Bagaimana Waktu Tunggu Pemasok Mempengaruhi Perkiraan Inventaris Anda

Kebanyakan matematika titik pemesanan ulang memperlakukan waktu tunggu sebagai angka tetap yang Anda masukkan satu kali. Tanyakan kepada pedagang berapa lama waktu tunggu pemasoknya dan mereka biasanya akan memberi Anda nomor dari email terakhir — bukan nomor sebenarnya yang diambil dari delapan pesanan terakhir mereka.

Mengapa waktu tunggu melebihi perkiraan

Iturumus titik pemesanan ulangdan iturumus tingkat stok targetkeduanya menggunakan waktu tunggu dengan cara yang sama: rata-rata penjualan harian × waktu tunggu adalah permintaan yang perlu Anda penuhi sebelum pengiriman berikutnya tiba. Jika waktu tunggu salah dan segala sesuatu yang dibangun di atasnya akan salah dengan margin yang sama, meskipun perkiraan penjualan Anda sempurna.

Kegagalannya tenang. Pemasok yang biasanya membutuhkan waktu 10 hari dan sekarang membutuhkan waktu 18 hari tidak mengirimkan pemberitahuan — Anda mengetahui kapan stok pengaman yang seharusnya menjadi penyangga menjadi satu-satunya stok yang tersisa, beberapa hari sebelum kiriman benar-benar tiba.

Mengukur waktu tunggu nyata

Mulailah dari riwayat pesanan pembelian Anda sendiri, bukan nomor yang dikutip pemasok. Untuk setiap 8–10 pesanan terakhir pada SKU, catat tanggal Anda melakukan pemesanan dan tanggal pesanan diterima sepenuhnya dan tersedia untuk dijual. Rata-ratakan kesenjangan tersebut — itulah waktu tunggu Anda sebenarnya, dan bagi sebagian besar pemasok, waktu tersebut lebih lama dari angka yang disebutkan, karena penawaran tersebut biasanya hanya mencakup produksi saja, bukan pengiriman dan penerimaan.

Variabilitas, bukan hanya panjangnya

Rata-ratanya adalah separuh gambaran. Lihatlah penyebaran di 8–10 pesanan yang sama. Pemasok yang beroperasi selama 10, 11, 12, 13, 11 hari merupakan masalah perencanaan yang sangat berbeda dibandingkan pemasok yang beroperasi selama 6, 9, 14, 18, 8 — bahkan jika keduanya rata-rata memakan waktu sekitar 11 hari. Yang pertama adalah masalah panjang yang Anda rencanakan sekali. Yang kedua adalah masalah variabilitas, dan itulah yang sebenarnya menyebabkan stockout, karena Anda tidak bisa mengetahui sebelumnya pesanan mana yang paling lambat.

Para ahli statistik menyebut penyebaran itu sebagai simpangan baku waktu tunggu, ditulis σ_LT. Ini adalah angka pasti yang dapat Anda hitung dari riwayat pesanan Anda sendiri, bukan perasaan apakah suatu pemasok "dapat diandalkan".

Menskalakan buffer

Cadangan persediaan pengaman yang disebabkan oleh variabilitas waktu tunggu saja mempunyai rumus statistik nyata, bukan aturan praktis:

Stok pengaman (waktu tunggu) = Z × σ_LT× Rata-rata permintaan harian

Z adalah faktor tingkat layanan, dan ini adalah satu-satunya tempat paling umum terjadinya kesalahan dalam perhitungan persediaan pengaman:Z = 1,65 untuk tingkat layanan 95%, bukan 1,96.Stok pengaman melindungi dari kehabisan stok di satu sisi saja — statistik satu sisi — dan 1,96 adalah nilai dua sisi yang diberikan oleh sebagian besar konten statistik umum kepada Anda. Menggunakan 1.96 di sini melebih-lebihkan buffer.

Diterapkan pada Cedar & Fig, 250g: rata-rata penjualan harian sebesar 5 unit, dan misalkan 8 waktu tunggu pesanan terakhir dihitung dengan deviasi standar 2 hari.

Stok pengaman = 1,65 × 2 × 5 = 16,5, dibulatkan menjadi 17 unit. Itu bukan buffer 30 unit yang sama yang digunakan di tempat lain di situs ini untuk SKU yang sama — 30 unit berasal dari aturan praktis hari pertanggungan yang lebih sederhana, cara yang sah untuk menyetel buffer tanpa mengetahui σ. Angka 17 adalah seberapa besar variabilitas waktu tunggu penyangga tersebut secara statistik dapat dibenarkan pada tingkat layanan 95%. Rumus gabungan lengkapnya, yang juga mencakup variabilitas permintaan, hanya berjarak satu akar kuadrat — matematika yang sama sudah tercakup dalam bagian stok aman pada panduan titik pemesanan ulang.

Hubungannya juga tidak linier. Tingkatkan tingkat layanan dari 90% (Z = 1,28, ≈13 unit di sini) menjadi 99% (Z = 2,33, ≈23 unit), dan buffer akan tumbuh sekitar tiga perempatnya hanya dengan menambah 9 poin persentase tingkat layanan. Tingkat layanan 100% tidak termasuk dalam tabel tersebut karena secara statistik tidak dapat dijangkau — selalu ada kemungkinan penundaan lebih lama dari biasanya, tidak peduli berapa banyak stok yang Anda miliki.

Membagi pesanan antar pemasok

Membeli SKU yang sama dari dua pemasok menyebarkan risiko waktu tunggu. Penundaan dari satu pemasok tidak lagi berarti seluruh pesanan terlambat, karena Anda tidak lagi sepenuhnya terpapar pada variabilitas satu pemasok. Namun hal ini tidak gratis: dua jumlah pesanan minimum dan dua hubungan yang harus dikelola, dan tidak ada gunanya jika kedua pemasok mengirimkan melalui pelabuhan yang sama selama gangguan yang sama. Tidak ada yang mempublikasikan angka yang dapat dipertahankan mengenai seberapa besar sebenarnya pemisahan risiko dapat dihilangkan: perlakukan ini sebagai alat untuk SKU dengan risiko tertinggi, bukan sebagai formula.

Pelacakan σ_LTdengan tangan berarti menarik setiap tanggal penempatan dan penerimaan PO untuk setiap pemasok, setiap kuartal, dan menghitung ulang. Sebagian besar toko melakukan ini sekali, jika pernah, dan kemudian tetap menggunakan waktu tunggu yang lama selama satu tahun.Isyarat Sahammenggunakan waktu tunggu yang Anda tetapkan untuk pemasok sebagai masukan untuk setiap perkiraan pada setiap paket, termasuk Gratis. Pada rencana Skala, ini menghitung waktu tunggu rata-rata aktual setiap pemasok dari pesanan pembelian Anda sendiri dan riwayat penerimaan secara otomatis, sehingga jumlah yang dimasukkan ke dalam rumus diukur, bukan diingat.

Pertanyaan yang Sering Diajukan

Bagaimana waktu tunggu pemasok mempengaruhi perkiraan persediaan?

Waktu tunggu adalah salah satu dari tiga masukan untuk titik pemesanan ulang dan tingkat stok target — ini menentukan berapa banyak permintaan yang perlu Anda penuhi sebelum stok baru tiba. Perkiraan yang menggunakan waktu tunggu kuartal terakhir sementara pemasok sekarang berjalan lebih lambat akan mengecilkan jumlah buffer yang sebenarnya Anda perlukan, dan stok toko habis sebelum pengiriman tiba.

Apa perbedaan antara waktu tunggu yang lama dan waktu tunggu yang tidak dapat diandalkan?

Waktu tunggu yang lama adalah panjangnya: 30 hari, bukan 10, dan Anda dapat merencanakannya setelah Anda mengetahui nomornya. Waktu tunggu yang tidak dapat diandalkan adalah sebarannya: terkadang 8 hari, terkadang 22 hari, dan tidak ada satu angka pun yang dapat menggambarkannya dengan baik. Dua pemasok dapat berbagi waktu tunggu rata-rata yang sama dan menanggung risiko yang sangat berbeda jika salah satu pemasok konsisten dan yang lainnya tidak.

Haruskah safety stock didasarkan pada variabilitas permintaan atau variabilitas waktu tunggu?

Keduanya dimasukkan ke dalam gabungan formula persediaan pengaman yang sama, dan tidak ada yang mendominasi; itu tergantung pada SKU. Dalam satu contoh rinci yang tersedia dari literatur safety-stock, variabilitas permintaan adalah faktor yang lebih besar, namun kontribusi variabilitas waktu tunggu berskala seiring dengan volume penjualan, sehingga SKU bervolume tinggi dengan pemasok yang tidak dapat diandalkan dapat memiliki waktu tunggu sebagai pendorong yang lebih besar. Hitung keduanya daripada berasumsi salah satunya.

Apakah pemesanan dari dua pemasok mengurangi risiko waktu tunggu?

Hal ini bisa terjadi, karena Anda tidak lagi sepenuhnya terpapar pada variabilitas satu pemasok, namun hal ini tidak gratis: sumber ganda biasanya berarti dua jumlah pesanan minimum dan dua hubungan yang harus dikelola, dan tidak akan membantu jika kedua pemasok berbagi titik hambatan pengiriman yang sama. Tidak ada sumber angka mengenai seberapa besar penghapusan pemisahan risiko; memperlakukannya sebagai suatu mekanisme, bukan jaminan pengurangan.

Untuk rumus titik pemesanan ulang yang diasumsikan dalam postingan ini, lihatpanduan rumus titik pemesanan kembali. Untuk mengukur jumlah total yang Anda butuhkan, lihatberapa banyak inventaris yang harus Anda simpan, atau itupanduan lengkap untuk perkiraan inventaris Shopifyuntuk proses selengkapnya.