Как используется ABC-анализ на складе?

    Нет человека, который не слышал бы про знаменитый «принцип Парето» и ABC-анализ. Для несведущих эти слова — настоящая магия, для знающих — банальный инструмент. Сегодня предлагаю поговорить об использовании ABC-анализа на складе, и разобраться, как же он может помочь в управлении операциями, будучи частью WMS (системы управления складом). Сразу упомяну, что понимание термина «ABC-анализ» для дальнейшего прочтения является обязательным.

    При укрупненном анализе продаж, ABC-анализ может проводиться на довольно емкой выборке: это может быть полгода, год, либо высокий сезон. Когда мы переходим на уровень операций, выборка сужается до дней и недель, а одним из актуальных вопросов становится вопрос о параметре, который надо анализировать. Большинство специалистов предпочитают объем выбытия со склада (в кубометрах), кто-то настаивает на частоте обращений (число строк отгрузки за период, в которых упоминается данный товар), а особо утонченные натуры утверждают, что «самое важное — это сумма продаж» (с). Об утонченных забываем, ибо это из разряда умножающих длину склада на его ширину и высоту, и ставящих целью заполнение минимум на 80%. Но есть и совсем фанаты своего дела, которые с блеском в глазах вещают о неполноценности ABC, и необходимости проведения XYZ-анализа.

    Последний вариант отметем, потому что на узкой выборке XYZ-анализ даст нам результат, близкий к ABC-анализу по частоте обращений (хотя это далеко не одно и то же). В принципе, XYZ может быть совсем забыт, если к анализу по частоте мы добавим информацию о стандартном отклонении ряда за период (это нам может пригодиться в дальнейшем при расчете требуемого запаса в зоне набора), но подробнее об этом я расскажу позднее.

    Итак, самое частое утверждение, которое приходится слышать на многочисленных тренингах, где мне удалось побывать — это «размещайте товары группы A ближе к воротам отгрузки, а группы C — дальше». Давайте разберемся, почему это в большинстве случаев является страшной глупостью. Для примера, возьмем так называемый «идеальный склад», где с одной стороны расположены доки (ворота) для приемки товаров, а с другой — для отгрузки, и между ними — вдоль всего помещения, — расположены фронтальные стеллажи. И предположим, что склад этот принимает и отгружает грузы только целыми палетами. Анализируем на уровне бытовой логики: штабелер взял палету с товаром группы A, и повез ее к доку отгрузки. Следующая палета — товар группы C — ставится на стеллаж ближе к доку приемки (дальше от отгрузки). Вывод: путь штабелера, который он проделывает при размещении и последующей отгрузке, в сумме равен аналогичному пути, который бы проделывался даже при «хаотичной» расстановке на усмотрение оператора подъемно-транспортного оборудования. Для особо занудных: единственным плюсом является сокращение времени отгрузки, но при однозначном увеличении времени приемки.

    Как же получить должный эффект? Давайте пересмотрим наш склад: разместим доки для приемки и отгрузки по одному фронту, а стеллажи поставим поперечно. Конечно, он перестал быть «идеальным», но теперь мы с приемки будем возить товары группы A по короткому маршруту, а товары группы C — по длинному. Аналогично, на отгрузке. Вот мы и сэкономили на пробегах тяжелой техники.

    Теперь вернемся к тому, с чего начали. Как же мы классифицировали товары по ABC, и на каком основании сделали вывод о стратегии расстановки? Если рассмотреть вышеуказанный пример, то объем продаж — в общем — и будет указывать на частоту обращений, потому что мы отгружаем только целыми палетами. Проблемы начинаются чуть дальше, если склад комплектует заказы коробками и штуками. Здесь уже не обойдешься одним проходом по всей статистике — понадобится разделить товарные потоки на «отгрузка палетами», «отгрузка коробками» и «отгрузка штуками», и в каждом потоке провести свой ABC-анализ — прежде всего, по частоте обращений. Таким образом, мы поймем, к какой группе относится товар в палетном, коробочном и штучном потоке. И никто не мешает нам размещать палетный поток ближе к доку отгрузки, но что произойдет, если прямо под ним мы разместим столь же популярный штучный и коробочный поток? Все просто: с ростом интенсивности нагрузки, техника и сотрудники начнут «толкаться» в одних и тех же зонах, что приведет к снижению производительности. Именно поэтому, центральную аллею для комплектовщиков размещают дальше от ворот отгрузки, и под популярными товарами палетного потока размещают непопулярные товары коробочного и штучного потока, обеспечивая равномерное распределение нагрузки по аллеям и зонам. Группу A коробочного/штучного потока (если они объединены на одной площади, и штуки не вынесены на отдельный уровень с полками) имеет смысл размещать справа и слева от центральной «комплектовочной» аллеи. Ее ширина должна быть достаточной, чтобы несколько комплектовщиков могли свободно разминуться, а мы — таким нехитрым способом — получили должный уровень эргономики и производительности.

    И — прошу обратить внимание — в данном случае группа A коробочного/штучного потока размещается вовсе не у доков отгрузки, как нам утверждают некоторые «гуру от логистики». В дополнение лишь скажу, что попытка сделать классический ABC-анализ для многономенклатурного склада ритейлера бытовой техники (как и ряда других отраслевых направлений) приведет к полному фиаско: группа A может занять процентов 50 от общей выборки. Именно поэтому, инструмент этот следует использовать исключительно с умом, а лучше — в диалоге с профессионалами.

    Комментарии 8

      0
      >группа A может занять процентов 50 от общей выборки. Именно поэтому, инструмент этот следует использовать исключительно с умом, а лучше — в диалоге с профессионалами.

      >но что произойдет, если прямо под ним мы разместим столь же популярный штучный и коробочный поток? Все просто: с ростом интенсивности нагрузки, техника и сотрудники начнут «толкаться» в одних и тех же зонах, что приведет к снижению производительности.

      То есть abc анализ по нагрузке и пропускной проходов во временнОм разрезе не делался :)

      Эффективность ABC анализа упирается исключительно в адекватность используемых метрик, стоило бы, мне кажется упомянуть об этом в статье.
        0
        Пропускная способность проходов при моделировании устанавливается константой для разных типов оборудования (гидравлическая тележка, погрузчик, штабелер и т.п.), поэтому делать ABC-анализ по ее занятости — избыточное мероприятие. А вот сравнение результатов анализа во времени для разных временных срезов — это очень полезная информация. О метриках, параметрах и use-cases обязательно напишу немного позже! )))
          0
          В свое время проводил анализ по кубодням хранения — кубометр товара на дни проведенные на складе/витрине. Очень интересные результаты были для складов и витрин магазинов (только на витринах — не кубатура а квадратура занимаемого места + там посложнее — идет разбивка торговых мест на группы по феншую от мерчендайзеров). Написал софт (приблуда для 1С) но сколько ни искал в сети — так и не нашел теории по этой теме (готовил как то доклад на очередной шабаш, хотел по умному, по научному рассказать, в итоге так и излагал по колхозному) Так вот, к чему клоню — если есть такие знания/опыт — было бы очень интересно почитать/послушать.
            +1
            В магазинах — фэйсинги и глубина полки. Кстати, до сих пор во многих не внедрена даже простейшая система учета движения между складом (кладовкой) и залом, а также фиксация продажи и — как следствие — выход товаров из зала. А так, берем среднюю скорость выбытия с поправкой на популярность (ABC по частоте обращений -> популярность -> поправочный коэффициент к стандартному отклонению), считаем запас в зале и число пополнений со склада, далее — запас на складе и пополнения с распредцентра, и получаем нижний уровень запаса, при достижении которого надо пополнять номенклатуру с РЦ. Группируем номенклатурные позиции для транспортировки по принципу сокращения числа перемещений при условии полной занятости полок и склада — имеем автозаказ с автопополнением. Методика простая, но крайне эффективная. Нюансов много, но все на поверхности (кратность с учетом фэйсинга и глубины, например, или группировка по условиям транспортировки — сухой, реф и т.п.).
        0
        ABC анализ при всей свой примитивности интересен тем, что изобретается из раза в раз складскими аналитиками и разработчиками in-house wms, а консалтерами преподносится как восьмое чудо света. При этом никто в крупном бизнесе (я имею в виду от 5 тыс единиц наименования) продукции не использует ABC в чистом виде — все придумывают свой велосипед. Самый распространенный способ исказить идею ABC — это придумывание своих пропорций. Скажем 55/35/10 какой-нибудь аналитик вполне может называть «тонкой настройкой по нужды сегмента», что крайне неверно, поскольку предполагается что выбранная метрика имеет нормальное распределение. Если это не так, то метрика выбрана неверно. Вместо этого появляются такие классификации, не имеющие ничего общего с математикой, а основанные на «интуиции» отдельного индивида.
        Не совсем понял: на каких таких узких выборках ABC почти равен XYZ? XYZ показывает разброс значений метрики. В связке с ABC может расцениваться как то, на сколько стабильно вычисленное значение ABC.

          0
          Если анализировать изменение объема отгрузки во времени на сравнительно небольшой глубине (что я и назвал «узкой выборкой»), да еще и в отношении конкретного товаропотока, то наиболее популярные по частоте обращений товары (группа A по частоте обращений, она же группа F в концепции FMR) будут иметь наименьший разброс значений объема отгрузки (группа X — наиболее прогнозируемые элементы). Магии здесь никакой нет: вменяемый отдел закупок не будет вкладывать деньги в хранение неликвидов, а высоколиквидные товары становятся таковыми именно благодаря постоянному спросу. Один вид анализа другой никак не заменяет, речь идет о том, что мы можем получить схожие результаты в определенном ракурсе. Предвидел вопросы, поэтому и написал, что подробнее об этом расскажу позже.
            0
            При «небольшой глубине», в вашей формулировке, каждая статистическая функция будет будет выдавать столь недостоверное значение, что действительно любую из них можно приравнять (как говорится 50/50) :)
            Хранить или не хранить — это вообще не вопрос складской логистики :)
              0

              Шутку оценил )))
              Глубина до месяца, обновление ежедневное. Получаете плавное изменение показателей, на которое можно своевременно реагировать. А с сумасшедшими закупщиками можно вообще ничего не анализировать — изменения будут непрогнозируемы.

        Только полноправные пользователи могут оставлять комментарии. Войдите, пожалуйста.

        Самое читаемое