FAQ: Оптимизация запасов

Lokad решает проблемы с запасами, используя прогнозную аналитику для учета неопределенности цепочки поставок и оптимизации решений с финансовой точки зрения. Он учитывает уникальные ограничения клиентов и повышает прозрачность принятия решений через подробные отчеты и понятные информационные панели.

Целевая аудитория: специалисты по цепочкам поставок, эксперты и руководители.

Последнее изменение: 30 января 2024

Избыточные запасы и дефицит товара — два наиболее очевидных симптома неадекватных решений, связанных с управлением запасами, и эти проблемы проистекают из политик, игнорирующих неопределенность. Эта неопределенность проявляется в различных формах, включая меняющийся спрос, колебания сроков поставки и случайные возвраты. Lokad обеспечивает превосходную производительность в управлении запасами именно потому, что его программируемые прогнозные возможности учитывают неопределенность цепочки поставок, а не игнорируют её. Например, у Lokad есть возможности вероятностного моделирования, позволяющие отразить все экономические факторы, связанные с повседневными, повторяющимися решениями в цепочке поставок клиента (например, заказы на покупку, производственные заказы, распределение запасов и т.д.). Это позволяет нам предоставлять клиентам детализированное финансовое представление о долларовой (или евро) стоимости каждого решения. Lokad также обладает возможностями стохастической оптимизации, чтобы в конечном итоге рекомендовать решения, максимизирующие возврат в долларах (или евро) для каждого решения, при этом учитывая уникальные ограничения клиента. Эти ограничения включают межпродуктовые вопросы, такие как каннибализация и замещение.

На каждом этапе процесса обширные, адаптированные возможности отчетности Lokad обеспечивают клиенту полную прозрачность. Понятные информационные панели созданы таким образом, чтобы ясно отображать ключевые показатели эффективности, которые клиенты хотят и нуждаются, и чтобы разбирать расчёты Lokad без лишних сложностей.

Краткое содержание

Что касается оптимизации запасов, то Lokad отошёл от того, что можно было бы назвать «традиционным» подходом, более десяти лет назад. Это расхождение только увеличилось по мере совершенствования нашей технологии. Эта технология позволяет Lokad вносить значительные улучшения в цепочки поставок клиентов, однако большая проблема часто заключается в объяснении этих улучшений – задача, которая становится ещё сложнее, учитывая, насколько отличается подход Lokad от того, чего ожидают специалисты по цепочкам поставок.

Традиционная сказка об оптимизации запасов звучит так: поставщик программного обеспечения (из магического квадранта) предоставляет прогнозы на 20% более высокой точности, и эти прогнозы превращаются в на 20% меньшее количество дефицитных ситуаций и на 20% меньше запасов. Эта сказка обычно наполнена несколькими актуальными модными словами: искусственный интеллект, определение спроса, машинное обучение, блокчейн, цифровые двойники, системы in-memory и т.д. Однако этот традиционный взгляд является тупиком¹. В отличие от большинства наших конкурентов, Lokad действительно предоставляет современные прогнозы², и мы знаем, что этого самого по себе недостаточно, чтобы обеспечить удовлетворительную окупаемость инвестиций.

Возможно, Lokad уникален тем, что мы не скрываем, как достигаем превосходной производительности управления запасами. У нас есть публичная лекционная серия³ (всего более 50 часов и продолжается), которая предоставляет все подробности наших технологий и методологий. Эта серия служит как ресурсом, так и предостережением для клиентов: как только вы увидите, как работают «фокусы» поставщика, вы уже не сможете их не заметить.

Вероятностное прогнозирование

Необходимо использовать вероятностные прогнозы. Эти прогнозы предоставляют прямую количественную оценку неопределённости, с которой сталкиваются в цепочке поставок – например, неопределенности, связанные со спросом потребителей и сроками поставки от поставщиков. Вместо того чтобы притворяться, что традиционные прогнозы временных рядов (классический подход) спонтанно станут точными, вероятностные прогнозы напрямую решают эти вопросы. Вероятностные прогнозы не обязательно более «точны» — по крайней мере, не по замыслу — но это несколько несущественно, поскольку они используются для рассказа совершенно иной истории о будущем клиента — подробности которой изложены в Финансовой перспективе. Более того, каждый источник неопределённости заслуживает собственного прогноза, а не только спроса. Lokad создаёт вероятностные прогнозы для сроков поставки, возвратов, коэффициентов брака и т.д.

В отличие от этого, традиционный подход к прогнозированию временных рядов игнорирует описанную выше неопределённость. В результате, когда используются точечные прогнозы временных рядов, цепочка поставок оказывается хрупкой даже перед такими обыденными рисками, как случайный характер запуска продукта. Бессмысленно ожидать, что риски при запуске продукта когда-либо будут устранены, потому что, если компания сможет надёжнее оценить эффективность своих запусков, она, без сомнения, воспользуется этой новой возможностью для запуска ещё большего количества продуктов, тем самым вновь вводя неопределённость в соответствующую цепочку поставок.

Автоматизированное принятие решений

Автоматизированное (и превосходное) принятие решений в цепочке поставок — это конечная цель, которую стоит преследовать, поскольку именно они реально влияют на цепочку поставок. Если программное обеспечение для оптимизации запасов выдаёт что-либо, кроме окончательных решений, значит, оно не выполняет свою работу (или же вы используете неподходящее программное обеспечение).

Кроме того, эти автоматизированные решения должны учитывать все ограничения клиента, такие как минимальные объёмы заказа (MOQ). Если программное обеспечение или система постоянно генерирует дефектные решения, которые приходится вручную исправлять, то система неисправна и должна быть заменена. Настоящие эксперты по цепочкам поставок слишком редки и ценны, чтобы их использовать для чего-либо, кроме постоянного совершенствования уникального числового алгоритма клиента⁴. Lokad использует этот числовой алгоритм для автоматизации процесса принятия решений в цепочке поставок, тем самым освобождая внутренних специалистов для решения более высокоуровневых задач и стратегического планирования.

В отличие от этого, традиционный подход делает акцент на всевозможных числовых артефактах: классах ABC (или их аналогах, например, ABC XYZ), оборачиваемости запасов, страховых запасах, экономическом размере заказа и т.д. В отличие от решений в цепочке поставок, связь между числовыми артефактами и эффективностью цепочки поставок весьма нечеткая. Более того, большинство этих показателей вводятся только для поддержки полуавтоматизированного процесса принятия решений, что приводит к постоянной трате ресурсов клиента (например, денег, времени и усилий).

В результате, ничего по-настоящему не исправляется, поскольку специалисты по цепочке поставок постоянно отвлекаются на решение срочных проблем, а в фоновом режиме базовая система продолжает генерировать неоптимальные решения.

Финансовая перспектива

Решения в цепочке поставок должны быть оптимизированы с финансовой точки зрения, то есть оценены с точки зрения воздействия в евро (или долларах). Эта оценка должна отражать все соответствующие экономические факторы. Lokad имеет доступ к соответствующим, осязаемым экономическим факторам (прямо из бухгалтерских книг клиента): валовая прибыль, стоимость хранения, транспортные расходы и т.д. Однако Lokad также количественно оценивает неосязаемые экономические факторы — те, которые необходимо учитывать для принятия ценных решений в цепочке поставок: лояльность клиентов, репутация поставщиков, воспринимаемая ценность бренда и т.д. Учитывая их абстрактную природу, эти факторы должны быть интеллектуально аппроксимированы, ведь лучше быть примерно правильным, чем точно неверным. Эта денежная оценка в конечном итоге используется для объединения всех различных сил, влияющих на каждое решение по запасам.⁵

В отличие от этого, традиционный подход делает акцент на процентах, таких как уровни обслуживания, полностью игнорируя все неосязаемые экономические факторы. Это приводит к краткосрочности рекомендуемых решений, которые теперь ассоциируются у широкой публики с «финансами». Такие решения оптимизируются по вымышленным числовым критериям, которые просто не отражают долгосрочные интересы бизнеса. Решение проблемы заключается не в отказе от идеи оптимизации, а в пересмотре того, что оптимизируется в первую очередь.

Часто задаваемые вопросы (FAQ)

1. Принципы

1.1 Помогаете ли вы оптимизировать управление запасами? Каковы возможности вашего управления запасами?

Lokad оптимизирует (и упрощает) запасы, а не управляет ими в традиционном понимании. Оптимизация запасов включает, среди прочего, принятие наилучших возможных решений, таких как сколько товара закупать, когда его закупать и куда его (повторно) распределять. Управление запасами, с другой стороны, фокусируется на ведении электронных записей, отражающих физическое состояние запасов, и приведении этих записей в соответствие с реальным положением дел. Оптимизация запасов и управление запасами являются двумя основными аспектами общего контроля запасов, и Lokad полностью посвящён первому.

С точки зрения разработки программного обеспечения требования к системе управления запасами существенно отличаются от требований к системе оптимизации запасов. На самом деле, они часто находятся в полной противоположности. Например, управление запасами требует оперативного реагирования, иначе рутинные операции, такие как подбор запасов, задерживаются до тех пор, пока система окончательно не подтвердит операцию.

Однако оптимизация запасов основывается на принятии правильных решений, а не обязательно в режиме реального времени. Задержка в 5 минут для вычисления оптимизированного заказа на закупку, который учитывает широкий спектр факторов и ограничений, не имеет значения, если этот заказ в итоге сэкономит клиенту тысячи долларов (или евро). С точки зрения клиента это предпочтительнее, чем ситуация, когда посредственные заказы на закупку, которые могут быть сформированы менее чем за 10 миллисекунд (то есть в реальном времени), приводят к потере тысяч долларов (или евро) из-за нераспроданных запасов. Если у клиента нет системы управления запасами, Lokad настоятельно рекомендует установить её перед попыткой оптимизировать запасы.

Примечание: Большинство корпоративного программного обеспечения, предназначенного для управления запасами, также утверждает, что предоставляет функциональность оптимизации запасов. Это пустое заявление. Эти различные функции управления запасами требуют различных программных решений.

Для прямого сравнения оптимизации запасов и управления запасами, а также их необходимого программного обеспечения, см. Контроль запасов.

1.2 Как вы прогнозируете будущие потребности в запасах?

Lokad использует обширные технологии прогнозного моделирования для предсказания всех неопределённых факторов, влияющих на будущие потребности в запасах. Эти факторы включают, помимо прочего, будущий спрос и будущие сроки поставки, которые непосредственно влияют на потребности в запасах. Однако, в зависимости от конкретной отрасли, часто существуют и другие источники неопределённости. Например, могут быть возвраты клиентов (для электронной коммерции), производственная урожайность, коэффициенты брака и т.д. Для определения потребностей в запасах мы обычно объединяем короткий ряд прогнозов, отражающих несколько источников неопределённости. Такой подход значительно превосходит возможности традиционного прогнозирования временных рядов.

Кроме того, Lokad использует подход вероятностного прогнозирования. Это означает, что Lokad учитывает все возможные варианты будущего и количественно оценивает их вероятности. Более того, наша платформа включает необходимое оборудование для составления или комбинирования этих вероятностных прогнозов, такое как алгебра случайных величин (см. ниже). Например, путем объединения вероятностного прогноза спроса и прогноза сроков поставки, мы получаем вероятностный суммарный спрос за срок поставки, который представляет собой спрос, интегрированный за период поставки. Суммарный спрос за срок поставки обычно является отправной точкой для оценки будущих потребностей в запасах.

Смотрите Вероятностное прогнозирование для получения дополнительной информации об этом подходе. Чтобы узнать больше о нашей алгебре случайных величин, ознакомьтесь с Ranvars and Zedfuncs в нашей публичной документации Envision.

1.3 Рассчитываете ли вы прошлые и будущие уровни запасов на основе исторических данных о продажах и прогнозных данных?

Да, платформа Lokad способна рассчитывать как прошлые, так и будущие уровни запасов, используя исторические транзакционные данные клиента, включая как исходящий поток (например, продажи), так и входящий поток (например, закупки). У нас есть обширные возможности вероятностного прогнозирования не только для будущего спроса, но также для будущих сроков поставки, будущих возвратов и всех других соответствующих источников неопределённости.

Что касается прошлых уровней запасов, поскольку решение Lokad — реализованное через нашу платформу — является масштабируемым и экономичным, мы обычно рекомендуем записывать данные с течением времени, обычно посредством создания снимков, выполненных в рамках платформы Lokad, если эти данные ещё не зафиксированы в бизнес-системах, вместо повторного вычисления этих данных. Действительно, даже тщательно разработанная модель потока может неверно отразить прошлые уровни запасов. Исторические снимки уровней запасов не подвержены этой проблеме.

Относительно будущих уровней запасов следует учесть два важных момента. Во-первых, неопределенность будущего не поддается сокращению. Во-вторых, будущие уровни запасов зависят от решений, которые ещё не приняты. Поскольку неопределенность будущего неизбежна, неразумно – и весьма невыгодно – полагать, что единственный прогноз будущего состояния запасов можно считать «достаточно точным». Вместо этого мы должны учитывать все возможные варианты будущего и их соответствующие вероятности. Это даёт гораздо более полное представление о будущем и позволяет принимать решения по управлению цепочкой поставок с учетом риска, устойчивые к отклонениям от (классического) прогноза. Lokad добивается этого за счет использования вероятностного прогнозирования.

Поскольку будущие запасы зависят от решений в цепочке поставок, которые ещё не приняты (например, будущих заказов на закупку), нам нужна разумная система реализации решений для оценки возможных будущих состояний запасов. Это требует автоматизации принятия решений для обеспечения эффективного моделирования. Если процесс принятия решений осуществляется полуавтоматически (то есть с субъективным вмешательством человека), то моделирование становится непрактичным. Поэтому для целей моделирования необходимо использовать автоматизированную систему принятия решений.

1.4 Рассчитываете ли вы запас безопасности, минимальные/максимальные уровни, точку повторного заказа и EOQ (экономически оптимальный размер заказа) с учётом политики закупок?

Да, платформа Lokad упрощает внедрение общепринятого/классического подхода к управлению цепочкой поставок, включающего запасы безопасности, минимальные/максимальные уровни, точки повторного заказа и EOQ. Более того, все эти элементы можно обновлять полностью автоматически. Однако этот подход к управлению цепочкой поставок устарел, поскольку на практике он даёт неудовлетворительные результаты. Кроме того, он требует обширных и постоянных ручных корректировок для исправления неэффективных результатов, которые постоянно генерирует «система».

В отличие от этого, Lokad предлагает значительно более эффективный подход, заключающийся в оценке экономической отдачи по каждой дополнительной единице запаса. Этот расчет основан как на вероятностных прогнозах, генерируемых платформой Lokad, так и на явном экономическом моделировании последствий решений о закупках. Такой подход учитывает экономические драйверы, лежащие в основе решений о закупках.

В результате снижение накладных расходов на закупки становится само собой разумеющимся: заказы оптимизируются с экономической точки зрения, что устраняет необходимость применения устаревших формул, таких как формула Уилсона (традиционно используемая для расчёта EOQ). Более того, инициирование заказа сводится к балансировке затрат дефицита запасов и затрат избыточных запасов, что устраняет необходимость в запасах безопасности, минимальных/максимальных уровнях и точках повторного заказа.

Кроме того, подход Lokad отлично подходит для решения вопросов, связанных с разными SKU (единицами хранения запасов). Эти вопросы включают каннибализацию, замену, минимальные объемы заказа у поставщиков (MOQ), возможности складов или магазинов, а также множественные уровни управления. Классический подход к управлению цепочкой поставок строго ориентирован на работу с одним SKU, что по определению исключает учет этих вопросов. Как бы ни был совершен расчёт запаса безопасности (например), он не способен учитывать меж-SKU вопросы, поскольку данная формула (или их класс) подразумевает обработку SKU по отдельности.

1.5 Как вы дифференцируете свой подход для товаров высокой стоимости?

Количественный подход Lokad к управлению цепочкой поставок настоятельно рекомендует оптимизировать каждое решение в цепочке поставок с учётом его (индивидуальных и взаимосвязанных) экономических драйверов, благодаря чему товары высокой и низкой стоимости оптимизируются одинаковым образом — хотя, конечно, детали расчётов различаются.

Соответствующие экономические драйверы, среди прочего, включают затраты и валовую прибыль оптимизируемых запасов. Товары высокой стоимости, как правило, связаны с высокими затратами и высокой маржой — по крайней мере, в абсолютных значениях. Оптимизация, проводимая Lokad, максимизирует доходность инвестиций в запасы: проще говоря, на каждый вложенный 1 USD Lokad выбирает тот товар, который обеспечивает наивысшую норму прибыли (подумайте о ROI).*

Помимо чисто экономической оценки, существуют и другие ограничения, влияющие на формирование решений по запасам, такие как MOQ (минимальные объемы заказа). Однако платформа Lokad обладает всеми необходимыми числовыми возможностями для учета обоих классов факторов при оптимизации. Все экономические драйверы — а вместе с ними и финансовые факторы — предлагаются Lokad и в конечном итоге утверждаются клиентом.

Единая, финансово ориентированная перспектива оптимизации означает, что специалистам больше не нужно разбираться с множеством крайних случаев, регулируемых различными политиками и проблемами. Каждый товар — будь то товар высокой стоимости, низкой стоимости или с непредсказуемыми характеристиками — оптимизируется с точки зрения финансового воздействия каждой дополнительной единицы для клиента.

*В масштабе, Lokad подготавливает ранжированный список решений по закупкам, а не единственную рекомендацию. Список составлен в порядке убывания, начиная с товара, который обеспечивает наибольшую финансовую отдачу от инвестиций. См. наш публичный учебник демонстрационного аккаунта для подробного объяснения того, как это делается.

1.6 Учитываете ли вы затраты на обработку заказов (например, оформление заказов, выставление счетов)?

Да, Lokad рекомендует финансовую перспективу, согласно которой каждое решение в цепочке поставок (включая заказы на закупку) оптимизируется с учетом всех его соответствующих экономических драйверов. В частности, все накладные расходы, связанные с выполнением решений, такие как затраты на обработку, включены в этот перечень экономических драйверов. Специалисты по цепочке поставок Lokad отвечают за то, чтобы экономическая модель, реализованная в числовом алгоритме, отражала все возможности и затраты клиента.

Платформа Lokad отличается удивительной выразительностью и программируемостью, что позволяет нам поддерживать практически любой вид затрат и/или скидок, возникающих при оформлении заказа – например, ценовые уступки. Более того, стохастическая оптимизация Lokad позволяет оптимизировать решения, несмотря на нелинейности, которые обычно представляют эти затраты (или возможности). Например, затраты на обработку могут незначительно изменяться в зависимости от объёма заказа, что, при прочих равных условиях, должно склонять оптимизированный процесс заказа к (слегка) большему объёму и (слегка) меньшей частоте по мере роста затрат на обработку. Ценовые уступки также, как правило, направляют оптимизацию к более крупным и менее частым заказам.

1.7 Может ли команда закупок смоделировать влияние стратегий пополнения запасов на требования к капиталу? Могут ли они прогнозировать уровни запасов?

Да, платформа Lokad разработана для поддержки прогнозирования, в очень широком смысле, будущих условий цепочки поставок при различных политиках. Будущие условия включают уровни запасов, но также все остальные критические параметры будущей цепочки поставок, такие как насыщенность мощностей (например, транспорт, погрузочно-разгрузочные работы, хранение и т.д.). Различные политики включают альтернативные стратегии пополнения запасов, а также все остальные виды решений, регулирующих выполнение цепочки поставок (распределение запасов, производственные заказы, возвраты, изменение цен и т.д.).

Более того, Lokad считает крайне важным внедрить процесс, ориентированный на полностью автоматизированное принятие решений (для рутинных, повторяющихся задач в цепочке поставок). Нелогично ожидать, что «моделирование» сможет дать разумные цифры, если фактическое выполнение цепочки поставок зависит от регулярных субъективных (и ручных) корректировок со стороны специалистов по цепочке поставок. По замыслу, моделирование полностью игнорирует эти вмешательства.

Общий вероятностный прогноз — а не только прогноз спроса — является ещё одним критически важным элементом для проведения такого моделирования. Будущие сроки выполнения, будущие возвраты и многие другие факторы, способствующие будущей неопределенности, должны быть спрогнозированы. В противном случае моделирование будет основываться на ошибочных и ненадёжных данных (то есть, на информации, не учитывающей другие ключевые источники неопределенности). Интеграция обобщённого вероятностного прогнозирования позволяет нам создавать значимые модели, обеспечивающие необходимую детализацию и понимание цепочки поставок клиента.

См. Вероятностное прогнозирование для получения дополнительной информации о подходе Lokad к прогнозированию.

1.8 Можете ли вы описать экономические индикаторы, которые вы используете для поддержки рекомендаций по закупкам?

Краткое резюме: Программируемая платформа Lokad позволяет включать в рекомендации по закупкам широкий спектр экономических драйверов, включая как прямые (первого порядка), такие как валовая прибыль и затраты на доставку, так и косвенные (второго порядка), например, штрафы за дефицит запасов и лояльность клиентов. Такая программируемость превосходит традиционное корпоративное ПО, которое часто ограничивает пользователей заранее определённым набором показателей первого порядка и не обладает гибкостью для учёта сложности реальных цепочек поставок.

Мы рекомендуем учитывать все соответствующие экономические драйверы, которые, как правило, могут несколько различаться от клиента к клиенту. В общем, релевантные драйверы подразделяются на две широкие категории, называемые драйверами первого и второго порядка. Драйверы первого порядка включают все выгоды и затраты, которые можно более или менее напрямую определить из бухгалтерских данных клиента: валовая прибыль, затраты на доставку, затраты на хранение, затраты на оформление заказов и т.д. Драйверы второго порядка более тонкие, менее прямые и полностью отсутствуют в традиционном корпоративном ПО. К ним относятся затраты, связанные с отсутствием товара на полках, когда клиент его требует (штраф за дефицит запасов), лояльность или доверие клиентской базы, относительная значимость клиентских сегментов или географических регионов и т.д.

Платформа Lokad разработана таким образом, чтобы учитывать практически любой экономический драйвер; если такой драйвер можно выразить в виде таблицы, то его можно реализовать при помощи технологии Lokad. На практике специалисты по цепочке поставок Lokad отвечают за составление исчерпывающего списка релевантных экономических драйверов клиента. Этот список затем утверждается и/или корректируется клиентом.

Эта расширенная программируемость значительно превосходит функциональность, предлагаемую корпоративным ПО, где клиенту предоставляется жестко заданный ограниченный список экономических индикаторов первого порядка для поддержки рекомендаций по закупкам. Такие инструменты на практике не справляются с нюансами и разнообразием ситуаций, возникающих в реальных цепочках поставок. В результате, когда корпоративное ПО полагается на такие методы, специалисты по цепочке поставок неизменно вынуждены возвращаться к предыдущим методам (обычно таблицам), пытаясь учесть драйвер, отсутствующий в списке ERP.

Когда речь заходит об экономических индикаторах, нет обходного пути для полноценной программируемости. Хотя таблицы действительно программируемы, им не хватает корректности по замыслу и масштабируемости платформы Lokad.

См. Количественную цепочку поставок в кратце для получения дополнительной информации о философии цепочки поставок Lokad, а также это резюме для подробного рассмотрения драйверов первого и второго порядка.

1.9 Предоставляете ли вы отчёты по запасам с указанием первопричин?

Да, платформа Lokad обладает обширными возможностями для выявления первопричин текущего состояния запасов клиента.

Стоит отметить, что выявление «первопричин» — задача не из легких. Это неизбежно требует значительной работы специалистов по цепочке поставок Lokad для правильного определения того, что действительно можно считать первопричиной. Например, избыток запасов можно отследить до чрезмерных MOQ (минимальных объемов заказа). Это, в свою очередь, может быть объяснено невыгодно согласованными условиями от команды закупок. Однако неэффективные условия могут быть результатом завышенных ожиданий спроса, основанных на предполагаемой эволюции предложения клиента, которая, тем не менее, была отложена из-за задержек со стороны маркетинговой команды. Таким образом, очень трудно отделить корреляцию от причинно-следственных связей, особенно в цепочке поставок.

К счастью, платформа Lokad является программируемой. Это критически важно при решении таких открытых задач, как выявление первопричин. Ошибки в системе, приводящие к некорректным данным, специалисты, игнорирующие или вручную корректирующие рекомендации, неверно классифицированные продукты с неправильным сезонным профилем и элементарные человеческие ошибки (это лишь некоторые примеры) — всё это может квалифицироваться как первопричины. Без программируемости нет шансов заниматься такими вопросами.

Многие корпоративные программы заявляют о возможностях анализа первопричин (RCA) или предоставляют отчёты, но на самом деле они, как правило, выявляют лишь очевидные симптомы, а не реальные первопричины. Например, если программа определяет чрезмерный заказ на закупку как первопричину избытка запасов, это не особенно полезно, если программа именно и рекомендовала этот заказ. Это особенно вредно, если подразумевается, что специалисты вручную исправят ошибочные заказы, сгенерированные программой.

В отличие от этого, любая первопричина, выявленная на основе числового алгоритма, сгенерированного Lokad для клиента, немедленно инициирует вмешательство специалиста по цепочке поставок, управляющего аккаунтом — как правило, корректирующее переписывание. Эта функция корректировки возможна исключительно благодаря программируемости платформы Lokad.

1.10 Какие аналитические и отчётные возможности у вас есть для отслеживания эффективности запасов и тенденций?

Платформа Lokad обладает обширными программными возможностями аналитики и составления отчётов. Это означает, что любой анализ — а в особенности анализ эффективности запасов, который можно провести в таблице или средстве бизнес-аналитики — может быть выполнен и на платформе Lokad.

Кроме того, платформа Lokad масштабируема и экономична при масштабировании. Это означает, что мы можем сохранять исторические данные обо всём, включая те данные, которые не всегда архивируются в бизнес-системах (например, исторические уровни запасов и исторические цены). Платформа также демонстрирует прогностическую позицию в отношении эффективности запасов. Действительно, решение о том, имеется ли слишком много или слишком мало запасов, зависит от ожиданий будущего спроса. Эти прогностические возможности также программируемы, то есть их можно адаптировать по мере необходимости.

Кроме этих базовых возможностей платформы, рекомендованный подход Lokad в отношении эффективности управления запасами является двусторонним. Во-первых, эффективность должна прослеживаться до исходных решений в цепочке поставок, которые сформировали запас (или его отсутствие). Запас — это не первопричина, а симптом действия, предпринятого клиентом (и его поставщиком программного обеспечения), независимо от того, правильно ли это действие или нет. Во-вторых, эффективность необходимо оценивать с точки зрения финансового воздействия (например, в евро или долларах), а не в виде произвольно установленных процентов, связанных с КПЭ (например, уровень сервиса).

Финансовые оценки имеют решающее значение для эффективного балансирования многочисленных факторов, влияющих на каждое отдельное решение в цепочке поставок. Платформа Lokad упрощает эти процессы, делая для клиентских аналитиков задачу понимания эффективности управления запасами проще — используя любое количество настраиваемых панелей, доступных через их аккаунт в Lokad.

1.11 Предоставляете ли вы списки TOP P/N (номера деталей) по категориям для того, чтобы выделить, где находится наибольший потенциал для улучшения?

Краткое резюме: Да, платформа Lokad может генерировать списки топ P/N по категориям, регионам и временным периодам, а также оценивать потенциал улучшения в денежном выражении, делая акцент на конкретных мерах к действию, а не просто на приоритезации SKU. Однако Lokad не рекомендует сосредотачиваться исключительно на улучшении эффективности на уровне SKU, предпочитая систематическое совершенствование числовых моделей, определяющих решения в цепочке поставок, при этом отчетность по SKU выступает в качестве вспомогательного инструмента.

С помощью платформы Lokad очень просто генерировать списки топовых P/N (номера деталей или SKU — единицы учета запасов) по категориям, регионам, временным периодам и т.д. Поскольку решение Lokad является программным, любой список, который можно создать в электронной таблице или инструменте бизнес-аналитики, может быть выполнен также на платформе Lokad. Более того, комбинируя наши прогнозные возможности с финансовой перспективой, потенциал улучшения можно оценить в денежном выражении (например, в евро или долларах), а не в виде произвольно установленных процентов, связанных с КПЭ (например, уровень сервиса).

Предпочтительный подход Lokad заключается в расчете приоритетных мер к действию, при этом приоритеты выражаются в долларах или евро, которые можно заработать при выполнении предлагаемого действия. Эти меры могут быть разнообразными и включать ускорение или отсрочку размещения заказа, выбор альтернативного поставщика, расширение ассортимента за счет большего количества вариантов, исключение некоторых продуктов из ассортимента и т.д. В отличие от простой приоритезации P/N, приоритезация мер к действию по своей сути является полностью реализуемой. Мера к действию не обязательно должна быть выражена на уровне P/N. Lokad способен формулировать самые разнообразные меры к действию на любой степени детализации, а не только на уровне P/N.

Однако под этим вопросом скрывается точка зрения, которую Lokad не рекомендует для цепочки поставок. Стремление улучшить эффективность на уровне SKU направлено на то, чтобы привлечь внимание специалистов по цепочке поставок в условиях, когда SKU ожидается пересматривать вручную. Такой подход устарел и неэффективно использует время специалистов по цепочке поставок. Проблемы с запасами, возникающие для конкретного SKU, почти всегда не уникальны для него. На самом деле, что-то не так в числовой модели в целом, и если эту более общую проблему не решить, в следующий раз она проявится через другой SKU.

Таким образом, время экспертов следует инвестировать в систематическое совершенствование числовых моделей, определяющих решения в цепочке поставок. Хотя возможности отчетности по уровню SKU важны, они служат в основном вспомогательным инструментом для непрерывного улучшения числовых моделей, а не средством для приоритезации внимания.

2. Запасы и уровни сервиса

2.1 Предоставляете ли вы отчеты по запасам на руках?

Да, платформа Lokad позволяет легко получить отчет, охватывающий уровни запасов на руках. Lokad способен обрабатывать реляционные данные из бизнес-системы клиента для создания таких отчетов. Более того, платформа Lokad также справляется с тонкостями, связанными с запасами на руках, такими как зарезервированные запасы или запасы по отложенным заказам. Все эти данные могут быть архивированы Lokad, даже если они не архивируются в исходных бизнес-системах. Наконец, эта информация может быть представлена как в штуках, так и в финансовых единицах в соответствии с любыми правилами оценки, предпочитаемыми клиентом. Отчеты по запасам на руках основываются на последней инкрементальной синхронизации с бизнес-системами.

Однако такая функциональность не является основной задачей Lokad. Хотя Lokad может проверять уровни запасов в реальном времени для любого SKU, наша технология предназначена для аналитического уровня, который располагается поверх транзакционных бизнес-систем. Эти системы остаются ответственными за «управление» запасами для всех рутинных транзакционных операций, в то время как Lokad предназначен для оптимизации процесса принятия решений по запасам.

2.2 Как вы рассчитываете и оптимизируете уровень сервиса запасов?

Краткое резюме: Lokad обеспечивает оптимизированные уровни сервиса запасов, интегрируя вероятностное прогнозирование со стохастической оптимизацией. Такой подход позволяет адаптировать решения в цепочке поставок под конкретные количественные критерии, такие как баланс высокого уровня сервиса с минимальными запасами и максимальной окупаемостью инвестиций.

Lokad оптимизирует уровень сервиса запасов, объединяя возможности вероятностного прогнозирования и стохастической оптимизации. Это позволяет нам оптимизировать решения цепочки поставок с учетом любых количественных критериев, которые можно выразить в Excel, только лучше. В частности, оптимизация решений о пополнении запасов с учетом определенных уровней сервиса — при одновременном минимизации объема запасов и максимизации окупаемости инвестиций — является весьма простой задачей.

Вероятностные прогнозы чрезвычайно эффективны для того, чтобы решения в цепочке поставок действительно отражали запланированный уровень сервиса, даже когда уровни сервиса очень высоки (например, 98% и выше). Классические модели временных рядов (то есть не вероятностные) и традиционные методы управления запасами (например, страховые запасы) систематически терпят неудачу в таких условиях, поскольку базовые предположения модели (например, нормальное распределение спроса и сроков поставки) систематически нарушаются реальными условиями цепочки поставок. Lokad может, и время от времени оптимизирует, уровни сервиса. Для этого мы вводим соответствующие экономические факторы: расходы на хранение, затраты на капитал, штрафы за отсутствие запасов, валовая прибыль и так далее. Затем мы рассчитываем уровни сервиса, которые максимизируют доход в долларах на каждый потраченный доллар клиента.

После этого наши клиенты обычно понимают, что уровни сервиса, на самом деле, могут быть полностью проигнорированы. Lokad способен использовать вышеупомянутые экономические факторы для непосредственной оптимизации решений в цепочке поставок (а не произвольных КПЭ). Таким образом, запасы в итоге получают уровни сервиса, отражающие самую прибыльную стратегию для компании. И это несмотря на то, что Lokad напрямую оптимизирует доход в долларах на каждый потраченный доллар, а не проценты, связанные с произвольными КПЭ.

«Произвольный КПЭ» — это не преувеличение. Во-первых, уровень сервиса, как правило, основывается на выполнении запросов клиентов в изоляции, а не на их выполнении самым прибыльным способом. Второй подход представляет собой гораздо более тонкую перспективу, учитывающую затраты, связанные с достижением высоких уровней сервиса для SKU, которые сами по себе могут быть не особенно прибыльными. Игнорирование этой перспективы приводит к дальнейшему накоплению ненужных затрат на запасы (а также к их списаниям). Это происходит потому, что произвольно высокие уровни сервиса порождают, по своей сути, постоянный поток «мертвых» запасов.

Во-вторых, уровень сервиса — это произвольно установленный бюрократический процент, который не равен «качеству сервиса» для клиентов. Уровни сервиса по своей задумке игнорируют все взаимозаменяемости и подмены, существующие в предложении. Наоборот, они также умышленно игнорируют все зависимости, которые существуют в предложении, где наличие продукта A имеет смысл только при условии совместной доступности продукта B.

В-третьих, даже с точки зрения отдельного SKU, уровни сервиса не учитывают оптовые заказы — ситуации, когда клиент ожидает, что определенное количество будет доступно для покупки. В этом случае как пустые полки, так и недостаточно укомплектованные представляют угрозу качеству сервиса.

Короче говоря, уровень сервиса — это устаревший инструмент цепочки поставок, который не следует путать с «качеством сервиса», остающимся столь же важным, как и прежде. Lokad признает, что своевременное управление изменениями может потребовать переходного периода с использованием таких КПЭ, однако в долгосрочной перспективе мы настоятельно рекомендуем превосходную экономическую перспективу, оптимизирующую доход в долларах на каждый потраченный доллар.

Смотрите Количественную цепочку поставок в кратце для получения дополнительной информации о финансовой перспективе Lokad.

2.3 Как вы оптимизируете уровни запасов и снижаете расходы на хранение?

Краткое резюме: Lokad следует двухэтапному процессу. Во-первых, мы создаем вероятностную прогнозную модель. Эта модель является обобщенной версией старых (ныне устаревших) моделей прогнозирования временных рядов, поскольку охватывает все источники неопределенности, а не только спрос. Во-вторых, мы применяем стохастическую оптимизацию. Стохастическая оптимизация — это процесс, который вырабатывает решения в цепочке поставок, например, объемы пополнения запасов. Она называется «стохастической», потому что критерии оптимизации являются шумными/рандомизированными, что отражает неопределенные будущие условия цепочки поставок.

Предпочтительные критерии оптимизации Lokad отражают экономические факторы клиента. Таким образом, при оптимизации запасов клиента Lokad явно количественно оценивает различные затраты (например, расходы на хранение, затраты на оборотный капитал, расходы на списание и т.д.), а также потенциальную выгоду (например, валовую прибыль, штрафы за отсутствие запасов и т.д.) для максимизации прибыльности. Таким образом, мы корректируем уровни запасов для минимизации расходов на хранение, но только в той мере, в какой эти выгоды не компенсируются потерями от ухудшения качества сервиса.

Хотя предпочтительные критерии оптимизации Lokad основаны на тщательном количественном анализе экономических факторов клиента, мы можем адаптировать наши критерии для учета любого числа альтернативных факторов. Платформа Lokad является программной, что означает, что её можно настроить для удовлетворения любых критериев, которые пожелает клиент, включая те, которые можно выразить в традиционной электронной таблице Excel.

Смотрите Экономические факторы в цепочке поставок и Количественную цепочку поставок в кратце для дополнительной информации о финансовой перспективе Lokad.

2.4 Как вы оптимизируете страховые запасы, чтобы минимизировать отсутствие запасов при контроле расходов на хранение?

Краткое резюме: Решения Lokad с учетом рисков тщательно минимизируют фактический финансовый риск отсутствия запасов, повышая уровень запасов до такой точки, когда предельные расходы на хранение превышают стоимость события отсутствия запаса. Поскольку оптимизация должна справляться с постоянной окружающей неопределенностью — будущее непредсказуемо — требуется стохастическая оптимизация. Традиционные методы прогнозирования и оптимизации (то есть детерминированные модели) не могут справиться с шумными/рандомизированными будущими переменными, в то время как вероятностное прогнозирование в сочетании со стохастической оптимизацией — может.

Lokad оптимизирует все запасы — включая страховые запасы — используя вероятностное прогнозирование в сочетании со стохастической оптимизацией. Вероятностные прогнозы включают будущий спрос и будущие сроки поставки, а также любые другие существенные источники неопределенности. Стохастическую оптимизацию можно настроить в соответствии с любыми числовыми критериями, включая минимизацию отсутствия запасов при ограничении максимальных расходов на хранение.

Вероятностное прогнозирование особенно эффективно справляется с нетипичными условиями, которые изначально приводят к отсутствию запасов. Если возникает ситуация отсутствия запасов, это, как правило, происходит потому, что спрос или срок поставки неожиданно резко возросли — а возможно, и то, и другое. Классические модели временных рядов (то есть не вероятностные) определяют только одно будущее значение (например, X), полностью исключая альтернативные варианты (например, X+1, X-1 и т.д.), которые считаются менее вероятными, хотя и не являются невозможными.

Как результат, классические модели временных рядов в значительной степени не способны количественно оценить маловероятные события, такие как те, что могут вызвать отсутствие запасов. Когда компания ставит цель, чтобы отсутствие запасов происходило менее чем в 1% случаев (например, за квартал), те случаи, когда отсутствие запасов все же происходит, по своей природе являются частью 1% самых экстремальных ситуаций.

Процесс стохастической оптимизации имеет решающее значение для преобразования исходных вероятностных прогнозов в решения цепочки поставок, такие как пополнение запасов. Предпочтение Lokad отдается чисто экономическому подходу, при котором стоимость отсутствия запасов выражается в долларах (или евро) наряду с другими расходами, такими как расходы на хранение.

По мнению Lokad, модель страховых запасов является устаревшей концепцией, хотя она может быть включена в нашу платформу по запросу клиента. Мы настоятельно рекомендуем полностью перейти к количественному подходу в управлении цепочкой поставок, вместо того чтобы полагаться на методы, не предназначенные для данной цели. Например, главным недостатком моделей страховых запасов является то, что (по своей сути) они не могут определить, какой из двух SKU, находящихся на грани отсутствия запасов, является наиболее важным. Такой подход рассматривает SKU в строгой изоляции, что подрывает попытку оптимизировать цепочку поставок в целом.

Смотрите Почему страховой запас небезопасен и Распределение запасов в розничной сети на основе вероятностных прогнозов для получения дополнительной информации по этим вопросам.

2.5 Проводите ли вы динамический расчет и корректировку уровней страховых запасов на уровне магазина/склада?

Краткое резюме: Да, платформа Lokad позволяет обновлять весь процесс оптимизации запасов каждый раз при поступлении новых входных данных — обычно ежедневно. Как правило, мы выполняем все расчеты менее чем за 60 минут, включая обновление всех прогнозов и решений для каждого отдельного SKU на каждой точке — как в магазинах, так и на складах. Такой гибкий и масштабируемый подход возможен только благодаря специфическим инженерным решениям Lokad.

Платформа Lokad подчеркивает использование «безсостояния» в дизайне для оптимизации цепей поставок. Мы не переиспользуем предыдущие вычисления, а пересчитываем всё заново каждый раз, когда получаем исходные данные. Хотя это может увеличить затраты вычислительных ресурсов, это единственный эффективный метод (на данный момент), обеспечивающий целостность обработки данных — нечто, что оказывается под угрозой без безсостоящего дизайна Lokad. Альтернативой является допущение превращения производственной среды клиента в тестовую площадку для полуверифицированных данных — что Lokad не рекомендует.

Эти обновления охватывают все настройки, регулирующие оптимизацию цепей поставок, которую обеспечивает Lokad. При желании клиента обновления могут включать прогнозы временных рядов, страховые запасы и оптимизированные уровни обслуживания. Однако Lokad настоятельно рекомендует клиентам не полагаться на эти устаревшие методы и полностью использовать преимущества оптимизации, основанной на вероятностном прогнозировании и стохастической оптимизации.

Пожалуйста, ознакомьтесь с Обновлять всё каждый день для получения дополнительной информации по этому вопросу.

См. также Уровни запасов и обслуживания 2.4 в этом FAQ.

2.6 Оцениваете ли вы влияние уровней/формул страхового запаса на поддержание требуемых уровней обслуживания?

Да, с помощью платформы Lokad специалист по цепочкам поставок может оценить влияние заданного уровня страхового запаса на уровень обслуживания. Другими словами, можно выбрать определённый уровень страхового запаса и увидеть соответствующий уровень обслуживания. Платформа также позволяет специалисту оценить и другие факторы, такие как ожидаемые затраты на хранение (или, по крайней мере, продолжительность хранения, если экономические характеристики запасов не предоставлены) и/или риск возникновения мертвых запасов.

Однако понятия страхового запаса и уровней обслуживания в значительной степени устарели. Несмотря на возможность включения их в нашу платформу, Lokad не рекомендует их использовать. Вероятностное прогнозирование и стохастическая оптимизация — основа оптимизации Lokad — представляют собой превосходную альтернативу по всем параметрам.

Пожалуйста, ознакомьтесь с Распределением запасов по розничной сети на основе вероятностных прогнозов для получения дополнительной информации по этому вопросу.

См. также Уровни запасов и обслуживания 2.4 в этом FAQ.

2.7 Позволяет ли Lokad реализовывать различные стратегии управления запасами, каждая из которых имеет специфические уровни обслуживания и доверительные интервалы, дифференцированные по множеству организационных измерений (например, по SKU, категории продукта и/или региону)?

Краткий вывод: Да, платформа Lokad поддерживает дифференциацию стратегий или политик управления запасами на уровне SKU. Такие стратегии могут включать дифференцированные настройки — на уровне SKU — с учетом различных целевых уровней обслуживания, вариаций доверительных интервалов (для страховых запасов) и т.д. Эти стратегии также могут быть дифференцированы на любом промежуточном уровне детализации (а не только на уровне SKU). Например, возможно выборочно применять настройки по региону, по категориям продукта, по атрибутам товара (например, порог по весу) и т.д.

Поскольку платформа Lokad является программируемой, мы можем реализовать любую стратегию управления запасами, которую можно выразить в электронных таблицах — независимо от того, насколько произвольной или необычной она может быть. Специалисты по цепочкам поставок Lokad выполняют эти задачи и гарантируют, что результат точно отражает исходные намерения компании-клиента.

Хотя платформу Lokad можно использовать для достижения определенных уровней обслуживания, мы настоятельно не рекомендуем этого делать. Платформа Lokad лучше всего подходит для оптимизации дохода на каждый потраченный доллар, а не для достижения процентных показателей, связанных с произвольными КПЭ. Фактически, существует два основных возражения против понятия «уровень обслуживания».

Во-первых, несмотря на схожесть названий, связь между уровнем обслуживания и качеством обслуживания — таким, каким оно воспринимается потребителем — является слабой. Многие учебники по цепочкам поставок, а значит и многие программные решения для цепей поставок, ошибочно отождествляют эти два понятия. Уровни обслуживания полностью игнорируют весь спектр всех возможных замен, а также все возможные взаимозависимости между продуктами. Поэтому уровни обслуживания являются недостаточным показателем для истинного понимания качества обслуживания.

Во-вторых, уровни обслуживания по своей природе способствуют постоянному образованию списаний запасов. Это связано с их односторонней ориентацией на положительный результат (то есть на удовлетворение спроса), что в итоге означает игнорирование негативной стороны (то есть ситуации, когда остаются единицы товара, которые так и не были проданы, затребованы или использованы).

2.8 Можете ли вы обеспечить выполнение уровней обслуживания и оборота запасов по SKU или по номеру детали (P/N)?

Да, платформа Lokad позволяет настраивать процесс оптимизации запасов в соответствии с заданным уровнем обслуживания/оборотом запасов вплоть до уровня SKU или на любом промежуточном уровне детализации (P/N, бренд, местоположение, категория, ценовой сегмент и т.д.). В этом отношении платформа может направлять решения по управлению запасами так, чтобы они соответствовали любым количественным целям, которые задает клиент.

Однако ни один поставщик не может гарантировать, что их настройки будут «принудительно выполнены», по крайней мере для конкретного SKU. В сущности, как уровни обслуживания, так и оборот запасов зависят от поведения клиентов. Если интерес к определенному продукту резко возрастает, спрос может значительно превысить имеющиеся запасы, и цель по уровню обслуживания не будет достигнута. Аналогично, при снижении интереса цели по обороту запасов также не будут выполнены.

Технология вероятностного прогнозирования Lokad обеспечивает, что в среднем, по множеству SKU (то есть по тысячам) и за значительный период времени (например, недели) наблюдаемые уровни обслуживания и оборот запасов соответствуют заданным клиентом настройкам. Практически это самый «близкий» способ «принудить» выполнение настроек, которые в конечном итоге определяются клиентами.

См. также Уровни запасов и обслуживания 2.7 в этом FAQ.

3. Избыток запасов

3.1 Как вы учитываете риск списания запасов?

Вероятностные прогнозы, используемые Lokad, являются критически важным элементом оценки риска списания запасов. С их помощью Lokad анализирует все возможные варианты будущего, включая менее вероятные, в отличие от анализа, основанного на одном единственном прогнозируемом значении (то есть классических точечных/временных прогнозов). На самом деле, именно ожидаемое (маловероятное, но не невозможное) резкое падение спроса приводит к списанию запасов, что и предназначено для явного количественного расчёта с помощью вероятностных прогнозов.

После составления вероятностных прогнозов Lokad принимает решения по цепочке поставок с учётом риска. Эти решения оптимизированы с точки зрения соответствующих экономических факторов, одним из которых является риск списания запасов. Решение (например, пополнение запасов) корректируется с учетом риска, поскольку оно уравновешивает выгоду от лучшего обслуживания клиентов и риск того, что впоследствии останутся мёртвые запасы. Более того, Lokad может учитывать промежуточный вариант, доступный компании-клиенту, например, вторичные каналы продаж, способные поглотить избыточные запасы, пусть и по значительно сниженным ценам.

См. также Уровни запасов и обслуживания 2.3 в этом FAQ.

3.2 Как вы управляете и оптимизируете мёртвые и/или неактивные запасы?

Lokad проактивно борется с мертвыми запасами, устраняя или, по крайней мере, значительно сокращая решения по цепочке поставок, которые в конечном итоге приводят к их образованию. Этот проактивный механизм в значительной степени опирается на вероятностные прогнозы, разрабатываемые Lokad.

В отличие от классических прогнозов временных рядов, которые определяют только одно будущее значение — игнорируя все альтернативные варианты — Lokad количественно оценивает все возможные будущие сценарии с их соответствующими вероятностями. Благодаря этой оценке мы рассчитываем риск образования мертвых запасов для каждого решения по цепочке поставок (например, заказ 5 единиц вместо 4). Если решение (например, заказ 5 дополнительных единиц) оказывается слишком рискованным с точки зрения мертвых запасов, оно корректируется для снижения риска. Естественно, риск списания запасов не может быть полностью устранён, но при правильной оценке частота списаний может быть значительно снижена.

Что касается неактивных запасов, если только они не предназначены для очень специфических целей (как, например, в промышленных условиях, где запасные части используются для редких, но критически важных сбоев), Lokad обычно рекомендует снижать цену для увеличения спроса. Это в конечном итоге приводит к ликвидации оставшихся запасов. Платформа Lokad способна обеспечить совместный процесс оптимизации запасов и цен специально для этой цели.

См. также Избыток запасов 3.1 в этом FAQ.

3.3 Определяете ли вы неэффективные запасы, например, E&O (избыточные и устаревшие) и мёртвые запасы?

Краткий вывод: Да. С использованием вероятностных прогнозов Lokad определяет и количественно оценивает жизненный цикл каждой единицы товара на складе для каждого SKU. Для каждой единицы мы оцениваем вероятность того, что она будет затребована (или обслужена, или потреблена) в течение заданного периода времени. Например, рассматривая SKU с избытком запасов, мы можем оценить, какая доля запасов подвержена риску стать мёртими, а какая — устаревшими (требующими скидок для стимулирования продаж). Этот же подход мы применяем к избытку и устаревшим запасам, что является важным компонентом при формировании наших рекомендованных решений по цепочке поставок.

Подход вероятностного прогнозирования позволяет Lokad учитывать все возможные будущие значения (например, спроса) вместо того, чтобы полагаться на одно конкретное значение (как в традиционном прогнозе временных рядов). Этот подход имеет решающее значение для анализа всех нюансов, возникающих при снижении рисков, связанных с запасами. Поскольку мёртвые запасы можно только предотвратить, а не устранить после их образования, задача заключается в создании процесса, который эффективно снижает вероятность их накопления с самого начала. Такой процесс требует точного количественного определения вероятности того, что решение по цепочке поставок приведет к образованию избыточных/устаревших/мертвых запасов.

Модели прогнозирования временных рядов по своей природе не способны к такому виду оценки риска. Основная причина заключается в том, что такие прогнозы учитывают только одно будущее значение (например, спрос). Такая упрощённая модель позволяет аккуратно разделять SKU на чёткие категории (например, классы A/B/C в рамках ABC-анализа). Однако эта простота означает, что детальная оценка риска невозможна, поскольку составление ранжированного списка решений, скорректированных с учётом риска для каждого SKU, требует данных для множества будущих сценариев (например, продажа 1/2/3/4/5 и т.д. единиц того же SKU).

Итак, принятие вероятностного подхода к прогнозированию (в данном случае спроса) позволяет реализовать эффективную, проактивную стратегию, которая снижает риск образования неэффективных запасов, вместо того чтобы пытаться справиться с ними после их образования — когда выбора практически не остается, кроме как утилизировать их.

3.4 Есть ли у вас ключевые показатели эффективности (KPI) для отслеживания активных, неактивных и новых запасов?

Краткий вывод: Да. Платформа Lokad является программируемой — то есть мы можем разработать любые KPI по вашему выбору, — и наши специалисты по цепочкам поставок занимаются созданием и внедрением KPI клиента (совместно с его участием). Lokad предоставляет индивидуально разработанные KPI, которые действительно отражают нюансы запасов клиента. Lokad также может воспроизвести любые ранее использовавшиеся KPI, которые клиент желает сохранить, хотя, как правило, они окажутся менее полезными, чем специально разработанные для проекта.

Платформа Lokad позволяет не только отслеживать точный возраст каждой единицы товара на складе, но и, благодаря вероятностным прогнозам, оценивать вероятность того, что данная единица останется на складе в течение заданного периода (1 неделя, 1 месяц, 1 год и т.д.). Определение запасов как активных или неактивных — это не просто визуализация исторических данных, а проекция будущего спроса. Таким образом, KPI являются прогнозирующими. В результате они неявно зависят от соответствия базовой прогностической модели для выполнения данной задачи. В данном случае вероятностное прогнозирование спроса хорошо подходит для оценки рисков, связанных с резким снижением спроса.

В отличие от этого, некоторые поставщики корпоративного программного обеспечения рассматривают KPI для запасов как прямое отображение исторических данных. Однако аспект «прогнозирования» невозможно игнорировать. Как правило, такие поставщики не осознают, что неявно полагаются на прогноз спроса на основе «скользящего среднего», создавая иллюзию отсутствия прогнозирования. В результате такие неподходящие KPI оказываются вредными для компании, поскольку просто отвлекают специалистов по цепочкам поставок.

См. также Избыток запасов 3.3 в этом FAQ.

3.5 Как вы учитываете, контролируете и оптимизируете ежемесячное обесценивание запасов? Как вы управляете вариабельностью самого процесса обесценивания?

Краткий вывод: Lokad решает проблему обесценивания запасов посредством комплексного подхода, включающего отслеживание состава запасов, моделирование механизмов обесценивания и формирование решений по цепочке поставок с учетом риска. Ведение подробного учёта уровней запасов и их возрастов, использование предиктивных моделей для прогнозирования будущего состава запасов и применение программных возможностей для отражения различных механизмов обесценивания позволяют Lokad эффективно управлять как внутренними, так и внешними факторами обесценивания. Платформа Lokad использует стохастическую оптимизацию для принятия решений, учитывающих все экономические факторы, включая затраты на обесценивание, что позволяет проактивно снижать риски обесценивания запасов и уравновешивать их с другими операционными аспектами.

Рассмотрение обесценивания запасов включает решение ряда подзадач. Первая задача заключается в учёте точного состава запасов — не только общего количества в единицах товара. Например, возраст каждой единицы имеет значение. Вторая задача состоит в моделировании самого механизма обесценивания. Это может быть чисто эндогенное явление, когда товары со временем теряют свои свойства, или экзогенное, когда изменение рыночных условий приводит к снижению их стоимости. Третья задача — формирование решений по цепочке поставок, скорректированных с учётом потенциального обесценивания.

Во-первых, с помощью платформы Lokad мы отслеживаем не только уровни запасов, но и возраст каждой единицы на складе (как прошлой, так и будущей). Этот процесс сам по себе является предсказательной моделью. Даже при анализе исторических данных (полученных из бизнес-систем) состав возрастов единиц на складе обычно не записывается, а может быть только выведен косвенно. Существует заметное исключение для серийного инвентаря, где каждая единица на складе отслеживается по своему серийному номеру; в этом случае нет необходимости в предсказательной модели для прошлого, но она всё же нужна для будущего. Предсказательная модель для состава запасов может опираться на предположение FIFO (первым пришёл — первым ушёл) для потребления запасов, а также на несколько более тонких шаблонов.

Например, в розничном магазине клиенты иногда могут вести себя антагонистически, отбирая самые привлекательные товары (или выбирая по дате истечения срока годности, если она указана), что в определённой степени превращает потребление запасов в модель LIFO (последним пришёл — первым ушёл). Lokad может работать как с FIFO, так и с LIFO, а также со всем промежуточным спектром вариантов.

Во-вторых, благодаря программным возможностям платформы Lokad мы можем учитывать любой механизм обесценивания. Например, Lokad может моделировать экспоненциальное обесценивание, при котором товары теряют небольшую долю своей стоимости с каждым периодом; или же учитывать ступенчатое обесценивание, когда товары теряют значительную часть своей стоимости при достижении определённых возрастных порогов. Кроме того, механизм обесценивания может включать взаимосвязи между различными продуктами. Например, можно ожидать, что товары потеряют значительную часть своей стоимости при появлении превосходных конкурирующих товаров — как это часто происходит в некоторых отраслях (например, в потребительской электронике).

Изменчивость процесса обесценивания, которая, как правило, выражена при рассмотрении экзогенного обесценивания, выигрывает от применения предсказательных (вероятностных) моделей в рамках платформы Lokad. Нам не нужно точно знать, когда появится конкурентный продукт; анализируя исторические данные, мы можем смоделировать скорость замены продуктов и определить вероятность того, что конкретный продукт станет устаревшим в течение заданного временного горизонта (например, недели, месяца, года и т.д.). Эти вероятностные модели обучаются с использованием исторических данных, предоставленных Lokad.

В-третьих, Lokad рассчитывает решения по цепочке поставок с учетом риска, принимая во внимание все соответствующие экономические факторы. Этот процесс представляет собой стохастическую оптимизацию, поскольку функция потерь (то есть затраты и выгоды) является шумной и изменчивой. Затраты на обесценивание включаются наряду со всеми другими релевантными факторами. Поскольку платформа Lokad совмещает как методы программного обучения, так и парадигмы оптимизации, мы можем принимать решения с учетом риска, одновременно учитывая (и сочетая) самые разнообразные виды затрат.

В заключение, благодаря принятию решений по цепочке поставок с учетом риска (например, заказ на покупку, заказ на производство и т.д.), которые учитывают обесценивание запасов, Lokad проактивно снижает объем запасов, который в конечном итоге будет обесценен. Каждое решение аккуратно отклоняется от риска обесценивания, но не настолько, чтобы это отклонение усугубило другую проблему, например, ухудшило качество обслуживания сверх достигнутых преимуществ за счет уменьшения обесценивания.

3.6 Предоставляете ли вы отчет по избыточным/лишним запасам?

Краткое изложение: Да. Платформа Lokad оснащена передовыми технологиями прогнозирования спроса. Мы используем эти технологии для оценки того, сколько времени потребуется на полный оборот всего зарезервированного запаса, будь то находящийся на складе или заказанный. Более того, наша технология поддерживает вероятностные прогнозы, которые предоставляют прямую количественную оценку рисков избыточных запасов. Сочетая вероятностные прогнозы с экономической моделью запасов, учитывающей все существенные экономические факторы, Lokad предоставляет количественную оценку рисков, связанных с запасами, выраженную в денежном эквиваленте (например, в евро или долларах).

Запас всегда считается «избыточным» по сравнению с предсказательной моделью спроса. Понятие «избыточный запас» не существует без утверждения о будущем спросе (хотя это утверждение может быть неявным). Любое программное решение, которое генерирует отчет о перепроизводстве запасов на основе правил типа «более чем запас на X месяцев», неявно основывает свою оценку избыточных запасов на скользящем среднем прогнозе спроса, что оказывается недостаточно эффективным для большинства отраслей.

Кроме того, без надёжной экономической модели, отражающей соотношение затрат и выгод от запасов, компания-клиент подвергается риску серьезных ошибок в управлении запасами. Финансово ориентированное решение по управлению запасами может сначала показаться странным, но оно оказывается вполне разумным. Например, если товар очень дешев, очень мал по размеру, продаётся с комфортной валовой маржей, является абсолютно необходимым для клиента (в небольших количествах) и может быть приобретён только при заказе очень больших минимальных объёмов (MOQ), то вполне логично иметь на складе запас этого товара, превышающий годовую потребность. Хотя запас более чем на год может выглядеть ошибкой, рентабельность инвестиций может свидетельствовать об обратном.

Смотрите Первое место на уровне SKU в соревновании по прогнозированию M5 для получения дополнительной информации о том, как Lokad применяет свой подход к прогнозированию на практике.

4. Отсутствие запасов

4.1 Выделяете ли вы запасы для SKU, находящихся под угрозой отсутствия на складе?

Да, в общем и целом, одним из последствий оптимизации запасов от Lokad является то, что запасы распределяются по SKU по мере возрастания риска их отсутствия на складе. При равных условиях SKU, находящиеся на грани отсутствия, получают приоритетное внимание.

Тем не менее, мы рекомендуем применять экономический, комплексный подход к оптимизации в вопросах отсутствия запасов. Это означает учет общего финансового воздействия решения в цепочке поставок (например, распределения запасов для предотвращения ситуации отсутствия товара на складе). Иногда предотвращение отсутствия запасов экономически нецелесообразно.

Например, для модных магазинов естественно, что в конце сезона товары устаревшей коллекции постепенно допускаются до состояния отсутствия на складе. Это делается намеренно, чтобы освободить место для следующей, новой коллекции. Аналогично, если продукт заменён превосходящей альтернативой, имеет смысл допустить, чтобы устаревший товар достиг состояния отсутствия на складе, а затем исключить его из ассортимента. Таким образом, в общих чертах разумно разработанная экономическая оптимизация будет стремиться избегать ситуаций отсутствия запасов.

Однако такая оптимизация также обеспечивает гораздо более детальный и продуманный подход к определению объёма инвестиций (например, сколько единиц выделяется для данного SKU) с самого начала — с целью снижения финансового риска.

4.2 Как вы расставляете приоритеты для заказов на покупку (PO)?

Краткое изложение: Lokad расставляет приоритеты для заказов на покупку (PO), оценивая экономическую отдачу каждой единицы запаса, подлежащей заказу, с целью максимизации возврата на каждый потраченный доллар. Эта детальная оценка, интегрированная с ограничениями между SKU, такими как минимальные объёмы заказа, основана на вероятностном прогнозировании и стохастической оптимизации. Эти технологии оценивают риски и выгоды каждой единицы, учитывая такие факторы, как спрос, сроки поставки и возвраты, для создания финансово оптимизированных заказов, которые учитывают ограничения и экономическую жизнеспособность.

Подход Lokad к оптимизации заключается в оценке экономической отдачи каждой отдельной единицы запаса, подлежащей заказу. Это делается для снижения риска за счёт максимизации дохода на каждый потраченный доллар. Эта очень детальная оценка затем используется в процессе оптимизации, который генерирует заказы (PO), правильно отражающие все ограничения между SKU (например, минимальные объёмы заказа на уровне поставщика). Эти ограничения накладываются на экономическую отдачу каждой единицы, которая направляет общую приоритезацию. В результате заказы Lokad внутренне правильно расставлены по приоритетам, и каждый из них сопровождается собственной экономической оценкой (то есть возвратом в долларах). Эта экономическая оценка получается путём агрегирования экономической отдачи всех единиц, включённых в заказ.

Эта финансово ориентированная приоритезация заказов основывается на двух ключевых технологических компонентах: вероятностном прогнозировании и стохастической оптимизации. Оба эти компонента являются частью платформы Lokad.

Вероятностное прогнозирование, которое включает прогнозирование не только будущего спроса, но и всех других источников неопределенности, таких как сроки поставки или возвраты, имеет решающее значение для оценки рисков, связанных с заказом. Эти риски включают как положительный эффект (например, снижение риска отсутствия товара), так и отрицательный (например, увеличение риска нераспроданных запасов). С помощью вероятностного прогнозирования и с использованием соответствующих экономических факторов (например, валовой маржи, затрат на хранение и т.д.) Lokad генерирует ожидаемую доходность инвестиций с учётом риска для каждой единицы запаса, подлежащей заказу, включая эффект убывающей отдачи по мере увеличения количества заказанных единиц.

Процесс стохастической оптимизации позволяет формировать сами заказы (PO). При отсутствии ограничений это представляет собой простую приоритезацию единиц для покупки, ранжируемых по их доходности на каждый потраченный доллар. Однако, когда существуют ограничения между SKU, требуется процесс стохастической оптимизации, чтобы успешно и автоматически составить заказы, соблюдая все эти ограничения, при этом сохраняя оценку каждой единицы с точки зрения финансов.

4.3 Передаете ли вы поставщикам заказы по стратегическим/критически важным SKU?

Да, заказы на покупку, генерируемые платформой Lokad, учитывают все релевантные аспекты, включая стратегическую/критическую важность отдельных SKU. Эти аспекты могут включать как явную информацию от клиента, так и неявные, выведенные количественные оценки, полученные в результате анализа Lokad.

Например, SKU может считаться «критическим», если он в первую очередь продаётся или обслуживается для крупных, важных клиентов. Либо SKU может быть критическим, если он является частью комплекта или спецификации (BOM), что делает его своего рода узким местом. Для таких ситуаций предпочтительнее использовать платформу Lokad для определения значимости SKU путём прямого анализа данных.

В более общем смысле, предлагаемая Lokad финансовая перспектива хорошо разработана для учета разнообразных факторов и их интеграции с рекомендованными решениями в цепочке поставок. Эта финансовая перспектива подчёркивает необходимость включения всех экономических факторов — включая менее очевидные, такие как стоимость события отсутствия товара — в процесс принятия решений.

4.4 Как вы объединяете критические заказы (Purchase Orders) в критический сокращённый список для ключевых поставщиков?

Краткое изложение: Подход Lokad заключается в количественной оценке экономического воздействия каждого решения в цепочке поставок. На практике это означает оценку финансового воздействия (измеряемого доходом на каждый потраченный доллар) для заказа каждой дополнительной единицы запаса. Генерируя список, ранжированный по доходности на каждый доллар, Lokad автоматически создаёт списки, отражающие наилучшее возможное финансовое состояние клиента с учётом его экономических факторов и ключевых показателей (включая уровень сервиса). Это устраняет необходимость в традиционных методах, таких как min/max, safety stocks и т.д., которые в конечном итоге не обладают надёжной финансовой составляющей.

Подход вероятностного прогнозирования Lokad позволяет генерировать заказы (PO) с учётом риска, объединяющие все единицы, заказ которых может быть прибыльным (ранжированные по каждой единице). Это упрощает доработку заказа путём выделения в его рамках единиц, превосходящих заданный уровень экономической отдачи. Эти единицы с высокой отдачей и составляют суть сокращённого списка, который будет передан ключевым поставщикам. Экономическая отдача отражает штраф за отсутствие товара (менее распространённый, но критически важный экономический фактор, измеряющий финансовое воздействие события отсутствия товара) в той или иной форме. Всё это делается для того, чтобы правильно оценить значимость каждой единицы с точки зрения требуемого качества обслуживания.

Некоторые старые (ныне устаревшие) методы (всё ещё присутствующие в некоторых корпоративных программах) заключаются в оценке заказов относительно целевых уровней запасов (например, min/max, safety stocks, cover targets, buffer targets и т.д.). Однако все эти методы лишены механизмов количественной оценки важности каждой отдельной единицы в строгой изоляции от других единиц.

На самом деле такие методы не отражают влияние эффекта убывающей отдачи, наблюдаемого в цепочке поставок. Обычно первая заказанная единица стоит дороже (как для компании-клиента, так и для её клиентов), чем вторая. Поскольку традиционные методы не позволяют количественно оценить отдачу от запасов на уровне каждой единицы, они не способны выделить по-настоящему критически важное подмножество единиц для передачи ключевым поставщикам.

Составление по-настоящему критического сокращённого списка требует, по своей сути, технологии, которая способна количественно оценивать экономическую отдачу каждой единицы при заказе — технологии, которой обладает Lokad.

4.5 Как вы сообщаете поставщикам критический сокращённый список среди ожидающих заказов (Purchase Orders)?

Lokad предпочитает передавать заказы (PO), включая критические сокращённые списки, через транзакционные бизнес-системы (например, ERP или аналогичное бизнес-программное обеспечение). Обычно заказы представляются в виде экспорта плоских файлов. Lokad мог бы использовать электронную почту, но мы предпочитаем вести всю транзакционную переписку через бизнес-систему клиента (например, ERP).

Смотрите также Управление запасами для получения дополнительной информации о различии между аналитическими системами (чем по сути и является Lokad) и транзакционными системами, такими как ERP.

Смотрите также Отсутствие запасов 4.4 в этом FAQ.

4.6 Предоставляете ли вы отчет об отсутствии запасов?

Краткое изложение: Да, платформа Lokad способна сформировать отчет об отсутствии запасов, который охватывает не только текущее состояние запасов, но и исторический обзор предыдущих случаев отсутствия товара. Это позволяет нам выявлять прошлые закономерности и учитывать их в числовой модели, генерирующей финансово оптимизированные заказы клиента, что снижает вероятность возникновения будущих случаев отсутствия товара.

Хотя легко посчитать количество SKU (единиц складского учета), у которых нулевой запас, это мало что говорит о влиянии на бизнес клиентской компании — необходимо количественно оценить чистую потерю спроса. По этой причине Lokad рекомендует подходить к проблеме через прямую финансовую оценку стоимости (недостатка) качества обслуживания. Иногда, например, целесообразно принять низкое качество обслуживания для непродуктивных продуктов, постепенно выводимых из ассортимента. Действуя наоборот, можно гарантировать постоянное генерирование мертвых запасов. Платформа Lokad позволяет оценивать потери, выраженные в денежном эквиваленте, вместо того чтобы просто подсчитывать SKU с нулевым запасом.

Количественно оцененные потери должны быть рассчитаны за вычетом эффектов каннибализации, замещения и задержанного потребления со стороны клиентов. В большинстве отраслей существует несколько вариантов удовлетворения потребностей клиента. Таким образом, пока хотя бы один из этих вариантов доступен, клиент может оставаться вполне доволен обслуживанием. Невнимание к этим меж-SKU факторам приводит к избыточным запасам SKU, которые по сути обслуживают один и тот же спрос, за счет других SKU, обслуживающих совершенно иные сегменты. И наоборот, иногда отсутствие одного SKU препятствует потреблению другого зависимого SKU. Клиенты ожидают, что оба SKU будут доступны, и не пользуются ни одним из них, если это не так. Платформа Lokad может быть использована для моделирования этих меж-SKU аспектов и их (финансового) влияния на качество обслуживания, воспринимаемое клиентами.

В зависимости от отрасли могут существовать ещё более важные тонкости. Например, в магазине товаров для самостоятельного ремонта клиент, ищущий 4 одинаковых выключателя, вряд ли купит их, если на полке имеется только 3 единицы. Таким образом, хотя выключатели и не распроданы, с точки зрения некоторых клиентов они фактически отсутствуют.

Другой пример — продуктовый магазин, продающий фрукты. Некоторые фрукты, например клубника, очень скоропортящиеся, поэтому магазин обычно намеренно стремится к распроданности до закрытия. Однако, если распроданность наступает слишком рано в течение дня (например, несколько человек покупают больше, чем обычно), большинство клиентов остаются неудовлетворенными.

Эти примеры подчёркивают тонкости природы и последствий событий отсутствия товара. Дорогие симптомы таких событий (например, потеря потенциальных продаж) могут проявляться даже при отсутствии основной причины (например, фактического отсутствия товара). Платформа Lokad может быть использована для моделирования всех критически важных нюансов, когда качество обслуживания нельзя определить путем наивного анализа уровня запасов.

4.7 Вы определяете ожидаемые отсутствующие товары и уведомляете пользователей?

Краткое содержание для руководства: Да, платформа Lokad использует передовое прогнозирование спроса для выявления потенциальных ситуаций отсутствия товаров и предлагает корректирующие меры вместо простых уведомлений. Эти меры включают ускорение заказов, использование альтернативных поставщиков, корректировку акций, цен, продвижение заменителей и организацию перевода запасов (и т.д.).

Платформа Lokad оснащена передовой технологией прогнозирования спроса, которая может использоваться для выявления предстоящих случаев отсутствия товаров. Также очень просто использовать платформу Lokad для создания уведомлений по запасам для специалистов по цепочке поставок. Однако мы не рекомендуем полагаться на уведомления, поскольку этот подход нерационально использует время, особенно учитывая, что своевременные реакции часто имеют решающее значение. Вместо этого мы рекомендуем использовать платформу Lokad для определения предстоящих случаев отсутствия товаров и предложения проактивных корректирующих мер.

В зависимости от отрасли корректирующие меры могут включать (а) повторный контакт с поставщиками для ускорения исполнения ожидающих заказов; (б) размещение дополнительных заказов у альтернативных (ближайших) поставщиков; (в) отмену предстоящих акций на товары, которые вот-вот будут отсутствовать в наличии; (г) повышение цены на товары, которые скоро будут отсутствовать; (д) предварное продвижение альтернативных продуктов, считающихся релевантными заменителями, для использования эффекта каннибализации; (е) организацию перевода запасов для перераспределения простаивающих товаров. Это лишь некоторые из корректирующих мер, которые платформа Lokad может оперативно рекомендовать.

Типичное корпоративное программное обеспечение (например, ERP-системы) всё ещё использует уведомления — шаблон дизайна, который неизменно приводит к низкой продуктивности сотрудников. Если по предстоящему отсутствию товара можно что-то сделать, программное обеспечение должно напрямую рекомендовать соответствующие действия в рамках обычного набора рекомендаций. Если же с предстоящим отсутствием товара ничего сделать нельзя, уведомление лишь отвлекает внимание. Исторически корпоративные системы использовали уведомления как мощный механизм для переноса вины за плохие результаты на конечных пользователей. Этот подход фактически является попыткой оградить поставщика корпоративного ПО от критики; если рекомендованное решение по управлению запасами было правильным, ПО показало отличную работу; если же решение было ошибочным, вина переходит на конечного пользователя из-за уведомления. Lokad, напротив, полностью берет на себя ответственность за качество наших рекомендаций по запасам и предложенных корректирующих мер.

Смотрите Первое место на уровне SKU в соревновании по прогнозированию M5 для получения дополнительной информации о подходе Lokad к прогнозированию на практике.

5. Сложности

5.1 Предлагаете ли вы параметры запасов для новых продуктов?

Краткое содержание для руководства: Да, платформа Lokad автоматизирует решения по управлению запасами для новых продуктов, используя вероятностное прогнозирование спроса на основе атрибутов при анализе данных о ранее запущенных продуктах. Этот подход сосредоточен на прямых решениях, таких как объемы заказов и распределение, а не на традиционных параметрах запасов. Lokad также учитывает влияние новых продуктов на существующие запасы, помогая избежать потенциальных случаев мертвых запасов. Lokad поддерживает как прогнозирование спроса, так и стохастическую оптимизацию для начальных заказов запасов с учетом меж-SKU ограничений и логистических возможностей.

Платформа Lokad автоматизирует весь процесс принятия решений по запасам для новых продуктов. Это включает «параметры запасов», хотя обычно мы не подходим к этой задаче с данной стороны. Новые продукты получают выгоду от вероятностного прогнозирования спроса на основе атрибутов. При этом Lokad анализирует все ранее запущенные продукты и их результаты в зависимости от условий запуска (например, акций и ассортимента), а также внутренних качеств самого продукта (например, размер, цвет и цена). Таким образом, прогнозирование новых продуктов автоматизировано, как и прогнозирование для старых продуктов.

Кроме того, при рассмотрении новых продуктов мы учитываем как имеющиеся запасы для немедленного обслуживания новых товаров, так и запасы, которые еще не поступили. Мы также рассматриваем влияние на существующие запасы и потенциальные негативные последствия слишком раннего введения нового, возможно, более привлекательного альтернативного продукта — что может вызвать немедленное возникновение мертвых запасов для другого товара.

Вместо типичных «параметров запасов» Lokad настоятельно рекомендует решать задачу через прямые и финансово оптимизированные решения. Эти решения включают первоначальные объемы заказов, а затем распределение количеств (SKU по SKU) по всем локациям. Меж-SKU или межпродуктовые вопросы должны решаться на этом этапе, чтобы максимально эффективно использовать ограниченные логистические возможности клиента.

Эти возможности часто оказываются недостаточными для того, чтобы справиться с потенциальными — и зачастую неожиданными — эффектами новизны. Однако, распределяя нагрузку во времени, обычно посредством эффективного прогнозирования запуска новых продуктов, проблему можно решить без лишнего напряжения логистических мощностей клиента.

Платформа Lokad предоставляет все необходимые числовые инструменты для поддержки этого процесса, включая вероятностное прогнозирование спроса для новых продуктов и стохастическую оптимизацию для начальных заказов и распределения запасов. Эта поддержка охватывает все соответствующие меж-SKU ограничения.

5.2 Можете ли вы управлять распределением запасов во время промо-акций (поддерживая промо-мероприятия)?

Краткое содержание для руководства: Да, платформа Lokad разработана для управления распределением запасов во время промо-акций путем согласования запасов с ожидаемым будущим всплеском спроса. Этот процесс включает прогнозирование спроса во время акций, интеграцию данных из различных источников, таких как ERP-системы и маркетинговые таблицы, и усовершенствование предиктивных моделей с учетом разнообразных промо-стратегий. Специалисты по цепочке поставок Lokad реализуют эти модели, учитывая не только непосредственные эффекты акции, но и риск избыточного запаса, а также логистические ограничения. Платформа использует стохастическую оптимизацию для принятия решений по запасам с учетом риска, балансируя между необходимостью достаточных запасов для акций и риском избытка запасов после окончания акции.

Общий принцип распределения запасов в Lokad заключается в том, чтобы распределение соответствовало ожидаемому будущему спросу. В частности, ожидаемый всплеск спроса, как в случае предстоящей акции, обычно требует соответствующего увеличения распределения запасов. Более того, распределение должно происходить задолго до начала акции, поскольку необходимо учитывать логистические ограничения. Например, сеть может не справиться с резким увеличением перемещений запасов, если весь запас будет перемещаться в последний момент. Платформа Lokad разработана для поддержки всех этих задач и их вариантов.

Специалисты по цепочке поставок (SCS) Lokad отвечают за реализацию числовых алгоритмов, которые обеспечивают адекватное распределение запасов в соответствии с запланированными промо-мероприятиями.

Во-первых, эта ответственность включает сбор и организацию данных, описывающих планы промо-акций. Эти данные редко встречаются в структурированном виде в бизнес-системах (ERP) — их зачастую можно найти только в таблицах, поддерживаемых маркетинговым отделом. Платформа Lokad разработана для интеграции множества источников информации, включая такие виды внеплановых таблиц.

Во-вторых, ответственность SCS включает совершенствование предиктивной модели будущего спроса с учетом разнообразия промо-механизмов. По сути, промо-акции — это не только снижение цен. Обычно они предусматривают активное продвижение продуктов через промо-выставки (например, стеллажи) или другие средства коммуникации (например, рассылки). Кроме того, некоторые механизмы отражают межпродуктовые отношения (например, купи один продукт — получи 50% скидку на другой), которые также необходимо учитывать. Платформа Lokad обладает обширными возможностями предиктивного моделирования для поддержки всего вышеперечисленного.

В-третьих, SCS также отвечают за формирование решений с учетом корректировки риска, которые распределяют достаточное количество запасов для удовлетворения промо-спроса, минимизируя риск избыточного запаса после завершения акции. Когда логистические ограничения не слишком жесткие, мы также рассматриваем возможность использования пополнений запасов в период акции для снижения риска первоначального переизбытка (если акция окажется менее успешной, чем ожидалось). Еще раз, платформа Lokad обладает обширными возможностями стохастической оптимизации для расчета этих сложных решений с учетом риска.

5.3 Как вы управляете, просматриваете и различаете различные типы акций и вознаграждений для держателей карт лояльности, включая брошюры, процентные скидки, денежные скидки и эксклюзивные промо-акции?

Платформа Lokad обладает обширной поддержкой моделирования для всех механизмов ценообразования и промо-акций, встречающихся в розничной торговле. Наша платформа является программируемой, что означает возможность настройки для отражения любого количества промо-механизмов — на данный момент мы идентифицировали более 50 различных примеров. Поскольку наша платформа также способна обрабатывать произвольные реляционные данные, мы можем импортировать эту информацию именно в том виде, в каком она изначально представлена в исходных транзакционных бизнес-системах.

Это позволяет нам сохранять исходную семантику данных, вместо того чтобы насильно переформатировать их по какому-либо заданному шаблону. Более того, наша платформа обладает программируемыми возможностями для выполнения предиктивного анализа и машинного обучения. Благодаря этим функциям специалисты по цепочке поставок могут создавать модели прогнозирования спроса, которые отражают действующие механизмы в промо- и программах вознаграждения клиентов.

Примечание: Lokad занимается только аналитической частью этой задачи — выявлением всех закономерностей, формирующих спрос, связанный с промо-механизмами клиента. Lokad не предназначен для управления промо-акциями, например, в сотрудничестве с маркетинговым отделом клиента. Хотя теоретически это возможно, лучше сохранять разделение между транзакционным и аналитическим программными слоями. Это См. также #promotions

См. также Дифференцируемое программирование для получения дополнительной информации о математических нюансах, окружающих нашу технологию.

См. также Сложности 5.2 в этом FAQ.

5.4 Управляете ли вы конвертацией единиц измерения (UoM)?

Да, платформа Lokad полностью поддерживает все конвертации единиц измерения. Мы также поддерживаем работу с (несколькими) несовместимыми единицами измерения, что иногда происходит, когда Lokad обрабатывает данные из различных бизнес-систем. Обычно мы решаем любые несовместимости единиц измерения на этапе подготовки данных. Мы также можем оптимизировать запасы, когда ограничения выражаются через разные единицы измерения. Например, полная загрузка грузовика (FTL) подразумевает как объемные, так и весовые ограничения.

Примечание: В случае конвертации между валютами Lokad также обладает встроенными возможностями, такими как функция forex, охватывающая десятки широко используемых валют. Функция forex предоставляет возможность применять прошлые валютные конверсии для отражения экономических факторов так, как они были в прошлом. Это позволяет Lokad дополнительно оптимизировать принятие решений, анализируя истинное экономическое влияние исторических валютных колебаний, и таким образом дополнительно уточнять числовую модель клиента.

5.5 Управляете ли вы конвертацией комплектов?

Краткое изложение: Да, Lokad поддерживает преобразование комплектов и оптимизацию запасов, включая проактивную сборку комплектов и резервирование товаров. Наши прогнозы спроса учитывают, что элементы комплектов могут продаваться отдельно или входить в несколько комплектов, с учетом различных жизненных циклов комплектов. Финансовая оптимизация Lokad отражает истинную стоимость отсутствия товара, признавая ценность и влияние на валовую маржу элементов комплектов, критически важных для нескольких высокоценностных комплектов.

Платформа Lokad поддерживает преобразование комплектов, а также оптимизацию запасов в условиях использования комплектов. Комплекты обычно представляют собой упрощённую версию спецификации материалов (BOM), и они регулярно встречаются в розничном бизнесе (как онлайн, так и офлайн). Оптимизация запасов, проводимая Lokad с учетом комплектов, включает возможность решения, когда резервировать товарные единицы для комплектов и когда проактивно собирать комплекты — если процесс комплектования имеет свои ограничения по мощности.

Кроме того, прогнозы спроса, составляемые Lokad, надлежащим образом учитывают факт того, что элементы комплектов могут продаваться или обслуживаться отдельно, а не только как часть комплекта. Эти прогнозы также учитывают сценарии, когда одни и те же элементы комплектов используются в нескольких комплектах — естественно, мы поддерживаем и ситуации, когда комплекты не имеют одинакового жизненного цикла, поступая и исчезая из ассортимента клиента в разное время. Все эти факторы надлежащим образом отражены в нашем количественном анализе будущей потребности в элементах комплектов.

Наконец, когда речь идёт об оптимизации решений по управлению запасами в условиях использования комплектов, финансовая перспектива, предлагаемая Lokad, надлежащим образом отражает взаимосвязи между элементами комплектов и самими комплектами. Например, элемент может быть дешевым и продаваться с очень небольшой валовой маржей, но если этот элемент необходим для нескольких комплектов с гораздо более высокой стоимостью и валовой маржой, то его отсутствие в запасе обойдется значительно дороже, чем может предполагаться исходя из его прямой стоимости. Это связано с тем, что косвенная ценность элемента может быть значительно выше его очевидной прямой ценности.

Таким образом, оптимизация, проводимая Lokad, отражает истинную стоимость (с учетом взаимосвязей между комплектами) невозможности обслуживания комплектов из-за отсутствия одного из их элементов.

5.6 Учитываете ли вы срок годности товара (или срок его хранения) при принятии решения о заказе и остатке срока годности продуктов, уже находящихся в цепочке поставок?

Краткое изложение: Да, платформа Lokad достигает этого, отслеживая жизненный цикл каждой единицы товара, включая те, которые предстоит заказать. Основной дизайн включает масштабируемость, эффективность обработки данных на уровне единиц, работу с реляционными данными для учета специфики жизненного цикла продуктов, а также вероятностное прогнозирование для устранения неопределенностей в жизненном цикле продукции и поведении клиентов. Такой подход оптимизирует заказы на закупку, распределение запасов и ценовые стратегии.

Платформа Lokad разработана таким образом, чтобы отслеживать каждую единицу товара во времени, отражая её уникальный жизненный цикл. Аналогичный подход применяется и к потенциальным товарным единицам, например, к тем, которые предстоит заказать. Применяя этот детализированный анализ, заказы на закупку, распределение запасов и ценовые скидки, оптимизированные Lokad, отражают конкретный жизненный цикл каждой единицы, проходящей через сеть.

Платформа Lokad обеспечивает это благодаря нескольким ключевым аспектам своего базового дизайна:

Первое, наша платформа не только высокомасштабируема, но и чрезвычайно эффективна. Моделирование потока, единица за единицей, требует больше ресурсов, чем моделирование на уровне SKU (единица учета запасов); однако, если проблему решать простым увеличением вычислительных мощностей, итоговое решение окажется очень затратным для компании-клиента.

Второе, платформа Lokad обладает программными возможностями, ориентированными на обработку реляционных данных. Детали жизненного цикла продукта сильно различаются от товара к товару. Продукция и химикаты имеют срок годности, но их детали существенно отличаются. Lokad учитывает эти особенности, чтобы создать модель, которая действительно отражает происходящее в цепочке поставок клиента..

Третье, платформа Lokad обладает универсальными возможностями вероятностного прогнозирования. Жизненный цикл продуктов может сопровождаться собственными неопределенностями. Например, в розничных магазинах клиенты могут отдавать предпочтение товарам с наибольшим оставшимся сроком годности. Допущение, что поток следует строго принципу FIFO (первый пришёл – первый вышел), было бы крайне ошибочным. Прогнозные возможности платформы Lokad используются для надлежащего предсказания этих тонких, но чрезвычайно важных поведенческих особенностей.

5.7 Обнаруживаете ли вы ожидаемые сроки истечения запасов? Предоставляете ли вы отчет с предупреждениями о сроке годности?

Краткое изложение: Да, платформа Lokad отслеживает весь жизненный цикл запасов, даже без отслеживания по серийному номеру, и может применять вероятностное моделирование для неоднозначных ситуаций, например, в розничной торговле B2C. Она может выявлять потенциальное истечение срока годности и обесценивание, выдавая предупреждения при необходимости. Однако Lokad предпочитает проактивные решения в цепочке поставок для избежания этих проблем, рекомендуя такие меры, как снижение цены или перераспределение запасов для управления товарами, находящимися под угрозой истечения срока годности.

Платформа Lokad способна отслеживать конкретный жизненный цикл каждой товарной единицы, проходящей через сеть поставок клиента. Наша платформа делает это даже если единицы не отслеживаются по серийному номеру (S/N). Когда возникает неопределённость относительно порядка обслуживания или потребления единиц, как это может быть в розничных магазинах B2C (бизнес для потребителя), Lokad использует вероятностное моделирование для отражения вероятных состояний запасов. Эта детализированная информация о состоянии запасов может быть использована для выявления вероятного истечения срока годности и/или обесценивания и для принятия соответствующих мер, возможно, с выдачей предупреждений соответствующим командам (при необходимости).

Однако вместо того, чтобы полагаться исключительно на предупреждения, Lokad рекомендует использовать детализированную информацию о вероятном состоянии запасов — вплоть до ожидаемой даты истечения срока годности каждой единицы на складе — чтобы проактивно корректировать рекомендованные решения по цепочке поставок (рассчитанные Lokad). Например, мы можем рекомендовать снижение цены или продвижение продукта, которому грозит истечение срока годности. В качестве альтернативы мы можем рекомендовать ликвидацию продукции через вторичный канал продаж (также с предоставлением скидки). Другой вариант — увеличить запасы, поскольку мы осознаем, что текущие запасы скоро исчерпаются не из-за спроса, а из-за истечения срока годности.

По существу, если можно что-то сделать для устранения выявленного потенциального истечения срока годности, Lokad берет на себя ответственность за представление такого призыва к действию. Напротив, если с ситуацией ничего нельзя сделать (например, товары, к сожалению, истекут, и никаких корректирующих мер не будет), то такие предупреждения только отвлекут команды, которые не смогут ничего сделать.

Нет ничего проще для поставщика корпоративного программного обеспечения, чем генерировать десятки (или даже тысячи) предупреждений, и для многих некомпетентных поставщиков это единственное, что они умеют делать. Настоящая задача — формировать призывы к действию, что требует от поставщиков (в данном случае от Lokad) умения различать, что поддается реализации, а что нет.

Смотрите также Сложности 5.6 в этом FAQ.

5.8 Можете ли вы оптимизировать EOQ (экономический размер заказа), учитывая затраты на заказ, доставку, хранение запасов и затраты на связывание капитала?

Краткое изложение: Да, платформа Lokad может оптимизировать EOQ с учетом различных затрат, таких как затраты на заказ, доставку, хранение, рабочий капитал и упущенные возможности — а также нескольких менее очевидных расходов. Мы используем более продвинутый подход, чем устаревшая формула Уилсона, которая неэффективна из-за чрезмерно упрощенных предположений и неспособности учитывать риски списания запасов. Lokad рекомендует интегрировать экономические факторы в каждое решение о закупке, а не сосредотачиваться исключительно на объеме заказа.

Платформа Lokad разработана для экономической оптимизации решений в цепочке поставок. В частности, легко учесть все накладные расходы, связанные с заказом, включая затраты на заказ, доставку, хранение, стоимость денег (рабочий капитал) и упущенные возможности. Кроме того, программные возможности Lokad позволяют учитывать все специализированные расходы, которые могут иметь значение для бизнеса клиента, помимо приведенного списка. Однако мы рекомендуем интегрировать экономические факторы в каждое отдельное решение о закупке, а не выделять только объем заказа, как это делается в EOQ.

Классическая теория цепочек поставок предлагает использовать формулу Уилсона для EOQ (экономического размера заказа). Этот подход имеет серьезный, немедленный недостаток: он приводит к резкому округлению, которое зачастую оказывается неэффективным. По своей природе EOQ не может учитывать риск списания запасов. Таким образом, хотя заказ объема ниже теоретического EOQ может быть несколько неэффективен, на практике это часто гораздо лучший вариант, чем заказывать больше и сразу создавать значительное списание.

Смотрите также Стоимость запасов для получения дополнительной информации о подходе Lokad к оценке, категоризации и оптимизации затрат на запасы.

5.9 Есть ли у вас ключевые показатели эффективности (KPI) для запасов в статусе «Несоответствия»?

Да, платформа Lokad может легко предоставить панель управления и/или KPI для статуса «Несоответствия». Поскольку наша платформа является программной, любые данные, которые можно извлечь из транзакционной бизнес-системы, могут быть отображены. Это также означает, что нет ограничений на расчет или представление KPI — их можно полностью настроить в соответствии с требованиями и правилами клиента. Программная платформа здесь необходима, поскольку нет стандартного определения несоответствия, применимого ко всем компаниям.

Платформа Lokad также способна создавать прогнозную модель этих событий несоответствия, используя исторические данные. Например, у некоторых поставщиков могут возникать проблемы с качеством, и часть их поставок может не всегда проходить проверку. В результате количество товара, фактически доступное для обслуживания клиентов, зачастую оказывается меньше, чем было первоначально заказано. Моделируя эти случаи с использованием вероятностного прогнозирования, Lokad может принимать решения о заказе с учетом риска и неопределенности.

5.10 Предоставляете ли вы отчет по критически важным материалам?

Да, платформа Lokad может легко создать отчет по любым материалам, которые клиент считает «критически важными».

Для Lokad это размытое понятие, поскольку нет фиксированного определения того, что представляет собой «отчет по критически важным материалам». По нашему опыту, это зависит от отрасли. Для FMCG (товаров массового потребления) «критические материалы» — это, как правило, те, которые наиболее активно оборотны, с наибольшими объемами как в штуках, так и в денежном выражении. Для авиации «критичность» означает детали, отсутствие которых может привести к инциденту AOG (самолет на земле). Для обычных магазинов «критичность» часто относится к продуктам, которые клиенты, как правило, ожидают найти в магазине.

Программные возможности Lokad являются ключевыми для решения этого класса задач. Благодаря этим возможностям любое правило, которое можно реализовать в электронной таблице или в инструменте бизнес-аналитики, может быть реализовано на нашей платформе. Отсутствие таких программных возможностей заставило бы специалистов по цепочке поставок возвращаться к электронным таблицам, поскольку они не могут позволить себе приблизительную оценку того, что их компания считает «критическим». Аналитический уровень (в данном случае Lokad) должен полностью учитывать тонкости бизнеса, отсюда и необходимость полной программной функциональности и свободы.

6. Отчетность

6.1 Есть ли у вас ключевые показатели эффективности для общего объема запасов? В частности, охватывают ли они оборачиваемость и коэффициенты покрытия? Кроме того, могут ли эти KPI быть сегментированы по артикулу (P/N), платформе продукта и качеству продукта, а также предоставлять ежемесячный отчет о прогрессе в различных сферах деятельности и секторах на основе качества продукции?

Краткое изложение: Да, Lokad предлагает обширные возможности отчетности, включая настраиваемые KPI для управления запасами, адаптируемые к требованиям конкретного клиента, таким как артикул, платформа продукта и качество продукта. Наш специализированный язык (Envision) упрощает визуализацию данных и создание панелей управления, учитывая уникальные структуры данных каждой компании без необходимости использования стандартных форматов, что позволяет избежать длительных интеграционных проектов, характерных для традиционного корпоративного программного обеспечения. Такой подход обеспечивает высокую продуктивность, надежность и масштабируемость при создании индивидуальных отчетов и управлении оптимизацией цепочки поставок.

Платформа Lokad обладает обширными встроенными возможностями отчетности. Как правило, любой отчет, который можно создать с помощью электронной таблицы или инструмента бизнес-аналитики, может быть создан в Lokad. Lokad разработал специальный DSL (предметно-ориентированный язык программирования), предназначенный для предиктивной оптимизации цепочки поставок (называемый «Envision»). Как следует из названия Envision, этот язык уделяет большое внимание упрощению визуализации данных. Обычно специалисты по цепочке поставок Lokad отвечают за настройку всех соответствующих панелей управления и KPI. Более того, платформа Lokad разработана для обеспечения мгновенного рендеринга сложных панелей управления. Это позволяет нам создавать панели, которые собирают все необходимые данные в одном месте, избавляя специалистов по цепочке поставок от необходимости ориентироваться в лабиринте разрозненных экранов при поиске нужной информации для их повседневной работы.

Все отчеты, создаваемые Lokad, являются «индивидуальными» для компании-клиента — в отличие от того, что обычно встречается в аналогичном программном обеспечении. На практике создание таких отчетов возможно только с использованием гибкой программной платформы, поскольку отчеты — даже «базовые» — полностью зависят от уникальных деталей деятельности конкретного клиента (включая их прикладной ландшафт). По нашему опыту, ни одна компания не похожа на другую, даже если они используют одно и то же программное обеспечение для организации своих данных абсолютно одинаковым образом.

В условиях промышленного производства рутинная «сантехника данных» составляет более 90% работы, затрачиваемой на создание таких отчетов. Таким образом, с помощью Envision Lokad напрямую решает проблему производительности, связанную с этой «сантехникой данных». Более того, этот подход дает нам возможность сохранить все заранее существующие кодировки, иерархии и соглашения в других бизнес-системах клиента. Следовательно, Lokad в итоге «говорит на том же самом языке», что и сотрудники клиента, вместо того чтобы вводить еще один набор правил, которому сотрудники должны научиться.

Основной подход в корпоративном программном обеспечении заключается в установлении набора требований к данным. Как только входные данные соответствуют этим требованиям, разблокируются все функции отчетности и аналитики. К сожалению, этот подход плохо работает для всего, кроме самых маленьких компаний. Никогда не существует точного соответствия между исходными бизнес-системами (источником данных) и готовыми аналитическими системами. В результате перевод данных оказывается невероятно сложным и разочаровывающим, поскольку просто невозможно все уместить. То, что казалось простой задачей «конфигурации» для импорта бизнес-данных в готовую аналитическую систему, неизбежно превращается в годичный интеграционный проект. Это неизбежное последствие попытки примирить две различные сложные точки зрения на цепочку поставок. Выбор архитектуры платформы Lokad полностью устраняет эту проблему.

6.2 Есть ли у вас отчеты о состоянии запасов и их охвате?

Краткое содержание: Да, Lokad предоставляет отчеты о состоянии запасов и их охвате через продвинутые вероятностные прогнозы и инструменты на своей платформе, что позволяет проводить точную оценку рисков — обычно выраженную в денежном эквиваленте. Эти финансовые оценки рисков являются основными «рискованными факторами» для запасов клиента. В отличие от традиционных прогнозов временных рядов, которые рассматривают только один вариант будущего, подход Lokad учитывает несколько возможных будущих значений (например, спрос), предлагая более точное и всестороннее представление о рисках запасов, что помогает избежать — или, по крайней мере, снизить — проблемы с состоянием запасов.

Стандартная практика Lokad заключается в предоставлении инструментов контроля запасов, таких как отчеты о состоянии запасов и их охвате. За составление этих отчетов отвечают специалисты по цепочке поставок Lokad. Платформа Lokad оснащена обширными возможностями программируемой отчетности. Это включает все необходимые инструменты для преобразования вероятностных прогнозов — касающихся спроса, времени поставки и всех релевантных источников неопределенности — в высокоуровневые проекции, которые, в идеале, отражают затраты на запасы в денежном выражении, а не в процентах.

«Состояние» запасов всегда определяется относительно ожидаемых будущих рыночных условий. Количество единиц на складе считается избыточным только в том случае, если оно значительно превышает ожидаемый будущий спрос, а не если оно значительно превышает наблюдаемый спрос в прошлом. Например, спрос в прошлом может быть равен нулю для нового продукта или продукта, который долгое время испытывал дефицит. Таким образом, суть проблемы заключается в том, чтобы преобразовать проекции/прогнозы в отчеты.

Здесь идеально подходят вероятностные прогнозы (предпочитаемые Lokad), которые учитывают все возможные варианты будущего и присваивают им вероятности. Это позволяет нам точно оценить риски запасов, присваивая вероятности возникающим рискам и затем оценивая потенциальное финансовое воздействие, связанное с этими рисками. Именно эти риски, выраженные в денежном эквиваленте (например, в долларах или евро), отражаются в отчетах, которые предоставляет Lokad.

В отличие от этого, классические прогнозы временных рядов по своей конструкции рассматривают только одно возможное будущее значение (например, спрос). Как следствие, эти прогнозы не способны адекватно передать широкий спектр финансовых рисков, с которыми клиент может столкнуться на основании своих решений по запасам. Сложность прогнозов временных рядов не имеет значения: форма или структура прогноза не передает необходимую информацию. Некоторые попытки обойти эту проблему основывались на использовании грубых эвристик для оценки рисков запасов посредством прямого анализа недавнего прошлого. Один из примеров заключался в подсчете SKU, на которых имеется запас, эквивалентный более чем X неделям (например, 2 или 3 недели). Однако эти методы неизменно приводят к получению низкокачественных индикаторов, которые вводят специалистов по цепочке поставок в заблуждение вместо того, чтобы просвещать их.

6.3 Можете ли вы оповещать команду закупок, когда заказ на закупку (PO) необходимо отложить или ускорить?

Краткое содержание: Да, Lokad может выдавать такие «оповещения», хотя мы предпочитаем называть их «решениями». Платформа Lokad генерирует автоматизированный список рекомендаций для принятия решений, включая реактивное пересмотр заказов на закупку (PO) на основе экономической выгоды и сотрудничества с поставщиками. Мы предпочитаем термин «решения» вместо «оповещения», поскольку наши рекомендации являются прямым призывом к действию (с учетом моделированных затрат и выгод), а не просто информированием клиента о потенциальной проблеме.

Lokad автоматизирует процесс формирования решений с учетом необходимости откладывать или ускорять заказы на закупку. Эти решения приоритезируются с точки зрения экономической выгоды (аналогично типичным решениям Lokad), а факторами являются экономические преимущества, связанные с пересмотром заказа. Эти факторы могут включать негативную репутацию, отражающую накладные расходы для поставщика, и вероятность того, что поставщик примет и реализует пересмотр. Аналогичным образом Lokad может предложить изменить количество заказанного товара — при условии, что поставщик готов рассмотреть этот вариант. Специалисты по цепочке поставок Lokad определяют все тонкости доступных опций в отношении заказов и затем автоматизируют логику, генерирующую соответствующие «оповещения» — то, что Lokad предпочел бы назвать «решениями».

Lokad называет «оповещения» «решениями», потому что каждая рекомендация имеет потенциальные затраты и выгоды, что приводит к ощутимым последствиям для цепочки поставок. В этом отношении рекомендации принципиально не отличаются от рекомендации по первоначальному размещению заказа. Главное отличие заключается в неопределенной готовности (или способности) поставщика удовлетворить запрос на корректировку заказа, но в случае, когда поставщик выполняет запрос, данная рекомендация является таким же «приказом», как и исходный заказ.

Многие поставщики корпоративного программного обеспечения предлагают устаревший взгляд на решения в цепочке поставок, ограничивая их узкими ситуациями, описанными в учебниках, такими как закупка или перебалансировка запасов. Этот тип программного обеспечения по замыслу исключает все нюансированные варианты, которые могут обсуждаться с поставщиками. Например, поставщик может иметь возможность ускорить, отложить, завысить или занизить заказ, а возможно, даже заменить одни товары другими. Иногда поставщик может отправить часть заказа заранее, если клиентская компания готова покрыть накладные расходы на множественные поставки. Иногда нетронутые товары могут быть возвращены поставщику на определенный период времени. Программируемые возможности платформы Lokad являются необходимым технологическим элементом для учета всех этих нюансированных вариантов.

6.4 Можете ли вы оповещать команду закупок, когда наступает или просрочивается ожидаемая дата доставки?

Да, платформа Lokad может легко генерировать и отправлять оповещения, когда ожидаемая дата доставки становится просроченной. Наш подход вероятностного прогнозирования позволяет уточнять эти оповещения с учетом различных сроков поставки.

Вероятностный прогноз времени доставки может быть использован для оценки, является ли данная задержка поистине аномальной или всего лишь частью повседневных незначительных колебаний, наблюдаемых в цепочке поставок. Кроме того, оповещения могут быть ранжированы в зависимости от ожидаемого экономического воздействия задержки. Например, если спрос неожиданно снизился, дополнительное время ожидания может оказаться несущественным и, следовательно, не требует немедленного внимания команды закупок. По сути, каждая движущаяся часть цепочки поставок конкурирует за внимание команды закупок. Это внимание — ограниченный ресурс, и в конечном итоге Lokad стремится максимально его эффективно использовать через генерируемые оповещения.

В принципе, мы считаем, что выдача «оповещений» (как это принято) является устаревшим подходом, свидетельствующим о плохо спроектированном корпоративном программном обеспечении. «Оповещения» обычно привлекают внимание клиента к проблеме, вместо того чтобы предоставлять действенную рекомендацию или решение, основанное на четкой финансовой оценке ситуации. Lokad считает, что наша основная задача — генерировать решения с учетом корректировки рисков для клиентов, а не отвлекать их простыми оповещениями. По этой причине, хотя мы и выпускаем их, наше использование термина «оповещения» должно пониматься как «прибыльные корректирующие меры в ответ на проблему».

См. также Отчетность 6.3 в этом FAQ.

7. Продуктивность

7.1 Могут ли пользователи вручную задавать пороги пополнения запасов или вручную корректировать параметры запасов?

Краткое содержание: Да, платформа Lokad позволяет пользователям вручную задавать пороги пополнения запасов и корректировать параметры запасов, включая возможность временных корректировок. Однако мы настоятельно не рекомендуем частые ручные вмешательства. Вместо этого, если возникают проблемы с решениями, генерируемыми Lokad, мы предпочитаем обновлять или уточнять базовый числовой алгоритм, который их генерирует. Философия, технологии и методология Lokad нацелены на преодоление устаревших и ненадежных подходов, основанных на ручном вмешательстве, в пользу надежной и масштабируемой автоматизации.

Платформа Lokad обладает высокой конфигурабельностью, поэтому рабочий процесс пополнения запасов может легко включать ручной ввод данных или переопределения пороговых значений пополнения запасов и других аналогичных параметров (например, минимум/максимум, страховой запас и т.д.). Более того, возможно также учитывать такие варианты, как сочетание ручного ввода данных с «датами истечения», если специалисты по цепочке поставок ожидают, что ситуация нормализуется в течение нескольких недель или месяцев. Это позволит обычному числовому алгоритму вновь взять под контроль процесс пополнения запасов. Хотя жестко заданный порог может быть полезен в краткосрочной перспективе, в среднесрочной он почти всегда становится проблемой, так как утрачивает свою первоначальную релевантность.

В более общем смысле, Lokad настоятельно рекомендует не полагаться на ручные переопределения для регулирования рутинного пополнения запасов. Если числовой алгоритм, управляющий пополнением запасов, имеет проблемы, его необходимо срочно исправить. Специалисты по цепочке поставок Lokad обучены оперативно вносить необходимые исправления. Выбор в пользу ручных переопределений равносилен тому, что сотрудники клиента скотчуют временные исправления. Это явно неэффективно и противоречит одному из центральных постулатов теории Количественной цепочки поставок, а именно перенаправлению времени, ресурсов и усилий на более ценные задачи.

Подход Lokad находится в прямом противовес ряду поставщиков корпоративного программного обеспечения, которые предоставляют устаревшие технологии, заставляющие потребителя регулярно прибегать к неэффективным ручным переопределениям. Эта динамика основана на молчаливом понимании, что клиент обязан исправлять некачественные данные, которые создает программное обеспечение. Ответственность часто смещается с поставщика программного обеспечения посредством генерации «оповещений», которые привлекают внимание клиента к субоптимальной ситуации (без предоставления полезных корректирующих действий). В результате, всякий раз, когда пополнение запасов оказывается неверным, вина переложена на специалиста, который должен был вручную переопределить систему. Lokad считает эту практику вопиющей, именно поэтому мы этого не делаем.

7.2 Можете ли вы автоматизировать параметры запасов на основе заранее определенных или заданных пользователем переменных (например, производительность поставщика, целевой уровень обслуживания, изменчивость спроса, класс SKU, срок хранения и т.д.)?

Краткое содержание: Да, Lokad автоматизирует решения по запасам, включая параметры запасов, посредством полностью автоматизированного ежедневного процесса с минимальным ручным вмешательством. Эта автоматизация адаптируется под крупные сбои по мере необходимости. Процесс использует вероятностные прогнозы для учета неопределенностей, таких как изменчивость спроса и сроки поставки, а также надежный финансовый подход (реализованный через стохастическую оптимизацию), который учитывает совокупность затрат и ограничений. Это позволяет Lokad максимизировать уровень обслуживания и минимизировать финансовые ошибки в условиях неопределенности цепочки поставок.

Стандартный подход Lokad заключается в автоматизации всего процесса, управляющего вычислением решений по запасам, таких как объемы пополнения. Для Lokad нормой является полностью автоматизированный ежедневный процесс, не требующий ручного вмешательства. Подавляющее большинство наших клиентов работают неделями без всякого ручного вмешательства. Естественно, когда происходят беспрецедентные крупные сбои (например, системные потрясения вроде локдауна), специалисты по цепочке поставок Lokad готовы вмешаться и скорректировать числовые алгоритмы для смягчения последствий сбоя. Однако мы считаем, что рутинные, повседневные решения должны быть полностью автоматизированы, чтобы направить время и умственные усилия на более важные задачи (например, разработку бизнес-стратегии).

Автоматизация обновления всех параметров запасов происходит на двух уровнях: предсказательной модели и стохастической оптимизации.

Lokad использует вероятностные прогнозы для всех релевантных источников неопределенности, таких как сроки поставки, возвраты и т.д. Например, в вышеупомянутом сценарии локдауна ситуация с производительностью поставщика неявно представляет проблему изменчивости сроков поставки, которую необходимо решать с помощью вероятностного прогнозирования. Платформа Lokad способна не только создавать все эти вероятностные прогнозы, но и объединять их в единое вероятностное представление о будущем компании. В рамках платформы Lokad мы, как правило, применяем дифференцируемое программирование и нашу алгебру случайных величин для этой цели.

Когда дело доходит до самой оптимизации, мы должны учитывать все соответствующие затраты и ограничения. Например, в том же сценарии локдауна срок годности подразумевал бы конкретный тип нелинейных затрат на хранение. Одной из причин, по которой Lokad продвигает финансовый подход к оптимизации запасов, является то, что он способствует объединению множества внешне разрозненных аспектов в единую числовую перспективу. Эта числовая перспектива помогает Lokad минимизировать доллары (или евро) ошибок в запасах, одновременно максимизируя доход, получаемый за счет качественного обслуживания клиентов. С помощью платформы Lokad мы, как правило, используем наши общие возможности стохастической оптимизации для этой цели. Часть «стохастическая» указывает на способность Lokad выполнять оптимизацию в условиях шума, неопределенности и случайности.

7.3 Автоматизируете ли вы выдачу заказов на закупку (PO)?

Краткое содержание для руководителей: Да, Lokad автоматизирует генерацию заказов на закупку (PO), опираясь на автоматизированный конвейер данных для ввода из (и вывода в) бизнес-системы, что обеспечивает актуальные и синхронизированные заказы. Он функционирует как аналитический слой поверх транзакционных систем, рассчитывая оптимизированные количества, но не выполняя транзакционных шагов, таких как создание PDF. Lokad также предлагает полуавтоматический вариант с частичными рабочими процессами проверки, позволяющими осуществлять ручной контроль для критически важных заказов при автоматизации рутинных.

Lokad автоматизирует генерацию оптимизированных заказов на закупку. Эта автоматизация требует наличия автоматизированного конвейера извлечения данных между клиентом и платформой Lokad. Идеально, если этот конвейер данных обеспечивает ежедневное обновление, что гарантирует работу Lokad с актуальными данными. Это помогает поддерживать синхронизацию сгенерированных заказов на закупку с текущим состоянием бизнеса. Такая автоматизация также требует наличия автоматизированного конвейера экспорта данных от Lokad в исходные бизнес-системы, где могут выполняться рутинные, чисто транзакционные шаги процесса заказа.

Lokad не является заменой транзакционной бизнес-системы, такой как ERP. Lokad – это аналитический слой, работающий поверх транзакционной бизнес-системы. Lokad вычисляет оптимизированные количества (то есть, сколько и когда следует заказать) для каждого заказа на закупку. Однако Lokad не сгенерирует PDF-файл заказа для отправки поставщику (например). Эти шаги относятся к области транзакционных бизнес-систем. По этой причине Lokad генерирует плоские табличные файлы, содержащие всю необходимую информацию. Эти данные затем экспортируются в бизнес-систему клиента для исполнения.

Мы можем реализовать полуавтоматизированный процесс с частичным рабочим процессом проверки в рамках платформы Lokad. Например, клиентская компания может решить, что «тривиальные» заказы на закупку проходят автоматическую проверку (обычно мелкие заказы), в то время как специалист по цепочке поставок вмешивается и вручную проверяет рекомендуемые Lokad количества заказа, превышающие определенный порог или заданный параметр. Эти правила также могут обновляться со временем. По мере развития проекта и по мере того, как клиенты начинают видеть создаваемую ценность, порог для ручной проверки, как правило, увеличивается. В конечном итоге это снижает нагрузку на команды цепочки поставок клиента.

7.4 Есть ли у вас окно планировщика/закупщика, которое отображает набор задач на день, организованных по приоритету?

Краткое содержание для руководителей: Да, платформа Lokad предоставляет специальную унифицированную панель управления, специально разработанную каждый день для выполнения ключевых корпоративных функций. Это единое окно организует и отображает задачи, включая призывы к действию, такие как управление заказами на закупку и проверка аномалий данных, и расставляет их приоритеты с учетом их денежного воздействия.

При использовании платформы Lokad мы рекомендуем для каждой корпоративной функции собрать в единой веб-панели (то есть в одном окне) все призывы к действию, отсортированные по приоритету. Приоритет должен выражаться в денежных единицах (доллары или евро воздействия), что действительно отражает, что поставлено на кон, если призыв к действию не будет выполнен. Для планировщика спроса и предложения эта панель обычно будет включать рекомендуемые новые заказы на закупку, а также все старые заказы, требующие дополнительного внимания (например, ускорение, перенос, увеличение, сокращение). Обычно за организацию панелей управления отвечают специалисты Lokad по цепочке поставок, которые настраивают их в соответствии с уникальной корпоративной структурой каждого клиента. Это жизненно важно для такой панели, поскольку границы между отделами закупок, планирования, управления запасами, покупок и финансов могут различаться в разных компаниях.

Эти призывы к действию также могут включать проверку аномалий данных, оказывающих существенное влияние на клиента, таких как неправильные розничные цены, неверные минимальные объемы заказа (MOQ), некорректные уровни запасов и т.д. Эти призывы к действию также расставляются по приоритету с учетом их потенциального экономического воздействия. В более широком смысле, Lokad избегает двух распространенных ошибок в корпоративном программном обеспечении. Во-первых, мы не распределяем нагрузку одного пользователя по разрозненным экранам (или окнам/веб-страницам).

Напротив, платформа Lokad специально разработана для предоставления сложных панелей управления за постоянное время. Эта техническая особенность оказывается критически важной при сборе множества разрозненных элементов в единую панель управления для удобства конечного пользователя. Во-вторых, платформа Lokad также специально спроектирована для поддержки сквозного экономического анализа, что объединяет все призывы к действию под общей логикой приоритизации, выраженной в денежных единицах.

Заметки