Срок поставки

learn menu
Автор: Жоанн Верморель, октябрь 2020

Срок поставки - это задержка между началом и завершением процесса. В цепях поставок, когда товары закупаются, преобразуются или обслуживаются, обычно используются сроки поставки, измеряемые в днях. С точки зрения планирования, сроки поставки имеют значение, потому что они подразумевают, что большинство рутинных решений должны быть приняты заранее, чтобы достичь задуманного эффекта, такого как поддержание качества обслуживания. Необходимость прогнозирования спроса обычно также возникает из-за наличия сроков поставки, так как адекватность решения, такого как пополнение запасов, зависит от неизвестных будущих событий, которые повлияют на цепь поставок в течение срока поставки.

улитка с реактивным ранцем

Причины и последствия сроков поставки

Сроки поставки в значительной степени определяют работу цепи поставок и большую часть ее финансовых элементов, таких как требуемый оборотный капитал и доходность занятого капитала (ROCE). Действительно, более длительные сроки поставки означают, что потребуется больше времени для завершения цикла инвентаризации, в котором материалы или продукты закупаются, возможно, преобразуются и снова продается.

Более длительные сроки поставки механически приводят к более высоким обязательствам по запасам, даже если запасы на руках кажутся низкими. Например, если компания в Европе заказывает товары из Азии для доставки контейнерами, с момента передачи заказа компания обязуется продать или потребить товары. Однако в этой ситуации обычно потребуется более 6 недель, чтобы запасы в Европе отразили это обязательство.

Кроме того, более длительные сроки поставки увеличивают зависимость от прогнозирования. Вернувшись к приведенному выше примеру, компания не может просто оформить заказ на основе своих текущих потребностей; к моменту доставки заказа ситуация изменится. Текущие уровни запасов будут дальше снижены из-за продолжающегося потребления, и спрос, скорее всего, изменится, даже если только из-за сезонности.

Сроки поставки представляют собой нижнюю границу максимальной гибкости, которую может достичь компания. Как правило, если рыночные условия резко меняются, то компания остается привязанной к своим прошлым решениям примерно на протяжении сроков поставки. Существует различные способы смягчения этих эффектов, начиная с контрактных условий с поставщиками. Однако базовые риски редко могут быть устранены и просто перемещаются внутри цепи поставок.

Учитывая все негативные последствия более длительных сроков поставки, можно задаться вопросом, почему компании часто выбирают то, что кажется (субъективно) длительными сроками поставки. Оказывается, что существует несколько экономических факторов, которые склоняют чашу весов в пользу более длительных сроков поставки.

Специализация способствует увеличению сроков поставки: некоторые страны имеют довольно уникальные отрасли1, которые сложно или дорого воспроизвести на местах. Такие концентрированные отрасли исторически возникли в основном из-за материалов высокой стоимости, которые легко транспортировать. Однако, даже если самолеты могут достичь любой точки земного шара менее чем за 24 часа, таможня и процессы обычно значительно увеличивают фактические сроки поставки при рассмотрении зарубежных поставщиков.

Экономия на масштабе производства также склоняется в пользу более длительных сроков поставки. Увеличивая размеры партий (часто выраженных в виде МОК), производители или перевозчики могут снизить свои затраты. Однако, по мере увеличения размеров партий, количество партий также уменьшается и становится менее частым - при прочих равных условиях, в частности спросе. Тем не менее, отрасли не все одинаково подвержены экономии на масштабе производства, которая имеет тенденцию сходить на нет в зависимости от применяемой технологии.

Снижение высоких квантилей

В то время как срок поставки может быть улучшен путем сокращения его средней продолжительности, обычно наиболее важными являются улучшения, касающиеся худших случаев - то есть самых длительных ситуаций. В цепях поставок наибольшие проблемы - с точки зрения долларового влияния - обычно сосредоточены в хвосте: это неожиданно высокие сроки поставки, вызывающие дефицит товара или прерывания в производстве, а не незначительные помехи.

Один из самых простых способов оценить эти худшие сценарии состоит в использовании квантильных измерений. Например, если поставщик имеет срок поставки 7 дней для 95% квантиля, это означает, что 95% заказов, переданных этому поставщику, доставляются менее чем за 7 дней. Эти “высокие” квантили, т.е. близкие к 100%, могут значительно отличаться от среднего срока поставки. Тот же поставщик может доставлять в среднем за 2 дня, что составляет менее трети его оценки высокого квантиля для того же срока поставки.

Чтобы избежать проблем с качеством обслуживания, все запасы товаров в цепи поставок - независимо от используемой методологии - имеют тенденцию расти линейно, а не с средним сроком поставки, а с некоторым высоким квантилем срока поставки. Фактически, запасы товаров существуют именно для адаптации к изменениям в условиях цепи поставок. Два основных фактора, стоящих за неожиданными изменениями, влияющими на цепь поставок, обычно являются: изменение спроса и изменение срока поставки.

Разнообразие сроков поставки

Общий срок поставки от исходных заказов у поставщиков до доставки клиентам обычно может быть разложен на множество, возможно, десятки, промежуточных этапов. Чтобы либо сократить значение срока поставки, либо его изменчивость, обычно эффективно разложить этот общий срок поставки на его значимые подкомпоненты, которые проще анализировать и улучшать.

Например, оптовый продавец, распространяющий товары от зарубежных поставщиков, может столкнуться с:

  • Сроком заказа, вызванным еженедельным процессом закупки самого оптового продавца.
  • Сроком возможности, вызванным МОК, установленным поставщиками.
  • Сроком производства, необходимым поставщикам для выполнения заказа.
  • Сроком транспортировки, необходимым транспортной компании.
  • Административным сроком, для прохождения таможни.
  • Сроком приемки, для инвентаризации и контроля качества оптовым продавцом.
  • Сроком экспедиции, необходимым дистрибуционному центру для выполнения заказов клиентов.
  • Сроком доставки на последний километр, необходимым транспортной компании для доставки клиенту.

Для каждой операции обычно интересно снизить как среднюю задержку, так и дисперсию задержки.

Отслеживание всех этих операций требует большого количества административной работы, которая может быть значительно облегчена с помощью современных ИТ-систем, используя штрих-коды и/или RFID-метки. Электронные записи обычно хранятся в ИТ-системах компаний, участвующих в процессе. Преимущества простираются далеко за оптимизацию сроков поставки, так как эти системы обеспечивают трассируемость товаров и, в некоторой степени, предотвращают утрату товаров со склада.

До конца 1990-х годов хранение и обработка всех этих записей требовали дорогостоящих вычислительных ресурсов, поэтому не всегда было экономически целесообразно приобретать и сохранять все мелкие записи, создаваемые потоком физических товаров в цепочке поставок. Однако с начала 2010-х годов стоимость хранения данных и вычислений снизилась до такой степени, что сырые вычислительные ресурсы практически не имеют значения, когда речь идет о физических потоках. Тем не менее, ИТ-затраты, в частности интеграция систем, могут помешать приобретению этих электронных записей.

Для улучшения сроков поставки, и, таким образом, обычно для сокращения их высоких квантилей, требуются измерения. Очень полезными являются детализированные измерения сроков поставки при анализе причин. Фактически, поскольку операции сильно различаются от одного шага к другому, характер улучшений также склонен сильно варьироваться.

Срок поставки заказа

Срок поставки заказа обычно относится к времени, проходящему между заказом клиента и доставкой товаров. Эта продолжительность заметна, потому что это “вкус” срока поставки, с которым общественность - в отличие от специалистов по цепям поставок - наиболее знакома. Во многих отраслях, кроме B2C электронной коммерции, срок поставки заказа тесно связан с качеством обслуживания. В частности, отсутствие товара на складе обычно является главным фактором, определяющим аномально долгие сроки поставки заказа.

Часть проблемы в улучшении сроков поставки заказа заключается не в сокращении сроков поставки самого товара, а в установлении правильных ожиданий со стороны клиентов относительно даты доставки. В частности, несколько крупных компаний электронной коммерции кажется, что на протяжении десятилетия приняли подход к предоставлению прогноза квантиля срока поставки заказа, который действует как вероятная верхняя граница задержки. Смещение в оценке задержки вводится намеренно, чтобы минимизировать частоту ситуаций, когда товары не доставляются вовремя.

Прогнозирование сроков поставки

Правильное предвидение будущих сроков поставки является важным элементом оптимизации цепочки поставок. Подобно спросу, сроки поставки могут и должны быть прогнозируемыми, обычно используя существующие исторические данные, когда это применимо.

Хотя прогнозирование сроков поставки еще не является распространенной практикой среди команд “планирования спроса”, следует отметить, что большинство цикличностей, применимых к спросу, также применимы к срокам поставки. Например, сроки поставки обычно проявляют сезонность, эффекты дня месяца и дня недели. Сроки поставки меняются со временем. Например, поставщик может пересмотреть свои собственные процессы, чтобы сократить сроки поставки или увеличить их, чтобы снизить свои затраты. Также важна квази-сезонность, события, такие как китайский новый год, который периодически увеличивает сроки поставки, так как многие фабрики в Азии закрыты в этот период.

Вероятностные прогнозы следует предпочитать для сроков поставки, потому что, как указано выше, именно высокие квантили определяют экономические последствия сроков поставки. Затраты и проблемы сосредоточены в хвосте распределения. Однако сразу же отметим, что нормальные распределения (гауссовы) не следует использовать для сроков поставки. Как правило, сроки поставки никогда не имеют нормальное распределение, и использование такой модели приводит к значительной недооценке высоких квантилей, что, в свою очередь, является рецептом для создания непрерывного потока проблем с обслуживанием.

Сроки поставки могут быть более адекватно моделированы как многомодальные распределения, отражающие основную физическую систему. Например, при запуске производственной линии сроки производства обычно являются высокопредсказуемыми, за исключением случаев, когда один из сырьевых материалов отсутствует, в этом случае срок производства может занять значительно больше времени. Таким образом, практическое моделирование вероятностного распределения обычно включает смесь дискретных и параметрических распределений.

Вероятностный прогноз срока поставки должен давать дискретную случайную величину для каждой внутренней фазы. Часто разумно предположить, что эти внутренние фазы статистически независимы (например, задержка, вызванная таможней, строго независима от задержки в производстве). В таких случаях случайные величины могут быть канонически сложены, что технически предполагает выполнение операции свертки над базовыми распределениями.

Управляемые модальности

Хотя соответствующая вероятностная модель прогнозирования сроков поставки обычно является многомодальной, существуют определенные модальности, которые требуют специфической обработки, если вовлечен определенный уровень контроля, в отличие от пассивных наблюдений. Например, если возможно запросить авиаперевозку или морскую перевозку у поставщика, два вида транспорта не должны объединяться с точки зрения прогнозирования. Здесь имеется определенный уровень контроля. Каждый вид транспорта имеет свою собственную изменчивость, и, следовательно, требуется два отдельных прогноза.

Связь спроса

Поскольку производственные мощности ограничены при всплеске спроса, срок производства также обычно увеличивается. Эта связь между спросом и сроком поставки негативно влияет на качество обслуживания, поскольку она уменьшает возможность компании смягчить всплеск спроса через дополнительные закупки или производственные заказы, именно из-за дополнительного срока поставки. Таким образом, может быть целесообразно иметь совместную прогностическую модель как для спроса, так и для срока поставки, поскольку требуемые запасы зависят от двух факторов.

Однако, при рассмотрении производственных единиц, которые имеют достаточную гибкость для (пере)организации своих очередей заданий, наблюдаемые сроки поставки в значительной степени зависят от приоритетов, установленных для каждой конкретной задачи. Таким образом, соответствующая моделирование прогноза сроков поставки должно учитывать аспект очередности решения проблемы, поскольку сроки поставки могут сильно варьироваться в зависимости от произвольного выбора приоритетов. Этот дополнительный уровень контроля может быть использован для смягчения влияния всплеска спроса.

Спрос на сроки поставки

Спрос на сроки поставки представляет собой количество товаров, которые должны быть обслужены за время поставки. Это значение особенно важно, поскольку для избежания исчерпания запасов общий запас (сумма запасов на руках и запасов на заказе) должен оставаться выше спроса на сроки поставки в любое время. Когда общий запас падает ниже срока поставки, гарантировано возникновение исчерпания запасов.

Предполагая, что можно составить вероятностные прогнозы как для будущего спроса, так и для будущих сроков поставки, становится возможным вычислить (высокие) квантильные оценки спроса на сроки поставки, определенные следующим образом:

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

Где:

  • $${0≤τ≤1}$$ является целью квантильной оценки
  • $${y}$$ - спрос, меняющийся со временем
  • $${L}$$ - срок поставки
  • $${Qτ[..]}$$ - квантиль внутренней вещественной функции
  • $${Ω}$$ - множество возможных результатов
  • $${t}$$ - время, где 1 - первый будущий период
  • $${y_ω}$$ - спрос, связанный с результатом $${ω}$$
  • $${L_ω}$$ - срок поставки, связанный с результатом $${ω}$$

Эта квантильная оценка спроса на сроки поставки интересна при попытке поддержания целевого уровня обслуживания. Предполагая простую модель запасов с одним SKU, одним поставщиком и без MOQ, количество для пополнения запасов в любой момент времени может быть определено следующей формулой:

$${КоличествоЗаказа(τ)=max(0,QСпросСроки(τ)−На_руках−На_заказе)}$$

Где:

  • $${На_руках}$$ - запас на руках
  • $${На_заказе}$$ - запас на заказе

Эта формула предполагает, что при исчерпании запасов спрос не теряется. Это предположение необосновано во многих ситуациях, например, в розничной торговле, где обычно клиенты либо отказываются, выбирают замену или обращаются к конкуренту, а не просто откладывают свое потребление. Чтобы учесть это предположение, необходимо явно моделировать влияние утраченного спроса. Это особенно важно, когда спрос сильно сезонный, так как товары, становящиеся доступными после сезонного пика, могут оставаться непроданными или неиспользованными в течение длительного периода времени.

Обратные связи на основе сроков поставки

Срок поставки можно рассматривать как фактор ввода для расчета пополнения, как подробно описано в предыдущем разделе. Однако сам срок поставки зависит от графика заказа (или производства). Более того, график сам по себе обычно предназначен для достижения ожидаемых экономических эффектов масштаба путем достижения желаемого EOQ (экономический заказной объем), MOQ (минимальный заказной объем) или номинального размера партии производства.

Таким образом, практики в сфере цепей поставок часто сталкиваются с обратной связью между принимаемым решением сегодня (пополнение и заказ) и моментом времени, когда ожидается повторение этого решения в будущем. Проще говоря, количество, которое должно быть заказано сегодня, зависит от даты следующего заказа: более поздний заказ означает, что требуется большее количество. Однако дата следующего заказа также зависит от текущего заказа: более крупный немедленный заказ означает более позднюю дату следующего заказа.

Поскольку явное моделирование и численная оптимизация этой обратной связи являются нетривиальными задачами, практики в сфере цепей поставок часто устанавливают грубый график (например, один заказ в неделю, в месяц), в некоторой степени соответствующий целевым количествам для достижения желаемого размера заказа (такого как EOQ, MOQ или размер партии). Предполагается, что этот график является жестким, позволяя изменять количество заказов по мере необходимости. Однако подход с фиксированным графиком вводит неэффективности по своей природе, поскольку цепь поставок не использует все свои степени свободы.

Можно разработать более точные численные решения для нативного учета этой обратной связи. Алгоритмы, используемые в этих решениях, обычно относятся к области обучения с подкреплением. Однако подробное описание этих алгоритмов выходит за рамки данного документа.

Проблемы, специфичные для отраслей

Сроки поставки различны, и соответствующая перспектива обычно меняется в зависимости от рассматриваемой отрасли. В следующем разделе мы рассмотрим несколько отраслей, которые представляют собой значимые специфические вызовы, связанные со сроками поставки.

Срок годности свежих продуктов

Свежие продукты являются высокопортящимися и, следовательно, имеют короткий срок годности. Сокращение сроков поставки обычно является критическим для сохранения рыночной стоимости продуктов, которые должны быть выставлены на показ как можно дольше. Таким образом, при балансировке вариантов (упаковка, транспорт), влияющих на сроки поставки, эти варианты влияют не только на качество обслуживания, но часто также на ожидаемую выручку и ожидаемые потери, которые будут сгенерированы всей цепью поставок.

Кроме того, бренды или дистрибьюторы обычно сталкиваются с несколькими вариантами поставки с различными компромиссами между сроками поставки и сроком годности. Например, бренд может покупать напрямую у производителя, что включает длительный срок поставки, но по приему продуктов - высокий срок годности; или бренд может покупать у оптовика, что включает короткий срок поставки, но прием продуктов с коротким сроком годности. В таких ситуациях правильная оптимизация цепи поставок балансирует два варианта, что в свою очередь требует предсказательного анализа соответствующих сроков поставки и сроков годности.

Время выполнения (TAT) для MRO

MRO (Обслуживание, ремонт и модернизация) управляют восстанавливаемыми компонентами. Чтобы произошла замена компонента, исправный компонент должен быть готов к использованию, пока демонтированный компонент не может быть использован до его восстановления. Общая задержка от запроса на замену компонента до возобновления доступности исправного блока называется временем выполнения.

Запас компонентов, хранимых MRO, напрямую зависит от TAT. Действительно, если бы у MRO была (теоретическая) возможность мгновенно восстановить неисправный компонент, не было бы необходимости в запасах. В результате прогнозирование и оптимизация времени выполнения становятся еще более важными, чем прогнозирование спроса, что касается MRO.

Упор на анализ TAT (в отличие от анализа спроса) обычно усиливается характером неспланированных ремонтов, которые обусловлены неопределенностью в выполнении базовых физических процессов - то есть, если бы был способ превентивно решить проблему, то диагностика превратила бы эти операции в запланированные ремонты.

Обратная логистика для электронной коммерции

Большинство потребительских электронных коммерций в большинстве стран в настоящее время предлагают возможность вернуть товар, если потребителю не понравилось то, что он получил. Однако процент возвратов потребителей сильно варьируется от одной страны к другой, в основном по культурным причинам. Например, в электронной коммерции быстрой моды немецкие потребители обычно имеют более 50% процент возвратов. Эти высокие показатели обусловлены, в частности, привычкой заказывать несколько размеров и возвращать все размеры, кроме одного.

Когда процент возвратов высок, интернет-ретейлер должен предвидеть, что значительная часть товара действительно вернется; в противном случае, ретейлер рискует систематически оказаться с избыточными запасами, поскольку товар возвращается после прохождения заказов на пополнение. Однако существуют три неопределенности относительно будущих возвратов: во-первых, будут ли товары возвращены или нет, во-вторых, пройдут ли товары контроль качества после получения и, в-третьих, сколько времени пройдет, пока товары смогут быть проданы повторно.

Эти проблемы прогнозирования весьма поддаются высоко специфическому структурированному анализу. Действительно, максимальное количество товаров, которые могут быть возвращены в любой момент времени, ограничено объемом недавних поставок. Ограничение хвостовых событий является важным аспектом с точки зрения цепи поставок. Кроме того, сталкиваясь с ситуацией “выбраны 3 размера, возвращены 2 размера”, можно с большой уверенностью предвидеть долю заказов потребителей, которые будут возвращены.

Лизинговые компании

Лизинговые компании, такие как компании по лизингу автомобилей или компании по лизингу офисной мебели, сталкиваются с ситуациями, которые частично схожи с ситуациями MRO, но не совсем. Действительно, правильный уровень запасов зависит от будущего спроса, а также от будущих показателей удержания, поскольку запасы возвращаются в лизинговую компанию по окончании лизинга. Поскольку лизинговая компания не имеет полного контроля над сроком лизинга, эти сроки должны быть прогнозированы для оптимизации запасов. Продолжительность этих сроков удержания и их влияние на запасы могут быть проанализированы и прогнозированы с помощью обычных времен выполнения.

Однако у большинства лизинговых компаний есть некоторая степень контроля над сроком удержания благодаря своей ценовой политике и специальным предложениям, которые они могут предоставить своим клиентам. Подобно розничному продавцу, который может увеличить спрос на товар, разместив его на промо-акции, лизинговая компания может увеличить срок удержания, предлагая более выгодные условия. Таким образом, в ситуациях лизинга анализ ценообразования в значительной степени переплетается с анализом времени выполнения.

Антипаттерны времени выполнения

Термин “антипаттерны” относится к практикам, процессам или инструментам, которые предназначены как решения, но не достигают ожидаемых результатов. В цепях поставок сроки поставки подвержены ряду антипаттернов, которые мы рассмотрим в этом разделе.

Недооценка

Сроки поставки - одна из основных причин, почему планирование и прогнозирование имеют значение с точки зрения управления цепями поставок. Однако сроки поставки - как явление, которое нужно моделировать и формировать - обычно получают лишь небольшую долю внимания по сравнению с другими конкурирующими явлениями, такими как спрос. Существует множество институтов, посвященных прогнозированию спроса, но ни одного, посвященного прогнозированию сроков поставки. Этот значительный дисбаланс в распределении усилий часто приводит к ситуациям, когда количественные анализы проводятся до грамма - со стороны спроса - чтобы затем округлить их до ближайшей тонны - со стороны сроков поставки. Большинство отраслей требуют, чтобы сроки поставки были гражданами первого класса в оптимизации цепи поставок - наравне со спросом -, как с точки зрения процесса, так и с точки зрения инструментов.

Переиспользование

В большинстве цепей поставок основная часть запасов - включая сырье и полуфабрикаты - проводит большую часть времени неподвижно и ожидает следующей операции. Очереди обработки обычно образуются на каждом этапе цепи поставок, и каждая очередь имеет свое время ожидания. Однако, по мере того как использование любого актива приближается к 100%, время ожидания в очереди приближается к бесконечности. Таким образом, коэффициент использования активов является компромиссом между амортизацией самого актива и сроками поставки. Этот компромисс заключается в балансировке убывающей отдачи от более высоких уровней использования и экспоненциально растущих времен ожидания.

Полет в слепую

Улучшение сроков поставки обычно начинается с правильного определения причины наибольшей избыточной задержки в процессе. Однако само измерение сроков поставки может быть вводящим в заблуждение. Например, при измерении сроков поставки поставщика, если доставленные паллеты часто оказываются необработанными в ожидании их электронного приема на погрузочной площадке, измерение может значительно увеличить сроки поставки поставщика, в то время как проблема заключается в самом процессе приема. Эти проблемы обычно не могут быть решены с помощью анализа данных, но требуют наблюдений на месте, чтобы понять, можно ли доверять процессу сбора данных или нет. Кроме того, само получение электронных “верхов”, поскольку оно представляет собой дополнительную нагрузку для персонала, может увеличить общий срок поставки - что противоречит первоначальному намерению.

Возникновение LIFO

Обработка заданий или заказов с использованием FIFO (первым поступил, первым обслужен) является почти всегда необходимым условием для обеспечения приемлемого качества обслуживания. Действительно, нарушения принципа FIFO неопределенно порождают чрезмерно длительные сроки поставки. Однако на физическом уровне порядок LIFO (последним поступил, первым обслужен) естественным образом возникает во многих ситуациях, и требуются специальные усилия, чтобы предотвратить эти возникающие ситуации LIFO. Например:

  • Каждое входящее задание (сборка, производство, ремонт и т. д.) автоматически печатается в виде “рабочего листа”. Все входящие рабочие листы печатаются и складываются в коробку. Однако из-за особенностей процесса печати последние поступающие задания оказываются сверху стопки, направляя операторов к LIFO.
  • Если конвейер оказывается слишком коротким, товары имеют тенденцию переполнять конвейер и могут быть помещены на землю в начале конвейера. Быстро образуется куча товаров, и товары, которые находятся дольше всего, оказываются внизу кучи. Разгрузка товаров происходит в порядке LIFO.
  • Когда коробки или паллеты разгружаются на док с помощью транспортных средств, если док не опустошается после каждой операции разгрузки, свежеприбывшие товары имеют тенденцию быть помещенными спереди или сверху предыдущих, что приводит к LIFO позже, когда товары обрабатываются.

Примечания


  1. На 2020 год только три страны производят оперативную память (Random Access Memory), фундаментальный аппаратный компонент современных компьютеров. Также есть три страны, которые обеспечивают почти 90% мировых запасов и производства лития, важного элемента современных батарей. ↩︎