Внедрение практики построения системы управления запасами в украинских компаниях.
В.А. Маевский
Директор центра «Логистическая мастерская», Международный Институт Бизнеса
Повышение эффективности бизнеса в области дистрибьюции требует нахождения таких условий при организации физического перемещения товара, при котором совокупные издержки и потери имеют наименьшую величину. Постоянно возникают вопросы: как не допустить дефицита товара и при этом не создавать большого запаса. Работая с компаниями импортерами на украинский рынок товаров независимого спроса, я встречаю все больше примеров осознанного построения системы управления поставками, основанной на анализе исторических данных о поведении спроса на продукт. А ведь всего несколько лет назад в печати, на полном серьезе, звучали голоса, что нет смысла в использовании математических расчетов при определении параметров поставки и уровня запасов.
Пикантность этой ситуации в том, что данное заявление звучало из уст логистов, которые изучили данные методы и пробовали применять их на практике. Но у них получились неудовлетворительные результаты, после чего и были сделаны выводы: лучше будем руководствоваться здравым смыслом и своей интуицией, чем доверимся мудрым расчетам, наверное, реалии нашей действительность еще/уже не позволяют применить ранее накопленный опыт.Разумно ли они поступали?
Пример 1. Компания, торгует быстроустаревающими товарами. Магазины расположенные в разных мессах Киева и имеют разную интенсивность потока покупателей, различные целевые группы покупателей, и разную оборачиваемость товара. Нельзя допустить излишнего запаса – если он будет продаваться больше чем две недели, то высока вероятность его уценки, а в течении месяца товар дешевеет на 6-10%. В то же время надо поддерживать постоянное наличие товара в точке продаж. В этих условиях недопустимо долгое пребывание товара на промежуточных этапах поставки до магазина ( на складе, у перевозчика), и неприемлем длительный срок на процедуры распределения и очень затратно исправлять ошибки в распределении товара.
Для получения экономического эффекта компания придерживается стратегии спланированного дефицита товара и использует технологии автоматического планирования распределения имеющегося товара по точкам продаж и управление перемещением товара в сети магазинов.
Для автоматизации процедуры планирования распределения используется:
а) группировка магазинов и товарных позиций методами АВС-анализа точек продаж по критерию интенсивности продаж, АВС-анализ товарных позиций по критерию объемов продаж и фазе жизненного цикла товара, ХУZ-анализ товарных позиций по критерию вариабельности спроса;
б) установление максимального уровня наполнения точки товаром конкретной позиции на основании формулы расчета цикличных и где можно резервных запасов;
в) ограничение присутствия товаров определенной номенклатуры на торговых точках С-группы;
г) прописание стандартных правил при распределении, учитывающих специфические факторы и т.д.
В итоге выработана следующая матрица (рисунок 1), которая помогает провести распределение товара в течении нескольких часов, и поступивший товар до конца дня поступает в точки продаж в Киеве
Сейчас трудно найти логиста, который продолжает придерживаться мнения о достаточности ручного интуитивного управления запасами, но и они в своей работе неактивно внедряют практику разработки стратегии управления запасами, автоматизацию принятия решений.
Правильно ли они действуют?
Пример 2. Компания, дистрибьютор табачных изделий, разработала программное обеспечение для контроля движения товаров на центральном складе, агентских складах, в собственных магазинах; учету и контролю дебиторской задолженности по каждому торговому агенту и потребителю. Имеется структурированная информация, позволяющая видеть историю продаж, выявить недельные и месячные цикличности в колебании спроса, проанализировать потребности и поведение мелкооптовых потребителей.
На рисунке 2 показан зафиксированный в системе объем продаж с одного агентского склада компании за январь- часть февраля 2007 года
После анализа параметров спроса оказалось, что продукт имеет очень стабильный спрос, а неопределенность в систему вносит сама компания, стремясь выполнить поставку только после определения фактического спроса на каждый день, то есть использует гибкую, но затратную систему пополнения запасов. Для снижения затрат на процесс распределения товара необходимо строить эффективную систему распределения, предупреждая спрос на несколько дней вперед. Однако так не поступают в компании, потому что не верят в возможность грамотно построить прогноз и выявить закономерности.
Но в действительности, если правильно подойти к анализу статистики, и соответствующим образом сгруппировать эти данные, то получим очень обнадеживающую картину.
|
Период недели |
Параметры | Требуемый запас на период | ||||
| средние продажи | миn | max | стандартное отклонение | коэффициент вариации | ||
| понедельник | 2 627 | 2289 | 3488 | 439 | 0,17 | 3350 |
| вторник-четверг | 1 505 | 1112 | 1697 | 212 | 0,14 | 1716 |
| пятница- воскресенье | 1 778 | 1492 | 2028 | 204 | 0,11 | 1981 |
В таблице 1 проанализированы параметры, которые отражают характер изменения спроса и спрогнозирован объем запаса, который следует создавать
Однако, в системе хранится информация только за последние полтора месяца. Каждые пол месяца из памяти компьютеров стирается информация о прошлом движении, потому что мощности компьютера не хватает. В результате компания не может строить прогноз потребления, потому что имеет статистику только за короткий период, а этого недостаточно для выявления коэффициентов сезонности, уровня праздничных всплесков, других закономерностей, а также проверить достоверность выявленных недельных циклов и параметров модели управления запасов.
В результате, информационный голод и неготовность применять математическую обработку статистики, привели к тому, что компания,, вынуждено, избрала менее экономичный способ удовлетворения спроса.
Ряд руководителей компаний делают ставку на приобретение и постановку интегрированной системы управления, поддерживающей МRP-II. За счет такого продукта они рассчитывают организовать управление запасами в цепочке поставок своей компании и получать желаемый экономический эффект независимо от квалификации и талантов персонала по закупкам и распределению товара.
Оправданы ли их ожидания? Нет ли в этих случаях общей причины, которая сказывается на результате?
Кроме знаний формул, обладания программой для расчетов, необходимо умение их применять и правильная подготовка исходной информации, которой надо «накормить» как прикладную программу, помогающую разбираться с запасами, так и стандартный модуль управления закупками и запасами в таких программах как Oraklе или САР R3.
Формулы можно выучить по книгам, где и как их применять, можно научиться на тренингах, программу купить, но подготовка исходного материала всецело зависит от понимания значимости проблемы персоналом компании, его знаний и квалификации. При этом нужной информацией подчас обладают работники смежных с логистикой или с закупкой отделов, которые могут не уделять должного внимания сбору и сохранению нужной информации, выявлению или фиксации значимых факторов, влиявших на изменение потребности в товаре или особенности его движения
Пример последовательности подготовки статистики по продажам к использованию в построении системы управления запасами.
Компания-производитель кабельной продукции (в том числе для строительства) для удовлетворения спроса в одной из частей Украины создала региональный склад, и раз в неделю осуществляет поставку туда товара. Количество товара определяет менеджер, он неограничен в объеме заказа из головного предприятия, но ограничен в раз мерах складских помещений.
Какой результат он получит, занявшись прогнозированием потребности в товаре на основании статистики продаж, если продажи собственного магазина-склада, продажи мелкого опта и продажи крупным потребителям не разделены, а отражены в общем количестве понедельных продаж. Предположим, что есть информация понедельного спроса за 2 года. Можно определить тенденции роста спроса, сезонные колебания, цикличности. Однако, как не старайся, а выработать надежные подходы к формированию запасов не удастся. Вроде- бы и есть информация за длительный период и она достоверна, но в таком виде она практически неупотребима. Почему? Посмотрим детальнее на ситуацию. Статистика за один анализируемый год представлена на рисунке 4.
Менеджер, организовывавший управление этой позицией, задался вопросом: сколько запаса ему надо создать на начало каждой недели, чтобы не иметь дефицита. Пятьдесят единиц в начале года и сто единиц середине года склад может принять, но двести единиц, спрос на которые наблюдается во второй половине года, негде разместить. Менеджер в данной ситуации делает весьма распространенную ошибку: он работает с неструктурированной информацией, смешав воедино «и кони и воду», не отредактировав соответствующим образом выборку.
В результате он стремится заполнять склад «под завязку», но все равно имеет дефицит: пять раз склад в середине недели по этой позиции был пустой, а возможности поставить досрочно товар нет; в большинстве случаев спрос на товар был ниже ожидаемого и остается много невостребованного остатка товара; из за переполненности склада запасами нет возможности размещать нужные запасы по другим артикулами. Менеджер видит тенденцию к росту и прогнозирует значительный рост спроса на следующий год, требует инвестиций в расширение склада или аренду новых площадей. Каждое из его решений неверно. Если правильно подойти к анализу данной ситуации мы получим другие выводы и найдем экономичные методы управления запасами данного товара.
Во первых: разделим продажи для крупных потребителей и для средних с мелкими. Крупные потребители берут много но редко. Их всего 9 и они забирали товар в объемах, показанных в таблице 2:
|
недели |
8 | 10 | 11 | 16 | 18 | 21 | 23 | 25 | 26 | 27 | 29 | 35 | 36 | 37 | 38 | 39 | 41 | 43 | 45 | 48 | 51 |
| продажи | 27 | 10 | 17 | 24 | 20 | 44 | 15 | 66 | 85 | 20 | 65 | 77 | 25 | 30 | 183 | 35 | 115 | 176 | 100 | 156 | 50 |
табл.2 Данные понедельных продаж для крупных потребителей.
Как можно теперь увидеть именно эти потребители предопределяли всплески продаж, и когда менеджер пытался перекрыть этот спрос складским запасом, то воспринимал пиковые значения как вариацию случайного спроса, и включал их в расчет резервных запасов. Правильно бы было установить другой метод обеспечения продаж для таких потребителей, а именно: прямые контакты с потребителем для оценки времени возникновения у него потребности в товаре и определение объема этой потребности, а потом формировать запас в преддверии его обращения. В зависимости от точности прогноза это будет либо позаказная поставка или формирование предопределенного запаса на короткий период перед обращением крупного потребителя.
Остальные потребители следует проанализировать отдельно и под их потребность сформировать запас на каждую неделю. Если рассмотреть продажи этим потребителям то получим картину, которая отражена на рисунке 5
В этой выборке есть несколько провалов продаж, на 26, 38,43,48,51 неделях. В эти периоды произошло обнуление запасов на складах, и причиной к этому было расходование запасов для поставки крупному потребителю. Перед тем как определять параметры управления запасом для этой группы потребителей на следующий год, следует восстановить истинный спрос на товар. Для этого следует проанализировать все нетипичные флуктации: не было ли в этот период дефицита и потому продажи маленькие, а спрос был большим; не сказался ли на росте продаж после выявленного случая дефицита отложенный спрос, не было ли в эти периоды акций конкурентов или своей компании, других внешних факторов, влияние которых в будущем можно предусмотреть.
После «очистки» данных получим следующий результат, который отражен на рисунке 6 и параметры спроса описаны в табл.3.
|
|
|
||||||||||||||||
| Средние продажи | Стандартное отклонение | Вариация спроса в % | |||||||||||||||
| Среднее за 4-20 недель | 24,53 | Стандартное отклонение за 4-20 недели | 9,448 | 39% | |||||||||||||
| Среднее за 21-34 недель | 36,79 | Стандартное отклонение за 21-34 недель | 11,48 | 31% | |||||||||||||
| Среднее за 35-48 недель | 54,86 | Стандартное отклонение за 35-48 недель | 12,09 | 22% | |||||||||||||
| Среднее за 49-52 недель | 40,5 | Стандартное отклонение за 49-52 недель | 10,88 | 27% | |||||||||||||
табл.3 Параметры колебания спроса на товар в разные периоды
Если провести обработку данных таблицы 3 методом простых трехнедельных средних, то выявим 5 периодов, в которых формируется четко выраженный уровень спроса, и для каждого из которых надо разработать собственные параметры управления запасами в рамках единой модели. Модель можно назвать следующей бездефицитные запасы (не более 0,4% дефицита), состоящие из цикличных запасов (= средний спрос) плюс резервные запасы ( = стандартное отклонение спроса в периоде умноженное на коэффициент 1,65).
После проведения вышеперечисленных действий менеджер может разрабатывать автоматизированную систему управления этой позицией, которую «накормит» нужными параметрами. Если у него останется время для более детального анализа то следовало бы выяснить причину падения продаж в интервале 40-45 недели, может быть эти изменения спроса вызваны не случайными факторами, а имеют под собой прогнозированную причину и можно будет уточнить модель управления запасами, сократив резервные запасы и снизив запасоемкость системы без потери готовности к продажам.
Рассмотрев несколько примеров, я ставил перед собой цель, убедить Вас, уважаемый читатель, в необходимости применения методов управления запасами на основании анализа параметров изменения спроса, и хотел предостеречь вас от использования для этих целей неподготовленной, неполной или искаженной информации.
https://www.lobanov-logist.ru/library/all_articles/55111/