Каким образом и исходя из чего устанавливать статусы управления номенклатурой? А также как их пересматривать?

Статусы – это “Складская”, “Заказная”, “Вывод” и “Новинка”, о которых мы говорили раньше.

Есть первый простой вариант – это экспертное суждение. Или просто “правило трех П”: “пол, палец, потолок”. Когда у вас тысяча номенклатурных позиций, то, наверное, это еще как-то можно сделать экспертно. А вот когда у вас десятыки тысяч номенклатурных позиций, то сделать это вручную уже достаточно сложно.

Поэтому мы добавляем к этому некие “калькуляторы”, и некие рекомендации, на основе этих “калькуляторов”.

Дальше мы будем говорить только о товарах. Детали и тонкости расчетов в этой публикации мы опустим.

Есть несколько параметров, опираясь на которые можно принимать решения.

Во-первых, нам нужна номенклатура, которая приносит нам больше всего денег.

Во-вторых, нам нужна номенклатура, которая не просто приносит много денег, но еще и часто продается. Потому что может существовать номенклатура, которая редко продается, но приносит много денег. Но надо ли ее хранить, если она продается раз в год – это очень большой вопрос!!! Компания может такие вещи себе позволить только при наличии излишка денег.

И третий параметр, который нам важен – это рентабельность запасов, то есть с какой скоростью деньги вложенные в номенклатуру превращаются в новые деньги.

Для этого мы реализовали механизм трехмерного ABC анализа, который отличается от традиционного АВС анализа.

Очень многие делают АВС анализ по количеству или по выручке, что приводит к возникновению проблемы: номеклатура может давать большую выручку, но при этом почти не приносит компании денег, потому что уровень маржи/наценки в цене может быть очень маленьким. Поэтому первое, что нужно делать, это делать АВС анализ не по выручке, не по количеству, а по той самой “марже” в абсолютном выражении, которую мы зарабатываем. В Теории ограничений используется термин “Проход”, который означает разницу между выручкой и абсолютно-переменным затратами. Мы не будем здесь погружаться в тонкости: если вы ничего никуда не разносите, то Проход – это синоним Валовой прибыли. Так что первое, что нужно сделать при АВС анализе – это выполнить АВС анализ по валовой прибыли.

Пример нашего клиента.

У клиента 67 тысяч SKU. Из них в группу А (то есть дающие 80% годовой валовой прибыли) попадает 3 500 SKU, что даже не укладывается в правило Паретто 20/80, здесь у нас около 5% номенклатуры дают 80% ГОДОВОЙ валовой прибыли, в группу В (еще 10%, А+В = 90% годовой валовой прибыли) попадает еще 4 000 SKU. То есть 90% годовой вловой прибыли дают 7,5 тыс. SKU. И остается огромная группа С.

Мы наблюдаем огромную конценрацию валовой прибыли в ассортименте. И это не особенность отдельно взятого клиента.

Итак, первое измерение – это объем валовой прибыли.

Второе измерение – это частота продаж. Чем чазе позициия продается, тем важнее обеспечить ее наличие. Потому что за ней ходят, ее справшивают, если ее не будет – то это негативное влияние на репутацию. И эта частота не имет ни какого отношения к XYZ анализу. Это совсем про другое. Частота отвечает на вопрос: как часто эта позиция продается. А XYZ – это отдельная история.

У клиентов часто возникают вопросы: в типовых учетных системах, в той же 1С “Управление торговлей” есть АВС xyz анализ, а у вас нет XYZ, как так?

XYZ анализ – это такая интересная история, которая строится на предположении, что у вас продажи подчиняются нормальному распределению, то есть оно симметрично относительно среднего и вероятность отклонения резко падает, по мере увеличения размера отклонения. Вот вам картинка с нормальным распределением:

Такая вот “Гауссова шляпа”.

Соответственно, X – это то, что попадает в середину этой “шляпы”, то есть мало отклоняется от среднего (в диапазоне плюс минус сигма), Y – это то что попадает в следующий карман (плюс минус две сигмы), а Z – это то, что попадает в края.

У нас огромное количество клиентов говорит: у меня вся номеклатура AZ., что означает что разброс относительного среднего превышает две сигмы. И это нормально!!! С чего вы взяли, что у вас гауссово распределение?!!!

Если у вас только компания не научно-исследовательский институт, где у вас работают ученые-статистики, которые строят статистические гипотезы, графики распределния вероятности, вы можете посчитать медиану, моду, среднее, эксцентрисет и прочие замечательные характеристики распределения… Подавляющее большинство компаний этим не занимаются. А это значит, что расчеты на основании среднего – опасны.

Вы же вообще не знаете, какое у вас распределение вероятности продаж! Вот вам пример реального распределения вероятности по номенклатуре из одной группы:

И третий параметр – это ROI. Но пользоваться им до тех пор, пока вы не наладили управление наличием мы не рекомендуем. Потому что самый лучший показатель будет у тех товаров, которые продавались, но их не было в наличии. Так что это дополнительный параметр для ситуации, когда большая напряженка с деньгами.

Продолжение следует, а для тех кому невтерпеж: добро пожаловать на обучение.

Надежный срок пополнения – это еще один критически важный параметр, необходимый для обеспечения наличия.

Как рассчитать надежный срок пополнения?

Надежный срок пополнения – это время, которое нам нужно чтобы мы гарантированно могли пополнить товарный запас.

Он в себя включает помимо собственно срока исполнения заказа/ которые короткий, еще несколько отрезков времени.

Самое смешное, что очень часто забывают, – это время приходования заказов, а это иногда неделя или две, то есть это иногда бывают большие сроки. К сроку поставки надо добавить время, чтобы принять товар по количеству, качеству, отразить в учетной системе.

В очень многих компаниях из-за того, что присутствует хронический дефицит товара, процесса приемки по количеству и качеству не происходит. Товар клиенту отгружается “с колес”. Потом обнаруживается, что отгрузили не то, брак, возникают возвраты, потерянная репутация, куча взаимодействия и переписки.

Просто по тому, что этот этап приемки по количеству и качеству пропустили.

Дальше это собственно срок выполнения заказа.

Он определяется только тем, что дает вам ваш поставщик. Допустим, какой-нибудь отечественный завод работает так: дайте нам в этом месяце заказ, мы его поставим на следующий месяц в план производства. Соответственно, в производство ваш заказ может попасть на любую дату в течение следующего месяца, и отгружен будет в любую дату месяца, который будет после того периода, на который мы делаем план производства. То есть мы уже получаем срок исполнения заказа 60 дней.

Но и это еще не всё! Вам же надо прожить с чем-то пока у вас проходит время между заказами.

У нас есть еще время накопления заказа или время ожидания между заказами, которое определяется либо частотой заказов, установленной поставщиком или вами, либо размером минимальной партии заказа: чем больше минимальная партия, тем дольше она накапливается.

Если вы размещаете заказ раз в месяц, как в моем примере с заводом, то у вас получается 60 дней плюс 30 дней – 90 дней. То есть надежный срок пополнения, в течение которого вам надо обеспечивать наличие, составляет 90 дней (это без учета времени приходования на склад).

Для расчета сроков пополнения сырья и материалов расчет выполняется аналогично.

Особую сложность составляет производство готовой продукции.

Готовая продукция предполагает, что мы должны запланировать производство, произвести и после этого выпустить на склад готовой продукции.

Это время определяется следующими факторами:

Длиной производственного цикла, то есть за какое время вы можете эту продукцию произвести. При этом важно, что иногда нужно учесть, что какую-то номенклатуру мы выпускаем регулярно, а какую-то производим редко. Поэтому для первой номенклатуры у вас срок будет короче, а для второй длиннее. Просто потому, что вы ее реше производите.

Дальше мы добавляем частоту планирования. Если вы планируете один раз в месяц, то время между планами у вас 30 дней. При этом, если вы планируете сразу следующий месяц, то ваши плановики могут поставить как в начало месяца, так и в конец, то есть еще 30 дней. Таким образом, сразу 60 дней плюсуем. Если вы план производства делаете каждую неделю, на неделю, то у вас будет, соответственно, две недели плюс производственный цикл. Если, как некоторые наши клиенты, вы делаете план каждый день, то у вас будет производственный цикл плюс один день.

Так считается надежный срок пополнения (Reliable Replenishment Time – RRT). При этом занизить срок пополнения опаснее, чем завысить.

Подробно как считается и применяется надежный срок пополнения мы разбираем на обучении методике: Ближайшее обучение по управлению запасами: https://vmss.pro/training/

В предыдущей публикации мы рассмотрели обоснование применения метода Упрощенный Барабан-Буфер-Канат.

Теперь давайте попробуем перенести эту идею из производства на цепочку поставок.

При применении в производстве метода “Упрощенный Барабан-Буфер-Канат” важно, чтобы touch-time (чистое время исполнения заказа, в русском варианте соответствующего термина нет, так что я использую термин “чистое технологическое време) был не более 20% от общего времени исполнения заказа, которое мы обещаем клиентам. И если в производстве с этим более или менее понятно, что в цепочках поставок это понятие еще более неопределенное. Что же будет touch-time при выполнении заказов при поставке “под заказ”. На мой взгляд, это время комплектации, время погрузки, время в пути, время прохождения всяких таможенных прочих операций… В него не попадает время ожидания, пролеживания и т.п.

У нас возможны две ситуации: когда отношение touch-time к времени исполнения заказов менее 20%, и когда это отношение более 20%. Так вот, если отношение менее 20%, то не надо ничего сложного придумывать, можно использовать УББК. А если отношение более 20%, то УББК не применим. Здесь скорее подойдут подходы разработанные для управления проектами – метод Критической цепи (CCPM). Причем, в оригинале говорится от доле touch-time в 5-10%%, но по моему личному оценочному суждению 20% – это еще приемлемая доля для применения УББК, если больше нужно адаптировать метод Критической цепи. А если touch-time менее 20%, то, даже если заказ уже в красной зоне буфера, мы можем его успеть выполнить за время, отведенное под красную зону, т.к. она все еще в полтора раза больше “несжимаемого” touch-time.

К счастью, ситуации, подходящие для применения УББК, – это часто встречающиеся ситуации.

Просто для примера. Я живу в Санкт-Петербурге и мы достаточно часто пользуемся Озоном, Яндекс.Маркетом и другими маркетплейсами. При заказе срок доставки в пункт выдачи заказа 28-72 часа, при этом собрать и довезти заказ в пределах города можно в пределах двух часов. Но мне обещают от суток и больше. Почему так, я понимаю: нужно найти мощности, найти доставщика, оптимизировать загрузку и маршруты. Но мне как клиенту это неважно, Меня обещанный срок доставки устраивает, а следовательно метод УББК для такой ситуации вполне себе подходящий.

Предоположим, что срок исполнения – 48 часов. Тогда мы устанавливаем буфер заказа в 48 часов, делим ее на три равные части по 16 часов: зеленую, желтую, красную. Приоритет заказов будет определяться тем, в какой зоне сейчас находится заказ. И даже если заказ попал уже в красную зону – его вполне можно успеть выполнить как срочный. Мы можем заниматься оптимизацией загрузки, искать, объединять, комплектовать – главное уложиться в объявленный срок. И сквозная система приоритетов здесь всем в помощь.

В отсутствие сквозны приоритетов закупщики упускают из работы заказы, которые “горят”. Если бы у них заказы были отсортированы с точки зрения ожидаемых сроков поступления и выделялись бы красным те, которые прямо вот горят, то люди занимались теми заказами которые сейчас приоритетны, а теми, про которые вспомнили.

Еще один момент – это контроль загрузки мощности. Если мы не будем контролировать загрузку мощности, то мы можем взять на себя обязательства по срокам, которые не могут быть выполнены физически. И здесь в цеопчках поставок могут быть сложности, потому что, если в производстве у нас есть какая-то технологическая карта, технологические нормы, то других логистических операциях с наличием технологических норм большая проблема.

Но здесь включается принцип “лучше быть приблизительно правым, чем совершенно точно заблуждаться”. Представим, что у нас touch-time заказа 20%, и мы уже приняли четыре заказа. Когда мы можем пообещать выполнение пятого? Если у нас не будет контроля загрузки мощности, то мы, скорее всего, назовем стандартный срок исполнения заказа, то с высокой долей вероятности вы опоздаете. А если бы у нас был график текущей загрузки мощности, то мы увидели бы, когда у нас освобождается критический ресус и, уже исходя из этого, называли бы клиенту возможный срок исполнения заказа.

Эли Шрагенхайм рекомендует приплюсовать ко времени освобождения половину буфера, считая, что это достаточно обеспечивает защиту. Дерзко. Смело. Молодежно.

Я бы так действовать побоялся и приплюсовал бы полный буфер. И, если при этом бы заказы завершались бы в зеленой зоне, то тогда бы уже начал сокращать эти сроки. Но тут выбор за вами. У рекомендации Эли есть свое обоснование, но я бы применял ее только для себя, внутри компании, ничего не говоря об этом клиентам. И только проверив работоспособность гипотезы, начал бы транслировать это на рынок.

Прежде, чем продолжить говорить про использование подхода “Упрощенный Барабан-Буфер-Канат” в управлении поставками, стоит сделать небольшое отступление.

Изначальный вариант решения для производства, который появился во всех книжках, называется “Барабан-Буфер-Канат” (Drum-Buffer-Rope). В этом решении было два буфера: один буфер, который измерялся во времени, защищал работу ограничения, а второй буфер защищал наши обязательства перед клиентом.

Буфер ограничения – это некий запас работы перед ограничением, который защищает ограничение от простоя. Потому что простой ограничения – это самое страшное, что может быть в нашей системе. Именно в ограничении мы зарабатываем деньги. Но после ограничения часто остается еще какой-то хвостик каких-то операций, которые нам нужно сделать для того, чтобы выполнить заказ. Поэтому там возникал второй буфер, который защищал наши обязательства перед клиентом. В системе было два буфера, опираясь на состоянии этих буферов, мы определяли приоритеты заказов.

Так продолжалось довольно долго, пока во второй половине 90-х годов эта конструкция не была поставлена под сомнение.

Чем мне нравится Теория ограничение это тем, что правила постановки под сомнение тех или иных рассуждений зашиты в самом подходе. С чего вы взяли что это верно? С чего вы взяли, что ситуация не поменяется и вы сделали единственно правильный способ? Это вопросы, которые мы себе задаем.

Итак, во второй половине 90-х правило двух буферов было поставлено под сомнение. И Эли Шрагенхайм обосновал подход, который сейчас называется “Упрощенный Барабан-Буфер-Канат”. Идея этого подхода состояла в том, что клиентам все равно, где находится наше внутреннее ограничение. Никого из наших клиентов не интересует, где находится наше внутреннее ограничение.

А если у нас два буфера в системе, то эти буферы каждый по-своему определяет приоритет. И у нас возможна ситуация, когда сигналы от этих буферов будут нас путать.

Напоминаю, что у буфера есть несколько функций, которые он должен выполнять. Во-первых, буфер – это прогноз это прогноз. Если мы говорим о поставке под заказ или производстве под заказ и, любое что под заказ, то буфер это прогноз сроков: мы говорим, что сделаем это к этой дате или раньше.

Вторая функция – это предоставление обратной связи о том, насколько мы угадали. Потому что в реальности все может меняться. Может оказаться, что что-то пошло не так. Чаще всего в реальности что-то идет не так. Поэтому буфер нам должен своевременно сообщать об этом.

Третья функция буфера – это предоставление сквозной системы приоритетов. Когда к Голдратту пристали с вопросом, как описать Теорию ограничений в пяти предложениях то, со слов его дочери, он сказал, что мне не нужно пять предложений, хватит одного слова – фокусируйтесь, сконцентрируйтесь на самом главном и делайте только то, что сегодня является самым главным.

Получается, что, если у нас в системе два буфера в одном потоке, то какой из них главный?

И в книге “Синдром стога сена”, эта ситуация рассматриваетс, но надежного ответа – нет. В книге описана необходимость создания каких-то сложных защитных связей между ограничениями.

Эли Шрагенхайм начал это копать и сформулировал: давайте будем честными с самими собой: первичным ограничением любой компании является рыночный спрос, и первое, и главное, что мы должны защищать, – это наши обязательства перед нашими клиентами. То есть он сказал, что нам буфер ограничения не нужен. Нам нужен буфер, который защищает наши обещания. Если мы пообещали клиенту, то буфер должен защищать наши обещания по отгрузке, а как мы это будем внутри делать – это уже наши персональные трудности.

Это была революционная история!

И первое, где эту штуку применяли, это производство под заказ. При этом Эли Шрагенхайм проанализировал соотношение технологического времени и времени. которое мы обещаем клиенту. В результате выяснилось, что в подавляющем большинстве производственных компаний, соотношение технологического времени ко времени выполнения заказов, которое мы обещаем клиентовсоставляет меньше 10 процентов. Это важный момент: реально производством компания занимается там не больше 10 процентов от всего этого времени.

Вопрос: а зачем она берет столько времени на исполнение заказа?

Это предельно понятно: у нас никогда не бывает пустого производства, там уже есть какие-то заказы, нам часто не хватает сырья и комплектующих, которые надо купить, мы пытаемся это все запихнуть в тот же сток и, соответственно, в результате обещаем некий срок исполнения, на самом деле выполняя заказ менее 10 процентов времени от всего этого срока.

Это очень хорошо связывается с тем же бережливым производством, где идеальное бережливое производство – это поток из одного изделия. У нас есть одна штука изделия, и она двигается по потоку. При этом, если мы запускаем партию в 100 штук, то на самом деле 99 процентов времени с заказом ничего не происходит, он просто лежит и ждет, когда мы будем его обрабатывать. Называется это время пролеживания, мы его в принципе из производственного времени исключаем.

Но чтобы это работало, нужна еще одна дополнительная штука: мы должны знать сколько мы уже на напринимали заказов. То есть в дополнение к буферу заказа нам нужно добавить еще обязательный механизм: контроль загрузки нашей мощности. Для производства критически важно, потому что если мы напринимали заказов и, грубо говоря, мы обещаем клиенту 10 дней, и у нас технологическое время один день, и одновременно у нас уже принято 10 заказов, то, когда мы пообещаем клиенту время исполнения закза, а на самом деле мы точно будем опаздывать. Потому что пока очредедь дойдет до этого заказа, мы уже опоздаем. Поэтому применение метода “упрощенный Барабан-Буфер-Канат” на производстве требует одновременного использования контроля загрузки мощности.