防止缺货和优化库存水平的三个步骤
和大多数的问题解决方法一样,优化库存需要一个考虑周全的过程和几个步骤。当然,防止缺货的最简便方法是手头始终具有大量库存。然而,不优化库存也会产生难以预料的后果。过度生产和保持过高的库存水平可能会导致产品变质甚至腐坏。库存过剩不仅会在当下产生成本,而且当您需要生产更多商品来替换货架上放置时间过长的产品时,还会在以后产生隐性成本。
可通过多种方法来计算优化(将在下面解释),但优化库存的关键在于三个主要步骤:对影响库存的因素进行头脑风暴分析、收集数据并分析数据。在深入研究每个步骤之前,我们先来介绍一些有关缺货的基本知识。
什么是缺货?是什么原因造成的?
简单地说,缺货意味着由于产品不在库存中而无法履行或交付。这可能是因为产品需求量高于预期,或者因库存水平太低而无法满足当前需求。
缺货是否对企业不利?
用一个字概括,是。我们都属于各种各样的客户,当所需的产品或服务不可用时,我们都会有不好的感觉。这不仅会损害当前客户体验,而且会对您的品牌和客户关系产生长期影响。
因此...如何减少缺货?防止缺货的三个步骤如下
对影响缺货的因素(包括库存水平)进行头脑风暴分
防止缺货的最大因素是现有的库存水平。如果库存中没有足够的产品,将面临缺货。但现有库存只是一个因素。您还需要了解影响移动供应链的所有因素(如在途库存、销售额预测、历史销售业绩),甚至还需要了解您自己的供应商所带来的影响。
因此,如何保持库存水平足够高以满足客户需求,但又足够低以避免库存过剩?您需要对影响库存水平的因素进行头脑风暴分析。使用结构化的问题解决工具(如 CT 树或鱼骨图)可以让您获得成功。
下面是一个头脑风暴工具示例,该示例使用 Minitab Workspace 中的鱼骨图。
收集数据
一旦确定了影响缺货的关键因素,就需要收集有关这些因素的数据。请注意,可能需要从多个来源和系统收集库存数据,而且数据的请求和准备过程可能需要一些时间。考虑需要收集的数据量。
例如,考虑到一段时间发生的所有变化,若追溯到 5 年前可能太久了。收集几个月的数据可能更合理,所以请根据您的最佳判断来捕获您的过程的代表性快照。您可以请 IT 部门协助,或利用功能强大的数据统一工具(如 Minitab Connect)访问、集成和准备要分析的数据。
使用预测分析来分析数据
收集到数据之后,就可以开始进行最有趣的部分:分析!传统的业务分析和可视化技术在这方面可能存在不足,因为最有可能出现的直观效果是:现有库存越低,缺货量越大!由于我们已经知道这一点,因此我们真正想要确定的是:是否还有另一个重要因素是缺货的关键驱动因素?是否存在一个最佳库存水平既可最大限度地减少缺货,又不会造成积压和生产过剩?
因此,为什么要进行预测分析?简言之,设想创建一个方程,该方程将所有影响缺货的因素作为预测变量,并将缺货作为响应。就像高中代数一样,这些不同的因素有不同的权重,因此对结果的影响程度也不同。在 Minitab,我们开发了解决方案来专门帮助您解决这些问题!
可通过多种方法来计算优化(将在下面解释),但优化库存的关键在于三个主要步骤:对影响库存的因素进行头脑风暴分析、收集数据并分析数据。在深入研究每个步骤之前,我们先来介绍一些有关缺货的基本知识。
什么是缺货?是什么原因造成的?
简单地说,缺货意味着由于产品不在库存中而无法履行或交付。这可能是因为产品需求量高于预期,或者因库存水平太低而无法满足当前需求。
缺货是否对企业不利?
用一个字概括,是。我们都属于各种各样的客户,当所需的产品或服务不可用时,我们都会有不好的感觉。这不仅会损害当前客户体验,而且会对您的品牌和客户关系产生长期影响。
因此...如何减少缺货?防止缺货的三个步骤如下
对影响缺货的因素(包括库存水平)进行头脑风暴分
防止缺货的最大因素是现有的库存水平。如果库存中没有足够的产品,将面临缺货。但现有库存只是一个因素。您还需要了解影响移动供应链的所有因素(如在途库存、销售额预测、历史销售业绩),甚至还需要了解您自己的供应商所带来的影响。
因此,如何保持库存水平足够高以满足客户需求,但又足够低以避免库存过剩?您需要对影响库存水平的因素进行头脑风暴分析。使用结构化的问题解决工具(如 CT 树或鱼骨图)可以让您获得成功。
下面是一个头脑风暴工具示例,该示例使用 Minitab Workspace 中的鱼骨图。
收集数据
一旦确定了影响缺货的关键因素,就需要收集有关这些因素的数据。请注意,可能需要从多个来源和系统收集库存数据,而且数据的请求和准备过程可能需要一些时间。考虑需要收集的数据量。
例如,考虑到一段时间发生的所有变化,若追溯到 5 年前可能太久了。收集几个月的数据可能更合理,所以请根据您的最佳判断来捕获您的过程的代表性快照。您可以请 IT 部门协助,或利用功能强大的数据统一工具(如 Minitab Connect)访问、集成和准备要分析的数据。
使用预测分析来分析数据
收集到数据之后,就可以开始进行最有趣的部分:分析!传统的业务分析和可视化技术在这方面可能存在不足,因为最有可能出现的直观效果是:现有库存越低,缺货量越大!由于我们已经知道这一点,因此我们真正想要确定的是:是否还有另一个重要因素是缺货的关键驱动因素?是否存在一个最佳库存水平既可最大限度地减少缺货,又不会造成积压和生产过剩?
因此,为什么要进行预测分析?简言之,设想创建一个方程,该方程将所有影响缺货的因素作为预测变量,并将缺货作为响应。就像高中代数一样,这些不同的因素有不同的权重,因此对结果的影响程度也不同。在 Minitab,我们开发了解决方案来专门帮助您解决这些问题!