כשטרנספורמציה דיגיטאלית מגויסת לטובת עיתוד מלאי

בעולם שרשרת האספקה, מלאי הוא פרדוקס: הוא הנכס שמאפשר לכם למכור והוא גם הבור הפיננסי שקושר לכם הון יקר. מניסיוני בעשרות ארגונים, גיליתי שההבדל בין מלאי "חי" שמניע צמיחה לבין מלאי "מת" שמעלה אבק וגוזל משאבים, טמון במילה אחת: דאטה. ניהול מלאי המבוסס על תחושות בטן, הרגלים ישנים או קבצי אקסל מסורבלים הוא מתכון בטוח לעלויות מנופחות, חוסרים כואבים ועודפים מיותרים.

החדשות הטובות הן שהמעבר לניהול מלאי חכם נמצא בהישג יד. זה לא דורש מהפכה, אלא יישום של אסטרטגיות מוכחות שרותמות את הנתונים שכבר קיימים אצלכם בארגון. במדריך זה, אציג לכם מספר עקרונות פרקטיים לעיתוד מלאי שיאפשרו להם להפוך את המלאי שלכם ממקור לדאגה למנוע של רווחיות ויעילות.

התחלתי את דרכי דרכי המקצועי כמעתדת מלאי בארגון גדול. התמודדתי עם האתגרים והקשיים של עיתוד מלאי בסביבה דינאמית. כיועצת מומחית לעיתוד מלאי אך גם לטרנספורמציה דיגיטאלית, יישמתי בעשרות ארגונים טרנספורמציה דיגיטאלית של עיתוד המלאי וסייעתי להם לשפר משמעותית את זמינות המלאי מחד ולצמצם עודפי מלאי מאידך.
במאמר זה אסביר על מודל עיתוד המלאי EOQ המוכר גם בשם "שיטת שינוי מסור" או "שיטת מינימום מקסימום" וכיצד  ליישם טרנספורמציה דיגיטאלית של תהליך עיתוד המלאי בארגון.

מערכת ייעודית לעיתוד מלאי  – האם בכלל נדרשת?

לא בהכרח בנדרשת מערכת נוספת ייעודית לעיתוד מלאי על מנת לעבור לעיתוד מלאי איכותי ולהשיג שיפור משמעותי הן מבחינת זמינות והן מבחינת צמצום מלאי איטי או עודף או מת. כדי להפוך את התהליך לאוטומטי, אמין ושיטתי, ניתן ליישם את עקרונות עיתוד המלאי במערכת ה-ERP שלכם. בנוסף ניתן גם לרתום כלי BI כדי להפוך את הנתונים לתובנות ויזואליות וקלות להבנה. לעיתים קרובות, ארגונים מופתעים לגלות שהם כבר יושבים על "מכרה זהב" של נתונים, ורק צריכים את הליווי הנכון באפיון כדי למקסם את היכולות של מערכת ה ERP שלהם לעיתוד מלאי איכותי. 

אם זאת חשוב לזכור שהלוגיקה לעיתוד המלאי מבוססת על תחזית צריכה או תחזית ביקושים. ניתן ליישם במערכת ה ERP הארגונית לוגיקה לחיזוי הצריכה למשל: ממוצע צריכה בעונה מקבילה אשתקד בתוספת אחוז צמיחה בין השנים.  אך ניתן כיום גם לרתום את העוצמה של הבינה מלאכותית (AI) לתהליך עיתוד המלאי מאפשר לארגון לנהל את המלאי בצורה חכמה, מדויקת ויעילה יותר. באמצעות ניתוח נתונים היסטוריים, עונתיות, מגמות מכירה והתנהגות לקוחות, מערכות AI יכולות לחזות את הביקוש הצפוי בצורה מדויקת, ולסייע בקביעת כמויות מלאי אופטימליות. היישום נעשה על ידי אינטגרציה של מערכות ניהול מלאי קיימות עם אלגוריתמים חכמים לניתוח נתונים, המלצות לרכש אוטומטי, אופטימיזציה של תזמון מלאי והתרעות מוקדמות על ירידה או עלייה בביקוש.

מה מלאי "רזרבי" שארגון צריך להחזיק כפוליסת ביטוח

מלאי רזרבי הוא הפוליסת ביטוח שלכם נגד אי ודאות – שינויים פתאומיים בביקוש או עיכובים באספקה מהספק. אבל כמו כל ביטוח, גם לו יש עלות ולכן חשוב לקבל החלטה מושכלת כמה מלאי רזרבי נכון להחזיק לפרטים השונים שמתייחסת לשני הפרמטרים הבאים:

• סטיית התקן של הביקוש: עד כמה הביקוש לפריט יציב או תנודתי?
• אמינות הספק: האם הספק תמיד עומד בזמני האספקה שהבטיח?

העיקרון פשוט: לפריטים עם ביקוש יציב וספק אמין נדרש מלאי רזרבי נמוך. לפריטים עם ביקוש תנודתי וספק לא יציב, נדרש מלאי ביטחון גבוה יותר.

במערכות מידע רבות כגון פריורטי ו sap business one  קיים מנגנון עיתוד המלאי פשטני ובסיסי ואין בו התייחסות לנתון מלאי הרזרבי. אך באפיון נכון ניתן לשדרג את המנגנון הקיים שיתייחס לפרמרט החשוב של מה רמת המלאי הרזרבי שנכון לארגון להחזיק מכל פריט.
גם כן שכבת AI יכולה לסייע בחישוב דינאמי מה רמת המלאי הרזרבי האופטימאלי שנכון לארגון מכל פריט.

כיצד לקבוע את נקודות הזמנה ?

נקודת הזמנה היא מפלס המלאי בהגעתו יש לבצע הזמנה חדשה. טעות נפוצה היא לקבוע נקודת הזמנה קבועה שנקבעה אי שם בעבר, אינה מתוחזקת ואינה מבוססת נתוני המכירות והצריכה המשתנים עם הזמן.  גישה מבוססת נתונים לוקחת בחשבון שני גורמים קריטיים:

• זמן אספקה (Lead Time): כמה זמן לוקח מרגע ההזמנה ועד שהסחורה מגיעה למחסן?
• קצב הצריכה/מכירה: כמה יחידות אתם מוכרים בממוצע ביום?

הנוסחה הבסיסית: נקודת הזמנה = (מלאי רזרבי + קצב צריכה יומי ממוצע * זמן אספקה בימים)

איך מערכות מידע תומכות? מערכות  ERP מסתפקות בשדה ידני בו המשתמש יכול לעדכן את נקודת ההזמנה (נקרא לרב מלאי מינימום או מלאי ביטחון). אך ניתן לשדרג את המערכת וליישם בה נוסחה דינאמית לחישוב נקודת ההזמנה.
תחזוקה ידנית ע"י מעתד המלאי או הרכש את נקודת ההזמנה במערכת אינה ראלית כשמדובר במקטים רבים. ולכן טרנספורמציה דיגיטאלית לתחזוקת הפרמטרים של עיתוד המלאי הינה קריטית לעיתוד מלאי איכותי. 

חישוב הכמות להזמנה 

שאלת ה"כמה להזמין?" היא קריטית. הזמנות קטנות ותכופות מייקרות את עלויות הרכש והשינוע, בעוד שהזמנות גדולות ונדירות מנפחות את עלויות אחזקת המלאי. מודל EOQ -Economic Order Quantity הוא נוסחה מתמטית שמוצאת את "נקודת הזהב" – הכמות האופטימלית להזמנה שממזערת את העלות הכוללת.

בחלק במערכות ERP המתקדמות קיימת אפשרות לתחזק רמת מלאי מקסימום, וכשמפלס מגיע לנקודת ההצטיידות הרצויה המערכת ממליצה על הכמות השלמה למלאי מקסימום. אך דווקא במערכות ERP פופולריות כמו פריורטי ו Sap Business One  , מנגנון עיתוד המלאי פשטני ובסיסי יותר ומסתפק בהמלצה על השלמת המלאי למפלס נקודת ההזמנה. גם פה באפיון נכון ניתן לשדרג את המנגנון כך שיותאם למודל EOQ.

זיהוי וטיפול במלאי איטי או מת 

מלאי איטי ומת הוא כסף ששוכב על המדף. הוא תופס מקום יקר, דורש טיפול, ובסופו של דבר ערכו יורד לאפס.

1. זיהוי: בניית דוח אוטומטי במערכת ה-BI שמציג את כל הפריטים שלא הייתה להם תנועה ב-6, 12 או 18 החודשים האחרונים.
2. כימות: הצמדת ערך כספי לאותו מלאי מת. כשהנהלה רואה שמדובר במיליוני שקלים, המוטיבציה לפעול עולה.
3. פעולה: קבלת החלטה עסקית – האם ניתן למכור את המלאי בהנחה, להשתמש בו כחומר גלם למוצר אחר, או שעדיף פשוט למחוק אותו ולפנות את המקום.

6. מדידת ביצועי ספקים 

אמינות הספקים שלכם משפיעה ישירות על רמות המלאי שאתם צריכים להחזיק. מדד קריטי למדידת ביצועים נקרא – האם הספק סיפק את הסחורה בזמן שהבטיח (On-Time) ובכמות המלאה שהוזמנה (In-Full)?

איך מערכות מידע תומכות? מערכת ה-ERP שלכם רושמת את תאריך ההזמנה, התאריך המובטח ותאריך הקבלה בפועל, כמו גם את הכמות המוזמנת מול הכמות שהתקבלה. באמצעות מערכת BI, ניתן להפוך את הנתונים הגולמיים הללו ל"כרטיס ציון" פשוט לכל ספק. ספקים עם ציון גבוה הם שותפים אסטרטגיים שמאפשרים לכם להחזיק פחות מלאי ביטחון.

זבל נכנס זבל יוצא – טיוב הנתונים תנאי החרכי לעיתוד מלאי איכותי  

מנגנון ההצטיידות במערכות ERP יתרות פתוחות בהזמנות רכש, ובמערכות מסוימות גם יתרות פתוחות של הזמנות רכש.  מצב שכיח הוא שספק סיפק הזמה אך נותרה בה יתרה קטנה שאין בכוונתו לספק, או שהזמנה בוטלה מול ספק אך לא בוטלה במערכת המידע. מבחינת המערכת מדובר על מלאי בדרך שהיא מתחשבת בו בחישוב הכמות להזמנה. ולכן הצעד ראשון שיש לבצע לטובת עיתוד מלאי איכותי הינו ביטול יתרות הזבל בהזמנות הרכש ובניית מנגנון ארגוני שימנע הווצרות של יתרות זבל בהזמנות רכש עתידיות.
נקודת ההזמנה והכמות להזמנה מתייחסות לרמת המלאי במערכת. ולכן הנתאי הבסיסי ביותר לעיתוד מלאי איכותי הינו אמינות המלאי. לא פעם כשאני מוזמנת לסייע לארגון בשיפור עיתוד המלאי, אני מזהה שיש לטפל דבר ראשון באמנות המלאי.  מנגנון עיתוד מלאי מתוחכם ככל שיהיה, יהיה חסר ערך אם הוא מבוסס על נתונים שגויים.

ממלאי מתנהל למלאי מנוהל

ניהול מלאי יעיל הוא למדע. אסטרטגית עיתוד מלאי מקצועית כפי שהצגתי לעיל היא אבן היסוד לביסוס תהליך עיתוד מלאי  מבוסס נתונים, שיוביל אתכם באופן ישיר להפחתת עלויות, שיפור תזרים המזומנים והעלאת רמת השירות ללקוח. המפתח הוא להפסיק להסתמך על אינטואיציה ולהתחיל לרתום את העוצמה של מערכות המידע כדי לקבל החלטות חכמות, מדויקות ורווחיות.

מרגישים שהגיע הזמן להפוך את ניהול המלאי שלכם למנוע צמיחה? רוצים למקסם את הפוטנציאל מערכת ה ERP שלכם לעיתוד מלאי? רוצים לתרום את העוצמה של  AI במנגנון עיתוד המלאי? 

אני כאן כדי ללוות אתכם בתהליך. משלב ניתוח הנתונים הראשוני, דרך אפיון הפתרונות התהליכיים והדיגיטליים המתאימים לכם, ועד להשגת יעדים מדידים של חיסכון וייעול.

צרו איתי קשר עוד היום לפגישת ייעוץ, ונבנה יחד את האסטרטגיה שתהפוך את המלאי שלכם לנכס אמיתי.