#Delivery #Basics
В двух предыдущих материалах по тегу #Delivery (здесь и здесь) я начал тему оптимального размещения товаров на складе. Я описал, что первичное распределение продукции по зонам логично осуществлять по массо-габаритным параметрам. А оптимизацию разумно начинать с ABC анализа, предварительно классифицировав ячейки склада по точно таким же критериям.
Распределив товары по категориям A,B и C мы можем столкнуться с ситуацией, что товар категории А, хоть и отгружается со склада в очень больших количествах, но заказывают его всегда в паллетных объемах (например воздушные фильтры). То есть подбирать его приходится не так часто, как, например, товар категории B, который дилеры заказывают поштучно, но десятки раз в день (например, инжекторы). Чтобы решить эту проблему, ABC анализ проводят еще раз, но только ориентируются уже не на количество единиц отгружаемой за период продукции, а на количество [строк] заказов товаров. Некоторые эксперты (например, я встречал это у КСЛ) называют такой анализ DEF (название условно, можно назвать его A1B1C1 или еще как-то по-другому). Результат интерпретируют абсолютно аналогично: D – высокооборачиваемые товары (обычно 20% номенклатуры), E – низкооборачивыемые (обычно 30% номенклатуры), F – необорачиваемые товары (обычно 50% номенклатуры).
В результате мы получаем два списка продукции, классифицированной по оборачиваемости. ABC – по количеству единиц отгруженного товара. DEF – по количеству заказов, размещенных на товары. По вышеназванной причине часть этого списка не совпадет: товар попадет в категорию A в первом списке и в категорию E во втором. Чтобы определить быстро, медленно и необорачиваемые товары теперь нам потребуется матрица:
Теперь у нас появился более продвинутый инструмент, который поможет разделить товары внутри категории. Здесь нужно оговориться, что такой анализ целесообразно проводить отдельно по зонам, чтобы сравнивать товары с условно одинаковыми массо-габаритными параметрами. Итак, распределив наши позиции по ячейкам матрицы, мы определим товары категорий AD, BD и AE, как высокооборачиваемые. Исходя из логики классификации, товары AE будут отгружаться большими объемами по сравнению с BD. То есть к категории BD будет больше обращений при меньшей глубине строки, тогда как к категории AE будет меньше обращений при большей глубине. Для чего нам эта информация? Давайте представим, что мы работаем с зоной мезонина. Зная, что у нас есть группа товаров, к которым обращения частые, а количества штучные, мы можем разместить их, во-первых, ближе к зоне консолидации, а, во-вторых, использовать тару меньшего объема при кластерном методе комплексного отбора (либо изменить его на пакетный). Напротив, товары, к которым обращения реже, но объемы больше мы можем отбирать либо в ящики большего размера, либо при значительном отборе перейти на дискретный подбор, чтобы не разделять строку заказа.
Но что же делать с сезонными товарами? Ведь анализ с горизонтом в 12 месяцев не позволит оперативно выявить переход товара из категории в категорию. Все правильно. Горизонт 12 месяцев – это первичный анализ для распределения медленно оборачиваемых и необорачиваемых позиций по складу. Для быстрооборачиваемых позиций анализ нужно производить гораздо чаще (хотя бы 1 раз в месяц) и оперативно товары перемещать. Но как же быть с теми медленно оборачиваемыми позициями, на которые, например, единоразово объявили акцию? Ведь в один месяц они попадут в категорию быстрооборачиваемых, а в другой вернутся обратно в свою категорию?
В следующей публикации по тегу #Delivery я расскажу подробнее о XYZ анализе.