Драйверная модель расходов на топливо для промышленного холдинга
Время чтения: 5 минут
Мы используем файлы cookie
Настройки
Файлы cookie, необходимые для корректной работы сайта, всегда включены.
Другие файлы cookie можно настроить.
Другие файлы cookie можно настроить.
Содержание кейса:
Задача
К нам обратился клиент, крупный промышленный холдинг с задачей настроить оперативный расчет и планирование расходов на топливо.
Компания объединяет десятки производственных и сервисных подразделений. В эксплуатации находятся тысячи единиц техники: автотранспорт, буровые установки, тяжёлая карьерная техника и специализированные машины. В работе используются разные виды топлива - бензин, дизель, газ, а также смешанные виды топлива.
Совокупные расходы на топливо в масштабе холдинга составляют миллиарды рублей в год, поэтому для бизнеса критично обеспечить:
При этом расчет расходов велся в Excel по каждому предприятию отдельно. Из-за этого возникали проблемы:
Особенно сложной была ситуация в подразделениях со специализированной техникой, где расход топлива зависит от множества факторов.
При изменении производственной программы или цен на топливо финансовой службе приходилось вручную пересчитывать:
Для бизнеса это означало:
К нам обратился клиент, крупный промышленный холдинг с задачей настроить оперативный расчет и планирование расходов на топливо.
Компания объединяет десятки производственных и сервисных подразделений. В эксплуатации находятся тысячи единиц техники: автотранспорт, буровые установки, тяжёлая карьерная техника и специализированные машины. В работе используются разные виды топлива - бензин, дизель, газ, а также смешанные виды топлива.
Совокупные расходы на топливо в масштабе холдинга составляют миллиарды рублей в год, поэтому для бизнеса критично обеспечить:
- прозрачность планирования расходов
- контроль драйверов потребления топлива
- возможность оперативно пересчитывать бюджет при изменении производственной программы и цен на топливо.
При этом расчет расходов велся в Excel по каждому предприятию отдельно. Из-за этого возникали проблемы:
- большое количество несвязанных файлов
- разная логика нормирования топлива в подразделениях
- сложность консолидации данных
- низкая прозрачность факторов расхода топлива
Особенно сложной была ситуация в подразделениях со специализированной техникой, где расход топлива зависит от множества факторов.
При изменении производственной программы или цен на топливо финансовой службе приходилось вручную пересчитывать:
- машино-часы работы техники
- нормы расхода топлива
- стоимость топлива
Для бизнеса это означало:
- низкую прозрачность структуры расходов
- сложность анализа эффективности использования техники
- ограниченные возможности управления топливными затратами.
Как решили задачу
В рамках проекта мы разработали специализированный драйверный блок нормирования топлива на базе платформы Optimacros, выбранной клиентом. Решение интегрировали с производственной моделью холдинга и системой бюджетирования.
Ключевой особенностью решения стала двухконтурная архитектура блока, позволяющая учитывать разные типы подразделений и техники.
Архитектура модели
Первый контур — нормирование на уровне подразделений
Для части подразделений расход топлива рассчитывается через производственные драйверы, например:
Для первого контура используются нормы расхода вида:
Модель поддерживает следующие виды топлива:
Второй контур — нормирование по единицам техники
Для автотранспортных и специализированных подразделений реализована более детализированная модель расчёта на уровне единиц техники.
Логика расчёта включает несколько уровней драйверов:
производственные драйверы → машино-часы техники → расход топлива
Для каждой единицы техники учитываются машино-часы работы и норма расхода топлива.
Такой подход позволяет значительно точнее рассчитывать потребление топлива для:
В модели используются нормы вида:
Для техники со смешанным типом топлива задаётся процентное распределение использования топлива.
Это позволяет:
Таким образом появляется возможность моделировать экономический эффект изменения топливного баланса техники.
Нормы для обоих контуров можно задавать:
Дополнительные факторы модели
Для повышения точности планирования в модель включили дополнительный драйвер сезонности. В зимний период расход топлива выше, поэтому применяются корректирующие коэффициенты сезонности и для нормы расходы, и для стоимости топлива (например, зимний дизель и летний дизель).
В рамках проекта мы разработали специализированный драйверный блок нормирования топлива на базе платформы Optimacros, выбранной клиентом. Решение интегрировали с производственной моделью холдинга и системой бюджетирования.
Ключевой особенностью решения стала двухконтурная архитектура блока, позволяющая учитывать разные типы подразделений и техники.
Архитектура модели
Первый контур — нормирование на уровне подразделений
Для части подразделений расход топлива рассчитывается через производственные драйверы, например:
- объемы производства
- объемы перевозок
- расстояние перевозок
Для первого контура используются нормы расхода вида:
- литры топлива на объём работы всего подразделения (тонна перевозимого полуфабриката, расстояние)
Модель поддерживает следующие виды топлива:
- бензин
- дизель
- газ
Второй контур — нормирование по единицам техники
Для автотранспортных и специализированных подразделений реализована более детализированная модель расчёта на уровне единиц техники.
Логика расчёта включает несколько уровней драйверов:
производственные драйверы → машино-часы техники → расход топлива
Для каждой единицы техники учитываются машино-часы работы и норма расхода топлива.
Такой подход позволяет значительно точнее рассчитывать потребление топлива для:
- буровых установок
- тяжёлой карьерной техники
- специализированного автотранспорта.
В модели используются нормы вида:
- литры на объём работ единицы техники (погонный метр бурения, тонна перевозимого полуфабриката, километр)
- литры на машино-час работы единицы техники
- бензин
- дизель
- смешанные виды топлива (например, газ + дизель).
Для техники со смешанным типом топлива задаётся процентное распределение использования топлива.
Это позволяет:
- учитывать реальные режимы эксплуатации техники
- анализировать влияние цен на топливо
- управлять долей более дешевого топлива.
Таким образом появляется возможность моделировать экономический эффект изменения топливного баланса техники.
Нормы для обоих контуров можно задавать:
- копированием фактическим норм
- копированием плановых норм
- через настраиваемые коэффициенты
- вручную.
Дополнительные факторы модели
Для повышения точности планирования в модель включили дополнительный драйвер сезонности. В зимний период расход топлива выше, поэтому применяются корректирующие коэффициенты сезонности и для нормы расходы, и для стоимости топлива (например, зимний дизель и летний дизель).
Результат
Реализованное решение позволило клиенту сократить время пересчёта расходов на топливо с нескольких дней до нескольких минут.
Появилась возможность детально анализировать потребление топлива. Теперь компания видит:
В результате расходы на топливо перестали быть «черным ящиком бюджета».
Компания получила прозрачную драйверную модель, которая позволяет видеть структуру потребления топлива, понимать факторы расхода и оперативно пересчитывать бюджет при изменении производственной программы, загрузки техники или цен на топливо.
Реализованное решение позволило клиенту сократить время пересчёта расходов на топливо с нескольких дней до нескольких минут.
Появилась возможность детально анализировать потребление топлива. Теперь компания видит:
- структуру потребления топлива
- ключевые драйверы расхода
- загрузку техники
- влияние различных видов топлива на стоимость.
В результате расходы на топливо перестали быть «черным ящиком бюджета».
Компания получила прозрачную драйверную модель, которая позволяет видеть структуру потребления топлива, понимать факторы расхода и оперативно пересчитывать бюджет при изменении производственной программы, загрузки техники или цен на топливо.
Читайте также: