Definisjon av beholdningsoptimering

Beholdningsoptimering er praksisen med å ha riktig beholdning for å møte etterspørselen din, og bufre mot uventet avbrudd, samtidig som du unngår sløsing med overskudd. På sitt beste er beholdningsoptimalisering en smidig praksis som ikke bare reagerer raskt på risiko og mulighet, men også har kapasitet til å forutsi og forberede seg på den.

Beholdningsoptimering er mer avgjørende enn noensinne

Beholdningsoptimalisering er fortsatt et av de mest utfordrende aspektene ved forsyningskjedestyring, sårbar for utallige eksterne krefter – fra sosiale trender og økonomiske endringer til værhendelser, geopolitisk dynamikk og konkurransepress. De siste årene har de siste årene eksponert hvor raskt disse forstyrrelsene i forsyningskjeden kan øke tradisjonelle planleggingsmetoder, og understreke behovet for mer smidige, datadrevne og robuste beholdningsstrategier.

I tillegg har økningen i leveringsforventningene på samme dag og neste dag endret hvordan selskaper administrerer beholdningen. I stedet for å stole på noen få sentraliserte lagre, driver bedrifter nå distribusjonsnettverk for flere steder som krever større hastighet, nøyaktighet og sanntidssynlighet. Med økt online konkurranse og skiftende kundelojalitet, må organisasjoner balansere servicenivåer med strammere marginer og høyere usikkerhet.

Bedrifter som bruker moderne beholdningstilnærminger – ved hjelp av KI-drevet prognostisering, scenarioplanlegging og intelligent automatisering for å posisjonere beholdningen nærmere kundene – kan redusere lagringskostnader, beskytte servicenivåer og reagere raskt på markedsvolatilitet.

Forskjellen mellom beholdningsstyring og beholdningsoptimering

Beholdningsstyring og beholdningsoptimering er både en del av den brede praksisen og kategorien beholdningskontroll.

Beholdningsstyring henviser til målet om å definere mål med høy produktivitet og effektivitet for alle lageroperasjoner. Moderne teknologi for forretnings- og forsyningskjedeplanlegging støtter disse prosessene ved å gi ledere i forsyningskjeden bedre synlighet på tvers av alle koblingene i kjeden. Tingenes Internett (IoT) og skytilkoblede enheter og ressurser kan automatiseres for å øke effektiviteten i produksjonen. Produksjons-, lager- og logistikkprosesser oppnår også mer effektivitet gjennom bruk av intelligente teknologier som kunstig intelligens (KI), maskinlæring, robotikk og robotprosessautomatisering.

Beholdningsoptimering er et delsett av beholdningsstyring som refererer mer spesifikt til resultatmarginer og minimerende tap. Å bære overskuddsbeholdning fører til tap og avfall. Den tar opp plass, blir foreldet, og selger ofte ikke eller må selges til reduserte priser. På den annen side, som vi så under pandemien, er mangel og uventet etterspørsel den andre siden av inventarmynten, hvor kostnadene kommer i form av tap av potensiell fortjeneste og skade på merkevaren. Målet med beholdningsoptimering er derfor å oppnå best mulig prognosebehov og maksimere den finansielle produksjonen av beholdningen for selskapet.

De ulike typene beholdning

Fra forbrukerens synsvinkel består lagerbeholdningen hovedsakelig av ferdigvarer. Men for en bedrift er inventar alt de trenger for å holde på lager, vedlikeholde og etterfylle. Hvis et selskap lager suppe, kan "inventar" være alt fra frøene som brukes til å dyrke tomatene, helt til drivstoffet i selskapet levering lastebiler som tar det til dagligvarebutikken. Å se på inventarstyring på denne mer helhetlige måten gir en større forståelse av kompleksiteten.

Det finnes fire grunnleggende beholdningstyper:

1. Råvarer: All beholdning som til slutt havner i det ferdige produktet.
2. Varer i arbeid (VIA): Som navnet tilsier, er dette hele beholdningen som for øyeblikket forberedes og pakkes. Dette er et kostbart og risikabelt trinn, slik at løsninger for beholdningsoptimalisering kan brukes for å finne de mest kostnadseffektive og tidseffektive prosessene.
3. Ferdigvarer: Den vanligst oppfattede betydningen av hvilken beholdning som er, i sin pakkede tilstand klar til salg.
4. Vedlikeholds-, reparasjons- og driftsmaterialer (MRO): All beholdning som trengs i produksjon, produksjon og levering av varene. Beholdningsoptimering brukes på det beste saldooverskuddet og underdekningen av disse ikke-for-konsumentposisjonene.

Utfordringene med tradisjonell lageroptimalisering

Siden det har vært forsyningskjeder og lager, har en av de største utfordringene med å oppnå beholdningsoptimalisering vært balanseringen mellom «akkurat nok» og «ikke for mye». Behovsprognoser har tradisjonelt vært en tilbakevendende praksis. Selv om beholdningsoptimalisering og etterspørselsprognoseeksperter er svært dyktige, er det bare så mye som menneskelig analyse og prediksjon kan oppnå. Derfor vil lineære forsyningskjeder som drives av gamle systemer alltid være sårbare, uansett hvor mye ekspertise som brukes. Noen av de vanligste utfordringene er:

• Gamle systemer som verken kan samle eller administrere store data: Manuell og ikke-tilkoblet teknologi kan ikke håndtere volumer av uensartede og ustrukturerte data. Det er fra disse dataene – gjennom bruk av smart teknologi som KI, maskinlæring og avanserte analyser – at noe av den største nøyaktigheten oppnås fra risikoforutsigelse til etterspørselsprognoser.
• Hurtigvirkende kundebehov: Hvert år vokser forbrukernes etterspørsel etter rask levering og tilpassede produkter. Også produktlivssyklusene er kortere enn noensinne. Det er dyrt for bedrifter å bygge opp logistikk- og forsyningskjedenettverkene sine for å oppfylle disse kravene, så det blir bedt om større presisjon fra beholdningsoptimalisering.
• Økt konkurranse: En implikasjon av Industry 4.0 og intelligente, tilkoblede forsyningskjedeteknologier er at bedrifter kan sette opp og vokse raskere enn noensinne – alt administrert fra et sentralt knutepunkt. Dette har ført til et enestående nivå av konkurranse og forbrukervalg. Løsninger for beholdningsoptimalisering er stadig mer ettertraktet for å bidra til å gi et konkurransefortrinn.
• Værhendelser og naturkatastrofer: Hvert år ser vi mer ødeleggende stormer og ødeleggende skogbranner. Det er åpenbart ingen måte å forutsi slike hendelser nøyaktig, men med bruk av avanserte analyser og skytilkoblede løsninger, kan lagerledere gi seg selv en kampsjanse i de resulterende periodene med vaklende etterspørsel.

Prognoseprosesser for beholdningsoptimering

Det finnes et bredt spekter av utfordringer knyttet til beholdningsoptimalisering, fra forretning til bedrift. For visse sesong- eller B2B-produkter kan prosessen være ganske enkel, mens store detaljister for eksempel kan ha hundretusener av SKU-er og et svært kvikksølvmarked og kundebase.

Den grunnleggende praksisen som underbygger optimalisering av beholdningen har ikke endret seg på flere tiår – selv århundrer. Men det som har endret seg er programvareløsninger som utvider disse prosessene og spesialistene som utfører dem. Men selv de mest sofistikerte digitale systemene er fortsatt jordet i mange av de kjente og tradisjonelle lageroptimaliseringsprotokollene og formlene:

• ABC-analyse lar deg identifisere de mest og minst populære produktene samt de som er mest og minst lønnsomme. Dette har tradisjonelt blitt oppnådd gjennom analyse av tidligere salgsdata. Men med avanserte analyser og smarte teknologier er det nå mulig å forutsi trender bedre og forutse økende og fallende lagerbehov før de skjer.
• Behovsprognoser med prediktive analyser bidrar til å forutse kundebehov. Den brukes også til å forutsi trender eller risikoer. Igjen, der dette tradisjonelt var en mer backward-looping prosess, lar beholdningsstyring programvare nå forsyningskjedeledere minimere risikoen for mangel og avfall, og mer nøyaktig prognoser behov.
• Materialbehovsplanlegging er et system som håndterer planlegging, planlegging og beholdningsstyring for produksjon. I økende grad erstattes gamle MRP-systemer av integrerte forretningsplanleggingssystemer og behovsstyrte MRP-systemer (DDMRP) som gir større nøyaktighet og robusthet.
• Bestillingspunktformelen gjenspeiler minimumslageret før du må bestille på nytt. Dette har tradisjonelt vært en komplisert prosess fordi det skiller seg fra produkt til produkt – selv innenfor svært lignende produkter. For eksempel kan hvite sokker og sorte sokker godt ha et annet ombestillingspunkt. Teknologier for beholdningsoptimalisering kan holde selv de mest komplekse multilokasjonelle beholdningsnivåene nøyaktige og synlige – overalt og i sanntid.
• Evigvarende beholdningsstyring er særlig relevant for hurtigvirkende forbruksvarer (FMCG) der produktene beveger seg med lynets hastighet. Med smarte teknologier kan kontinuerlige beholdningsstyringsprosesser automatiseres på tvers av kontaktpunkter for omnikanal-innkjøp. Og maskinlæring kan hjelpe disse verktøyene med å bli smartere og mer nøyaktig over tid, til og med holde øye med nyheter, trender og værrapporter for å levere levende innsikt og beholdningsstatusrapportering.
• Sikkerhetslager og lagerbuffere er prosessen med å sikre at det finnes realistiske lagerbuffere i tilfelle av det uventede. Siden forsyningskjeden begynte, har dette vært en grunnleggende utfordring fordi både mangel og svinn fører til inntektstap. Moderne programvareløsninger for forsyningskjeden gir hastighet, tilkobling og avanserte dataanalysefunksjoner til lagerstyringsprosessen. Dette gjør det mulig for bedrifter å optimalisere buffermarginene sine med imponerende nøyaktighet.

Systemer for optimalisering av beholdning: Fordeler og resultater

Historisk sett kan fordelene med enda små forbedringer av strategisk beholdningsoptimalisering realiseres i reduserte kostnader og bedre fortjenestemarginer. Med bruk av integrerte forretningsprosesser og programvare for beholdningsstyring blir disse fordelene mer robuste og målbare – og bare forbedres over tid etter hvert som programvaren lærer og tilpasser seg.

• Større synlighet i hele foretaket: Den forbedrede gjennomsiktigheten som muliggjøres av programvare for beholdningsoptimering, 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.
• Forbedret etterspørselsprognose og forutsigbarhet: Smarte teknologier kan behandle komplekse data fra kilder i og utenfor virksomheten – og levere nøyaktige prognoser og innsikt. Når forsyningskjedeteknologier drives av KI og maskinlæring, blir prognoseanalyser og etterspørselsprognoser mer nøyaktige og innsiktsfulle.
• Mer sofistikerte optimaliseringsresultater: Med smarte systemer som kan analysere komplekse og mangfoldige datasett, kan lagerledere se ikke bare hvilke produkter som er mest lønnsomme, men ting som hvilke lokasjoner som er best for hvilke SKU og hvilke kombinasjoner av produkter som selger best på forskjellige tider av året.
• Skalerbarhet: Bedrifter må skalere opp raskt av mange grunner, inkludert suksess og generell vekst, uventede hendelser eller sesongmessighet. Smart programvare og moderne databaser er uendelig skalerbare og kan rampe opp og optimalisere operasjoner på en global skala.

Går utover med multi-echelon lageroptimalisering (MEIO)

Komplekse (spesielt globale) forsyningskjeder drar nytte av MEIO-løsninger, som bygger på det grunnleggende om tradisjonell beholdningsoptimalisering, men som bruker moderne forsyningskjede og skybasert teknologi for å få et mer sentralisert, sanntidsbilde av globale operasjoner. En effektiv MEIO-løsning anbefaler de optimale lagerbeholdningene ved hver kobling – eller echelon – i forsyningskjeden ved samtidig å optimalisere lagerbalansen på tvers av flere lokasjoner.

Med en MEIO-tilnærming kan produsentene analysere behovsprognoser med en ende-til-ende-visning av forsyningskjeden. Og etter hvert som bedrifter griper inn i forbrukernes forventninger til rask, enkel levering og praktisk retur, hjelper MEIO-løsninger dem med å takle dagens mer geografisk fordelte, mindre lagerbeholdninger.

Kom i gang ved å bruke god forretningsførsel for beholdningsplanlegging

Moderne teknologier og smarte løsninger kan gi enorme fordeler til alle områder av forsyningskjedestyring, men til slutt er det praksis og mennesker som driver en bedrift. Nettskykonnektivitet hjelper deg med å koble deg til teamene og forsyningskjedepartnerne dine over hele verden, slik at synligheten fungerer ved å dele og belønne god praksis og effektive strategier for beholdningsplanlegging.

1. Bruk robuste teknikker for etterspørselsprognose. Behovsprognoser er en nøkkelfaktor for å informere om hvordan bedrifter strategiserer beholdningsstyring og andre prosesser, for eksempel ressursinnkjøp, inngående logistikk, produksjon, økonomisk planlegging og risikovurdering.

2. Gjør beholdningsbudsjettet ditt til en Q1-prioritet. Hver virksomhet har sykluser og skift gjennom hele året. Ved å opprette et kvartalsvis beholdningsbudsjett kan forsyningskjedeplanleggere sette mer realistiske mål og KPI-er som kan leveres.

3. Implementer standard beholdningskontrollsystemer. Gjennomgangssystemer kan tilpasses for ulike lagertyper og bidra til å forbedre effektiviteten og effektivisere arbeidsflyter. Det er ikke uvanlig at komplekse organisasjoner bruker ulike systemer i sin virksomhet. Hovedpoenget er å ha konsistens og sette en plan på plass. Det finnes to hovedtyper av systemer for beholdningskontroll:

   • Kontinuerlig kontrollsystem: I denne modellen bestilles de samme kvantaene av varer i hver syklus, og lagerledere må overvåke beholdningsnivåer kontinuerlig og etterfylle beholdninger når kvantumet av en vare faller under et fastsatt nivå.
   • Periodisk kontroll: I denne modellen bestiller beholdningsledere produkter samtidig innenfor hver forretningssyklus. På slutten av syklusen bestilles nødvendig beholdning basert på kvalitetsnivåer på det tidspunktet. Dette systemet bruker ikke faste ombestillingsnivåer og er mer effektivt for tregere bevegelige produkter.

4. Lytt til kundene dine. Mange bedrifter lytter bare til de knirkeste hjulene og ender opp med å ta beslutninger basert på den høyeste tilbakemeldingen. De beste programvareløsningene for beholdningsstyring vil regelmessig kunne samle inn og analysere data fra alle dine kunder og kjøpere og tilby innsikt og anbefaling – i sanntid – om disse inndataene. Dette bidrar til å optimere beholdningen ved å sikre at beslutninger om beholdningsstyring blir informert og datadrevet.

5. Bruke just-in-time (JIT)- og on-demand-prinsipper. Lengre produktlivssykluser enn noensinne og økende forbrukerbehov for hastighet og personalisering betyr at lageroptimalisering må være raskt i bevegelse og smidig. Teknologier som 3D-utskrift og robotautomatisering gjør det mulig for bedrifter å bære virtuelle beholdninger. Forsyningskjedeproduksjon og logistikk opererer i økende grad ved hjelp av nettverk av leverandører og leverandører på forespørsel. Med intelligent programvare kan beholdningsledere ta beslutninger om beholdningsoptimeringer i sanntid, trygg på at dataene sikkerhetskopierer dem.

Neste trinn for bedre lagerplanlegging og -optimering

Som med enhver forretningstransformasjon, er det viktig å etablere god kommunikasjon på tvers av beholdningsoptimeringen og forsyningskjedeteamet. Start med å bryte ned siloer, utvikle sterke endringsstyrings- og kommunikasjonsstrategier, og snakke med teamlederne dine. Innenfor din arbeidsstyrke er en gullgruve med informasjon om aktuelle risikoer og muligheter, som kan utnyttes til å etablere handlingspliktig beholdningsplanlegging og optimaliseringsstrategier. Programvareleverandører kan også hjelpe deg med å utvikle et veikart for å få din lageroptimaliseringsreise i gang.