Deze blog definieert en vergelijkt de drie meest gebruikte beleidsregels voor voorraadbeheer. Het zou nuttig moeten zijn voor zowel nieuwkomers als ervaren mensen die een mogelijke verandering in het beleid van hun bedrijf overwegen. De blog gaat ook in op hoe vraagprognoses voorraadbeheer ondersteunen, de keuze van het te gebruiken beleid en de berekening van de inputs die dit beleid sturen. Zie het als een verkort stuk van inventaris 101.

Scenario

U beheert een bepaald item. Het artikel is belangrijk genoeg voor uw klanten dat u voldoende voorraad wilt hebben om voorraadtekorten te voorkomen. Het artikel is echter ook zo duur dat u ook de hoeveelheid contant geld die vastzit in de voorraad wilt minimaliseren. Het proces van het bestellen van aanvullingsvoorraad is zo duur en omslachtig dat u ook het aantal inkooporders dat u moet genereren wilt minimaliseren. De vraag naar het artikel is onvoorspelbaar. Dat geldt ook voor de doorlooptijd voor aanvulling tussen het moment waarop u merkt dat er meer nodig is en het moment waarop het in het schap aankomt, klaar voor gebruik of verzending. 

Uw vraag is “Hoe beheer ik dit item? Hoe beslis ik wanneer ik meer moet bestellen en hoeveel ik moet bestellen?” Bij het nemen van deze beslissing zijn er verschillende benaderingen die u kunt gebruiken. Deze blog schetst het meest gebruikte voorraadplanningsbeleid: periodieke bestelling tot (T, S), bestelpunt/bestelhoeveelheid (R, Q) en min/max (s, S). Deze benaderingen zijn vaak ingebed in ERP-systemen en stellen bedrijven in staat om automatische suggesties te genereren over wat en wanneer ze moeten bestellen. Om de juiste beslissing te nemen, moet u weten hoe elk van deze benaderingen werkt en wat de voordelen en beperkingen van elke benadering zijn.    

Periodieke beoordeling, order-up-to-beleid

De verkorte notatie voor dit beleid is (T, S), waarbij T de vaste tijd tussen orders is en S de order-up-to-level is.

Wanneer bestellen: Bestellingen worden elke T dagen als een uurwerk geplaatst. Het gebruik van een vast bestelinterval is handig voor bedrijven die hun voorraadniveau niet in realtime kunnen volgen of die er de voorkeur aan geven om op geplande tijdstippen bestellingen aan leveranciers te geven.

Hoeveel te bestellen: Het voorraadniveau wordt gemeten en het verschil tussen dat niveau en het bestellingsniveau S wordt berekend. Als het voorraadniveau 7 eenheden is en S = 10, worden er 3 eenheden besteld.

Opmerking: Dit is het eenvoudigste beleid om te implementeren, maar ook het minst flexibel om te reageren op fluctuaties in vraag en/of doorlooptijd. Houd er ook rekening mee dat, hoewel de ordergrootte voldoende zou zijn om het voorraadniveau terug te brengen naar S als de aanvulling onmiddellijk zou zijn, er in de praktijk enige vertraging van de aanvulling zal zijn gedurende welke tijd de voorraad blijft dalen, dus het voorraadniveau zal zelden alle niveaus bereiken. weg omhoog S.

Doorlopende beoordeling, beleid voor vaste bestelhoeveelheid (bestelpunt, bestelhoeveelheid)

De verkorte notatie voor dit beleid is (R, Q), waarbij R het bestelpunt is en Q de vaste bestelhoeveelheid.

Wanneer bestellen: Bestellingen worden geplaatst zodra de voorraad daalt tot of onder het bestelpunt, R. In theorie wordt het voorraadniveau constant gecontroleerd, maar in de praktijk wordt dit meestal periodiek gecontroleerd aan het begin of einde van elke werkdag. 

Hoeveel te bestellen: De ordergrootte is altijd vast op Q-eenheden.

Opmerking: (R, Q) reageert sneller dan (S, T) omdat het sneller reageert op tekenen van dreigende stockout. De waarde van de vaste bestelhoeveelheid Q kan niet helemaal aan u liggen. Leveranciers kunnen vaak voorwaarden dicteren die uw keuze voor Q beperken tot waarden die compatibel zijn met minima en veelvouden. Een leverancier kan bijvoorbeeld aandringen op een bestelling van minimaal 20 eenheden en altijd een veelvoud van 5 zijn. Ordergroottes moeten dus 20, 25, 30, 35, enz. zijn. (Deze opmerking was ook van toepassing op de twee andere voorraadbeleidsregels. )

Continue beoordeling, order-up-to-beleid (Min/Max)

De verkorte notatie voor dit beleid is (s, S), ook wel "kleine s, grote S" genoemd, waarbij s het bestelpunt is en S het order-up-to-niveau is. Dit beleid wordt vaker (Min, Max) genoemd.

Wanneer bestellen: Bestellingen worden geplaatst zodra de voorraad daalt tot of onder de Min. Net als bij (R, Q) wordt het voorraadniveau zogenaamd constant gecontroleerd, maar in de praktijk wordt dit meestal aan het einde van elke werkdag gecontroleerd. 

Hoeveel te bestellen: De ordergrootte varieert. Het is gelijk aan het verschil tussen de Max en de huidige inventaris op het moment dat de Min wordt bereikt of overschreden.

Opmerking: (Min, Max) reageert zelfs nog sneller dan (R, Q) omdat het de ordergrootte aanpast om rekening te houden met hoeveel de voorraad onder de Min is gedaald. Wanneer de vraag nul of één eenheden is, stelt een gemeenschappelijke variatie Min = Max -1 in; dit wordt het "basisvoorraadbeleid" genoemd.

Een andere beleidskeuze: wat gebeurt er als ik geen voorraad meer heb?

Zoals u zich kunt voorstellen, leidt elk beleid waarschijnlijk tot een andere temporele volgorde van voorraadniveaus (zie figuur 1 hieronder). Er is nog een andere factor die van invloed is op het verloop van gebeurtenissen in de loop van de tijd: het beleid dat u kiest voor het omgaan met stockouts. Grofweg zijn er twee hoofdbenaderingen.

Nabestellingsbeleid: Als je voorraad op is, houd je de bestelling bij en vul je deze later in. Onder dit beleid is het verstandig om te spreken van negatieve voorraad. De negatieve voorraad vertegenwoordigt het aantal backorders dat moet worden gevuld. Vermoedelijk krijgt elke klant die gedwongen wordt te wachten de eerste bonnen wanneer de aanvulling arriveert. U heeft waarschijnlijk een backorderbeleid voor artikelen die uniek zijn voor uw bedrijf en die uw klant nergens anders kan kopen.

Verliesbeleid: Als je voorraad op is, wendt de klant zich tot een andere bron om zijn bestelling uit te voeren. Wanneer de aanvulling arriveert, krijgt een nieuwe klant die nieuwe eenheden. Voorraad kan nooit onder nul komen. Kies dit beleid voor basisproducten die gemakkelijk bij een concurrent kunnen worden gekocht. Als u het niet op voorraad heeft, gaat uw klant hoogstwaarschijnlijk ergens anders heen. 

De rol van vraagprognoses bij voorraadbeheer

De keuze van besturingsparameters, zoals de waarden van Min en Max, vereist input van een soort vraagvoorspellingsproces.

Traditioneel betekende dit het bepalen van de waarschijnlijkheidsverdeling van het aantal eenheden dat wordt gevraagd over een vast tijdsinterval, hetzij de doorlooptijd in (R, Q) en (Min, Max) systemen of T + doorlooptijd in (T, S) systemen. Er is aangenomen dat deze verdeling normaal is (de beroemde "klokvormige curve"). Traditionele methoden zijn uitgebreid waarbij niet wordt aangenomen dat de vraagverdeling normaal is, maar een andere verdeling (bijv. Poisson, negatief binomiaal, enz.) 

Deze traditionele methoden hebben verschillende tekortkomingen.

• Ten eerste negeert het meestal het probleem van onderschrijding, waarbij de vraag de voorraad niet alleen tot het bestelpunt laat dalen, maar eronder. Ervan uitgaande dat nee onderschrijding leidt tot overschatting van serviceniveaus en opvullingspercentages.

• Ten tweede is de waarschijnlijkheidsverdeling van de vraag heel vaak niet eens in de buurt van "klokvormig" of welke veronderstelde verdeling dan ook werd gekozen - vooral voor items met periodieke vraag naar reserveonderdelen en serviceonderdelen.

• Ten derde vereisen nauwkeurige schattingen van de bedrijfskosten van de voorraad een analyse van de gehele aanvullingscyclus (van de ene aanvulling tot de volgende), niet alleen het deel van de cyclus dat begint met de voorraad die het bestelpunt bereikt.

• Ten slotte zijn de doorlooptijden voor aanvulling doorgaans onvoorspelbaar of willekeurig, niet vast. Veel modellen gaan uit van een vaste doorlooptijd op basis van een gemiddelde, door de leverancier opgegeven doorlooptijd of gemiddelde doorlooptijd + veiligheidstijd.

Gelukkig bestaat er betere software voor voorraadplanning en voorraadoptimalisatie, gebaseerd op het genereren van een volledige reeks willekeurige vraagscenario's, samen met willekeurige doorlooptijden. Deze scenario's "stresstesten" elk voorgesteld paar parameters voor voorraadbeheer en beoordelen hun verwachte prestaties. Gebruikers kunnen niet alleen kiezen tussen beleidsregels (bijv. Min, Max vs. R, Q) maar ook bepalen welke variant van het voorgestelde beleid het beste is (bijv. Min, Max van 10,20 vs. 15, 25, enz.) Voorbeelden hiervan scenario's worden hieronder gegeven.

Het proces van het bestellen van aanvullingsvoorraad is zo duur en omslachtig dat u ook het aantal inkooporders dat u moet genereren wilt minimaliseren

Kiezen tussen voorraadbeheerbeleid

Welke polis past bij u? Er is een duidelijke pikorde in termen van artikelbeschikbaarheid, met (Min, Max) eerst, (R, Q) als tweede en (T, S) als laatste. Deze volgorde vloeit voort uit de mate waarin het beleid reageert op fluctuaties in de willekeur van vraag en aanvulling. De volgorde is omgekeerd als het gaat om het gemak van implementatie.

Hoe "scoort" u de prestaties van een voorraadbeleid? Er zijn twee tegengestelde krachten die in evenwicht moeten zijn: kosten en service.

Voorraadkosten kunnen worden uitgedrukt als voorraadinvestering of voorraadbedrijfskosten. De eerste is de dollarwaarde van de items die wachten om te worden gebruikt. Dit laatste is de som van drie componenten: bewaarkosten (de kosten van "verzorging en voeding van spullen op de plank"), bestelkosten (in feite de kosten van het snijden van een inkooporder en het ontvangen van die bestelling) en tekortkosten (de boete die u betaalt wanneer u een verkoop verliest of een klant dwingt te wachten op wat hij wil).

Service wordt meestal gemeten door serviceniveau en opvullingspercentage. Serviceniveau is de kans dat een aangevraagd artikel direct uit voorraad wordt verzonden. Het opvullingspercentage is het aandeel van de gevraagde eenheden die onmiddellijk uit voorraad worden verzonden. Als voormalig professor beschouw ik het serviceniveau als een alles-of-niets-cijfer: als een klant 10 eenheden nodig heeft en u kunt er slechts 9 leveren, is dat een F. Opvullingspercentage is een gedeeltelijk kredietcijfer: 9 op 10 is 90% .

Wanneer u beslist over de waarden van voorraadbeheerbeleid, vindt u een balans tussen kosten en service. U kunt perfecte service verlenen door een oneindige inventaris bij te houden. U kunt de kosten op nul houden door geen voorraad aan te houden. Je moet een verstandige plek vinden om te opereren tussen deze twee belachelijke uitersten. Het genereren en analyseren van vraagscenario's kan de gevolgen van uw keuzes kwantificeren.

Een demonstratie van de verschillen tussen twee voorraadbeheerbeleidslijnen

We laten nu zien hoe voorhanden voorraad verschillend evolueert onder twee beleidsregels. De twee beleidsregels zijn (R, Q) en (Min, Max) waarbij backorders zijn toegestaan. Om de vergelijking eerlijk te houden, stellen we Min = R en Max = R+Q in, gebruiken we een vaste doorlooptijd van vijf dagen en onderwerpen we beide polissen aan dezelfde volgorde van dagelijkse eisen gedurende 365 gesimuleerde werkdagen.

Afbeelding 1 toont de dagelijkse voorhanden voorraad onder de twee polissen onderworpen aan hetzelfde patroon van dagelijkse vraag. In dit voorbeeld heeft het beleid (Min, Max) slechts twee periodes van negatieve voorraad gedurende het jaar, terwijl het beleid (R, Q) er drie heeft. Het beleid (Min, Max) werkt ook met een kleiner gemiddeld aantal beschikbare eenheden. Verschillende vraagreeksen zullen verschillende resultaten opleveren, maar over het algemeen presteert het (Min, Max) beleid beter.

Houd er rekening mee dat de plots van voorhanden voorraad informatie bevatten die nodig is om zowel kosten- als beschikbaarheidsstatistieken te berekenen.

Afbeelding 1: vergelijking van dagelijkse voorhanden voorraad onder twee voorraadbeleidslijnen

Rol van software voor voorraadplanning

De best-of-breed systemen voor inventarisplanning, prognoses en optimalisatie kunnen u helpen bepalen welk type beleid (is het beter om Min/Max te gebruiken in plaats van R,Q) en welke invoersets optimaal zijn (dwz wat moet ik invoeren voor Min en Max ). De beste systemen voor voorraadplanning en vraagvoorspelling kunnen u helpen deze geoptimaliseerde invoer te ontwikkelen, zodat u uw ERP-systemen regelmatig kunt vullen en bijwerken met nauwkeurige aanvullingsdrivers.

Overzicht

We hebben de drie meest gebruikte beleidsregels voor voorraadbeheer gedefinieerd en beschreven: (T, S), (R, Q) en (Min, Max), samen met de twee meest voorkomende reacties op stockouts: nabestellingen of verloren bestellingen. We merkten op dat deze beleidsmaatregelen steeds meer inspanningen vergen om te implementeren, maar ook steeds betere gemiddelde prestaties leveren. We benadrukten de rol van vraagprognoses bij het beoordelen van voorraadbeheerbeleid. Ten slotte illustreerden we hoe de keuze van het beleid het dagelijkse voorraadniveau beïnvloedt.

We werken samen met veel klanten in veel sectoren om onze geavanceerde software voor analyse, prognoses en voorraadplanning te verbinden met hun ERP-systemen. Ondanks de verscheidenheid aan situaties die we tegenkomen, hebben sommige gegevensgerelateerde problemen de neiging om keer op keer de kop op te steken. In deze blog staan tien tips die je kunnen helpen om deze veelvoorkomende problemen te voorkomen.

Zodra een klant klaar is om software voor vraagplanning en/of voorraadoptimalisatie te implementeren, moet hij de analysesoftware aansluiten op zijn bedrijfsgegevensstroom. In ons geval verwerken we transactiegegevens rechtstreeks in de analytische software. Dit geeft onder meer informatie over de vraag naar artikelen en de doorlooptijden van leveranciers. We halen de rest van de gegevens uit het ERP-systeem zelf, dat metagegevens levert zoals de locatie van elk artikel, de kostprijs per eenheid en de productgroep.

Deze tips zijn belangrijk omdat het niet ongebruikelijk is dat implementatieprojecten met veel enthousiasme beginnen, maar al snel vastlopen door problemen met de gegevens die de analyse voeden. Deze vertragingen kunnen het teamenthousiasme verminderen, projectleiders in verlegenheid brengen en de ROI-uitbetaling vertragen (en daardoor verminderen) die uiteindelijk het implementatieproject rechtvaardigde.

Het belang van het verbinden van de analysesoftware met de bedrijfsgegevensstroom

Hier is de lijst met tips, gegroepeerd op basis van de algemene thema's veilig omgaan met bestanden, waarborgen van gegevensintegriteit en omgaan met uitzonderingen.

Veilig omgaan met bestanden

1. Zorg voor een testomgeving die u als 'sandbox' kunt gebruiken. Kopieer uw huidige gegevens naar een testomgeving waar u veilig kunt experimenteren met de software zonder de huidige bewerkingen te riskeren. Naast het helpen van gebruikers om de ins en outs van de nieuwe software te leren, stelt het hebben van de nieuwste gegevens in de software eindgebruikers in staat eventuele problemen met de gegevens te ontdekken.

2. Bescherm uw regels voor gegevensextractie. Als u geen gebruik maakt van een kant-en-klare connector voor uw ERP-systeem dan moet u ervoor zorgen dat u bewaarbare uittrekregels kunt maken om gegevens van uw ERP naar een bestand te verplaatsen. Kolomvolgorde, gegevenstypen, datumnotaties, enz. mogen niet elke keer dat hetzelfde extract opnieuw wordt uitgevoerd, variëren. Anders loopt het project vast in handmatige fouten of verwarring bij het opnieuw uitpakken na fixes van de gegevens of wanneer nieuwe gegevens binnenkomen. Alle regels voor gegevensextractie moeten worden opgeslagen en beschikbaar zijn voor IT - we zijn situaties tegengekomen waarin bestanden werden geëxtraheerd. op ad hoc wijze resulterend in een iets ander formaat bij elk nieuw uittreksel. We hebben ook gezien dat klanten hard werkten aan het ontwikkelen van een complexe en nauwkeurige routine voor het extraheren van gegevens, waarna ze ontdekten dat al hun werk verloren was gegaan toen het niet goed was gearchiveerd. Beide situaties leidden tot verwarring en projectvertragingen.

3. Gebruik geen native bestandsindelingen van Excel voor gegevensoverdracht. Als uw planningsoplossing geen directe integratie met uw ERP-systeem heeft, exporteer dan ERP-gegevens naar een platte bestandsindeling, zoals door komma's gescheiden bestanden (.csv) of door tabs gescheiden tekstbestanden. Gebruik geen MS Excel-indelingen zoals .xls of .xlsx als het exportbestandstype omdat Excel automatisch veldwaarden op onverwachte manieren opnieuw opmaakt. Veel gebruikers gaan ervan uit dat ze .xlsx-bestanden moeten gebruiken als ze ze handmatig willen bekijken, zich niet realiserend dat .csv- of .txt-bestanden net zo gemakkelijk kunnen worden geopend en niet het risico met zich meebrengen dat ze automatisch opnieuw worden geformatteerd.

Gegevensintegriteit verzekeren

Gegevensproblemen en oplossingen bij software-implementatie. Hier is de lijst met tips, gegroepeerd op basis van de algemene thema's veilig omgaan met bestanden, waarborgen van gegevensintegriteit en omgaan met uitzonderingen.

4. Bevestig de juistheid van uw catalogusgegevens. Exporteer uw catalogusgegevens (dwz lijst met producten, lijst met klanten, lijst met leveranciers) en al hun relevante attributen. Controleer op verkeerde of verdachte waarden in de attributen (vooral doorlooptijden en kosten van artikelen). Problematische waarden zijn spaties, nullen als u geen nul als gegevenswaarde verwacht, en tekenreeksen als u numerieke waarden verwacht (of vice versa). Het kan helpen om elk extractbestand in Excel te openen en op elk attribuutveld te filteren, kijkend naar de unieke waarden om te zien wat eruit springt als niet zoals de andere (bijv. "1", "2", "&&", "3" …).

5. Bevestig de juistheid van uw groeperingsgegevens. Een andere nuttige activiteit die kan worden uitgevoerd tijdens het bekijken van de productcatalogusgegevens in Excel, is het controleren van belangrijke groeperings-/filtervelden zoals productfamilie, categorie of klasse om er zeker van te zijn dat er geen producten zijn toegewezen aan de verkeerde categorie, klasse of familie. Controleer ook alle velden voor productstatus/productlevenscyclus, zorg er bijvoorbeeld voor dat u alle stopgezette producten correct hebt geïdentificeerd.

6. Controleer op valse controletekens in tekstvelden. Controleer of er geen ongebruikelijke tekens in uw productbeschrijvingen zijn geëxtraheerd, zoals regelterugloop of tabs in de beschrijvingswaarde zelf. Als dat het geval is, zorg er dan voor dat u die gegevens kunt extraheren door tussenvoegsels met dubbele aanhalingstekens rond de beschrijving te gebruiken, of herstel fouten bij het invoeren van gegevens rechtstreeks in het ERP-systeem.

7. Controleer of de gegevens een standaardlay-out hebben. Controleer of uw uittreksels van transactiegegevens (bijv. klantorders, klantverzendingen, inkooporders, leveranciersbonnen) geen dubbele rijen bevatten. Als dat het geval is, identificeert u welke velden moeten worden toegevoegd om de rijen onderscheidend te maken of, als het echte duplicaten zijn, verwijdert u de extra exemplaren in de ERP-database.

Omgaan met uitzonderingen

8. Detecteer en reageer op uitzonderingen. Identificeer alle kenmerken van transactiegegevens die zouden betekenen dat ze niet zouden moeten worden gebruikt, zoals geannuleerde bestellingen. Begrijp het proces rond verkeerd ingevoerde bestellingen of geannuleerde bestellingen om ervoor te zorgen dat dit soort transacties niet worden geteld of dubbel geteld. Let op andere gegevensattributen die zouden impliceren dat dat attribuut niet mag worden gebruikt, zoals dropshipping rechtstreeks van een leverancier naar de klant in plaats van het vanuit uw eigen bedrijf te verzenden. 

9. Codificeer de afhandeling van uitzonderlijke interne overboekingen. Definieer het geïdealiseerde record van interne voorraadoverdrachten in noodgevallen en geef vervolgens regels voor het bewerken van transacties die op noodbasis zijn uitgevoerd en die afwijken van het ideale patroon. Als bijvoorbeeld product P1 zou moeten worden verzonden vanuit locatie A, maar er was een noodverzending vanuit locatie B, wordt de vraaggeschiedenis voor P1 op locatie A gekaapt en minder dan het had moeten zijn. Geef indien mogelijk een regel op voor de gewenste verzendlocatie voor elk product, zodat de geschiedenis kan worden gecorrigeerd door de voorraadoptimalisatiesoftware voor prognosedoeleinden.

10. Bedenk een procedure om vervanging af te handelen. Vervangingen doen zich bijvoorbeeld voor bij het adopteren van een nieuw ERP-systeem dat de producten opnieuw indexeert, of een oud product wordt vervangen door een bijgewerkte versie, of een geheel nieuw product veroudert en het oude. Als product-ID's om welke reden dan ook in de afgelopen paar jaar zijn gewijzigd, identificeer dan een mapping van de oude product-ID naar de nieuwe. Deze regels moeten beschikbaar zijn voor het vraagplannings- en prognosesysteem en kunnen worden bewerkt binnen de applicatie.

Het niet anticiperen op dataproblemen vormt een grote belemmering voor een soepele implementatie van nieuwe analytische software. Geen enkele lijst kan alle vreemde dingen opsommen die fout kunnen gaan bij het verzamelen van gegevens, maar deze lijst belicht veelvoorkomende problemen en verstandige antwoorden.

Opmerking: voor meer informatie over hoe gegevensproblemen de toepassing van geavanceerde analytische software kunnen belemmeren, zie de uitstekende blog van Sean Snapp over hoe dit probleem de toepassing van kunstmatige intelligentie en machine learning belemmert.  https://www.brightworkresearch.com/demandplanning/2019/05/how-many-ai-projects-will-fail-due-to-a-lack-of-data/

Waar we tegen zijn

Als Boston Red Sox-fan van de derde generatie ben ik niet geneigd om advies aan te nemen van een New York Yankee-balspeler, zelfs een geweldige, maar ik moet toegeven dat je soms gewoon een beslissing moet nemen. Zou het echter niet beter zijn als we de afwegingen wisten die bij elke beslissing horen. Misschien is de ene weg mooier, maar duurt het langer, terwijl de andere directer maar saaier is. Dan hoeft u het niet zomaar te accepteren, maar kunt u een weloverwogen beslissing nemen op basis van de voor- en nadelen van elke benadering.

In de wereld van supply chain planning is de meest fundamentele beslissing hoe de beschikbaarheid van artikelen in evenwicht moet worden gebracht met de kosten om die beschikbaarheid in stand te houden (serviceniveaus en opvullingspercentages). Aan de ene kant kun je schromelijke overvoorraden hebben en nooit zonder raken totdat je failliet gaat en de winkel moet sluiten om al je geld in voorraad te stoppen die niet verkoopt. Aan het andere uiterste kunt u een grote ondervoorraad hebben en een bundel besparen op voorraadkosten, maar failliet gaan en uw winkel moeten sluiten omdat al uw klanten hun zaken elders hebben gedaan.

Er is geen ontkomen aan deze fundamentele spanning. De manier om te overleven en te gedijen is het vinden van een productieve en duurzame balans. Om dat te doen, zijn op feiten gebaseerde afwegingen nodig op basis van de cijfers. Om de nummers te krijgen is software nodig.

De algemene gang van zaken is duidelijk. Als u besluit meer voorraad aan te houden, heeft u meer voorraadkosten, lagere tekortkosten en mogelijk lagere bestelkosten. Of dit geld kost of bespaart, is onmogelijk te weten zonder een geavanceerde analyse, maar meestal is het resultaat dat de Totale Kosten omhoog gaan. Maar als u investeert in meer voorraad, levert dat iets op, omdat u uw klanten hogere serviceniveaus en opvulpercentages biedt. Hoeveel hoger vereist, zoals je misschien wel vermoedt, een geavanceerde analyse.

Laat me de cijfers zien

In deze blog leggen we uit hoe zo'n analyse eruit ziet. Er is geen universele oplossing die u naar de "juiste" beslissing wijst. U zou kunnen denken dat de juiste beslissing de beslissing is die het beste bij u past. Maar om die cijfers te krijgen, heb je iets nodig dat je zelden ziet: een nauwkeurig model van klantgedrag met betrekking tot serviceniveau (bekijk ons artikel “Hoe kies je een doelserviceniveau”) Wanneer zal een klant bijvoorbeeld weglopen en ergens anders heen gaan? Zal het zijn nadat je 1% van de tijd, 5% van de tijd, 10% van de tijd hebt opgeslagen? Blijft u hun bedrijf behouden zolang u snel nabestellingen uitvoert? Zal het zijn na een nabestelling van 1 dag, 2 dagen? 3 weken? Zal het zijn nadat dit één keer op een belangrijk onderdeel of vele malen op veel onderdelen is gebeurd? Hoewel het modelleren van het precieze serviceniveau waarmee u uw klant kunt behouden en tegelijkertijd de kosten kunt minimaliseren een ongenaakbaar ideaal lijkt, is een andere vorm van geavanceerde analyse meer pragmatisch. 

Voorraadoptimalisatie- en prognosesoftware kan alle bijbehorende kosten in rekening brengen, zoals de kosten van bevoorrading, de kosten van het aanhouden van voorraden en de kosten van het bestellen van voorraden, om zo een optimaal serviceniveau voor te schrijven dat de laagste totale kosten oplevert. Maar zelfs dat "optimale" serviceniveau is gevoelig voor veranderingen in de kosten, waardoor de resultaten mogelijk twijfelachtig zijn. Als u bijvoorbeeld de exacte kosten niet nauwkeurig kunt inschatten (de kosten van een tekort zijn het moeilijkst), zal het moeilijk zijn om met zekerheid iets te zeggen als: "Als ik mijn voorhanden voorraad verhoog met gemiddeld één eenheid voor alle artikelen in een belangrijke productfamilie, zal mijn bedrijf een nettowinst van $170.500 zien. Die winst neemt toe totdat ik bij 4 eenheden kom. Bij 4 stuks en hoger daalt het rendement door te hoge bewaarkosten. Dus de beste beslissing om rekening te houden met verwachte voorraad, bestelling en voorraad is om de voorraad met 3 eenheden te verhogen om een nettowinst van meer dan $500.000 te zien.  

Afgezien van dat ideaal, kunt u iets doen dat eenvoudiger maar toch uiterst waardevol is: kwantificeer de afwegingscurve tussen voorraadkosten en artikelbeschikbaarheid. Hoewel u niet noodzakelijkerwijs weet op welk serviceniveau u zich moet richten, kent u wel de kosten van verschillende serviceniveaus. Dan kunt u uw grote geld verdienen door een goede plek te vinden om op die afwegingscurve te zijn en te communiceren waar u risico loopt en waar niet, en verwachtingen te scheppen bij klanten en interne belanghebbenden. Zonder de afwegingscurve om u te leiden, vliegt u blind en kunt u uw voorraadbeleid niet rationeel wijzigen.

Een scenario om van te leren

Laten we een realistische afwegingscurve schetsen. We beginnen met een scenario dat een managementbeslissing vereist. Het scenario dat we zullen gebruiken en de bijbehorende veronderstellingen over vraag, doorlooptijden en kosten worden hieronder beschreven:

Voorraadbeleid

• Periodieke beoordeling – Beslissingen voor herbestellingen worden om de 30 dagen genomen
• Order-Up-To-Level ("S") - Varieerde van 30 tot 60 eenheden
• Tekortbeleid - Sta nabestellingen toe, geen verloren bestellingen

Vraag naar

• De vraag is intermitterend
• Gemiddeld = 0,8 eenheden per dag
• Standaarddeviatie = 1,2 eenheden per dag
• Grootste vraag in een jaar ≈ 9
• % dagen zonder vraag = 53%

Lead Time

• Willekeurig op 7, 14 of 21 dagen met waarschijnlijkheden respectievelijk 70%, 20% en 10%

Kostenparameters

• Bewaarkosten = $1 per dag
• Bestelkosten = $10 per bestelling, ongeacht de grootte van de bestelling
• Tekortkosten = $100 per eenheid niet onmiddellijk uit voorraad verzonden

We stellen ons een beleid voor voorraadbeheer voor dat in de handel bekend staat als een "periodieke beoordeling" of (T,S) beleid. In dit geval is de Herzieningsperiode ("T") 30 dagen, wat betekent dat elke 30 dagen de voorraadpositie wordt gecontroleerd en een bestelbeslissing wordt genomen. De bestelhoeveelheid is het verschil tussen het waargenomen aantal beschikbare eenheden en de Order-Up-To Quantity ("S"). Dus als de voorraad aan het einde van de maand 12 eenheden is en S = 20, is de bestelhoeveelheid S – 12 = 20 -1 2 = 8. De volgende maand zal de bestelhoeveelheid waarschijnlijk anders zijn. Als de voorraad tijdens een beoordelingsperiode ooit negatief wordt (nabestellingen), probeert de volgende bestelling het evenwicht te herstellen door meer te bestellen om aan die nabestellingen te voldoen. Als de voorraad bijvoorbeeld -5 is (wat betekent dat 5 bestelde eenheden niet beschikbaar zijn voor verzending, is de volgende bestelling S – (-5) = S + 5. Details van de hypothetische vraagstroom, doorlooptijden van leveranciers en kostenelementen worden weergegeven in onderstaande afbeelding 1. Afbeelding 2 toont een voorbeeld van de dagelijkse vraag en dagelijkse voorraad gedurende vijf beoordelingsperioden. periodieke, zoals vaak het geval is voor reserveonderdelen, en daarom moeilijk te plannen.

Figuur 1: Verschillende keuzes van voorraadbeleid (bestelling tot), bijbehorende kosten en serviceniveaus

Afbeelding 2: Details van vijf maanden systeemwerking, gegeven een van de beleidsregels

Software voor voorraadplanning is onze vriend

Software codeert de logica van de werking van het (T,S)-systeem, genereert veel hypothetische maar realistische vraagscenario's, berekent hoe elk van die scenario's zich afspeelt en kijkt vervolgens terug op de gesimuleerde werking (hier, 10 jaar of 3.650 opeenvolgende dagen) om kosten- en prestatiestatistieken te berekenen.

Om de afwegingscurve te onthullen, hebben we verschillende computationele experimenten uitgevoerd waarin we het Order-Up-To Level, S, varieerden. De grafieken Figuur 2 tonen het gedrag van de voorhanden inventaris in het "rijkste" alternatief met S = 60. In de fragment getoond in figuur 2, komt de voorhanden inventaris nooit in de buurt van uitvoorraden. Ook dat kun je lezen. Een, een beetje naïef, is om te zeggen: "Goed, we zijn goed beschermd." De andere, meer agressieve, is om te zeggen: “Oh nee, we zijn opgeblazen. Ik vraag me af wat er zou gebeuren als we S zouden verminderen.”

De afwegingscurve onthuld

Figuur 3 toont de resultaten van het verminderen van S van 60 naar 30 in stappen van 5 eenheden. De tabel laat zien dat Total Cost de som is van Holding Cost, Ordering Cost en Shortage Cost. Voor de (T,S) polis zijn de bestelkosten altijd hetzelfde, aangezien een bestelling elke 30 dagen als een uurwerk wordt geplaatst. Maar de andere kostencomponenten reageren op de veranderingen in S.

Afbeelding 3: De experimentele resultaten en bijbehorende afwegingscurve die laten zien hoe het wijzigen van het Order-Up-To Level ("S") zowel het serviceniveau als de totale jaarlijkse kosten beïnvloedt

Houd er rekening mee dat het serviceniveau in deze scenario's altijd lager is dan het opvullingspercentage. Als professor denk ik altijd aan dit verschil in termen van examenbeoordeling. Elke aanvullingscyclus is als een test. Serviceniveau gaat over de waarschijnlijkheid van een stockout, dus het is net als het cijfer voor een geslaagd/niet-geslaagd examen met één vraag die perfect moet worden beantwoord. Als er geen stockout is in een cyclus, is dat een A. Als er een stockout is, is dat een F. Het maakt niet uit of het één eenheid is die niet wordt geleverd of 50 - het is nog steeds een F. Maar Fill Rate is als een vraag dat wordt beoordeeld met deelpunten. Dus als je een van de tien eenheden te kort krijgt, krijg je 90% Fill Rate voor die cyclus, niet 0%. Het is belangrijk om het verschil te begrijpen tussen deze twee belangrijke statistieken voor voorraadplanning - bekijk deze vlog met een beschrijving serviceniveau versus opvullingspercentage via een interactieve oefening in Excel.

De plot in figuur 3 is het echte nieuws. Het koppelt de totale kosten en het serviceniveau voor verschillende S-niveaus. Als u de grafiek van rechts naar links leest, vertelt het ons dat er enorme kostenbesparingen te behalen zijn door S te verlagen met zeer weinig nadelige gevolgen in termen van verminderde artikelbeschikbaarheid. Als u bijvoorbeeld S verlaagt van 60 naar 55, bespaart u bijna $800 per jaar op dit ene item, terwijl het serviceniveau slechts een klein beetje wordt verlaagd van (in wezen) 100% naar een nog steeds indrukwekkende 99%. S iets meer snijden doet hetzelfde, maar niet zo dramatisch. Als u de grafiek van links naar rechts leest, ziet u dat het omhoog gaan van S = 30 naar S = 35 ongeveer $1.000 per jaar kost, maar het serviceniveau verbetert van een F-klasse (45%) naar ten minste een C-klasse (71%). Daarna kost het steeds meer om S hoger te duwen, terwijl je steeds minder wint.

De afwegingscurve geeft u geen antwoord op hoe u het Order-Up-To-niveau moet instellen, maar u kunt wel de kosten en baten van elk mogelijk antwoord evalueren. Neem even de tijd en doe alsof dit jouw probleem is: waar zou je langs de afwegingscurve willen zijn?

U kunt bezwaar maken en zeggen dat u uw keuzes haat en het spel wilt veranderen. Is er ontsnapping uit de bocht? Niet van de algemene curve, maar misschien kun je een minder pijnlijke curve vormen. Hoe?

Misschien heb je nog andere kaarten om te spelen. Een manier is om te proberen de vraag zo te 'vormen' dat deze minder variabel is. De vraaggrafiek in figuur 2 laat veel variabiliteit zien. Als je de vraag zou kunnen afvlakken, zou de hele afwegingscurve naar beneden verschuiven, waardoor elke keuze goedkoper zou worden. Een tweede manier is om te proberen de gemiddelde en variabiliteit van doorlooptijden van leveranciers te verminderen. Het bereiken van een van beide zou ook de curve naar beneden verschuiven om de keuze minder pijnlijk te maken. Bekijk ons artikel over hoe leveranciers beïnvloeden uw voorraadkosten

Overzicht

De afwegingscurve is altijd bij ons. Soms kunnen we het misschien vriendelijker maken, maar we kiezen altijd ons plekje erlangs. Het is beter om te weten wat u krijgt voor elke keuze van voorraadbeleid dan om te proberen te raden, en de curve geeft u dat. Wanneer u een nauwkeurige schatting van die curve heeft, vliegt u niet langer blind als het gaat om voorraadplanning. 

Een voorraadbeheerder die verantwoordelijk is voor 10.000 artikelen heeft elke dag 10.000 dingen om zich druk over te maken. Verdubbel dat voor iemand die verantwoordelijk is voor 20.000 items.

In de drukte van het bedrijfsleven komen routinematige beslissingen vaak op de tweede plaats na brandbestrijding: omgaan met haperingen van leveranciers, het rechtzetten van papierwerkfouten, herstellen van die botsing tussen een vrachtwagen en het laadperron.

In de tussentijd echter van uw bedrijf geaccumuleerd voorraadbeheerbeleid blijven doen wat ze doen, zelfs als ze geld lekken. Een goede manager zal tijd vrijmaken om naar het 'achtergrondgeluid' te luisteren, zelfs als hij of zij luid gekraak hoort in het magazijn.

Overweeg de huidige instellingen voor uw voorraadbeheerparameters (bijv. bestelpunten en bestelhoeveelheden). Het is gemakkelijk om dit te zien als "vuur en vergeet" beslissingen. Maar deze instellingen stapelen zich meestal op in de loop van de tijd en vormen uiteindelijk een mengelmoes van vergeten beoordelingsvragen die mogelijk niet goed zijn afgestemd op uw huidige besturingsomgeving. Veel factoren kunnen afwijken van hun eerdere niveaus, zoals doorlooptijden van leveranciers, bestelkosten of gemiddelde vraag naar artikelen. Deze veranderingen kunnen onzichtbare compromissen afdwingen die niet in uw voordeel zijn.

Het is verstandig om deze besturingsinstellingen af en toe opnieuw te bekijken om te zien of het mogelijk is om uw dagelijkse activiteiten af te stemmen op de huidige realiteit. Het zou voor een drukke manager natuurlijk ondoenlijk zijn om handmatig de effecten te berekenen van het wijzigen van de besturingsinstellingen op bijvoorbeeld 10.000 artikelen. Maar dat is waar moderne software voor voorraadoptimalisatie en vraagplanning voor is: het mogelijk maken van grootschalige analytische taken. Met dergelijke software kunt u automatisch nieuwe informatie verwerken en aanpassingen op schaal berekenen. Het resultaat zal zijn gemakkelijke overwinningen – waarvan er vele anders niet zouden worden gerealiseerd. En als u hier en daar een beetje bespaart, levert dat aanzienlijke bedragen op als u duizenden items beheert.

Overweeg dit voorbeeld. Bedrijf A maakt gebruik van een periodiek inventarisatiesysteem. Elke 30 dagen controleren ze de voorhanden voorraad van al hun artikelen en beslissen hoeveel aanvullingsvoorraad ze willen bestellen. Elk van hun 10.000 artikelen heeft een bepaald Order-Up-To-niveau dat de omvang van hun aanvullingsorders bepaalt.

Stel dat artikel 1234 een Order-Up-To-niveau van 74 heeft, bepaald door rekening te houden met de gemiddelde artikelvraag van 1,0 eenheden per dag, een gemiddelde doorlooptijd voor aanvulling van 8 dagen en een beoogde opvullingsgraad van 90% voor dit artikel . De keuze van 74 als order-up-to-niveau zorgt ervoor dat bedrijf A zijn 90%-doelstelling voor het opvullingspercentage voor artikel 1234 kan halen, maar het resulteert ook in een gemiddeld voorraadniveau van 40 eenheden. Bij $1.500 per eenheid vertegenwoordigt dit artikel alleen al $45.000 aan voorraadinvesteringen.

Stel nu dat de gemiddelde vraag naar artikelen zou stijgen van 1,0 naar 1,2 eenheden/dag. Zonder dat iemand het merkt, zou het opvullingspercentage voor artikel 1234 dalen tot 82%!

Stel nu dat de vraag in de andere richting zou verschuiven en zou dalen tot 0,8 eenheden/dag. Net als bij de toename van de gemiddelde vraag van 1,0 naar 1,2 eenheden/dag, is dit soort verandering moeilijk te zien als je naar een perceel kijkt (zie figuur 1), maar het kan een aanzienlijke operationele impact hebben. In dit geval zou het opvullingspercentage zoomen naar een genereuze 96%, maar de beschikbare voorraad zou ook zoomen: van 40 eenheden naar 46. Die zes extra eenheden zouden $9.000 extra voorraad vertegenwoordigen.

Figuur 1: Voorbeelden van dagelijkse vraag met twee verschillende gemiddelde waarden. Het verschil in vraag is met het blote oog niet waarneembaar, maar als er geen rekening mee wordt gehouden, heeft dit een grote operationele impact op voorraaduitgaven en serviceniveaus

Stel je nu voor dat vergelijkbare kleine verschuivingen onopgemerkt plaatsvinden in een volledige vloot van 10.000 inventarisitems. De totale financiële impact van al dergelijke verschuivingen zou voldoende zijn om op de radar van een CFO te komen. Proberen deze turbulentie de baas te blijven, zou onmogelijk zijn als u dit handmatig zou doen, maar moderne voorraadoptimalisatiesoftware kan de juiste aanpassingen automatisch berekenen zo vaak als uw bedrijf aankan, en zelfs dagelijks helpen om substantiële verbeteringen in serviceniveaus en voorraadefficiëntie te realiseren, terwijl de voorraad wordt verlaagd en bewaarkosten!

1. Ingebouwde ERP-functionaliteit is ingebakken in Order Management.

Overweeg wat wordt bedoeld met "vraagbeheer", "vraagplanning" en "voorspelling". Deze voorwaarden impliceren bepaalde standaardfuncties voor samenwerking, statistische analyse en rapportage ter ondersteuning van een professioneel vraagplanningsproces. In de meeste ERP-systemen bestaat 'vraagbeheer' echter uit het uitvoeren van MRP en het afstemmen van vraag en aanbod met als doel het plaatsen van bestellingen, oftewel 'orderbeheer'. Het heeft weinig te maken met vraagplanning, een discreet proces dat gericht is op het ontwikkelen van de best mogelijke voorspellingen van de toekomstige vraag door statistische analyse te combineren met zakelijke kennis van evenementen, promoties en informatie over het verkoopteam. De meeste ERP-systemen bieden weinig statistische mogelijkheden en als ze worden aangeboden, heeft de gebruiker de keuze uit een paar statistische methoden die hij handmatig moet toepassen vanuit een vervolgkeuzelijst of zelf moet programmeren. Het is ingebakken in het orderbeheerproces, waardoor de gebruiker mogelijk kan zien hoe de prognose van invloed kan zijn op de voorraad. Er is echter geen enkele mogelijkheid om de prognose te beheren, de kwaliteit van de prognose te verbeteren, beheeronderdrukkingen toe te passen en te volgen, samen te werken, de nauwkeurigheid van de prognose te meten en bij te houden “voorspelbare toegevoegde waarde.” 

2. ERP-planningsmethoden zijn vaak gebaseerd op simplistische vuistregels.

ERP-systemen bieden altijd min, max, veiligheidsvoorraad, bestelpunt, bestelhoeveelheid en prognoses om bevoorradingsbeslissingen te stimuleren. Maar hoe zit het met de onderliggende methoden die worden gebruikt om deze belangrijke drijfveren te berekenen? In bijna alle gevallen zijn de aangeboden methoden niets meer dan vuistregel benaderingen die geen rekening houden met de variabiliteit van vraag of leverancier. Sommige bieden wel "targeting op serviceniveau", maar vertrouwen ten onrechte op de aanname van een normale verdeling ("klokvormige curve"), wat betekent dat de vereiste veiligheidsvoorraden en bestelpunten die door het systeem worden aanbevolen om het serviceniveaudoel te bereiken, vlak zullen zijn verkeerd uit als uw gegevens niet passen in het ideale theoretische model, wat vaak erg onrealistisch is. Dergelijke te vereenvoudigde berekeningen doen meestal meer kwaad dan goed.  

3. Waarschijnlijk gebruik je spreadsheets nog minimaal 2 jaar na aanschaf.

Als u een nieuwe ERP-oplossing zou implementeren, zouden uw oude gegevens meestal vastlopen. Alle systeemeigen ERP-functionaliteiten voor prognoses, het instellen van voorraadbeleid zoals min/max, enz. kunnen dus niet worden gebruikt en u zult gedwongen worden om gedurende ten minste twee jaar terug te grijpen op omslachtige en foutgevoelige spreadsheets (een jaar om te implementeren). op zijn vroegst en nog een jaar om ten minste 12 maanden geschiedenis te verzamelen). Nauwelijks een digitale transformatie. Het gebruik van een best-of-breed oplossing voorkomt dit probleem. U kunt gegevens uit uw oude ERP-systeem laden en uw ERP-implementatie niet verstoren. Dit betekent dat u op dag 1 van ERP-go-live uw nieuwe ERP-systeem kunt vullen met betere invoer voor vraagprognoses, veiligheidsvoorraden, bestelpunten en min/max-instellingen.

4. ERP is niet ontworpen om alles te doen

De "Doe alles in ERP/One-Vendor"-mentaliteit was een marketingboodschap die werd gepromoot door ERP-bedrijven, met name SAP, om u, de klant, 100% van uw IT-budget bij hen te laten uitgeven. Die marketingboodschap is door analistengroepen, IT-firma's en systeemintegrators aan de gebruikers nagepraat, waarbij rationele stemmen werden overstemd die vroegen: "Waarom wil je zo afhankelijk zijn van één bedrijf dat je inferieure technologie voor prognoses en voorraadplanning gebruikt?" ” Het enorme aantal IT-storingen en de enorme implementatiekosten hebben ertoe geleid dat veel bedrijven hun benadering van ERP hebben heroverwogen. Met de komst van gespecialiseerde planning-apps die in de cloud zijn geboren zonder IT-footprint, is de juiste keuze een "dunne" ERP gericht op de basisprincipes - boekhouding, orderbeheer, financiën - maar ondersteund door gespecialiseerde planning-apps. 

De expertise van ERP-consultants ligt in hoe hun systeem is ontworpen om bepaalde bedrijfsprocessen te automatiseren en hoe het systeem kan worden geconfigureerd of aangepast. Hun adviseurs zijn geen specialisten in de juiste aanpak van voorraadplanning, prognoses en voorraadplanning. Dus als u probeert te begrijpen welke aanpak voor vraagplanning geschikt is voor uw bedrijf, hoe moet u dan goed bufferen (bijv. "Moeten we min/max of op prognoses gebaseerde aanvulling doen?" "Moeten we voorspellingsmethode X gebruiken?"), zul je het over het algemeen niet vinden en als je dat wel doet, zal die bron vrij dun verspreid zijn.