Чай со льдом, как пример вытягивающей модели пополнения

Автор: Генри Ф. Камп (Henry F. Camp)

Небольшая история ниже поведает о том, как уменьшить запасы и одновременно улучшить доступность и повысить продажи. В общепринятой модели пополнения товара есть момент принятия решения при каждом повторном заказе, основанный на прогнозах. Новая модель устанавливает непосредственную связь между потреблением и пополнением. Единственный момент принятия решения – довольно редкая регулировка ассортимента. Новый подход не только проще, он сокращает дефициты на складе по наличию или количеству товара и, как правило, уменьшает наличные запасы наполовину.

Вообразите старомодный контейнер (диспенсер) для чая со льдом, с краном на основании, который вы нажимаете пальцем всякий раз, когда вы хотите пить. Этот диспенсер умеет посылать сигнал в удаленное производство чая со льдом, которое пополнит необходимый объем чая два дня спустя. Он делает это точно. Таким образом, нам гарантируют, сколько чая убыло, столько же добавят, один к одному.

Чай со льдом

Однако, есть задержка между посылкой сигнала и пополнением чая. Возможно, за это время уровень жажды [спроса] может измениться. Обычно несколько очень жарких дней перемежаются несколькими не столь мучительными днями. Максимумы и провалы в итоге составляют некий средний уровень. Это означает, что уровень чая со льдом в контейнере колеблется, но не так, чтобы перелиться через край или совсем высохнуть.

Иногда спрос сохраняется вне нормального диапазона. Если в течение долгого времени спрос очень низкий, лед тает и делает чай столь водянистым, что его можно продать только со скидкой и то не очень легко. Это совсем не нравится чайной компании. С другой стороны, случаются и очень жаркие, с повышенной жаждой недели. Тогда хороший чай со льдом приходится очень кстати. Вы с друзьями берете значительно больше чая, чем раньше. Поскольку необходимо два дня для пополнения диспенсера, он получает меньше чая — на том же уровне, когда еще не было так жарко. В результате, контейнер становится менее полным.

Чтобы бороться с подобными редкими происшествиями, у этого замечательного контейнера есть другая особенность. Он всегда знает уровень чая. Он отслеживает максимальный уровень. Такой уровень получается, когда вы уезжаете в отпуск. Другими словами, когда все, что вы выпили, было пополнено и ничего больше не было потреблено.

Он также отслеживает 1/3 от максимума и 2/3 от максимума. В случае повышенной жары уровень чая, возможно, понизится ниже 1/3. Если он остается ниже 1/3 слишком долго, контейнер призывает подкрепление. Подкрепление в размере 1/3 от максимума. Этот дополнительный чай прибывает 2 дня спустя. Начальный выбор максимума был сделан так, чтобы всегда, кроме самых необычных обстоятельств, у нас был бы больше чем 2-дневный запас чая. Таким образом, мы можем позволить себе дожидаться подкрепления. В точке вызова подкрепления требуется установить новый максимум в 4/3 от старого, и все продолжается как прежде.

Еще рекомендуем:  Управление пиками как стратегическая проблема

Позже может наступить внезапное похолодание, тогда потребление чая со льдом резко уменьшится.

Пополнение будет больше, чем потребление. В этом случае в контейнере будет, вероятно, держаться уровень чая выше отметки 2/3. Если он сохранится полных 2 дня (время пополнения) контейнер сигнализирует производителю чая, что нужно снизить максимальный уровень на 1/3, чтобы избежать расплавленных кубиков льда и водянистого чая. Пока люди пьют достаточно мало, чтобы уровень чая не опустился ниже нового максимума в 1/3, поставщик прекращает пополнять то, что потребляется. Это гарантированно понижает уровень в контейнере и больше соответствуют потреблению. (Свою выгоду получает и поставщик напитка. Он не закупает компоненты и не делает новый чай со льдом, что было бы пустой тратой денег при таких обстоятельствах).

Внедрим ПО по управлению запасами вашей компании!      Узнать подробности

До этого момента мы не используем прогнозы. Давайте расширим аналогию еще немного, чтобы объяснить, что происходит, когда мы используем прогнозы. Есть некоторые события, известные заранее, которые служат причиной повышения спроса на определенные продукты или на весь ассортимент. Когда же не работает чистая модель вытягивающего пополнения?

Например, приезжают гости на какое-либо мероприятие. В такие дни потребление удваивается. Или объявляется неделя скидок на чай со льдом, чтобы привлечь покупателей. Тогда потребление может вырасти в 8 раз. В первом случае мы ничего не предпринимаем. Система просто автоматически увеличивает пополнение. Во втором случае, в ожидании скидок, мы поставили бы 4 дополнительных полных контейнера в начале недели и убрали бы их в конце недели.

Генри Ф. Камп
Founder and CEO of IDEA, llc.

13 комментариев “Чай со льдом, как пример вытягивающей модели пополнения

  1. Андрей Комаров

    Модель хорошая. Допущение о сроках поставки неприемлемо. Мерфи нас не пощадит. Будут колебания. Да и сортов чая у нас в продаже скорее всего не один а сотни и тысячи.

    Как установить начальный запас? Берём допустим какое-то среднее, например за неделю, месяц. Далее пошли отгрузки. По одной, по две единицы. Опустело на 1/3. Отправляем заказ поставщику. Выясняется, что он привёз за два дня. Явно надо снижать норму запаса, он восполняется быстрее чем продаётся. На сколько снижать? А вдруг в следующий раз поставщик привезёт за две недели?

    А если в очереди на пополнение несколько сотен позиций, всё нужно вчера. Поставщик говорит: ок, начинаю делать твой заказ. Делать его буду три недели, но возить могу ежедневно по мере изготовления, и мне всё равно в какой последовательности делать список. Как составить оптимальный ежедневный график?

      Цитировать  Ответить

    1. Виктор Вальчук

      Модель не хорошая. Модель очень хорошая. Она как раз концентрирует наше внимание на том. что сроки поставки очень важны. И надежность поставщика очень важна. Конечно, нам придется учесть ненадежность поставок тем, что мы будем держать большие запасы. Но это подтолкнет нас к смене поставщика.

      Большое количество позиций только усиливает полезность этого подхода. Каждый день возить может понадобится, а может и не обязательно. И если товар — продукты питания, то поставщик должен научиться держать их на складе, а не производить по нашему заказу.

        Цитировать  Ответить

  2. Наталья

    Очень интересная модель. Но возможно ли ее применить в сфере образовательных услуг?

      Цитировать  Ответить

  3. Виктор Вальчук

    Для сферы услуг лучше посмотрите статью «Применение ТОС для сферы услуг» http://www.tocpeople.com/2012/11/tos-servis/#more-4153

    Я бы начал со стандартных пяти фокусирующих шагов:
    1. Определить ограничение системы (это может быть рынок, время менеджеров по продажам, время тренеров, время учебных классов и т.д.)
    2. Решить, как максимально использовать ограничение (более внимательно работать с существующими клиентами, продавать им больше, эффективно использовать время менеджеров по продажам или время тренеров и т.д)
    3. Подчинить все остальное этому решению
    4. Расширить ограничение (разработать предложение ценности и научиться его продавать, принять новых менеджеров или тренеров)
    5. Перейти к следующему ограничению

    Если вы правильно определяете ограничение, решения обязательно найдутся и результаты будут расти.

      Цитировать  Ответить

  4. Анатоли

    >>сроки поставки очень важны. И надежность поставщика очень важна

    это ключевое. Если это не обеспечено, то модель даст на порядок худшие результаты, чем вероятностные модели (мы моделировали на реальных данных)
    таким образом, модель будет вполне работоспособна при гарантированной короткой логистике — например, при логистике пополнения магазинов с РЦ

    При работе с поставщиками — нужно отдельно проходить каждую цепочку поставок и принимать решение исходя из реалий отношений с поставщиками, видов траспорта (как бы не хотелось, но жд в России крайне ненадежно, однако для ряда продуктов ему нет альтернативы), уровня клиентского сериса, графика производства поставщика (не всегда мы можем заставить поставщика изменить данный график)

      Цитировать  Ответить

    1. Роман

      MTA даст хорошие результаты продаж, только может потребовать большого буфера при большой волатильности. Собственно старт МТА и есть статистическая вероятностная модель, которая рассчитывает стартовый буфер.

      МТА будет плохо работать с «черным лебедями» — резкими пробоями или падениями продаж. Так как скорость реакции МТА отстает на величину буфера. Тут без прогноза и интуиции продажника ничем не решить.

        Цитировать  Ответить

      1. Виктор Вальчук

        Производство для обеспечения наличия (МТА) не рассчитано на «черных лебедей» изначально. Обвинять метод в том, что он в принципе и не обещает, бессмысленно. Кормить «черных лебедей» возможно только если держать излишние запасы (тогда мы сможем отгрузить, если спрос резко врастет в 2-3 раза), или если держать нулевой запас (тогда мы не пострадаем, если спроса вообще не будет). Интересно, существует ли вообще такой метод управления?

        Задача МТА — получить не идеальный результат, а достаточно хороший результат. Так, чтобы у нас было как минимум 95% наличие и при этом была высокая оборачиваемость. Обычно при переходе на это решение оборачиваемость возрастает как минимум в 2 раза.

          Цитировать  Ответить

        1. Роман

          А я и не обвиняю 🙂 я просто факт констатирую, что в ситуации «черного лебедя» он не сработает. МТА же реагирующий метод. Если его дополнить проактивной составляющей (из стратегии, акций, моделирования рынка) — то с некоторыми лебедями он начнет справляться.

          С остальными наверное можно только заранее сигнализировать, что возможно идет действие лебедя. Но по логике это должен быть уровень ниже MTA. Допустим построить статистику не только по уровням потребления, но и по скорости. И мерять не только остаток, но и скорость потребления. И когда скорость потребления превысит границы статистической, то вероятно началось действие «лебедя» — стоит обратить внимание.

            Цитировать  Ответить

  5. Анатоли

    Я бы хотел подчеркнуть, что основой успеха является не собственно алгоритм «по буферу», а выстраивание надежной цепочки поставок. Это первично, именно на этом нужно концентрировать услилия. И именно это чаще всего вне зоны отвественности…

      Цитировать  Ответить

    1. Виктор Вальчук

      Хотелось бы с вами согласиться, но не могу. Допустим, вы выстроили надежную цепочку поставок. Но остается еще колебания спроса на рынке. И с этим вы ничего поделать не можете. Если вы по-прежнему прогнозируете, вы ошибаетесь.

      И еще один эффект. Как только вы установили размер буфера, вы четко осознаете — буфер (то есть запасы) тем больше, чем больше время пополнения. И включается потребность в сокращении времени поставки и увеличении частоты поставок (это тоже приводит к уменьшению запасов). Так что ключевой идеей все таки является скорее всго то, что нельзя надеяться на увеличение точности прогнозирования.

        Цитировать  Ответить

      1. Роман

        >И с этим вы ничего поделать не можете

        Не совсем так. Можно оставлять ограничение внутри. Многие западные компании так делают. Не расшивают мощности, а поднимают цены. Только когда упираются в конкурентные предложения — начинают расшивать мощности, да и то очень консервативно.

          Цитировать  Ответить

    2. Роман

      «Основа успеха» слишком общее понятие. Алгоритм с буфером позволяет не терять существенную долю продаж, даже если цепочка не очень надежная. Если улучшать цепочку — продажи могут не повыситься, зато повысится эффективность.

      Основа успеха по моему — это и востребованность на рынке и возможность ее эффективно удовлетворять.

        Цитировать  Ответить

Давайте обсудим...

Ваш e-mail не будет опубликован. Обязательные поля помечены *