Оптимизация запасов в мультиэшелонных цепях поставок: уровни зрелости
За последние десять лет оптимизация запасов взяла на себя решающую роль в управлении цепями поставок. Преимущества такой оптимизации доказали, что она успешно конкурирует с устоявшимися видами управления, например, проектированием сетей, оптимизацией транспортных мощностей и планированием продаж и операций (S&OP). Бизнес-задача сегодня та же, что и всегда — держать наименьшее количество запасов, удовлетворяя необходимый уровень сервиса для клиентов, — но методы эволюционировали.
Такие подходы, как расчет точек перезаказа, расчеты страховых запасов и расчет экономического заказа, являются базовыми и стали классикой из прошлого века. Сегодня дисциплина оптимизации запасов сделала значительный шаг по развитию от простых методов управления запасами до продвинутой многоэтапной оптимизации, от тактического развертывания страховых запасов для каждого SKU до стратегического аналитического подхода в управлении запасами в интеграции с процессом S&OP.
По мере того, как значимость и понимание оптимизации запасов становятся все более важными и зрелыми, компании эволюционно проходят несколько стадий. И для компании важно понять на каком уровне зрелости управлении запасов она находится, чтобы продолжить развиваться и улучшать свою конкурентоспособность и экономическую эффективность.
Такие подходы, как расчет точек перезаказа, расчеты страховых запасов и расчет экономического заказа, являются базовыми и стали классикой из прошлого века. Сегодня дисциплина оптимизации запасов сделала значительный шаг по развитию от простых методов управления запасами до продвинутой многоэтапной оптимизации, от тактического развертывания страховых запасов для каждого SKU до стратегического аналитического подхода в управлении запасами в интеграции с процессом S&OP.
По мере того, как значимость и понимание оптимизации запасов становятся все более важными и зрелыми, компании эволюционно проходят несколько стадий. И для компании важно понять на каком уровне зрелости управлении запасов она находится, чтобы продолжить развиваться и улучшать свою конкурентоспособность и экономическую эффективность.
Люди, процессы и технологии
Прежде чем сосредоточиться на уровнях зрелости оптимизации товарных запасов, рассмотрим главные компоненты этой оптимизации — «людей» и «процесс». Планировщики, закупщики и менеджеры по запасам могут иметь разные уровни понимания в отношении оптимизации запасов. Команда должна уметь отвечать на такие вопросы, как:
Прежде чем сосредоточиться на уровнях зрелости оптимизации товарных запасов, рассмотрим главные компоненты этой оптимизации — «людей» и «процесс». Планировщики, закупщики и менеджеры по запасам могут иметь разные уровни понимания в отношении оптимизации запасов. Команда должна уметь отвечать на такие вопросы, как:
- Наша организация имеет единое и детальное понимание методов управления запасами?
- Насколько хорошо команда понимает математическую связь между запасами, уровнем обслуживания и временем исполнения заказа?
- Владеет ли команда понятием неопределенности в управлении запасов?
Эволюционное развитие подходов в оптимизации запасов с точки зрения операций сопровождается разработкой новых бизнес-процессов:
- Переход от эмпирических правил к статистическим методам требует различных данных на входе и выходе для развития точности расчетов.
- Планирование для нескольких узлов хранения логистической сети или эшелонов может стать совершено новой концепцией управления запасами.
- Оптимизация запасов по всей цепи поставок требует пересмотра процесса учета данных и процесса дальнейшей обработки результатов в существующих бизнес-процессах.
Кривая зрелости технологий оптимизации запасов
Спросите несколько команд, управляющих цепями поставок, что означает оптимизация запасов, и вы получите крайне разнообразные ответы.
Многолетний опыт работы с ведущими компаниями в десятках отраслей выявил универсальную кривую зрелости оптимизации запасов, по которой движется каждая организация. Она начинается с оптимизации отдельного SKU в отдельной локации, рассчитывается как оптимизация запасов в одном узле и так далее, пока команда в конечном итоге не создаст многоэшелонную модель оптимизации запасов (MEIO), которая синхронизирована с бизнес-целями компании.
Развитие можно разделить на четыре основных этапа.
Спросите несколько команд, управляющих цепями поставок, что означает оптимизация запасов, и вы получите крайне разнообразные ответы.
Многолетний опыт работы с ведущими компаниями в десятках отраслей выявил универсальную кривую зрелости оптимизации запасов, по которой движется каждая организация. Она начинается с оптимизации отдельного SKU в отдельной локации, рассчитывается как оптимизация запасов в одном узле и так далее, пока команда в конечном итоге не создаст многоэшелонную модель оптимизации запасов (MEIO), которая синхронизирована с бизнес-целями компании.
Развитие можно разделить на четыре основных этапа.
Этап 1: Отдельный SKU / локация
На самом простом уровне менеджеры обычно начинают применять научные методы к управлению запасам последовательно для каждой товарной позиции. Проводится расчет страхового запаса для отдельной локации, который определяет сколько запасов должно храниться для SKU, чтобы покрыть спрос, обеспечить необходимое время для выполнения заказа и какая частота закупок необходима для заданного уровня сервиса. В дополнение к этому могут существовать эмпирические правила, например, «держите 20 дней запаса для всех товаров группы А».
Большинство решений, используемых для управления цепями поставок, находятся на первом этапе оптимизации запасов. Такие решения реализованы в виде или макросов в электронных таблицах, или простейших аналитических отчетов по расчету страхового запаса на решениях BI и ERP.
Дальнейшее развитие подхода по снижению стоимости запасов и повышению уровня сервиса лежит в совершенствовании оптимизации и расширении расчета до всего узла цепи поставок (завод, DC) или расширении по продуктовой линейке.
На самом простом уровне менеджеры обычно начинают применять научные методы к управлению запасам последовательно для каждой товарной позиции. Проводится расчет страхового запаса для отдельной локации, который определяет сколько запасов должно храниться для SKU, чтобы покрыть спрос, обеспечить необходимое время для выполнения заказа и какая частота закупок необходима для заданного уровня сервиса. В дополнение к этому могут существовать эмпирические правила, например, «держите 20 дней запаса для всех товаров группы А».
Большинство решений, используемых для управления цепями поставок, находятся на первом этапе оптимизации запасов. Такие решения реализованы в виде или макросов в электронных таблицах, или простейших аналитических отчетов по расчету страхового запаса на решениях BI и ERP.
Дальнейшее развитие подхода по снижению стоимости запасов и повышению уровня сервиса лежит в совершенствовании оптимизации и расширении расчета до всего узла цепи поставок (завод, DC) или расширении по продуктовой линейке.
Этап 2: Отдельный узел (одноуровневая оптимизация)
Следующий уровень на кривой зрелости — оптимизация запасов на узле или на уровне цепи поставок. На этом этапе предприятие использует научные методы для систематического установления статистического страхового запаса для всех локаций размещения товаров в рамках процесса тактического планирования. Некоторые из них включают в себя более продвинутые аналитические показатели, такие как неопределенность или ошибка прогнозирования и изменение страхового запаса во времени.
Оптимальные уровни страхового запаса, рассчитанные с помощью решений оптимизации запасов, обычно сильно отличаются в результатах от созданных с использованием не статистического подхода, а эмпирических правил. Пример, показанный на рисунке ниже, показывает оптимизированные уровни запасов для каждого SKU / расположения в узле, рассчитанные с учетом ошибки прогнозирования, неопределенности поставки, времени выполнения заказа и требуемого уровня сервиса.
Во многих случаях рекомендуемые оптимальные целевые показатели меньше существующих целевых показателей из-за процесса сглаживания будущих пиков — именно отсюда происходит сокращение запасов. Целевые показатели часто неадекватно увеличиваются для устранения проблем по снижению уровню сервиса, забывая о перераспределении спроса между ассортиментом.
Статистический расчет многонаправленной оптимизации обеспечивает снижение запасов и повышение уровня сервиса одновременно.
Следующий уровень на кривой зрелости — оптимизация запасов на узле или на уровне цепи поставок. На этом этапе предприятие использует научные методы для систематического установления статистического страхового запаса для всех локаций размещения товаров в рамках процесса тактического планирования. Некоторые из них включают в себя более продвинутые аналитические показатели, такие как неопределенность или ошибка прогнозирования и изменение страхового запаса во времени.
Оптимальные уровни страхового запаса, рассчитанные с помощью решений оптимизации запасов, обычно сильно отличаются в результатах от созданных с использованием не статистического подхода, а эмпирических правил. Пример, показанный на рисунке ниже, показывает оптимизированные уровни запасов для каждого SKU / расположения в узле, рассчитанные с учетом ошибки прогнозирования, неопределенности поставки, времени выполнения заказа и требуемого уровня сервиса.
Во многих случаях рекомендуемые оптимальные целевые показатели меньше существующих целевых показателей из-за процесса сглаживания будущих пиков — именно отсюда происходит сокращение запасов. Целевые показатели часто неадекватно увеличиваются для устранения проблем по снижению уровню сервиса, забывая о перераспределении спроса между ассортиментом.
Статистический расчет многонаправленной оптимизации обеспечивает снижение запасов и повышение уровня сервиса одновременно.
Этап 3: Многоэшелонная оптимизация
Часто управление цепями поставок фокусируется на локальных уровнях запасов, но обычно каждый уровень (или эшелон) занимается только своими собственными запасами. Например, можно оптимизировать запасы готовой продукции на складе, не задумываясь о том, является ли он лучшим местом для хранения запасов. В этом случае обычно возникает двойная буферизация для одной и той же неопределенности, и нет реального представления о том, как рассчитанные запасы на одном уровне влияют на общую стоимость и обеспечивает работу всей цепи поставок.
На этом этапе подход многоэшелонной оптимизации запасов (MEIO) дает большой эффект. Наука об исследованиях операций, лежащая в основе MEIO, имеет давние академические корни, хорошо изучена, рецензируется и доказана в реальных глобальных развертываниях. Применение этих исследований к тысячам реальных цепочек поставок привело к созданию простых в использовании программных решений, которые выявляют причины избыточных запасов и рассчитывают распределение буферов по сложным глобальным сетям с наименьшими затратами.
При моделировании сквозной цепи поставок в концепции MEIO рассчитывается цепь от сырья через все этапы процессов производства и далее по каналам распределения к потребителю.
Научные методы оптимизации запасов применяются на каждом уровне (детализация — SKU/локация) с учетом ошибки прогнозирования, неопределенности поставок и ограничений по мощностям для каждого узла. Система рассчитывает влияние неопределенностей (поставок и спроса) вверх и вниз по цепочке. Результат работы алгоритма — это оптимальный уровень запаса в узле, при этом учитываются и взаимозависимости с другими узлами сети, включая фактическое время выполнения заказа и взаимосвязь уровня сервиса между узлами. Модель рассчитывает и формирование затрат в цепи поставок.
Часто управление цепями поставок фокусируется на локальных уровнях запасов, но обычно каждый уровень (или эшелон) занимается только своими собственными запасами. Например, можно оптимизировать запасы готовой продукции на складе, не задумываясь о том, является ли он лучшим местом для хранения запасов. В этом случае обычно возникает двойная буферизация для одной и той же неопределенности, и нет реального представления о том, как рассчитанные запасы на одном уровне влияют на общую стоимость и обеспечивает работу всей цепи поставок.
На этом этапе подход многоэшелонной оптимизации запасов (MEIO) дает большой эффект. Наука об исследованиях операций, лежащая в основе MEIO, имеет давние академические корни, хорошо изучена, рецензируется и доказана в реальных глобальных развертываниях. Применение этих исследований к тысячам реальных цепочек поставок привело к созданию простых в использовании программных решений, которые выявляют причины избыточных запасов и рассчитывают распределение буферов по сложным глобальным сетям с наименьшими затратами.
При моделировании сквозной цепи поставок в концепции MEIO рассчитывается цепь от сырья через все этапы процессов производства и далее по каналам распределения к потребителю.
Научные методы оптимизации запасов применяются на каждом уровне (детализация — SKU/локация) с учетом ошибки прогнозирования, неопределенности поставок и ограничений по мощностям для каждого узла. Система рассчитывает влияние неопределенностей (поставок и спроса) вверх и вниз по цепочке. Результат работы алгоритма — это оптимальный уровень запаса в узле, при этом учитываются и взаимозависимости с другими узлами сети, включая фактическое время выполнения заказа и взаимосвязь уровня сервиса между узлами. Модель рассчитывает и формирование затрат в цепи поставок.
Чтобы наиболее эффективно рассчитать запасы, точки объединения и отсрочки для запасов определяются до накопления дополнительных затрат.
MEIO рассчитывает оптимальный ассортимент и количество в детализации SKU/локации в каждом узле, а также место размещения страхового запаса в общей цепочке поставок для достижения эффекта.
Простым и обманчиво экономичным было бы решение максимально снизить запасы везде и организовать товарные запасы готовой продукции (см. рисунок ниже). Но такая стратегия оптимизации переносит управление запасами на самые дорогие узлы, снижая возможность дифференцированного подхода и лишая управление гибкости.
MEIO рассчитывает оптимальный ассортимент и количество в детализации SKU/локации в каждом узле, а также место размещения страхового запаса в общей цепочке поставок для достижения эффекта.
Простым и обманчиво экономичным было бы решение максимально снизить запасы везде и организовать товарные запасы готовой продукции (см. рисунок ниже). Но такая стратегия оптимизации переносит управление запасами на самые дорогие узлы, снижая возможность дифференцированного подхода и лишая управление гибкости.
Многоэшелонный анализ использует преимущества объединения запасов и ищет места для формирования буферных запасов с расчетом экономической эффективности в логистических узлах на ранних стадиях формирования продукции, например, при формировании полуфабрикатов в процессе производства и формировании запасов сырья у поставщиков (см. рисунок ниже). Рост уровня сервиса, предоставляемого каждым вышестоящим уровнем своим нижестоящим «клиентам», сокращает объем страхового запаса, необходимого для всей цепи поставок. Понимая всю внутреннюю динамику неопределенностей, времени выполнения операций и затрат, MEIO рассчитывает запас для наибольшего уровня сервиса с наименьшими инвестициями.
Преодоление волатильности спроса является задачей № 1 для большинства цепей поставок, и по мере того, как организация становится более ориентированной на спрос, реакция на потребность клиентов со стороны цепи поставок значительно возрастает. Тенденция к избыточному запасу в периоды падения спроса и недостаточному их наращиванию в момент, когда спрос восстанавливается, может быть сведена к минимуму с помощью подходов MEIO в политике управления запасами.
Политика управления запасами, разработанная на базе статистики спроса и ошибки прогнозирования, предотвращает колебания и обеспечивает фильтрацию кривой спроса, которая может спровоцировать скоропалительные реактивные решения и вызовет увеличение размеров страхового запаса.
Компании на этом уровне оптимизируют политику управления запасами, а также тактические цели для достижения более высокого уровня сервиса, освобождая при этом оборотный капитал, инвестированный в избыточные запасы. Этот уровень зрелости Оптимизации запасов требует динамического программирования с использованием нелинейной математики.
Политика управления запасами, разработанная на базе статистики спроса и ошибки прогнозирования, предотвращает колебания и обеспечивает фильтрацию кривой спроса, которая может спровоцировать скоропалительные реактивные решения и вызовет увеличение размеров страхового запаса.
Компании на этом уровне оптимизируют политику управления запасами, а также тактические цели для достижения более высокого уровня сервиса, освобождая при этом оборотный капитал, инвестированный в избыточные запасы. Этот уровень зрелости Оптимизации запасов требует динамического программирования с использованием нелинейной математики.
Этап 4: Стратегический MEIO
Управление и оптимизация запасов по всей сети обеспечивают важную стратегическую информацию: глубокую аналитику причин возникновения запасов и разработку инициатив по максимизации эффективного использования оборотного капитала.
Если можно количественно определить часть запасов, вызванную такими факторами, как неопределенность поставок, неопределенность спроса, размеры партий, размер кванта, циклы пополнения и т.д., можно более эффективно разработать и приоритезировать стратегические улучшения.
Управление и оптимизация запасов по всей сети обеспечивают важную стратегическую информацию: глубокую аналитику причин возникновения запасов и разработку инициатив по максимизации эффективного использования оборотного капитала.
Если можно количественно определить часть запасов, вызванную такими факторами, как неопределенность поставок, неопределенность спроса, размеры партий, размер кванта, циклы пополнения и т.д., можно более эффективно разработать и приоритезировать стратегические улучшения.
Кривая эффективности запасов vs уровень сервиса
Математически рассчитанный график, показывающий компромисс между стоимостью запасов и соответствующим уровнем сервиса, известен как кривая эффективности запасов.
Оптимизация запасов, как правило, позволяет организациям снизить запасы, удерживая уровень сервиса, повысить уровень сервиса при существующих инвестициях в товарно-материальные запасы. или применить сочетание этих подходов.
MEIO дает команде, управляющей цепями поставок, возможность эволюционировать на совершенно новый уровень кривой эффективности и получить ранее недоступный баланс между запасами и уровнем сервиса.
Математически рассчитанный график, показывающий компромисс между стоимостью запасов и соответствующим уровнем сервиса, известен как кривая эффективности запасов.
Оптимизация запасов, как правило, позволяет организациям снизить запасы, удерживая уровень сервиса, повысить уровень сервиса при существующих инвестициях в товарно-материальные запасы. или применить сочетание этих подходов.
MEIO дает команде, управляющей цепями поставок, возможность эволюционировать на совершенно новый уровень кривой эффективности и получить ранее недоступный баланс между запасами и уровнем сервиса.
Анализ «что-если»
Многоэшелонная модель управления запасами может быть использована для моделирования и анализа влияния изменений. Многомерный анализ ситуаций может построить сценарии «что-если» для задач типа «какие инвестиции в запасы потребуются в диапазоне установленного уровня сервиса и диапазона ошибки спроса».
На этом уровне MEIO развертывается во всех бизнес-подразделениях и цепях поставок, используется в качестве важного бизнес-процесса в масштабе всей компании. Оптимизированные уровни запасов рассматриваются как вход в процесс планирования продаж и операций, а не как выход.
Как только MEIO становится основной компетенцией, все заинтересованные стороны получают одну общую модель цепи поставок — можно принимать основанные на аналитике бизнес-решения, способствующие постоянному совершенствованию и долгосрочному конкурентному преимуществу компании.
Заключение
Оптимизация запасов дает три основных преимущества:
Многоэшелонная модель управления запасами может быть использована для моделирования и анализа влияния изменений. Многомерный анализ ситуаций может построить сценарии «что-если» для задач типа «какие инвестиции в запасы потребуются в диапазоне установленного уровня сервиса и диапазона ошибки спроса».
На этом уровне MEIO развертывается во всех бизнес-подразделениях и цепях поставок, используется в качестве важного бизнес-процесса в масштабе всей компании. Оптимизированные уровни запасов рассматриваются как вход в процесс планирования продаж и операций, а не как выход.
Как только MEIO становится основной компетенцией, все заинтересованные стороны получают одну общую модель цепи поставок — можно принимать основанные на аналитике бизнес-решения, способствующие постоянному совершенствованию и долгосрочному конкурентному преимуществу компании.
Заключение
Оптимизация запасов дает три основных преимущества:
- 1Оптимизация запасов создает оптимальный баланс между уровнем сервиса и инвестициями в запасы.
- 2Охвата множества функций, компаний, географических регионов, подразделений, каналов сбыта и т.д.;
- 3Модель запасов позволяет применять новые способы стратегического улучшения конкурентоспособности цепи поставок компании.
Когда дело доходит до оптимизации запасов, компании следует определить на какой стадий зрелости она находится:
- Оптимизация отдельного SKU / локации
- Оптимизация одного узлаНаучным методом рассчитайте статистический страховой запас для всех узлов размещения товаров в рамках процесса тактического планирования. Такой подход обеспечивает одновременно сокращение запасов и повышение уровня сервиса.
- MEIO для сквозной цепи поставокСмоделируйте цепочку поставок от сырья через производственный процесс и каналы распределения до потребителя. Научный подход оптимизации запасов необходимо применять на всех уровнях, принимая во внимание неопределенность спроса, неопределенность поставок, а также ограничения производственных и логистических мощностей.
- Стратегический MEIO как основная компетенция компанииПонимание причин возникновения запасов, а также построение гипотез и предварительное тестирование альтернативных стратегий управления запасами во всей сети обеспечивают ценное стратегическое преимущество и изменяют эффективные границы возможностей цепи поставок.