従来の在庫補充の考え方は、各SKUごとに目標数量を設定することに基づいています。この目標数量は、通常、需要予測に基づいて動的に調整される再注文点の形をとります。しかし、Lokadでの長年の経験から、いかに(従来の)予測が優れていても、このアプローチは実際には非常に弱いものであることが分かりました, no matter how good the (classic) forecasts.

経験豊富なサプライチェーンの専門家は、個々のSKUを単独で見るのではなく、一歩引いて全体像を把握し、全SKUが同じ予算を争っているという事実を考慮するというシンプルな工夫により、通常この(従来の)アプローチを上回る成果を出す傾向があります。そして、最も優先すべきと思われるSKUを選定します。このアプローチは、通常の再注文点方式とは異なり、特定の在庫補充に優先順位を付けるため、従来の方法を上回る効果を発揮します。そして、どの経営者もご存知の通り、基本的なタスクの優先順位付けですら、全く順位付けをしないよりははるかに優れています.

この優れた「ひと工夫」を再現するため、2015年初頭に我々はLokadを、優先順位注文として知られる、より強力な注文方針へとアップグレードしました。この方針は、あらゆるSKUが次に購入されるユニットを争っているという観点を採用しています。この方針のおかげで、高度な統計的予測と、これまでソフトウェアには備わっていなかったドメインの専門知識という、両方の良さを享受することができるのです.

しかし、優先順位注文方針を機能させるには、_スコアリング関数_が必要です。簡単に言えば、この関数は予測と一連の経済変数をスコア値に変換します。各SKUおよびその各ユニットに特定のスコアを割り当てることで、このスコアリング関数はすべての「原子レベル」の購買決定に順位付けを行う可能性をもたらします。ここで「原子レベル」とは、あるSKUについて追加の1ユニットを購入するということを意味します。その結果、このスコアリング関数はビジネスドライバーにできるだけ即したものである必要があります。しかしながら、おおよその「経験則」に基づくスコアリング関数の作成は比較的容易である一方、適切なスコアリング関数を定義することは決して簡単な作業ではありません。技術的な詳細に立ち入らずに言えば、主な課題は、補充が進む中で保管コストがユニットが売れるまで積み上がり続ける「反復的」側面にあります。1ステップ先の計算は容易ですが、2ステップ先はやや難しく、さらにNステップ先となると実際、かなり複雑になります.

つい最近、私たちは在庫報酬関数を用いることでこの問題を解決することに成功しました。この関数は、1単位あたりの利益率、1単位あたりのストックアウトコスト、そして1単位あたりの保管コストという3つの経済変数を通じて課題を分解します。在庫報酬関数を用いることで、実際の経済的影響を利益、ストックアウト、保管コスト別に把握することができます.

在庫報酬関数は、これまでに使用してきたすべてのスコアリング関数に対する優れた代替手段を示しています。実際、それは商人、製造業者、卸売業者の戦略的目標に最適に取り組むため、少数(しかし非常に表現力豊かな)経済変数のセットで調整可能なミニフレームワークとすら考えられます。確率的予測が関与する場合は、ぜひこの関数の使用をお勧めします.

今後数週間のうちに、私たちはこの新しいLokadの機能を反映するため、すべてのEnvisionテンプレートおよびドキュメント資料を徐々に更新していく予定です.