Учет нестабильности сроков поставки при расчете запасов

Почему важна нестабильность сроков поставки

В производстве и логистике срок поставки (lead time) – это период между моментом оформления заказа у поставщика и поступлением товара на склад. В реальности этот период редко бывает постоянным: задержки на таможне, транспортные простои, ошибки в документах или непредвиденные простои у поставщика могут увеличить его. Если в расчетах запасов считать срок поставки постоянным, то резерва для покрытия этих колебаний не будет, что приводит к:

• остановкам производства из-за отсутствия материалов;
• повышению затрат на срочные (экспресс-) поставки;
• увеличению общих затрат на хранение (когда запасы формируются с запасом на всякий случай).

Поэтому учет вариабельности сроков поставки – ключевой элемент системы материально-технического планирования, позволяющий сбалансировать риск дефицита и избытка запасов.

Базовые понятия: запасы, точка заказа, срок поставки

Перед тем как вносить изменчивость в формулы, нужно вспомнить классические определения:

• Точка заказа (ROP) – уровень запасов, при котором необходимо сделать новый заказ, чтобы избежать дефицита до следующей поставки.
• Срок поставки (LT) – ожидаемое время доставки заказа.
• Безопасный запас (SS) – резерв, предназначенный для покрытия колебаний спроса и сроков поставки.

Классическая формула точки заказа (без учета вариабельности сроков) выглядит так:

ROP = Основной спрос за срок поставки + Безопасный запас

Если срок поставки не является постоянным, то и «основной спрос за срок поставки» становится случайной величиной, как и сам срок. Поэтому безопасный запас должен учитывать оба эти компонента.

Влияние вариабельности сроков поставки

Вариабельность сроков поставки проявляется в двух измерениях:

• Среднее значение – базовый срок, который можно оценить на основе исторических данных.
• Стандартное отклонение – мера разброса сроков (σLT). Чем больше σLT, тем выше вероятность того, что реальный срок окажется больше среднего.

Когда срок поставки изменчив, ожидаемый объем запасов, необходимый для покрытия периода до поступления нового заказа, увеличивается неравномерно. Для иллюстрации можно использовать соотношение:

SS = Z × √(LT × σD² + D² × σLT²)

где

• Z – коэффициент сервисного уровня (например, 1,645 для 95 % уровня обслуживания);
• σD – стандартное отклонение спроса за единицу времени;
• D – средний спрос за единицу времени.

Это показывает, что вариабельность сроков напрямую добавляет запас, пропорциональный квадрату стандартного отклонения сроков (σLT²). Игнорирование этого компонента приводит к занижению безопасного запаса и, как следствие, к риску дефицита.

Формула безопасности запасов с учетом вариабельности сроков

Упрощенный, часто используемый в практике подход – это добавление к классическому безопасному запасу дополнительного буфера для покрытия изменчивости сроков:

SS_total = SS_demand + SS_lead_time

где

• SS_demand = Z × σD × √LT (безопасный запас для покрытия колебаний спроса);
• SS_lead_time = D × Z × σLT (дополнительный запас для покрытия изменчивости сроков).

Эти два компонента можно рассчитать отдельно и затем суммировать. Такой подход прозрачен для аудиторов и легко вписывается в существующие ERP-системы, где уже есть параметры сервисного уровня и исторические статистики.

Компоненты вариабельности

• Колебания спроса (σD) – сезонность, цикличность, влияние маркетинговых акций.
• Колебания сроков (σLT) – транспортные задержки, таможенные проверки, производственные простои у поставщика.
• Коэффициент сервисного уровня (Z) – выбор компании между желаемой вероятностью недефицита и допустимым объемом избыточных запасов.

Выбор целевого уровня обслуживания

Уровень обслуживания (SL) – это доля заказов, которые могут быть выполнены без дефицита запасов. Типичные значения:

• 80–85 % для непродовольственных товаров с длительным сроком хранения;
• 90–95 % для критически важных компонентов, от которых зависит производство.

Более высокий SL увеличивает безопасный запас, повышая затраты на хранение. Поэтому выбор SL должен быть обоснован бизнес-риском простоя и стоимостью избыточных запасов. Рекомендуется проводить Sensitivity Analysis: пересчитывать безопасный запас для нескольких значений Z (например, 1,28 для 90 %, 1,645 для 95 %) и оценивать влияние на общие затраты.

Пошаговый алгоритм учета нестабильности сроков

1. Соберите исторические данные. Зафиксируйте средний срок поставки (LT_avg) и его стандартное отклонение (σLT) за предыдущие 12–24 месяца. Также соберите данные о среднемесячном спросе (D) и его стандартном отклонении (σD).
2. Определите целевой уровень обслуживания. Согласуйте SL с отделами производства, продаж и финансов. Преобразуйте SL в Z-критерий с помощью стандартного нормального распределения.
3. Рассчитайте компоненты безопасного запаса.
4. SS_demand = Z × σD × √LT_avg
5. SS_lead_time = D × Z × σLT
6. Суммируйте компоненты. SS_total = SS_demand + SS_lead_time.
7. Определите точку заказа. ROP = D × LT_avg + SS_total.
8. Настройте политику пополнение-заказа. Если компания использует периодические или базисные заказы, скорректируйте их количество, чтобы поддерживать запасы не ниже ROP.
9. Внедрите мониторинг. Создайте дашборд, где ежедневно сравнивается текущий запас с ROP. Отслеживайте фактические сроки поставок и пересчитывайте σLT ежеквартально.
10. Проведите стресс-тест. Сымитируйте экстремальные сценарии (например, задержка на 20 % выше среднего) и проверьте, не упадет ли запас под ROP.
11. Пересмотрите ежемесячно. Обновляйте статистику и, при необходимости, перерасчитывайте безопасный запас. Сезонные изменения должны отражаться в σD.

Практические инструменты и таблицы

Для визуализации влияния нестабильности сроков полезно использовать простую таблицу, показывающую, как меняется безопасный запас при изменении σLT и выбранного уровня обслуживания.

σLT (дни)	D (шт/день)	Z (90 % SL)	SS_lead_time (шт)	SS_total (шт)
2	50	1,28	128	128 + SS_demand
5	50	1,28	320	320 + SS_demand
10	50	1,28	640	640 + SS_demand

Таблица показывает, что увеличение стандартного отклонения сроков с 2 до 10 дней увеличивает буфер для покрытия сроков в 5 раз, что напрямую влияет на общий объем безопасного запаса. Это помогает руководителям видеть, как инвестиции в более надежных поставщиков (снижение σLT) снижают затраты на хранение.

Типичные ошибки и способы их избежать

• Использование только среднего срока. Это приводит к заниженному безопасному запасу. Решение – всегда включать σLT в формулу.
• Недооценка спроса при расчете SS_lead_time. Компонент D × Z × σLT может быть значительным при высоком спросе. Убедитесь, что вы используете правильный показатель среднего спроса (за тот же период, что и σLT).
• Статичный Z. Уровень обслуживания должен пересматриваться не реже одного раза в год, когда меняются бизнес-условия.
• Игнорирование корреляции между спросом и сроками. В некоторых отраслях высокий спрос может совпадать с задержками поставок (например, во время пикового сезона). Если корреляция значима, добавьте ковариационный член к формуле безопасного запаса.
• Недостаточный мониторинг. Без регулярного обновления данных σLT безопасный запас быстро устаревает. Внедрите автоматический сбор данных о сроках поставок.

Сценарии выбора метода

В зависимости от зрелости системы и особенностей бизнеса можно применять различные подходы:

• Базовый статистический метод. Подходит для стабильного спроса и множества поставщиков с примерно одинаковыми сроками. Достаточно использовать среднее значение LT и его стандартное отклонение.
• Метод распределения сроков. Когда есть несколько типов поставок (например, экспресс-доставка и стандартная), можно построить распределение сроков для каждой категории и суммировать их вклад в общий безопасный запас.
• Симуляционный метод (Monte-Carlo). Рекомендуется для сложных сетей поставок с высокой вариабельностью и корреляциями. Генерируется несколько тысяч сценариев сроков и спроса, и вычисляется распределение возможного дефицита. Это более точный, но ресурсоемкий подход.

Выбор метода зависит от доступности данных, частоты перерасчетов и толерантности к ошибкам. Для большинства средних предприятий адекватным началом является базовый статистический метод, который можно доработать до симуляционного по мере роста данных.

Рекомендации и следующий шаг

Чтобы эффективно учитывать нестабильность сроков поставки:

• Внедрите систему сбора данных о фактических сроках поставок для каждого поставщика. Автоматизация снижает ошибки и обеспечивает непрерывность статистики.
• Регулярно проводите анализ чувствительности: покажите руководству, как изменение σLT влияет на объем безопасного запаса и затраты на хранение.
• Согласуйте целевой уровень обслуживания с отделами продаж и производства, чтобы избежать конфликта интересов (отдел продаж хочет высокий SL, отдел производства – низкие затраты на запасы).
• Используйте простую формулу SS_total = SS_demand + SS_lead_time для прозрачности расчетов перед поставщиками и финансовым отделом.
• Периодически (раз в квартал) пересматривайте выбранный Z с учетом изменений на рынке, новых поставщиков или изменений в политике сервисного уровня.

Следующий практический шаг – составить шаблон расчета, ввести его в Excel или ERP-систему, и начать мониторинг. Начните с одного товара или ассортиментной группы, чтобы проверить точность модели перед масштабированием.

Вопросы и ответы

• Как часто нужно обновлять σLT?
  Рекомендуется пересчитывать стандартное отклонение ежеквартально или при изменении поставщика/логистического процесса.
• Можно ли игнорировать σLT для товаров с очень низким спросом?
  Да, если средний спрос D невелик и его вклад в SS_lead_time незначителен, можно опустить этот компонент, но это должно быть обоснованно.
• Что делать, если нет достаточного количества исторических данных о сроках?
  Используйте внешние данные (например, средние сроки поставок отрасли) в качестве временного значения σLT, но отметьте эту оценку как предварительную.
• Влияет ли корреляция между спросом и сроками на безопасный запас?
  Если корреляция сильная, необходимо добавить ковариационный член к формуле безопасного запаса; в противном случае результат может быть заниженным.
• Какой уровень обслуживания выбрать для нового продукта?
  Начните с 90 % (Z ≈ 1,28) и скорректируйте после первого цикла поставок на основе фактического дефицита.