Анализ товарного запаса: XYZ-анализ — 1С-Товары

XYZ-анализ это один из методов управления ассортиментом, применяемых в торговых компаниях. Метод позволяет выявить стабильность потребления тех или иных позиций и, соответственно, избежать ошибок в объемах закупок. Затоваривание складов ненужной потребителям продукцией, тем более если речь идет о скоропортящихся товарах, приводит к снижению эффективности бизнеса. К падению доходности магазинов также ведет нехватка продукции,  которая пользуется большим спросом. С помощью XYZ-анализа можно понять тенденции в потребностях потребителей и избежать, как переизбытка определенных товаров, так и нехватки нужных позиций.  

Смысл методики XYZ

Методику XYZ-анализа используют не только для управления товарным ассортиментом, но и в более широком смысле — для классификации любых ресурсов предприятия с точки зрения прогноза потребностей в них. Если говорить о товарных запасах, то вычисляют этот показатель при помощи сравнения фактических продаж со среднестатистическими значениями за определенный период. И чем меньше это отклонение, тем с большей долей вероятности можно прогнозировать будущие продажи определенных позиций. Таким образом, ассортимент классифицируют на три группы в зависимости от предсказуемости спроса — X, Y и Z. Это дает торговой компании более ясное понимание того какие именно товары и в каком количестве стоит заказывать и держать на складе с целью оптимизации ассортиментной политики магазина. Однако нужно помнить, что сам по себе xyz анализ не даст полного понимания всей картины. Для эффективного управления ассортиментом нужно применять этот метод в сочетании с другими аналитическими инструментами.            

XYZ-классификация ассортимента 

Для того чтобы сделать XYZ-анализ товарного ассортимента необходимо сначала распределить его по категориям, сходным по своим свойствам и знать объемы продаж по каждой позиции за определенный период. Чем более длительный промежуток времени будет взят, тем более точными окажутся результаты xyz анализа. Оптимальным значением можно считать один год. Нет никакого смысла проводить такого рода анализ если информация о продажах есть менее чем за три месяца работы.   

Вышеперечисленные данные ложатся в основу расчета так называемого коэффициента вариации, который наглядно демонстрирует разницу между, например, ежемесячными продажами какой-то позиции со средней реализацией за весь период, будь то один год или три месяца. Подобные расчеты можно произвести самостоятельно в таблицах Excel, но при широкой ассортиментной матрице это может превратится в нетривиальную и весьма трудоемкую задачу. Программе “1С Товары” автоматически рассчитывает этот коэффициент и позволяет классифицировать ассортимент магазина в зависимости от стабильности продаж. В результате получается распределение по трем группам:      

В группу X попадают товары или группы товаров с коэффициентом вариации от  0 до 10%, то есть со стабильными продажами и хорошо прогнозируемым спросом. То есть, запасы таких позиций всегда должны быть на складах, а при их заказе можно смело использовать системы, которые умеют автоматически формировать и отправлять заявки поставщикам, например такие как программа “1С Товары”.          

Группа товаров Y включает в себя позиции спрос на которые можно спрогнозировать со средней степенью точности. Коэффициент вариации в этом случае колеблется в пределах от 10% до 25%. К этой группе могут относится например сезонные или акционные товары. К заказу подобных позиций стоит подходить с оглядкой на факторы, способные тем или иным образом повлиять на спрос. 

К группе Z относят позиции товарного ассортимента с крайне нерегулярным спросом. Продажи таких товаров очень сложно спрогнозировать, какие-то тенденции тут практически не прослеживаются. В данном случае индикатором будет превышение коэффициента вариации значения в 25%. Запасы таких позиций на складе могут быть минимальны, а в самом лучшем случае следует просто наладить поставку напрямую со склада поставщика, если спрос на них вдруг появится. 

Следует добавить, что рассчитывать коэффициенты вариации, и, соответственно, включать позиции или товарные категории в ту или иную группу, следует с учетом множества внешних факторов. Например таких как сезонность, проявления краткосрочных модных трендов, проведения рекламных акций или возникновения дефицита. 

XYZ-классификация ассортимента в сервисе “1С-Товары”

В обработке, на закладке Ассортиментная матрица/Анализ, отображается распределение товаров по всем типам анализа, который делает сервис “1С-Товары”. В соответствующей колонке видим в какую группу по XYZ-анализу попал товар. Можно применить стандартный фильтр для сортировки списка по интересующей группе, а также сохранить сформированный список отдельно для самостоятельного анализа.

Пример 1. Закладка Ассортиментная матрица/Анализ, со скрытыми настройками.Пример 2. Закладка Ассортиментная матрица/Анализ, с развернутыми настройкамиСписок товаров Ассортиментной матрицы, выведенный отдельно.

Перекрестный анализ: XYZ + ABC 

Как уже говорилось выше, xyz-анализ в целом сам по себе малоинформативен, за исключением выявления самых ходовых товаров. Для более глубокого исследования товарного ассортимента методику XYZ совмещают с АВС анализом, который показывает какие товары приносят магазину наибольшую прибыль.  

Напомним, что АВС-анализ ассортимента позволяет выявить ту часть ассортимента, которая обеспечивает наибольшую доходность. В  его основе лежит принцип Парето — 20 % всех товаров дают 80 % оборота. Одна из основных идей анализа заключается в том, что контроль 20 % позиций позволяет на 80 % контролировать выручку. Аналогично принципу XYZ анализа ассортимент классифицируется по группам А, В и С.  

Группа А – это очень важные товары, приносящие максимальную прибыль, которые всегда должны присутствовать в ассортименте.

Группа В – товары средней степени важности.

Группа С – наименее важные товары, это претенденты на исключение из ассортимента и товары-новинки.

Совмещение этих двух видов анализа позволяет составить более сложную классификацию товарного ассортимента. Таким образом с одной стороны можно вычленить группы товаров, которые продаются быстрее всего с максимальной отдачей с точки зрения прибыльности, и другой — определить позиции которые совершенно непрогнозируемо принесут минимум дохода, а то и приведут к убыткам. Соединение двух аналитических подходов позволяют увидеть товарный ассортимент в следующих разрезах: 

• AX и BX — это позиции, демонстрирующие высокие обороты, их продажи хорошо прогнозируются и при этом приносят хорошие доходы. 
• AY и BY — товары, показывающие хорошие обороты в данный момент, но недостаточно стабильные с точки зрения прогнозов на будущее. 
• AZ и BZ — высокий товарооборот, но низкая прогнозируемость продаж. С такими лучше работать под заказ,
• СX и CY — для таких товаров рекомендуют использовать систему с постоянной периодичностью или суммой заказа,
• СZ — в эту группу попадут низкооборачиваемые позиции, продажи которых практически невозможно предсказать. Такие товары лучше вывести из ассортимента. 

Совмещенный XYZ и ABC анализ

Для анализа можно выбрать группу из каталога товаров магазина и посмотреть, как товары этой группы распределились в разрезе всего магазина.

Принципы управления товарным ассортиментом 

Результаты АВС и XYZ анализов используются при принятии решения какими принципами будет руководствоваться торговая компания при управлении ассортиментом и запасами. Есть два основных подхода к решению проблемы: “американский” и “японский”.    

В первом случае, традиционная, “американская система управления подразумевает минимизацию рисков на случай возникновения сложностей у поставщиков. То есть менеджмент торгового предприятия старается обезопасить себя от возможных перебоев с поставками и колебаний спроса, формируя достаточные товарные запасы. Формализация и отлаженность “раз и навсегда” всех процедур управления складскими запасами требует постоянного анализа товарных запасов. 

“Японская” система управления товарными запасами, напротив, гораздо более гибкая, не столь стандартизированная, базирующаяся на принципах оптимизации и продвинутой автоматизации. То есть в этом случае управление запасами и ассортиментом основывается на как можно более точных прогнозах поведения покупателей и спроса. Склады в данном случае как правило работают по автозаказам, что подразумевает высокую степень доверия к поставщикам.   

Впрочем в реальности эти модели редко встречаются чистом виде, особенно в российских реалиях. Чаще всего работают гибридные варианты, сочетающие элементы разных систем управления товарными запасами. 

Классификация маршрутов транспортировки сортиментов с использованием XYZ-анализа

Please use this identifier to cite or link to this item: https://elib.belstu.by/handle/123456789/38380

Title:	Классификация маршрутов транспортировки сортиментов с использованием XYZ-анализа
Authors:	Насковец, Михаил Трофимович Короленя, Руслан Олегович
Keywords:	транспортировка сортиментов маршруты транспортировки XYZ-анализ логистика лесовозный транспорт транспорт леса лесозаготовки
Issue Date:	2010
Publisher:	БГТУ
Citation:	Насковец, М. Т. Классификация маршрутов транспортировки сортиментов с использованием XYZ-анализа / М. Т. Насковец, Р. О. Короленя // Труды БГТУ. Серия II, Лесная и деревообрабатывающая промышленность. – Минск : БГТУ, 2010. – Вып. ХVIII. – С. 71-75.
Abstract:	В статье авторами предлагается решение важной задачи классификации маршрутов транспортировки по степени влияния дорожных условий на время движения по ним лесовозной техники при перевозках сортиментов. Указанную задачу предлагается решать с использованием известного в логистике метода XYZ-анализа. В статье описана последовательность реализации предлагаемого метода, а результаты проведенных авторами исследований в производственных условиях подтверждают возможность практического применения метода XYZ-анализа для классификации маршрутов транспортировки сортиментов.
URI:	https://elib.belstu.by/handle/123456789/38380
Appears in Collections:	2010, № 2

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.

6.8. ABC–XYZ-классификация клиентов . Холодные звонки. От знакомства до сделки за 50 дней

Залог эффективной работы с клиентом – это понимание его потребностей, «боли» и финансовых возможностей. Менеджеры должны не только понимать, что они продают, но и знать кому. В компании должен быть прописан портрет клиента, а также должна вестись их сегментация. Разные группы клиентов требуют разного подхода в работе. Работа с VIP-клиентами ведется совсем не так, как с новичками. Зная, к какой группе относится каждый из них, вы сможете организовать процесс продаж и касаний оптимальным способом.

Наиболее простая и обобщенная классификация клиентов – это АВС-сегментация (рис. 6.10). Она делит клиентов по объему закупок. Так, А-клиенты – это клиенты с наиболее крупным объемом продаж. Это «золотые» клиенты, составляющие самую немногочисленную по количеству группу. Как правило, это 20 % клиентов, на которых достигается 80 % продаж. Группа В – это среднестатистические клиенты, ключевые.

Это самая многочисленная группа. Они приносят свыше 10 % продаж. Вам выгодно с ними работать, но объемы продаж каждому из них отдельно невысоки. Группа С – это наиболее мелкие с точки зрения продаж клиенты, которые покупают редко и на небольшие суммы. Часто вы несете на них больше расходов, например на логистике, чем получаете от них дохода.

Рис. 6.10. АВС-сегментация клиентов

С клиентами из разных групп надо по-разному строить работу. Поэтому и важно знать свою сегментацию и правильно ею пользоваться. В первую очередь, разнится частота касаний клиентов каждой группы. Так, с крупными клиентами из группы А следует проводить минимум одну личную встречу в месяц и организовывать два звонка. С группой В можно уменьшить количество взаимодействия до одной встречи в два месяца и одного звонка в месяц. Те вопросы, которые из-за объема продаж и стоимости вопроса с клиентами группы А вы должны обсуждать на личной встрече, с В-клиентами можно решить по телефону. Для С-группы можно организовывать системную рассылку (табл.

6.8).

Таблица 6.8. Частота коммуникации с клиентской базой

Вести сегментацию удобно в CRM-системе. Это автоматизирует процесс, напоминая, с каким клиентом и когда следует вступить в коммуникацию.

Еще одна часто встречаемая сегментация клиентов – это XYZ-классификация. Она строится на основании частоты обращения клиента. Компания, не желающая терять клиентов, должна знать средний период покупки клиента. Например, зубную пасту покупают в среднем раз в месяц. В данном примере месяц – это период транзакции. XYZ-классификация основана на этой регулярности.

Х-группа – это постоянные клиенты, частота покупок которых соответствует периоду транзакции или даже чаще ее. Y – это стабильные клиенты, которые покупают, но достаточно редко. Например, малые компании, обороты которых незначительны и не требуют частых регулярных закупок. Z-клиенты – это разовые, некрупные продажи, например, именно того продукта, которого нет у ваших конкурентов (рис. 6.11).

Рис. 6.11. XYZ-классификация клиентов

Понимание классификации своих клиентов позволит выстроить грамотную стратегию отношений с ними и получить их лояльность. Вы не будете тратить время и ресурсы на неинтересных вам клиентов, тем самым упуская прибыльных.

Рассмотренные выше классификации объединяют в сводный анализ. Сочетание АZ – это «звезды», то есть клиенты, которые дали хороший объем продаж, но единоразово. Можно продумывать действия по их привлечению и переводу в группу АХ. АХ – это «дойные коровы», то есть постоянные клиенты с высокой долей продаж. СZ – это «собаки», то есть неинтересные вам клиенты, которые покупают мало и редко. Остальные сочетания составляют группу «дикие кошки». Эти клиенты знакомы с вашим товаром, возможно, были близки к заключению договора, но ищут более выгодные условия, высокое качество, низкую цену и т. д. Данную группу не следует терять из виду, а с помощью составленного плана действий и различных техник стараться перевести их в группу «звезды» или «дойные коровы».

Теория поколений XYZ: чем отличаются иксы, игреки и зумеры: Статьи общества ➕1, 17.

12.2021

Фото: Artem Bobkov / Unsplash

Суть разработанной учеными теории в том, что поколения сменяют друг друга примерно каждые 20 лет, а люди, относящиеся к ним, объединены тремя критериями:

1

Оказываются под влиянием одних и тех же исторических событий и социокультурных тенденций на одних и тех же этапах своей жизни. Пример актуальных для нашего времени таких трендов — шеринг-экономика, нативная реклама, индивидуальный подход к планированию рабочего времени.

2

Имеют общие убеждения и схожую модель поведения. Так, представители одних поколений придерживаются концепции равенства полов, а других — патриархальной модели семьи, где все важные решения принимает мужчина.

3

Определенный жизненный опыт дает им чувство принадлежности к своему поколению. Например, люди, пережившие войну, а затем участвовавшие в восстановлении страны, ощущают единство друг с другом.

Конечно, нельзя оценивать каждого конкретного человека только с позиции его принадлежности к поколению — каждый характер индивидуален и не всегда совпадает с усредненными данными. Но понимание того, что движет людьми определенного возраста, может помочь найти к ним подход. Кроме того, теория поколений активно используется в маркетинге: для бизнеса важно хорошо знать свою целевую аудиторию.

Теория Штрауса и Хау неоднократно пересматривалась, поэтому, кроме исходной версии, существует несколько вариантов «поколенческих» временных отрезков. Чаще всего встречается следующая классификация поколений:

1

X — люди, которые родились в период с 1964-го по 1980 год.

2

Y (миллениалы) — появились на свет с 1981-го по 1996 год.

3

Z (зумеры) — родились с 1997-го по 2012 год.

У преемников зумеров пока нет официального названия. Социолог Марк Маккриндл предложил назвать их поколением «Альфа». Ученый считает, что эти люди предпочтут онлайн-общение реальному, а также станут самым богатым и образованным поколением в истории.

В России теория поколений была адаптирована с учетом исторического и социального пути развития страны. Характеристики представителей каждой группы составлялись на основе результатов опросов, наблюдений и исследований.

Фото: Jana Sabeth / Unsplash

Родители поколения X стали свидетелями Великой Отечественной войны или появились на свет сразу после ее завершения, испытав все тяготы и лишения тех лет. 1960–1970 годы были более благополучными, тем не менее декретный отпуск тогда длился всего 112 дней (по 56 дней до и после родов). Маленькие иксы проводили весь день в яслях, где их не баловали вниманием и растили самостоятельными. Зато, став взрослыми, они стремились максимально сблизиться со своими детьми. По результатам исследования американского телеканала Nickelodeon, 83% родителей поколения X считают своих детей лучшими друзьями.

Представители этого поколения уже не верили в коммунистические идеалы и светлое будущее, но эпоха так называемого развитого социализма, или застоя, давала ощущение стабильности и гарантировала доступ к базовым социальным благам. Распад Советского Союза разделил жизнь иксов на «до» и «после». Это стало причиной их недоверчивости и умения быстро приспосабливаться к переменам и стойко переживать сложные времена.

Современные технологии появились в процессе взросления иксов. Они активно пользуются электронной почтой и имеют аккаунт как минимум в одной социальной сети. Иксы успешно освоили интернет-магазины, но им больше нравится наслаждаться шопингом в торговых центрах. 85% людей из поколения X признались, что скидки являются для них решающим фактором при выборе товара.

Представители X настроены на упорную работу и не любят проявлять инициативу. Они опасаются увольнения, так как не уверены в будущем и боятся неопределенности. Иксы работают не ради удовольствия и самореализации, а ради стабильности, денег и карьерного роста, что нередко становится причиной внутреннего выгорания.

Помимо образования и карьеры, которую многие из них строили с нуля, для иксов важно семейное благополучие. Они неохотно тратятся на свои нужды, предпочитая помогать детям и родителям. Из-за этого им сложно откладывать деньги на пенсию и приходится довольствоваться государственными выплатами.

Фото: Cristian Tarzi / Unsplash

В отличие от своих родителей, миллениалы считают жизнь по сценарию «дом-работа-дом» не приятной стабильностью, а разрушающей рутиной. Они не ждут поддержки от государства и чаще стремятся работать на себя. При выборе компании миллениалы придают важное значение корпоративной культуре. Они искренне заинтересованы в том, чтобы их ценности совпадали с ценностями будущего работодателя. При этом представители Y не любят начинать карьеру с самых низов и считают любое место работы временным этапом, позволяющим получить ценный опыт и навыки. Многих обеспечивают родители, что дает возможность потратить приличное количество времени на поиск работы, которая приносит удовольствие.

Игреки готовы учиться всю свою жизнь, и доступность информации только способствует этому. Они воспринимают процесс обучения не как что-то утомительное и неизбежное, а как модное саморазвитие, поиск своей индивидуальности. При этом игреки могут без сожаления бросить университет, если почувствуют, что ошиблись с профессией. Им легко поменять сферу деятельности и пожертвовать стабильностью ради дела, которое приносит радость.

Представители поколения Y могут совершать покупки под влиянием эмоций, но чаще они проводят сравнительный анализ товаров и читают отзывы пользователей. Миллениалы меньше других опираются на негативный опыт: 26% из них готовы продолжить знакомство с брендом, который однажды разочаровал их.

Миллениалы занимаются самопознанием большую часть жизни и начинают думать о создании семьи лишь к 30-ти годам. Более того, они остаются незамужними и неженатыми в три раза чаще, чем их бабушки и дедушки, воспринимая брак не как необходимость, а как один из вариантов развития событий. Но при этом люди поколения Y стремятся построить крепкие отношения, основанные на общих ценностях, понимании и уважении.

Фото: Artem Bobkov / Unsplash

Доктор социологических наук Андрей Милёхин отмечает, что люди поколения Z не испытали социальных потрясений, которые пережили предыдущие поколения, поэтому они отличаются оптимизмом и сверхтолерантностью. Кроме того, зумеры родились в цифровом мире, где открыт доступ практически к любой информации и не нужно часами сидеть в читальном зале. Но возможность легко найти ответ на любой вопрос обманчива, а люди поколения Z не склонны к детальному анализу данных. При этом социолог уверен, что они со временем решат проблему наличия в сети недостоверных фактов.

Зумеры бережливее своих родителей. Юноши и девушки не теряют голову от изобилия предлагаемых товаров и услуг и не склонны к спонтанным покупкам. Зумеры более рационально относятся к потреблению: лишь 41% из них занимаются шопингом, чтобы расслабиться. Серьезный подход к тратам позволяет осознанно принять решение о покупке. Исследование показало, что 57% зумеров в первую очередь обращают внимание на качество товара.

Представители поколения Z только начинают приобретать финансовую независимость. Но маркетологи уже спешат завоевать их расположение, ведь от выбора детей зачастую зависят расходы взрослых. По данным исследования JWT Intelligence, 65% родителей советуются с детьми из поколения Z при выборе направления для путешествия, 32% — при покупке мебели, 29% — при выборе автомобиля.

Современное поколение Z любит все новое и уникальное, при этом может предпочесть аренду покупке, ведь для них эмоции ценнее богатства. Они хотят, чтобы окружающие реагировали буквально на каждое их действие, неважно — негативно или позитивно. Некоторые из них зависимы от чужого мнения, но при этом лояльно относятся к другим людям, их убеждениям, социальному статусу и уровню заработка.

Подписывайтесь на наш канал в Яндекс.Дзен.

Вера Жихарева

Классификация и маркировка продукции

Первая цифра X	1	2	3	4	5	6	7	8
Торговая марка	ЭКОПЛАСТ	ЭКОСТИЛ	ЭКОСОРБ	ЭКОПЛЕН	ЭКОПОР	ЭКОПЛЕН-Н	ЭКОПЛЕН-K	ЭКО-ВК
	Глубинный	Ситовый	Сорбци- онный глубинный механизм	Сочетание глубинного и экранного	Экранный	Намывная фильтра- ция	Намывная фильтра- ция	Ионный обмен
Механизм фильтрации	Через объемную пористую структуру	Через металли- ческую или полимер- ную сетку	Через засыпку сорбента	Через гофриро- ванную пленку с широким распреде- лением пор по размерам	Через гофриро- ванную мембрану с узким распреде- лением пор по размерам	Через намывной слой снаружи-внутрь	Через намывной слой изнутри-наружу	Через засыпку ионообмен- ной смолы
Марки элементов	ЭФП-100 ЭФП-101 ЭФП-103 ЭФП-110 ЭФП-111	ЭФП-202 ЭФП-222	ЭФП-312	ЭФП-400 ЭФП-401 ЭФП-403 ЭФП-404	ЭФП-515 ЭФП-525 ЭФП-535 ЭФП-545 ЭФП-555	ЭФП-600 ЭФП-601 ЭФП-602 ЭФП-603	ЭФП-701 ЭФП-702	ЭФП-812
Вторая цифра Y	Тип кон- струкции	Тип кон- струкции	Тип кон- струкции	Тип кон- струкции	Материал мембраны	Тип кон- струкции	Тип кон- струкции	Тип кон- струкции
Расшифровка второй цифры	0 – стан- дартный, 1 — ФЭП	0 – на каркасе из полипро- пилена; 2 – цельноме- талличес- кая	1- полоци- линдри- ческие осевые	0 — стан- дартный; 1 – без внеш- него каркаса	1 – Ф-42; 2 – ПВДФ; 3 – ПА; 4 – АС; 5 – ПЭС; 6 — ПС			1 – поло- цилин- дрические осевые; 2 – цилин- дрические осевые
Третья цифра Z	Обозначает фильтрующий материал (по таблице 2)		Обозначает материал засыпки	Обозначает фильтрующий материал (по таблице 2)				Обозначает материал засыпки

Как настроить классификации товаров в 1С УТ 11?

Перед владельцами интернет-магазинов часто встает вопрос: «Какие из товаров представляют наибольшую ценность для моих продаж?».

Если вы владеете такой статистикой, то сможете уделить больше внимания операциям именно с этими товарами. А на менее важные группы номенклатуры тратить меньше времени и ресурсов.

В конфигурации 1С УТ11 для деления номенклатуры по степени важности используются общепринятые классификации ABC и XYZ.

С их помощью пользователь легко выделяет товары, продажа которых приносит максимальную прибыль и идет максимально стабильно.

В основе АВС-анализа лежит принцип Парето, или закон 20/80: 20% действий дают 80% результата, 20% клиентов дают 80% прибыли и т.п.

В случае интернет-магазина примененное к продажам правило звучит так: 20% номенклатуры дают 80% прибыли.

XYZ-анализ номенклатуры классифицирует товары по категориям стабильности:

• Товары X-класса продаются стабильно и потребность в них легко поддается прогнозу.
• Товары Z-класса, наоборот, продаются нерегулярно по разным причинам (сезонность, тренд и т.д.).

 

Как настроить классификации ABC и XYZ в 1С УТ11?

Откройте вкладку «Маркетинг». В поле «Сервис» выберите «Классификация номенклатуры» и укажите вариант отображения «Полные возможности».

Рисунок 1.
Здесь нажмите кнопку «Настройка»: Рисунок 2.
Укажите параметры классификации (выручка, валовая прибыль, количество проданного товара) и периоды для каждой из классификаций. Сохраните настройки.

После каждого изменения настроек необходимо очистить все данные по классификациям, основанным на предыдущих параметрах. Сделайте это с помощью кнопок «Очистить ABC классификацию за все периоды» и «Очистить XYZ классификацию за все периоды».

После этого нажмите «Выполнить ABC классификацию за все периоды» и «Выполнить XYZ классификацию за все периоды»

На этом настройка классификаций завершена, перейдем к результатам.

На вкладке «Маркетинг» в поле «Отчеты» выберите «ABC/XYZ – анализ номенклатуры» и сформируйте его:

Рисунок 3.
Для разделения классификаций перейдите в настройки отчета (Все действия – Изменить вариант отчета) и поочередно снимите галочки с ABC и XYZ.

В результате вы получите раздельные категории товаров, проданных за указанный в настройках период, для последующего анализа:

Рисунок 4.Рисунок 5.Обратите внимание, что в рассмотренном примере товар «Шкаф 3-дверный» попал в A-класс при ABC-классификации, но в Z-класс при XYZ – классификации.

Что это значит:
За указанный период по выбранным параметрам оценки товар принес компании наибольшую прибыль, но его продажи не были стабильными. Это также сигнализирует о невозможности сделать прогноз о дальнейших уровнях продаж данного товара.

Владельцу магазина результаты анализа дают богатую пищу для размышлений.
Следует переключить внимание на товары классов A и B: назначать на обработку заказов по этим товарам лучших менеджеров, искать лучших поставщиков, добиваться их бесперебойной поставки, увеличить расходы на продвижение товара.
Товары класса С должны быть понижены в приоритетах, а то и вовсе сняты с продаж.

 

XYZ управления запасами

Как свидетельствует словарь APICS, существует целый алфавит стратегий для руководства операциями цепочки поставок. В начале алфавита классификация ABC определяет управление запасами. Относительно простая, но эффективная концепция разбивает набор предметов на три группы — A, B и C — в зависимости от количества предметов и долларов. Группа А обычно представляет 10-20% самых популярных товаров в зависимости от популярности продаж, которые, как правило, составляют 50-70% объема продаж коллекции.Группа B содержит следующие 20% товаров по популярности и объему продаж в долларах. Группа С содержит оставшиеся 60-70% товаров, на долю которых приходится 10-30% долларовых продаж. Предметам из группы А, как правило, уделяется больше внимания. Например, их можно пересчитывать чаще, чтобы избежать дефицита. Элементы в группе C, как правило, регулируются более слабым контролем.

Хотя классификация или анализ ABC всегда ассоциировались с лучшим контролем, этот метод имеет свои ограничения.Например, классификация элементов на основе одного или двух факторов может быть слишком упрощенной. На динамичном рынке продажи продуктов могут быть неустойчивыми, что может привести к быстрому и частому переключению групп товаров. Если менеджеры цепочки поставок не будут в курсе этих частых изменений, их классификация ABC может быстро устареть. Кроме того, эти изменения могут оказывать влияние на производство, страховой запас, соглашения об уровне обслуживания, планы продаж и маркетинга и многое другое.

ABC-анализ можно улучшить, объединив его с XYZ-анализом — структурой, которая классифицирует продукты на основе степени изменения их спроса.Как и анализ ABC, анализ XYZ классифицирует продукты по трем группам в зависимости от уровня предсказуемости их спроса и того, насколько они отклоняются от своих прогнозов:

• Х товаров заказывают часто, возможно, ежедневно. При частом пополнении они должны иметь низкую изменчивость спроса, которая предсказуема.
Товары
•  Y заказываются реже, например, раз в несколько недель или реже. Существует больше различий в сумме спроса.
• Заказы на товары Z нечасты и нерегулярны.Они имеют наибольшую изменчивость спроса и их труднее всего предсказать.

Подход из 9 блоков Ассоциации международных сертифицированных профессиональных бухгалтеров (AICPA), изображенный ниже, иллюстрирует взаимосвязь ABC-XYZ.

Рисунок 1: Подход с 9 блоками к соотношению ABC-XYZ Источник: AICPA, cgma.org

У компании никогда не должно быть дефицита товаров класса AX. Для сравнения, товары класса AZ, скорее всего, не будут инвентаризированы, поскольку они могут быть результатом крупной единовременной покупки.Товары класса CZ являются инвентарными обязательствами.

Смешанное усилие

Благодаря сочетанию ABC-анализа для учета стоимости товара и XYZ-анализа для учета колебаний спроса менеджеры по запасам могут сотрудничать с другими ключевыми функциональными менеджерами в области производства, бухгалтерского учета, информационных технологий, логистики и закупок. Все отделы должны работать вместе как над созданием политик управления запасами, так и над разработкой систем и процессов для реализации этих политик. AICPA предполагает, что эти политики инвентаризации могут включать

• Степень автоматизации и сроки процессов пополнения
• взаимно согласованные параметры инвентаризации для товаров ABC, включая буферные запасы
• правил управления запасами, таких как частота циклов подсчета.

Рисунок 2: Политики ABC-XYZ

Источник: AICPA, cgma.org

На этой основе сочетание ABC-анализа и XYZ-анализа обеспечивает три ключевых преимущества:

1. Он обеспечивает научную и прозрачную основу для разработки и уточнения политик управления запасами.
2. Оптимизирует компромисс между затратами, рисками и выгодами владения акциями.
3. Разрушает разрозненность внутри организации. Потребности ключевых заинтересованных сторон известны и могут быть учтены в политике инвентаризации.

Кроме того, он лучше адаптирует системы и процедуры инвентаризации к корпоративным целям или эталонному цифровому стандарту операций цепочки поставок APICS.

Помимо основ

Партнерство между ABC-классификацией и XYZ-анализом — лишь верхушка айсберга.Есть еще много других проблем управления запасами, которые необходимо решать в повседневной работе:

• Каков наилучший способ классификации и управления быстроходным, дорогостоящим товаром, который в основном приобретается одним покупателем без договора купли-продажи? Что произойдет, если этому клиенту больше не нужен этот товар?
• Правильно ли классифицировать дорогостоящий предмет, который продается только один раз в год, но в больших количествах, как предмет класса А?
• Как международная компания может управлять товарами, которые относятся к классу А в одной стране, но даже не находятся в поле зрения в другой стране?
• Как лучше всего классифицировать новый продукт и управлять им? Некоторые менеджеры предпочитают присваивать этим товарам класс L при запуске и управлять ими с помощью специальных критериев запуска продукта в течение начального цикла продаж. Другие могут использовать классификацию B как золотую середину классификации ABC.

При решении этих задач некоторые компании могут обнаружить, что классификации ABC и XYZ-анализа достаточно для создания работающей системы управления запасами. В более сложных случаях может потребоваться рассмотреть или встроить в систему другие стратегии. Возможно, ответы кроются где-то среди оставшихся 20 букв алфавита.

ABC-/XYZ-анализ

ABC-анализ

Определение

ABC-анализ служит процедурой экономического анализа.Частью анализа является оценка и классификация клиентов, задач, товаров и т. д. по классам A (высокий приоритет), B (средний приоритет) и C (низкий приоритет). В частности, в управлении продуктами ABC-анализ находит частое применение. ABC-анализ основан на принципе Парето (правило 80/20), названном в честь создателя Вильфредо Парето, который гласит, что 80% событий или результатов связаны с 20% общего времени процесса. Проще говоря, внимание должно быть сосредоточено на самом важном. В контексте логистики это означает, что на 20% всех товаров на складе приходится 80% перемещений товаров, и поэтому важно сосредоточиться на этих товарах или особенно сосредоточиться на складских движениях этих товаров.

Во многих компаниях большая часть работы сосредоточена на нескольких продуктах и ​​товарах. Большая часть затрат на запасы связана с несколькими дорогими товарами, а большая часть дохода приходится на несколько продаж. Поэтому ресурсы, усилия и персонал должны быть направлены на управление наиболее важными и дорогостоящими вещами.Они отвечают за большой процент прибыли (принцип Парето).

Процедура: Как проводится ABC-анализ?

С помощью простой электронной таблицы можно быстро создать простую классификацию ABC. Для начала анализа очень важно четко определиться, что анализировать и какие данные для этого нужны. После этого необходимые данные из бухгалтерии, продаж, лагеря и т. д. могут быть собраны и отсортированы в соответствии с информацией, необходимой для ABC-анализа. На следующем шаге устанавливаются границы, которые определяют, начиная с момента, когда значение сортируется в какой класс.

Для всех объектов данные о запасах и стоимости сортируются в порядке убывания стоимости. Затем добавляются общие затраты, а затем рассчитывается процентная доля каждого продукта от общих затрат. Следующим шагом является добавление первых строк до тех пор, пока не будет определено около 80% затрат. Это должно составлять около 20% продуктов. Затем эти продукты образуют класс А по классификации ABC.Таким же образом поступают также для B и C. 

Обзорная классификация:

• Товар А: небольшое количество на складе (20%), но самая высокая оборачиваемость и стоимость. Эти товары должны иметь оптимальный запас, так как они генерируют 80% товарооборота. Товары регулярно пересчитываются и строго контролируются.
• B-товары: средняя доля в стоимости и количестве, а также средняя скорость оборота, здесь часто используются минимальный и максимальный запасы. Объем на складе около 30%.Товары категории B подсчитываются достаточно регулярно и контролируются.
Товар
• C: самая большая доля на складе (50%), низкая стоимость запасов и небольшой спрос. Предметы категории C учитываются реже и контролируются более небрежно.

Стоимость может быть определена, например, на основе долей годового оборота, стоимости лагеря или стоимости покупки. В логистике АВС-анализ часто ориентируется также на коэффициент оборачиваемости запасов.

Возможные применения классификации ABC в логистике

В логистике анализ ABC часто используется для контроля запасов или для определения стоимости запасов.Некоторые продукты более важны, чем другие, и к ним следует относиться соответственно. Например, вы можете разделить товары на складе в соответствии с такими критериями, как продажи продукта, коэффициент продаж, размер прибыли или стоимость запасов. В этом случае товары на складе, как обычно, делятся на классы А, В и С, где группа А — это товары с наибольшей значимостью (стоимостью, количеством, стоимостью) и составляют около 20% позиций или 80 % от прибыли, количество и т. д.). Элементы группы В имеют среднюю важность и составляют около 30% предметов.Остальные 50% предметов должны относиться к классу С.

XYZ-анализ

Определение

Анализ XYZ — это способ классификации элементов запасов в соответствии с изменчивостью спроса на них или производным/прогнозируемым потреблением. Анализ XYZ можно использовать для планирования потребностей в материалах и уровней запасов, чтобы можно было избежать потерь, задержек производства или чрезмерных уровней запасов. Анализ IXYZ оценивает способность планировать потребление и спрос.

• Х-товары — очень низкие колебания: Х-товары характеризуются постоянными продажами во времени.Будущий спрос можно надежно спрогнозировать.
• Y-товары — некоторые колебания: хотя спрос на Y-товары непостоянен, изменчивость спроса можно в некоторой степени предсказать. Обычно это происходит потому, что колебания спроса вызваны известными факторами, такими как сезонность, жизненный цикл продукта, действия конкурентов или экономические факторы. Сложнее точно прогнозировать спрос.
• Z-товары — самая большая вариация: спрос на Z-товары может сильно колебаться или возникать спорадически.Нет тенденции или предсказуемых причинных факторов, что делает невозможным надежное прогнозирование спроса.

Разница ABC/XYZ анализ

Анализ ABC/XYZ служит для лучшей классификации имеющихся запасов и/или товаров, необходимых для закупки. С помощью ABC-анализа отдельные статьи оцениваются в соответствии с их долей (высокая ценность, средняя ценность, малая ценность) в конверсии предприятия. С помощью XYZ-анализа можно прогнозировать продажи товаров длительного пользования, сезонных товаров и специальных предложений.

Комбинация анализа ABC и XYZ в управлении материальными потоками

Объединение анализа ABC и XYZ в автоматизированный процесс дает компаниям гораздо более полное представление о своих товарах и потребностях клиентов. Вместо трех категорий анализ ABC/XYZ дает девять категорий для классификации материалов, товаров и потребления. Таким образом, в управлении материальными потоками этот анализ является одним из наиболее важных средств для постоянной оптимизации запасов.

По методу получается еще более дифференцированная картина структуры ассортимента предприятия.Таким образом, весь ассортимент может быть адаптирован к потребностям рынка. Даже товары с непредвиденными продажами могут быть быстро идентифицированы с помощью точного анализа продаж и приняты во внимание в кратчайшие сроки. Сочетание обоих методов является эффективным средством рационализации. Это приводит к оптимальному ритму заказа продукции, что позволяет избежать чрезмерных капитальных вложений и списаний.

Путем сочетания ABC и XYZ анализа устанавливается связь между стоимостной частью отдельных товаров и временной потребностью и/или процессом потребления соответствующего товара.Отсюда можно сделать важные выводы для дальнейшего планирования ассортимента.

Краткий обзор девяти классификаций:

• ХА, ХВ и ХС
• YA, YB и YC
• ZY, ZB и ZC

Цели анализа ABC/XYZ в логистике

Классификация отдельных товаров важна для управления запасами по нескольким причинам. На основе АВС-анализа условия в лагере можно представить наглядно и свести к содержательным.Анализ не очень сложен и позволяет быстро и легко оценить все товары на складе. Таким образом, компании получают точную информацию о распределении капитала на складе и могут устанавливать соответствующие приоритеты в складском хранении и управлении запасами.

Краткий обзор целей: 

• Сосредоточьтесь на самом важном 
• Целенаправленно контролировать и планировать операционные процессы
• Определить потенциал оптимизации
• Повышение эффективности
• Контроль рентабельности внутри компании

Кроме того, классификация позволяет менеджерам цепочки поставок…

• …определить товары на складе, которые представляют наибольший бизнес-риск из-за кражи или повреждения и предлагают наибольшие возможности для продаж,
• помочь менеджерам склада и другим специалистам по цепочке поставок правильно расставить приоритеты в своем времени,
• позволяют менеджерам склада достигать почти 100-процентной точности инвентаризации.

Мониторинг запасов от А до Я

Благодаря настраиваемой матрице уровня обслуживания ABC/XYZ уровни страхового запаса можно динамически контролировать по классам товаров.Чем выше уровень обслуживания, тем выше вероятность отсутствия дефицита запасов. Прогноз и данные о продажах также можно просматривать в сумме для целых товарных категорий.

В целом, комбинированный анализ ABC/XYZ во много раз снижает затраты на мониторинг. В конце концов, отдельные анализы ABC и XYZ требуют вдвое больше усилий. Освобожденные ресурсы могут быть использованы в других целях.

Получение результатов и измерений

После того, как классификация отдельных позиций была сделана, соответствующие меры могут быть получены из реализаций.Например, для товаров с высокой оборачиваемостью следует использовать больше мер и больше ресурсов, чем для продуктов категории C. Метод используется для того, чтобы делать выводы из прошлого, но будущее также должно играть роль. Поэтому важно следить за развитием продуктов, а также видеть потенциал в новых продуктах, даже если они изначально имеют низкие продажи.

Модель управления запасами ABC-XYZ — согласование параметров планирования с бизнес-целями

Зачем рассматривать модель управления запасами? Одной из ведущих проблем SCM является оптимизация запасов.Запасы на самом деле являются следствием других бизнес-параметров и политик, таких как:

 

• Цели и задачи компании: план продаж, уровень заполняемости, отклонение закупочной цены и т. д.
• Операционная политика и параметры: время выполнения заказа, размер партии, изменение во времени, страховой запас, модель пополнения, частота и продолжительность циклов планирования и т. д.
• Эффективность выполнения этих политик: точность прогнозов, производство и показатели качества на всех уровнях цепочки поставок и т. д.
• Количество дискретных уровней в бизнес-модели: поставщики, склады, фабрики, распределительные центры и т. д.

 

Политика получения избыточных и устаревших запасов

Расчет целевого уровня запасов и определение политики пополнения — это то, что изучалось в течение длительного времени и решалось с помощью множества различных моделей управления запасами. Большинство компаний используют информационные технологии (планирование ресурсов предприятия — ERP) для управления значительным объемом данных, необходимых для планирования и управления цепочкой поставок.

 

«По моему опыту, стандартные ERP-системы не имеют встроенных алгоритмов для оптимизации страховых запасов, размеров партий и политик инвентаризации, они предполагают, что вы знаете, как их рассчитать, и вам просто нужно ввести эти значения на одной из вкладок в основных данных. файл».

 

Я обычно говорю, что ERP начинались как транзакционные инструменты, затем они перешли к аналитическим инструментам и находятся в процессе перехода к инструментам оптимизации.Компании, как правило, сильно отстают, большинство из них все еще пытаются понять, как согласовать транзакции реального мира (физический мир) с данными в своих системах (цифровой мир). Конечно, некоторые из них уже могут выполнять точный анализ и использовать содержательные отчеты. Очень немногие могут позволить своим системам оптимизировать переменные для управления их операциями.

 

В чем проблема со стандартными транзакционными системами? Ответ заключается в том, что целевые показатели запасов, рассчитанные этими системами, неверны, и последствия могут быть очень серьезными.Основные ошибки, с которыми я столкнулся из-за плохой или отсутствующей логики, встроенной в системы:

 

1. Расчет страховых запасов с использованием периодического спроса или периодов времени, когда страховые запасы должны рассчитываться в зависимости от целевого уровня заполнения, изменчивости спроса, времени выполнения и точности прогноза.
2. Использование формул «непрерывного обзора запасов», когда очень немногие компании фактически проводят непрерывный обзор запасов. Почти каждая компания использует периодические обзоры запасов, а не непрерывные, поэтому формулы должны быть скорректированы.
3. Использование средних значений для моделирования времени выполнения заказа, производительности и показателей качества, когда эти переменные подчиняются статистическому распределению.
4. Определить цели инвентаря по одному уровню за раз, когда цели инвентаря должны быть определены одновременно для каждого уровня, класса, этапа и местоположения.
5. Параллельное управление несколькими бизнес-планами (продажи, финансы, производство и т. д.) вместо реализации структурированного процесса S&OP для создания ОДНОГО общего плана для согласования спроса и предложения.
6. Не привлекать клиентов и поставщиков, когда совместное планирование и прогнозирование — единственный способ избежать «эффекта хлыста».

Модель управления запасами

 

Пока решения этих проблем внедряются в ERP-системы , я разработал простую модель управления запасами, которую я назвал ABC-XYZ, чтобы лучше согласовать основные параметры моей системы планирования с моими бизнес-целями .

 

Я хотел бы очень просто объяснить некоторые основные идеи, лежащие в основе ABC-XYZ:

 

1. Не все предметы рождаются одинаковыми.

   Кластеризация и классификация данных генерируют полезную информацию.

 

Некоторые товары имеют более высокий спрос/потребление, чем другие, разные сроки производства, производственные циклы и производительность, разные поставщики материалов и т. д. Одной из распространенных моделей управления запасами для классификации товаров для планирования и управления запасами является модель ABC. По сути, модель ABC использует правило Парето, которое гласит, что небольшой процент от общего количества элементов составляет большой процент от общей стоимости.Например, если упростить, 20 % товаров (классифицированных как A) составляют 70 % от общего объема продаж, 30 % товаров (классифицированных как B) составляют 20 % продаж, а остальные 50 % товары (классифицированные как C) составляют нижние 10% продаж. Большинство моделей присваивают каждому классу определенные параметры и политики.

 

Я всегда думал, что эта классификация неполная. Давайте представим товар А с годовым спросом 12 000 единиц, который имеет очень стабильный ежемесячный объем продаж около 1000 единиц, и другой товар А со спросом 12 000 единиц, который продается двумя лотами по 6000 в течение двух непредсказуемых месяцев. Можем ли мы использовать одну и ту же стратегию, назовем ее стратегией «А», для обоих элементов?

Чтобы решить эту проблему, я решил добавить второе измерение в классификацию запасов, которое я назвал XYZ на основе изменчивости спроса. Элементы классифицируются в матрице с классификацией ABC на одной оси и XYZ на другой оси. Классификация XYZ основана на стандартном отклонении спроса (я часто использую -6 периодов в прошлом, +6 периодов в будущем). Коэффициент изменчивости рассчитывается как процентное отношение стандартного отклонения (SD) к общему спросу/потреблению (TD) за тот же период.

Как правило, я определяю X позиций с SD/TD<0,10, Y позиций 0,10

Целевой коэффициент заполнения, политика инвентаризации и все другие параметры будут определены для каждого из девяти классов. В следующей таблице целевые показатели заполняемости определены на основе ABC и XYZ:

Достоверность прогноза относится к точности прогноза спроса на товар. Каждый класс XYZ имеет разную точность прогноза.

 

 

2. Страховые запасы являются функцией целевого уровня заполнения, изменчивости спроса, времени выполнения заказа и точности прогноза, и НЕ ДОЛЖНЫ рассчитываться с использованием периодического спроса или периодов времени. Я использую следующую формулу:

 

SS = f(скорость заполнения) * f(изменчивость спроса) * f(время выполнения заказа) / f(определенность)

 

f(Fill Rate): Инверсия кумулятивного стандартизированного нормального распределения (функция НОРМСТОБР в Excel)

Этот коэффициент определяется для каждого элемента на основе классификации ABC-XYZ.

 

f (изменчивость спроса): стандартное отклонение спроса для периодов T
f (время выполнения): квадратный корень из времени выполнения

 

f(определенность): Точность прогноза

 

Пример. Рассчитаем страховой запас для ПУНКТА 1 со следующей историей/прогнозом «-6 месяцев+0+6 месяцев», используя приведенную выше таблицу ABC-XYZ, предполагая, что время выполнения заказа составляет 1,8 месяца.

 

3. Размер лота следует рассчитывать следующим образом:

   1. Изделия AX, AY и BX.Динамически рассчитывается на основе затрат на хранение запасов, общего спроса и затрат на установку произведенных изделий и стоимости заказа приобретенных изделий. Хорошей моделью управления запасами, которую можно использовать в качестве эталона, является модель EOQ (экономический объем заказа), которая уравновешивает общую стоимость выпуска заказа с себестоимостью хранения запасов. Формула EOQ следующая:

 

EOQ =SQRT[(2*Общая потребность*Стоимость установки) / (Стоимость единицы*% Стоимость хранения запасов)]

 

Давайте посчитаем EOQ для нашего ПУНКТА 1:

4. Все остальные предметы.Лот следует рассчитывать на основе периодов времени, чтобы сбалансировать план смешанной модели, как описано в 4.

   .

 

 

4. Стратегии Mix-Model также следует использовать на основе классификации ABC-XYZ, чтобы решить, какие стратегии MRP использовать для расчета размера партии и частоты заказов. Пример может выглядеть следующим образом:

 

«Устойчивый вихрь» AX можно было планировать с фиксированными заранее определенными размерами партий, в то время как «непредсказуемые» заказы CZ планировались с учетом всего прогнозируемого спроса на следующий квартал.План «Смешанная модель» в конечном итоге будет генерировать относительно стабильный план, в котором каждый день (или неделя, или месяц) будет производиться процент каждой смешанной стратегии (FX, WB, QB).

 

Вывод из этого поста заключается в том, что изменчивость является очень важным фактором для определения основных параметров управления цепочкой поставок. Чтобы включить изменчивость в основные данные, необходимо добавить процесс для правильного расчета как минимум страхового запаса и размера партии. Модель управления запасами ABC-XYZ — это хорошая модель для повышения заполняемости за счет более оптимального уровня запасов.На следующей диаграмме показан результат применения модели управления запасами в реальном случае, когда уровень заполнения вырос с 91,3% до 96,4%, а общие запасы сократились на 16% при сокращении страхового запаса на 39%

 

Страховой запас Модели по сравнению:

• Страховой запас = спрос на 1 месяц
• Модель управления запасами ABC-XYZ, применяемая независимо для каждого узла в цепочке поставок

 

Я надеюсь, что стандартные ERP-системы быстро разовьются для динамического расчета страховых запасов и размеров партий, поскольку они уже содержат все необходимые данные. Эти системы также должны иметь возможность моделировать различные политики инвентаризации. Я убежден, что алгоритмы машинного обучения, как часть больших данных, в ближайшее время проникнут в системы управления SCM и окажут значительное влияние на управление запасами.

 

Об авторе:

Педро Касерес – www.OperationalSuccess.com

Рекомендуемое значение:

Достижение эффективного управления запасами, 5-е изд.

Сравнение эталонной классификации с…

Контекст 1

… проанализировать отклонение классификаций ABC-XYZ, основанных на прогнозах потребления, от фактически оптимальной эталонной классификации (рис. 3а) производится классификация позиций на основе реальных данных. Затем найденная оптимальная эталонная классификация сравнивается с классификациями, частично основанными на имеющихся прогнозах. …

Контекст 2

. .. с этой целью сделано семь дополнительных классификаций материалов.Базовые периоды включают шесть предыдущих месяцев (месяцы со 21 по 26), а также увеличивающееся число прогнозируемых периодов потребления (месяцы с 0 по 6) (Рисунок 3b). После этого каждая из семи классификаций ABC-XYZ сравнивается с эталонной классификацией в отношении расположения предметов в том же классе. …

Контекст 3

… другие классификации, в которых учитываются прогнозы спроса, имеют большее соответствие с эталонной классификацией, при этом пять объединенных месяцев потребления являются наивысшим результатом (92 процента).Напротив, несмотря на то же количество периодов, что и в эталонной классификации с шестью месяцами потребления и шестью прогнозируемыми периодами потребления, соответствие классификации 7 (рис. 3b) снижается из-за низкого качества прогнозирования (рис. 4). …

Контекст 4

… прогнозы спроса для классификации ABC-XYZ оказываются полезными на практическом примере. Оценка данных о потреблении и данных прогноза показывает, что классификация материалов, основанная на шести предыдущих месяцах потребления и пяти последующих месяцах прогнозирования спроса, соответствует 92 процентам эталонной классификации, предложенной экспертами (рис. 3а).По сравнению с эталонной классификацией, классификация ABC-XYZ, основанная на предыдущих двенадцати месяцах, которая часто рекомендуется в технической литературе и на практике, имеет соответствие только 75 процентам элементов, остающихся в том же классе (рис. 3c). …

Контекст 5

… оценка данных о потреблении и данных прогноза определяет, что классификация материалов, основанная на шести предыдущих месяцах потребления и пяти последующих месяцах прогноза спроса, соответствует 92 процентам эталонной классификации, предложенной экспертов (рис. 3а).По сравнению с эталонной классификацией, классификация ABC-XYZ, основанная на предыдущих двенадцати месяцах, которая часто рекомендуется в технической литературе и на практике, имеет соответствие только 75 процентам элементов, остающихся в том же классе (рис. 3c). …

Результаты классификации XYZ

Потребность организаций в обеспечении уровней обслуживания, влияющих на удовлетворенность клиентов, потребовала разработки совместных процессов между заинтересованными сторонами, участвующими в принятии решений по инвентаризации.Увеличение количества и разнообразия товаров, с одной стороны, и спроса и ожиданий клиентов, с другой, трансформируются в большую сложность управления запасами, требующую эффективной коммуникации и договоренностей между руководителями логистических процессов. Традиционно принятие решений в управлении запасами основывалось на подходах, обусловленных только себестоимостью или объемом продаж. Эти подходы должны быть преодолены другими, которые учитывают несколько критериев, охватывая несколько областей деятельности компаний и принимая во внимание мнения заинтересованных сторон, участвующих в принятии этих решений.Управление запасами становится частью сложной системы, в которой участвуют заинтересованные лица из разных областей компании, где каждый агент имеет ограниченную информацию и где сотрудничество между такими агентами является ключевым для производительности системы. В этой статье использовался распределенный подход к управлению запасами с решениями, позволяющими общаться между заинтересованными сторонами и с многокритериальной групповой перспективой принятия решений. В этой работе предлагается методология, которая сочетает в себе анализ цепочки создания стоимости и метод AHP, чтобы улучшить коммуникацию и производительность в областях, связанных с принятием решений по управлению запасами.Эта методология использует области цепочки создания стоимости в качестве теоретической основы для определения критериев, необходимых для применения метода многокритериального группового принятия решений AHP. Эти критерии были определены как показатели, которые измеряют эффективность областей цепочки создания стоимости, связанных с управлением запасами, и использовались для классификации запасов продуктов ABC в соответствии с этими выбранными критериями. Таким образом, методология позволяет нам решать DDM управления запасами на основе многокритериальной классификации ABC и была проверена в колумбийской компании, относящейся к сектору полиграфии. 1. Введение В настоящее время уровень конкурентоспособности бизнеса должен быть высоким, когда мы сталкиваемся с открытием рынков как неотъемлемым фактором глобализации. Компаниям необходимо быть конкурентоспособными, чтобы реагировать на требования все более требовательных клиентов с точки зрения стоимости, качества и сроков поставки продукции. Точно так же малые и средние предприятия (МСП) должны конкурировать с многонациональными корпорациями, принадлежащими к тому же сектору, которые имеют более развитую инфраструктуру с точки зрения процессов и финансовой мощи, а это означает, что МСП необходимо повышать уровень производительности с помощью моделей принятия решений.Возможность развивать конкурентные преимущества с ориентацией на обслуживание клиентов позволяет компаниям преуспевать на местных и зарубежных рынках. Поэтому важно проводить внутренний анализ процессов компании, который должен быть направлен на достижение удовлетворенности внутренних и внешних клиентов, а также на обеспечение наилучших результатов в работе. Решения, связанные с управлением запасами, особенно актуальны при подходе, ориентированном на обслуживание клиентов. Эти решения являются частью сложной системы и включают заинтересованные стороны из разных областей компании, где каждый агент имеет лишь ограниченную информацию и где сотрудничество между такими агентами является ключевым для производительности системы.Наиболее часто используемым инструментом для выявления этих заинтересованных сторон и моделирования этой сложной системы является анализ цепочки создания стоимости. Кроме того, цепочка создания стоимости обеспечивает основу для определения критериев, которые следует учитывать [1] при принятии решений по управлению запасами во всех сферах деятельности компании. С другой стороны, несмотря на то, что с централизованной точки зрения эти решения по управлению запасами являются интересными темами для изучения, мы собираемся подойти к этим вопросам в рамках структуры распределенного принятия решений (DDM), которая рассматривает все области цепочки создания стоимости. .В этом сценарии возможно несколько структур DDM. В этой работе использовался одноуровневый распределенный подход к управлению запасами, при котором решения принимались заинтересованными сторонами на уровне управленческой команды, что позволяло общаться и координировать действия между лицами, принимающими решения, с многокритериальной групповой перспективой принятия решений. Важно подчеркнуть, что цель этой исследовательской работы состоит в том, чтобы предложить методологию, объединяющую анализ цепочки создания стоимости и многокритериальный метод принятия решений.Эта методология имеет тенденцию выявлять и улучшать отношения между заинтересованными сторонами, участвующими в одном из наиболее важных логистических процессов для компаний, таком как управление запасами. Это исследование было проверено в колумбийской компании, принадлежащей к сектору полиграфии. Показано, что этот сектор имеет большое влияние на национальную экономику из-за его вклада в 3,7% ВВП Колумбии. Таким образом, любые усилия, направленные на повышение конкурентоспособности этого сектора, будут непосредственно отражаться на экономике региона, а затем и на экономическом и коммерческом положении Колумбии. В значительной степени из-за экспансионистской тенденции, которую претерпел этот сектор в последние годы, особенно в городах Богота, Медельин и Кали, компании сосредоточили свои усилия на приобретении специализированного программного обеспечения для планирования производства, приобретении оборудования для производственных процессов, и расширение людских ресурсов. Однако усилия, связанные с разработкой и анализом цепочки создания стоимости с учетом многокритериальных решений для управления запасами, не были оценены.Это создает проблемную среду для принятия решений о том, как контролировать запасы заинтересованными сторонами. Одним из основных признаков этой проблемы в МСП полиграфии является несоблюдение сроков поставки, согласованных с клиентами. Также отмечается высокий уровень морального износа запасов. Эта ситуация в значительной степени вызвана отсутствием политики инвентаризации, которая должна позволять определять, когда и сколько единиц продукции заказывать у поставщиков. Кроме того, как упоминалось в [2], процесс принятия решений в области управления запасами сложен, поэтому для более эффективного управления запасами необходимы разные точки зрения от руководителей отделов каждой области компании. В связи с этим было проведено несколько исследовательских работ, посвященных методологиям, основанным на нескольких критериях планирования и контроля запасов с учетом таких факторов, как стоимость, качество и доставка [3, 4]. Об этом пойдет речь в следующих разделах данной статьи. Как упоминалось в начале раздела, цель этой статьи — предложить методологию анализа цепочки создания стоимости, которая рассматривает многокритериальные решения для управления запасами. Эта методология позволяет нам, в первую очередь, рассмотреть внутренний анализ цепочки создания стоимости компании, который признает актуальность процессов принятия решений в управлении запасами.В то же время это позволяет нам определить наилучшие критерии для классификации и контроля запасов на основе мнений заинтересованных сторон, участвующих в процессе. Наконец, методология устанавливает руководящие принципы классификации ABC, основанной на многокритериальном методе аналитического иерархического процесса (AHP) [5], чтобы правильно классифицировать элементы. В разделе 2 этой статьи представлены теоретические основы предложения. В разделе 3 будет объяснена методология, предложенная авторами, и описан каждый из ее компонентов.В разделе 4 охарактеризован процесс планирования и управления запасами в компании. В том же разделе была показана валидация методологии применительно к колумбийской полиграфической компании. В двух последних разделах мы представляем выводы исследования, ограничения и рекомендации для будущей исследовательской работы по этому вопросу. 2. Обзор литературы 2.1. Цепочка значений Организации предоставляют клиентам набор физических и нематериальных характеристик и преимуществ. Это результат логического и последовательного процесса, который при эффективном выполнении позволяет достичь одной из основных целей всей компании: удовлетворенности клиентов, также известной как ценностный подход [6].Цепочка создания ценности рассматривается как метод анализа производственных и сервисных компаний, который определяет, как организация может развивать и предоставлять ценность своим заинтересованным сторонам, клиентам (как внутренним, так и внешним), посредством анализа и выявления источников ценности для оптимизации. смежных процессов. Согласно некоторым предыдущим работам [6–9], синтез деловой активности подразделяется на два вида деятельности: основную и второстепенную. Основные виды деятельности связаны с производством, передачей и продажей продукции покупателю.С другой стороны, вторичные виды деятельности связаны и служат поддержкой для предыдущих, таких как закупки, информационные системы и коммуникации, среди прочего. На рис. 1 представлена ​​типовая схема по видам деятельности, из которых состоит цепочка создания стоимости.

Анализ ABC-XYZ для прогнозирования – Николаос Куренцес

Анализ ABC-XYZ — очень популярный инструмент в управлении цепочками поставок. Он основан на принципе Парето, то есть на предположении, что меньшинство случаев оказывает непропорциональное влияние на целое.Это часто называют правилом 80/20 с классическим примером, что 80% богатства принадлежит 20% населения (текущая глобальная статистика предполагает, что 1% населения мира владеет более чем 50% богатства). богатство, но это выходит за рамки этого поста!).

ABC-анализ

Давайте сначала рассмотрим часть анализа ABC, которая ранжирует элементы с точки зрения важности. Это предыдущее предложение намеренно расплывчато в отношении того, что такое важность и какие элементы следует учитывать.Сначала я объясню механику ABC-анализа, а затем вернусь к ним. Предположим сейчас, что мы измеряем важность средними (или общими) продажами за определенный период и что у нас есть 100 SKU (единиц складского хранения).

Чтобы упростить понимание примера, я объясню лежащие в его основе идеи, а также предоставлю код R, чтобы попробовать его. Сначала давайте получим некоторые данные. Я буду использовать набор данных M3-competition, который доступен в пакете Mcomp:

.

 # Давайте создадим набор данных для работы
# Загрузить набор данных Mcomp — или установить, если он отсутствует
если (! Требовать ("Mcomp")) {install. пакеты("Mcomp")}
# Создать подмножество из 100 месячных рядов с данными за 5 лет
# Каждый столбец массива sku — это товар, а каждая строка — ежемесячная историческая продажа
sku <- array(NA,c(60,100),dimnames=list(NULL,paste0("sku.",1:100)))
Y <- подмножество (M3, "ЕЖЕМЕСЯЧНО")
для (тс в 1:100){
  sku[,ts] <- c(Y[[ts]]$x,Y[[ts]]$xx)[1:60]
}
 

Теперь посчитаем средний объем продаж по каждой SKU и ранжируем их от максимального к минимальному:

 # Рассчитать средний объем продаж по SKU
ску.m <- colMeans(sku)
# Упорядочить их от большего к меньшему
sku.o <- порядок(sku.m,убывающий=ИСТИНА)
sku.s <- sku.m[sku.o]
 

Обычно в ABC-анализе мы рассматриваем три класса, каждый из которых содержит процент элементов. Общие значения: A – 20% лучших товаров; Б – 30% средних предметов; и C – 50% нижних предметов. Учитывая ранжирование, которое мы получили на основе средних продаж, теперь мы можем легко определить, какой товар относится к какому классу.

Чтобы найти концентрацию важности в каждом классе, мы можем рассмотреть совокупные продажи:

 # Рассчитать кумулятивный средний объем продаж по заказанным товарам
ску. c <- cumsum(sku.s)
# Найти концентрацию по классам
abc.c <- sku.c[c(20,50,100)]/sku.c[100]
abc.c[2:3] <- abc.c[2:3] - abc.c[1:2]
abc.c <- array(abc.c,c(3,1),dimnames=list(c("A","B","C"),"Концентрация"))
abc.c <- раунд(100*abc.c,2)
печать (abc.c)
 

В результате получается следующее:

Класс	Концентрация
А	29,77%
Б	34.12%
С	36,10%

Вы можете использовать функцию abc в TStools, чтобы быстро выполнить все эти вычисления и получить аккуратную визуализацию результата (рис. 1).

Рис. 1. ABC-анализ первых 100 месячных рядов набора данных M3-competition.

Легко видеть, что в этом примере концентрация товаров категории А на самом деле довольно низкая. 20% наиболее важных элементов соответствуют почти 30% важности с точки зрения объема одинаковых элементов. По моему опыту, это нетипично, и категория A доминирует, что приводит к тому, что кривые насыщаются намного быстрее.

Позвольте мне вернуться к вопросу о том, что важно. В приведенном выше примере я использовал средние продажи за период. Хотя это очень легко вычислить и не требует дополнительных входных данных, в большинстве случаев это вряд ли подходит. Например, рассмотрим товар с минимальной маржой прибыли, который имеет очень большой объем продаж, и товар с огромной маржой прибыли при посредственном объеме продаж.Какой из них важнее? Абсолютно правильного ответа не существует, и он зависит от бизнес-контекста и целей. Более уместно учитывать стоимость продаж, размер прибыли или какой-либо уже существующий показатель важности, который, возможно, уже существует. Короче говоря, в зависимости от установленных нами критериев мы можем получить любой желаемый результат от ABC-анализа, поэтому важно тщательно выбирать.

Сколько классов мы должны использовать? Достаточно ли трех? Должны ли мы использовать больше? Какие проценты? Чтобы ответить на эти вопросы, нужно знать, для чего ABC покончено. Я видел компании, использующие 4 класса (ABCD) или даже больше, однако часто они не привязаны к четкому решению, и поэтому я бы сказал, что от этого мало пользы. Если ваша классификация не является действенной, вы можете извлечь из нее ограниченную пользу. Преимущество трех классов состоит в том, что они разделяют ассортимент на три категории высокой, средней и низкой важности, что легко сообщить. А проценты? Опять же, нет правильного или неправильного. Пороговое значение 20% для класса А вытекает из принципа Парето, а остальные следуют.Опять же, если контекст решения известен, можно было бы принять более обоснованное решение о точках отсечки, хотя я бы сказал, что важны пары отсечки и концентрации.

Третий момент, о котором следует помнить, это то, что анализ ABC очень чувствителен к количеству элементов, которые входят в анализ. Например, в предыдущем примере, если мы добавим еще 100 SKU, предыдущая классификация на классы A, B и C существенно изменится. Результаты всегда пропорциональны количеству элементов, включенных в анализ. Что это значит для практики? Результаты ABC-анализа, проведенного для SKU в сегменте рынка, не останутся прежними, если мы рассмотрим те же SKU в суперсегменте, который содержит больше SKU. Продукты на конкретном рынке могут быть C на рынке в целом. Таким образом, объем анализа действительно определяет результаты. Опять же, какое решение поддержит ABC-анализ?

Возможно, вы уже заметили, что я несколько критически отношусь к анализу. Позвольте мне резюмировать проблемы. Анализ очень чувствителен к показателю важности, количеству классов и пороговых значений, а также к количеству рассматриваемых элементов.Лучшего решения не существует, так как оно всегда зависит от контекста решения. Последнее уместное замечание заключается в том, что ABC-анализ дает моментальный снимок во времени и не показывает никакой динамики. Элемент приобретает или теряет важность?

XYZ анализ

Анализ XYZ фокусируется на том, насколько сложно прогнозировать элемент, где X — это класс с более простыми элементами, а Z — класс с более сложными. Выполнение анализа XYZ следует той же логике, что и для ABC.Поэтому важный вопрос заключается в том, как определить показатель предсказуемости. Позвольте мне упомянуть здесь, что в академической литературе предпринимались попытки дать формулу этой величине. Я бы безуспешно спорил. То, что я буду здесь обсуждать, далеко не идеальные решения, но, по крайней мере, имеют некоторые практические преимущества.

Учебники поддержали использование коэффициента вариации. Это настолько ошибочно, что каждый раз, когда я его читаю… ну, позвольте мне объяснить проблемы. Коэффициент вариации представляет собой масштабированную версию стандартного отклонения исторических продаж.Это ничего не говорит нам о том, легко прогнозировать продажи или нет. Позвольте мне проиллюстрировать это на простом примере. Рассмотрим товар, который имеет более или менее ровные продажи с большой изменчивостью, и товар, который имеет сезонные распродажи без какой-либо случайности. Первое предсказать сложно, а второе — проще простого (просто скопируйте предыдущий сезон в качестве своего прогноза!). Как показано на рис. 2, коэффициент вариации не указывает на это, придавая сезонным рядам более высокое значение.

Рис. 2: Пример ряда, в котором коэффициент вариации не может указать, какой из них труднее прогнозировать.

 Лучшей мерой являются ошибки прогноза, которые напрямую связаны с непрогнозируемыми частями ряда. Это вводит ряд различных вопросов: какой метод прогнозирования использовать? какая метрика ошибок? должны ли это быть ошибки в выборке или вне выборки? Опять же, нет идеального ответа. В идеале мы хотели бы использовать ошибки вне выборки, но это потребовало бы от нас истории ошибок прогноза из соответствующего метода прогнозирования или проведения имитационного эксперимента с задержкой.

Что касается метода, то это, пожалуй, самый сложный вопрос. Единого метода недостаточно по той же причине, что и для коэффициента вариации. Последнее подразумевает, что методом прогнозирования является среднее арифметическое (значение, от которого рассчитывается стандартное отклонение). Соответствующий набор методов должен быть в состоянии справиться со всеми уровнями, тенденциями и сезонными временными рядами. Упрощенным решением является использование наивного (случайного блуждания) и сезонного наивного анализа с упрощенной процедурой выбора.Разница между сезонными и несезонными временными рядами обычно достаточно существенна, чтобы даже слабые правила отбора работали нормально. Еще лучшим решением является использование семейства моделей, таких как экспоненциальное сглаживание, и правильный выбор модели, например, с использованием AIC или аналогичных информационных критериев.

Метрика ошибок должна быть надежной (не используйте для этого процентные ошибки!) и не зависеть от масштаба. Я не буду вдаваться в подробности этого обсуждения, а вместо этого сошлюсь на недавнюю презентацию, которую я сделал по этой теме.Первые несколько слайдов из этого должны дать вам представление о моих взглядах.

Функция xyz в пакете TStool для R позволяет выполнять эту часть анализа автоматически, но, как показано для ABC, ее легко выполнить вручную. На рис. 3 представлен результат для того же набора данных. Точно так же мы можем видеть, какой процент нашего ассортимента отвечает за какой процент наших ошибок прогноза и так далее.

Рис. 3: XYZ-анализ первых 100 месячных рядов набора данных M3-competition.

Следует отметить, что та же критика, что и для ABC, применима и к анализу XYZ.

Все вместе – анализ ABC-XYZ

После того, как мы охарактеризовали наш ассортимент для классов ABC и XYZ, мы можем объединить эти два аспекта анализа, как показано на рис. 4.

Рис. 4: Классификация ABC-XYZ. Первые 100 месячных серий М3-конкурса характеризуются с точки зрения важности и предсказуемости.

Рассмотрим, что обозначают эти классы. Я буду обсуждать четыре угла матрицы:

• AX: очень важные предметы, но относительно легко прогнозируемые;
• CX: Относительно неважные элементы, которые относительно легко прогнозировать;
• AZ: очень важные предметы, которые трудно прогнозировать;
• CZ: Относительно неважные элементы, которые трудно прогнозировать.

Промежуточные классы также легко интерпретируются. Эта классификация может быть очень удобной для распределения ресурсов в процессе прогнозирования.Предположим, например, что у нас есть группа экспертов, корректирующих прогнозы. Более целесообразно посвятить время нижнему левому углу матрицы, а не верхнему правому углу для сбора дополнительной информации для обогащения статистического прогнозирования. Я имею в виду не одну ячейку матрицы, а более широкую окрестность. В качестве альтернативы рассмотрим случай, когда внедряется новая система прогнозирования. В идеале мы хотели бы, чтобы все шло гладко с первого дня. В идеале… на практике все идет не так.Опять же, мы хотели бы быть более осторожными с нижним левым углом матрицы.

Следуя той же логике, можно было бы ожидать, что легче повысить точность в верхней части матрицы, чем в нижней. Если мы обнаружим, что у нас относительно плохие результаты с точки зрения точности элементов AX, мы знаем, что ошибаемся в важных элементах, которые относительно легко предсказать.

Я часто выступаю за автоматизацию процесса прогнозирования с помощью анализа ABC-XYZ.Большая часть ассортимента (вверху справа) может быть относительно безопасно автоматизирована, так как это не столь важные позиции, которые легче прогнозировать. Предположим, вам нужно составить прогнозы для нескольких тысяч позиций (или даже больше!), нет никаких шансов, что вы сможете уделить одинаковое внимание всем прогнозам. Точно так же простые оповещения должны работать с продуктами AX. Но продукты AZ трудно предсказать, и мы должны сделать правильный выбор, поскольку они важны. На них мы должны выделять больше ресурсов, и их потенциально сложно полностью автоматизировать (в литературе есть достаточные доказательства того, что эксперты всегда добавляют ценность в целом).

Заключительные замечания

С анализом ABC-XYZ все относительно! Я ни разу не упомянул значение ошибки в качестве точки отсечки, чтобы определить легко и сложно прогнозировать. Такая логика ошибочна, мы можем разумно говорить только об относительной эффективности, и мы не должны ожидать, что одни и те же значения ошибки или важности будут применимы к разным ассортиментам.

Я несколько раз утверждал, что прогнозирование прерывистого спроса — это беспорядок. Будучи последовательными по своей природе, они также искажают анализ ABC-XYZ.Причина этого в том, что, как правило, они имеют небольшой объем и перенимают класс C ABC, отодвигая другие относительно неважные элементы в классы A и B (в зависимости от того, сколько прерывистых элементов можно разрешить в анализе). Кроме того, измерение точности для прогнозирования прерывистого спроса с помощью метрик стандартной ошибки является неправильным и обычно приводит к несравнимым ошибкам прогноза для быстро движущихся товаров. Это исказило бы результаты анализа XYZ. Хорошая идея состоит в том, чтобы отделить прерывистые элементы от быстро меняющихся элементов, прежде чем проводить анализ ABC-XYZ.Точно так же новые продукты будут искажать анализ.

Анализ

ABC-XYZ может быть мощным диагностическим инструментом, а также очень полезным для распределения ресурсов в процессе прогнозирования. Однако, если он не привязан к действенным решениям, его трудно правильно настроить с точки зрения того, что является хорошей метрикой важности или предсказуемости, сколько классов и так далее. Это, конечно, не волшебная палочка, и у нее есть несколько недостатков, но у какого инструмента их нет?

В двух словах: ABC/XYZ-анализ был ли это дас?

Анализ ABC/XYZ представляет собой портфельное представление спектра продуктов, в котором все элементы портфеля продуктов классифицируются как в соответствии с оборотом (ABC) , так и в соответствии с их регулярностью спроса (XYZ) .Из анализа ABC/XYZ можно получить важную информацию о проблемах управления запасами и доступности продуктов, а также об оптимизации затрат и структурной оптимизации в цепочке поставок и портфеле продуктов.

ABC/XYZ-анализ: подсчет крови в логистике

Любой, кто время от времени проверяет экономический успех своей продукции, использует ABC-анализ, и каждый, кто регулярно занимается управлением цепочками поставок, также знает XYZ-классификацию.Оба наблюдения вместе приводят к подсчету крови логистики, из которого можно извлечь важные идеи для улучшения портфеля продуктов и оптимизации управления цепочками поставок. Удивительно, но приложение гораздо менее распространено, как можно было бы ожидать.

Классическая структура АВС-анализа

В АВС-анализе все готовые продукты, полуфабрикаты, сырье или товары классифицируются в соответствии с их экономической значимостью. Как правило, в качестве оценочной стоимости используются оборот и стоимость годового потребления (количество выпуска продукции x производственные затраты на единицу продукции), а иногда также годовая маржинальная прибыль за последние полные 12 месяцев.Поскольку маржа вклада также может принимать отрицательные значения, классификация здесь обычно строится несколько иначе. Отсортировано по убыванию значения оценки, т.е. стоимость годового потребления, товары, на долю которых приходится первые 80% общего годового потребления всех рассматриваемых товаров, классифицируются как товары категории А. Следующие 15 % — статьи категории B, а последние 5 % — статьи категории C. Товары, которые не имели оборота или стоимости годового потребления за последние 12 месяцев, классифицируются как «N». На практике иногда используется больше классов и других границ классов и обозначений классов.

Пределы АВС-анализа

Один только АВС-анализ дает лишь одностороннее представление о вкладе рассматриваемых статей в успех. Вклад предмета в успех также зависит от логистических усилий, которые он вызывает. Основной движущей силой логистических усилий является регулярность, с которой товары запрашиваются рынком. Дорогой или недорогой товар, который пользуется спросом в малых или больших количествах, очень регулярно и в количествах, которые мало колеблются в единицу времени, т.е.грамм. месяцев требует меньших логистических усилий, чем товар, который одинаково дорог и пользуется спросом в том же количестве, объем спроса на который очень сильно колеблется и спрос на который возникает спорадически.

Чем более нерегулярен спрос, чем больше колеблется требуемое количество, тем больше страховой запас, необходимый для обеспечения желаемой возможности доставки, и тем выше, например, складские расходы, связанные со средним уровнем запаса. В целом усилия по планированию этих элементов также значительно возрастают, что приводит к дополнительным затратам и снижает вклад элемента в успех.

Принцип XYZ-анализа

Аспект регулярности спроса оценивается с помощью XYZ-анализа. Товары с низкими колебаниями спроса классифицируются как X, а товары с высокими колебаниями спроса классифицируются как Z; Y элементов соответственно лежат между ними. На практике в качестве критериев оценки для классификации используются различные переменные. Мы используем коэффициент вариации колебания спроса каждой статьи в сочетании с так называемой «нулевой долей». Коэффициент вариации получается из отношения стандартного отклонения и среднего значения.Это позволяет сравнивать колебания спроса между товарами с разным объемом спроса. Нулевой компонент отражает долю от общего числа периодов, в течение которых потребление не имело места. Например, если товар не пользуется спросом в течение 3 из последних 12 месяцев, нулевая доля составляет 25%.

В нашей классификации XYZ товары с нулевой долей более 50% классифицируются как Z2. Для элементов с нулевой долей 50% или менее разделение классов осуществляется с коэффициентами вариации, равными 0.5 (от X до Y) и 1 (от Y до Z). Товары, которые не потреблялись в течение периода анализа, классифицируются как N. В отличие от анализа ABC, анализ XYZ не сравнивает ранжирование между статьями, а оценивает каждую статью отдельно.

Анализ ABC/XYZ дает интересные сведения.

Оценка каждого элемента в соответствии с ABC и XYZ и, таким образом, присвоение его одному из результирующих полей портфеля позволяет выявить интересные характеристики портфеля элементов.

---

---

В основном в сегменте ABXY от 60% до 80% оборота (или стоимости годового потребления) генерируется от 20% до 40% количества материалов.На другом конце портфеля, в сегменте CZZ2, от 2% до 4% оборота достигается за счет от 40% до 60% количества материалов. В сегменте CZZ2 для достижения такой же степени готовности к доставке, как и в сегменте ABXY, требуются гораздо более высокие диапазоны запасов.

Наш совет: на готовой продукции в сегменте CZ2 деньги не зарабатываются. сегменте готовой продукции часто дают ложное представление о рентабельности данного товарного портфеля.В ходе случайных аудитов затрат на основе деятельности мы неоднократно обнаруживали, что положительная маржинальная прибыль не создается, по крайней мере, в сегменте CZ2, а также по многим позициям в сегменте CZ. Ограничения ассортимента могут потребовать предложения товаров в этом сегменте. Однако в этом случае необходимо последовательно соблюдать принцип «нет AX, нет CZ». Клиенты, которые переходят на конкурс со своими статьями ABXY, больше не должны иметь возможность заказывать статьи CCZ2.

Кроме того, в сегменте CZZ2 портфеля готовой продукции необходимо снизить готовность к поставке или перейти на «планирование минимального запаса».Кроме того, должны быть установлены подходящие инструменты для обеспечения автоматического планирования портфеля CZZ2.

Дополнительные преимущества

Эксперты получают множество дополнительных советов из портфолио ABC/XYZ, например.