و مروری بر پیشینه پژوهش

شرکت‌های صنعتی به دلیل استفاده از تعداد اقلام عملیاتی زیاد، وجود انبارهای متعدد، پراکندگی جغرافیایی در استقرار تجهیزات و مواردی ازاین‌قبیل همواره شناسایی دقیق، منحصربه‌فرد و مجتمع شده از اقلام عملیاتی خود ندارند. شرکت‌های صنعتی همان اطلاعات ناقص و پراکنده‌ای را که در اختیار دارند را به ورودی سیستم‌های ERP تزریق کرده و استفاده می‌کنند. وجود دیتای کثیف (دارای اطلاعات تکراری) در سیستم‌هایERP باعث می‌شود نتیجه مطلوب حاصل نشده و شرکت قادر نباشد مدیریت درستی روی اقلام عملیاتی و تأمین اقلام موردنیاز سازمان داشته باشد. این امر موجب تحمیل هزینه‌ای گزاف به شرکت‌های صنعتی می‌شود. [11]

استفاده از کدینگ اقلام برای مدیریت اقلام به بیش از 50 سال گذشته برمی‌گردد. اولین کدینگ اقلام در محیط‌های نظامی و در اروپا تحت عنوان استاندارد طبقه‌بندی و کدینگ اروپا صورت‌گرفته است. بر اساس قوانین کدینگ NATO هر قلم کالا قابل‌عرضه، یک توصیف یکتا داشته و یک شماره منحصربه‌فرد دریافت می‌کند. توصیف قلم شامل حداقل داده برای بیان ویژگی‌های منحصربه‌فرد قلم کالا می‌باشد که به‌صورت Text تحت عنوان نام قلم ثبت می‌شود و در نهایت یک کد 13 رقمی تولید می‌شود (NSN: Nato Stock Number) که دارای بخش‌های زیر می‌باشد:

  • • 4 رقم ابتدایی، کد طبقه‌بندی ناتو را نمایش می‌دهد.
  • • 2 رقم بعدی مربوط به اعضای NATO می‌باشد که به طور مثال کد رومانی 39 است.
  • • 7 رقم انتهایی، سریال قلم کالا بوده که توسط رایانه و برای منحصربه‌فرد کردن کد مورداستفاده قرار می‌گیرد.

شکل 1: نمونه از یک کد NSN

در حال حاضر GS1 بزرگ‌ترین مرجع طبقه‌بندی، شناسایی و کدینگ در جهان بوده و بیش از 150 کشور عضو آن می‌باشند که نماینده انحصاری آن در کشور “مرکز ملی شماره‌گذاری کالا و خدمات ایران” است. در GS1 کدینگ اقلام توسط کد GTIN صورت می‌گیرد.

شماره جهانی کالای تجاری یا GTIN، یک کد منحصربه‌فرد 13 رقمی در سطح جهان است که توسط نماینده GS1 در هر کشور، به اقلام تجاری مانند داروها، لوازم بهداشتی، تجهیزات پزشکی و امثالهم اختصاص داده می‌شود. شناسه GTIN برای ورود محصولات به بازار و تجاری‌سازی آنها الزامی بوده و مهم‌ترین کاربرد آن، شناسایی اقلام در سیستم‌های اطلاعاتی زنجیره تأمین است. به این شکل که کد GTIN هر کالا، به‌صورت نماد بارکد، روی محصول نصب یا چاپ شده و در نقطه فروش، با استفاده از دستگاه‌های بارکدخوان اسکن می‌شود. برای صدور کد GTIN ابتدا کاربر نام قلم کالا را به‌صورت Text در سیستم ثبت کرده و در ادامه کد 13 رقمی را دریافت می‌کند که دارای بخش‌های زیر می‌باشد [17] 3 رقم ابتدایی کد، کشور عضو را نمایش می‌دهد که به طور مثال کد ایران 626 است.

  • •  5 رقم بعدی مربوط به کد عضویت GS1 می‌باشد.
  • • 5 رقم انتهایی، سریال قلم کالا بوده که توسط رایانه و برای منحصربه‌فرد کردن کد مورداستفاده قرار می‌گیرد.

شکل 2: ساختار کد GTIN 13 رقمی

شماره جهانی موقعیت مکانی GLN (Global Location Number) یک شناسایی جهانی است که هر موقعیت مورداستفاده در فرآیندهای کسب‌وکار را به‌صورت منحصربه‌فرد و شفاف شناسایی می‌کند. شناسایی به این طریق، پیش نیازی برای ارتباط مؤثر بین شرکای تجاری است. یک GLN به‌عنوان یک کلید پایگاه‌داده که منابع اطلاعات خاص را به طور مکرر بکار می‌گیرد، کاربرد دارد [7]نقش آن کاهش خطاهای ورود مجدد اطلاعات و افزایش کارایی است. GLN می‌تواند در خصوص موارد زیر به کار رود:

  • •  مکان‌های فیزیکی: یک محل (یک منطقه، یک ساختمان، یا گروهی از ساختمان‌ها) یا محدوده‌ای از یک محل
  • •  مکان‌های دیجیتالی: مکان‌های دیجیتالی به آدرس الکترونیکی که برای ارتباط بین سیستم‌های کامپیوتری استفاده می‌شوند.
  • •  موجودیت‌های قانونی (اشخاص حقوقی): هر نوع کسب‌وکار تجاری، انجمن دولتی و امثالهم.
  • •  واحدهای عملیاتی: زیرمجموعه سازمانی یا یک دپارتمان بر اساس وظایف خاص تعریف شده توسط سازمان

شکل 3: کد GLN

GLN یک کد 13 رقمی ایست که دارای بخش‌های زیر می‌باشد:

  • •  7 رقم ابتدایی کد پیش‌شماره شرکتی است.
  • •  5 رقم بعدی شماره مرجع موقعیت است.
  • •  1 رقم انتهایی رقم کنترل است.

شکل 4: ساختار کد GLN

در صنعت پیشرفته امروزی، یکپارچگی اطلاعات درون سازمان به عهده برنامه‌ریزی منابع سازمانی ERP می‌باشد که با هدف افزایش عملکرد و کارایی سازمان‌ها مورداستفاده قرار می‌گیرد. این سیستم با سیستم‌های دیگر همچون CRM ارتباط تنگاتنگی پیدا نموده و به‌عنوان ستون فقرات e-Business مطرح می‌شوند. این مطالعه اثربخشی استفاده از ERP، در سطح عملکرد سیستمی و تدوین اهداف استراتژیک شرکت‌های تایوانی را نشان می‌دهد [18]

اما باوجوداینکه سیستم‌های ERP نقش مهمی در فرایند زنجیره تأمین ایفا می‌کنند و باعث بهبود عملکرد سیستمی شرکت‌ها می‌شوند، این سیستم‌ها دارای معایبی نیز هستند که خود باعث صرف هزینه برای شرکت‌ها می‌شود. به‌عنوان‌مثال سیستم‌های ERP هنوز قابلیت‌های تحلیلی ضعیفی دارند چراکه آن ها روی سطوح عملیاتی تمرکز دارند و داده‌های مورداستفاده در سیستم که نقش اساسی دارند را پردازش نمی‌کند[2]. برخی از معایب مهم ERP به شرح زیر می‌باشد:

  • •  ضعف ارتباط با تأمین‌کنندگان و عدم امکان شناسایی منابع تولید و تأمین اقلام.
  • •  عدم وجود برنامه تأمین راهبردی.
  • •  ارزیابی نامناسب هزینه‌های موجودی.
  • •  جدابودن طرح زنجیره تأمین از تصمیم‌گیری‌های عملیاتی.
  • •  به‌کاربردن نام‌های متفاوت برای یک‌قلم یکسان در سیستم‌های سازمانی مانند نگهداری تعمیرات، تولید، تدارکات، مالی و غیره به دلیل عدم وجود یا استاندارد نبودن سیستم شناسایی و کالانما سازی اقلام.
  • •  عدم اطمینان به گزارش‌های آماری مربوط به اقلام مانند گزارش موجودی انبار با توجه به ناقص بودن، در دسترس نبودن و صحیح نبودن داده‌های اصلی اقلام.
  • •  صرف هزینه‌های زیاد برای تأمین اقلامی که در سازمان وجود دارند اما با توجه به اطلاعات ناقص، قابل‌شناسایی و دسترسی نیستند.
  • •  عدم امکان برنامه‌ریزی صحیح و مبتنی بر داده‌های اقلام در تراکنش‌های سازمانی مانند تولید و تأمین، با توجه به ناقص و صحیح نبودن داده‌های اقلام.

معایب موجود در ERP ها به دلیل استفاده از سیستم‌های کدینگی است که تمامی آنها بر مبنای Text تولید نام کرده و یک کد به آن اختصاص می‌دهند. تولید نام بر مبنای text باعث اطلاعات تکراری می‌شود و نهایتاً ERP ها نیز از همین دیتاها استفاده کرده که منجر به معایب بیان شده و صرف هزینه برای شرکت‌ها می‌شود.

     4. روش‌شناسی تحقیق

از لحاظ هدف تحقیق، با توجه به این مورد که تحقیق قابلیت به‌کارگیری در شرایط دنیای واقعی را دارد و می‌تواند مشکلات نشات گرفته از استفاده دیتا ناسالم در ERP ها را بهبود بخشد، تحقیق کاربردی خواهد بود [2] با توجه به مشکلات عدیده‌ای که شرکت‌ها به‌خصوص شرکت‌های صنعتی با ERP ها و دیتاهای ناسالم مورداستفاده در این سیستم‌ها دارند و RFPهای ارسالی این شرکت‌ها به شرکت‌های فعال در زمینه کدینگ و ERP برای ارزیابی سیستم‌های شناسایی و کدینگ و فرایند شناسایی منحصربه‌فرد و نام‌دهی اقلام عملیاتی، روش تحقیق، تحقیقی کیفی محسوب میشود. [17]

با استفاده از روش تحقیق کیفی می‌توان درک بسیار عمیق‌تری از موضوعات مورد بررسی داشت. برخی از دستاوردها فقط از طریق برخی از روش‌های کیفی مانند مطالعات موردی، مصاحبه، مشاهدات و روش‌های تحلیل مربوطه قابل‌مشاهده است. تحقیقات کیفی می‌تواند در کار بسیار مثمر ثمر باشد. زمینه‌های مطالعات سازمانی کمک شایانی به کشف پدیده‌های جدید سازمانی، تئوری‌های تغییر و روش‌های جدیدی می‌کند که از آن‌ها می‌توان در مطالعات تغییرات بین‌المللی نیز استفاده نمود [8]

امروز، شماران سیستم یکی از بزرگ‌ترین شرکت‌های نرم‌افزاری بخش خصوصی است که سهم قابل ملاحظه ای را در صنعت نرم‌افزار کسب نموده است. شماران سیستم با 30 سال تجربه و به‌کارگیری ابزارهای فناوری اطلاعات تلاش می‌نماید مشتریان خود را در توسعه کسب‌وکار همراهی نماید.

     5. مراجع

  1. 1. اژدری، بهنام و اختیار‌زاده، احمد. (1390). ایران‌کد از مفهوم تا کاربرد. تهران: انتشارات جهاد دانشگاهی واحد صنعتی امیرکبیر.
  2. 2. حشمی، آتنا. (1389). نقش ایران‌کد در چابکی زنجیره تأمین. تهران: شرکت چاپ و نشر بازرگانی.
  3. 3. Andrea، Jennitta. (2003). An Agile Request For Proposal (RFP) Process. Proceedings of the Agile Development Conference (ADC’03). 0-7695-2013-8/03 $17.00 © 2003 IEEE
  4. 4. Benson، Peter. (2008). NATO Codification System as the foundation for ISO 8000, the International Standard for data quality. Oil IT Journal, 2008 – oilit.com.
  5. 5. Brock، David. (2002). Integrating the Electronic Product Code (EPC) and the Global Trade Item Number (GTIN). google scholar.
  6. 6. Cherkina، Vera. (2018). integrated information support for the production and services on the basis of open technical vocabulary، MATEC Web of Conferences, 2018 – matec-conferences.org
  7. 7. Dujak، Davor. & Zdziarska، Martyna. & Koliński، Adam. (2019). GLN standard as a facilitator of physical location identification within process of distribution. http://dx.doi.org/10.17270/J.LOG.2017.3.1. google scholar.
  8. 8. Garcia، Dominie. & Gluesing، Julia. (2016). Qualitative research methods in international organizational change research. Emerald.
  9. 9. GS1 General Specifications. (2020). https://www.gs1.org/standards/genspecs/gscn_archive
  10. 10. Greer, M., Chen, C., & Mandal, S. (2018). Automated classification of food products using 2D low-field NMR. Journal of Magnetic Resonance, 294, 44-58.
  11. 11. Haneem، Faizura. & Kama، Nazri. Ali، Rosmah. & Basri، Sufyan. (2017). Resolving data duplication, inaccuracy and inconsistency issues using Master Data Management. ieeexplore.ieee.org. google scholar.
  12. 12. Haug, Anders. & Stentoft Arlbjørn، Jan. Pedersen، Anne. (2009). A classification model of ERP system data quality. Emerald
  13. 13. Heaney، Bob. (2013). Supply Chain Visibility a critical strategy to optimize cost and service. google scholar.
  14. 14. IBM Global Business Services. (2011). Make your supply chain more efficient by using GS1 Global Standards. google scholar.
  15. 15. Jenson، Richard. & johnson، Richard. (2013). The Enterprise Resource Planning System as a Strategic Solution. google scholar.
  16. 16. Marciniak، Rolande. & Amrani، Redouane. & Rowe، Frantz. & Adam، Fre´de´ric. (2013). Does ERP integration foster Cross-Functional Awareness? Challenging conventional wisdom for SMEs and large French firms. Emerald.
  17. 17. Semianiaka، Natallia. & Silina، Ekaterina. (2012). The role of global data identification standards for supply chain visibility: the case of GS1. google scholar.
  18. 18. Shen، Yung. & Shuw Chen، Pih. & Hsien Wang، Chun. (2016). A study of enterprise resource planning (ERP) system performance measurement using the quantitative balanced scorecard approach. Elsevier.
  19. 19. Vosburg، Jodi. & Kumar، Anil. (2001). Managing dirty data organizations using ERP: lessons from a case study. Emerald.
  20. 20. Xu، Hongjiang. & Hom nord، Jeretta. & Brown، Noel. & Nord، Daryl. (2002). Data quality issues in implementing an ERP. Emerald.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *