Управление запасными и сервисными запчастями имеет такое же стратегическое значение, как и является сложной задачей. В мире, где большинство производителей оборудования и ритейлеров работают на жестко конкурентных рынках, высокий уровень обслуживания для существующей базы клиентов является стратегическим приоритетом для многих игроков.

Высокая доступность запасных частей не только помогает создать лояльную базу клиентов, но и компании-производители оборудования обнаружили, что сервисные услуги зачастую являются очень прибыльным и постоянным источником дохода, который, как правило, более устойчив к экономическим циклам, чем продажи оборудования.

Тем не менее, эффективное управление запасами запасных частей по-прежнему представляет собой огромную проблему. Несмотря на то, что технологии прогнозирования и планирования запасов существуют уже несколько десятилетий, управление запасными частями остаётся сложной задачей по ряду причин:

  • Большое количество запчастей: Даже небольшие производители оборудования могут столкнуться с необходимостью управлять более чем ста тысячами запасных частей.
  • Высокие требования к уровню обслуживания: Нехватка товара часто обходится очень дорого, поэтому высокий и очень высокий уровни обслуживания имеют первостепенное значение во многих отраслях.
  • Редкий спрос: Спрос на запасные части, как правило, невысокий и прерывистый, что означает, что требуются лишь очень небольшие объемы время от времени.

Почему стандартные методы прогнозирования работают плохо

К сожалению, сочетание этих факторов делает стандартные технологии управления запасами и прогнозирования неподходящими для планирования запасных частей. В классической теории прогнозирования и планирования запасов прогноз составляется с применением моделей, таких как скользящая средняя, линейная регрессия и метод Холта-Винтерса, и большое внимание уделяется ошибке прогнозирования, которая оптимизируется путем измерения MAPE или аналогичных показателей. Преобразование в предполагаемый уровень запасов выполняется на втором этапе с помощью классического анализа резервных запасов.

В случае разреженных временных рядов (также называемых медленно оборачиваемыми товарами: низкие единицы и нерегулярные продажи) эта методика терпит неудачу. Основная проблема прогнозирования медленно оборачиваемых товаров заключается в том, что по сути мы прогнозируем нули. Это интуитивно понятно, если взглянуть на историю спроса типового портфеля запасных частей на ежедневной, еженедельной или даже ежемесячной основе: наиболее частой величиной является ноль, который в некоторых случаях может составлять более 50% всех зарегистрированных значений.

Проблема прогнозирования медленно оборачиваемых товаров: хорошая статистическая точность и эффективное управление запасами — это не одно и то же.

При применении классической теории прогнозирования к такому типу данных, лучший прогноз для медленно оборачиваемого товара по определению равен нулю. «Хороший» прогноз с точки зрения статистики будет в основном возвращать нули, что оптимально с математической точки зрения, но не полезно для оптимизации запасов.

Классический метод полностью отделяет прогноз от пополнения запасов. Проблема в том, что ситуацию вряд ли можно улучшить с помощью «лучшего» прогноза. Что действительно имеет значение на практике, так это точность итогового уровня запасов (точка повторного заказа), которая не измеряется и не оптимизируется.

Смена подхода от точности прогноза к управлению рисками

При работе с медленно оборачиваемыми товарами мы считаем, что правильный подход заключается не в том, чтобы рассматривать проблему как вопрос прогнозирования и пытаться предсказать спрос (который в основном равен нулю). Скорее, анализ должен давать ответ на вопрос, сколько запасов необходимо для обеспечения требуемого уровня обслуживания.Главная цель анализа заключается не в более точном прогнозе спроса, а в лучшем анализе рисков. Мы коренным образом меняем подход.

Прямое определение и оптимизация точки повторного заказа

Квантильные прогнозы позволяют прогнозировать оптимальные запасы, которые напрямую обеспечивают требуемый уровень запасов: с самого начала намеренно вводится смещение для коррекции вероятности завышенного или заниженного прогноза.

Сравнительные испытания классических методов прогнозирования в сегментах продовольствия, непродовольственных товаров, аппаратного обеспечения, товаров класса люкс и запасных частей постоянно демонстрируют, что квантильные прогнозы обеспечивают повышение эффективности более чем на 25% — это либо более чем на 25% снижение запасов, либо на 25% сокращение случаев нехватки товара.

На наш взгляд, решая проблему прогнозирования прерывистого и разреженного спроса в управлении запасными частями, квантильная технология не только обеспечивает значительное повышение эффективности, но и полностью вытесняет классическое прогнозирование.

Белая книга по управлению запасными частями доступна для скачивания

Скачайте белую книгу **Управление запасами запасных частей с использованием квантильной технологии для подробного обсуждения этой темы. Дополнительные белые книги и ресурсы по квантильному прогнозированию и управлению запасами доступны на нашей странице ресурсов.

Есть ли у вас комментарии, вопросы или опыт, касающиеся управления запасными частями, которыми вы хотели бы поделиться? Пожалуйста, участвуйте в обсуждении в комментариях ниже, ваш вклад очень ценен для нашей команды.


Комментарии читателей (1)

Отличная статья о технологиях управления запасами. По моему опыту, управление прогнозированием рисков само по себе является рискoм, если вы не берете это на себя и полагаетесь на других для выполнения задачи. Chris Toff (5 лет назад)