Управление запасами запасных частей с использованием технологии квантилей
Управление запасными и сервисными частями также стратегически важно, как и сложно. В мире, где большинство производителей оборудования и розничных торговцев работают на жестко конкурентных рынках, высокий уровень обслуживания существующей клиентской базы является стратегическим приоритетом для многих игроков.
Высокая доступность запасных частей не только помогает создать лояльную базу клиентов, но и позволяет компаниям, занимающимся производством/продажей оборудования, обнаружить услуги как часто очень прибыльный и повторяющийся источник дохода, который обычно более устойчив к экономическим циклам, чем продажи оборудования.
Однако эффективное управление запасами запасных частей по-прежнему представляет собой огромную проблему. Несмотря на то, что отрасль прогнозирования и планирования запасов существует уже несколько десятилетий, управление запасами запасных частей остается сложным по ряду причин:
- Большое количество деталей: Даже небольшие производители оборудования могут легко столкнуться с управлением более ста тысяч запасных частей.
- Высокий уровень обслуживания: Нехватка товара часто обходится очень дорого, поэтому высокий или очень высокий уровень обслуживания является важным во многих отраслях.
- Редкий спрос: Спрос на запасные части обычно разреженный и прерывистый, что означает, что требуется только очень низкий объем в определенные моменты времени.
Почему стандартные технологии прогнозирования работают плохо
К сожалению, сочетание этих факторов делает стандартные технологии управления запасами и прогнозирования неэффективными для планирования запасных частей. В классической теории прогнозирования и планирования запасов прогноз создается путем применения моделей, таких как скользящее среднее, линейная регрессия и Хольт-Винтерс, и большое внимание уделяется ошибке прогнозирования, которая оптимизируется путем измерения MAPE или подобных показателей. Преобразование в предлагаемый уровень запасов выполняется на втором этапе с помощью классического анализа резервного запаса.
В случае разреженных временных рядов (также называемых медленно движущимися товарами: низкий объем и редкие продажи) эта методология не работает. Основная проблема прогнозирования медленно движущихся товаров заключается в том, что мы, по сути, прогнозируем нули. Это интуитивно очевидно, если посмотреть на историю спроса на типичный портфель запасных частей на дневной, недельной или даже месячной основе: Наиболее часто встречающаяся точка данных - это ноль, который в некоторых случаях может составлять более 50% всех записанных точек данных.
Проблема прогнозирования медленно движущихся товаров: Хорошая статистическая производительность и хорошая практика управления запасами - не одно и то же.
Применение классической теории прогнозирования к этому типу данных означает, что лучший прогноз для медленно движущегося товара по определению является нулем. “Хороший” прогноз с точки зрения статистики будет содержать в основном нули, что оптимально с математической точки зрения, но не полезно с точки зрения оптимизации запасов.
Классический метод полностью отделяет прогноз от пополнения запасов. Проблема в том, что ситуацию трудно улучшить с помощью “лучшего” прогноза. На практике на самом деле важна точность полученного уровня запасов (точка повторного заказа), которая не измеряется и не оптимизируется.
Изменение подхода от точности прогноза к управлению рисками
При работе с медленно движущимися товарами мы считаем, что правильным подходом не является рассмотрение проблемы как проблемы прогнозирования и попытка прогнозировать спрос (который в основном равен нулю). Намного лучше анализ должен дать ответ на вопрос, сколько запасов необходимо для обеспечения желаемого уровня обслуживания. Суть анализа не в более точных прогнозах спроса, а в лучшем анализе рисков. Мы коренным образом меняем здесь подход.
Определение и оптимизация точки повторного заказа
Квантильные прогнозы позволяют прогнозировать оптимальный уровень запасов, обеспечивающий желаемый уровень запасов напрямую: С самого начала намеренно вводится смещение, чтобы изменить шансы на перепрогнозирование и недопрогнозирование.
Сравнение с классической технологией прогнозирования в сфере пищевых продуктов, непищевых продуктов, аппаратуры, предметов роскоши и запасных частей последовательно показывает, что квантильные прогнозы приводят к улучшению производительности более чем на 25%, что означает либо на 25% меньше запасов, либо на 25% меньше исчерпания запасов.
По нашему мнению, решая проблему прогнозирования прерывистого и разреженного спроса в управлении запасами запасных частей, технология квантилей не только обеспечивает значительное увеличение производительности, но и делает классические прогнозы устаревшими.
Белая книга по управлению запасами запасных частей доступна для скачивания
Скачайте белую книгу Управление запасами запасных частей с использованием технологии квантилей для подробного обсуждения данной темы. Дополнительные белые книги и ресурсы по квантильному прогнозированию и управлению запасами доступны на нашей странице ресурсов.
У вас есть комментарии, вопросы или опыт в области управления запасами запасных частей, которыми вы хотели бы поделиться? Пожалуйста, примите участие в комментариях ниже, ваш вклад очень ценен для нашей команды.
Комментарии читателей (1)
Отличный пост о технологии управления запасами. Я бы сказал, что из опыта работы с прогнозированием управления рисками само по себе является риском, когда вы не делаете это самостоятельно и полагаетесь на других, чтобы выполнить работу. 5 лет назад | Крис Тофф
