Stok Pengaman: Panduan Lengkap

Jika Anda tiba di sini untuk mencari tahu kapan harus melakukan pemesanan berikutnya, itu bukan postingan ini; iturumus titik pemesanan ulang, dan ini sudah mencakup waktu tunggu penjualan harian rata-rata, ditambah buffer. Posting ini tentang buffer itu: apa itu, berapa banyak yang sebenarnya Anda butuhkan, dan perbedaan antara menebak dan menghitungnya.

Stok pengaman vs. titik pemesanan ulang

Keduanya digunakan secara bergantian, dan itulah percampuran pertama yang perlu diselesaikan sebelum hal lain. Titik pemesanan ulang adalah pemicunya: satu tingkat stok yang memberitahu Anda untuk bertindak sekarang juga. Safety stock sama sekali bukan pemicu. Ini adalah salah satu dari dua bahan yang menjadi pemicu, di samping permintaan waktu tunggu:

Titik pemesanan ulang = (Rata-rata penjualan harian × Waktu tunggu) + Stok pengaman

Bayangkan tingkat persediaan dibagi menjadi dua kelompok: kelompok paling bawah adalah persediaan pengaman, unit yang tidak akan Anda sentuh dalam kondisi normal, dan kelompok di atasnya adalah permintaan waktu tunggu, yaitu unit yang ingin Anda jual saat pesanan berikutnya sedang dalam perjalanan. Seberangi bagian atas tumpukan itu dan Anda telah mencapai titik pemesanan ulang. Stok pengaman hanya akan habis ketika terjadi masalah – lonjakan penjualan, keterlambatan pengiriman, atau keduanya sekaligus.

Layak dipisahkan dari nomor ketiga yang terkait juga: thetingkat stok target, berapa total inventaris yang Anda perlukan untuk mencapai rencana pembelian berikutnya, bukan hanya pengiriman berikutnya. Safety stock jadi masukan disana juga, buffernya sama, dipakai ulang.

Aturan praktis vs. statistik pasti

Sebenarnya ada dua cara berbeda untuk mengukur buffer ini, dan menggabungkannya adalah hal yang membuat sebagian besar saran safety-stock menjadi salah.

Aturan praktisnya adalah hari pertanggungan: rata-rata permintaan harian dikalikan dengan jumlah hari penyangga yang dipilih. Cedar & Fig, 250g terjual 5 unit/hari dengan stok pengaman 30 unit (penutup 6 hari, pengaturan tengah yang wajar). Ini cepat, tidak memerlukan statistik, dan sah jika Anda tidak memiliki riwayat penjualan yang cukup untuk menghitung deviasi standar.

Yang tidak dilakukannya adalah menargetkan tingkat layanan yang diketahui. Dua SKU dengan permintaan rata-rata yang sama namun variabilitas hariannya sangat berbeda mendapatkan buffer yang sama berdasarkan aturan yang tetap, meskipun SKU yang lebih stabil dilindungi secara berlebihan dan SKU yang tidak menentu dilindungi secara kurang. Rumus statistik yang tepat memperbaikinya dengan menggunakan variabilitas terukur masing-masing SKU.

Rumus variabilitas permintaan

Ini adalah rumus yang hilang dari konten stok pengaman lainnya di situs ini, dan itulah alasan mengapa postingan ini ada dan bukan hanya menghubungkan ke tempat lain. Dengan mengisolasi variabilitas permintaan saja (memperlakukan waktu tunggu sebagai waktu tetap), rumus statistik yang tepat adalah:

Stok pengaman = Z × √(PC/T₁) × σ_D

Empat potong:

• Z: faktor tingkat layanan, diambil dari distribusi normal standar (lebih lanjut tentang memilihnya di bawah)
• komputer: siklus kinerja, total waktu tunggu Anda dalam beberapa hari
• T₁: kenaikan waktu standar deviasi permintaan Anda diukur (satu hari, jika Anda menghitung σ_D dari penjualan harian)
• σ_D: deviasi standar permintaan, diukur dengan kenaikan yang sama

PC/T₁ menskalakan variabilitas permintaan per hari Anda hingga panjang jendela waktu tunggu: semakin lama waktu tunggu, semakin banyak hari variabilitas yang Anda hadapi, sehingga buffer tumbuh sesuai dengan akar kuadrat dari jendela tersebut, bukan secara linier dengannya.

Satu asumsi yang patut diutarakan secara jelas: rumus ini mengasumsikan permintaan terdistribusi secara normal dan variabilitas sehari-hari tidak bergantung pada satu hari ke hari berikutnya. SKU yang stabil dan mapan biasanya cukup cocok. SKU yang baru, yang sangat berpromosi, atau yang hanya memiliki sedikit penjualan dalam sebulan seringkali tidak demikian — pola permintaannya tidak merata atau didorong oleh peristiwa, bukan kurva lonceng, dan keluaran rumus harus diperlakukan sebagai titik awal, bukan jawaban yang tepat, untuk produk semacam itu.

Contoh yang berhasil

Kembali ke Cedar & Fig, 250g: penjualan rata-rata 5 unit/hari, waktu tunggu pemasok 12 hari. Misalkan penjualan 90 hari terakhir untuk SKU ini memiliki standar deviasi harian sebesar 2,5 unit — beberapa hari menjual nol, beberapa menjual sembilan, dan 2,5 menggambarkan seberapa lebar sebenarnya spread tersebut.

Stok pengaman = 1,65 × √12 × 2,5 = 1,65 × 3,46 × 2,5 ≈ 14 unit.

Angka 14 tersebut tidak sama dengan buffer hari pertanggungan 30 unit yang digunakan di tempat lain di situs ini untuk SKU yang sama, dan tidak sama dengan angka 17 unit kamipos variabilitas waktu tunggumenghitung untuk pemasok Cedar & Fig. Ketiganya adalah angka yang sah dan berbeda untuk menjawab pertanyaan yang berbeda: satu adalah tebakan praktis, satu lagi mengisolasi variabilitas permintaan, dan satu lagi mengisolasi variabilitas waktu tunggu. Bagian selanjutnya adalah tempat mereka digabungkan.

Rumus gabungan

Ketika permintaan dan waktu tunggu bervariasi, dan keduanya bervariasi secara independen satu sama lain, rumus gabungannya adalah akar kuadrat dari jumlah kuadrat masing-masing komponen — bukan penjumlahan langsung dari keduanya:

Stok pengaman = Z × √[(PC/T₁ × σ_D²) + (σ_LT× D_rata-rata)²]

Menggunakan kembali angka-angka yang telah dikerjakan di situs ini daripada menciptakan angka-angka baru: PC/T₁ = 12, σ_D = 2,5, dan dari angka-angka yang ada di pos waktu tunggu, σ_LT = 2 hari dan D_avg = 5 unit/hari.

Stok pengaman = 1,65 × √[(12 × 2,5²) + (2 × 5)²] = 1,65 × √[(12 × 6,25) + 100] = 1,65 × √[75 + 100] = 1,65 × √175 ≈ 1,65 × 13,23 ≈ 22 unit.

Perhatikan bahwa 22 lebih kecil dari sekadar menjumlahkan dua angka komponen (14 + 17 = 31). Itu bukanlah sebuah kekhasan; itu formula yang berfungsi sesuai desain. Sumber variabilitas independen digabungkan sebagai akar kuadrat dari penjumlahan kuadrat, yang selalu lebih kecil dari jumlah langsung, karena secara statistik kecil kemungkinan kedua sumber mencapai kasus terburuknya pada siklus yang sama. Jika variabilitas permintaan dan waktu tunggu tidak independen untuk SKU tertentu (misalnya, promosi yang meningkatkan permintaan sekaligus menekan pemasok Anda), sumber di balik rumus ini menyarankan untuk menambahkan kedua komponen secara langsung, tanpa akar kuadrat.

Memilih tingkat layanan

Z tidak sembarangan: ini adalah nilai standar-normal untuk kemungkinan tidak kehabisan stok selama waktu tunggu yang ingin Anda terima:

• Tingkat layanan 84% → Z = 1,00
• 90% → Z = 1,28
• 95% → Z = 1,65 (level yang digunakan dalam setiap contoh yang dikerjakan di situs ini)
• 97% → Z = 1,88
• 98% → Z = 2,05
• 99% → Z = 2,33
• 99,9% → Z = 3,09

Satu jebakan terletak tepat di sebelah tabel ini: 1,96 adalah nilai statistik nyata, namun merupakan batas persentil ke-97,5 dua sisi, angka yang diberikan konten statistik paling umum kepada Anda untuk interval kepercayaan 95%. Ini bukan Z yang tepat untuk tingkat layanan 95%. Persediaan pengaman adalah masalah satu sisi — Anda hanya peduli pada kekurangan, bukan memiliki "terlalu banyak" dalam pengertian statistik yang sama — jadi 1,65 adalah nilai yang tepat pada 95%, dan menggunakan 1,96 akan melebih-lebihkan buffer.

Hubungannya juga tidak linier: meningkatkan dari 95% menjadi 99% memerlukan persediaan pengaman yang jauh lebih besar dibandingkan meningkatkan dari 90% menjadi 95%, karena nilai Z sendiri tumbuh lebih cepat dibandingkan persentase tingkat layanan. Hal ini juga merupakan kasus yang terdokumentasi untuk menetapkan skor Z yang berbeda per SKU dan bukan satu nomor untuk keseluruhan katalog: tingkat layanan yang lebih tinggi untuk produk terlaris atau item dengan margin tertinggi, tingkat layanan yang lebih rendah untuk SKU yang lambat dan berisiko rendah, daripada perlindungan berlebihan yang seragam di mana pun.

Menghitung ulang σ_D dan memeriksa ulang Z untuk setiap SKU, setiap bulan, adalah bagian yang tidak lagi dilakukan secara manual begitu katalog bertambah dari beberapa lusin produk.Isyarat Sahammengambil nomor stok pengaman yang Anda tetapkan sebagai masukan langsung ke setiap jumlah pesanan yang disarankan, pada setiap paket termasuk Gratis. Pertumbuhan menambahkan pertanyaan "Mengapa jumlah ini?" perincian yang menunjukkan persediaan pengaman sebagai langkah eksplisitnya sendiri dalam penghitungan tersebut, bukan angka yang terkubur dalam jumlah total.

Pertanyaan yang Sering Diajukan

Apa itu stok pengaman?

Persediaan pengaman (safety stock) adalah persediaan tambahan yang dimiliki toko melebihi permintaan pada waktu tunggu yang diharapkan, khususnya untuk menutup kesenjangan antara apa yang biasanya terjadi dan apa yang sebenarnya terjadi: lonjakan penjualan, pengiriman yang lambat, atau keduanya. Ini adalah salah satu bahan di dalam titik pemesanan ulang, bukan pemicu tersendiri.

Apa perbedaan antara safety stock dan reorder point?

Titik pemesanan ulang adalah tingkat stok yang memberi tahu Anda kapan harus melakukan pemesanan: rata-rata waktu penjualan harian waktu tunggu, ditambah stok pengaman. Stok pengaman hanyalah istilah penyangga di dalam formula tersebut, bagian yang melindungi terhadap variabilitas, bukan permintaan rata-rata. Anda memerlukan kedua nomor tersebut, tetapi keduanya menjawab pertanyaan yang berbeda.

Bagaimana Anda menghitung stok pengaman dengan tepat, dibandingkan dengan aturan praktis?

Aturan praktisnya (hari pertanggungan: permintaan harian rata-rata dikalikan dengan jumlah hari buffer yang dipilih) bersifat cepat namun tidak menargetkan tingkat layanan yang diketahui dan menerapkan buffer yang sama terlepas dari seberapa bervariasi sebenarnya permintaan SKU. Rumus statistik yang tepat (persediaan pengaman = Z × √(PC/T₁) × σ_D untuk variabilitas permintaan saja) menggunakan deviasi standar permintaan aktual dan faktor tingkat layanan (Z) untuk mencapai probabilitas spesifik yang dinyatakan untuk tidak kehabisan stok.

Apakah tingkat layanan 100% dapat dicapai?

Tidak. Sumber APICS/MIT di balik rumus ini menyatakan secara langsung bahwa tingkat layanan siklus 100% tidak dapat dicapai secara statistik: selalu ada kemungkinan penundaan yang lebih lama dari biasanya atau lonjakan yang lebih besar dari biasanya, tidak peduli berapa banyak stok yang Anda miliki. Sasaran tingkat layanan pada umumnya berkisar antara 90% dan 98%; perlakukan 100% sebagai target yang dapat Anda dekati, namun tidak akan pernah tercapai.

Untuk tujuh kesalahan yang mengubah buffer yang bermaksud baik menjadi terlalu banyak menimbun, lihatkesalahan safety stock yang menyebabkan overstocking. Untuk istilah variabilitas waktu tunggu yang dianggap biasa oleh postingan ini, lihatperlakuan statistik penuh terhadap waktu tunggu.