5 דקות קריאה
שיטות לעיתוד ולבניית תחזית מלאי

קישור לפרסום במגזין שרשרת האספקה

הרצון לחזות לעתד ולנסות לנבא אפיינה את האנושות עוד משחר בריאתה, מדורי האסטרולוגיה ובעלי האוב מתפרנסים לא רע מהעיסוק בעתיד, החל מקריאה בקפה ועד להשפעת הכוכבים והמזלות על גורלנו, הדבר כמובן אינו דומה לדרך שבה ננסה לעתד מלאי, אך בוודאי דומה ברצון להסתכל על הבאות ולהיות מוכן.

בין אם היה מדובר במוצר נרכש ובין אם היה תוצר ייצור, בין אם מדובר במרכיבי המוצר ובין אם במכלול, השאיפה להיות עם מלאי מתאים בדיוק בזמן הנכון "JUST IN TIME" אפיינה והגדירה את הדרישות, והדרישות, מגדירות אותך.

בעולמות הצריכה השוטפת – קיימת גישה כזאת המנסה לצפות את המגמות, וישנה כזו המנסה לקבוע או להכתיב את הדבר הבא, היות ואנו ננסה לענות לרצון לחזות את הדרישה, באופן טבעי מאמר זה יטפל בניסיון להעמיד מלאי - קרוב ככל האפשר לזמן הצריכה שלו, וקרוב ככל האפשר לכמות הנדרשת.

אז בואו נתחיל 

כמובן שלפני שנתחיל, נצטרך להגדיר את מידת ההיענות לדרישה אליה נרצה לכוון, האם נרצה לענות על כל דרישה?! או האם נרצה להיענות לחלק ממנה? ואם כן - אז באיזו מידה? להחלטות אלה ישנה ותהיינה השפעות רבות על הוצאות הארגון ובוודאי גם על תוצאותיו, שלא לומר על הסיכונים שמין הסתם הוא נוטל, אבל ובהחלט, ההחלטה תשפיע על הכנסותיו.

SLA או SLM

קביעת מידת ההיענות לדרישה וניהולה – או במילים אחרות – רמת השירות (SLA) היא דבר שיש לקבוע בכובד ראש, היא בוודאי לא יכולה להיות גחמה או החלטה המתקבלת כלאחר יד, אם כך, בבואנו לחשב או לקבוע את הכמות אותה נזמין, עלינו לטפל כאמור באחד מיסודותיה, ברמת ההתאמה אליה נכוון.

SLA או בהרחבה Service Level Agreement SLM

 או בהרחבה Service Level Management 

בעברית – רמת שירות או ניהול רמת השירות.


לנו כצרכנים, "רמת השירות" מייצרת הקשר אחר, בדרך כלל ההקשר הוא ל.. האם התייחסו אלינו יפה, האם מילאו את שביעות רצוננו? כך או כך, רמת השירות בהקשר המלאי או ההיענות לדרישה מוגדרת בדרך כלל ב - אחוז ההיענות לדרישה, או לכמה דרישות ענינו במלואן, ככל ששכיחות המקרים בהם לא מולאה בקשת הלקוח תפחת, כך רמת השירות גבוהה תהיה יותר, כמובן שנרצה  למלא כל הזמן את כל מבוקשם של הלקוחות, אך יותר מהכל, נרצה למקסם את הרווחיות שלנו, ולעיתים, למלא תמיד את כל הדרישות לא הולך ביחד עם שורת הרווח, איך שלא יהיה, בזה בדיוק מנסה הכתבה לטפל.


כשמדובר במוצר אחד - מילא, כשמדובר בסל מוצרים, חוסר באחד מהם ואפילו בחלקו, פוגם ברמת השירות, ולנהל סל או סלי מוצרים .. דורש כבר היערכות מתאימה, לכן נדרש להגדיר את רמת השירות כשיוצאים לדרך.

הגדרת רמת השירות (SLA) אמורה לענות על מספר שאלות או דרישות, ולהלן עיקריהן: 

  • ערך מלאי – כמה אנו יכולים או מוכנים לממן או להשקיע במלאי, זכרו, בנקודת מלאי מסוימת – עלות מימון המלאי (בכללותה) עלולה לעלות על הרווחיות, אך ובוודאי לגרוע ממנה. 
  • יכולת האחסנה – כמה אנו יכולים לאחסן, השאלה נוגעת לקיבולת, לפחת, לקצב המכירה ולסיכון שאנו נוטלים במידה והדרישה לא תתאם את התחזיות או את הרצון, זכרו שהמקום מוגבל ומלאי לא נכון מאכלס מקום שהיה צריך להיות של מלאי אחר. 
  • כמה לקוחות רוכשים את המוצר – בדרך כלל מוצר עם הרבה דורשים יהווה סיכון נמוך ממוצר עם מעט דורשים, אך לא מדובר רק בסיכון, מוצר עם הרבה לקוחות ייצר תהודה גדולה אם יחסר, מוצר עם מעט לקוחות יפגע במעט, יש ורצוי לנהל את הדרישה על פי שיטת "פארטו" או שיטה דומה אחרת. 
  • תאריך תפוגה – מוצר עם תאריך תפוגה הולך ומתקצר, יהיה אטרקטיבי פחות לרוכשים פוטנציאלים, שלא לומר פג תוקף, לכן במוצרים עם תאריכי תוקף יש לנקוט משנה זהירות. 
  • מתחרים – האם כאשר לא ימצא המוצר אצלכם, ימתינו לו? או שירכשו ממקום אחר ? או האם המוצר הוא ממוצרי הבסיס בסל המכירות שלכם ? 
  • התאמת ציפיות - רצון בעלי או מנהלי הארגון בקביעת רמת השירות, לא תמיד מתקיים יחס ישר בין הדרישה לרצון מנהלי הארגון לגבי רמת השירות. כמובן שהמשתנים לא מסתיימים בזה וישנם עוד.

כל ענף ומאפייניו, בהקשר למלאי - זכרו – ככל שהשאיפה לתת רמת שירות גבוהה יותר – כך גם רמת המלאי צריכה להיות גבוהה יותר, עד ל... מעל מהתחזית.

ננסה להבין את משמעות ה SLA באמצעות הגרף הבא, כפי שניתן לראות, רמת הצריכה הקבועה נעה בין 100 ל 135 לערך, הממוצע עמד על כ 120, באפריל הייתה נקודת שיא של 355 לערך, כמעט פי שלוש מהממוצע, הדרישה הגיעה מבלי יכולת לחזות אותה, האם אתם מאמינים שניתן היה בתנאים אלו לעמוד בדרישה ? ואם הייתה לארגון קביעה בקשר לרמת השירות, האם היה ניתן לעמוד בה ?


בוא ננסה להיכנס לנעליו של מעתד המלאי בסוף מרץ, תתייחסו למידע שהיה זמין לו ערב דרישת השיא, להלן מה שהוא ידע: רמת הצריכה נעה בין 100 ל 130, ליתר בטחון הוא החזיק מלאי עודף ועמד על מלאי של כ 140, באפריל – הוא למעשה לא יכול היה לספק כ 215 יחידות, מה אתם הייתם עושים, או מה הייתם יכולים לעשות?

זו הייתה דוגמה קיצונית, יתכן והיה מכרז, יתכן והייתה דרישה חד פעמית יוצאת דופן וכו.. בכל מקרה, ברור כי אם הייתה שאיפה לתת 100% רמת שירות .. אי אפשר היה לעמוד בה או שנדרש היה להחזיק במלאי באופן קבוע מעל ל 355 יחידות (מכל המוצרים). 

קביעת רמת השירות באה להגדיר במה נוכל לעמוד ביחס ליכולותינו וביחס לסיכונים שניטול. כעת משהבנו את משמעויות רמת השירות, ניתן להעריך את יכולותינו, ומכאן אפשר להתקדם הלאה בחישובי עיתוד המלאי. 

עיתוד מלאי 

מהו לענייננו עיתוד מלאי ? 

אחד הדברים הפשוטים ביותר לכאורה בעיתוד מלאי הוא .... לקחת את תוצאות השנה שעברה ולהתבסס עליהם, לנסות ולהעריך אם תהיה עליה, ירידה, להסתכל על תוכניות השיווק והיעדים ולהוסיף לנתוני הבסיס שכבר ישנם, מה כבר יהיה גודל הטעות ? 


בכדי שנוכל להתקדם בנושא, נבחר את המודל המתאים ביותר לנו, בואו ונבחן את האפשרויות ונתחיל בעיקרי הגורמים שישפיעו על החלטתנו בבחירת המודל המתאים לנו: 

  • הענף בוא אנו פועלים – האם קיים אילוץ לכסות רף הזמנות מסוים ? מלאי חירום וכו.. 
  • התנהגות המתחרים – ההרגלים בענף שלנו וההתנהלות שלנו ביחס לזה. 
  • האם קיימות בענף או במוצרים שלנו בעיות אופנה או מגמות שעשויות להשתנות בפרק זמן "ימי המלאי" שנקבעו. 
  • אופי המוצרים – האם אנו בלחץ פגי תוקף, התיישנות, בלאי מואץ וכו 
  • האם נדרשת השקעה באחזקת המוצר – הקפאה, טיפול מונע וכו.. 
  • יכולת האחסנה שלנו ביחס למקום, למימון ולבעיות דומות. 
  • האם המוצר זמין אצל הספק או מהו זמן האספקה (Lead Time) 
  • כמויות המינימום להזמנה – האם ישנן מגבלות כאלה ? 
  • האם עלות הפסד המכירה עולה על הוצאות המלאי ?

ועוד מכאן ומכאן 

  • האופן בוא ננסה לבצע תחזיות ועיתוד מלאי יושפע בין היתר מהדברים הבאים: 
  • רמת השירות שנקבעה – כפי שכבר הזכרנו קודם. 
  • מוצרים המוגדרים כעונתיים (מאופיינים בדרך כלל בצריכה מוגברת מובהקת של פעם או פעמיים בשנה) 
  • רמת השונות בצריכה - לכל פריט נבדק הערכתינו לגבי מגמות השינוי[1] 
  • הערכתינו השנתית – ביחס לשנה שעברה.

[1] האופן בו ניישם את ההערכה תבוא לידי ביטוי בדרך כלל בחישובי החריגים, נניח שאנו מעריכים כי המגמה היא עליה, נפחית את ההשפעה של חודשים קודמים בכך שנקצה גבול גבוה יותר לנטרול המינימום והשפעתו על הממוצע, נניח שנקבע כי נוסחת נטרול המינימום תחול על כל מה שיהיה נמוך יותר מ 0.7 מהממוצע.

השימוש ברוב המקרים בממוצע הוא בעייתי, להלן דוגמאות לשימוש בממוצע: 

ראו את שורת המספרים הבאה: 

חודש1234567
דרישה בפועל102030405060
ממוצע חודשי

15202530  צפי35

הממוצע מחושב החל מהחודש השלישי ואילך, שימו לב כי הוא לוקח בחשבון את הנתונים הידועים עד לאותו זמן ומנסה להעריך ולהצטייד לפי כך בחודש הבא.  


ניתן לראות שמי שיעבוד עם ממוצע במקרה כזה, לאורך הזמן יהיה בחוסר קבוע, לחודש ה 7 היה מזמין 35 יח'  כשהמגמה מראה 70, כלומר היו חסרים לו כפול ממה שהזמין, אגב, אותו ממוצע של סדרת המספרים מתקבל גם אם המגמה הפוכה, ראו את הגרף מטה במגמה הפוכה: 


ניתן לראות (מתמטית) שהממוצע נשאר זהה למרות שהמגמה הפוכה, כל זאת בהתייחס לפריט אחד בלבד, קל לראות פריט אחד, מה קורה עם בית מסחר או עסק המנהל אלפי פריטים ?! ברור שאנו זקוקים לכלי טוב יותר, ראו איך הייתה יכולה להיות התוצאה בשימוש בממוצעים מתאימים יותר, ראו את התרשים הבא: 


בהתייחס לאפשרויות מעלה, עם מה אתם הייתם מחשבים ? זכרו כי בסוף כל חודש, נדרש לתת הערכה לחודש הבא, המידע הזמין לכם הוא המידע הידוע עד אותו רגע.   

כעת נעבור על הממוצעים השונים ונלמד אותם. 

ראו את לוח המספרים הבא ואת הממוצעים השונים:   


ראו את הגרפים בהתאמה: 

במקרה זה נראה שההתאמה לפי הממוצע המגמתי מדמה באופן הכי יציב וברור את התוצאות בפועל, שימו לב איך הקו הכתום (הממוצע המגמתי) לא רק יותר קרוב לתוצאות בפועל אלא מושפע מהם באופן "זהיר", אין בכך בכדי לקבוע עובדה, אך ניתן לראות את האפשרויות ולהקיש מהם ככל שאפשר. לפני שנעבור לאופן בו מחשבים, ארצה לעבור איתכם על המושג "ימי מלאי". 

ימי מלאי (או חודשי מלאי) 

מהם "ימי מלאי"? 

ימי מלאי הם כמות המלאי המספיקה למלא את הצרכים ליום, ובחישוב – כמות המלאי חלקי ממוצע המכירות היומי = "ימי מלאי".

 לדוגמה: המכירות של מוצר מסוים הם 2 יחידות ליום, נניח שיש לנו במלאי 60 יח', לכן על פי החישוב 60/2 יש לנו 30 ימי מלאי, 

כך בהתאמה, כל מה שקשור בפונקציה המכילה ימים ומלאי, ניתנת להצגה ב "ימי מלאי" לדוגמה: (עם אותו הממוצע) אם זמן האספקה למוצר הוא 14 ימים, אז זמן האספקה שווה ערך ל 28 ימי מלאי, שימו לב רק, שהיות והממוצע הוא משתנה, יוצא - שימי המלאי משתנים, הכל בהתאם לצריכה, דבר היוצר לנו ערכים דינמיים הרגישים ומבטאים את השינויים ממש בהתהוותם. 


וכך - במערכות שבהן מתנהלים עם מלאי בטחון סטטי, אי אפשר להימנע מהשאלה: כמה מתאים הוא יהיה בתדירות שינוי גבוהה ובכלל, וכמה תחזוקה ואנרגיה דרושה לתחזק אותו, ואף לסמוך עליו, ומה אם מדובר באלפי פריטים. 

על פי שיטתי – מה יהיה אם כך ערכו של "מלאי בטחון" כזה או אחר, ואיזה שימוש אם בכלל הוא ממלא ? 

מלאי בטחון 

מלאי הבטחון הוא כאמור מלאי עודף האמור לספוג את תנודות האספקה ואת הנתונים שאינם בשליטתנו. 

לצערי, לא מעט מנהלי מלאי מתייחסים ל "מלאי הבטחון" כהתראה, כנקודה המתזכרת אותם  להזמנה, מעין "סמן" האומר שהגיע הזמן להזמין. 


תחזוקת מלאי הבטחון (הסטטי) היא בעייתית, בכדי לשמר אותו, ובמיוחד בתנאי שוק משתנה או בגידול או להפך, נדרש לבצע כל הזמן הערכות חדשות ולקבע אותן, ולו בשביל לשמר את ההתראה לכמות מתאימה, תלות כזאת מייצרת עבודה לא מעטה וסופה שתהיה מטעה וכזאת שלא ממלאת את תפקידה, שלא לומר – אף מרדימה את הערנות. 

לשיטתי – מלאי הבטחון הוא תוצר של הרצת דוחות העיתוד, דוחות העיתוד נשענות על (משתנים) פרמטרים שמיטיבם - משתנים, לטעמי, מלאי הבטחון אינו נדרש לשימור, הוא אמור רק לספק לנו מידע העוזר להערכת העודף או החוסר שעלול להיווצר בתנאי הצריכה הדינמיים. תפקידו האמיתי הוא - לספוג את תנודות האספקה וחוסר הידע ביחס לתנודות הצריכה

ראו את הגרף הבא: 


בגרף רואים את משמעות התנודות ואת גבולותיהם הבלתי ידועים וכן את השפעתן על מלאי הבטחון. 

בכל מקרה, המטרה האמיתית של מעתד המלאי היא יצירת רצף אספקה, הוא בא לידי ביטוי בגרף שיני המשור המסורתי. 


לסיכום, תפקיד "מלאי הבטחון" מושפע בעיקר משלושה גורמים והם: 

  1. מחוסר יכולתנו לחזות במדויק את הצריכה או לשלוט בגורמי האספקה ובזמני האספקה. 
  2. מסטיית התקן של הנתונים. 
  3. מרמת השירות כפי שהוסברה מעלה.

ממוצע בניכוי חריגים 

האופן בו ננכה חריגים יהיה סובייקטיבי, הוא יהיה בהתאמה לארגון ולענף בו אנו פועלים, יילקחו בחשבון רמות הסיכון, השונות בין הנתונים (Difference) ותדירות השונות, אין דין ענף כדין ענף אחר, יש להתייחס לא רק לכמויות שנדרשו אלא גם לכמות הלקוחות שרוכשים אותם, מעט לקוחות שרוכשים מוצר מסוים גורם לעליה ברמות הסיכון – וההפך, בכל מקרה ראו מספר דוגמאות עם שימוש בניכוי חריגים: 

דוגמה ראשונה, גרף מכירות המראה נתוני מכירות במהלך שנה עם נקודת שיא (פיק) ונקודת שפל: 


ראו גם את הגרף לטבלה זו עם תוספת קו מגמה: 


במבט מהיר רואים כי הממוצע האריתמטי הוא 218, הוא בהחלט מושפע גם מנקודות השיא וגם מנקודת השפל, יתכן ומדובר באירועים חד פעמיים או אירועים נדירים, אם נוריד אותם מהחישוב, הממוצע החדש יהיה 245, זאת אומרת שנקודות הקיצון הללו לא יילקחו בחישוב, דהיינו: מחישוב הממוצע יגרעו ארבעה מקרים לא מייצגים שחלו במהלך השנה (הם יכולים להיות למשל מכירת עודפים או מכרז או כל ארוע חד פעמי אחר). 

ממוצע של 245 עשוי לשקף את רצון הארגון בתנאים של רמת שירות גבוה יותר, מבחינתם, השימוש בממוצע 218 היה עלול ליצור חסר מלאי ובכך – חסר במכירות. כמו כן תמיד ניתן ואף רצוי לגבש את תחום החריגה, הכל בהתאם לרמות הסיכון או לרמות השירות המבוקשות, בדוגמה שהראיתי קבעתי את התחום "המותר" בין 152 ל 326, בין פעם וחצי ממוצע ל70% ממוצע. 

טווח החריגה ינוע בהתאם למיקוד שלנו, ובהתאם לסיכונים שאנו נוטלים, בכל מקרה ניתן לראות שגם ממוצע בניכוי חריגים אינו בהכרח משקף את המגמה. 

מצורפת דוגמה נוספת, שימו לב שהממוצע המגמתי (בכחול) מורכב מניסיון חודשי לחזות את המגמה (בסוף כל חודש ידוע רק מה שהיה קודם ולפי זה ניתנת תחזית מגמתית לחודש שיבוא): 


בדוגמה זו ניתן לראות בפירוש כי השימוש בממוצע המגמתי היה הקרוב לתוצאה בפועל וכי התנודות על פי ממוצע זה היו מתונות אמנם אך בכיוון הנכון, השימוש בממוצע האריתמטי במקרה זה, היה מציג תחזית לא מתאימה (מסומן בצהוב בדוגמה זו) שוב – ביחס לממוצע המגמתי. 


ומה עם התייחסות לעונתיות ? ומה בין נקודות שיא לעונתיות ? איך אפשר לדעת ? ראו דוגמאות: 


ואת הגרף המייצג: 


תזכורת – הממוצעים המתקבלים מייצגים כתחזית את החודש בו הם מופיעים והם לא תוצאה בפועל, שוב, ניתן לראות כי הממוצע המגמתי מזהה טוב יותר את השינויים, אך לא בזה מדובר, השאלה היא - האם נקודת השיא ביולי היא עונתית או שהיא נקודת שיא(פיק) שנוצר מעסקה חד פעמית או ממכירה ייחודית? (לא לשכוח שעונתיות יכולה להופיע פעמיים ואף יותר בשנה). 

כשמדובר בגורם עונתי – המלצתי היא לסמן את המוצר ככזה, ניתן כמובן ללמוד מנתוני השנה שעברה, וככל שמדובר בנקודת שיא של צריכה – צריך להיות מסוגלים לזהות אותה – לכן כאמור, צריך את מעורבות אנשי המקצוע. אגב, אותו גרף בניכוי חריגים, היה "מקצץ" את נקודת השיא וממתן את התחזית, למי שהיה בוחר באפשרות זו. 

משתנים נוספים להתייחסות. כמובן שנדרש להתייחס לזמני האספקה – ניתן להעריך את זמני האמת, על פי ההיסטוריה עם הספק ובמדידת הזמן שחל בין תאריכי ההזמנה ממנו ל .... לתאריך הקליטה למלאי. צריך גם להתייחס למדיניות ניהול המלאי, למצב השוק הגלובלי בהקשר של חומרי גלם או דרישה לדוגמה: נגיף הקורונה הקפיץ באופן מטורף את הדרישה לבד לא ארוג, בד שמשמש בין היתר לייצור מסיכות, חלוקים ועוד מוצרי היגיינה, לו הייתם תלויים בייצור או באספקה של אחד מהמפעלים האלה הייתם נאלצים לסבול עיכובי אספקה מטורפים, עלית מחירים מטורפת ושלא לומר – זמני הובלה ומחירי הובלה שבחלק מהענפים – הפכו את המוצר שלהם ללא כלכלי בעליל. במהלך החודשים האחרונים עלות הובלת מכולה מהמזרח למזרח התיכון הוכפלה ביותר מפי 5. 

כעת, משראינו את ההבדלים בין הגישות והחישובים, ניתן לראות יישומים שונים המשפרים את האופן בו נשתמש במידע, למשל – לקבל לוח תחזית המבוסס על החישובים, הדבר מאפשר סימון תקופות וחוסרים או עודפים צפויים בצורה ברורה, ניתן לקבל תחזית במבט, מעין לוח שליטה (Dashboard) ראו דוגמה ללוח תחזית כזה, מטעמי נוחות חילקתי את הלוח לשתי תצוגות :

מידע צריכה/אספקה וחישוב ממוצע (רגיל ומגמתי)

שימוש בחישובים לקבלת מידע ותחזית חזותיים 


שימו לב כמה קל להבחין בשדות האדומים, הם מצביעים על חוסר. 

שימו לב לשדה "המלצה לרכש נוסף" הוא מחשב עבורכם, על פי נתוני היסוד שבחרתם ועל פי זמני האספקה ופרמטרים נוספים את הרכש הדרוש. ניתן גם לראות כאן את "עודפי" המלאי לאורך הזמן ולפעול בהתאם לכך, הרצת הדוח תשמש גם את מנהלי השיווק להערכת המלאי ולהערכת עודפי המלאי אם יהיו. 

שעיה כליף, גלית אנגלברג.


   



הערות
* כתובת הדואר האלקטרוני לא תוצג באתר.