Выбор вероятности обслуживания для оптимизации товарных запасов

При использовании квантильных прогнозов точка возобновления заказа рассчитывается как функция ожидаемого уровня спроса, времени выполнения заказа и вероятности обслуживания. Объем заказа рассчитывается как разность точки возобновления заказа и наличного запаса за вычетом заказанных товаров. Вероятность обслуживания отражает желаемую вероятность отсутствия дефицита товаров. Следующая статья является кратким введением в данную тему и может служить руководством по выбору подходящей вероятности обслуживания.

Это утверждение подразумевает следующее: Постоянное обслуживание заказов из наличных заказов не является экономически целесообразным. Принятие решения о правильной вероятности обслуживания для определенного продукта в сущности приравнивается к нахождению баланса между издержками на хранение товаров и издержками в связи с отсутствием товара. Поэтому вероятность обслуживания представляет собой важную переменную для расчета приемлемого резервного запаса; чем выше желаемая вероятность обслуживания, тем больше необходимый резервный запас.

К сожалению, функции издержек, отражающие эту проблему, крайне зависимы от специфики бизнеса. Тогда как определение издержек на хранение товаров чаще всего не представляет особой трудности, определение издержек в связи с отсутствием товара ставит перед пользователем гораздо более сложную задачу. Если клиент не находит продукт в вашем магазине, он может выбрать альтернативный продукт из тех, что имеются в наличии, отложить покупку на некоторое время или совершить ее в магазине вашего конкурента. К примеру, известно, что в продовольственных магазинах розничной торговли отсутствие на полках ряда товаров первой необходимости вынуждает клиентов отказываться от посещения таких магазинов и прибегать к услугам конкурирующих компаний.

Из этого примера следует, что соответствующие функции издержек будут зависеть не только от специфики бизнеса, но и от специфики товара. Принимая во внимание тот факт, что большинство производителей и предприятий розничной торговли имеют дело с сотнями и даже тысячами продуктов, очевидным становится то, что излишне научный подход представляется не только нежелательным, но и практически неосуществимым.

Хорошая новость заключается в том, что на практике вполне достаточно работы с простой схемой, точную настройку которой можно производить лишь время от времени.

С чего начать?

Многие предприятия розничной торговли рассматривают вероятность обслуживания как часть своей базовой интеллектуальной собственности, которая находится под строгой охраной. Тем не менее, некоторые приблизительные подсчеты должны послужить неплохой отправной точкой: типичная вероятность обслуживания в сфере розничной торговли равна 90%, при этом вероятность обслуживания для единиц с очень высоким приоритетом достигает 95%. Многие наши клиенты с успехом избирали весьма прагматичный подход, устанавливая единую вероятность обслуживания в размере 90%. Они использовали ее в качестве отправной точки и впоследствии совершенствовали и корректировали это значение в зависимости от собственных нужд.

Важно понимать суть зависимости между вероятностью обслуживания и резервным запасом. Эта зависимость показана на графике 1. Сокращение «расстояния до 100%» в два раза приводит к двукратному увеличению резервного запаса. Например, увеличение вероятности обслуживания с 95% до 97,5% удваивает необходимый резервный запас. Значения вероятности обслуживания, приближающиеся к 100%, быстро становятся крайне затратными, а вероятность обслуживания в размере 100% является математическим эквивалентом бесконечно большого резервного запаса.

График 1: Зависимость резервного запаса от вероятности обслуживания

Выбор категорий

Согласно нашему опыту, для того чтобы охватить весь товарный ассортимент от единиц первой необходимости до единиц с самым низким приоритетом, достаточно выделить 3-5 категорий вероятности обслуживания. В качестве примера мы выберем систему с тремя категориями вероятности обслуживания:

• Высокой: 95%
• Средней: 90%
• Низкой: 85%
  

Категоризация продуктов

Ранжирование позволяет распределить продукты по вышеперечисленным категориям в структурированном и разумном виде. Критерии ранжирования, используемые как отдельно, так и в сочетании друг с другом, включают товарооборот, рентабельность, количество заказов и себестоимость реализованных товаров.

Примерное ранжирование продуктов по товарообороту

• Первые 80% товарооборота: Высокая вероятность обслуживания
• Следующие 15% товарооборота: Средняя вероятность обслуживания
• Последние 5% товарооборота: Низкая вероятность обслуживания
  

Примерное ранжирование продуктов по участию в валовой прибыли

• Первые 80% валовой прибыли: Высокая вероятность обслуживания
• Следующие 15% валовой прибыли: Средняя вероятность обслуживания
• Последние 5% валовой прибыли: Низкая вероятность обслуживания
  

Определив категории и установив вероятность обслуживания, вы можете воспользоваться Lokad для вычисления точки возобновления (включая уровни резервного запаса) в качестве функции этих значений. Нередко мы видим, что большим потенциалом для сокращения товарных запасов обладает не только точность прогноза, но и применение комплексных методов для расчета вероятности обслуживания, а также регулярные обновления ее значений.

Если вы по-прежнему не уверены в правильности значений, вводимых вами в Lokad, не забывайте о том, что не так уж важно (и почти нереально) иметь идеально выведенные значения вероятности обслуживания с самого начала. Важно другое: новый взгляд к этому понятию, в сочетании с прогнозами и анализом точек возобновления в Lokad, с высокой вероятностью приведет к улучшению существующего положения дел.

Дополнительные материалы

• Расчет оптимальной вероятности обслуживания