Срок поставки

learn menu
От Joannes Vermorel, октябрь 2020

Срок поставки — это задержка между началом и завершением процесса. В цепочках поставок, когда товары закупаются, преобразуются или обслуживаются, применяются сроки поставки, обычно измеряемые в днях. С точки зрения планирования, сроки поставки важны, поскольку они означают, что большинство рутинных решений должно приниматься заранее для достижения желаемого эффекта, например, поддержания качества обслуживания. Необходимость прогнозирования спроса обычно возникает из-за наличия сроков поставки, так как адекватность решения — например, пополнение запасов — зависит от неизвестных будущих событий, которые будут влиять на цепочку поставок в течение срока поставки.

улитка с реактивным ранцем

Причины и последствия сроков поставки

Сроки поставки во многом определяют работу цепочки поставок и большинство её финансовых аспектов, таких как необходимый оборотный капитал и рентабельность задействованного капитала (ROCE). Действительно, более длительные сроки поставки означают, что на завершение цикла инвентаризации, в ходе которого закупаются материалы или товары, возможно подвергаются переработке и вновь продаются, уходит больше времени.

Более длительные сроки поставки автоматически предполагают большие обязательства по запасам, даже если фактический уровень запасов может оставаться невысоким. Например, если компания в Европе заказывает товары из Азии для доставки контейнерами, с момента оформления заказа компания обязана продавать или потреблять товары. Однако в такой ситуации обычно потребуется более 6 недель, чтобы уровни запасов в Европе отразили это обязательство.

Кроме того, более длительные сроки поставки усиливают зависимость от прогнозирования. Если вернуться к приведенному примеру, компания не может позволить себе оформить заказ, основываясь исключительно на своих текущих потребностях; к моменту доставки заказа ситуация изменится. Текущий уровень запасов будет еще ниже из-за продолжающегося расхода, и спрос, скорее всего, изменится, пусть даже из-за сезонности.

Сроки поставки представляют собой нижнюю границу максимальной гибкости, которую может достичь компания. Как правило, если рыночные условия резко меняются, компания остаётся приверженной своим прошлым решениям примерно на весь период срока поставки. Существуют различные способы смягчения этих эффектов, начиная с контрактных условий с поставщиками. Однако базовые риски редко удаётся полностью устранить и лишь смещаются в пределах цепочки поставок.

Учитывая все негативные последствия более длительных сроков поставки, можно задаться вопросом, почему компании зачастую выбирают то, что субъективно кажется длительным сроком поставки. Оказывается, существует множество экономических факторов, которые склоняют чашу весов в пользу более длительных сроков поставки.

Специализация способствует увеличению сроков поставки: в некоторых странах существуют достаточно уникальные отрасли1, которые сложно или затратно воспроизвести на местном уровне. Такие концентрационные отрасли исторически возникали в первую очередь благодаря материалам высокой стоимости, которые было легко транспортировать. Однако, даже если самолёты могут достичь любой точки земного шара менее чем за 24 часа, таможенные процедуры и сопутствующие процессы существенно увеличивают фактические сроки поставки при работе с зарубежными поставщиками.

Масштабные эффекты Economies of scale также способствуют более длительным срокам поставки. Увеличивая размеры партий (часто воплощаемых в виде минимально допустимых объёмов заказа, MOQ), производители или транспортные компании могут снизить свои издержки. Однако, по мере увеличения размеров партий, количество партий становится меньше и, следовательно, их поступление менее частым — при прочих равных условиях, особенно учитывая спрос. Тем не менее, не все отрасли одинаково подвержены эффектам масштаба, которые, как правило, достигают плато в зависимости от применяемых технологий.

Снижение высоких квантилей

Хотя срок поставки можно улучшить, сократив его среднюю продолжительность, обычно имеет значение именно улучшение, касающееся самых худших случаев — то есть самых длительных ситуаций. В цепочках поставок самые крупные проблемы — если измерять их в долларах потерь —, как правило, сосредоточены в хвосте распределения: именно неожиданно длительные сроки поставки вызывают дефицит товара или прерывание производства, а не незначительные колебания.

Один из самых простых способов оценить эти ситуации в крайнем случае заключается в использовании измерений квантили. Например, если у поставщика срок поставки на 95%-й квантиль составляет 7 дней, это означает, что 95% заказов, переданных этому поставщику, доставляются менее чем за 7 дней. Эти «высокие» квантили, то есть близкие к 100%, могут существенно отличаться от среднего срока поставки. Тот же поставщик может доставлять товары в среднем за 2 дня, что составляет менее трети от его оценки длительного срока поставки по высокому квантилю.

Чтобы избежать этих проблем с качеством обслуживания, все запасы-буферы в рамках цепочки поставок — независимо от используемой методологии —, как правило, растут линейно не со средним значением срока поставки, а с каким-либо высоким квантилем срока поставки. Действительно, запасы существуют именно для учета вариаций условий цепочки поставок. Два основных фактора, влияющих на неожиданные вариации в цепочке поставок, как правило, следующие: изменения спроса и изменения срока поставки.

Разнообразие сроков поставки

Общий срок поставки от исходных заказов поставщиков до доставки клиенту обычно можно разбить на множество, возможно десятки, промежуточных этапов. Чтобы либо уменьшить значение срока поставки, либо его изменчивость, как правило, эффективно разложить общий срок поставки на заметные составляющие, которые проще анализировать и совершенствовать.

Например, оптовик, распределяющий товары от зарубежных поставщиков, может столкнуться с:

  • Время оформления заказа, обусловленное еженедельным процессом закупок самого оптовика.
  • Время ожидания возможности, вызванное минимальными объёмами заказа, установленными поставщиками.
  • Время производства, необходимое поставщикам для выполнения заказа.
  • Время транспортировки, необходимое транспортной компании.
  • Административное время, необходимое для прохождения таможни.
  • Время приёма, необходимое оптовику для учета запасов и контроля качества.
  • Время отправки, необходимое распределительному центру для выполнения заказов клиентов.
  • Время доставки «последней мили», необходимое транспортной компании для доставки товара клиенту.

Для каждой операции обычно важно снизить как среднюю задержку, так и её дисперсию.

Отслеживание всех этих операций требует значительных канцелярских усилий, что может быть значительно облегчено с помощью современных IT-систем, использующих штрих-коды и/или RFID-метки. Электронные записи обычно хранятся в ИТ-системах задействованных компаний. Преимущества идут далеко за рамки оптимизации сроков поставки, поскольку эти системы обеспечивают отслеживаемость товаров и, в некоторой степени, предотвращают уменьшение запасов.

До конца 1990-х годов хранение и обработка всех этих записей требовали дорогостоящих вычислительных ресурсов, поэтому было не всегда экономически целесообразно приобретать, а тем более сохранять все мелкие записи, генерируемые потоком физических товаров в цепочке поставок. Однако, начиная с начала 2010-х, затраты на хранение данных и вычисления снизились до такой степени, что сырьевая вычислительная мощность почти не имеет значения, когда речь идёт о физических потоках. Тем не менее, ИТ-издержки, в частности интеграция систем, могут препятствовать приобретению этих электронных записей.

Для улучшения сроков поставки и, таким образом, обычно сокращения их высоких квантилей, как обсуждалось выше, необходимы измерения. Точный учет сроков поставки чрезвычайно полезен для анализа первопричин. Фактически, поскольку операции значительно различаются от одного этапа к другому, характер вносимых улучшений также может существенно меняться.

Время выполнения заказа

Время выполнения заказа обычно означает промежуток времени между заказом клиента и доставкой товара. Этот период примечателен тем, что представляет собой тот «тип» срока поставки, к которому привыкла широкая публика — в отличие от специалистов по цепям поставок. Во многих отраслях, помимо B2C электронной коммерции, время выполнения заказа тесно связано с качеством обслуживания. В частности, дефицит товаров часто является основным фактором, приводящим к аномально длительному времени выполнения заказа.

Часть проблемы в улучшении времени выполнения заказа заключается не столько в сокращении самих сроков поставки, сколько в установлении правильных ожиданий у клиентов относительно даты доставки. В частности, несколько крупных компаний электронной коммерции, по-видимому, уже более десятилетия применяют подход, при котором публикуется оценка квантильного прогноза времени выполнения заказа, которая выступает в качестве вероятного верхнего предела задержки. Смещение оценки задержки намеренно вводится для минимизации частоты ситуаций, когда товары не доставляются вовремя.

Прогнозирование сроков поставки

Правильное прогнозирование будущих сроков поставки является неотъемлемой частью оптимизации цепочки поставок. Подобно спросу, сроки поставки можно и следует прогнозировать, обычно с использованием имеющихся исторических данных, когда это актуально.

Хотя прогнозирование сроков поставки пока не является распространенной практикой среди команд по планированию «спроса», следует отметить, что большинство цикличных факторов, характерных для спроса, также применимы и к срокам поставки. Например, сроки поставки, как правило, подвержены сезонности, а также эффектам, связанным с конкретными днями месяца и недели. Сроки поставки со временем меняются. Например, поставщик может пересмотреть свои процессы для сокращения сроков поставки или, наоборот, увеличить их для снижения издержек. Тоже самое имеет место и для квазисезонности, как, например, китайский Новый год, который периодически увеличивает сроки поставки, поскольку многие фабрики в Азии закрыты в этот период.

Вероятностные прогнозы следует отдавать предпочтение при прогнозировании сроков поставки, поскольку, как указано выше, именно высокие квантили определяют их экономические последствия. Затраты и проблемы сосредоточены в хвосте распределения. Однако следует сразу отметить, что нормальное распределение (Гауссово) не следует использовать для сроков поставки. Как правило, сроки поставки никогда не распределены нормально, и использование такой модели приводит к значительному недооцениванию высоких квантилей, что, в свою очередь, является рецептом для формирования постоянного потока проблем с обслуживанием.

Сроки поставки можно более корректно моделировать как мультимодальные распределения, отражающие базовую физическую систему. Например, при запуске производственной линии время производства, как правило, предсказуемо, за исключением случаев, когда отсутствует один из сырьевых материалов, что может существенно увеличить время производства. Таким образом, практическая модель вероятностного распределения обычно включает смесь дискретных и параметрических распределений.

Вероятностный прогноз срока поставки, как ожидается, дает дискретную случайную величину для каждого внутреннего этапа. Часто разумно предположить, что эти внутренние этапы статистически независимы (например, задержка, вызванная таможней, строго независима от производственной задержки). В таких случаях случайные величины можно канонически суммировать, что технически означает операцию свертки, выполняемую над базовыми распределениями.

Контролируемые режимы

Хотя соответствующая модель вероятностного прогнозирования сроков поставки, как правило, является мультимодальной, существуют определенные режимы, требующие специального подхода, если имеется степень контроля, а не пассивного наблюдения. Например, если можно запросить поставку воздушным или морским транспортом у поставщика, два режима транспортировки не должны объединяться с точки зрения прогнозирования. Имеется степень контроля. Каждый режим транспортировки характеризуется своей изменчивостью, и, таким образом, требуются два отдельных прогноза.

Связь со спросом

Так как производственные мощности ограничены при резком увеличении спроса, время производства, как правило, растет. Эта связь между спросом и сроками поставки негативно влияет на качество обслуживания, поскольку уменьшает способность компании смягчать всплески спроса с помощью дополнительных закупок или производственных заказов, именно из-за дополнительного времени поставки. Таким образом, целесообразно иметь совместную прогностическую модель как спроса, так и срока поставки, так как необходимые запасы-буферы зависят от двух факторов.

Однако при рассмотрении производственных подразделений, обладающих достаточной гибкостью для (ре)организации очередей заданий, наблюдаемые сроки поставки сильно зависят от приоритета, установленного для каждого конкретного заказа. Таким образом, соответствующая прогностическая модель сроков поставки должна учитывать аспект очередей, поскольку сроки поставки могут существенно варьироваться в зависимости от произвольных решений о приоритизации. Этот дополнительный уровень контроля можно использовать для смягчения воздействия всплеска спроса.

Спрос за время поставки

Спрос за время поставки представляет собой количество товаров, которые необходимо обслужить за период срока поставки. Это значение имеет особое значение, поскольку для предотвращения дефицита товаров общий запас (сумма текущих запасов и заказанных товаров) должен всегда превышать спрос за время поставки. Когда общий запас опускается ниже спроса за время поставки, дефицит товара неизбежен.

При условии, что для будущего спроса и будущего срока поставки можно получить вероятностные прогнозы, становится возможным вычислить оценки (высоких) квантилей спроса за время поставки, как это определяется следующим образом:

$$Q{\text{LeadDemand}}(\tau,y,L)=Q_\tau\left[\sum\limits_{{t=1}}^{{L_ \omega}} y_ \omega(t)\right]_{\omega \in \Omega}$$

Где:

  • $${0≤τ≤1}$$ — это целевой квантиль.
  • $${y}$$ — спрос, меняющийся со временем
  • $${L}$$ — срок поставки
  • $${Qτ[..]}$$ — квантиль внутренней вещественной функции
  • $${Ω}$$ — множество возможных исходов
  • $${t}$$ — время, где 1 обозначает первый будущий период
  • $${y_ω}$$ — спрос, связанный с исходом $${ω}$$
  • $${L_ω}$$ — срок поставки, связанный с исходом $${ω}$$

Эта оценка квантиля спроса с учетом срока поставки представляет интерес при попытке поддержания целевого уровня сервиса. Предполагая простую модель запасов для одного SKU и одного поставщика без MOQ, количество для пополнения в любой момент времени можно определить по формуле:

$${ReorderQty(τ)=max(0,QLeadDemand(τ)−OnHand−OnOrder)}$$

Где:

  • $${OnHand}$$ — имеющиеся запасы
  • $${OnOrder}$$ — запасы, находящиеся в заказе

Эта формула предполагает, что спрос не теряется при отсутствии запасов. Это предположение не является разумным во многих ситуациях, например, в розничной торговле, где клиенты, как правило, либо отказываются, либо выбирают замену, либо обращаются к конкуренту, а не просто откладывают потребление. Чтобы снять это предположение, необходимо явно смоделировать влияние утраченного спроса. Это особенно важно, когда спрос имеет ярко выраженную сезонность, так как товары, становящиеся доступными после пикового сезонного периода, могут оставаться непроданными или неиспользованными в течение длительного времени.

Обратная связь, обусловленная сроками поставки

Срок поставки можно рассматривать как входной фактор для расчета пополнения запасов, как подробно описано в предыдущем разделе. Однако сам срок поставки зависит от графика размещения заказов (или производства). Более того, сам график обычно разрабатывается с целью достижения ожидаемой экономии за счет масштабирования, путем обеспечения желаемого EOQ (оптимального объема заказа), MOQ (минимального объема заказа) или номинального размера производственной партии.

Таким образом, специалисты по управлению цепями поставок часто сталкиваются с обратной связью между решением, которое необходимо принять сегодня (пополнение запасов и размещение заказов), и моментом времени, когда это решение предполагается повторить в будущем. Проще говоря, количество для заказа сегодня зависит от даты следующего заказа: более поздний заказ означает, что требуется большее количество. Однако дата следующего заказа также зависит от сегодняшнего заказа: более крупный немедленный заказ приводит к более поздней дате следующего заказа.

Поскольку явное моделирование и численная оптимизация этой обратной связи не являются тривиальными, специалисты по управлению цепями поставок часто устанавливают примерный график (например, один заказ в неделю или в месяц), который отчасти соответствует целевым количествам, чтобы достичь желаемого размера заказа (т.е. EOQ, MOQ или размера партии). Этот график затем считается жестким, позволяя количествам пополнения варьироваться по мере необходимости. Однако подход с фиксированным графиком по своей сути вносит неэффективность, поскольку цепочка поставок не использует все свои степени свободы.

Можно разработать более совершенные числовые решения, способные непосредственно учитывать эту обратную связь. Алгоритмы, задействованные в этих решениях, обычно относятся к области обучения с подкреплением. Детальное описание этих алгоритмов выходит за рамки настоящего документа.

Проблемы, специфичные для отрасли

Сроки поставки разнообразны, и соответствующая перспектива обычно различается в зависимости от рассматриваемой отрасли. В следующем разделе мы рассмотрим несколько отраслей, в которых наблюдаются значимые специфические проблемы, связанные со сроками поставки.

Срок годности свежих продуктов

Свежие продукты являются высоко скоропортящимися, и, как следствие, товары имеют короткий срок годности. Сокращение сроков поставки имеет решающее значение для сохранения рыночной стоимости выставляемых товаров. Таким образом, при выборе вариантов (упаковка, транспортировка), влияющих на сроки поставки, эти решения затрагивают не только качество обслуживания, но зачастую также ожидаемую выручку и ожидаемые отходы, генерируемые цепочкой поставок в целом.

Также бренды или дистрибьюторы обычно сталкиваются с множеством вариантов источников поставок, каждый из которых предполагает различные компромиссы между сроком поставки и сроком годности. Например, бренд может напрямую закупать у производителя, что связано с долгим сроком поставки, но при получении товаров они обладают длительным сроком годности; или бренд может закупать у оптовика, что обеспечивает короткий срок поставки, однако товары при получении имеют короткий срок годности. В таких ситуациях правильная оптимизация цепей поставок позволяет найти баланс между двумя вариантами, что, в свою очередь, требует прогностического анализа соответствующих сроков поставки и сроков годности.

Время восстановления (TAT) для MRO

MRO (техническое обслуживание, ремонт и капитальный ремонт) управляют ремонтопригодными компонентами. Для каждой замены компонента должен быть сразу доступен исправный агрегат, в то время как снятый с эксплуатации компонент остается неисправным до его ремонта. Общая задержка от запроса на замену компонента до возобновления доступности исправного агрегата называется временем восстановления.

Запасы компонентов, хранящиеся у MRO, напрямую зависят от TAT. Фактически, если бы у MRO была (теоретическая) возможность моментально ремонтировать неисправные компоненты, запасы не потребовались бы вовсе. В результате прогнозирование и оптимизация сроков поставки становятся даже более критичными, чем прогнозирование спроса, что особенно важно для MRO.

Уделение особого внимания анализу TAT (по сравнению с анализом спроса) обычно усугубляется особенностями несогласованных ремонтов, которые возникают в результате сбоев, сопряженных с неустранимой неопределенностью выполнения физических процессов — то есть, если бы существовал способ проактивного решения проблемы, диагностика превратила бы эти операции в плановые ремонты.

Обратная логистика для электронной коммерции

Большинство потребительских интернет-магазинов в различных странах сегодня предлагают возможность возврата товаров, если покупателю не понравился полученный товар. Однако уровень возвратов существенно варьируется от страны к стране, в основном по культурным причинам. Например, в сегменте быстрой моды немецкие потребители зачастую возвращают более 50% заказов. Эти высокие показатели отчасти обусловлены привычкой заказывать несколько размеров и возвращать все, кроме одного.

Когда уровень возвратов высок, онлайн-ритейлеру необходимо предусмотреть, что значительная часть запасов действительно вернется; в противном случае существует риск систематического образования излишков, когда товары возвращаются после размещения заказов на пополнение. Однако существует три неопределенности, касающиеся будущих возвратов: во-первых, вернутся ли товары, во-вторых, пройдут ли они контроль качества после получения, и, в-третьих, сколько времени пройдет до того, как товары можно будет снова продать.

Эти проблемы прогнозирования вполне поддаются структурированному специализированному анализу. Действительно, максимальное количество товаров, которое может быть возвращено в любой момент времени, ограничено объемом недавних поставок. Ограничение “хвостовых” событий представляет первостепенный интерес с точки зрения управления цепями поставок. Кроме того, сталкиваясь с ситуацией «3 размера выбрано, 2 размера возвращено», можно с большой уверенностью предсказать долю потребительских заказов, которые будут возвращены.

Лизинговые компании

Лизинговые компании, такие как фирмы по аренде автомобилей или офисной мебели, сталкиваются с ситуациями, отчасти схожими с MRO, но не полностью. Действительно, оптимальный уровень запасов зависит не только от будущего спроса, но и от будущих коэффициентов сохранения, поскольку запасы возвращаются в лизинговую компанию по окончании срока аренды. Поскольку лизинговая компания не имеет полного контроля над сроком аренды, эти сроки необходимо прогнозировать для оптимизации запасов. Продолжительность этих периодов удержания и их влияние на запасы можно анализировать и прогнозировать через призму обычных сроков поставки.

Однако большинство лизинговых компаний в некоторой степени контролируют период удержания посредством ценообразования и специальных предложений, которые они могут предоставить своим клиентам. Подобно тому, как ритейлер может стимулировать спрос на товар, проводя акцию, лизинговая компания может продлить период удержания, предлагая более выгодные условия. Таким образом, в лизинговых ситуациях анализ ценообразования в значительной степени переплетается с анализом сроков поставки.

Антипаттерны сроков поставки

Термин «антипаттерны» относится к практикам, процессам или инструментам, которые предназначены для решения проблем, но не дают ожидаемых результатов. В цепочках поставок сроки поставки подвержены ряду антипаттернов, которые мы рассмотрим в данном разделе.

Недооценка

Сроки поставки являются одной из ключевых причин, по которым планирование и прогнозирование имеют значение в управлении цепями поставок. Тем не менее, сроки поставки как явление, которое необходимо моделировать и оптимизировать, обычно получают лишь небольшую долю внимания по сравнению с другими конкурирующими аспектами, такими как спрос. Существует множество институтов, посвященных прогнозированию спроса, но ни одного, посвященного прогнозированию сроков поставки. Этот огромный дисбаланс в распределении усилий часто приводит к тому, что количественные анализы проводятся с точностью до грамма — для спроса, чтобы затем округлить их до ближайшей тонны — для сроков поставки. Большинство отраслей требуют, чтобы сроки поставки были приоритетными элементами оптимизации цепи поставок — наравне со спросом, как в части процессов, так и в части инструментов.

Чрезмерное использование

В большинстве цепей поставок основная часть запасов — включая сырье и полуфабрикаты — большую часть времени остается неподвижной, ожидая следующей операции. Очереди на обработку формируются на каждом этапе, и каждая очередь имеет своё время ожидания. Однако по мере того, как использование любого актива приближается к 100%, время ожидания в очереди стремится к бесконечности. Таким образом, коэффициент использования актива представляет собой компромисс между амортизацией самого актива и вовлеченными сроками поставки. Этот компромисс заключается в балансировке убывающей отдачи от более высоких коэффициентов использования и экспоненциально растущего времени ожидания.

Управление вслепую

Улучшение сроков поставки обычно начинается с правильного определения вины конкретной части процесса, которая вызывает наибольшую избегаемую задержку. Однако сами измерения сроков поставки могут вводить в заблуждение. Например, при измерении срока поставки от поставщика, если доставленные поддоны часто остаются необработанными, ожидая их электронной регистрации на доке, измерения могут значительно завышать срок поставки от поставщика, в то время как проблема кроется в самом процессе приема. Эти проблемы обычно не могут быть решены с помощью анализа данных, а требуют наблюдений на месте, чтобы понять, можно ли доверять процессу сбора данных. Кроме того, само осуществление электронной регистрации, которое представляет дополнительную нагрузку для персонала, может увеличить общий срок поставки — что противоречит первоначальной цели.

Эмерджентный LIFO

Обработка заказов по принципу FIFO (первым поступил — первым обслужен) почти всегда является требованием для обеспечения разумного качества обслуживания. Действительно, нарушение принципа FIFO приводит к случайным, чрезмерно долгим срокам поставки. Однако на физическом уровне порядок LIFO (последним поступил — первым обслужен) имеет тенденцию возникать естественным образом во многих ситуациях, и для предотвращения таких эмерджентных сценариев LIFO требуются специфические меры. Например:

  • Каждый входящий заказ (комплектация, производство, ремонт и т.д.) автоматически распечатывается в виде «рабочего листа». Все распечатанные рабочие листы складываются в ящик. Однако из-за особенностей процесса печати последние поступающие заказы оказываются сверху стопки, что побуждает операторов работать по принципу LIFO.
  • Если конвейер оказывается слишком коротким, товары склонны переполнять его и могут быть размещены на полу в начале конвейера. Вскоре образуется куча товаров, и те, что находятся там дольше остальных, оказываются на дне стопки. Разгрузка товаров происходит по принципу LIFO.
  • При разгрузке коробок или поддонов на док через поток транспортных средств, если док не опустошается после каждой операции разгрузки, новоприбывшие товары, как правило, размещаются спереди или сверху предыдущих, что приводит к применению принципа LIFO при последующей обработке.

Заметки


  1. По состоянию на 2020 год существует всего три страны, которые производят ОЗУ (оперативную память) — фундаментальный компонент современной компьютерной техники. Также имеется три страны, на долю которых приходится около 90% мировых запасов и производства лития — важного элемента современных аккумуляторов. ↩︎