Cara Menangani Permintaan yang Intermiten

Pemangkas sumbu kuningan terjual dalam tujuh hari dari delapan puluh empat hari terakhir. Totalnya lima belas unit. Bagilah satu dengan yang lain dan Anda mendapatkan tingkat penjualan harian rata-rata sebesar 0,18 unit: benar secara aritmatika, dan tidak berguna untuk memutuskan apa pun. Hampir setiap rumus perencanaan di situs ini menggunakan tarif tersebut sebagai masukan pertamanya.

Seperti apa permintaan yang terputus-putus itu

Permintaan yang terputus-putus berarti suatu SKU jarang terjual, dengan kesenjangan yang panjang antara penjualan dan jumlah yang kurang lebih konsisten saat SKU terjual. Permintaan yang besar menambah jumlah yang tidak dapat diprediksi dan waktu yang tidak teratur. Klasifikasi empat pola tempat ini tercakup membandingkan metode peramalan, dan menilai katalog berdasarkan variabilitas pendapatan dan permintaan adalah bagaimana SKU diurutkan ke sudut yang tidak menentu; postingan ini mengeluarkan satu SKU dari sudut itu dan mengerjakan apa yang Anda lakukan dengannya pada Senin pagi.

Dua belas minggu terakhir pemangkas, unit per minggu, yang terlama lebih dulu:

2, 0, 1, 3, 0, 1, 0, 2, 0, 4, 0, 2

Lima dari dua belas minggu adalah nol. Pada tingkat harian, keadaannya lebih buruk: 77 dari 84 hari tidak mencatat apa pun, dan masing-masing dari tujuh hari yang berhasil adalah satu pesanan dari satu pelanggan, membawa 2, 1, 3, 1, 2, 4 dan 2 unit. Kesenjangan rata-rata antara penjualan adalah 84 7 = 12 hari, yang juga merupakan waktu tunggu pemasok toko. Waktu tunggu tipikal pada produk ini berisi satu penjualan, atau tidak sama sekali.

Mengapa rata-rata rusak di sini

Ada dua hal yang salah, berlawanan arah.

Yang pertama adalah levelnya. Delapan puluh empat hari mencakup tujuh periode dua belas hari, jadi 15 unit sama dengan 15 7 = 2,1 unit permintaan dalam waktu tunggu rata-rata. Masukkan itu ke dalam rumus titik pemesanan ulang dibandingkan dengan waktu tunggu 12 hari dan pemicunya mendekati 2 unit, ditambah buffer apa pun yang Anda tambahkan. Namun satu pelanggan membeli 4 unit dalam satu pesanan pada hari ke 70. Pemicu yang disetel pada 2 tidak akan bertahan bagi pelanggan yang menginginkan 4: Anda menjual dua, Anda kehilangan dua, dan pemesanan ulang yang akhirnya dipicu sudah terlambat untuk penjualan yang memecatnya.

Yang kedua adalah bentuknya. Setengah dari rumus persediaan pengaman mengalikan faktor tingkat layanan dengan deviasi standar permintaan, sebuah konstruksi yang mengasumsikan permintaan terdistribusi secara normal. Itu panduan stok pengaman menyatakan asumsi itu dengan jelas dan menyebut kasus ini sebagai kasus yang gagal. Rangkaian yang 92% nol dengan lonjakan sesekali bukanlah kurva lonceng; itu adalah tumpukan nol dengan ekor tipis. Outputnya tidak rusak secara aritmatika. Ini adalah aritmatika yang benar yang diterapkan pada distribusi yang tidak pernah dibuat untuknya, dan pembacaannya lebih tepat daripada yang sebenarnya.

Ubah jangka waktu terlebih dahulu

Sebelum menggunakan metode lain, ubahlah keranjang yang Anda hitung. Lima belas unit yang sama terlihat seperti tiga produk berbeda tergantung cara Anda membagi kalender.

Pola ini sebagian merupakan artefak dari keranjang dan bukan properti tetap produk: keranjang yang lebih luas berisi periode kosong yang lebih sedikit, sehingga SKU yang dibaca sebagai harian terputus-putus dapat dibaca sebagai bulanan yang stabil tanpa ada satu pun penjualan yang berubah. Jujur saja tentang apa yang dibelinya. Lima unit sebulan yang dikonversi kembali ke jangka waktu dua belas hari adalah 5 × 12 30 = 2 unit, jawaban yang sama diberikan oleh tarif harian. Agregasi memperbaiki apa yang dapat Anda lihat dan irama apa yang Anda ulas. Itu tidak mengubah apa yang dikembalikan oleh tangan aritmatika.

Metode perencanaan yang berhasil

Hitung jendelanya, bukan menghitung rata-ratanya

Rata-rata jendela dua belas hari menampung 2,1 unit. Sekarang tanyakan apa yang terburuk yang pernah terjadi. Jawabannya 6: pesanan 4 unit pada hari ke 70 dan pesanan 2 unit pada hari ke 78, selang waktu delapan hari, dalam rentang waktu yang sama. Hanya satu pasang penjualan lainnya pada kuartal tersebut yang jatuh cukup dekat untuk berbagi jendela, hari ke-19 dan 27, dan total pasangan tersebut adalah 4.

Enam hampir tiga kali lipat dari rata-ratanya, dan itu adalah angka yang layak untuk dituliskan. Tahan 6 dan setiap jendela waktu tunggu dalam riwayat yang diamati tercakup. Seluruh kuartal bertumpu pada tujuh penjualan, jadi ulangi penghitungan setiap kali ada penjualan baru. Ini masih merupakan dasar yang lebih baik daripada penghitungan rata-rata dan deviasi standar yang asumsinya sudah Anda ketahui telah dilanggar.

Metode Croston, dan apa yang tidak terpecahkan

Metode Croston dibangun untuk pola ini. Daripada memperhalus rangkaian yang sebagian besar nol, ia mempertahankan dua rangkaian yang diperhalus dan memperbarui keduanya hanya pada periode ketika sesuatu terjual: satu untuk ukuran penjualan, satu untuk kesenjangan antar penjualan. Ramalan adalah rasionya.

Tingkat perkiraan = ukuran permintaan yang dihaluskan interval antara penjualan yang dihaluskan

Angka tersebut mengalahkan rata-rata angka nol, dan di sinilah penelitian menunjukkan adanya permintaan yang terputus-putus. Ini juga membawa bias positif yang terdokumentasi, yang berarti perkiraannya cenderung berlebihan, yang dikaitkan dengan Syntetos dan Boylan. Koreksi standar, Pendekatan Syntetos-Boylan, menurunkan perkiraan untuk mengimbanginya, namun literatur mencatat bahwa koreksi tersebut dapat melampaui bias negatif yang terkadang lebih besar daripada bias yang telah diperbaiki. Tidak ada versi yang netral, dan tidak ada sumber yang dapat dilacak yang memberikan persentase pada keduanya.

Croston's juga mengembalikan permintaan menilai, bukan tanggal, dan pada SKU yang terjual tujuh kali dalam seperempat, yang merugikan Anda adalah ukuran satu pesanan, dengan rata-rata harga berapa pun. Ini adalah rangkaian metode yang tepat, bukan angka yang dapat Anda tindak lanjuti tanpa memiliki perlindungan terpisah untuk satu transaksi.

Kebijakan yang biasanya menang: min/maks

Untuk sebagian besar katalog kecil, jawaban praktisnya bukanlah perkiraan yang lebih baik, melainkan kebijakan yang tidak memerlukannya: jumlah minimum yang memicu pemesanan ulang, jumlah maksimum yang Anda pesan, keduanya dibiarkan hingga ada perubahan. Perencanaan inventaris min/maks mencakup bagaimana keduanya dipetakan ke titik pemesanan ulang dan tingkat stok target. Untuk pemangkas: min 6, jangka waktu dua belas hari terburuk yang diamati, dan maksimal 20, perlindungan sekitar empat bulan dengan lima unit sebulan. Stok menyentuh 6, Anda memesan 20 − 6 = 14 unit, dan dengan permintaan tahunan sekitar 60 unit, hal itu terjadi sekitar empat kali setahun. Kuantitas pesanan minimum atau paket casing dari pemasok sering kali menentukan batas maksimal untuk produk yang lambat ini.

Mengukur buffer ketika rumus gagal

Pertanyaan penyangga di sini bukanlah "seberapa banyak variabilitas yang saya hadapi sepanjang waktu tunggu". Pertanyaannya adalah "jika satu pelanggan lagi memesan saat kiriman sedang dalam perjalanan, dapatkah saya mengisinya?" Jendela terburuk yang diamati dari 6, ditambah satu lagi urutan 2, adalah 8. Itu adalah keputusan penilaian yang menggunakan aritmatika, dan harus diberi label sebagai satu.

Sekarang bagian yang menarik perhatian orang. Persingkat waktu tunggu dari dua belas hari menjadi empat hari dan hitung ulang delapan puluh empat hari yang sama: jendela empat hari terburuk masih menampung 4 unit, karena masih merupakan pesanan tunggal pada hari ke 70. Memotong waktu tunggu sebanyak dua pertiga akan mengurangi cakupan yang diperlukan sebanyak sepertiga. Pada SKU jenis ini, buffer ditentukan berdasarkan ukuran satu transaksi, bukan berdasarkan jumlah hari Anda menunggu, yang merupakan kebalikan dari perilaku titik pemesanan ulang pada fast mover. Waktu tunggu yang lebih singkat tetap dapat dipertahankan, namun dengan mengembalikan stok Anda lebih cepat, bukan dengan membiarkan Anda menyimpan lebih sedikit.

Kapan harus berhenti menyimpannya

Intermiten tidak sama dengan mati. SKU dengan gap yang panjang dan penjualan nyata di akhir setiap gap berhasil. Mengidentifikasi persediaan yang bergerak lambat mencakup ambang deteksi dan keputusan penghentian pemesanan ulang, jadi ini hanya bagian spesifik yang terputus-putus.

Tiga pertanyaan memutuskannya. Apakah penjualan tersebut terjual dalam periode terakhir, atau apakah setiap penjualan yang Anda rencanakan lebih lama dari periode peninjauan Anda? Apakah itu melekat pada sesuatu yang lain, sehingga penjualan yang akan hilang lebih besar dari item barisnya? Dan bisakah Anda memenuhi permintaan tanpa menyimpan stok sama sekali? Yang terakhir dilewati. Daftar yang ditandai dibuat sesuai pesanan, atau pengiriman dalam jumlah hari yang ditentukan, mengubah SKU yang disimpan sebentar-sebentar menjadi SKU yang tidak ada stok: Anda menghentikan penjualan instan dan menyimpan uang tunai serta rak. Untuk bagian terdalam dari ekor panjang yang sering kali benar, dan ini adalah keputusan tentang produk, bukan tentang perkiraan.

Menghitung jendela kasus terburuk dengan tangan, per SKU, secara keseluruhan, adalah jenis tugas yang diselesaikan sekali dan tidak pernah diulangi. StockCue memperoleh kecepatan dan titik pemesanan ulang per varian dari 24 bulan riwayat pesanan Anda, pada setiap paket termasuk Gratis, dan Pertumbuhan menambahkan perincian yang menunjukkan input mana yang menghasilkan setiap kuantitas. Apa yang tidak akan dilakukannya, dan tidak akan dilakukan apa pun, adalah mengubah tujuh penjualan menjadi ramalan yang meyakinkan.

Pertanyaan yang Sering Diajukan

Apa itu permintaan intermiten?

Permintaan yang terputus-putus menggambarkan SKU yang jarang terjual, dengan jarak penjualan yang panjang, dan dalam jumlah yang kira-kira konsisten saat terjual. Pola terkait, permintaan yang tidak stabil, menambah ukuran pesanan yang tidak dapat diprediksi selain waktu yang tidak teratur. Keduanya mematahkan metode perkiraan yang dibuat untuk penjual tetap, karena sebagian besar periode dalam sejarah tidak mengandung penjualan sama sekali.

Mengapa rumus reorder point tidak berfungsi pada penjual lambat?

Rumusnya mengalikan rata-rata penjualan harian dengan waktu tunggu, dan pada penjual yang lambat, rata-rata tersebut sebagian besar adalah rata-rata hari tanpa penjualan. Ini mengembalikan tingkat pemicu yang lebih kecil dari satu pesanan pelanggan, sehingga pemicu diaktifkan setelah Anda kekurangan. Istilah persediaan pengaman mempunyai masalah kedua: asumsi ini mengasumsikan permintaan terdistribusi secara normal, dan serangkaian angka nol yang kadang-kadang melonjak tidak demikian.

Apa metode Croston?

Metode Croston memperkirakan permintaan intermiten dengan menyimpan dua rangkaian yang dihaluskan secara terpisah, satu untuk ukuran penjualan dan satu lagi untuk kesenjangan antar penjualan, memperbarui keduanya hanya pada periode di mana sesuatu benar-benar terjual. Perkiraan tersebut adalah ukuran yang dihaluskan dibagi dengan interval yang dihaluskan. Pola ini lebih sesuai dengan pola ini dibandingkan rata-rata bergerak, namun memiliki bias positif yang terdokumentasi, yang berarti pola ini cenderung melebihkan perkiraan, dan menghasilkan nilai jangka panjang dibandingkan memberi tahu Anda kapan pesanan berikutnya akan tiba.

Haruskah Anda menyimpan stok pengaman pada SKU yang terputus-putus?

Biasanya ya, tapi tidak dihitung dengan cara standar. Rumus deviasi standar waktu tingkat layanan mengasumsikan distribusi permintaan yang tidak dimiliki SKU intermiten. Buffer yang lebih dapat dipertahankan adalah permintaan terbesar yang benar-benar terdapat dalam rentang waktu tunggu dalam riwayat Anda, ditambah ruang untuk satu pesanan umum lainnya.