- Safety stock w MySales wynika ze statystycznego błędu prognozy, a nie z arbitralnych reguł kciuka czy stałego procentu wolumenu sprzedaży.
- Tygodnie historyczne są dzielone na grupy niskiego, średniego i wysokiego popytu, ponieważ trafność prognozy różni się w zależności od poziomu popytu -- a okresy wysokiego popytu generują zazwyczaj największe zapotrzebowanie na zapas bezpieczeństwa.
- Konfigurowalny współczynnik oraz twardy limit maksymalny (
% max SS) dają firmie bezpośrednią kontrolę nad balansem między dostępnością na półce a kosztem zapasów. - Cały proces obliczeniowy jest automatyczny, powtarzalny i auditowalny -- eliminuje subiektywność ręcznego planowania safety stock.
Jak MySales oblicza safety stock
W MySales safety stock jest obliczany automatycznie na podstawie statystyk błędu prognozy. Nie ma ręcznych buforów, procentowych reguł kciuka ani zgadywania.
System realizuje deterministyczny, sześcioetapowy proces na poziomie SKU x sklep (lub na dowolnym wyższym poziomie agregacji). Każdy krok buduje na poprzednim, dając w efekcie wartość safety stock, która jest jednocześnie statystycznie uzasadniona i operacyjnie ograniczona.
1. Podstawa danych historycznych
Obliczenie rozpoczyna się od danych tygodniowych dla trzech zmiennych:
- Prognoza sprzedaży -- przewidywany przez system popyt
- Sprzedaż rzeczywista -- faktycznie zrealizowana sprzedaż
- Poziomy zapasów -- dostępny zapas w każdym punkcie czasu
Analiza jest domyślnie przeprowadzana na poziomie SKU x sklep, ale może działać na wyższych poziomach agregacji, jeśli tak zostanie skonfigurowana.
2. Podział tygodni na trzy grupy popytu
Wszystkie historyczne tygodnie są sortowane według wolumenu prognozy i dzielone na trzy segmenty:
| Segment | Udział tygodni | Opis |
|---|---|---|
| Niski popyt | Dolne 30% | Tygodnie z najniższym prognozowanym wolumenem |
| Średni popyt | Środkowe 40% | Tygodnie z umiarkowanym prognozowanym wolumenem |
| Wysoki popyt | Górne 30% | Tygodnie z najwyższym prognozowanym wolumenem |
Błąd prognozy nie jest jednorodny w różnych poziomach popytu. Okresy wysokiego popytu wykazują zazwyczaj większe błędy bezwzględne niż okresy niskiego popytu. Obliczając błąd oddzielnie dla każdego segmentu, MySales generuje safety stock odzwierciedlający rzeczywisty profil ryzyka każdego reżimu popytowego -- zamiast uśredniać błędy z zasadniczo odmiennych warunków.
3. Szacowanie błędu prognozy
Dla każdej z trzech grup popytu system oblicza odchylenie standardowe różnicy między sprzedażą rzeczywistą a prognozą.
Błąd = Sprzedaż rzeczywista - Prognoza
Odchylenie standardowe tych błędów daje jedną miarę: typowy tygodniowy błąd prognozy dla danego SKU, wyrażony w jednostkach. To statystyczny fundament całego obliczenia safety stock.
4. Współczynnik safety stock
Obliczony błąd prognozy jest mnożony przez współczynnik definiowany przez użytkownika, skonfigurowany w:
Prognozy > Administracja > Safety Stock Adjustment
Współczynnik daje firmie bezpośrednią dźwignię w polityce zapasowej:
| Współczynnik | Strategia | Zastosowanie |
|---|---|---|
| 0,7 | Agresywna optymalizacja | SKU o niskiej marży lub wysokim ryzyku przeterminowania |
| 1,0 | Standardowa ochrona | Wartość domyślna -- pokrywa typowy błąd prognozy |
| 1,3 | Konserwatywny bufor | SKU o wysokiej wartości lub kategorie, w których brak towaru generuje poważne straty |
Zależność jest liniowa: podwojenie współczynnika podwaja safety stock.
Współczynnik powinien odzwierciedlać priorytet biznesowy, a nie niepewność statystyczną. Sieć handlowa z silnymi relacjami z dostawcami i krótkimi lead time'ami może pozwolić sobie na niższy współczynnik. Sieć obsługująca odległe sklepy z rzadkimi dostawami powinna go podnieść. Model statystyczny zajmuje się matematyką; współczynnik koduje strategię.
5. Skalowanie do horyzontu zamówienia (D1-D2)
Safety stock jest początkowo obliczany na bazie tygodniowej. Następnie musi zostać przeskalowany do faktycznego horyzontu zamówienia -- liczby dni między datą zamówienia (D1) a datą dostawy (D2).
Formuła skalowania jest prosta:
SS (przeskalowany) = SS (tygodniowy) x (N / 7)
Gdzie N to liczba dni w oknie D1-D2.
| Horyzont zamówienia | Współczynnik skalowania | Efekt |
|---|---|---|
| 3 dni | 3 / 7 = 0,43 | Safety stock zredukowany do ~43% wartości tygodniowej |
| 7 dni | 7 / 7 = 1,00 | Safety stock równy pełnej wartości tygodniowej |
| 14 dni | 14 / 7 = 2,00 | Safety stock podwojony, aby pokryć dwutygodniowe okno |
Krótsze horyzonty zamówienia naturalnie wymagają mniejszego safety stock. To zamierzone działanie -- częstsze zamawianie zmniejsza ekspozycję na błąd prognozy.
6. Górny limit (% max SS)
Ostatni krok nakłada twardy pułap na safety stock:
SS nie może przekroczyć Prognoza(D1-D2) x % max SS
Typowa wartość to 50%, co oznacza, że safety stock nigdy nie może przekroczyć połowy prognozowanego popytu w oknie zamówienia.
Ten mechanizm zabezpieczający chroni przed trzema konkretnymi ryzykami:
- Nadmierną akumulacją zapasów w wolnorotujących SKU
- Odpisami i przeterminowaniem wynikającymi z nadmiernego zamawiania produktów świeżych
- Inflacją zamówień, która zaburza sygnały w górę łańcucha dostaw
Jeśli obliczony safety stock przekracza ten limit, zostaje przymusowo ograniczony.
Co powinien rozumieć biznes
Safety stock nie jest zaprojektowany tak, aby pokryć 100% szczytów popytu. Jego cel jest węższy i bardziej precyzyjny: skompensować typową skalę błędu prognozy.
System optymalizuje trójstronną równowagę:
- Dostępność na półce (OSA) -- zapewnienie, że produkty są dostępne, gdy klienci chcą je kupić
- Poziom zapasów -- minimalizacja kapitału obrotowego zamrożonego w magazynie
- Odpisy -- ograniczenie strat z niesprzedanych lub przeterminowanych produktów
Interesariusze często pytają: „Dlaczego zabrakło towaru, skoro mamy safety stock?" Odpowiedź jest taka, że safety stock pokrywa typowy błąd prognozy, a nie ekstremalne skoki popytu. Pokrycie 100% wszystkich możliwych scenariuszy popytowych wymagałoby poziomu zapasów, który jest ekonomicznie nie do utrzymania. System celuje w statystycznie optymalny kompromis -- a współczynnik daje narzędzie do jego regulacji.
Przykład obliczeniowy: safety stock dla konkretnego SKU
Poniższy przykład odtwarza pełne obliczenie dla pojedynczego SKU, dokładnie tak, jak realizuje je MySales -- krok po kroku, bez uproszczeń.
Parametry:
- SKU:
123456 - Sklep:
Store_01 - Horyzont zamówienia: D1-D2 = 7 dni
- % max SS = 50%
- Współczynnik safety stock = 1,0
- Długość historii: 20 tygodni
Krok 1. Zebranie danych historycznych
| Tydzień | Prognoza | Rzeczywiste |
|---|---|---|
| 1 | 90 | 85 |
| 2 | 95 | 110 |
| 3 | 100 | 98 |
| 4 | 105 | 130 |
| 5 | 110 | 108 |
| ... | ... | ... |
| 20 | 140 | 170 |
Krok 2. Segmentacja tygodni według poziomu popytu
20 tygodni posortowanych według wartości prognozy:
- Niski (30%) -- 6 tygodni z najniższą prognozą
- Średni (40%) -- 8 tygodni środkowych
- Wysoki (30%) -- 6 tygodni z najwyższą prognozą
Segment wysokiego popytu prawie zawsze w największym stopniu wpływa na końcową wartość safety stock.
Krok 3. Obliczenie błędu prognozy dla grupy wysokiego popytu
Błąd = Rzeczywiste - Prognoza
| Tydzień | Prognoza | Rzeczywiste | Błąd |
|---|---|---|---|
| 15 | 130 | 150 | +20 |
| 16 | 135 | 160 | +25 |
| 17 | 138 | 155 | +17 |
| 18 | 140 | 170 | +30 |
| 19 | 142 | 160 | +18 |
| 20 | 145 | 165 | +20 |
Odchylenie standardowe błędów: około 22 jednostki.
Krok 4. Zastosowanie współczynnika safety stock
SS (tygodniowy) = 22 x 1,0 = 22 jednostki
Krok 5. Skalowanie do horyzontu zamówienia
Przy 7-dniowym oknie zamówienia:
SS (przeskalowany) = 22 x (7 / 7) = 22 jednostki
Krok 6. Zastosowanie limitu % max SS
- Prognoza w oknie D1-D2: 60 jednostek
- Maksymalny dopuszczalny SS: 60 x 50% = 30 jednostek
- Obliczony SS: 22 jednostki
Ponieważ 22 < 30, safety stock nie jest ograniczany.
Końcowy safety stock = 22 jednostki
Krok 7. Wpływ na zamówienie uzupełniające
22-jednostkowy safety stock wchodzi do obliczenia bazowego zapotrzebowania wraz z:
- Stan magazynowy w D1 = 30 jednostek
- Minimalna ekspozycja = 5 jednostek
System wykorzystuje te dane do wyznaczenia końcowej ilości zamówienia uzupełniającego. 22-jednostkowy safety stock jest wynikiem obliczenia statystycznego -- nie ręcznego dostrajania, nie procentowego nadpisania i nie intuicji planisty.
Wpływ biznesowy
Zautomatyzowane, statystycznie uzasadnione obliczanie safety stock przynosi mierzalne rezultaty w trzech wymiarach. Koszty zapasów maleją, ponieważ safety stock jest dopasowany do rzeczywistego błędu prognozy, a nie zawyżony przez konserwatywne ręczne bufory. Dostępność na półce rośnie, ponieważ system przydziela wyższy safety stock tam, gdzie niepewność prognozy jest największa -- zazwyczaj w okresach wysokiego popytu, gdy braki towaru są najbardziej kosztowne. Efektywność operacyjna wzrasta, ponieważ planiści nie muszą już poświęcać czasu na ręczne ustawianie i korygowanie parametrów safety stock dla tysięcy kombinacji SKU-sklep.
Efektem netto jest przejście od reaktywnego zarządzania zapasami -- gdzie planiści gaszą pożary braków towarowych i obcinają nadwyżki po fakcie -- do proaktywnego, opartego na danych procesu uzupełniania, który nieustannie samokalibruje się do aktualnej trafności prognozy popytu.