더 적은 재고로 주문 처리를 높이는 방법

모든 곳의 공급망 리더는 "복원력"을 달성하는 것이 의미하는 바를 재정의하고 있으며 비축 및 위험 대응을 넘어 성장하고 있습니다. COVID-19 전염병 및 기타 혼란의 여파로 탄력적인 공급망은 실제로 혼돈 속에서 번창하며 결정적으로 이전보다 더 나은 고객 서비스를 제공합니다.

회복력의 개념을 가시화하기 위해 공급망 전문가인 우리 모두가 이해하는 재고와 연결해 보겠습니다. 고객 서비스 수준을 충족하도록 최적화된 재고는 안전 재고를 늘리는 것이 아니라 그 반대입니다. 팬데믹 기간 동안 일부 기획자는 전체 서비스 수준을 3-5% 증가시키면서 전체 재고 수준을 10-30% 줄였습니다. 많은 공급망 이론과 마찬가지로 이것은 직관적이지 않습니다. 많은 기획자들은 서비스 수준을 높이려면 재고 수준을 높여야 한다고 자연스럽게 생각합니다.

주문 처리율

이 모순을 풀기 위해 우리는 총 수요를 충족시키는 능력과 고객 주문을 이행하는 능력을 구별해야 합니다. 여기에서 제가 모든 고객에게 하는 만트라를 반복하겠습니다. 주문 채우기 또는 OLFR(주문 라인 채우기 비율)은 목표 서비스 수준에 도달할 때 중요한 메트릭입니다. 고객은 총 수요 예측이 정확한지 여부가 아니라 제 시간에 주문을 받았는지 여부에만 관심을 갖습니다.

그러나 정확한 예측은 주문을 이행할 수 있는 공급망 능력의 주요 지표가 아닙니까? 거기에 오해가 있습니다. 높은 예측 정확도는 경영진 대시보드에서 잘 스캔될 수 있지만 주문 이행률에 대해서는 아무 것도 말하지 않습니다. 왜요? 대부분의 계획 도구로 측정되는 예측 정확도는 개별 주문을 이행하는 능력이 아니라 총 수요에만 관련되기 때문입니다.

다음은 간단한 예입니다. 단일 LED 램프에 대해 한 달에 10건의 주문을 받았다고 가정해 보겠습니다. 물론 이러한 주문을 이행하려면 램프 10개를 한 곳으로 배송하는 것과는 완전히 다른 계획이 필요합니다. 그러나 집계 예측은 둘을 구분하지 않습니다. 이것이 바로 계획자와 창고 작업자가 99% 서비스 수준에 도달하는 방법입니다. 창고에 각 품목이 하나만 있는 한 제품의 100%가 "사용 가능"합니다. 그러나 10개의 LED 램프가 시스템을 혼란에 빠뜨리는 데는 한 번만 주문하면 됩니다. 회복력이 좋지 않습니다!

불확실성이 높은 현 시대에 높은 OLFR을 보장하는 인벤토리 정책을 설정하는 것이 얼마나 중요한지 아무리 강조해도 지나치지 않습니다. McKinsey의 "코로나바이러스 시대에 고객 경험 적응" 연구에 따르면 지난 경기 침체 동안 최고의 고객 경험을 제공한 기업은 경쟁업체보다 3배 더 높은 수익을 달성했습니다.

그렇다면 높은 OLFR에 대해 어떻게 계획해야 할까요? 스포일러 경고:ABC 세분화가 아닙니다. 1960년대에 개발된 이 접근 방식은 오늘날의 판매 복잡성, 규모 및 SKU 포트폴리오의 다양성에는 적합하지 않습니다. ABC를 사용하는 계획자는 결국 위의 두 LED 램프 시나리오와 같이 매우 다른 시나리오에 동일한 재고 정책을 적용하고 결국 허용할 수 없는 잉여 및 부족으로 끝납니다. ABC 세분화는 당시 재고 수준을 관리하는 데 적합했지만 최적화에는 적합하지 않았습니다.

인벤토리 믹스 최적화

SKU를 "비즈니스 가치"에 따라 세 가지 범주로 분류하는 ABC와 달리 재고 혼합 최적화는 각 SKU에 대한 총괄 재고 정책을 설정합니다. 인벤토리 혼합 최적화는 "서비스 클래스"별로 항목을 분류한 다음 각 개별 SKU에 고유한 서비스 수준 및 인벤토리 정책을 할당합니다. 보다 고객 중심적인 이러한 범주는 판매 및 마케팅과 관련되어야 합니다. 예를 들어 "액세서리", "고수익 품목", "개인 상표", "고가 브랜드" 및 "중요 예비품". 고객에게 의미 있는 방식으로 항목을 그룹화하여 서비스 기대치에 해당하는 각 항목에 대한 인벤토리 정책을 설정합니다.

재고 혼합 최적화는 고급 계획 소프트웨어를 사용하여 각 SKU 위치에 대한 서비스 수준 및 안전 재고를 최적화하기 위해 "재고-서비스" 곡선을 적용하는 데 달려 있습니다. 재고 대 서비스 곡선은 필요한 통제 수준(안전 재고, 재주문 재고)을 고려하여 원하는 서비스 수준(OLFR)과 평균 필요 재고 수준 간의 관계를 보여줍니다. 기본 재고 구성 최적화 원칙은 거의 판매되지 않고 고객이 긴급하게 필요로 하지 않는 롱테일 품목과 같은 특정 서비스 등급에 더 낮은 서비스 수준을 할당하는 것입니다.

이스라엘의 Citroën 및 Peugeot 자동차 단독 수입업체인 David Lubinski Ltd.는 지능형 계획 시스템으로 전환하여 약 20,000개 부품의 재고를 최적화했으며 이 중 75%는 느리게 움직이는 품목입니다. 가족이 운영하는 이 회사는 ABC 재고 계획으로 수익성이 있었지만 복원력과 서비스 수준이 향상될 수 있다고 의심했습니다.

ABC 세분화 및 스프레드시트에서 재고 혼합 최적화에 중점을 둔 새로운 시스템으로의 전환을 테스트하기 위해 Lubinski는 두 접근 방식을 나란히 비교했습니다. 결과는 결정적이었습니다. Lubinski는 재고를 25% 줄이고 항공 화물 긴급 주문을 3분의 1로 줄였으며 스크랩과 노후화를 상당히 절약했습니다. 95-96%의 평균 이상의 전체 서비스 수준을 유지하고 각 제품의 요구 사항에 맞는 개별 서비스 수준을 제공하면서 이 모든 것을 달성했습니다. 이를 통해 회사는 재고 절감만으로도 150만 유로를 수익으로 환원할 수 있었습니다.

플래너 생산성도 높아졌습니다. Lubinski의 새로운 시스템은 이제 거의 완전히 자동화되었습니다. 오늘날에는 한 사람이 프로세스를 관리하는 데 평일보다 적게 소비하므로 계획 팀은 이제 더 중요한 고객 대면 작업에 집중할 수 있습니다. Lubinski의 예비 부품 기획자가 은퇴 직전에 한 가지 후회한 것은 새 시스템을 더 일찍 도입하지 않았다는 것이었습니다.

David Barton은 ToolsGroup NA의 총책임자입니다.