Tingkatkan Efisiensi Fulfillment dengan Mengurangi Inventaris Berlebih
Pemimpin rantai pasok di mana pun sedang mendefinisikan ulang apa artinya mencapai "ketahanan" — dan ini berkembang di luar penyimpanan cadangan dan respons risiko. Inilah dampak pandemi COVID-19 dan gangguan lainnya, rantai pasok yang tangguh sebenarnya berkembang di tengah kekacauan, dan yang krusial, menawarkan layanan pelanggan yang lebih baik dari sebelumnya.
Untuk membuat konsep ketahanan menjadi nyata, mari kita hubungkannya dengan sesuatu yang kami, sebagai profesional rantai pasok, semua pahami: inventaris. Inventaris yang dioptimalkan untuk memenuhi tingkat layanan pelanggan bukan tentang meningkatkan stok keamanan, tetapi sebaliknya. Beberapa perencana selama pandemi telah meningkatkan tingkat layanan keseluruhan sebesar 3-5% sambil menurunkan tingkat inventaris keseluruhan sebesar 10-30%. Seperti banyak teori rantai pasok, hal ini terasa tidak intuitif. Banyak perencana secara alami mengasumsikan bahwa tingkat inventaris harus meningkat untuk meningkatkan tingkat layanan.
Tingkat Terpenuhinya Baris Pesanan
Untuk membongkar kontradiksi ini, kita perlu membedakan antara kemampuan untuk melayani permintaan agregat dan kemampuan untuk memenuhi pesanan pelanggan. Di sini saya akan mengulangi mantra yang saya katakan kepada semua pelanggan saya: order fill — atau order line fill rate (OLFR) — adalah metrik yang penting ketika mencapai tingkat layanan target. Pelanggan hanya peduli apakah mereka menerima pesanan mereka tepat waktu, bukan apakah prediksi permintaan agregat Anda akurat.
Tetapi bukankah prediksi yang akurat adalah indikator utama kemampuan rantai pasok untuk memenuhi pesanan? Di sinilah kesalahpahaman terletak. Akurasi prediksi yang tinggi mungkin tampil bagus di dasbor eksekutif, tetapi tidak mengatakan apa pun tentang tingkat pemenuhan pesanan. Mengapa? Karena akurasi prediksi, seperti yang diukur oleh sebagian besar alat perencanaan, hanya berkaitan dengan total permintaan, bukan kemampuan untuk memenuhi pesanan individual.
Ini adalah contoh sederhana. Katakanlah Anda menerima 10 pesanan dalam sebulan untuk satu lampu LED yang akan dikirim ke 10 bagian berbeda negara pada hari-hari yang berbeda. Tentu saja, memenuhi pesanan-pesanan ini membutuhkan rencana yang sama sekali berbeda dari pesanan untuk 10 lampu yang akan dikirim ke satu lokasi. Namun prediksi agregat tidak membedakan antara keduanya. Itulah cara perencana dan pekerja gudang sampai pada tingkat layanan 99%. Asalkan hanya ada satu dari setiap barang di gudang, 100% produk "tersedia". Tetapi cukup satu pesanan untuk 10 lampu LED untuk mengacaukan sistem. Tidak sangat tangguh!
Saya tidak bisa cukup menekankan seberapa pentingnya selama era ketidakpastian tinggi ini untuk menetapkan kebijakan inventaris yang memastikan tingkat OLFR yang tinggi. Menurut studi McKinsey "Adapting customer experience in the time of coronavirus", selama resesi terakhir, perusahaan yang menyediakan pengalaman pelanggan terbaik mencapai return tiga kali lebih tinggi dari kompetitor mereka.
Jadi bagaimana kita merencanakan untuk OLFR yang tinggi? Spoiler alert: itu bukan segmentasi ABC. Pendekatan ini, yang dikembangkan pada tahun 1960-an, tidak bekerja untuk kompleksitas penjualan, volume, dan keragaman portofolio SKU saat ini. Perencana yang menggunakan ABC akhirnya menerapkan kebijakan inventaris yang sama pada skenario yang sangat berbeda seperti dua skenario lampu LED di atas dan akhirnya dengan surplus dan kekurangan yang tidak dapat diterima. Segmentasi ABC cocok pada zamannya untuk mengelola tingkat stok, tetapi itu tidak pernah untuk optimasi.
Optimasi Campuran Inventaris
Tidak seperti ABC, yang segmen SKU ke dalam tiga kategori berdasarkan "nilai bisnis", optimasi campuran inventaris menetapkan kebijakan inventaris yang menyeluruh untuk setiap SKU. Optimasi campuran inventaris segmen barang berdasarkan "kelas layanan" dan kemudian menetapkan tingkat layanan dan kebijakan inventaris yang unik untuk setiap SKU individual. Kategori yang lebih berfokus pada pelanggan ini harus relevan untuk penjualan dan pemasaran — misalnya: "aksesoris", "barang dengan margin tinggi", "label pribadi", "merek bernilai tinggi", dan "suku cadangan kritis". Dengan mengelompokkan barang dengan cara yang bermakna bagi pelanggan, Anda menetapkan kebijakan inventaris untuk setiap yang sesuai dengan harapan layanan.
Optimasi campuran inventaris bergantung pada penggunaan perangkat lunak perencanaan canggih untuk menerapkan kurva "inventaris-ke-layanan" untuk mengoptimalkan tingkat layanan dan stok keamanan untuk setiap SKU lokasi. Kurva stok-ke-layanan menunjukkan hubungan antara tingkat layanan yang diinginkan (OLFR) dan tingkat stok rata-rata yang diperlukan, dengan mempertimbangkan tingkat kontrol yang diperlukan (stok keamanan, stok pesan ulang). Prinsip dasar optimasi campuran inventaris adalah menetapkan tingkat layanan yang lebih rendah untuk beberapa kelas layanan — seperti barang long-tail yang jarang terjual dan yang pelanggan tidak butuhkan dengan segera.
David Lubinski Ltd., impor tunggal untuk mobil Citroën dan Peugeot di Israel, beralih ke sistem perencanaan cerdas untuk mengoptimalkan inventaris sekitar 20.000 bagian, 75% di antaranya adalah barang yang lambat bergerak. Meskipun perusahaan keluarga yang sudah berdiri ini telah menguntungkan dengan perencanaan inventaris ABC-nya, mereka menyangka bahwa ketahanan dan tingkat layanan dapat ditingkatkan.
Untuk menguji pergantian dari segmentasi ABC dan spreadsheet ke sistem baru yang berfokus pada optimasi campuran inventaris, Lubinski melakukan perbandingan sisi atas sisi dari kedua pendekatan. Hasilnya sangat jelas. Lubinski memotong inventarisnya sebesar 25%, mengurangi pesanan darurat yang diangkut udara sepertiga, dan menghemat secara signifikan pada sisa dan kedaluwarsa. Mereka mencapai semua ini sambil mempertahankan tingkat layanan keseluruhan di atas rata-rata 95-96% dan menyediakan tingkat layanan individual yang disesuaikan dengan kebutuhan setiap produk. Ini memungkinkan perusahaan untuk mengembalikan €1,5 juta ke garis bawah melalui penghematan inventaris saja.
Produktivitas perencana juga meningkat. Sistem baru Lubinski sekarang hampir sepenuhnya diotomatisasi. Saat ini, satu orang menghabiskan kurang dari satu hari kerja mengelola proses, sehingga tim perencanaan sekarang dapat berkonsentrasi pada pekerjaan yang lebih penting dan berhadapan dengan pelanggan. Satu-satunya hal yang menyesal dari perencana suku cadang Lubinski di vés hari pensiunnya adalah bahwa mereka tidak memperkenalkan sistem baru lebih awal.
David Barton adalah general manager di ToolsGroup NA.
