Categories
Atsiradus DI terminui ir plačiam panaudojimui, daugelis IT kompanijų įtraukia į savo produktų aprašymus DI modulius, DI veikimą ir pan. Tačiau daugeliu atveju, tai nereiškia, jog keičiasi pati atsargų valdymo logika ir metodai. Kaip ir anksčiau, taip ir dabar įmonės naudojasi tais pačiais pagrindiniais metodais: min–max ribomis, ekonominiu užsakymo kiekiu (EOQ), saugos atsargomis ir paprastais paklausos prognozavimo modeliais. Šie metodai buvo sukurti remiantis gana racionaliomis prielaidomis: paklausa svyruoja aplink tam tikrą vidurkį, tiekimo laikas yra stabilus, o kainų ir kanalų struktūra – santykinai pastovi. Tačiau dabartinė realybė gerokai sudėtingesnė, todėl vien tradicinės formulės dažnai nebepakanka.
Min-max metodas
DI atsargų valdymas leidžia šiems metodams „perkrauti baterijas“. Pavyzdžiui, min–max metodas tradiciškai įmonėje nustatomas taip: analitikas paima 12 mėnesių pardavimų istoriją, apskaičiuoja vidutinę paklausą, padaugina ją iš vidutinio tiekimo laiko ir prideda tam tikrą saugos atsargų rezervą. Tai padaroma kartą per metus ar dar rečiau, o vėliau min–max skaičiai praktiškai nebekinta, nepaisant to, kad pagrindinės prielaidos (paklausa, tiekimo laikai, akcijos) nuolat keičiasi.
DI atsargų valdymas šį procesą paverčia nuolatiniu, t.y. algoritmai stebi, kaip reali paklausa nukrypsta nuo istorinių vidurkių, kaip kiekvienas tiekėjas laikosi terminų, kaip konkrečios kampanijos paveikia pardavimus. Pagal tai min–max ribos gali būti koreguojamos kas savaitę ar net kasdien. Jeigu paaiškėja, kad tam tikra prekė tapo labiau nepastovi (dažnesni šuoliai dėl akcijų, socialinių kampanijų ir pan.), min lygis gali būti padidintas, kad būtų mažiau trūkumo. Jei matoma, kad tam tikrame regione paklausa stabiliai mažėja, tiek min, tiek max ribos gali būti palaipsniui mažinamos, kad atsargos neįstrigtų.
EOQ metodas
Panašiai keičiasi ir EOQ metodas. Klasikinis EOQ daro prielaidą, kad užsakymo ir laikymo sąnaudos yra žinomos ir santykinai stabilios. DI atsargų valdymas leidžia EOQ modelį „pagyvinti“: įvertinamas transporto kainų kintamumas, tiekėjų minimalių užsakymų reikalavimai, net sandėliavimo kainos pikų ir nuosmukių metu. Sukuriami keli scenarijai – pavyzdžiui, „brangus transportas / pigus transportas“, „aukšti degalų kaštai / žemi kaštai“ – ir pagal juos paskaičiuojami skirtingi optimalūs užsakymų dydžiai. Tai suteikia įmonei daugiau lankstumo ir leidžia priimti sprendimus, kurie atitinka realią situaciją, o ne tik teorinę formulę.
Saugos atsargos
Saugos atsargos taip pat labai išlošia iš DI taikymo. Vietoje vieno bendro paslaugų lygio visoms prekėms (pavyzdžiui, 95%) atsiranda galimybė diferencijuoti strategiją. Kritinėms prekėms, kurios generuoja didelę apyvartą ar turi didelę reputacinę riziką, galima taikyti didesnį paslaugų lygį, tuo tarpu mažos apyvartos ar žemos maržos prekėms – mažesnį. DI atsargų valdymas čia padeda simuliuoti, kiek atsargų reikėtų laikyti kiekvienam scenarijui ir kaip tai paveiktų tiek paslaugų lygį, tiek kapitalo poreikį.
TOC dinaminio buferio valdymas
Šis metodas vadovaujasi visiškai kita logika, nei prieš tai aptarti prognozavimo modeliai. Vietoje to StockM sistema remiasi dinaminio buferių valdymo logika: kiekvienai SKU–vietos kombinacijai priskiriamas buferis, kurio dydis priklauso nuo paklausos, tiekimo laiko ir rizikos. Mašininio mokymosi moduliai, integruoti į StockM, padeda nustatyti šių buferių pradines reikšmes ir vėliau jas koreguoti, atsižvelgiant į realius duomenis.
Galutinis rezultatas – atsargų valdymas tampa ne tik labiau protingas, bet ir labiau valdomas. Atsargų planavimo komanda žino, kodėl sistema kažką rekomenduoja: nes mato buferius, zonas, taisykles. Finansų skyriusmato, kaip keičiasi atsargų lygis ir apyvartinių lėšų panaudojimas. Komercijos skyrius mato, kaip atsargų sprendimai siejasi su akcijomis ir asortimento plėtra. Toks matomumas yra viena didžiausių priežasčių, kodėl DI atsargų valdymas ir StockM sistema gali atnešti ilgalaikę naudą, o ne tik trumpalaikį „technologinį efektą“.
