Ситуация на рынке постоянно меняется, поэтому современная система управления запасами должна уметь работать в условиях неопределенности и постоянных рисков. Рассмотрим факторы, которые обязательно нужно учитывать.
1. Индивидуальное распределение спроса для каждого товара
Характер спроса для разных товаров отличается. Например, молоко может иметь стабильные ежедневные продажи, а йогурт премиум продавться очень редко. Соответственно распределение спроса для этих товаров будет разным. И это нужно учитывать при прогнозировании. На практике зачастую для всех товаров используется один и тот же тип распределения - Нормальное (или распределение Пуассона). Мы же рекомендуем использовать вероятностное распределение объемов спроса на каждую товарную позицию, так как в основе таких методов лежит математическое моделирование самого процесса спроса.
2. Риск возникновения дефицита
Что будет, если хранить мало товарного запаса? Выгодно ли это для компании? Сколько прибыли потеряет компания, если возникнет дефицит? Эти вопросы напрямую влияют на прибыль компании. Поэтому вероятность возникновения дефицита и потенциальную упущенную прибыль при расчете заказа нужно обязательно учитывать. На практике обычно стараются максимизировать уровень сервиса, но это не всегда выгодно, даже если при этом не ухудшается оборачиваемость.
3. Риски смещения сроков поставки и частичная поставка товаров
Поставщик обещал привезти товар через неделю, но опоздал на несколько дней или привез только часть продукции. В итоге возник дефицит. От таких ситуаций никто не застрахован. Их можно и нужно учитывать при планировании запасов - закладывать дополнительный запас на основе анализа прошлой статистики сроков доставки и надежности поставщика.
На практике зачастую компании хотят автоматизировать расчёт дополнительного запаса на случай срывов сроков поставки. Для этого предполагается брать прошлые данные по срокам доставки и брать медиану или среднее значение. Также можно использовать данные по частоте прошлых отклонений от гарантированного срока доставки для вероятностного моделирования и проводить моделирование на разные сроки доставки в том процентном соотношении, в котором наблюдаются отклонения.
