Запасы, связанные с каждым SKU, представляют собой прогноз будущего. С более технической точки зрения, точку повторного заказа для SKU можно рассматривать как квантильный прогноз. Квантиль указывает минимальное количество запасов, которое следует иметь, чтобы избежать дефицита товара с вероятностью, равной уровню сервиса.

Хотя эта точка зрения весьма мощная, она фактически ничего не говорит о риске избыточных запасов, то есть о риске формирования зависших запасов, поскольку статистически рассматривается только сторона дефицита. Тем не менее, риск избыточного запаса важен, если товары скоропортящиеся или спрос на продукт может внезапно исчезнуть – как это бывает в бытовой электронике, когда на рынок выходит замена следующего поколения.

Пример: Рассмотрим случай западного ритейлера, продающего, среди прочего, цепи для снега. Время поставки для импорта цепей составляет 3 месяца. Регион, в котором находится ритейлер, не очень холодный, и только одна зима из пяти оправдывает использование цепей для снега. На каждую холодную зиму местный спрос на цепи для снега составляет 1,000 комплектов. Таким образом, любые квантильные прогнозы с уровнем сервиса выше 80% предполагают наличие на складе более 1,000 комплектов, чтобы вероятность дефицита оставалась ниже 20%. Однако, если зима окажется теплой, ритейлер останется с неизрасходованными запасами цепей для снега — 1,000 комплектов или более, возможно, на годы. Точка повторного заказа, рассчитанная обычным способом через квантиль, фокусируется на ситуациях пикового спроса, но не учитывает спад, когда спрос исчезает.

Тем не менее, риск избыточного запаса можно также контролировать с помощью квантилей, однако для этого требуется выполнить второй квантильный расчет, используя иной набор значений для тау (τ, не для уровня сервиса) и лямбда (λ, не для времени поставки).

В обычной ситуации имеем:

R = Q(τ, λ)

При этом:

  • R — это точка повторного заказа (количество единиц)
  • Q — это модель квантильного прогнозирования
  • τ — это уровень сервиса (в процентах)
  • λ — это время поставки (в днях)

Как показано на приведенном выше примере, такой расчет точки повторного заказа может приводить к большим значениям, которые не учитывают финансовый риск, связанный со спадом спроса, когда компания оказывается с зависшими запасами.

Чтобы справиться с риском избыточных запасов, формулу можно пересмотреть следующим образом:

R = MIN(Q(τ, λ), Q(τx, λx))

Где

  • τx — это максимально допустимый риск избыточных запасов
  • λx — это временной интервал, за который можно избавиться от запасов

В этом случае обычная точка повторного заказа ограничивается альтернативным квантильным расчетом.

Параметр τx используется для отражения приемлемого риска избыточных запасов; поэтому, вместо того чтобы рассматривать значения около 90%, как это делается для обычного уровня сервиса, обычно рассматривается низкий процент, например 10% и ниже.

Параметр λx используется для обозначения продолжительности, в течение которой стоимость запасов оказывается под угрозой, поскольку товары являются скоропортящимся или устаревающими.

Пример: Рассмотрим случай продуктового магазина, продающего помидоры, с временем поставки 2 дня. Ритейлер оценивает, что в течение 5 дней на полке помидоры потеряют 20% своей рыночной стоимости. Таким образом, ритейлер решает, что запас помидоров должен оставаться достаточно низким, чтобы вероятность непродажи всего запаса в течение 5 дней была менее 10%. Поэтому ритейлер применяет вторую формулу точки повторного заказа R с τ=90% и λ=2 дня, чтобы поддерживать высокий уровень доступности, в сочетании с τx=10% и λx=5 дней для контроля риска зависания запасов.

На данный момент Salescast не поддерживает нативно двойной квантильный расчет, однако добиться такого же эффекта можно, выполнив два расчета с различными параметрами времени поставки и уровня сервиса.