Свяжитесь с нами+370 667 777 90

Современные технологии для эффективного управления бизнесом

О запасах

Методы управления запасами

2017-09-15

Прогнозировать, рассчитывать или просто угадывать? Выбор, от которого зачастую зависит, будет ли нам чем торговать. Иногда на помощь приходит интуиция. Но всегда ли мы можем на нее положиться? Если нет, то приходится искать другие способы правильной оценки спроса, чтобы не «заморозить» денежные средства и обеспечить рост продаж. Итак, какие же это способы? И как их правильно выбрать?

line

Управление запасами – это специфический и комплексный процесс. В нем, как нигде, переплетаются математика и интуиция, а соотношение данных элементов нередко способно направить как в сторону конкурентного преимущества, так и в сторону финансовых проблем. Поскольку в бизнесе интуицию, как один из параметров, еще не научились измерять, то для управления запасами часто выбирают более легкий путь, и математика тут доминирует.

В настоящее время разработан целый ряд методик расчета спроса. Однако не так уж легко разобраться, какой из методов нужно выбрать. Тем более что ошибочный выбор метода или неправильное его применение может привести к болезненным финансовым последствиям. Так давайте же познакомимся с наиболее часто встречающимися на практике методами управления запасами, с областями их применения, их преимуществами и недостатками.

 

Метод человеческого прогноза

Начать с человеческого прогнозирования я решил из-за его двойственного характера. С одной стороны, это единственный метод, в котором значительное внимание уделяется интуиции. А с другой стороны, существуют такие области, где данный метод обоснованно можно назвать самым точным. Он единственный позволяет учитывать влияние будущих факторов на результаты предприятия. Все прочие методы опираются на анализ данных предыдущих периодов. И пока не разработаны алгоритмы, способные предугадывать будущее, только человек способен оценивать события, которых в прошлом не было, и которые в будущем повторяться не будут.

Иначе говоря, математика не способна, а человек способен предугадать (или узнать), что в ближайшем будущем планируют конкуренты, каким образом скажутся на продажах изменившееся законы, нормативно-правые акты или новые налоги, как повлияют длинные или короткие выходные дни, которые ежегодно меняются, сколько потенциальных клиентов заинтересуется одним или другим товаром, каким образом могут повлиять на торговлю стихийные бедствия или иные подобные происшествия.

Человеческий прогноз чаще всего используется на рынках дорогих продуктов, где цена ошибки слишком высока, и где необходимо предвидеть целый ряд предохранительных мер для минимизации риска. Кроме того, указанный прогноз часто применяется при предварительном заказе сезонных товаров, когда до начала продаж еще очень далеко. Например, заказы на автомобильные аккумуляторы планируются летом, а уровень их продаж зависит от того, похолодает ли на улице хотя бы до -15°C. А кто же это может знать?! Вот вам и пример того, где интуиция применяется на практике.

Но всё же у человеческого прогноза очень много недостатков. Прежде всего, это самый дорогой метод, поскольку его основные ресурсы – это человек и информация. Когда у предприятия широкий ассортимент, то просто невозможно предсказать, как скажутся будущие факторы на тысячах различных товаров. Либо результаты такого прогноза будут очень неточными.

Другая проблема – не вся касающаяся определенного рынка информация легкодоступна. В свою очередь, не вся доступная информация является точной. И наконец, сюда вмешиваются и проблемы внутренней коммуникации, когда информация своевременно не попадает к тем, кто ее использует в целях планирования запасов. Точность прогнозов в большой степени зависит и от квалификации сотрудника. Планирующие запасы сотрудники редко действуют на рынке. А сотрудникам, действующим на рынке, редко нравится планировать запасы.

В силу всех изложенных причин человеческий прогноз чаще всего используется лишь в исключительных случаях, а эффективность запасов зависит только от профессионализма и опыта сотрудника.

 

Математический прогноз

Те, кому требуются более взвешенные решения, могут выбрать математические алгоритмы прогнозирования. В отличие от человеческого прогноза, математические алгоритмы всегда основываются на анализе данных прошлых периодов, поэтому места для интуиции здесь не остается. В наши дни в целях планирования запасов можно найти целый ряд традиционных алгоритмов прогнозирования, а нередко их дополняют и производные или комплексные комбинации алгоритмов.

Математические алгоритмы планирования в одной или другой форме отражают тенденции данных прошедшего периода, поэтому неплохо действуют в ситуациях, когда планируемые будущие продажи по существу являются повторением тенденций прошлых продаж и значительно не меняются. Иначе говоря, когда имеется повторяющаяся закономерность или четкое и стабильное направление тенденции. Однако зачастую конкретный алгоритм пригоден лишь для отражения определенной тенденции, а в случае частого изменения продаж эффективность алгоритма снижается. Когда таких товаров в ассортименте много, управлять запасами становится значительно сложнее.

Если продажи товара утрачивают закономерность, точность математических алгоритмов уменьшается. Это вынуждает часто пересматривать и изменять алгоритмы, а также параметры прогнозирования. Разные алгоритмы математического прогноза могут отличаться по набору параметров, поэтому приведение их в соответствие осложняется. Нередко для эффективного управления ими требуются и соответствующие математические знания.

С другой стороны, посредством алгоритмов математического прогноза сложно интерпретировать исключения, которые часто встречаются в движении различных товаров. Например, тенденции продаж могут быть разбалансированы неожиданными пиковыми продажами или падением продаж из-за нехватки товаров на складе. Подобные ситуации зачастую требуют вмешательства сотрудника, их не всегда легко идентифицировать, в результате чего со временем страдает точность прогноза, а вместе с тем и эффективность управления запасами.

 

Min-Max, Min или Max

В настоящее время это едва ли не наиболее часто применяемый на практике метод. Правда, под общим названием скрываются три разных метода, однако все эти методы объединяет принцип определения пороговых значений.

В случае Min-Max устанавливаются два пороговых значения – минимальное и максимальное. Когда запасы достигают минимального порогового значения, заказ формируется до уровня достижения максимального порогового значения. В случае Max устанавливается только максимальный предел. При снижении запасов товара ниже порогового значения Max, формируется заказ до установленного порогового значения. Между тем в методе Min при достижении установленного минимального порогового значения поступает сигнал, что пора формировать заказ, а заказываемое количество выбирает сотрудник.

Эти методы популярны благодаря своей простоте, они не требуют специфических знаний и в меньшей степени зависят от профессионализма сотрудника. Их следует применять для управления запасами стабильно продаваемых товаров. А также они могут быть полезны в ситуации, когда товары продаются редко, но в больших количествах, а интервалы продаж нерегулярные. И всё же применять метод Min-Max для всех запасов компании зачастую неэффективно, и вот почему:

Прежде всего, метод Min-Max очень статичный. Установленные границы не меняются, несмотря на изменение уровня продаж, поэтому со временем перестают защищать от потенциального излишка или нехватки. Если разброс пороговых значений слишком большой, то это может грозить излишком товаров. А если разброс пороговых значений слишком узкий, то это потенциально угрожает слишком частым формированием заказов, что, в свою очередь, ведет к повышению расходов на обслуживание.

Для того чтобы пороговые значения были установлены правильно и отражали актуальную потребность, их необходимо периодически оценивать и корректировать. При наличии большого количества позиций товаров такая работа требует значительных человеческих ресурсов. К тому же, для каждого такого корректирования требуется комплексный анализ и дополнительные расчеты, поэтому со временем пороговые значения всё реже пересматривают. А это ведет к финансовым проблемам.

Еще одной причиной, в силу которой метод Min-Max никогда полностью не избавит от нехватки товаров, является запрограммированная нерегулярность метода. В зависимости от изменений продаж запасы разных товаров достигают порогового значения Min в разные сроки. В каждом таком случае поступает сигнал на заказ определенного количества. Но что же делать, если еще не настал срок формирования заказа? Или если требующегося количества недостаточно для того, чтобы сформировать заказ? Часто такие товары ждут общего заказа, а в это время ежедневно упускаются продажи.

 

Динамические буферы

Проблему статичности метода Min-Max помогает решить метод динамических буферов, основанный на принципах теории ограничений Э. М. Голдратта. По большому счету, можно утверждать, что это не что иное, как изменяющееся в соответствии с определёнными правилами пороговое значение Max (в данной методике его называют буфером). А набор этих правил часто и определяет эффективность управления запасами.

Динамические буферы частично устраняют ограничения методов Min-Max, поскольку в этом случае пороговое значение Max систематически изменяется, а его изменение зависит от изменения запасов. Сам алгоритм достаточно сложен, поэтому детальное его описание не является объектом данной статьи, однако в упрощенном виде принцип его действия можно представить следующим образом: при чрезмерном снижении запасов, если все прочие условия соответствуют требованиям, буфер повышается до установленных значений, в результате чего формируется заказ большего объема, и, таким образом, со временем запасы увеличиваются. Аналогично, при необоснованном повышении запасов буфер уменьшается до установленного значения, поэтому количество заказываемого товара снижается, или же товар не заказывают вовсе, вследствие чего запасы со временем уменьшаются.

Такой автоматизированный принцип саморегулирования порогового значения Max действительно снижает потребность в человеческих ресурсах, которые в ином случае были бы выделены для расчета пороговых значений Min или Max, поэтому данный метод обоснованно следует считать более рентабельным. Всё же теоретические возможности метода и практическое его применение очень часто разнятся, поэтому утверждать, что метода динамичных буферов достаточно для эффективного управления запасами, было бы неверно.

Метод динамических буферов сам по себе может быть очень эффективным и способным управлять товарами, отличающимися различными видами продаж. Однако для этого он должен быть применен правильно, а в случае с данным методом этого достичь непросто. Для того чтобы упростить управление, теоретические возможности метода зачастую игнорируются, поэтому не используется потенциальная эффективность данного метода, а в случае неправильного его применения метод может быть даже губительным.

Основной недостаток метода динамических буферов – сложность его алгоритма и зависимость от ряда параметров, каждый из которых способен непрогнозируемо изменить движение запасов. Для того чтобы избежать этого, набор определяющих действие алгоритма параметров чаще всего на практике остается неизменным. В результате все запасы предприятия принудительно управляются по одним и тем же правилам изменения буфера. Было бы замечательно, если бы и все товары продавались одинаково. Однако продажи товаров разные, а при управлении с помощью одинаковых правил можно не повысить, а наоборот – утратить эффективность запасов.

Несмотря на то, что метод называется методом динамических буферов, на практике управление с его помощью остается статичным. Буфер меняется на заранее установленную величину с заранее определенной периодичностью. Очевидно, что это позволяет контролировать тенденцию изменения продаж только в том случае, если это изменение продаж соответствует установленным пороговым значениям параметра. В противном случае буфер будет изменяться в недостаточной степени или на слишком много, слишком быстро или слишком медленно.

Например, в случае уменьшения запасов, при условии, что другие условия алгоритма соответствуют требованиям, буфер увеличивается на 30%, как определено в параметрах алгоритма. Это отлично подходит для тех товаров, продажи которых возрастают настолько же. Однако если продажи товаров возрастают на 15%, то зачем же буфер увеличивать на 30%? А если продажи товаров возросли на 50%? А если рост продаж лишь кратковременный? В таких случаях ответственность за определение нужного буфера возлагается на сотрудника. Что, по существу, лишает метод универсальности, и решение перекладывается на плечи сотрудника. А сотруднику снова требуется анализ, поэтому растёт потребность в человеческих ресурсах, и утрачивается эффективность метода.

При методе динамических буферов на действие буфера влияют не менее 10 различных параметров, которые на практике чаще всего оставляют без изменений, несмотря на то, что каждый из параметров может оказать серьезное влияние на действие буфера, а соответственно и на эффективность управления запасами. Для определения оптимального набора параметров следовало бы проверить более 5 миллиардов комбинаций, что непрактично и неэффективно. Поэтому предлагаемый компромисс – это применение ко всем товарам одних и тех же параметров. Хотя этот компромисс достигается за счёт эффективности управления запасами.

К тому же, метод динамических буферов неточен по своей сути, поскольку основывается не на изменениях продаж, а на изменениях запасов. Как известно, на запасы могут влиять такие внутренние операции, как списание товаров или их перемещение на другой склад для выполнения временных операций. В результате таких действий запасы также уменьшатся, но это еще не значит, что требуется увеличить заказ.

Всё же метод динамических буферов может быть очень эффективным, если создается возможность адаптации параметров алгоритма для разных товаров и разных ситуаций. Данный метод может быть незаменим в ситуации, когда для оценки движения товара не хватает данных за прошедшие периоды (например, при вводе новых товаров). А также метод следует применять, когда изменение запасов нужно ограничить независимо от изменения продаж.

 

Скользящие буферы

В отличие от принципов расчета динамических буферов, методика скользящих буферов (иначе еще называемых «скользящее среднее значение») основывается на изменении не запасов, а продаж. Основываясь на данных продаж, отдельно рассчитываются пороговые значения зон гарантированного остатка, текущих запасов и потенциального спроса, сумма которых образует так называемый буфер.

Такой метод автоматически подстраивается к изменениям каждого товара, поэтому буферы меняются настолько и тогда, насколько и когда это требуется для эффективной поддержки запаса каждого товара с учетом сроков поставки и периодичность заказа. Кроме того, метод скользящих буферов исключает большую часть параметров, используемую в расчете динамических буферов, поэтому управление данным методом несложное, в случае необходимости его можно легко автоматизировать.

В случае данного метода буфер может изменяться ежедневно, поэтому пользователь лишается обязанности подтверждать изменения буфера. Это не только экономит время, но и исключает возможные интерпретации. И, несмотря на то, что количество параметров значительно меньше, действие буфера остается полностью управляемым, а изменение буфера регулируют показатели интенсивности и инертности изменений.

Конечно же, как и у всех прочих методов, так и у данного метода имеются свои ограничения. Чем длиннее история продаж, тем точнее метод скользящих буферов. Чем больше данных оценивается, тем больше фиксируется изменений продаж различной интенсивности, а это позволяет выбрать более точную интенсивность действия буфера.

line

Подводя итог, хотелось бы заметить, что нет ни одного метода, который бы идеально подходил для одинаково эффективного управления всеми запасами предприятия. У всех методов имеются свои преимущества и недостатки. Одни методы больше пригодны для новых товаров, другие – для товаров стабильного спроса, третьи – для товаров, отличающихся четкой тенденцией продаж и т.п. Поэтому эффективность управления запасами напрямую зависит от ваших возможностей выбора и применения такого метода, который наиболее точно подходит для конкретного случая.

Top