00:00:07 Резервный запас и его недостатки.
00:00:39 Определение и концепция резервного запаса.
00:02:05 Происхождение концепции резервного запаса и почему она остается популярной.
00:04:10 Проблемы резервного запаса: игнорирование сезонности и нереалистичные предположения о нормальном распределении.
00:07:15 Ситуации, когда резервный запас не работает, и необходимость в альтернативных подходах.
00:09:06 Как резервные запасы недооценивают риск и приводят к избыточным запасам.
00:12:00 Парадокс резервных запасов и их неэффективность в решении неопределенностей.
00:13:20 Практические решения и контроль в управлении цепочками поставок.
00:15:00 Альтернативные подходы между резервными запасами и вероятностными методами.
00:16:00 Уточнение параметрических моделей в цепочках поставок.
00:18:54 Проблема потерь из-за резервного запаса и ее последствия.
00:20:37 Роль прогнозов и их влияние на резервный запас.
00:22:29 Корректировка ошибок в управлении цепями поставок для улучшения.
00:23:01 Ключевое сообщение: не доверяйте устаревшим математическим моделям в цепочках поставок.
Резюме
В этом интервью Киран Чендлер и основатель Lokad Жоаннес Верморель обсуждают недостатки резервного запаса в управлении цепями поставок. Резервный запас, дополнительный запас для компенсации колебаний спроса, может быть чрезмерно консервативным, что приводит к избыточным запасам и потерям. Его популярность обусловлена простотой и историческим улучшением по сравнению с ручными расчетами, однако он не учитывает сложные неопределенности в цепочках поставок. Зависимость модели от нормального распределения спроса и сроков поставки нереалистична, и она не учитывает большие отклонения или неожиданные события. Вместо этого Верморель предлагает вероятностный подход для более эффективной оптимизации и управления запасами, одновременно учитывая последствия неопределенности и улучшая процессы после прогнозирования.
Расширенное резюме
В этом интервью ведущий Киран Чендлер и основатель Lokad Жоаннес Верморель обсуждают концепцию резервного запаса и его недостатки в управлении цепочками поставок. Резервный запас означает дополнительный товар, приобретаемый для защиты от колебаний спроса и сроков поставки. Несмотря на свою простоту, этот метод часто оказывается слишком консервативным, что приводит к избыточным запасам и потерям. В интервью исследуются истоки резервного запаса, его ограничения и альтернативные подходы для специалистов в области цепочек поставок.
Резервный запас возник из идеи, что, имея прогноз спроса, компания должна иметь больше запасов, чем предсказанное количество, чтобы снизить риск дефицита товара. Этот дополнительный запас, или «резервный запас», служит буфером для потенциальных колебаний спроса. Со временем индустрия сошлась на конкретном методе расчета резервного запаса: предположении, что будущий спрос и сроки поставки распределены нормально (по Гауссу), и использовании этой модели для определения необходимого буфера.
По словам Вермореля, популярность резервного запаса можно объяснить его успокаивающим названием и тем, что исторически он представлял собой улучшение по сравнению с ручными расчетами. Ранние компьютеры 1960-х и 1970-х годов испытывали трудности с более сложными вычислениями, поэтому расчеты резервного запаса были вполне приемлемым решением на тот момент. Однако многие практики продолжали полагаться на резервный запас, даже по мере развития вычислительных возможностей, что привело к его широкому распространению сегодня.
Основная проблема резервного запаса заключается в предположении, что всю неопределенность можно свести к нормальному распределению как для спроса, так и для сроков поставки. Это предположение особенно проблематично для сроков поставки. Полагаясь на расчеты резервного запаса, компании, как правило, создают постоянную долю от своего спроса в качестве буфера, игнорируя такие факторы, как сезонность. Хотя прогнозы спроса часто учитывают сезонные колебания, неопределенность в этих прогнозах не корректируется аналогичным образом.
В заключение, концепция резервного запаса, хотя и проста и на первый взгляд внушает уверенность, имеет существенные недостатки из-за своей зависимости от предположений о нормальном распределении спроса и сроков поставки. Этот подход часто приводит к избыточным запасам и потерям, поскольку не учитывает сложную природу неопределенности в цепочках поставок. По мере развития беседы интервью направлено на исследование альтернативных методов оптимизации цепочек поставок, которые выходят за рамки ограничений традиционных расчетов резервного запаса.
Беседа начинается с анализа классической модели резервного запаса, которую Верморель считает плохой аппроксимацией для управления неопределенностями в цепочках поставок.
Верморель объясняет, что предположение модели резервного запаса о нормальном распределении спроса и сроков поставки нереалистично. Например, сроки поставки могут быть постоянно короткими, за исключением случаев дефицита у поставщика, что может привести к значительно более длительным срокам поставки. В результате получается распределение, которое не имеет колоколообразной формы, а представляет собой пик около номинального времени и длинный хвост для редких событий.
Модель резервного запаса также не учитывает большие отклонения или неожиданные события, которые могут существенно повлиять на цепочки поставок. Такие события, как птичий грипп, влияющий на продажи курицы, не предусмотрены в модели нормального распределения. На практике эти большие отклонения происходят достаточно часто, чтобы вызвать проблемы.
Можно предположить, что недооценка риска приведет к большему количеству дефицита запасов, но на практике специалисты по управлению цепочками поставок адаптируются и увеличивают свои резервные запасы, чтобы компенсировать недооцененный риск. Они делают это, вводя факторы инфляции, либо явно, либо устанавливая более высокие цели уровня сервиса. Это приводит к избыточным запасам, что противоречит логике модели, созданной для обеспечения безопасности.
Проблема этого подхода заключается в том, что увеличенный резервный запас применяется равномерно ко всем продуктам, что приводит к избыточным запасам и неэффективности. Это усугубляется специалистами, которые микроменеджируют свои прогнозы, а затем увеличивают свои резервные запасы, фактически сводя на нет точность своих расчетов.
Верморель считает, что вероятностный подход лучше подходит для управления неопределенностями в цепочках поставок. Этот подход признает, что резервные запасы небезопасны и неэффективны. Фактически, нет отдельных куч для рабочих запасов и резервных запасов в складах; существует только один общий запас. Вопрос заключается в том, подходит ли этот запас для обслуживания клиентов.
Чтобы донести это сообщение до клиентов, настаивающих на наличии резервного запаса, Верморель подчеркивает, что резервные запасы небезопасны и неэффективны. Вместо этого вероятностный подход, который точно моделирует неопределенности в цепочке поставок, может привести к лучшей оптимизации и управлению запасами.
Верморель объясняет, что резервные запасы могут отвлекать бизнес от сосредоточения на решениях, которые они могут принимать, таких как заказы на покупку и производственные заказы. Он утверждает, что вероятностные подходы более подходят для управления цепочками поставок, поскольку они позволяют лучше контролировать решения, непосредственно влияющие на цепочки поставок.
Однако Чендлер отмечает, что вероятностные подходы сложны, так как требуют различных кривых спроса для каждого товара в каталоге. Он спрашивает, существует ли промежуточное решение для специалистов по цепям поставок, которое было бы менее сложным, чем подход Lokad, но более продвинутым, чем расчеты резервного запаса. Верморель признает, что, хотя в современном статистическом анализе существует парадокс, можно использовать более сложные параметрические модели. Однако эти модели быстро становятся сложными для работы и понимания, зачастую приводя к непрозрачной математической нотации. В итоге, Верморель предлагает, что, возможно, будет проще использовать методы машинного обучения, которые могут подгонять любое распределение, даже если у них нет явных формул.
Затем разговор переходит к проблеме потраченных впустую средств из-за резервных запасов. Верморель считает, что сосредоточенность на резервных запасах и прогнозировании спроса ошибочна, поскольку она не учитывает другие источники неопределенности, такие как сроки поставки. Он также отмечает, что идея идеального прогноза — это заблуждение, так как прогнозы всегда будут несовершенными. Вместо этого практикам цепочек поставок следует сосредоточиться на последствиях неопределенности и работать над улучшением своих процессов после прогнозирования.
Во многих ситуациях сложно значительно улучшить хорошо настроенное скользящее среднее для прогнозирования спроса. Верморель объясняет, что обвинение прогнозов в расхождениях зачастую оказывается бесполезным, так как настоящие проблемы часто лежат в последующих этапах. Он призывает специалистов по цепям поставок сосредоточиться на улучшении этих областей, так как они часто представляют собой легкодоступный потенциал для значительных улучшений.
Полная расшифровка
Киран Чендлер: Сегодня в Lokad TV мы собираемся объяснить, почему этот метод не работает, а также обсудить, какие альтернативы доступны специалистам по цепям поставок. Итак, Жоаннес, прежде чем перейти к проблемам резервного запаса, возможно, нам стоит начать с того, чтобы немного подробнее рассказать о нем. Как бы вы определили резервный запас?
Жоаннес Верморель: Резервный запас возник из идеи, что когда у вас есть прогноз, если вы храните количество товара, равное прогнозу, и если ваш прогноз сбалансирован, то вероятность отсутствия товара составляет 50%. Это и есть определение сбалансированного прогноза спроса. Таким образом, в качестве следствия, вам необходимо иметь запас больше, чем прогнозируется. Эта разница между прогнозом и фактической необходимостью для адекватного покрытия будущего спроса и называется резервным запасом. Общая концепция заключается в добавлении дополнительного буфера поверх среднего прогноза.
Однако в наши дни резервный запас имеет гораздо более узкое определение. Индустрия пришла к единому способу расчета резервного запаса, который заключается, по существу, в предположении, что будущий спрос и будущие сроки поставки распределены нормально. И под «нормальным» я подразумеваю гауссовское распределение. Затем эта конкретная модель применяется для расчета того, сколько нужно держать в резервном запасе.
Киран Чендлер: Когда появились эти идеи и почему рынок так зациклился на этом?
Жоаннес Верморель: Я считаю, что термин «резервный запас» звучит хорошо. Он звучит успокаивающе, и мы никогда не должны недооценивать силу хорошего бренда. Резервные запасы кажутся более безопасными. Кажется, что разумно сказать: “Мы играем безопасно, у нас есть эти резервные запасы”. Если вам придется выбирать между безопасным методом и небезопасным методом, конечно, вы выберете безопасный.
Так что, я думаю, наличие запоминающегося названия было частью того, что сделало этот очень специфический подход успешным. С другой стороны, в течение долгого времени компьютеры были чрезвычайно слабы. Мы перешли от ручных вычислений, когда нормальное распределение было лучшим, что мы могли сделать, что было лучше, чем вовсе отсутствие числового рецепта. Затем, в эпоху ранних компьютеров, в конце 60-х и начале 70-х, этого было достаточно. Я думаю, что многие практики просто заснули, и все осталось так.
Однако ключевая концепция наличия этой дополнительной подушки до сих пор имеет смысл. Что не имеет смысла, так это утверждать, что всю неопределенность можно свести к нормальному распределению, как для спроса, так и для сроков поставки. Это особенно абсурдно, когда речь идет о сроках поставки.
Киран Чендлер: Эта идея о том, что резервный запас небезопасен, может показаться некоторым людям немного преувеличенной. Почему мы считаем его немного небезопасным? Откуда берутся эти ключевые проблемы с резервным запасом?
Жоаннес Верморель: Резервный запас, чтобы дать представление о том, как он работает, начинается с вашего спроса. В итоге вы получаете запас, составляющий определенную долю от спроса. То есть, если вы прогнозируете 100, вы можете добавить 80 единиц, что составляет 80% от вашего исходного спроса, и это и есть ваш резервный запас. Это прямое следствие выбора конкретного уровня сервиса с предположением нормального распределения поверх спроса.
Проблема в том, что при таком подходе вы полностью игнорируете сезонность. Ваш прогноз спроса часто сезонный, и это ожидаемо. Но реальность такова, что неопределенность тоже сезонна.
Киран Чендлер: Вы утверждаете, что классическая модель запасов полностью игнорирует все закономерности, влияющие на неопределенность. Вы также упоминаете, что применение нормального распределения к спросу — это чрезмерное упрощение. Можете ли вы подробнее рассказать об этом?
Жоаннес Верморель: Конечно. Применение нормального распределения, особенно к срокам поставки, может ввести в заблуждение. Например, рассмотрим поставщика, который обычно доставляет вам товар в течение двух дней. В Европе обычно требуется всего один день для доставки, так что ваш срок поставки обычно составляет два дня. Однако, если у поставщика произойдет дефицит, задержка может достигать трех месяцев.
Киран Чендлер: То есть, это не колоколообразная кривая, верно?
Жоаннес Верморель: Абсолютно нет. Это совершенно другой шаблон. Мы наблюдаем значительный скачок вокруг вашего номинального срока поставки, за которым могут следовать значительные задержки. Это происходит, если вы сталкиваетесь с конкретным событием, таким как дефицит у поставщика. Таким образом, моделировать это как нормальное распределение — плохая аппроксимация, это как пытаться вписать квадрат в круг.
Киран Чендлер: Означает ли это, что любое небольшое отклонение или неизвестность нарушают эффективность резервного запаса?
Жоаннес Верморель: Действительно. Любой фактор, способный нарушить статус-кво, способный вызвать такую ситуацию, когда спрос на продукт может исчезнуть, делает модель резервного запаса неадекватной. Например, если вы продаете курицу, и сообщает о вспышке птичьего гриппа, люди могут перестать есть курицу на шесть месяцев. Это значительное отклонение от нормы, и оно не учитывается в нормальном распределении.
Kieran Chandler: Итак, большие отклонения обычны в реальных цепочках поставок?
Joannes Vermorel: Удивительно, но да. Хотя такие явления встречаются не всегда для всех товаров, любая крупная компания столкнется с несколькими большими неожиданностями каждый квартал. Модели резервных запасов, однако, предполагают, что таких крупных отклонений не бывает. Когда вы оптимизируете свою цепочку поставок, исходя из этого предположения, а потом происходят такие отклонения, это может оказаться очень дорогостоящим.
Kieran Chandler: Учитывая эти колебания и сюрпризы, не был бы лучше вероятностный подход? Каковы основные преимущества этого подхода по сравнению с резервными запасами?
Joannes Vermorel: Когда у вас есть модель, которая существенно недооценивает ваш риск, это может привести к недостаточным уровням запасов. В теории, резервный запас должен компенсировать это, создавая буфер против неожиданного спроса. Однако на практике специалисты по цепям поставок адаптируются таким образом, что усугубляют проблему. Они используют модели резервных запасов, которые недооценивают риск, стремясь к высокому уровню обслуживания, например, к 98%. Но из-за недооценки риска фактический уровень обслуживания оказывается ниже.
Kieran Chandler: Что касается крайних событий как по времени, так и по спросу, у вас, скорее всего, получится, скажем, 85-процентный уровень обслуживания. Это очень далеко от вашей цели в 98%. Так что же делать?
Joannes Vermorel: Вы используете золотую пулю — дополнительный мультипликативный параметр к вашим резервным запасам. Вы начинаете с вашей модели с предположением нормального распределения, а затем, поскольку буквально каждый, кто использовал резервные запасы, понял, что у нас есть эти проблемы, нам нужно увеличить наши резервные запасы. Компании введут эти коэффициенты инфляции двумя способами. Либо вы явно указываете коэффициент, либо говорите в программном обеспечении, что хотите 98-процентный уровень обслуживания, но вводите 99.9, потому что это способ эмпирически получить эти 98%.
То, что происходит, заключается в том, что из-за того, что ваша модель недооценивает риск, вы увеличиваете резервные запасы довольно равномерно. Это создает серьезную проблему, вызывая значительный избыток запасов. Парадокс в том, что у вас есть модель, которая недооценивает риск, поэтому вы увеличиваете резервные запасы повсеместно, и в итоге у вас оказывается много избытка запасов. Это забавно, потому что вы начинаете с того, что называете это «резервными запасами», но по сути это небезопасно из-за самого этого процесса.
Kieran Chandler: То есть вы говорите, что вы постоянно настраиваетесь на худший сценарий. Все настраиваются на тот день, когда им действительно понадобятся запасы, и затем, если запасы или спрос меняются, у них все равно остаётся этот дополнительный коэффициент безопасности.
Joannes Vermorel: Да, и у вас будет этот дополнительный резервный запас повсюду. Люди будут микроуправлять своими прогнозами, тратя много времени на их настройку. Они будут вычислять всё до последней граммы, чтобы быть сверхточными, а затем, благодаря этим резервным запасам, округлять всё до следующей метрической тонны, просто потому что у них есть этот коэффициент инфляции, который применяется равномерно ко всем товарам. Я немного стилизую, но это приблизительное представление того, что на самом деле происходит или что я видел не раз.
Kieran Chandler: Итак, как же вы обращаетесь с теми клиентами, которые категорически утверждают, что им нужна эта дополнительная величина безопасности, эти резервные запасы, этот буфер? Какое главное сообщение вы должны донести до них?
Joannes Vermorel: Главное послание таково: резервные запасы небезопасны и неэффективны. Это фикция. На вашем складе нет двух видов запасов; рабочие запасы, которые обслуживают спрос, и резервные запасы, которые обслуживают неопределенность. У вас есть только одна куча запасов. Вопрос в том, подходит ли это количество запасов для обслуживания ваших клиентов. Вы на самом деле не имеете большого контроля над уровнем запасов, потому что не контролируете спрос клиентов. Контроль у вас есть над заказами на закупку или производственными заказами, которые вы размещаете.
Проблема резервных запасов в том, что они отвлекают вас от решений, которые вы можете принять и которые оказывают реальное физическое воздействие на ваши цепочки поставок, таких как заказы на закупку, поставку или производство. Главное послание заключается в том, чтобы сосредоточиться на принятии решения, а не на относительно случайных параметрах вашего ERP.
Kieran Chandler: Проблема вероятностного подхода заключается в том, что он относительно сложен. Для каждого товара в вашем каталоге у вас своя кривая спроса, тогда как удобство резервных запасов в их относительной простоте. Вы просто добавляете определенный буфер для каждого товара. Есть ли что-то промежуточное для руководителей цепочек поставок, что они могут использовать? Что-то не такое сложное, как вероятностный подход Lokad, но немного лучшее и более продвинутое, чем подход с резервными запасами?
Joannes Vermorel: Я считаю, что мы затрагиваем небольшой парадокс современной статистической аналитики. Резервный запас — это параметрический подход в статистике, где у вас есть модель с параметрами, такими как среднее и дисперсия, и вы используете эту модель для настройки параметров. Однако вы быстро поймете, что эта параметрическая модель совершенно не подходит для ситуации, как квадрат — очень плохое приближение круга. Вы можете попытаться добавить больше сложности в модель, но очень скоро она станет криптической и трудной для понимания специалистами по цепям поставок.
Вы могли бы использовать более сложные явные модели, но их становится очень сложно описывать с математической нотацией. На самом деле проще использовать методы машинного обучения, которые несколько менее прозрачны, но могут подстроиться под любой тип распределения. Реальность такова, что когда вы хотите правильно объединить неопределенность времени выполнения с спросом, нельзя ожидать простой, закрытой формулы. Всё будет сложно, как бы то ни было, но также необходимо учитывать тонкие взаимодействия между временем выполнения и спросом.
Kieran Chandler: Мы много говорили о потерях из-за резервных запасов и о том, что это впустую потраченные деньги. Почему люди не пытались улучшить это, и почему этому не уделяют внимания?
Joannes Vermorel: Я думаю, что это связано с тем, что резервные запасы хорошо понятны многим специалистам по цепям поставок. Они склонны недооценивать то, что хорошее понимание будущего спроса — это только начало. Будущий спрос — не единственный источник неопределенности; будущие сроки выполнения — другой источник, и еще есть другие проблемы. Специалисты могут отвлекаться на чисто прогноз спроса, а также существует иллюзия, что если они единожды и навсегда решат проблему прогнозирования, все остальные проблемы будут решены.
Kieran Chandler: Кажется, существует убеждение, что идеальный прогноз устраняет все остальные проблемы. Однако вы предполагаете, что это заблуждение, и что нам нужно принять вероятностный подход, признавая, что прогноз всегда будет несовершенным. Не могли бы вы подробнее это разъяснить?
Joannes Vermorel: Абсолютно. Вероятностный подход заключается в отказе от мечты об идеальном прогнозе. Он предполагает принятие того, что прогнозы всегда будут несовершенными, и работу с последствиями этой несовершенности. Например, одним из последствий является необходимость начать учитывать влияние неопределенностей, таких как резервные запасы, которые представляют собой очень примитивный способ моделирования последствий этой неопределенности.
Kieran Chandler: Итак, вы предполагаете, что прогноз часто обвиняют без надобности?
Joannes Vermorel: Да, именно это я и говорю. При использовании резервных запасов люди склонны обвинять прогноз, хотя на самом деле прогноз был настолько хорош, насколько это возможно. Трудно сделать что-то значительно лучше, чем хорошо настроенное скользящее среднее. Конечно, его можно немного улучшить, учитывая такие факторы, как сезонность, но даже тогда трудно сократить ошибку более чем на треть. Так что обвинять прогноз бессмысленно. Очень часто настоящие ошибки происходят потом, и именно в этих областях мы можем добиться значительных улучшений.
Kieran Chandler: В заключение, какое главное послание для руководителей цепочек поставок? Им следует начать отказываться от расчетов резервных запасов и принимать нехватку запасов, или лучше понимать свои прогнозы?
Joannes Vermorel: Главное послание — не доверять математическим моделям, которые были созданы в первую очередь для ручных расчетов. Нелогично управлять своей цепочкой поставок, основываясь на методе, не требующем компьютеров. Точно так же, как было бы нелогично хранить большое количество рюкзаков на случай, если грузовики перестанут работать. Проблема резервных запасов в том, что они сохраняются благодаря хорошему брендингу и тому, что кажется неясной технической деталью оптимизации цепочек поставок. Я бы предложил ставить под сомнение свои предположения, касающиеся численной оптимизации вашей цепочки поставок. Вам не нужно быть математиком, чтобы это сделать. Просто проверьте, соответствуют ли эти предположения реальности вашей цепочки поставок.
Kieran Chandler: Понятно, значит, можем ли мы в будущем наблюдать переход от термина ‘резервные запасы’ к ‘небезопасным запасам’?
Joannes Vermorel: Кто знает? Возможно, так и будет.
Kieran Chandler: Спасибо, Joannes. На этой неделе всё. Благодарим наших слушателей за внимание, и до встречи в следующий раз. Пока.
