תפריט נגישות

אופטימיזציית מלאי בעזרת סטטיסטיקה ידידותית למשתמש

ניהול מלאי אופטימאלי מתבצע על ידי: א. פרמטרים לוגיסטיים מעודכנים תמיד; ב.אלגוריתמים נכונים המאפשרים תחזית ביקוש אמינה וחישוב מדויק של מלאי-הביטחון הרצוי;

 שיטת "שבועות מלאי"


ארגונים רבים, מנהלים את רמות המלאי, על ידי קביעת מדיניות של "מספר שבועות מלאי". כאשר מזוהה ירידה בזמינות הפריטים, מתקבלת החלטה להגדיל את מספר שבועות המלאי וכשהתקציב מצטמצם מתקבלת החלטה להקטין את מספר שבועות המלאי.
מידת ההצלחה של שיטה זו נמוכה, מאחר ולשיטה זו חסרונות רבים:

חסרון מס' 1: השימוש בממוצע הצריכה כפרמטר ראשי לקביעת רמות המלאי.

 

האם באמת הממוצע הוא נתון אמין? נבחן את הגרפים הבאים המציגים את נתוני הצריכה החודשית במהלך 12 חודשים במקרים שונים המתוארים באיור 1:

 

 

בכל המקרים הממוצע החודשי של הצריכה הינו 100 יחידות, אך רק בדוגמא הראשונה מימין, הצריכה יציבה בכל החודשים, ונתון הממוצע אמין. בכל שאר הדוגמאות, רמת המלאי שתקבע על סמך הממוצע, תהיה שגויה.

הפתרון: ראשית, יש לסווג את הפריטים לפי קצב הביקוש.
יש להפריד בין פריטים בעלי צריכה אקראית, להם נפעיל מודל פאוסון, לבין פריטים בעלי ביקוש "נורמלי". במודל פאוסון, המשמש לדוגמא פריט כמו זה המופיע באיור 1 בשורה השניה מימין, נחשב במקום ממוצע חודשי לכל החודשים העתידיים, את מספר החודשים בשנה הקרובה בהם צפוי ביקוש, ואת הערך הממוצע של כל ביקוש כזה.

לפריטים ה"נורמליים" נחשב ממוצע אמין יותר מממוצע פשוט (ע"י החלקה אקספוננציאלית, או חישוב רגרסיה לינארית), ובנוסף את מגמת-הביקוש, ואת עונתיות-הביקוש. שונות-הביקוש היא נתון מרכזי לו שימושים רבים שחלקם יפורט בהמשך.

חסרון מס' 2: התעלמות מהשונות-בביקוש - איור 2
 

 

 

מלאי הביטחון (Buffer-Stock) נועד לכסות על הביקושים החריגים. קביעת מדיניות מלאי-הביטחון המושתתת על "מספר שבועות מלאי" תגרום לעודפי מלאי בפריטים בעלי שונות נמוכה, וסכנת חוסר לפריטים בעלי שונות גבוהה.

 

בשתי הדוגמאות הממוצע זהה. לפריט המוצג בגרף העליון יש להחזיק מלאי-בטחון גבוה לכיסוי הביקוש בחודשי השיא, ולפריט המוצג בגרף התחתון, נסתפק במלאי-בטחון נמוך.

הפתרון: אלגוריתם המזהה את שונות-הביקוש, הפועל גם הוא בהתאם למודל הסטטיסטי: לדוגמא, במודל של ביקושים פאוסונים, אין משמעות לשונות בחודשים בהם הביקוש הוא אפס. דוגמא נוספת: לאורך תקופת המדידה יש לחשב את השונות בהתאם למגמת-הביקוש ולעונתיות-הביקוש (שונות מול ממוצע בלבד עלולה להטעות). השונות מתעדכנת מידי חודש, ומאפשרת חישוב דינמי ומדויק של מלאי-ביטחון נכון.

 חסרון מס' 3: העדר מדד רמת-השירות כפרמטר מרכזי במדיניות הארגון, המשפיע ישירות על הקף רמות המלאי.

הפתרון: הנעה על-פי רמת-השרות (Service Level Driven) לחישוב הפרמטרים הלוגיסטיים.
רמת-השרות, הנה מדד סטטיסטי להסתברות לספק ביקוש ולהמנע ממקרי חוסר. כחלק מחישוב מלאי-הביטחון המתואר בסעיף הקודם, נוסיף את פרמטר רמת-השרות: פקטור רמת-השרות, מוכפל בסטיית-התקן (שורש השונות) קובע את גובה מלאי-הביטחון. בשיטה דינמית זאת, הפרמטר הקבוע הוא מדיניות רמת-השרות, והפרמטרים המתעדכנים אוטומטית מדי חודש הם השונות, הממוצע, המגמה, והעונתיות. גורמים נוספים המשפיעים על החישוב הם זמן-האספקה, זמן-הסקירה, גודל-הזמנה-מינימלי (
QOM) וכן שינויים באמינות הספקים.

חסרון מס' 4: התייחסות לצריכות חריגות באותו משקל כמו לצריכות שאינן חריגות.

לקוח מזדמן, פרויקט קצר מועד או מבצע מכירות, יוצרים ביקושים חריגים גבוהים המעוותים את חישוב התחזית. השפעה הפוכה תהיה לירידה חד-פעמית שיכולה לנבוע ממחסור זמני אצל הספק או אירוע אחר (כמו אוקטובר 2005 שכלל 6 ימי עבודה בלבד מפאת החגים).

הפתרון: התעלמות מביקושים קיצוניים. 3 סטיות תקן מעל או מתחת לממוצע הן בדרך כלל ערך מתאים לסינון ביקושים קיצוניים. לחודש בו הביקוש קיצוני גבוה, נשתמש בנתון מלאכותי של ממוצע +/- 3 סטיות תקן, כבררת מחדל לחישוב. עם זאת, מומלץ לבחון חריגים אלו במידת האפשר.

לדוגמא, באיור 1, לפריט המוצג בגרף התחתון משמאל, נתייחס לחודש השיא כאירוע חריג ולא נכלול את הצריכה הגבוהה בחישוב הממוצע.

חסרון מס' 5: קושי בשליטה במגוון רחב של פריטים.

אילוצי זמן ומשאבים אחרים, ימנעו גם מאיש מקצוע מיומן לתת לכל פריט ופריט את תשומת הלב הראויה. המופקד על מגוון של מאות או אלפי פריטים יאלץ לקבל החלטות עיתוד גורפות לקבוצות פריטים. מרבית הארגונים מרחיבים בהתמדה את המגוון. האם גם המשאבים המטפלים באותו מגוון גדלים באותו היקף?

הפתרון: ניהול על-פי חריגים (Management by Exceptions).
חריגים אמיתיים, שיאותרו בהתייחס לכל הפרמטרים שהוזכרו לעיל, מאפשרים מיקוד הידע המקצועי בקבוצת פריטים קטנה הדורשת תשומת לב. החלק הארי של המגוון, יטופל אוטומטית על-ידי האלגוריתמים הסטטיסטיים. התרעות חריגים אמיתיות, צריכות להתייחס לסטטוס הפריט. כלל האצבע של +/- 3 סטיות תקן תופס גם כאן. נבקש לקבל התרעות רק במקרים של חריגה מטווח סביר זה. מנגנון כזה, מתעלם מפריטים המפתיעים כל חודש בביקוש הקופץ למעלה או למטה (כל עוד הם בטווח הסטיות המותר), ומאפשר את המיקוד המקצועי הרצוי.

חסרון מס' 6: העדר דינמיות בפרמטרים הלוגיסטיים.

תגובה איטית לשינויים מגדילה את סכנת המחסור בפריטים המאיצים את פעילותם מחד, ואת סכנת עודפי המלאי לפריטים המאטים פעילותם מאידך.
הפתרון: נוהל תקופתי לעידכון הפרמטרים הלוגיסטיים. רצוי שנוהל זה יופעל ע"י מתזמן (scheduler
) אוטומטי לכל הפריטים העונים לכללים שהוגדרו במדיניות ניהול המלאי. מאחר והאוכלוסיה העונה על כללים מסוימים משתנה דינמית, בעיקר עקב השנויים בביקוש, בכל נקודות זמן יהיו פריטים אחרים העונים על הקריטריונים לעדכון. לדוגמא, לצורך אכיפת מדיניות של רמת-שרות גבוהה לפריטיי A, נצטרך בנוהל אוטומטי לאתר את פריטי A החדשים מידיי תקופה, ולשנות להם את פרמטר יעד רמת-השרות. בהתאמה, לכל הפריטים שהפכו מ-A ל-B, לשנות פרמטר זה לרמת-השרות של B 

סיכום:

פרמטרים לוגיסטיים מעודכנים תמיד מאפשרים ניהול מלאי אופטימאלי. האלגוריתמים הנכונים מאפשרים תחזית ביקוש אמינה, וחישוב מדויק של מלאי-הביטחון הרצוי. כלים המאפשרים שליטה ושינוי דינאמי של פרמטרים אלו, יאפשרו להגיע ולשמור על רמת מלאי אופטימאלי, כמתואר באיור 3: הקשת, מייצגת את האופטימום בגרף המתאר את היחס בין רמת-השרות לערך המלאי.

ללא כלים אלו, נשאר אי-שם באזור נקודה A
:

שימוש נכון בכלים סטטיסטיים מאפשר להגיע לקשת ואף לבחור באיזו נקודה לפגוש אותה:
נקודה
B1: צמצום רמות המלאי תוך שמירה על רמת-השרות הקיימת.
נקודה
B3: שיפור רמת-השרות תוך שמירה על ערכי המלאי הקיימים.
נקודה
B2: שילוב של השניים: צמצום רמות המלאי ושיפור רמת-השרות. 

כותב המאמר: עוז חורין, מנכ"ל אינפולוג ישראל

 

ליצירת קשר: oz@infolog.co.il

 

פרסום באתר