Bagaimana Optimasi Persediaan Membuka Persiapan Profitabilitas

Selama dekade terakhir, optimasi persediaan telah pindah dari gagasan teoritis diturunkan ke instruksi kelas untuk alat praktis yang meningkatkan profitabilitas perusahaan. Driver yang mendasari persediaan, dalam bentuk variabilitas permintaan dan penawaran, yang umum untuk semua rantai pasokan, membuat persediaan optimasi (IO) berlaku untuk setiap industri.

Menggarisbawahi penerapan yang luas dari IO, bisnis beragam telah menyadari peningkatan dramatis dalam kinerja supply chain termasuk:

Kasus New Holland dieksekusi strategi penundaan yang mengurangi persediaan total sebesar 20 persen untuk lini traktor kompak. (1)

Hewlett Packard mencapai lebih dari $ 130 juta di tabungan total persediaan. (2)

Microsoft meningkatkan perputaran persediaan 18-20 persen sementara secara bersamaan meningkatkan tingkat mengisi dengan 6-7 persen. (3)

Procter & Gamble mengurangi tingkat persediaan sebesar $ 100 juta untuk divisi keindahannya. (4)

Hasil ini tidak terisolasi insiden. Bagi perusahaan yang menerapkan IO, 10 sampai 30 persen pengurangan persediaan total yang umum. Artikel ini mendokumentasikan transisi ke IO, apa perusahaan telah mendapatkan dari penerapan optimasi persediaan, dan bagaimana alat ini dapat diintegrasikan ke dalam setiap perusahaan. Saya juga akan meninjau contoh-contoh dunia nyata dari IO dalam tindakan, kunci sukses, dan pertanyaan Anda perlu bertanya pada diri sendiri sebelum bergerak maju dengan inisiatif IO.
Bagaimana Apakah Kita Dapatkan Disini?
Empat faktor telah memberikan kontribusi terhadap pertumbuhan optimasi persediaan dalam dekade terakhir: keberhasilan operasi yang berfokus inisiatif perbaikan; rekonsiliasi brute force pasokan dan permintaan; fokus pada metrik untuk kinerja rantai pasokan; dan keberadaan perangkat lunak komersial IO .

Pertama, IO adalah dibangun di atas fondasi yang didirikan oleh rekayasa ulang proses bisnis yang sukses, lean manufacturing, dan enam proyek sigma. Sementara inisiatif ini berbeda, dan masing-masing layak dari artikel mereka sendiri, mereka relevan dengan IO karena mereka membangun hubungan yang ketat antara input dan output rantai pasokan. Selanjutnya, mereka menyediakan landasan terbaik yang dapat mempercepat manfaat yang direalisasikan dari optimasi persediaan.

Kedua, perusahaan telah bekerja keras untuk menghilangkan kotor ketidakseimbangan antara penawaran dan permintaan. Dengan membuat tingkat kapasitas dan rencana pembelian bahan lebih erat sesuai permintaan yang diproyeksikan, ada penekanan lebih besar pada benar menetapkan target persediaan. Menyusul krisis keuangan global dan selanjutnya pemotongan persediaan di seluruh papan, tidak ada lagi kelebihan kapasitas produksi atau persediaan persediaan sisa membangun untuk memenuhi fluktuasi dalam permintaan. Sekarang, seseorang harus memenuhi fluktuasi dengan target persediaan ilmiah berasal, yang membutuhkan perangkat lunak terbukti IO untuk mengoptimalkan rantai pasokan end-to-end.

Ketiga, telah ada adopsi signifikan metrik, seperti tingkat pelayanan dan uang tunai ke kas waktu siklus, yang memerlukan orientasi rantai pasokan dan hanya dapat ditingkatkan dengan alat seperti IO.

Keempat, perangkat lunak terbukti mampu memecahkan masalah yang kompleks IO di seluruh jaringan rantai pasokan global sekarang tersedia secara komersial. Dibandingkan dengan metode optimasi deterministik yang mendasari perencanaan lanjutan dan (APS) sistem penjadwalan, matematika yang mendasari untuk masalah persediaan diperlukan pengembangan metode solusi nonlinier stokastik integer. Sementara ini matematika IO berbeda dari matematika APS, tidak spesifik industri, dengan demikian, software yang sama dapat digunakan di industri yang berbeda untuk secara optimal mengatur dan mengelola posisi persediaan.

Apa Optimasi Persediaan?
Optimasi persediaan lahir sebagai pendekatan algoritmik canggih untuk memahami dan mengukur propagasi ketidakpastian permintaan dan pasokan di seluruh rantai pasokan multi-level. Hari ini dianggap sebagai kompetensi inti di kedua pertengahan ukuran dan Fortune 500 perusahaan dalam berbagai industri. IO telah terbukti menjadi proses yang berkelanjutan untuk membebaskan jutaan dolar dalam modal kerja dengan mengurangi persediaan tanpa merusak tingkat layanan. Tidak seperti tradisional "pesta-dan-membersihkan" siklus overproduksi diikuti oleh brute force pengurangan, IO memungkinkan perusahaan untuk mencapai penghematan dan ternyata meningkatkan persediaan saat mengemudi lebih banyak keuntungan ke baris bawah.

Singkatnya, optimasi persediaan ilmiah menentukan target persediaan minimum di seluruh jaringan rantai pasokan tunduk pada batasan yang ditetapkan oleh perencana.

Berbeda Cara Mengatur Perusahaan Sasaran Inventarisasi Hari ini
Perusahaan ini menetapkan target persediaan dalam berbagai cara. Metode yang digunakan dapat dilihat di sepanjang kontinum berikut dari sepenuhnya ad hoc dan heuristik untuk global yang optimal: (1) tidak ada target formal; (2) menerapkan aturan praktis, (3) penggunaan tunggal-tahap perhitungan, dan (4) menggunakan multi eselon-alat perangkat lunak.

Pada tingkat yang paling sederhana, beberapa perusahaan masih tidak menetapkan target persediaan formal. Sebaliknya, mereka mengelola persediaan dengan bantalan jadwal dan membuat item lebih awal dari yang dibutuhkan. Untuk semua tapi yang paling sederhana produk, pendekatan keamanan-waktu adalah sangat tidak memadai. Pendekatan yang lebih umum adalah dengan menggunakan target aturan-of-thumb. Hal ini melibatkan pengaturan hari pasokan (DOS) menargetkan cakupan untuk setiap item. Sementara DOS aturan praktis yang mudah untuk memahami, mereka memiliki dua keterbatasan yang serius. Pertama, DOS adalah berdasarkan permintaan rata-rata dan tidak variabilitas. Kedua, DOS pendekatan ke depan sedangkan target persediaan yang benar-benar mundur mencari karena mereka adalah hasil dari keputusan produksi dibuat dalam periode-periode sebelumnya.
Tampilan 1 menyajikan ilustrasi dunia nyata dari masalah ke depan target di Microsoft. Dalam hal ini, target ke depan DOS mengurangi persediaan terlalu cepat karena dalam periode puncak permintaan target DOS sudah melihat ke depan untuk periode off-peak. Dengan demikian, target DOS menurunkan tingkat persediaan sebelum periode penjualan puncak, yang menghasilkan penjualan hilang. Target DOS juga membangun persediaan sampai sementara permintaan masih dalam periode rendah. Jadi tidak hanya tingkat layanan menderita tetapi tingkat persediaan secara keseluruhan untuk tahun lebih tinggi daripada mereka harus bila dibandingkan dengan hasil dari IO. (Lebih rinci tentang isu ini dan terkait misalnya Microsoft dapat ditemukan dalam Neale dan Willems, 2008.)

Perhitungan single stage merupakan perbaikan dari aturan praktis-tapi mereka masih memiliki keterbatasan yang signifikan. Pertama, adalah lebih tepat untuk memikirkan model ini sebagai menghitung vs mengoptimalkan. Dengan hanya melihat satu item pada satu lokasi, masalah persediaan yang dihasilkan sering mengurangi ke perhitungan sederhana. Karena item tunggal sedang menatap dalam isolasi, tidak mempertimbangkan efek pada seluruh jaringan. Jika Anda membuka buku persediaan, yang Anda cari di perhitungan satu tahap yang dapat didukung dalam sistem APS khas. Jadi, sementara kesalahan dimengerti, itu sebenarnya kesalahan untuk memikirkan solusi panggung tunggal sebagai melakukan optimasi yang benar. Pada kenyataannya, solusi ini menyederhanakan masalah sejauh perhitungan tunggal dapat dilakukan. Ini merupakan perbaikan atas aturan DOS praktis untuk memastikan, tapi jatuh secara signifikan pendek secara optimal memecahkan masalah persediaan.
Model optimasi persediaan di tingkat lokasi SKU untuk mengidentifikasi mana yang terbaik untuk menahan persediaan. Representasi ini seringkali lebih rinci dari bagaimana non-supply-chain-orang berpikir masalah. Sebagai contoh, orang awam mungkin berpikir persediaan diadakan di pusat distribusi sebagai salah satu tumpukan persediaan. Namun tim rantai pasokan harus memikirkan persediaan di semua negara yang mungkin di DC, karena persediaan dapat diselenggarakan di semua tiga negara-misalnya, persediaan mentah yang belum diproses, dikemas persediaan yang telah kitted dengan item lainnya, dan dikemas persediaan yang didedikasikan untuk pelanggan saluran utama. Untuk menghasilkan rencana persediaan layak, semua tiga lokasi perlu dimodelkan untuk tujuan menetapkan target persediaan taktis yang dapat di-upload ke dalam sistem perencanaan secara mingguan atau bulanan.

Adalah penting untuk mengenali bahwa input ke alat bantu IO bisa sangat sederhana. IO Data persyaratan untuk persediaan alat optimasi dapat berfokus terutama pada daftar yang terbatas di bawah ini:

Karakterisasi permintaan dan volatilitas.

Service level sasaran.

Tahap memegang persediaan biaya.

Tahap memimpin waktu.

Contoh data tambahan yang dapat membantu meningkatkan kualitas hasil dari model IO adalah perkiraan variabilitas lead time, kendala pada kinerja pengiriman untuk tahapan, dan periode tinjauan yang mendasari untuk bagian yang berbeda dari rantai suplai.

Dengan data di daerah yang tercantum di atas, alat IO mengevaluasi semua tingkat penebaran persediaan di seluruh rantai pasokan yang memenuhi persyaratan tingkat layanan yang diinginkan. Tingkat stok yang menghasilkan biaya persediaan minimum kebijakan persediaan yang optimal dan hasil dari alat IO.

Apa Hasil Optimasi Persediaan Lihat Seperti?
Farasyn et. al (2011) dokumen aplikasi alat IO di Procter & Gamble.5 Tampilan 5 adalah model IO disederhanakan untuk satu keluarga produk (make up cair) dalam rantai keseluruhan Amerika Utara Kosmetik pasokan. Rantai terdiri dari 8 bahan baku yang unik, 10 kosong uncolored bekerja-dalam-proses bahan (WIPS), 24 bahan WIP berwarna, 150 bahan kemasan, 18 subassemblies menengah (barang jadi sebagian dirakit), dan 75 barang jadi yang bergerak dari kemasan selesai ke pusat AS dan Kanada distribusi dan akhirnya ke pelanggan ritel. Subassemblies menengah juga harus memenuhi permintaan untuk barang-barang promosi. Secara total, model mengandung 500 tahap (SKU di lokasi) dan lebih dari 700 busur (bill of material antara lokasi SKU).
Istirahat Persediaan Ke Komponen nya
Dalam rangka mengoptimalkan tingkat persediaan, perlu untuk mengakui persediaan yang tidak satu kuantitas monolitik. Hal ini dapat dipecah menjadi komponen yang ada untuk alasan dialihkan. Beberapa kategori yang paling penting dari persediaan meliputi saham antisipatif, saham siklus, saham kedatangan awal, pemasaran saham, saham usang, saham pipa, saham prebuilt, dan safety stock.

Stok siklus persediaan karena frekuensi produksi. Awal kedatangan saham adalah karena ketidakpastian dalam waktu pengiriman terkoordinasi. Saham Pemasaran adalah persediaan tambahan ditempatkan di lokasi pelanggan untuk merangsang permintaan atau memuaskan pengecer rak-ruang persyaratan. Stok persediaan usang adalah produk unsalable yang seringkali tertinggal di buku-buku untuk tujuan akuntansi dan keuangan. Saham pipa didasarkan pada kali memimpin dalam rantai pasokan. Saham prebuild adalah persediaan dibangun depan permintaan karena keterbatasan kapasitas. Ada beberapa kelas safety stock masing-masing spesifik untuk jenis variabilitas, baik itu perkiraan variabilitas, variabilitas persediaan, atau variabilitas manufaktur.
Daftar kami tidak sepenuhnya menghitung semua jenis persediaan. Misalnya, persediaan konsinyasi mungkin memerlukan penunjukan terpisah (meskipun mereka dapat dianggap saham pemasaran) sementara beberapa proses manufaktur memerlukan pengobatan atau langkah lain keterlambatan (meskipun mereka dapat dianggap saham pipa). Juga, promosi saham (dalam bentuk PDQs) memiliki karakteristik yang membuat mereka mirip namun berbeda dari saham pemasaran.

Perlu dicatat bahwa, terutama ketika datang untuk melaporkan metrik persediaan untuk manajemen senior, tidak perlu untuk melacak semua kategori. Namun, perlu untuk menentukan kategori yang "bergerak jarum" dalam hal kinerja supply chain. Aturan praktis yang baik adalah untuk mengukur setiap kategori yang terdiri lebih dari 20 persen dari total persediaan.

Melanggar persediaan ke dalam kategori penting untuk tiga alasan.

1. Tidak persediaan semua sama pentingnya untuk bisnis. Jika persediaan tidak dipecah menjadi komponen-komponennya, tidak dapat dilacak atau ditingkatkan. Ini tidak akan biasa bagi perusahaan menengah untuk memiliki lebih dari 100 juta dolar dalam persediaan. Jika hanya semua dilaporkan sebagai satu ember raksasa biaya, maka tidak dapat ditingkatkan.

2. Driver bisnis dari berbagai kategori persediaan berbeda sehingga mereka tidak bisa semua ditingkatkan dengan cara yang sama atau dengan kecepatan yang sama. Matematika yang berbeda dibutuhkan untuk setiap kategori. Secara khusus, safety stock komponen, karena didorong oleh variabilitas di kedua permintaan dan penawaran, adalah komponen yang paling sulit untuk memecahkan tanpa model multi-eselon optimasi persediaan terbukti.

3. Jika dekrit manajemen turun pada hari pertama kuartal untuk memotong persediaan dengan 10 persen dalam waktu satu bulan, hanya safety stock (dan mungkin saham siklus) dapat dikurangi dengan cepat. Semua kategori lainnya (seperti prebuild, pemasaran atau saham usang) didorong oleh faktor-faktor lain yang tidak dapat dengan mudah atau dengan cepat berubah-jika mereka dapat berubah sama sekali. Jadi inisiatif pengurangan persediaan 10 persen bisa diterjemahkan ke dalam syarat 30 persen pengurangan safety stock. (Ini dua titik terakhir menekankan mengapa IO telah tumbuh dalam pentingnya selama dekade terakhir sebagai perusahaan menanggapi peningkatan volatilitas di pasar global.)

Buat Siklus budiman Optimization Persediaan
Optimasi persediaan beroperasi baik di tingkat perencanaan taktis dan strategis, dan siklus saleh dari optimasi persediaan dibuat ketika mereka beroperasi di konser. Pada tingkat taktis, target persediaan ditetapkan mingguan atau bulanan berdasarkan permintaan dan variabilitas pasokan. Setiap kali sistem dijalankan, itu update persediaan target berdasarkan permintaan diperbarui dan informasi pasokan. Jadi tidak seperti aturan DOS praktis atau perhitungan satu tahap yang dijalankan dalam mode off-line, sistem IO mengotomatisasi pembuatan target persediaan pada siklus mingguan atau bulanan. Target tersebut diperbarui bebas tim perencanaan untuk fokus pada hanya benar-benar bermasalah SKU, karena sebagian besar dari SKU akan ditangani sebagai bagian dari proses perencanaan yang normal.

Pada tingkat strategis, contoh saat ini dari solusi taktis yang segera tersedia untuk menjawab setiap pertanyaan yang muncul. Akibatnya, pertanyaan strategis yang tidak dapat diatasi di masa lalu kini dapat menjawab "gratis" karena data yang tersedia dan hasilnya dapat diimplementasikan dalam jangka berikutnya dari solusi taktis. Dalam pengalaman saya, orang sangat meremehkan frekuensi yang keputusan strategis yang memasok persediaan terkait rantai dibuat. Mereka tidak hanya dilakukan pada pengenalan produk baru, misalnya, tetapi setiap kali produk ini diperkenalkan di setiap saluran di setiap pasar di setiap geografi.

Apakah Optimasi Persediaan Tepat untuk Saya?
Kebenaran yang sederhana adalah bahwa optimasi persediaan berlaku untuk semua tapi rantai pasokan sederhana. Tapi apakah IO adalah sebuah inisiatif senilai mengejar tergantung pada kepentingan relatif dari persediaan dan tingkat layanan lainnya versus inisiatif perusahaan dapat mengejar. Untuk membantu menjawab apakah optimasi persediaan bernilai mengejar, akan sangat membantu untuk mempertimbangkan pertanyaan berikut.

Apakah Anda telah ditugaskan untuk:

Mengurangi persediaan total sebesar 10 persen atau lebih?

Menerapkan strategi penundaan?

Meningkatkan tingkat layanan tanpa persediaan meningkat?

Sesuaikan tingkat persediaan untuk mencerminkan produk-keluarga profitabilitas?

Peluncuran produk baru lebih sering atau biaya efektif?

Sumber bahan baku atau barang jadi luar negeri?

Mengkonsolidasikan operasi manufaktur atau distribusi?

Perbarui target persediaan lebih sering dari sekali setahun?

Apakah rantai suplai anda:

Mengalami efek bullwhip signifikan?

Pengalaman musiman atau akhir kuartal push?

Terdiri dari lebih dari satu lokasi atau saluran?

Menjawab ya untuk semua pertanyaan ini adalah indikasi yang baik bahwa IO dapat meningkatkan kinerja rantai suplai anda.

Dalam waktu kurang dari satu dekade, optimasi persediaan telah muncul sebagai teknologi yang telah terbukti untuk secara drastis mengurangi tingkat persediaan total sambil mempertahankan atau meningkatkan tingkat layanan pelanggan. Tujuan-tujuan yang bersaing puas dengan akuntansi ilmiah untuk variabilitas yang melekat di seluruh rantai pasokan dan membentuk siklus yang saleh dari optimasi persediaan yang beroperasi baik pada jangka pendek tingkat taktis dan strategis. Lahir sebagai pendekatan algoritmik canggih untuk memahami dan mengukur propagasi ketidakpastian permintaan dan pasokan di seluruh rantai pasokan multi-level, optimasi persediaan sekarang diakui oleh perusahaan terkemuka sebagai kompetensi inti penting untuk keberhasilan mereka.