Страховой запас: полное руководство

Если вы зашли сюда, чтобы выяснить, когда разместить следующий заказ, то это не этот пост; этоформула точки повторного заказа, и он уже охватывает среднее время выполнения ежедневных продаж плюс буфер. Этот пост посвящен этому буферу: что это такое, сколько его вам действительно нужно, и разница между его предположением и расчетом.

Страховой запас по сравнению с точкой повторного заказа

Эти два понятия используются как взаимозаменяемые, и это первая путаница, которую стоит устранить прежде всего. Точка повторного заказа — это триггер: единый уровень запасов, который говорит вам действовать прямо сейчас. Страховой запас вообще не является триггером. Это один из двух компонентов, составляющих триггер, наряду со спросом на время выполнения заказа:

Точка повторного заказа = (Средние дневные продажи × Время выполнения заказа) + Страховой запас.

Представьте себе уровень запасов, разделенный на две полосы: нижняя полоса — это страховой запас, единицы, которые вы планируете не трогать в нормальных условиях, а полоса выше — это спрос во время выполнения заказа, единицы, которые вы ожидаете продать, пока следующий заказ находится в пути. Пересеките верхнюю часть этой стопки, и вы достигнете точки повторного заказа. Страховой запас съедается только тогда, когда что-то идет не так — резкий рост продаж, задержка поставки или и то, и другое одновременно.

Стоит отделить и от третьего, родственного числа:целевой уровень запасов, какой общий объем запасов вам понадобится для следующей запланированной покупки, а не только для следующей поставки. Страховой запас здесь тоже является входом, тот же самый буфер, используемый повторно.

Эмпирическое правило против точной статистики

На самом деле существует два разных способа определения размера этого буфера, и в их объединении большинство советов по резервным запасам оказываются неверными.

Эмпирическое правило – это количество дней покрытия: средний дневной спрос, умноженный на выбранное количество буферных дней. Cedar & Fig, 250 г, продается по 5 единиц в день с страховым запасом в 30 единиц (6 дней покрытия, разумный средний уровень). Это быстро, не требует статистики и вполне законно, если у вас недостаточно истории продаж для расчета стандартного отклонения.

Чего он не делает, так это ориентируется на известный уровень обслуживания. Два SKU с одинаковым средним спросом, но с очень разными ежедневными колебаниями получают один и тот же буфер по единому правилу, даже если более стабильный из них защищен чрезмерно, а неустойчивый — недостаточно защищен. Точная статистическая формула исправляет это, используя собственную измеренную изменчивость каждого SKU.

Формула изменчивости спроса

Это формула, которая отсутствует в остальной части содержимого резервного запаса на этом сайте, и именно по этой причине этот пост существует, а не просто содержит ссылку на другое место. Если выделить только изменчивость спроса (считая время выполнения заказа фиксированным), то точная статистическая формула будет выглядеть следующим образом:

Страховой запас = Z × √(PC/T₁) × σ._Д

Четыре штуки:

• З: коэффициент уровня обслуживания, полученный из стандартного нормального распределения (подробнее о его выборе ниже).
• ПК: цикл производительности, общее время выполнения заказа в днях.
• Т₁: приращение времени, в котором было измерено стандартное отклонение спроса (в день, если вы рассчитали σ_D на основе ежедневных продаж)
• σ_Д: стандартное отклонение спроса, измеренное по тому же приращению.

PC/T₁ масштабирует изменчивость спроса в течение дня в соответствии с длиной окна времени выполнения заказа: чем дольше время выполнения заказа, тем больше дней колебания вы подвергаете, поэтому буфер растет пропорционально квадратному корню из этого окна, а не линейно с ним.

Стоит сформулировать одно предположение: эта формула предполагает, что спрос нормально распределен и что ежедневная изменчивость не зависит от дня к дню. Стабильный, устоявшийся SKU обычно вполне подходит для этого. Совершенно новый SKU, рекламный продукт или товар с небольшим количеством продаж в месяц часто этого не делает — структура спроса неоднородна или зависит от событий, а не колоколообразной кривой, и результат формулы следует рассматривать как отправную точку, а не точный ответ для такого типа продукта.

Проработанный пример

Возвращаемся к Cedar & Fig, 250 г: средние продажи 5 единиц в день, время выполнения заказа поставщиком 12 дней. Предположим, что за последние 90 дней продаж этого товара дневное стандартное отклонение составляло 2,5 единицы — в некоторые дни продается ноль, в некоторые — девять, а 2,5 описывает, насколько широк этот спред на самом деле.

Страховой запас = 1,65 × √12 × 2,5 = 1,65 × 3,46 × 2,5 ≈ 14 единиц.

Эти 14 — это не то же самое, что буфер дней покрытия в 30 единиц, используемый в другом месте на этом сайте для того же SKU, и это не то же самое, что цифра в 17 единиц, которую мыпост об изменчивости времени выполнения заказарассчитывает для поставщика Cedar & Fig. Все три достоверны: разные цифры отвечают на разные вопросы: одно — это эмпирическое предположение, другое — изолирует изменчивость спроса, а третье — изменчивость времени выполнения заказа. В следующем разделе они на самом деле объединяются.

Комбинированная формула

Когда и спрос, и время выполнения заказа различаются, причем они изменяются независимо друг от друга, комбинированная формула представляет собой квадратный корень из суммы квадратов каждого компонента, а не простое сложение двух:

Страховой запас = Z × √[(PC/T₁ × σ_Д²) + (σ_LT× Д_{среднее})²]

Повторное использование собственных обработанных чисел этого сайта вместо изобретения новых: PC/T₁ = 12, σ_D = 2,5, и, судя по собственным цифрам времени выполнения заказа, σ_LT = 2 дня и D_avg = 5 единиц/день.

Страховой запас = 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 единицы.

Обратите внимание, что 22 меньше, чем простое сложение двух составляющих чисел (14 + 17 = 31). Это не причуда округления; это формула, работающая так, как задумано. Независимые источники изменчивости объединяются как квадратный корень из суммированных квадратов, который всегда меньше прямой суммы, потому что статистически маловероятно, что оба источника достигнут наихудшего случая в одном и том же цикле. Если спрос и изменчивость времени выполнения заказа не являются независимыми для данного SKU (например, акция, которая одновременно повышает спрос и вызывает стресс у вашего поставщика), источник этой формулы предлагает вместо этого добавить два компонента напрямую, без квадратного корня.

Выбор уровня обслуживания

Z не является произвольным: это стандартно-нормальное значение вероятности отсутствия запасов в течение срока поставки, который вы готовы принять:

• 84% уровень обслуживания → Z = 1,00
• 90% → Z = 1,28
• 95% → Z = 1,65 (уровень, используемый в каждом проработанном примере на этом сайте)
• 97% → Z = 1,88
• 98% → Z = 2,05
• 99% → Z = 2,33
• 99,9% → Z = 3,09

Одна ловушка находится прямо рядом с этой таблицей: 1,96 — это реальное статистическое значение, но это двусторонняя граница 97,5-го процентиля, число, которое большинство общих статистических данных дает вам для 95% доверительного интервала. Это неправильный Z для уровня обслуживания 95%. Страховой запас — это односторонняя проблема: вас беспокоит только то, что его не хватает, а не «слишком много» в том же статистическом смысле — поэтому 1,65 — правильное значение при 95%, а использование 1,96 завышает буфер.

Зависимость также не является линейной: повышение с 95% до 99% требует непропорционально больших затрат страхового запаса, чем повышение с 90% до 95%, поскольку сами значения Z растут быстрее, чем процент уровня обслуживания. Это также документально подтвержденный случай установки разного Z-показателя для каждого SKU, а не одного числа для всего каталога: более высокий уровень обслуживания для ваших бестселлеров или товаров с самой высокой прибылью, более низкий для медленных SKU с низкими ставками, а не единая чрезмерная защита повсюду.

Перерасчет σ_D и повторная проверка Z для каждого SKU каждый месяц — это та часть, которую перестают выполнять вручную, когда каталог превышает пару десятков товаров.StockCueпринимает номер страхового запаса, который вы установили, в качестве прямого входа в каждый предлагаемый объем заказа на каждом плане, включая «Бесплатный». Рост добавляет вопрос «Почему такое количество?» разбивка, которая показывает страховой запас как отдельный шаг в этом расчете, а не как число, скрытое в общем объеме.

Часто задаваемые вопросы

Что такое страховой запас?

Страховой запас — это дополнительные запасы, которые магазин держит сверх ожидаемого спроса во время выполнения заказа, специально для того, чтобы компенсировать разрыв между тем, что обычно происходит, и тем, что происходит на самом деле: всплеск продаж, медленная отгрузка или и то, и другое. Это один ингредиент внутри точки повторного заказа, а не отдельный триггер.

В чем разница между страховым запасом и точкой повторного заказа?

Точка повторного заказа — это уровень запасов, который сообщает вам, когда размещать заказ: среднее время выполнения дневных продаж плюс страховой запас. Страховой запас — это всего лишь буферный член в этой формуле, та часть, которая защищает от изменчивости, а не от среднего спроса. Вам нужны оба номера, но они отвечают на разные вопросы.

Как точно рассчитать страховой запас по сравнению с эмпирическим правилом?

Эмпирическое правило (дни покрытия: средний дневной спрос, умноженный на выбранное количество буферных дней) является быстрым, но не нацелено на известный уровень обслуживания и применяет один и тот же буфер независимо от того, насколько изменчивым на самом деле является спрос на SKU. Точная статистическая формула (страховой запас = Z × √(PC/T₁) × σ_D только для изменчивости спроса) использует ваше фактическое стандартное отклонение спроса и коэффициент уровня обслуживания (Z), чтобы достичь конкретной, заявленной вероятности отсутствия запасов.

Достижим ли 100% уровень обслуживания?

Нет. Источник APICS/MIT, стоящий за этой формулой, прямо заявляет, что 100% циклический уровень обслуживания статистически недостижим: всегда существует некоторая ненулевая вероятность более продолжительной, чем обычно, задержки или большего, чем обычно, скачка, независимо от того, сколько акций вы держите. Типичные целевые показатели уровня обслуживания составляют от 90% до 98%; относитесь к 100% как к цели, к которой можно приблизиться, но которую никогда не достичь.

О семи ошибках, которые превращают благонамеренный буфер в чистый излишек, см.ошибки в резервных запасах, которые приводят к затоварению запасов. Термин «изменчивость времени выполнения заказа», который в этом посте рассматривается как данность, см.полная статистическая обработка времени выполнения заказа.