Phantomscan: ottimizza il conteggio dei cicli e liberati delle scorte fantasma

Phantomscan (beta): dì addio alle scorte fantasma


Image
La nostra applicazione web elenca le scorte con la più alta probabilità di essere registrate in modo impreciso, al fine di ottimizzare il conteggio dei cicli. Concentrati sugli articoli più problematici e ignora gli altri. L'applicazione si basa su analisi statistiche avanzate dei controlli delle scorte precedenti, surclassando così i metodi tradizionali di conteggio dei cicli.

Perfetto per le reti di distribuzione al dettaglio o per i magazzini con problemi di inaccuratezze nell'inventario. Procedure completamente automatizzate, nessuna competenza statistica richiesta. Phantomscan sfrutta i dati storici esportati dai sistemi gestionali e genera un rapporto web.

Image


Uno sguardo d'insieme

Image
Gli inventari imprecisi sono un problema molto diffuso nel retail e nella logistica. A livello di punto vendita, gli studi (1) (2) dimostrano che fino al 65% dei registri presenta discrepanze con le merci disponibili in magazzino. Eppure, quasi tutti i sistemi gestionali in circolazione partono dal presupposto che le scorte vengano sempre registrate correttamente.

Una delle cause di una scarsa accuratezza dell'inventario è la presenza di scorte fantasma. Le scorte fantasma possono essere causate da vari fattori, tra cui errori nel riapprovvigionamento, taccheggio, manipolazione inadeguata di merci danneggiate ...

Il rimedio tradizionale alle scorte fantasma e ad altre imprecisioni nell'inventario è il conteggio dei cicli. Si tratta di un metodo che sicuramente migliora l'accuratezza dell'inventario, ma che richiede molto tempo. Di conseguenza, il costo di un miglioramento marginale risulta decisamente elevato.

Phantomscan, al contrario, ricorre ad analisi statistiche avanzate per stabilire un ordine di priorità nel controllo delle scorte, a partire dagli articoli più a rischio di imprecisioni. Phantomscan, insomma, calcola l'accuratezza di tutto l'inventario.

PhantomScan è diversa dalle applicazioni di previsione delle scorte e di identificazione dell'out of shelf. Mentre le applicazioni di previsione danno per scontato che gli inventari siano corretti e Shelfcheck analizza i cali delle vendite, Phantomscan ti aiuta a stilare un elenco in ordine di priorità delle scorte da controllare. Le tre applicazioni sono complementari.

Come funziona Phantomscan?

L'obiettivo di Phantomscan è semplice: ogni minuto passato a riconteggiare le scorte dovrebbe generare la quantità massima di correzioni, massimizzando quindi il ritorno sull'investimento e le procedure di verifica dell'inventario.

Le procedure tradizionali di verifica dell'inventario si basano su metodi piuttosto semplicistici, come l'analisi ABC, che si concentrano sul conteggio soprattutto dei prodotti di più rapido rigiro. Questi metodi, però, sono inefficienti in termini di impiego della manodopera.

Phantomscan analizza tutte le correzioni apportate all'inventario in passato per individuare gli articoli che necessitano di un riconteggio immediato. Le imprecisioni nell'inventario, infatti, non avvengono a caso, ma seguono alcuni schemi di comportamento:

  • alcune categorie sono più soggette a errori di altre,
  • eventi come le promozioni possono essere fonte di imprecisioni,
  • il conteggio stesso può a volte introdurre errori significativi.

Analizzando i problemi osservati in passato, Phantomscan è in grado di identificare con precisione le aree che hanno più probabilità di generare errori, consentendoti di ottimizzare anche la frequenza dei riordini.

Inoltre, Phantomscan massimizza la produttività dedicando maggiore attenzione agli articoli con un basso livello di scorte previsto al momento del riconteggio. Infatti, il tempo necessario a riconteggiare le scorte di un articolo è quasi proporzionale al numero di unità da contare. Per massimizzare la produttività della manodopera, Phantomscan considera il tempo previsto per il riconteggio.

Cominciare a usare Phantomscan

Image
Phantomscan è ancora in versione beta. Per cominciare a usare il prodotto, scrivici all'indirizzo .

Per usare Phantomscan, sono necessari alcuni dati storici (più sono numerosi, più accurata sarà l'analisi). I dati sono solitamente inviati a Lokad con aggiornamenti giornalieri:

  • (obbligatorio) Quantità vendute per punto vendita e per prodotto.
  • (obbligatorio) Livelli di scorte per punto vendita e per prodotto.
  • (obbligatorio) Lista delle correzioni dell'inventario.
  • (obbligatorio) Lista dei prodotti in catalogo, contenente famiglie, sottofamiglie...
  • (facoltativo) Riapprovvigionamenti per punto vendita e per prodotto.
  • (facoltativo) Promozioni per punto vendita e per prodotto.

Gli schemi di riapprovvigionamento osservati a livello di punto vendita possono contribuire a prevedere con maggiore precisione le inaccuratezze negli inventari. Allo stesso modo, le promozioni tendono a generare ulteriori imprecisioni nell'inventario.

I dati vengono inviati a Lokad attraverso file flat (TSV) su FTP. Preferiamo iniziare con un proof of concept (PoC) per uno o alcuni punti vendita.

Riferimenti

(1) DeHoratius, N. e A. Raman (2004). “Inventory Record Inaccuracy: An Empirical Analysis.” University of Chicago Graduate School of Business Working Paper.

(2) Thomas W. Gruen, Ph.D., University of Colorado at Colorado Springs, USA e Dr. Daniel Corsten, IE Business School Madrid (2008). “A Comprehensive Guide To Retail Out-of-Stock Reduction In the Fast-Moving Consumer Goods Industry”

Sebbene l'inventario computerizzato a livello di stock keeping unit (SKU) sia solitamente considerato accurato, abbiamo trovato discrepanze nel 65% dei quasi 370.000 inventari che abbiamo raccolto dai punti vendita di una grande catena. DeHoratius e Raman (2004)

Il 15% degli inventari di Gamma (ossia circa 55.000 registri) presenta un errore assoluto di almeno otto unità, cioè più della metà della quantità media di scorte a scaffale per una data SKU in un preciso punto vendita. In aggregato, il valore delle scorte che emerge da questi inventari imprecisi è pari al 28% del valore totale delle scorte disponibili attese. DeHoratius e Raman (2004)

Abbiamo individuato una serie di problemi a livello di punto vendita, che danno vita a un circolo vizioso di inaccuratezze nell'inventario (e soprattutto delle scorte disponibili). Il livello di queste inaccuratezze è stato sconcertante: nel corso dei quattro studi che abbiamo condotto o esaminato, abbiamo infatti osservato che le situazioni di accuratezza continua dell'inventario (in cui, cioè, l'inventario corrispondeva perfettamente alle scorte disponibili) costituivano solo il 32-45% dei casi. Gruen e Corsten (2008)