Как учитывать нестабильность сроков поставки при расчёте запасов

При планировании запасов важно не только знать средний срок поставки, но и понимать, насколько он может отклоняться от этого значения. Если сроки поставки варьируются, традиционный расчёт точки заказа и запаса безопасности может привести к избыточным остаткам или, наоборот, к дефициту товара. В этой статье объясняется, почему вариабельность lead time влияет на уровень запасов, какие методы позволяют её учесть и как выполнить расчёт на практике.

Почему нестабильность сроков поставки важна

Lead time (время от размещения заказа до его получения) редко бывает постоянным. На него влияют задержки у поставщика, транспортные проблемы, таможенные процедуры и сезонные нагрузки. Если в модели запасов используется только среднее значение, то:

• при более длительном, чем ожидалось, lead time увеличивается риск Stock‑out (отсутствия товара на складе);
• при более коротком lead time возникают излишние запасы, которые увеличивают стоимость хранения и могут привести к устареванию товара.

Поэтому при расчёте запаса безопасности необходимо учитывать не только variability спроса, но и variability lead time.

Основные подходы к учёту вариабельности lead time

Существует несколько способов включить нестабильность сроков поставки в расчёт запасов. Выбор зависит от доступности данных, требуемой точности и сложности расчёта.

1. Использование среднего lead time с запасом безопасности, основанным только на спросе

Это самый простой метод: берется среднее значение lead time, а запас безопасности рассчитывается только от вариабельности спроса. Подходит, когда вариабельность lead time мала по сравнению с вариабельностью спроса или когда данных о распределении lead time недостаточно.

Ограничение: если lead time сильно fluctuates, метод недооценивает необходимый запас безопасности.

2. Добавление вариабельности lead time в формулу запаса безопасности

Более точный подход учитывает оба источника неопределённости: спрос и lead time. Формула запаса безопасности (SS) при независимых нормальных распределениях спроса и lead time выглядит так:

SS = Z × √(LT̄ × σD² + D̄² × σLT²)

Где:

• Z — коэффициент уровня обслуживания (служебный фактор), зависящий от желаемой вероятности отсутствия дефицита;
• LT̄ — средний lead time;
• σD — стандартное отклонение спроса за единицу времени;
• D̄ — средний спрос за единицу времени;
• σLT — стандартное отклонение lead time.

Эта формула показывает, что вариабельность lead time влияет на запас безопасности через член D̄² × σLT². Чем выше средний спрос и чем больше разброс lead time, тем больше нужен запас безопасности.

3. Монте‑Карло симуляция

Когда распределения спроса и lead time далеко от нормальных или есть зависимость между ними, можно выполнить симуляцию: генерируются случайные значения спроса и lead time согласно их empirically observed распределениям, рассчитывается необходимый запас для каждой итерации, затем выбирается перцентиль, соответствующий требуемому уровню обслуживания. Этот метод требует больше вычислительных ресурсов, но даёт реалистичную оценку при сложных распределениях.

Практический порядок расчёта запаса с учётом вариабельности lead time

Ниже представлен пошаговый алгоритм, который можно применить в электронной таблице или специализированном ПО.

1. Соберите исторические данные:
2. Ежедневный (или еженедельный) спрос на товар за достаточно длительный период (минимум 6–12 месяцев).
3. Фактические сроки поставки для каждого заказа (разница между датой размещения заказа и датой его получения).
4. Рассчитайте средние значения и стандартные отклонения:
5. D̄ — средний спрос за единицу времени;
6. σD — стандартное отклонение спроса;
7. LT̄ — средний lead time;
8. σLT — стандартное отклонение lead time.
9. Определите желаемый уровень обслуживания (например, 95 %). Соответствующий коэффициент Z берётся из таблицы стандартного нормального распределения (для 95 % Z ≈ 1,65).
10. Подставьте полученные значения в формулу запаса безопасности:
    SS = Z × √(LT̄ × σ_D² + D̄² × σ_LT²)
11. Рассчитайте точку заказа (Reorder Point, ROP):
    ROP = D̄ × LT̄ + SS
12. Проверьте получившиеся значения на plausibility:
13. Если SS оказывается отрицательным или близким к нулю, проверьте правильность ввода данных (возможно, σLT слишком мал).
14. Сравните ROP с текущими уровнями запаса и скорректируйте при необходимости.
15. Запланируйте пересмотр расчёта каждые 3–6 месяцев или при существенном изменении условий поставок (смена поставщика, изменение маршрута, введение новых таможенных процедур).

Ограничения и предположения используемых методов

Любая математическая модель основана на упрощениях. Применяя формулу запаса безопасности с учётом lead time, следует помнить о следующих ограничениях:

• Нормальность распределений. Формула предполагает, что спрос и lead time распределены нормально. В реальности спрос может иметь асимметрию (например, сезонные пики), а lead time — тяжёлый хвост из‑за редких но длительных задержек. В таких случаях результаты могут быть неточными.
• Независимость спроса и lead time. Формула считает, что колебания спроса не влияют на сроки поставки и наоборот. Если, например, при росте спроса поставщик увеличивает сроки из‑за загрузки, необходимо учитывать корреляцию или использовать симуляцию.
• Стационарность параметров. Средние значения и стандартные отклонения предполагаются постоянными в течение периода планирования. При трендах (рост спроса, улучшение логистики) параметры нужно обновлять чаще.
• Отсутствие учёта минимального и максимального lead time. Формула оперирует только первым и вторым моментами распределения. Если существует жёсткое ограничение (например, поставка никогда не бывает меньше 2 дней), его можно учесть, скорректировав LT̄ или используя более сложные модели.

Практические рекомендации по снижению влияния нестабильности lead time

Помимо расчёта запаса безопасности, можно предпринять действия, которые уменьшат саму вариабельность сроков поставки:

• Диверсификация поставщиков. Наличие альтернативных источников снижает риск, что задержка у одного поставщика полностью остановит поступление товара.
• Увеличение прозрачности цепочки поставок. Совместное планирование с поставщиком, обмен данными о запасах и производственных планах помогает выявлять потенциальные задержки на ранней стадии.
• Использование буферных запасов на критических узлах. Вместо увеличения общего запаса можно разместить небольшие буферы непосредственно перед операциями, которые наиболее чувствительны к простою (например, перед сборочной линией).
• Контрактные штрафы и бонусы. Включение в соглашения с поставщиками условий о штрафах за превышение agreed lead time и бонусов за своевременную доставку стимулирует более надёжное исполнение.
• Регулярный анализ причин задержек. Ведение журнала причин (транспорт, таможень, производство) позволяет выявлять системные проблемы и работать над их устранением.

Типичные ошибки при учёте вариабельности lead time

Даже при наличии формул и данных часто встречаются следующие недочёты:

• Использование только среднего lead time без учёта его дисперсии. Это приводит к систематическому недозапасу при переменных сроках.
• Подмена σLT на среднее абсолютное отклонение или на диапазон без корректировки. Формула требует именно стандартного отклонения (квадратного корня из дисперсии).
• Применение одного и того же Z для всех товаров без учёта их критичности. Для стратегически важных комплектующих целесообразно выбирать более высокий уровень обслуживания (например, 99 %).
• Игнорирование корреляции между спросом и lead time. Если рост спроса провоцирует увеличение lead time, запас безопасности, рассчитанный по формуле независимых переменных, будет занижен.
• Редкое обновление входных данных. Использование данных, собранных год назад, может не отражать текущие условия поставок, особенно после изменений в логистике или геополитической ситуации.

Что делать дальше

Если вы только начинаете учитывать вариабельность lead time в управлении запасами, рекомендуем следующий план действий:

1. Определите группу товаров, для которых нестабильность сроков поставки оказывает наибольшее влияние на операционные результаты (высокая стоимость простоя, высокая стоимость хранения).
2. Соберите данные о спросе и lead time за последние 6–12 месяцев. Если данных недостаточно, начните с простого среднего lead time и планируйте сбор более детальной информации.
3. Выполните расчёт запаса безопасности по формуле, указанной выше, используя доступные средние значения и стандартные отклонения.
4. Сравните полученную точку заказа с текущими практиками. Если разница значительна, проведите пилотный запуск: измените ROP для ограниченного числа SKU и наблюдайте за уровнями сервиса и запасами в течение 1–2 месяцев.
5. На основе результатов пилота скорректируйте параметры (например, выберите другой Z или уточните σLT) и распространите успешный подход на остальную номенклатуру.
6. Установите процесс регулярного пересмотра данных и параметров (квартально или при изменении условий поставок).

Следуя этим шагам, вы сможете более точно определять необходимый уровень запасов, снижая риск как дефицита, так и избыточных остатков, вызванных нестабильностью сроков поставки.