Нестабильность сроков поставки напрямую ломает классическую модель перезаказа: если LeadTime (срок поставки) постоянно, достаточно умножить среднесуточный спрос на LeadTime, но на практике сроки vary. Это создаёт риск дефицита или излишков. Главный ориентир — не искать идеальную формулу, а подобрать метод, соответствующий доступным данным и целевой надежности.
- Почему LeadTime важен в расчёте запасов
- Методика 1: Оценочный heuristic (упрощённый подход)
- Методика 2: Статистический расчёт при предполагаемом нормальном распределении
- Методика 3: Симуляция Монте-Карло
- Выбор метода по условиям
- Частые ошибки при учёте нестабильности
- Пошаговый порядок действий
- Сценарии «если — то»
- Рекомендации и следующий шаг
Почему LeadTime важен в расчёте запасов
Базовая формула перезаказа выглядит так: ROP = d × L + SS, где d — среднесуточный спрос, L — средний LeadTime, а SS — безопасный запас. Без SS величина ROP покрывает только средний спрос за средний LeadTime. Любая вариативность L или d приведёт к тому, что реальный спрос превысит ROP, и произойдет дефицит. Наоборот, избыточный SS приведёт к замораживанию капитала и повышению стоимости хранения. Поэтому учёт вариативности — это вопрос баланса рисков, не поиск «верного числа».
Методика 1: Оценочный heuristic (упрощённый подход)
При ограниченных данных или очень стабильном окружении можно использовать простой буфер: добавить к расчёту процентный запас от среднего спроса за LeadTime. Например, если LeadTime обычно 14 дней, можно добавить 10–20 % от спрос за эти 14 дней. Это удобно, когда нет истории вариативности или когда бизнес‑процессы поставщика ещё не выровнены. Ограничение метода: он не учитывает разницу между редкими долгими поставками и частыми короткими, а процент «по интуиции» может быть как завышен, так и занижен для реального риска.
Методика 2: Статистический расчёт при предполагаемом нормальном распределении
Когда есть минимум 3–6 месяцев истории по LeadTime и спросу, удобно использовать стандартную формулу безопасного запаса: SS = z × √(L × σ²_d + d² × σ²_L). Здесь σ_d — стандартное отклонение ежедневного спроса, σ_L — стандартное отклонение LeadTime, а z — коэффициент, соответствующий желаемому уровню сервиса (например, z ≈ 1,65 для надежности 95 %). Этот подход учитывает, что и спрос, и LeadTime вариабельны, и даёт числовое значение SS, которое можно прямо подставить в ROP. Необходимые условия: независимость величин (или известная корреляция), достаточное количество наблюдений для достоверных σ, и то, что распределения близки к нормальным. Если σ_L велико относительно L, второй член под корнем доминирует, и игнорирование LeadTime‑вариативности приведёт к значительному недооценке риска.
Методика 3: Симуляция Монте-Карло
При ненормальных распределениях, сильной асимметрии LeadTime или наличии нескольких зависимых переменных (например, сезонный спрос, транспортные ограничения) статистическая формула может давать ошибочные результаты. Симуляция Монте-Карло позволяет сгенерировать тысячи сценариев: каждому сгенерированному LeadTime сопоставляется спрос на основе его распределения, и рассчитывается частота дефицита. Из этого можно вывести SS, обеспечивающий нужный процент сценариев без дефицита. Метод требует больше вычислительных ресурсов (хоть и на обычном ПК) и достоверных описаний распределений (часто эмпирические данные разбивают на квотильы). Преимущество — гибкость и возможность тестировать «что если» для изменений в процессах поставщика.
Выбор метода по условиям
| Методика | Требуемые данные | Применимость | Ограничения |
|---|---|---|---|
| Heuristic | Примерный средний спрос, опытный процент | Мало данных, стабильный спрос, быстрое принятие решения | Не учитывает вариативность, может быть субъективным |
| Статистический (нормальное распределение) | σ_d, σ_L, средние d, L, уровень сервиса | Хотябы несколько месяцев истории, распределения примерно симметричны | Несоответствие распределений нормальному, малые выборки |
| Монте-Карло | Эмпирические распределения LeadTime и спроса, число симуляций | Сложные зависимости, высокая вариативность, доступ к расчётам | Требует настройки, результат зависит от качества входных распределений |
Частые ошибки при учёте нестабильности
- Использование среднего LeadTime без добавления SS, основанного на его вариативности.
- Игнорирование вариативности спроса: даже при стабильном LeadTime большой разброс спроса ломает ROP.
- Выбор уровня сервиса (z) на основе «как обычно делают другие» без связи с бизнес‑целями (например, стоимость дефицита по сравнению с стоимостью хранения).
- Статическое применение формулы в сезонные периоды, когда и d, и L меняются, но параметры не пересчитываются.
- Использование σ из выборки меньше 12 месяцев: стандартное отклонение при малых N занижено (эффект выборочного смещения).
Пошаговый порядок действий
- Соберите минимум 12–24 наблюдений по фактическому LeadTime от момента заказа до получения товара. Рассчитайте среднее L и стандартное отклонение σ_L.
- Соберите данные по ежедневному спросу за тот же период. Рассчитайте среднее d и σ_d.
- Определите целевой уровень сервиса: обсудите с руководством, какую долю заказов можно позволить себе потерять (например, 5 % дефицита соответствует z ≈ 1,65).
- Выберите методику: при малых σ и симметричных данных — статистическая формула; при сильной асимметрии или малых данных — heuristic с проверкой afterward; при сложных зависимонах — Монте-Карло.
- Рассчитайте SS по выбранной формуле и добавьте к ROP.
- Проверьте результат: сравните рассчитанный ROP с историческими данными о дефиците и излишках. Признаки несоответствия — пересмотр σ или выбор уровня сервиса.
- Установите периодический пересмотр: пересчитывайте σ_minimum раз в квартал или при изменении поставщика/сезона.
Сценарии «если — то»
- Если коэффициент вариативности LeadTime (σ_L / L) больше 0,5: простое умножение средних значений недостаточно. Рекомендуется перейти к статистической формуле или Монте-Карло, иначе SS будет заниженным.
- Если история LeadTime короче 3 месяцев: используйте heuristic с консервативным буфером (например, 20 % от d × L), но регулярно пересчитывайте по мере накопления данных.
- Если спрос и LeadTime сильно коррелируют: формула с квадратным корнем может завысить SS, так как члены L × σ²_d и d² × σ²_L не независимы. В таких случаях симуляция или корректирующий коэффициент будут точнее.
- Если вводятся новые условия (смены поставщика, переезд склада): пересчитывайте σ_L и σ_d заново через 4–6 недель после внедрения, пока стабильность не установится.
Рекомендации и следующий шаг
Нестабильность сроков поставки — это постоянный фактор, который нельзя полностью устранить, но его можно количественно учесть. Начните с сбора 3‑месячной истории LeadTime и спроса, рассчитайте σ_L и σ_d, и выберите подходящую методику по таблице. Первым конкретным шагом сделайте перерасчёт ROP с добавлением SS по статистической формуле и сравните с текущими уровнями дефицита. Если разница существенная — пересмотрите уровень сервиса (z) или переходите к симуляции. Повторный пересмотр параметров следует планировать не реже одного раза в квартал, а также при любых изменениях в цепочке поставок. Главный принцип: безопасный запас — это не фиксированная величина, а инструмент управления риском, настраиваемый под бизнес‑цели и доступность данных.