В управлении запасами в цепочках поставок «зарыт» огромный потенциал. Результаты проводимых диагностик показывают, что потери в виде упущенных продаж или излишков на складах в более, чем половине обследованных компаний, достигают размеров готовой прибыли компании. И использование этого потенциала чаще всего не требует дополнительных инвестиций, достаточно изменить правила и процедуры принятия решений о размере и периодичности формирования заказов. Система стабилизируется за промежуток в три-пять циклов.

Часто на встречах и переговорах с клиентами возникает вопрос: а чем собственно предлагаемое решение по управлению запасами (и даже шире – по управлению наличием сырья, материалов, товарами и готовой продукции) отличается от тех, которым обучаются логисты в институтах и которые широко распространены и даже являются частью тиражных программных продуктов.

Вот, например, что обещает своим клиентам 1С:

С помощью рабочего места Формирование заказов по потребностям пользователь программы может рассчитать текущую потребность в товарах, исходя из заданных методов обеспечения по этим товарам:

• при методе заказ под заказнеобходимое количество товаров будет рассчитано только для обеспечения потребности по заказам.
• при методе поддержание запаса (min – max) программа будет предлагать обеспечить заданное максимальное количество товаров при каждом снижении остатка до заданного минимума.
• при методе поддержание запаса (расчет по статистике) программа будет прогнозировать расход товаров согласно рассчитанному по статистике среднедневному потреблению. В дни, когда остаток товаров снизится до уровня, необходимого на срок пополнения запаса, автоматически будет предложено пополнить запас товаров.
• при методе поддержание запаса (расчет по норме) программа будет вести себя аналогично предыдущему методу, но вместо рассчитанного среднедневного потребления будет использоваться дневная норма потребления, заданная пользователем.

Взято здесь: http://v8.1c.ru/trade/purchase/generate.htm

Как рассказать об основных отличиях людям, которые не знают о Теории ограничений или относятся к подходам Теории ограничений со скепсисом?

Я не являюсь миссионером Теории ограничений и не имею цели пропагандировать Теорию ограничений как панацею. Я выбрал решения, практичность и эффективность которых, во-первых, мне понятна, а во-вторых, проверена мной на практике.

Как коротко и доходчиво объяснить практическую ценность, не сваливаясь в «сектантские» заклинания: «Это самая прогрессивная методика, лучшая в мире, просто поверьте мне!!!»

В процессе практики переговоров у меня сформулировались следующие отличия:

Отношение к прогнозу

Для традиционных походов

Прогноз является входящей информацией. Как сказал мне преподаватель курсов, входящих в сертификационный курс APICS: «Отдел маркетинга должен вам дать надежный прогноз…» То есть прогноз потребления или продаж должен подготовить кто-то другой и эти данные являются входящей информацией. При этом часто совершается типичная ошибка: передается только прогнозное значение, а величина ошибки пользователю или не сообщается (чаще всего), или игнорируется пользователем (тоже нередко).

Люди, которые делают прогнозы, прекрасно понимают ограниченность своих возможностей по предсказанию, а вот люди, которые эти прогнозы используют, почему-то забывают, что любой прогноз обладает «встроенной» ошибкой.

Для предлагаемых решений

Будучи начинающим практиком, я попал в ловушку впечатления, что в рамках решений «дистрибьюция/закупки/производство для обеспечения наличия», прогноз не используется.

Потребовалась практика внедрения не одного проекта, чтобы понять, что это не так. В предлагаемых решениях прогноз встроен в методику и, более того, является самоуточняющимся. Целевой уровень буфера – это и есть прогнозное значение, а механизм динамического управления буфера – это механизм постоянного уточнения прогноза. Для ситуации регулярного потребления, участие внешних подразделений в процессе прогнозирования не требуется. От сотрудников не требуется специальных знаний по методам статистического прогнозирования.

Но они обязательно нужны для предоставления информации о внешних возмущениях.

Горизонты прогнозирования

Для традиционных подходов

Горизонт прогноза, как правило, длительный от одного месяца и, вследствие этого, в повседневной деятельности, как правило, эти прогнозы бесполезны. Кроме того, для всех очевидно, что чем длиннее горизонт прогнозирования, тем больше ошибка прогноза. А чем больше ошибка прогноза, тем больше разброс дают системы уравнений, используемых в моделях.

Для предлагаемых решений

Горизонт прогноза – надежный период пополнения (он, как правило, больше срока поставки). Соответственно, выше точность прогноза и меньше ошибка.

Частота уточнения прогнозов

Для традиционных подходов

Обычно это один раз в месяц, а иногда, и раз в квартал. Это объясняется трудоемкостью и сложностью моделирования.

Для предлагаемых решений

Несколько раз за надежный период пополнения. Строго говоря, частота ограничена частотой запуска процедур Динамического управления буфером, ничего не мешает делать это ежедневно.

Использование статистики в прогнозе

Для традиционных подходов

Как правило, это использование тех или иных вариантов математического ожидания (среднее арифметическое, среднее взвешенное, медианные значения) и показателей разброса (дисперсии и стандартного отклонения).

Это классические показатели матстатистики, которые все изучали в институтах. Но здесь есть одно «но…». Как писал бессмертный классик: «мы все учились понемногу, чему-нибудь и как-нибудь…»

Давайте вспомним, что показатели дисперсии и стандартное отклонение используются в случае нормального распределения. Но с чего вы взяли, что в вашем случае функция распределения вероятности не имеет другой формы? Ведь у подавляющего числа компаний не найдется даже 30-ти сопоставимых наблюдений (например: 30 объемов продаж конкретного SKU за декабрь месяц в сопоставимых условиях)!!!! Каждое наблюдение является уникальным и сильно ограниченно сопоставимым. Каждое случайное событие может очень сильно изменить эти показатели.

Еще на один момент хотелось бы обратить внимание: среднее, как правило, делит массив на две части: 50% вероятность того, что результат будет ниже среднего и 50% — что выше среднего. Причем насколько выше или ниже, не зная формы распределения мы предсказать не можем!!!

А потому, с вероятностью 50 на 50 нам или не хватит запасов или образуются излишки. Знакомо? 🙂

Для предлагаемых решений

Отличительной чертой решений Теории ограничений является признание того, что «Мэрфи существует». Поэтому в прогнозировании используются максимальные показатели, но за счет частоты пополнения, этот объем не просто лежит на складе и ждет, следующего заказа, а постоянно находится в движении. Поэтому вероятность нехватки товара при правильном использовании – не более 5%, а излишки исключены механикой формирования заказов.

Строго говоря, излишки могут возникнуть только в процессе Динамического управления буфером, при снижении целевого уровня буфера, т.е. в результате уточнения прогноза. Но в этом случае, система прекратит заказы сразу в момент пересмотра Целевого уровня буфера.

Детальность управления

Для традиционных подходов

Как правило, используются агрегированные показатели по складу или номенклатурной группе. Как следствие, имеем большой разброс показателей для конкретных SKU относительно средних показателей по складу. Чаще всего картина выглядит так: средняя оборачиваемость склада – 30 дней, но какой-то номенклатуры нет или на 2-3 дня, а какой-то на 100-200 дней продаж.

В одной диагностике, я обнаружил номенклатурную единицу на 6209 дней продаж, и это была не вновь купленная позиция!!!!

В особо запущенных случаях, используются агрегированные оценки по группе складов или цепочке движения товаров.

Агрегированные показатели очень хороши для оценки финансового состояния компании, но слишком грубы для ежедневного принятия решений линейными менеджерами.

Для предлагаемых решений

Управляется каждая номенклатурная единица на каждом складе (месте хранения). Соответственно, и уровень наличия и оборачиваемости управляются для каждой SKU, а значит и разброс оборачиваемости относительно среднего значительно меньше.

Скорость и точность реакции

Для традиционных подходов

Обычно используется система предварительных заявок подразделений, на которые перекладывается ответственность за «качество заявки». Поэтому скорость и точность обычно невысока из-за транзакционных издержек.

Для предлагаемых решений

Не требует специальных заявок, за исключением нестандартных случаев. Минимум необходимой информации от обеспечивающих подразделений. Транзакционные издержки минимальны, что определяет более высокую скорость и точность реакции.

Влияние на материальные и финансовые потоки

Для традиционных подходов

Как правило, товарно-материальные ценности двигаются крупными партиями, соответственно, появляется необходимость в периодических крупных платежах и накоплении денежных средств, что создает «тромбы» как материальном, так и финансовом потоке

Для предлагаемых решений

Поток движения товарно-материальных ценностей и финансов ровный, небольшими по размеру транзакциями.

Все это я собрал в таблицу:

А вот как об этом я рассказываю на семинаре и в видеокурсе:

Сайт программного продукта, поддерживающих эти решения: http://netstock.pro

Подробнее об управлении запасами в соответствии с Теорией ограничений в книге