تحليل موشرات أداء سلاسل التوريد | Supply Chain KPIs Analysis

بيانات عمليات توريد شركة (supply chain) موزعة على 5 موردين ومستودعين، والمطلوب هو تحليل مواشرات الاداء() للاسئلة التالية: من هم الموردون الأكثر التزامًا بمواعيد التسليم والكميات المتفق عليها؟ هل هناك موردون يسببون خسائر بسبب ارتفاع نسبة التلف؟ وأين يتركّز إنفاقنا؟ للإجابة على هذه الأسئلة، بدأت التنفيذ باستخدام Python (pandas, numpy, matplotlib) : - تحميل البيانات والتحقق من جودتها . - حساب معدل الالتزام بالتسليم الكامل وفي الوقت المحدد -OTIF %- لكل مورد، من خلال الجمع بين شرطي الدقة الزمنية واكتمال الكمية. - حساب نسبة -On-Time Delivery %- بمقارنة تاريخ التسليم الفعلي بالمتوقع لكل عملية. - حساب معدل الوحدات التالفة كنسبة الوحدات المعيبة إلى إجمالي الوحدات المستلمة، على مستوى عام وعلى مستوى كل مورد. - حساب-متوسط الفارق في أيام التوريد (Lead Time Variance)- بين المدة الموعودة والمدة الفعلية، لتحديد الموردين الأكثر تأخرًا أو الأكثر تحفظًا في وعودهم. - تحليل إجمالي الإنفاق مجمّعًا حسب المورد وحسب المستودع، وبناء مصفوفة (Supplier × Warehouse) لتحديد مراكز التكلفة الأعلى. - بناء جدول ملخص شامل يجمع كل المؤشرات الخمسة معًا لكل مورد لتسهيل المقارنة واتخاذ القرار. - عرض النتائج برسوم بيانية (أعمدة مقارنة، خرائط حرارية) لتسهيل قراءتها من غير المتخصصين. **النتائج** - فروقات واضحة بين الموردين في معدل OTIF، ما يكشف عن موردين يستحقون تعزيز الشراكة معهم وآخرين بحاجة لمراجعة العقد. - معدل الوحدات التالفة يتفاوت بشكل ملحوظ بين الموردين، ما يستدعي مراجعة اتفاقيات الجودة مع الموردين الأعلى نسبة تلف. - بعض الموردين يسلمون بشكل مبكر بشكل متكرر (فارق سالب)، ما يشير إلى أن مواعيدهم الموعودة تحفظية أكثر من اللازم، بينما آخرون يتأخرون بانتظام. - إجمالي الإنفاق يتركّز بشكل غير متساوٍ بين الموردين والمستودعين، ما يفتح المجال لإعادة تفاوض الأسعار أو دمج الطلبات لتحقيق وفورات حجم.