Vermeiden Sie tote Bestände durch doppelte Quantilprognosen
Der Bestand, der jedem SKU zugeordnet ist, ist eine Vorwegnahme der Zukunft. Aus einer technischeren Sicht kann der Nachbestellpunkt des SKUs als Quantilprognose betrachtet werden. Das Quantil gibt den kleinsten Bestand an, der mit einer Wahrscheinlichkeit gleich dem Servicelevel aufrechterhalten werden sollte, um Lagerbestandsausfälle zu vermeiden.
Obwohl dieser Standpunkt sehr mächtig ist, sagt er nichts über das Risiko von Überbeständen aus, d.h. das Risiko der Schaffung von totem Bestand, da nur die Seite der Lagerbestandsausfälle direkt statistisch behandelt wird. Das Risiko von Überbeständen ist jedoch wichtig, wenn Waren verderblich sind oder wenn die Nachfrage nach dem Produkt plötzlich verschwinden kann - wie es bei Unterhaltungselektronik der Fall ist, wenn das Ersatzprodukt der nächsten Generation auf den Markt kommt.
Beispiel: Betrachten wir den Fall eines westlichen Einzelhändlers, der unter anderem Schneeketten verkauft. Die Importzeit für die Ketten beträgt 3 Monate. Die Region, in der sich der Einzelhändler befindet, ist nicht sehr kalt, und nur ein Winter von fünf rechtfertigt den Einsatz von Schneeketten. Für jeden kalten Winter beträgt die lokale Nachfrage nach Schneeketten 1.000 Kits. In diesem Kontext legen alle Quantilprognosen mit einem Servicelevel über 80% nahe, mehr als 1.000 Kits auf Lager zu haben, um die Wahrscheinlichkeit eines Lagerbestandsausfalls unter 20% zu halten. Wenn der Winter jedoch nicht kalt ist, bleibt der Einzelhändler auf seinem gesamten unverkauften Bestand an Schneeketten, 1.000 Kits oder mehr, möglicherweise jahrelang sitzen. Der auf übliche Weise durch Quantile berechnete Nachbestellpunkt konzentriert sich auf Aufwärtssituationen mit Spitzen in der Nachfrage, sagt jedoch nichts über Abwärtssituationen aus, in denen die Nachfrage verschwindet.
Das Risiko von Überbeständen kann jedoch ebenfalls durch Quantile verwaltet werden, erfordert jedoch eine zweite Quantilberechnung, die unter Verwendung eines anderen Satzes von Werten für Tau (τ, nicht der Servicelevel) und Lambda (λ, nicht die Durchlaufzeit) durchgeführt wird.
In der üblichen Situation haben wir:
R = Q(τ, λ)
Mit
- R ist der Nachbestellpunkt (eine Anzahl von Einheiten)
- Q ist das Quantilprognosemodell
- τ ist der Servicelevel (ein Prozentsatz)
- λ ist die Durchlaufzeit (eine Anzahl von Tagen)
Wie das obige Beispiel zeigt, kann eine solche Nachbestellpunkt-Berechnung zu großen Werten führen, die das finanzielle Risiko eines Nachfragerückgangs nicht berücksichtigen, bei dem das Unternehmen mit totem Bestand stecken bleibt.
Um das Risiko von Überbeständen zu bewältigen, kann die Formel wie folgt überarbeitet werden:
R = MIN(Q(τ, λ), Q(τx, λx))
Mit
- τx ist das maximal akzeptable Risiko von Überbeständen
- λx ist der anwendbare Zeitraum, um den Bestand loszuwerden
In diesem Fall wird der übliche Nachbestellpunkt durch eine alternative Quantilberechnung begrenzt.
Der Parameter τx wird verwendet, um das akzeptable Risiko von Überbeständen widerzuspiegeln. Anstelle von Werten von 90% wie bei üblichen Servicelevels sollte in der Regel ein niedriger Prozentsatz, z.B. 10% und darunter, berücksichtigt werden.
Der Parameter λx wird verwendet, um die Dauer darzustellen, die den Bestandswert gefährden würde, da die Waren verderblich oder veraltet sind.
Beispiel: Betrachten wir den Fall eines Lebensmittelgeschäfts, das Tomaten mit einer Vorlaufzeit von 2 Tagen verkauft. Der Einzelhändler schätzt, dass die Tomaten innerhalb von 5 Tagen im Regal 20% ihres Marktwerts verlieren werden. Daher entscheidet der Einzelhändler, dass der Bestand an Tomaten ausreichend niedrig bleiben sollte, damit die Wahrscheinlichkeit, den gesamten Bestand innerhalb von 5 Tagen nicht zu verkaufen, weniger als 10% beträgt. Der Einzelhändler verwendet daher die zweite Formel für den Nachbestellpunkt R mit τ=90% und λ=2 Tage, um eine hohe Verfügbarkeit zu gewährleisten, kombiniert mit τx=10% und λx=5 Tage, um das Risiko eines toten Bestands unter Kontrolle zu halten.
Derzeit unterstützt Salescast keine doppelte Quantilberechnung nativ, jedoch ist es möglich, den gleichen Effekt zu erzielen, indem zwei Durchläufe mit unterschiedlichen Vorlaufzeit- und Service-Level-Parametern durchgeführt werden.
