Beholdningsoptimering: Minimere risiko og avfall
Denne websiden er maskinoversatt for å hjelpe deg. SAP kan ikke garantere at maskinoversettelsen er riktig eller fullstendig oversatt. Den opprinnelige engelske nettsiden finner du ved å bruke verdenskartet i øvre høyre hjørne av denne siden.
Beholdningsoptimering er praksisen med å ha riktig beholdning for å imøtekomme behovet ditt, og buffer mot uventede avbrudd, samtidig som bortfall av bortkastet overskudd unngås. På det beste er beholdningsoptimalisering en smidig praksis som ikke bare svarer raskt på risiko og mulighet, men også har kapasitet til å prognostisere og forberede seg på den.
Beholdningsoptimering er viktigere enn noen gang
Som en hvilken som helst forretningsleder kan fortelle deg, er lageroptimalisering en spesielt vanskelig komponent i forsyningskjedeledelsen fordi den er sårbar for så mange faktorer, inkludert sosiale trender, naturhendelser, politikk, økonomi og konkurranse (for å navngi bare noen få). Da pandemien kom, var det moren til alle globale forsyningskjedeforstyrrelser og skoner et lysende og uventende lys på volatiliteten i old-school-forsyningskjedepraksisen.
Videre, når forbrukertoleransene var for leveringstider på en uke eller mer, kunne bedrifter komme seg av med bare et par store lagre. I dag ser Amazon Effect samme dag eller neste dag som et økende forbrukerbehov. Dette har hatt en enorm påvirkning på beholdningsoptimaliseringen fordi det betyr at bedrifter nå må ha flere distribusjonssentre og krever flerlokaliseringsbeholdningsstyring. For å toppe den av, er onlinekjøp på et høyt tidspunkt og forbrukermerkelojaliteten er erodert i møte med økt onlinevalg. Dette har ført til enestående konkurransenivåer for mange bedrifter og en skrantende margin for fortjeneste og feil.
Forsyningskjedestemmen er egentlig lurvete.
Elon Musk
Differansen mellom beholdningsstyring og beholdningsoptimering
Begge er en del av de samme beholdningsrelaterte forsyningskjedeoperasjonene, men når det kommer til å definere den bestemte praksisen, er den generelle kategorien "beholdningsstyring" under som er beholdningsstyring og innenfor den som lever beholdningsoptimalisering.
Beholdningsstyring omfatter alle beholdningsstyringsoperasjoner, inkludert beholdningsoptimering.
- Beholdningsstyring viser til målet om å fastsette høye produktivitets- og effektivitetsmål for alle lageroperasjoner. Moderne teknologi for forretnings- og forsyningskjedeplanlegging støtter disse prosessene ved å gi forsyningskjedeledere bedre synlighet på tvers av alle lenkene i kjeden. Tingenes Internett (IoT) og skytilknyttede enheter og ressurser kan automatiseres for å oppnå større effektivitet i produksjonen. Produksjon, lager og logistikkprosesser oppnår også større effektivitet gjennom bruk av intelligente teknologier som kunstig intelligens (AI), maskinlæring, robotikk og automatisering av robotprosesser.
- Beholdningsoptimering er et delsett av beholdningsstyring som henviser mer spesifikt til fortjenestemarginer og minimerer tap. Overføring av overskuddsbeholdning fører til tap og avfall. Den tar plass, blir foreldet, og selger ikke eller må ofte selges til reduserte priser. På den annen side, som vi så under pandemien, er underdekning og uventet etterspørsel den andre siden av inventarmynten, hvor kostnadene kommer i form av tap av potensiell fortjeneste og skade på merket. Målet med beholdningsoptimalisering er derfor å oppnå best mulig prognose for behov og maksimere de økonomiske utdataene for beholdningen for firmaet.
De ulike beholdningstypene
Fra forbrukerens synspunkt består lagerbeholdningen hovedsakelig av ferdigvarer. Men for en bedrift er beholdning alt de må ha på lager, vedlikeholde og etterfylle. Hvis et selskap lager suppe, kan "inventaret" være alt fra de frøene som brukes til å dyrke tomatene, hele veien til drivstoffet i selskapet leveranser lastebiler som tar det til dagligvarebutikken. Å se på lagerstyring på denne mer helhetlige måten gir en større forståelse for kompleksiteten.
Det finnes fire grunnleggende beholdningstyper:
- Råvarer: All beholdning som til slutt ender opp i ferdigvaren.
- Varer i arbeid (VIA): Siden navnet innebærer det, er dette all beholdningen som klargjøres og pakkes for øyeblikket. Dette er et dyrt og risikabelt trinn, så det er mulig å bruke løsninger for beholdningsoptimalisering for å finne de mest kost- og tidseffektive prosessene.
- Ferdigvarer: Den vanligste betydningen av hvilken beholdning som er, i den pakkede tilstanden, som er klar for salg.
- Vedlikehold, reparasjon og driftsmaterialer (MRO): All nødvendig beholdning i produksjon, produksjon og levering av varene. Beholdningsoptimering brukes til beste saldooverskudd og underdekning for disse ikke-forbrukerposisjonene.
Utfordringene med tradisjonell beholdningsoptimering
Siden det har vært forsyningskjeder og lager, har en av de største utfordringene for å oppnå beholdningsoptimalisering vært balanseringen mellom "bare nok" og "ikke for mye". Etterspørselsprognoser har tradisjonelt vært en praksis med bakoverrettet utseende. Selv om beholdningsoptimalisering og etterspørselsprognoseeksperter er svært dyktige, er det bare så mye at menneskelig analyse og prognose kan oppnå. Derfor vil lineære forsyningskjeder som drives av andre systemer alltid være sårbare, uansett hvor mye ekspertise som brukes. Noen av de vanligste utfordringene omfatter:
- Gamle systemer som verken kan samle inn eller håndtere store data: Manuelle og ikke-tilkoblede teknologier kan ikke håndtere volumer med uensartede og ustrukturerte data. Det er fra disse dataene – gjennom applikasjonen av smarte teknologier som AI, maskinlæring og avanserte analyser – at noe av den største nøyaktigheten oppnås fra risikoprognose til etterspørselsprognose.
- Raskere kundebehov: Hvert år vokser forbrukerbehovet for rask levering og tilpassede produkter. Produktlivssyklusen er også kortere enn noen gang. Det er dyrt for bedrifter å samle opp logistikk- og forsyningskjedenettverkene sine for å oppfylle disse behovene, så større presisjon blir bedt om fra beholdningsoptimering.
- Økt konkurranse: En implikasjon av bransje 4.0 og intelligent, tilkoblet forsyningskjedeteknologi er at bedrifter kan sette opp og vokse raskere enn noen gang – alle forvaltes fra et sentralt knutepunkt. Dette har ført til et enestående konkurranse- og forbrukervalg. Løsninger for beholdningsoptimering søkes i økende grad etter å ha hjulpet til med å gi et konkurransefortrinn.
- Værhendelser og naturkatastrofer: Hvert år ser vi mer svekkende stormer og ødeleggende villbranner. Det er heller ikke mulig å forutsi slike hendelser nøyaktig, men ved bruk av avanserte analyser og sky-tilkoblede løsninger kan lagerledere gi seg selv en kampsjanse i løpet av de resulterende periodene med ventende behov.
Bygge på grunnleggende prognoseprosesser for beholdningsoptimering
Det er en lang rekke utfordringer knyttet til beholdningsoptimering fra forretningsvirksomhet til forretningsvirksomhet. For visse sesong- eller B2B-produkter kan prosessen være ganske enkel, mens store detaljister for eksempel kan ha hundretusenvis av artikler og en svært merkuriell markeds- og kundebase.
De grunnleggende praksisene som underbygger beholdningsoptimalisering har ikke endret seg på flere tiår - til og med århundrer. Men, det som er endret, er programvareløsninger som forsterker disse prosessene og spesialistene som utfører dem. Men selv de mest sofistikerte digitale systemene er fortsatt satt på bakken i mange av de kjente og tradisjonelle protokollene for beholdningsoptimalisering og formler:
- ABC-analyse: Identifisering av de mest og minst populære produktene samt de som er mest og minst lønnsomme. Dette er tradisjonelt oppnådd gjennom analyse av tidligere salgsdata. Med avanserte analyse- og smartteknologier er det nå mulig å forutsi trender bedre og forutse økende og fallende lagerbehov før de inntreffer.
- Behovsprognoser: Prediksjonsanalyse bidrar til å forutse kundebehov. Det brukes også som hjelp til å forutsi trender eller risikoer. Igjen, hvor dette tradisjonelt var en mer bakoverrettet prosess, gjør lagerstyringsprogramvare nå det mulig for forsyningskjedeledere å minimere risikoen for underdekning og avfall, og mer nøyaktig prognostisert behov.
- Materialbehovsplanlegging (MRP): Et system som håndterer planlegging, tidsplanlegging og beholdningsstyring for produksjon. I økende grad erstattes gamle MRP-systemer av integrerte forretningsplanleggingssystemer og behovsstyrte MRP-systemer (DDMRP) som gir større nøyaktighet og motstandsdyktighet.
- Bestillingspunktformel: Dette gjenspeiler minimumsbeholdningen før du må bestille på nytt. Dette har tradisjonelt vært en komplisert prosess fordi den skiller seg fra produkt til produkt – selv innenfor svært like produkter. Hvite sokker og svarte sokker kan for eksempel ha et annet bestillingspunkt. Teknologier for beholdningsoptimering kan holde selv de mest komplekse flerlokaliseringsbeholdningsnivåene nøyaktig og synlig – overalt og i sanntid.
- Kontinuerlig beholdningsstyring: Dette er særlig relevant for forbruksvarer med høy omsetningshastighet (FMCG) der produktene beveger seg i lynhastighet. Med smarte teknologier kan kontinuerlige beholdningsstyringsprosesser automatiseres fullt ut på tvers av omnikanal-innkjøpsberøringspunkter. Maskinlæring kan hjelpe disse verktøyene til å bli smartere og mer nøyaktige over tid, til og med holde øye med nyheter, trender og værrapporter for å levere direkte innsikt og rapportering om lagerstatus.
- Sikkerhetslager og beholdningsbuffere: Dette er prosessen med å sikre at det finnes realistiske beholdningsbuffere i tilfelle de uventede. Siden forsyningskjeder begynte, har dette vært en grunnleggende utfordring fordi mangel og sløsing begge fører til inntektstap. Moderne programvareløsninger i forsyningskjeden fører hastighet, tilkobling og avanserte dataanalysefunksjoner til beholdningsstyringsprosessen. Dermed kan bedrifter optimalisere buffermarginene med imponerende nøyaktighet.
Beholdningsoptimeringssystemer: Fordeler og resultater
Historisk sett kan fordelene ved selv små forbedringer av strategisk beholdningsoptimering realiseres i reduserte kostnader og bedre fortjenestemarginer. Med applikasjonen av integrerte forretningsprosesser og programvare for beholdningsstyring blir disse fordelene mer solide og målbare – og forbedres over tid bare etter hvert som programvaren lærer og tilpasser seg.
- Bedre synlighet i hele bedriften: Den forbedrede transparensen som aktiveres av programvare for beholdningsoptimalisering, strekker seg fra salg, markedsføring og regnskap til råvareleverandører og til og med globale partnere, ressurser og utgifter. Med nettskykonnektivitet kan alle team som er involvert i forsyningskjeden arbeide sammen i sanntid.
- Forbedrede etterspørselsprognoser og forutsigelsesmuligheter: Smarte teknologier kan behandle komplekse data fra kilder inne i og utenfor bedriften, og levere nøyaktige prognoser og analyser. Når forsyningskjedeteknologier drives av AI og maskinlæring, blir prediksjonsanalyser og etterspørselsprognoser mer nøyaktige og innsiktsfulle.
- Mer avanserte optimeringsresultater: Med smarte systemer som kan analysere komplekse og mangfoldige datasett, kan lagerledere se ikke bare hvilke produkter som er mest lønnsomme, men som hvilke lokaliseringer som er best for hvilke lagerenheter og hvilke kombinasjoner av produkter som selges best til forskjellige tider av året.
- Skalerbarhet: Selskapene må raskt skalere opp av mange grunner, herunder suksess og generell vekst, uventede hendelser eller sesongmessigheter. Smart programvare og moderne databaser er uendelig skalerbare og kan rampe opp og optimalisere operasjoner på global skala.
Går over og utover med MEIO (multi-echelon beholdningsoptimering)
Komplekse (spesielt globale) forsyningskjeder drar nytte av MEIO-løsninger, som bygger på det grunnleggende ved tradisjonell beholdningsoptimalisering, men bruker moderne forsyningskjede og nettskyteknologi for å få et mer sentralisert, sanntidsbilde av globale operasjoner. En effektiv MEIO-løsning anbefaler de optimale beholdningsnivåene ved hver lenke – eller echelon – i forsyningskjeden ved samtidig å optimere beholdningsbalansen på tvers av flere lokaliseringer.
Med en MEIO-tilnærming kan produsentene analysere behovsprognoser med en ende-til-ende-visning av forsyningskjeden. Og som bedrifter samler seg med Amazon Effect, hjelper MEIO-løsningene dem med å takle dagens mer geografisk distribuerte, mindre lagerbeholdninger.
Kom i gang med beste praksis for beholdningsplanlegging
Moderne teknologier og smarte løsninger kan gi enorme fordeler for alle områder i forsyningskjedeledelsen, men til slutt er det praksis og folk som driver en virksomhet. Nettskykonnektivitet hjelper deg med å koble deg til teamene og forsyningskjedepartnerne over hele verden, slik at du får innsyn i arbeidet ved å dele og belønne lydpraksiser og effektive strategier for beholdningsplanlegging.
- Bruk robuste teknikker for etterspørselsprognose.
Behovsprognose er en nøkkelfaktor for å informere hvordan bedrifter strategierer beholdningsstyring og andre prosesser, for eksempel ressurskjøp, inngående logistikk, produksjon, finansplanlegging og risikovurdering. - Gjør beholdningsbudsjettet til en prioritet på 1. kvartal.
Hver virksomhet har sykluser og skift gjennom året. Ved å etablere et beholdningsbudsjett per kvartal kan forsyningskjedeplanleggere definere mer realistiske mål, leveringsmål og KPI-er. - Implementer standard beholdningskontrollsystemer.
Kontrollsystemer kan tilpasses for ulike typer beholdning og bidrar til å forbedre effektivitet og effektivisere workflower. Det er ikke uvanlig at komplekse organisasjoner bruker forskjellige systemer i virksomheten. Hovedpunktet har sammenheng og legger en plan på plass. Det finnes to hovedtyper av beholdningskontrollsystemer:- Kontinuerlig kontrollsystem: I denne modellen bestilles de samme varekvantaene i hver syklus, og beholdningslederne må overvåke beholdningsnivåer kontinuerlig og etterfylle beholdninger når kvantumet av en vare faller under et fastsatt nivå.
- Periodisk kontroll: I denne modellen bestiller lagerledere produkter samtidig innenfor hver forretningssyklus. På slutten av syklusen bestilles nødvendig beholdning basert på kvalitetsnivåer på det tidspunktet. Dette systemet bruker ikke faste omorganiseringsnivåer og er mer effektivt for langsommere bevegelige produkter.
- Lytt til kundene dine.
Mange bedrifter lytter bare på de klemmeste hjulene og ender opp med å ta beslutninger basert på de mest høylytte tilbakemeldingene. De beste programvareløsningene for beholdningsstyring vil være i stand til regelmessig å samle inn og analysere data fra alle kunder og kjøpere og tilby innsikt og anbefaling – i sanntid – om inndataene. Dette hjelper til med å gjøre beholdningsoptimeringen i gang ved å sikre at beslutninger om beholdningsstyring er informert og datastyrt. - Bruk just-in-time (JIT) og on-demand-prinsipper.
Shorter-than-than-ever product lifecCycle og økende forbrukerbehov for hastighet og persontilpasning betyr at beholdningsoptimaliseringen må være rask og smidig. Teknologier som 3D-trykking og automatisering av robotteknologi gjør det mulig for bedrifter å bære virtuelle beholdninger. Forsyningskjedeproduksjon og -logistikk fungerer i økende grad ved hjelp av nettverk av behovsstyrte leverandører og leverandører. Med intelligent programvare kan lagerledere ta beslutninger om beholdningsoptimaliseringer i sanntid, trygg på at dataene sikkerhetskopierer dem.
Neste trinn for bedre beholdningsplanlegging og -optimering
Når det gjelder enhver forretningstransformasjon, er det viktig å etablere god kommunikasjon på tvers av beholdningsoptimalisering og forsyningskjedeteam. Start med å bryte ned siloer, utvikle sterk endringsstyring og kommunikasjonsstrategier, og snakke med teamlederne. Innenfor arbeidsstokken er det en gullgruve med informasjon om aktuelle risikoer og muligheter, som kan utnyttes for å etablere effektive strategier for lagerplanlegging og -optimering. Programvareleverandører kan også hjelpe deg med å utvikle et veikart for å få reisen med beholdningsoptimering underveis.
Utforsk beholdningsoptimeringsløsninger
Oppnå målene for beholdningsoptimalisering med SAP Integrated Business Planning.
Nyhetsbrev for SAP Insights