ABC-анализ (Запасы)

learn menu
Автор: Жоанн Верморель, март 2020 года

В управлении запасами, ABC-анализ является методом категоризации запасов, используемым в качестве грубого механизма приоритизации для сосредоточения усилий и ресурсов на наиболее важных для компании товарах. Этот метод основан на эмпирическом наблюдении, что небольшая доля товаров или SKU обычно составляет большую часть бизнеса. До того, как стали распространены системы непрерывного учета запасов, ABC-анализ использовался для сокращения количества операций, связанных с управлением запасами. С 2000-х годов этот метод в основном используется в качестве метода визуализации данных и способа приоритизации внимания практиков цепочки поставок, которым регулярно приходится пересматривать настройки пополнения в их системе управления запасами, такие как параметры Min/Max или уровни обслуживания.

ABC-анализ

Выполнение ABC-анализа

ABC-анализ является методом категоризации запасов, который присваивает класс каждому товару - или SKU, или продукту - обычно обозначаемому как A, B и C, где A (соответственно C) - это класс, связанный с наиболее (соответственно наименее) часто продаваемыми или потребляемыми товарами. Может быть больше трех классов (например, D, E, F, …), хотя обычно количество классов ограничивается однозначным числом.

Для вычисления классов практикующему специалисту по цепочке поставок необходимо выбрать ряд параметров, характеризующих ABC-анализ:

  • количество классов
  • единица измерения “веса” любого товара
  • историческая глубина измерения
  • процент, используемый в качестве порога для каждого класса.

Проценты связаны с выбранной единицей измерения веса по исторической глубине. Эти проценты обычно связаны с оборачиваемостью, измеряемой в долларах или проданных единицах.

В то время как руководство может быть предоставлено в отношении выбора этих параметров, они в основном остаются относительно произвольными. Поскольку анализ ABC предназначен для доступности для разнообразной аудитории внутри компании, параметры обычно выбираются как округленные числа, которые легче запомнить.

Например, менеджер по инвентаризации нишевого интернет-магазина, продавая ассортимент из 10 000 футболок с годовым оборотом 50 миллионов евро, решает провести анализ ABC с использованием следующих параметров:

  • 3 класса (A, B, C)
  • каждая проданная единица считается ‘1’
  • учитываются последние 3 месяца продаж
  • пороги составляют 60% (A), 30% (B) и 10% (C).

Используя таблицу, менеджер ранжирует все товары в порядке убывания их объемов продаж за 3 месяца - измеренных в проданных единицах. Затем пороги используются по накопительной доле веса товара. Ожидается, что класс A будет иметь гораздо меньше товаров, чем класс C. В приведенном ниже примере классы A/B/C имеют соответственно 4/7/14 товаров.

Анализ ABC

Скачать таблицу Excel: abc-analysis.xlsx

Как показано на приведенной выше таблице Excel, проведение анализа ABC просто. Кроме того, многие программы учета запасов также включают анализ ABC - и часто его варианты - поскольку реализация является относительно простым куском программной инженерии.

Единицей измерения может быть “единицы” (т.е. проданные единицы), если, как показано в предыдущем примере, все продаваемые или обслуживаемые товары имеют примерно одинаковые цены. Однако, если некоторые товары значительно дороже других, то обычно имеет больший смысл взвешивать их по их закупочным ценам или ценам продажи.

Глубина истории должна быть достаточно длинной, чтобы усредненные количества были статистически значимыми. Обычно классы более стабильны, если используется кратное общей цикличности, например, один год, чтобы нейтрализовать эффект сезонности, или целое число недель, чтобы нейтрализовать эффект дня недели, когда глубина небольшая.

Пороги обычно настраиваются так, чтобы каждый класс имел не менее 5 раз больше товаров, чем предыдущий. Это гарантирует, что небольшое количество классов охватывает даже большой каталог. Начиная с класса A из 100 товаров и предполагая 5-кратное увеличение, продавец футболок, упомянутый выше, нуждался бы в 4 классах, чтобы охватить весь свой каталог (100x5x5x5 = 12 500).

Принцип Парето и степенные законы

Анализ ABC основан на эмпирическом наблюдении, известном как принцип Парето или правило 80/20, согласно которому верхние 20% товаров обычно составляют 80% объема продаж, независимо от выбранной единицы измерения. Таким образом, в таких обстоятельствах имеет смысл сегментировать интересующие элементы - товары на складе - в соответствии с их “величиной” важности, то есть классами ABC.

С более математической точки зрения анализ, ориентированный на величину, такой как анализ ABC, привлекателен, когда базовое распределение (вероятностей) имеет “толстый хвост”, то есть точки, которые значительно отклоняются от среднего1. Такие ситуации часто возникают как в природных явлениях, так и в человеческой деятельности. Например, следующие распределения обычно имеют толстые хвосты:

  • численность сотрудников компании в стране
  • биомасса (в тоннах) видов в определенной области
  • кассовые сборы фильмов за любой заданный год
  • отзывы (в единицах) в автомобильной промышленности

Существует целый “бестиарий” математических распределений, которые известны своей способностью соответствовать таким ситуациям. Самые широко используемые распределения, вероятно, это степенной закон и распределение Ципфа. Эти математические функции в основном отличаются своей способностью “взвешивать” хвост распределения, то есть отражать вероятность возникновения очень редких ситуаций.

В конкретном случае цепей поставок простые экономические силы обычно действуют, чтобы искусственно ограничить величину выбросов. Например, в случае товаров, возвращаемых на склад, можно заметить, что наихудшие товары обычно полностью удаляются из ассортимента. Таким образом, товары, которые продавались, скажем, только один раз в год, не наблюдаются, потому что компания прекратила продажу этих товаров задолго до достижения такого уровня продаж.

Напротив, если товар продается чрезвычайно хорошо, то у компании есть стимул ввести варианты - по цвету, размеру или любому другому техническому атрибуту - чтобы дальше увеличить общий объем продаж. Опять же, товары, которые могли бы продаваться десятками миллионов единиц, могут никогда не быть замечены, потому что к моменту достижения такого объема были введены варианты, которые каннибализируют продажи исходного товара.

Общепринятые практики на основе анализа ABC

Анализ ABC используется для поддержки обычных решений, связанных с учетом запасов, таких как передача заказов на поставку поставщикам. Хотя можно спорить, можно ли считать практики, основанные на анализе ABC, “хорошими практиками” (см. раздел ниже ограничений анализа ABC), некоторые практики широко распространены, такие как:

  • назначение уровней обслуживания на основе класса товаров - у первых классов самые высокие цели, а у последних классов самые низкие.
  • назначение равного количества рабочей силы (внимания) каждому классу - например, специалист по цепям поставок тратит 1 час на обзор класса A (100 товаров), а затем 1 час на обзор класса D (10 000 товаров).
  • сегментация всех KPI по классам и аналогичная сегментация всех панелей управления или отчетов в соответствии с интересующим классом.
  • установление производственных обзоров - для команд цепей поставок - на основе правил, зависящих от самих классов ABC.

Действительно, поскольку классы ABC легко создавать и поддерживать, эти классы склонны сливаться с практиками компании в области управления цепями поставок, поскольку обычно нет сопротивления против того, что кажется интуитивным способом усовершенствования анализа запасов.

Историческая перспектива управления материалами

Исторически анализ ABC возник из перспективы управления материалами, которая была направлена на минимизацию административных накладных расходов, связанных с запасами. У каждого класса товаров был свой набор процессов:

  • “товары класса A” с очень жестким контролем и точными записями,
  • “товары класса B” с менее жестким контролем и точными записями,
  • “товары класса C” с наименьшими возможными контролями и минимальными записями.

Действительно, до 70-х годов записи о запасах приходилось вручную записывать в книги клерков, что было медленным и дорогостоящим. Таким образом, в большинстве случаев было более эффективно применять методы управления запасами, не требующие никаких записей, такие как Канбан.

Однако с появлением недорогих систем непрерывного учета запасов и считывателей штрих-кодов, эта практика постепенно исчезла. Действительно, риски, связанные с перемещением запасов без (цифровых) записей, такие как утрата, теперь обычно значительно превышают административные затраты на поддержание этих записей. Таким образом, все товары получают жесткий контроль и точные записи, то есть обработку товаров класса A, независимо от их важности.

Однако следует отметить, что большинство компаний все еще разделяют запасы - товары, которые обрабатываются и продается, и которые необходимо отслеживать - от общих запасов (например, канцелярских принадлежностей), которые не требуют отслеживания.

Интересно, что многие источники до сих пор указывают на эту историческую перспективу как основное мотивирование анализа ABC, хотя эта практика фактически исчезла из процессов большинства средних и крупных компаний с начала 2000-х годов.

Ограничения анализа ABC

Анализ ABC - это грубый метод категоризации запасов и имеет много ограничений. Эти ограничения склонны усугублять многие существующие проблемы в цепях поставок, такие как дефицит товара, избыток запасов, ненадежность и низкая производительность.

Неустойчивость. При использовании “разумных” параметров, таких как в приведенном выше примере, анализ ABC часто приводит к тому, что между четвертью и половиной товаров меняют свою категорию каждый квартал во многих отраслях. Что хуже, поскольку оценка устойчивости анализа ABC сложнее, чем сам анализ ABC, большинство компаний даже не осознают проблему. Эти неустойчивости подвергают опасности значительную часть корректирующих мер, основанных на классификации ABC, которые в конечном итоге применяются к неправильным товарам.

Только стационарные данные. Анализ ABC противоречит основным закономерностям спроса, таким как запуск продукта: вновь введенный товар имеет низкий объем по определению, потому что его объем продаж еще не наблюдался. Хотя возможно смягчить эффект новизны, другие закономерности, такие как сезонность, усложняют процесс. Например, в октябре игрушки, введенные за 6 месяцев до этого, классифицируются как товары категории C, в то время как рождественские продажи уже надвигаются. Анализ ABC - это стационарная перспектива спроса, и поэтому он будет создавать неэффективности в управлении запасами, когда спрос не является стационарным.

Низкая значимость. Что касается статистических показателей, количество информации, извлекаемой из истории спроса и упакованной через классы ABC, чрезвычайно низкое. Например, даже тривиальный показатель, такой как “общее количество проданных единиц в прошлом году”, обычно содержит больше информации о любом конкретном товаре, чем его класс ABC. Более того, любая статистическая модель, выполняющая любую задачу на основе исторических данных о запасах, может внутренне реализовать анализ ABC, если это окажется полезным - хотя на практике это не так.

Бюрократический процесс. Анализ ABC включает произвольный выбор параметров. Поскольку анализ ABC имеет очевидные недостатки, такие как запуск продукта (см. выше), обычно вводятся дополнительные параметры для смягчения этих недостатков. Затем, поскольку анализ ABC легко понять, многие люди неизбежно почувствуют необходимость быть вовлеченными в выбор всех этих параметров и/или запросить свои варианты. В результате, под видом быстрого и простого метода анализ ABC обычно превращается в ресурсоемкое бюрократическое мероприятие, которое не приносит осязаемых результатов.

Слепота. Частота не равно экономической значимости. Анализ ABC определяет значимость продукта на основе его частоты использования или выручки. Однако во многих случаях недоступность редко потребляемого или ценного товара может иметь самые разрушительные последствия, и этому товару следует придавать высокий уровень запасов и значимости. Примером из розничной торговли может быть эффект товара, когда блестящие предметы размещаются в витрине, которые редко продаются, но являются ключевыми для привлечения клиентов. В производстве или авиации конкретная деталь, которая может использоваться редко и имеет малую стоимость с точки зрения покупки, может привести к невозможности поднятия коммерческого самолета.

Взгляд Lokad на анализ ABC

Анализ ABC был представлен в начале 20-го века, в мире, где не существовало считывателей штрих-кодов, и где методы отслеживания запасов были дорогими и ненадежными. Удивительно, что этот метод остается широко распространенным, хотя большинство проблем, которые этот метод пытается решить, давно ушли в прошлое. Наш общий взгляд на анализ ABC следующий: все, что может делать анализ ABC, более простые методы делают лучше, например, оценка товара, а не классификация товара. Естественно, все эти простые методы требуют выполнения на компьютере, поэтому то, что можно считать “простым”, в значительной степени зависит от широкого контекста.

С точки зрения чисто отчетного аспекта, анализ ABC может быть приемлемым. Классы ABC могут помочь получить быстрое представление о категориях продуктов, например, путем отчетности о соответствующих долях товаров классов A/B/C внутри категории. Однако, как указано выше, анализ ABC подвержен бесполезным деталям. Поэтому мы рекомендуем тщательно избегать создания показателей и ключевых показателей эффективности на основе классов A/B/C, так как такие инициативы практически никогда не приносят ожидаемых преимуществ.

Примечания


  1. Распределение с тяжелыми хвостами - это вероятностное распределение, которое проявляет большую асимметрию или эксцесс по сравнению с нормальным распределением или экспоненциальным распределением. Интуитивно, это распределение, которое не следует обычной колоколообразной кривой, связанной, например, с размерами (в см) населения. ↩︎