Zarządzanie zapasami w przedsiębiorstwie

Koszty zapasów w przedsiębiorstwie

Wartościowo koszty zapasów stanowią bardzo znaczącą pozycję w całkowitych kosztach logistycznych co czyni je jednymi z podstawowych kosztów logistycznych przedsiębiorstwa. Ich analiza jest kluczowa celem optymalizacji ponieważ wypływają one na wyniki finansowe i operacyjne przedsiębiorstwa. Zwróćmy uwagę na kilka wybranych kategorii kosztów zapasów i poznajmy składniki, które je tworzą.

1. Koszty utrzymania zapasów – związane z przechowywaniem zapasów w magazynie lub innym miejscu składowania. Obejmują różnorodne wydatki operacyjne związane z zarządzaniem zapasami.

Składniki:

1. Koszty magazynowania (wynajem powierzchni magazynowej, amortyzacja magazynu).
2. Koszty operacyjne magazynu (energia elektryczna, ogrzewanie, ochrona).
3. Koszty ubezpieczenia zapasów.
4. Koszty obsługi zapasów (przemieszczanie, kontrola stanu zapasów).

2. Koszty braków zapasów (niedoboru zapasów) – wynikające z braku odpowiednich zapasów w momencie, gdy są one potrzebne. Mogą prowadzić do utraty sprzedaży, przerw w produkcji lub innych problemów operacyjnych.

Składniki:

1. Koszty utraty sprzedaży z powodu braku dostępności produktu.
2. Koszty związane z opóźnieniem w produkcji z powodu braku surowców.
3. Koszty przyspieszonego zamawiania lub pozyskiwania zapasów w trybie nagłym.

3. Koszty finansowe (kapitału zamrożonego) – związane z zamrożeniem kapitału w zapasach. Obejmują utracone możliwości inwestycyjne lub inne koszty kapitału.

Składniki:

1. Koszty utraconych korzyści z alternatywnych inwestycji kapitałowych.
2. Koszty odsetek od kapitału zaangażowanego w zapasy (jeśli są finansowane z pożyczek).

4. Koszty starzenia i przeterminowania zapasów – wynikające z obniżenia wartości zapasów w wyniku ich starzenia, przeterminowania lub utraty przydatności.

Składniki:

1. Koszty odpisów na zapasy przeterminowane lub uszkodzone.
2. Koszty związane z rabatami i promocjami, aby pozbyć się przestarzałych produktów.
3. Koszty likwidacji lub utylizacji przeterminowanych zapasów.

Metody i narzędzia wspierające zarządzanie zapasami

Wiedza i dzisiejsza technologia pozwala co raz lepiej sprostać wyzwaniom stawianym przez otoczenie przedsiębiorstwa w zakresie zarządzania zapasami. Umiejętność łączenia obu tych zasobów pozwala na co raz lepsze optymalizowanie i kontrolę nad zapasami w nowoczesnych organizacjach. Przyjrzyjmy się bliżej metodom i narzędziom w zarządzaniu zapasami, które od lat wykorzystywane są przez organizacje oraz nowoczesnym rozwiązaniom, które umożliwiają realizację założeń piątej rewolucji przemysłowej.

1. Analiza ABC/XYZ

Ta bazująca na zasadzie Pareto (80/20) metoda pozwala na pogrupowanie analizowanych pozycji towarowych na 9 grup, w których najważniejszą stanowią zasoby o największym wskaźniku rotacji zapasu oraz największej wartości wynoszącej około 80%. Dla materiałów tej grupy zalecane są częste kontrole poziomu zapasów, a także dbanie o terminowość i jakość dostaw.

Charakterystykę każdej z grup analizy ABC/XYZ przedstawiono w tabeli.

2. Ekonomiczna wielkość dostawy (EOQ)

Początki tej metody zarządzania zapasami sięgają roku 1913 XX w. za sprawą inżyniera Forda, Harrisa Whitmana. Metoda ta, zapoczątkowała historię systemów MRP (ang. Material Requirements Planning), a w konsekwencji wykorzystywanych powszechnie systemów ERP (ang. Enterprise Resource Planning).

Metoda EOQ polega na składaniu zamówień zawsze wtedy, gdy zapasy osiągną ustalony minimalny poziom, zwany często poziomem krytycznym. Przekroczenie tego poziomu może zagrozić zdolności przedsiębiorstwa do realizacji zamówień. W momencie, gdy zapasy osiągną ten poziom, model EOQ generuje sygnał do złożenia zamówienia na uzupełnienie magazynu o określoną ilość towarów.

Wielkość zamówienia w modelu EOQ jest determinowana przez analizę czynników popytowych oraz kosztowych związanych z procesem gospodarki materiałowej. Metoda ta jest często opisywana jako system dwóch pojemników: pierwszy pojemnik jest wykorzystywany do bieżącego zapotrzebowania, a drugi do pokrycia potrzeb firmy w czasie realizacji zamówienia.

3. Analiza predykcyjna z wykorzystaniem sztucznej inteligencji

Analityka predykcyjna jest kluczowym elementem sztucznej inteligencji w zarządzaniu zapasami. Wykorzystując dane historyczne oraz zaawansowane algorytmy, dostarcza organizacjom cennych informacji, które umożliwiają bardziej precyzyjne prognozowanie popytu, optymalizację poziomów zapasów oraz poprawę wydajności operacyjnej.

Dzięki prognozowaniu przyszłego popytu i analizie obecnych poziomów zapasów, analityka predykcyjna pomaga w określeniu optymalnych momentów składania zamówień oraz ilości zapasów. Modele optymalizacyjne, bazujące na wynikach analiz predykcyjnych, wyznaczają idealne poziomy zapasów i punkty ponownego zamawiania, uwzględniając takie czynniki jak czas realizacji zamówień, koszty utrzymania zapasów oraz wymogi dotyczące poziomu usług.

W rezultacie, analityka predykcyjna odgrywa kluczową rolę w optymalizacji zarządzania zapasami, umożliwiając firmom bardziej efektywne zarządzanie zasobami oraz lepsze dostosowanie się do zmieniającego się zapotrzebowania rynkowego.

Skuteczność systemów zarządzania zapasami opartych na sztucznej inteligencji (AI) w dużej mierze zależy od jakości i kompleksowości przetwarzanych danych. Systemy AI integrują dane z różnych źródeł, aby stworzyć całościowy obraz zarządzania zapasami. Kluczowe źródła danych obejmują:

1. Rejestry sprzedaży: Historyczne dane sprzedaży dostarczają wglądu w przeszłe wzorce popytu, co umożliwia przewidywanie przyszłych trendów.
2. Informacje o dostawcach: Dane dotyczące dostawców, takie jak czasy realizacji, niezawodność oraz harmonogramy dostaw, są kluczowe dla efektywnego zarządzania procesami uzupełniania zapasów.
3. Opinie klientów: Recenzje i opinie klientów ujawniają preferencje oraz potencjalne problemy z produktami, co wspiera prognozowanie popytu i podejmowanie decyzji dotyczących zapasów.
4. Trendy rynkowe: Zewnętrzne dane rynkowe, w tym działania konkurencji i trendy branżowe, wpływają na wymagania dotyczące zapasów.
5. Wskaźniki ekonomiczne: Szersze dane ekonomiczne, takie jak zaufanie konsumentów i wzorce wydatków, dostarczają kontekstu dla podejmowania decyzji dotyczących zapasów.
6. Wzorce pogodowe: W niektórych branżach pogoda znacząco wpływa na popyt. Na przykład, sprzedawcy detaliczni mogą zaobserwować wzrost sprzedaży niektórych produktów w określonych warunkach pogodowych.

Po zebraniu danych z tych różnych źródeł, muszą one zostać zintegrowane w scentralizowanym systemie. Taka integracja jest niezbędna do stworzenia spójnego i dokładnego zbioru danych, który algorytmy AI mogą analizować. Dzięki temu możliwe jest uzyskanie precyzyjnych prognoz i bardziej efektywne zarządzanie zapasami.

4. Cross-Docking

Metoda dystrybucji, która ogranicza proces magazynowania towarów co w rezultacie przekłada się na zminimalizowanie czasu składowania i kosztów z nim związanych, skraca czas dostawy i redukuje czasochłonność operacji magazynowych.

Cross-docking cieszy się dużą popularnością w branży e-commerce ponieważ towar często zamawiany jest przez dostawce dopiero w chwili otrzymania zamówienia od odbiorcy końcowego. Metoda ta wymaga dokładnego skoordynowania procesów związanych z przekazaniem i odbiorem towarów, a następnie kompletacji.

Wyróżnia się trzy rodzaje metody Cross-dockingu:

1. Cross-docking paletowy

W tej metodzie dostawca lub producent przygotowuje towary w partiach paletowych na podstawie wcześniejszych zamówień klientów. Operacje magazynowe są uproszczone do minimum i obejmują tylko przyjęcie palet i ich natychmiastowe przekazanie przewoźnikowi, który realizuje dostawę. Jest to najprostsza forma cross-dockingu, ograniczająca czas przechowywania w magazynie do minimum.

1. Cross-docking zamówień skompletowanych przez dostawcę

W tym przypadku producent lub dostawca musi posiadać szczegółowe informacje o asortymencie, aby właściwie przygotować przesyłki zgodnie z zamówieniami klientów końcowych. Proces obejmuje kompletowanie zamówień już na etapie produkcji lub u dostawcy, co pozwala na bezpośrednią dystrybucję do odbiorców bez konieczności dalszej obróbki w centrum dystrybucyjnym.

1. Cross-docking pośredni

Ta metoda łączy tradycyjną logistykę z cross-dockingiem. Towary są najpierw dostarczane do centrum dystrybucyjnego, gdzie są kompletowane zgodnie z zamówieniami klientów i wysyłane tego samego dnia. Jeśli nie wszystkie towary zostaną wysłane, stanowią zapas obrotowy, który może być wykorzystany w kolejnym dniu. Cross-docking pośredni umożliwia elastyczniejsze zarządzanie zapasami oraz szybkie dostosowanie się do zmieniającego się zapotrzebowania.

Cross-docking pozwala na szybszą i bardziej efektywną dystrybucję towarów, minimalizując czas i koszty związane z ich magazynowaniem. Dzięki dostosowaniu do specyfiki zamówień i operacji logistycznych, cross-docking wspiera elastyczność i optymalizację procesów dostaw.

Podsumowanie – teraźniejszość i przyszłość zarządzania zapasami

Implementacja nowoczesnych technologii zarządzania zapasami przynosi firmom strategiczne korzyści, takie jak zwiększona elastyczność, lepsze dostosowanie się do zmieniającego się popytu oraz optymalizacja kosztów operacyjnych. Umożliwia to lepsze zarządzanie ryzykiem, zwiększa efektywność finansową oraz poprawia poziom obsługi klienta.

Przyszłość zarządzania zapasami będzie zdominowana przez dalszą integrację AI oraz zaawansowanej analityki, co pozwoli na jeszcze bardziej precyzyjne i dynamiczne zarządzanie zasobami. Firmy, które inwestują w te technologie, będą lepiej przygotowane do radzenia sobie z wyzwaniami rynkowymi oraz utrzymania przewagi konkurencyjnej, co jest kluczowe dla sukcesu przedsiębiorstw w zmieniającym się środowisku biznesowym.

[1] Stevenson, W. J. (2018). Operations Management (13th ed.). New York: McGraw-Hill Education, s. 602-603.

[2] Silver, E. A., Pyke, D. F., & Thomas, R. (2016). Inventory and Production Management in Supply Chains (4th ed.). CRC Press, s. 8-9.