ABC-аналіз (Запаси)

В управлінні запасами, ABC-аналіз є методом категоризації запасів, що використовується як грубий механізм пріоритизації для зосередження зусиль та ресурсів на найбільш важливих для компанії товарах. того, як стали поширені системи безперервного обліку запасів, ABC-аналіз використовувався для скорочення кількості операцій, пов'язаних з управлінням З 2000-х років цей метод в основному використовується як метод візуалізації даних і способу пріорітизації уваги практиків ланцюжка поставок, яким регулярно доводиться переглядати налаштування поповнення в їх системі управління запасами, такі як параметри Min/Max або рівні обслуговування.

Виконання ABC-аналізу

ABC-аналіз є методом категоризації запасів, який присвоює клас кожному товару - або SKU, або продукту - зазвичай позначається як A, B і C, де A (відповідно C) - це клас, пов'язаний з найбільш (відповідно найменш) часто продаються або споживаними товарами. Можливо більше трьох класів (наприклад, D, E, F, …), хоча зазвичай кількість класів обмежується однозначним числом.

Для обчислення класів практикуючому спеціалісту з ланцюжка постачання необхідно вибрати ряд параметрів, що характеризують ABC-аналіз:

• кількість класів
• одиниця виміру "ваги" будь-якого товару
• історична глибина виміру
• відсоток, що використовується як поріг для кожного класу.

Відсотки пов'язані з обраною одиницею виміру ваги за історичною глибиною.

У той час, як керівництво може бути надане щодо вибору цих параметрів, вони в основному залишаються відносно довільними. Оскільки аналіз ABC призначений для доступності різноманітної аудиторії всередині компанії, параметри зазвичай вибираються як округлені числа, які легше запам'ятати.

Наприклад, менеджер з інвентаризації нішевого інтернет-магазину, продаючи асортимент із 10 000 футболок з річним оборотом 50 мільйонів євро, вирішує провести аналіз ABC з використанням наступних параметрів:

• 3 класи (A, B, C)
• кожна продана одиниця вважається '1'
• враховуються останні 3 місяці продажу
• пороги становлять 60% (A), 30% (B) та 10% (C).

Використовуючи таблицю, менеджер ранжує всі товари у порядку зменшення їх обсягів продажу за 3 місяці - виміряних у проданих одиницях. Потім пороги використовуються за накопичувальною часткою ваги товару. Очікується, що клас A матиме набагато менше товарів, ніж клас C. У наведеному нижче прикладі класи A/B/C мають відповідно 4/7/14 товарів.

Завантажити таблицю Excel: abc-analysis.xlsx

Як показано на наведеній таблиці Excel, проведення аналізу ABC просто. Крім того, багато програм обліку запасів також включають аналіз ABC - і часто його варіанти - оскільки реалізація є відносно простим шматком програмної інженерії.

Одиницею вимірювання може бути "одиниці" (тобто продані одиниці), якщо, як показано в попередньому прикладі, всі товари, що продаються або обслуговуються, мають приблизно однакові ціни. Однак, якщо деякі товари значно дорожчі за інші, то зазвичай має більший сенс зважувати їх за їх закупівельними цінами або цінами продажу.

Глибина історії має бути досить довгою, щоб усереднені кількості були статистично значущими. Зазвичай класи більш стабільні, якщо використовується кратне загальної циклічності, наприклад, один рік, щоб нейтралізувати ефект сезонності, або цілу кількість тижнів, щоб нейтралізувати ефект дня тижня, коли глибина невелика.

Пороги зазвичай налаштовуються так, щоб кожен клас мав не менше ніж 5 разів більше товарів, ніж попередній. Це гарантує, що невелика кількість класів охоплює навіть великий каталог. Починаючи з класу A зі 100 товарів і припускаючи 5-кратне збільшення, продавець футболок, згаданий вище, потребував би 4 класів, щоб охопити весь свій каталог (100x5x5x5 = 12 500).

Принцип Парето та статечні закони

Аналіз ABC заснований на емпіричному спостереженні, відомому як принцип Парето або правило 80/20, згідно з яким верхні 20% товарів зазвичай становлять 80% обсягу продажу незалежно від обраної одиниці вимірювання. Таким чином, у таких обставинах має сенс сегментувати елементи, що цікавлять, - товари на складі - відповідно до їх “величини” важливості, тобто класами ABC.

З більш математичної погляду аналіз, орієнтований на величину, такий як аналіз ABC, привабливий, коли базовий розподіл (ймовірностей) має “товстий хвіст”, тобто точки, які значно відхиляються від середнього 1 . Такі ситуації часто виникають як і природних явищах, і у людської діяльності. Наприклад, такі розподіли зазвичай мають товсті хвости:

• чисельність співробітників компанії у країні
• біомаса (у тоннах) видів у певній галузі
• касові збори фільмів за будь-який заданий рік
• відгуки (в одиницях) в автомобільній промисловості
• …

Існує цілий "бестіарій" математичних розподілів, які відомі своєю здатністю відповідати таким ситуаціям. Найбільш широко використовувані розподіли, ймовірно, це статечний закон і розподіл Ципфа. Ці математичні функції переважно відрізняються своєю здатністю “зважувати” хвіст розподілу, тобто відбивати ймовірність виникнення дуже рідкісних ситуацій.

У разі ланцюгів поставок прості економічні сили зазвичай діють, щоб штучно обмежити величину викидів. Наприклад, у разі товарів, що повертаються на склад, можна помітити, що найгірші товари зазвичай повністю видаляються з асортименту. Таким чином, товари, які продавалися, скажімо, лише раз на рік, не спостерігаються, тому що компанія припинила продаж цих товарів задовго до досягнення такого рівня продажу.

Навпаки, якщо товар продається надзвичайно добре, то компанія має стимул запровадити варіанти - за кольором, розміром чи будь-якому іншому технічному атрибуту - щоб далі збільшити загальний обсяг продажів. Знову ж таки, товари, які могли б продаватися десятками мільйонів одиниць, можуть ніколи не бути помічені, тому що на момент досягнення такого обсягу було введено варіанти, які канібалізують продаж вихідного товару.

Загальноприйняті практики на основі аналізу ABC

Аналіз ABC використовується для підтримки звичайних рішень, пов'язаних з урахуванням запасів, таких як передача замовлень на постачання постачальникам. Хоча можна сперечатися, чи вважатимуться практики, засновані на аналізі ABC, “добрими практиками” (див. розділ нижче обмежень аналізу ABC), деякі практики поширені, такі як:

• призначення рівнів обслуговування з урахуванням класу товарів - в перших класів найвищі цілі, а в останніх класів найнижчі.
• призначення рівної кількості робочої сили (уваги) кожному класу - наприклад, фахівець з ланцюгів поставок витрачає 1 годину огляд класу A (100 товарів), та був 1 годину огляд класу D (10 000 товарів).
• сегментація всіх KPI за класами та аналогічна сегментація всіх панелей управління або звітів відповідно до класу, що цікавить.
• встановлення виробничих оглядів - для команд ланцюгів поставок - з урахуванням правил, які від самих класів ABC.

Дійсно, оскільки класи ABC легко створювати та підтримувати, ці класи схильні зливатися з практиками компанії в галузі управління ланцюгами постачання, оскільки зазвичай немає опору проти того, що здається інтуїтивним способом удосконалення аналізу запасів.

Історична перспектива управління матеріалами

Історично аналіз ABC виник з перспективи управління матеріалами, спрямованої на мінімізацію адміністративних накладних витрат, пов'язаних із запасами. Кожен клас товарів мав свій набір процесів:

• “товари класу A” з дуже жорстким контролем та точними записами,
• “товари класу B” з менш жорстким контролем та точними записами,
• "товари класу C" з найменшими можливими контролюми та мінімальними записами.

Справді, до 70-х років записи про запаси доводилося вручну записувати в клеркові книги, що було повільним і дорогим. Таким чином, у більшості випадків було більш ефективно застосовувати методи управління запасами, які не потребують жодних записів, таких як Канбан.

Однак з появою недорогих систем безперервного обліку запасів та зчитувачів штрих-кодів ця практика поступово зникла. Справді, ризики, пов'язані з переміщенням запасів без (цифрових) записів, такі як втрата, зазвичай значно перевищують адміністративні витрати на підтримку цих записів. Таким чином, всі товари отримують жорсткий контроль та точні записи, тобто обробку товарів класу A, незалежно від їхньої важливості.

Однак слід зазначити, що більшість компаній все ще поділяють запаси – товари, які обробляються та продаються, і які необхідно відстежувати – від загальних запасів (наприклад, канцелярського приладдя), які не потребують відстеження.

Цікаво, що багато джерел досі вказують на цю історичну перспективу як основне мотивування аналізу ABC, хоча ця практика фактично зникла з більшості середніх і великих компаній з початку 2000-х років.

Обмеження аналізу ABC

Аналіз ABC – це грубий метод категоризації запасів та має багато обмежень. Ці обмеження схильні посилювати багато існуючих проблем у ланцюгах поставок, такі як дефіцит товару, надлишок запасів, ненадійність та низька продуктивність.

Нестійкість. При використанні "розумних" параметрів, таких як у наведеному вище прикладі, аналіз ABC часто призводить до того, що між чвертю та половиною товарів змінюють свою категорію кожен квартал у багатьох галузях. Що гірше, оскільки оцінка стійкості аналізу ABC складніша, ніж сам аналіз ABC, більшість компаній навіть не усвідомлюють проблему.Ці нестійкості наражають на небезпеку значну частину коригуючих заходів, заснованих на класифікації ABC, які в кінцевому підсумку застосовуються до неправильних товарів.

Тільки стаціонарні дані. Аналіз ABC суперечить основним закономірностям попиту, таким як запуск продукту: нововведений товар має низький обсяг за визначенням, тому що його обсяг продажів ще не спостерігався. Хоча можна пом'якшити ефект новизни, інші закономірності, такі як сезонність, ускладнюють процес. Наприклад, у жовтні іграшки, введені за 6 місяців до цього, класифікуються як товари категорії C, тоді як різдвяні продажі вже насуваються. Аналіз ABC - це стаціонарна перспектива попиту, і тому створюватиме неефективності у управлінні запасами, коли попит перестав бути стаціонарним.

Низька значимість. Щодо статистичних показників, кількість інформації, що видобувається з історії попиту та упакована через класи ABC, надзвичайно низька. Наприклад, навіть тривіальний показник, такий як “загальна кількість проданих одиниць минулого року”, зазвичай містить більше інформації про будь-який конкретний товар, ніж його клас ABC. Більше того, будь-яка статистична модель, яка виконує будь-яке завдання на основі історичних даних про запаси, може внутрішньо реалізувати аналіз ABC, якщо це виявиться корисним – хоча на практиці це не так.

Бюрократичний процес. Аналіз ABC включає довільний вибір параметрів. Оскільки ABC має очевидні недоліки, такі як запуск продукту (див. вище), зазвичай вводяться додаткові параметри для пом'якшення цих недоліків.Потім, оскільки аналіз ABC легко зрозуміти, багато людей неминуче відчують необхідність бути залученими до вибору всіх цих параметрів та/або запитати свої варіанти. В результаті, під виглядом швидкого та простого методу аналіз ABC зазвичай перетворюється на ресурсомісткий бюрократичний захід, який не приносить відчутних результатів.

Сліпота. Частота не дорівнює економічній значущості. Аналіз ABC визначає значимість продукту на основі його частоти використання чи виручки. Однак у багатьох випадках недоступність рідко споживаного чи цінного товару може мати найруйнівніші наслідки, і цього товару слід надавати високий рівень запасів та значущості. Прикладом роздрібної торгівлі може бути ефект товару, коли блискучі предмети розміщуються у вітрині, які рідко продаються, але є ключовими для залучення клієнтів. У виробництві або авіації конкретна деталь, яка може використовуватися рідко і має малу вартість з точки зору покупки, може призвести до неможливості підняття комерційного літака.

Погляд Lokad на аналіз ABC

Аналіз ABC був представлений на початку 20-го століття, у світі, де не існувало зчитувачів штрих-кодів, і де методи відстеження запасів були дорогими та ненадійними. Дивно, що цей метод залишається поширеним, хоча більшість проблем, які цей метод намагається вирішити, давно пішли в минуле. Наш загальний погляд на аналіз ABC наступний: все, що може робити аналіз ABC, простіші методи роблять краще, наприклад, оцінка товару, а не класифікація товару. Звичайно, всі ці прості Методи вимагають виконання на комп'ютері, тому те, що можна вважати "простим", значною мірою залежить від широкого контексту.

З точки зору чисто звітного аспекту, аналіз ABC може бути прийнятним. Тому ми рекомендуємо ретельно уникати створення показників і ключових показників ефективності на основі класів A/B/C, оскільки такі ініціативи практично ніколи не приносять очікуваних переваг.

Примітки

1. Розподіл з важкими хвостами - це ймовірнісний розподіл, який виявляє велику асиметрію або ексцес порівняно з нормальним розподілом або експоненційним розподілом, це розподіл, який не слід звичайної дзвонової кривої, пов'язаної, наприклад, з розмірами (в см) населення.