Автоматизация цепочки поставок в рознице

Сегодня я приведу небольшой пример из своей практике по теме управления запасами. Наверняка вам известны такие подходы к управления запасами, как метод равных периодов пополнения, равных объемов пополнения или метод двух корзин. Но до более продвинутых методик, использующих всю мощь статистики, как правило большинство не доходит. Между тем, они не так сложны в применении, как может показаться, и при этом дают весьма хороший результат.

На начало 2011 года розничная сеть компании Аманат включала около 65 аптек, активный ассортимент: около 4000 позиций из которых не менее 400 продавались ежедневно в каждой аптеке. Таким образом ежедневно нужно принимать порядка 25 000 решений о том нужно ли пополнять запас каждого наименования по которому были продажи в каждой аптеке. И это не считая новых наименований и залежавшегося запаса, по которым также нужно принимать определенные решения.

Решение данной задачи вручную предполагает наем большого штата сотрудников, либо распределение работы среди сотрудников аптек, как это было ранее. Тот или иной вариант предполагает значительные издержки по оплате труда (в первом случае – они явные, во втором – скрытые), что не эффективно с экономической точки зрения.

Было принято решение автоматизировать процесс пополнения запаса в аптеках. Основная проблема при расчете нормативов запаса для аптек была связана с тем, что продажи каждого наименования крайне неравномерны относительно периода пополнения, т.е. запас в аптеках пополняется каждый день, но большинство товарных позиций продаются не чаще, чем раз в несколько дней, следовательно – применение простых средних величин не имеет смысла.

Для решения данной задачи был разработан специальный алгоритм, основанный на функции распределения случайных величин, позволяющий с достоверностью 98% рассчитать объем запаса, при котором необходимо его пополнить и на сколько его надо пополнить.

Алгоритм основан на так называемой функции распределения случайной величины, которая позволяет определить вероятность попадания случайной величины из совокупности в заданные границы. Применимо к управлению запасам, случайная величина — это отгрузка за заданный период, а граница — величина запаса. Обратная функция позволяет наоборот рассчитать границу для заданной вероятности. В практической реализации этого алгоритма нет ничего сложного, вам понадобятся лишь 2 функции аггрегации данных: средняя и среднеквадратичное отклонение. Хотя последней в 1С мы не нашли — пришлось написать самим.

В связи с тем, что отгрузка товаров со склада также стоит определенных денег пополнение сверхмалыми объемами может быть нецелесообразным, поэтому мы применили формулу Вилсона для расчета оптимального объема пополнения. Формула эта известна тем, что не смотря на простоту и логичность ее далеко не всегда можно применить на практике, но нам это удалось.

Первоначальные результаты внедрения данного метода показали, что он позволяет не только высвободить значительный объем рабочего времени сотрудников аптек для выполнения из прямых обязанностей – продажи товара, но и сократить объем запаса до 40% без ощутимого падения выручки.

В последствии данный метод был использован не только для аптек, но также для филиалов и территориально распределенных складов компании. А также — для рассчета нормативов пополнения зон набора в пределах склада — посколку величины продаж в торговых точках и отгрузок с дистрибуторских складов коррелируют друг с другом — те алгоритмы, что подходят для одних, годятся и для других.

Если вам интересно применение данного метода в вашем бизнесе, всегда буду раз помочь.

Источник: http://infolog.org/retail-scm/