Логистика: планирование материальных потоков. Практика vs Теория

Содержание

Intro.

Данный труд рассматривается как попытка написания серии статей на тему рассмотрения проблем возникающих при попытке «натягивания» теории на практику. Ну или о попытках переноса западных стандартов ведения бизнеса на суровую Российскую действительность)). Не это главное. Мы просто будем анализировать противоречия возникающие в ходе автоматизации и анализа бизнес процессов.

Введение. О чём этот фильм?

Сейчас логистика направлена больше на решение таких задач как осуществление управления и контроля движением материальных / информационных потоков. При этом такая немаловажная часть как «планирование» материальных потоков, зачастую остается за рамками задач решаемых логистикой. О них и поговорим.

А оно надо?

Как решаются эти задачи на большинстве предприятий? При помощи экспертной оценки. Никто лучше эксперта не скажет, сколько товара будет продаваться завтра, потому что он уже не один год в этом бизнесе. Но давайте посмотрим на процесс со стороны. Допустим, решается задача закупки товара. Как минимум, для принятия решения эксперту требуется информация о текущем наличии товара в магазине (структурированная по различным статусам), и информация о продажах за период (например, продажи за параллельный период прошлого года, предшествующие n месяцев и т.п.). На основании данной информации, опыта (эта штуковина в любом количестве продастся), знаний специфики бизнеса (если в наличии не будет черной помады, черный лак для ногтей точно никогда не продастся), логических рассуждений и интуиции- принимается решение о составе и количестве закупки. Вы тоже верите, что при принятии решения эксперт в голове применяет метод скользящей средней с учетом сезонности спроса и проходящих в данный момент маркетинговых акций? Прикидывает выделенный бюджет и распределяет его по товарным группам? А я верю. Совершенно серьезно. Более того, экспертная оценка просто необходима при прогнозировании нового, сопутствующего товара, товара повышенного спроса, наконец. Но. К сожалению? Человеческий мозг не может содержать информацию о тысячах номенклатурных позиций одновременно? Волей-неволей, мы пришли к необходимости автоматизированной обработки информации. Начнем с разбиения товаров на товарные группы. Как говорится «Разделяй и властвуй».

Статья 1. ABC и XYZ метод. ТЕОРИЯ:

ABC метод.

Наиболее распространенным методом контроля и управления запасами (во многом из-за его простоты) является метод ABC. Не хочется останавливаться подробнее на алгоритмах его реализации из-за всё той же распространенности. Более интересной задачей является принцип определения границ групп. Можно выделить три основных подхода:

На основании данных обследований (1)
«Дифференциальный» (2)
«Аналитический» (3)

Первый метод. Интересно отсутствие единого подхода при применении первого метода.

Вот лишь некоторые его интерпретации:

Источник	A		B		C
Источник	$	% от кол.	$	% от кол.	$	% от кол.
«правило Парето»	80	20	15	30	5	50
Р. Линдерс	70-80	10	10-15	10-20	10-20	70-80
J. Shapiro	60	20	20	20	20	60

Однако следует отметить, что правило Парето считается «классическим» подходом.

Второй метод состоит в определении средней себестоимости одного товара. Товары с себестоимостью в 6 раз и выше средней относятся к группе A. Товары с себестоимостью более чем в 2 раза меньшей средней — к группе С. Остальные товары относятся к группе B.

При использовании третьего метода необходимо выполнить ряд довольно сложных математических преобразований:

использовать метод наименьших квадратов
приводить нелинейные зависимости к «нормальному» виду
воспользоваться теоремой Лагранджа и т.п.

Но самое интересное, это то, что результаты расчетов по третьему методу, как правило, довольно близки к «эмпирическому» первому методу (4).

XYZ метод.

На этом этапе может сложиться впечатление, что мы готовы к разбитию товаров на группы. Однако это не так. Примеры по статистическим методам изобилуют графиками примерно такого вида. Возьмем статистику продаж:

Часто, к сожалению, та же статистика продаж, носит гораздо более удручающий вид.. Поэтому необходимо как минимум классифицировать товар ещё и по однородности (коэффициенту вариации). В соответствии со Statistical Inventory method метод получил название XYZ анализа. Формула расчета коэффициента вариации:

, где

Xi — значение параметра по оцениваемому объекту за i-тый период, X- среднее значение параметра по оцениваемому объекту, N — число периодов.

Номенклатурные позиции со значением коэффициента вариации от 0 до 10% попадают в категорию X, от 10 до 25% — в категорию Y, остальные — в категорию Z. Либо задаются вручную по точкам перегиба. На этом этапе может выясниться, что весь товар, например, попадает в категорию Z. Т.е. неоднороден и в контексте того же анализа спроса применяться не может. Но это ещё не повод отчаиваться, возможно не были учтены существенные факторы, например:

сезонные колебания спроса
маркетинговые акции
отсутствие товара, наконец, и т.п.

По совокупности ABC/XYZ групп Вы уже можете сделать целый ряд выводов. Например, при анализе спроса:

товары категории X обладают устойчивым однородным спросом и должны всегда быть представлены в магазине. В случае отсутствия товара данной категории Вы можете «оттолкнуть» потребителя. Например, для food сетей это будет хлеб, соль ..
товары категории A/X — хиты, которые мало того, что приносят наибольшую часть дохода, ещё и приносят его постоянно и равномерно. Товарам этой категории необходимо уделять самое пристальное внимание.
по товарам категории Z можно даже не пытаться автоматизировать пополнение. Товары этой категории обладают настолько неоднородным спросом, что это может привести к ошибкам.
товары категории C/Z заслуживают самого пристального внимания экспертов, но не с точки зрения контроля пополнения, а с точки зрения анализа целесообразности наличия этих товаров в ассортименте. Необходимо выявить среди них сопутствующие товары, а остальные, возможно, «выдавливать» из ассортимента.
?

Вот теперь можно сказать, что мы готовы к разбиению товаров на группы, но —

ПРАКТИКА: ABC метод.

Ну во первых на практике математические методы определения границ групп никого не волнуют)) Просто проверяется правило Парето и если оно работает — его и будем применять. А если оно не работает, то скорее всего Вы не правильно его применили. Многие воспринимают буквально отношение 80 на 20. А на самом деле, есть ещё немножко математики, надо отсортировать, вычислить нарастающий итог и уже для него определять долю. Но так как мы находимся в разделе практики — акцентироваться на теории смысла нет. Литературы достаточно.

Итак, с методами исчисления границ групп определились, остается определить, что и как будем классифицировать.

Что классифицировать:

Клиенты — клиентов надо знать в лицо, а не разбивать на группы. Сэйлз должен знать кличку любимой собаки ВИП клиентов и т.д. и т.п., а не работать с группой ?B?.
Товар — а вот эта часть наиболее интересна с точки зрения анализа. В общем проклассифицировать можно что угодно, но сначала стоит ответить на вопрос зачем? Товар предлагается классифицировать для автоматизации методов пополнения и планирования материальных потоков.

Характеристики:

Маржа — очевидный критерий. Коммерческая деятельность любого предприятия направлена на извлечение прибыли.
Выручка — смещение акцента на товары приносящие наибольшую выручку часто оправдано в условиях дефицита наличных денежных средств. На мой взгляд этот критерий вторичен по отношению к марже в обычных условиях и должен быть выделен.
Товарооборот — деление товара по количеству проданных копий — малоэффективно с точки зрения ABC анализа. Нас интересует больше частотность спроса (XYZ и его аналоги) а не деление с точки зрения массмаркета.

Таким образом, по характеристикам рекомендуется использовать совокупный анализ по марже и выручке. Попытки построения производной величины не приведут ни к чему хорошему, поэтому лучше сразу построить характеристику путем обычного сложения класса по марже и выручке. Например: -АА?, «АB», ?AC? , где первая буква это класс по марже, а вторая — класс по выручке.

Период анализа:

Краткосрочный анализ. Если Ваш бизнес не статичен в пространстве и времени)) — то постоянно появляются новинки, меняется спрос и т.д. Для целей своевременного определения кто «сейчас на волне» — необходимо анализировать продажи за краткий предшествующий период. Длительность периода определяется индивидуально для бизнеса.
Долгосрочный анализ. Анализ за более длительный предшествующий период необходим для анализа результатов анализа за краткосрочный период.

Извините за тавтологию, но только сопоставив результаты анализа за, например 3 месяца и 3 недели Вы сможете более достоверно определить является ли переход товара в более высокую/низкую категорию результатом изменения спроса или случайным всплеском. И принять взвешенное решение по окончательному отнесению к той или иной категории.

Объекты анализа:

География. Если Вы реализуете товар в разных географических точках то соответственно и спрос в разных регионах — различен. Это стоит учитывать.
Категории — Разбиение товара на более мелкие категории не имеет никакого смысла.

Часто стремятся отделить к примеру массмаркетовый товар от брендового товара и проанализировать по частям. Суммы маржи-выручки выравнивают и дают однозначный критерий «нужности» товара. Деля же товар на категории теряется сам смысл анализа «товарного портфеля предприятия» а не его частей.

Количество категорий:

3 категории — это классика!
4 категории — часто добавляют ещё категорию D (менее 1%), для того чтобы отделить ассортимент товаров, подлежащий возможному выдавливанию.
Большее количество групп приводит к запутыванию персонала.

ПРАКТИКА: XYZ метод.

На практике далеко не все товары подвержены анализу по среднеквадратичному отклонению.

Например у Вас следующая статистика продаж: 120,121,122,0,120
Случайно затесавшийся ноль — отнюдь не символизирует чудовищное падение спроса по четвергам. Скорее всего, этого товара банально не было в наличии. Или по нему проводилась выборочная инвентаризация и т.п. А среднеквадратичное отклонение для того и нужно, чтобы возвести отклонения в квадрат. В итоги можно выплеснуть дитя из купели.
Рассмотрим другой случай. Пусть есть 2 товара со следующей статистикой:
Товар1: 121,122,123,124
Товар2: 1,1,1,1,1

Естественно по товару 2 СКО равно нулю и с точки зрения математики он идеально стабильный товар. Но с точки зрения практики — его случайно раз в день покупают.

Для того чтобы сгладить неровности спроса часто укрупняют период. Например берут за основу не статистику продаж по дням, а по неделям и т.д. с единственной целью — добиться результатов. На мой взгляд это не правильно. Гораздо более рационально сменить метод и разбить товар по частоте продаж взяв за основу, например количество строк в чеках или количество строк в накладных на товар.

Логика проста: чем в большем количестве документов встречается номенклатурная позиция — тем более стабильным спросом она обладает. Взяв за основу не товарооборот, а количество строк — мы стремимся удовлетворить как можно большее количество клиентов, а не одного, который по 100 штук за раз покупает.

Вместо заключения.

Осталось добавить, что деление на категории ради деления на категории — бессмысленно. Имеет смысл в рамках привязки определенных критериев в системе к категориям. Например, размер страхового запаса определять для категорий товаров, а не индивидуально. Определять нормативы по категориям для анализа состояния запасов и т.д. Эти и другие вопросы мы рассмотрим в следующих статьях.

Автор: В.Кулибаба