عنوان مقاله: How to Reduce Inventory Costs while Maintaining Service Levels
نویسنده: Ni Pan and Jamie Sweeney
برگردان: معصومه موسی (پژوهشگر موسسه مدیریت زنجیره تامین آمادگران)
به سفارش: موسسه مدیریت زنجیره تامین آمادگران
زمان انتشار: ۲۳ ژوئن سال ۲۰۲۰ میلادی
محققان در مرکز حملونقل و لجستیک MIT با مشارکت یک شرکت برجسته سازنده آب معدنی در ایالات متحده آمریکا، چارچوبی تحلیلی را برای تعیین مقدار مناسب ذخیره اطمینان ضمن حفظ سطح بالای خدمات و کاهش هزینه‌ها ارایه دادند.
در صنعت کالاهای مصرفی رقابتی، کسب‌وکارها برای رفع تقاضا و حفظ مشتریان ارزشمند، هزینه‌های لازم را متحمل می‌شوند. این رفتار اغلب منجر به تغییرات ناکارآمد برنامه تولید، حملونقل پرهزینه و ایجاد تورم در سطح موجودی از طریق افزایش ذخیره اطمینان می‌شود.
محققان در مرکز حملونقل و لجستیک MIT با مشارکت با یک سازنده برجسته آب معدنی در ایالات متحده آمریکا، چارچوبی تحلیلی را برای تعیین ذخیره اطمینان با اندازه مناسب ایجاد کردند و ضمن حفظ سطح بالای خدمات، هزینه‌ها را کاهش دادند.
نکته کلیدی در طراحی این چهارچوب، جمع‌آوری مناسب SKUها و از همه مهم‌تر ادغام داده‌های تقاضا و پیش‌بینی است. از دیدگاه قابل پیش‌بینی بودن SKUها، مشاغل می‌توانند پتانسیل افزایش در سطح موجودی را شناسایی کرده و به محض ایجاد تغییرات در نیازها سریعاً سازگار شوند.
استراتژی سفارش “یک اندازه متناسب با همه”
در دسترس بودن مواد اولیه برای شرکتی که در محیطی کار می‌کند که همیشه باید تقاضای مشتریان برآورده شود، بسیار مهم است. برای شرکت همکار در این مقاله(شرکت تولید آب‌معدنی) این نکته بسیار مهم‌تر هم هست، زیرا تولید با فرض ۱۰۰٪ در دسترس بودن مواد برنامه‌ریزی شده است. در بعضی مواقع به نظر می‌رسد که به دلیل فصلی بودن و نوسانات تقاضا، که توسط تبلیغات مشتری محور و زمان طولانی تحویل توسط تأمین کننده تقویت شده است، همواره داشتن مواد اولیه کافی ممکن نیست.
با این وجود، ارزش فوق‌العاده‌ای در تجزیه و تحلیل داده‌ها وجود دارد. حتی داده‌های ساده تقاضا اولیه و پیش‌بینی می‌توانند در تنظیم سیاست‌های سفارش موجودی بسیار مفید باشند.
شرکت همکار در این مقاله، مانند بسیاری دیگر از شرکت‌های حاضر در صنعت، متکی به مدت زمان days-on-hand است تا اهداف موجودی را برای همه SKUها در یک رده مواد اولیه تعیین کند.
استراتژی سفارش “یک اندازه متناسب با همه” احتمال افزایش تقاضا و تغییر تقاضا در میان SKUها را تشخیص نمی‌دهد. درنهایت، این امر باعث می‌شود تا شرکت‌ها با تسریع در سفارشات یا انتقالات داخلی مواد، تلاش کنند تا تقاضا را برآورده سازند (و هزینه های بیشتری را متحمل شوند). محققان به دنبال یافتن راهی بهتر برای مدیریت موجودی SKU در این گروه بودند.
قدرت پیش‌بینی
در صنعت شرکت تولید آب‌معدنی، بر اساس حجم فروش، SKUها را در دسته‌های A ،B و C قرار می‌دهند. محققان بخش‌بندی SKUها را با تقسیم‌بندی بر اساس عملکرد تقاضا نسبت به پیش‌بینی مورد انتظار، مورد تفکیک قرار دادند. این چهار گروه پیش‌بینی (“آرام” ، “نامنظم” ، “متناوب” و “ناخوشایند”) بر اساس ضریب تغییر تقاضا و احتمال افزایش تقاضا بودند. محققان نشان دادند که با داشتن یک مرور کلی در توزیع SKU بر اساس پیش‌بینی، الگوهای تقاضای SKU و اساس پیش‌بینی واضح‌تر می‌شوند و ذخیره اطمینان می‌تواند کارآمدتر اداره شود.
علاوه بر این، تیم یک مدل شبیه‌سازی را برای درک تأثیر موجودی و سطح خدمات در صورت انحراف استاندارد تقاضای مشتری با انحراف استاندارد خطاهای پیش‌بینی در محاسبه ذخیره اطمینان جایگزین کرده است. نتایج شبیه‌سازی نشان داد استراتژی ذخیره اطمینان با استفاده از انحراف استاندارد خطاهای پیش‌بینی منجر به افزایش ۲.۵٪ سطح خدمات با سطح موجودی مشابه می‌شود. علاوه بر این، هنگامیکه با موجودی واقعی در دسترس مقایسه شود، از طریق کاهش قابل توجه ذخیره اطمینان برای SKUهای قابل پیش‌بینی صحیح ، امکان پس‌انداز وجود دارد. از طریق شبیه‌سازی، محققان ثابت کردند که این ۲۸٪ پتانسیل کاهش در سطح موجودی SKUهای “آرام”، بر سطح خدمات تأثیر نمی‌گذارد.
داده، کلید موفقیت
از تجزیه و تحلیل‌ها مشخص است که پیش‌بینی‌پذیری ابزاری قدرتمند برای تقسیم SKUها و مدیریت موثر سطح موجودی‌ها است. با این‌حال، همانطور که واضح است، خطاها می‌توانند ناشی از اطلاعات اشتباه باشد. بنابراین، قبل از استفاده از این چارچوب تحلیلی، مطمئن شوید که به داده‌های تقاضا و پیش‌بینی خود اطمینان دارید.
همه ساله حدود ۸۰ دانشجو در مرکز MIT برای حملونقل و لجستیک (MIT CTL) کارشناسی ارشد مدیریت زنجیره تأمین (SCM) تقریباً ۴۵ پروژه تحقیقاتی یک ساله را تکمیل می‌کنند. دانشجویان متخصصان مشاغل تازه‌کار در کشورهای مختلف هستند که دارای تجربه‌های دو تا ۱۰ ساله در این صنعت هستند. بیشتر پروژه‌های تحقیقاتی انتخاب شده، حمایت مالی می‌شوند و با همکاری شرکت‌های چند ملیتی انجام می‌شوند. تیم‌های مشترک که شامل دانشجویان MIT SCM و دانشکده MIT CTL هستند بر روی مشکلات دنیای واقعی کار می‌کنند.
منبع: https://www.scmr.com/article/how_to_reduce_inventory_costs_while_maintaining_service_levels
