Prevenire l'inventario morto attraverso doppie previsioni quantili
La scorta associata a ciascun SKU è un’anticipazione del futuro. Da un punto di vista più tecnico, il punto di riordino dello SKU può essere considerato come una previsione quantile. Il quantile indica la minima quantità di scorte che dovrebbe essere mantenuta per evitare stock-outs con una probabilità pari al livello di servizio.
Sebbene questo punto di vista sia molto potente, in realtà non dice nulla in merito al rischio di eccesso di scorte, cioè il rischio di creare inventario morto, poiché viene affrontato statisticamente solo il lato relativo alle rotture di stock. Tuttavia, il rischio di eccesso di scorte è importante se le merci sono deperibili o se la domanda per il prodotto può scomparire bruscamente – come avviene con l’elettronica di consumo quando entra sul mercato la nuova generazione di sostituti.
Es: Consideriamo il caso di un rivenditore occidentale che vende, tra gli altri, catene da neve. Il lead time per importare le catene è di 3 mesi. La regione in cui si trova il rivenditore non è molto fredda, e solo un inverno su cinque giustifica l’uso delle catene da neve. Per ogni inverno freddo, la domanda locale di catene da neve è di 1.000 kit. Ora, in questo contesto, qualsiasi previsione quantile con un livello di servizio superiore all'80% suggerisce di avere in magazzino più di 1.000 kit per mantenere la probabilità di stock-out inferiore al 20%. Tuttavia, se l’inverno non è freddo, il rivenditore rimarrà con l’intero stock invenduto di catene da neve, 1.000 kit o più, possibilmente per anni. Il punto di riordino calcolato nel modo consueto attraverso i quantili si concentra sulle situazioni di picco della domanda, ma non fornisce indicazioni sulle situazioni discendenti in cui la domanda evapora.
Tuttavia, il rischio di eccesso di scorte può essere gestito anch’esso mediante i quantili, ma richiede l’esecuzione di un secondo calcolo quantile sfruttando un insieme distinto di valori per tau (τ, non il livello di servizio) e lambda (λ, non il lead time).
Nella situazione consueta, abbiamo:
R = Q(τ, λ)
Con
- R è il punto di riordino (un numero di unità)
- Q è il modello di previsione quantile
- τ è il livello di servizio (una percentuale)
- λ è il lead time (un numero di giorni)
Come illustrato dall’esempio sopra, tale calcolo del punto di riordino può portare a valori elevati che non tengono conto del rischio finanziario associato a un calo della domanda, in cui l’azienda si ritrova con inventario morto.
Per gestire il rischio di eccesso di scorte, la formula può essere rivista con:
R = MIN(Q(τ, λ), Q(τx, λx))
Con
- τx è il rischio massimo accettabile di eccesso di scorte
- λx è il lasso di tempo applicabile per eliminare l’inventario
In questo caso, il punto di riordino usuale è limitato da un’alternativa analisi quantile.
Il parametro τx viene utilizzato per riflettere il rischio accettabile di eccesso di scorte; pertanto, invece di considerare valori attorno al 90% come avviene per i livelli di servizio usuali, si tratta tipicamente di una percentuale bassa, ad esempio del 10% o inferiore, che dovrebbe essere presa in considerazione.
Il parametro λx viene utilizzato per rappresentare la durata che metterebbe a rischio il valore dell’inventario perché le merci sono deperibili o obsolete.
Es: Consideriamo il caso di un negozio di alimentari che vende pomodori con un lead time di 2 giorni. Il rivenditore stima che, entro 5 giorni sugli scaffali, i pomodori avranno perso il 20% del loro valore di mercato. Pertanto, il rivenditore decide che lo stock di pomodori debba rimanere sufficientemente basso affinché la probabilità di non vendere l’intero stock entro 5 giorni rimanga inferiore al 10%. Così, il rivenditore adotta la seconda formula per il punto di riordino R con τ=90% e λ=2 giorni, combinata con τx=10% e λx=5 giorni, per mantenere sotto controllo il rischio di inventario morto.
Attualmente, Salescast non supporta nativamente un doppio calcolo quantile; tuttavia, è possibile ottenere lo stesso effetto eseguendo due esecuzioni con parametri distinti per il lead time e il livello di servizio.
