Mengoptimalkan Stok Pengaman (Safety Stock) di Gudang
Mengoptimalkan tingkat Stok Pengaman (safety stock) dengan menghitung keseimbangan stok dari persediaan minimal sambil terus berusaha untuk memenuhi permintaan pelanggan yang selalu berubah-ubah merupakan hal yang tidak mudah untuk dilakukan.
Banyak perusahaan melihat fluktuasi permintaan mereka sendiri dan berasumsi bahwa tidak ada cukup konsistensi untuk memprediksi variabilitas dimasa depan. Mereka kemudian kembali melakukan trial and error terhadap metode persediaan minggu terbaik atau metode penggunaan 1/2 lead time yang disederhanakan untuk mengelola stok pengaman mereka.
Sayangnya, metode ini terbukti kurang efektif dalam menentukan tingkat persediaan yang optimal untuk banyak operasi. Jika tujuan Anda adalah mengurangi tingkat inventaris sambil mempertahankan atau meningkatkan tingkat layanan, maka Anda perlu menyelidiki perhitungan yang lebih kompleks.
Salah satu metode penghitungan stok pengaman yang paling banyak diterima oleh kalangan bisnis adalah menggunakan model statistik Deviasi Standar dari Distribusi Angka Normal untuk menentukan probabilitas.
Alat statistik ini terbukti sangat efektif dalam menentukan tingkat persediaan pengaman yang optimal di berbagai lingkungan. Dasar perhitungan ini distandarisasi, namun, implementasinya yang berhasil pada umumnya memerlukan penyesuaian formula dan input untuk memenuhi karakteristik spesifik operasi Anda.
Memahami teori statistik di balik rumus diperlukan dalam mengadaptasinya dengan benar untuk memenuhi kebutuhan Anda. Kesalahan dalam implementasi biasanya akibat tidak memfaktorkan variabel yang bukan merupakan bagian dari model statistik asli
Terminologi dan Perhitungan
Berikut adalah daftar variabel dan terminologi yang digunakan dalam model "safety stock" ini:
1. Distribusi Normal
Distribusi normal adalah istilah yang digunakan dalam analisis statistik untuk menggambarkan distribusi angka di mana probabilitas suatu kejadian, jika digambarkan, akan mengikuti bentuk kurva berbentuk lonceng.
Ini adalah model distribusi yang paling populer untuk menentukan probabilitas dan telah terbukti bekerja dengan baik dalam memprediksi variabilitas permintaan berdasarkan data historis.
2. Standar Deviasi
Standar deviasi digunakan untuk menggambarkan persebaran distribusi bilangan. Standar deviasi dihitung dengan langkah-langkah berikut:
- Menentukan mean (rata-rata) dari satu set angka
- Tentukan selisih tiap angka dan rata-rata
- Kuadrat tiap selisih
- Hitung rata-rata kuadrat
- Hitung akar kuadrat rata-rata
Anda juga dapat menggunakan fungsi Excel STDEVPA untuk menghitung simpangan baku. Dalam perhitungan persediaan pengaman, jumlah perkiraan sering digunakan sebagai pengganti rata-rata dalam menentukan standar deviasi.
3. Lead Time
Lead time yang akurat sangat penting dalam perhitungan safety stock/reorder point. Lead time adalah jumlah waktu dari titik di mana Anda menentukan kebutuhan untuk memesan ke titik di mana persediaan ada dan tersedia untuk digunakan.
Ini harus mencakup waktu tunggu pemasok atau manufaktur, yaitu waktu untuk memulai pesanan pembelian atau perintah kerja termasuk langkah-langkah persetujuan, waktu untuk memberi tahu pemasok, dan waktu untuk memproses melalui penerimaan dan operasi inspeksi apa pun.
4. Permintaan Lead-Time
Perkiraan permintaan selama periode lead-time. Misalnya, jika perkiraan permintaan Anda adalah 3 unit per hari dan waktu tunggu Anda adalah 12 hari, permintaan waktu tunggu Anda akan menjadi 36 unit.
5. Ramalan Cuaca
Prakiraan yang konsisten juga merupakan bagian penting dari perhitungan persediaan pengaman (Safety stock). Jika Anda tidak menggunakan perkiraan formal, Anda dapat menggunakan permintaan rata-rata sebagai gantinya.
6. Periode Perkiraan
Periode perkiraan adalah periode waktu di mana perkiraan didasarkan. Periode perkiraan yang digunakan dalam perhitungan persediaan pengaman mungkin berbeda dari periode perkiraan formal Anda.
Misalnya, Anda mungkin memiliki periode perkiraan formal empat minggu sementara periode perkiraan yang Anda gunakan untuk perhitungan stok pengaman mungkin satu minggu.
7. Riwayat Permintaan
Sejarah permintaan dipecah menjadi periode perkiraan. Jumlah riwayat yang dibutuhkan tergantung pada sifat bisnis Anda.
Bisnis dengan banyak barang yang bergerak lebih lambat perlu menggunakan lebih banyak riwayat permintaan untuk mendapatkan model permintaan yang akurat. Umumnya, semakin banyak sejarah semakin baik, selama pola penjualan tetap sama.
8. Siklus Pesanan
Juga disebut sebagai siklus pengisian ulang, siklus pemesanan mengacu pada waktu antara pesanan item tertentu. Paling mudah dihitung dengan membagi jumlah pesanan dengan permintaan tahunan dan mengalikan dengan jumlah hari dalam setahun.
9. Titik Pemesanan Ulang
Titik pemesanan ulang adalah tingkat persediaan yang memulai pesanan.
Titik Pemesanan Ulang = Lead Time Demand + Safety Stock
10. Tingkat Layanan
Tingkat layanan yang diinginkan dinyatakan sebagai persentase.
11. Faktor Layanan
Faktor layanan adalah faktor yang digunakan sebagai pengali dengan Standar Deviasi untuk menghitung jumlah tertentu untuk memenuhi tingkat layanan yang ditentukan.
Saya telah menyertakan tabel faktor layanan di bawah ini atau Anda dapat menggunakan fungsi Excel NORMSINV untuk mengubah persentase tingkat layanan menjadi faktor layanan.
Model Statistik dan Anjak Piutang dalam Variabel Tambahan
Seperti telah disebutkan sebelumnya, bahwa pemahaman tentang teori statistik di balik formula ini diperlukan untuk memastikan hasil yang optimal.
Model statistik menggunakan perhitungan standar deviasi untuk menggambarkan probabilitas suatu angka yang muncul mengacu pada mean dalam distribusi normal.
Sebuah tabel kemudian digunakan untuk menentukan pengali yang akan digunakan bersama dengan standar deviasi untuk menentukan rentang angka yang akan menjelaskan persentase tertentu dari kejadian.
Pengganda disebut sebagai jumlah standar deviasi yang diperlukan untuk memenuhi persentase. Teori menyatakan bahwa nol standar deviasi ditambahkan ke mean akan menghasilkan angka di mana 50% dari kejadian akan terjadi di bawah, satu standar deviasi ditambahkan ke mean akan menghasilkan angka di mana 84% dari kejadian akan terjadi di bawah, 2 standar deviasi ditambahkan ke mean akan menghasilkan angka di mana 98% dari kejadian akan terjadi di bawah, dan 3 standar deviasi ditambahkan ke mean akan menghasilkan angka di mana 99,85% dari kejadian akan terjadi di bawah.
Dalam perhitungan stok pengaman kita akan mengacu pada pengali sebagai faktor pelayanan dan menggunakan riwayat permintaan untuk menghitung simpangan baku.
Dalam bentuk yang paling sederhana ini akan menghasilkan perhitungan persediaan pengaman dari :
Persediaan pengaman = (standar deviasi) * (faktor pelayanan)
Jika waktu tunggu Anda, waktu siklus pemesanan, dan periode perkiraan semuanya sama dan jika perkiraan Anda sama untuk setiap periode dan sama dengan rata-rata permintaan aktual untuk periode tersebut, rumus sederhana ini akan bekerja dengan baik.
Karena situasi ini sangat tidak mungkin terjadi, Anda harus menambahkan faktor ke rumus untuk mengimbangi variasi ini.
Di sinilah letak masalahnya. Anda harus menambahkan faktor untuk mengadaptasi teori ini agar sesuai dengan inventaris Anda, namun, setiap faktor yang Anda tambahkan mengkompromikan integritas teori asli. Ini tidak seburuk kedengarannya.
Meskipun pemfaktoran bisa menjadi rumit, Anda dapat terus mengutak-atiknya sampai Anda menemukan solusi yang efektif.
Rumus akhir Anda akan terlihat seperti:
Persediaan pengaman = (deviasi standar)*(faktor layanan)*(faktor waktu tunggu)*(faktor siklus pemesanan)*(faktor perkiraan-ke-rata-rata-permintaan)
Tidak ada konsensus umum tentang formula untuk faktor-faktor ini, karena pada kenyataannya, banyak perhitungan bahkan tidak mengakui perlunya mereka.
Saya akan memberikan beberapa rekomendasi untuk faktor-faktor ini, namun, saya sangat menyarankan Anda menguji dan mengubahnya dengan nomor Anda untuk sampai pada sesuatu yang sesuai untuk Anda.
Faktor Lead-time
Hal ini diperlukan untuk mengimbangi perbedaan antara waktu tunggu dan periode perkiraan. Standar deviasi didasarkan pada periode perkiraan, faktor yang diperlukan untuk menambah atau mengurangi persediaan pengaman untuk memungkinkan varians ini.
Rumus yang dapat Anda coba adalah:
Faktor waktu tunggu = akar kuadrat (waktu tunggu/periode perkiraan)
Faktor Siklus Pesanan
Karena siklus pesanan yang lebih lama menghasilkan tingkat layanan yang lebih tinggi, Anda perlu menggunakan faktor untuk mengimbanginya.
Rumus yang dapat Anda coba adalah:
Faktor siklus pesanan = akar kuadrat (periode perkiraan/siklus pesanan)
Ini adalah perhitungan sederhana yang terkadang berhasil, tetapi saya biasanya menggunakan perhitungan yang lebih kompleks (logika yang sama sekali berbeda) untuk faktor ini.
Faktor Perkiraan-ke-rata-rata-permintaan
Ingatlah bahwa model statistik asli didasarkan pada rata-rata distribusi. Mengganti perkiraan rata-rata dalam perhitungan standar deviasi menimbulkan masalah jika rata-rata perkiraan dan rata-rata permintaan aktual tidak dekat dan juga jika perkiraan bervariasi antara periode perkiraan (musiman, pertumbuhan penjualan).
Maaf, tetapi saya tidak memiliki formula kalengan untuk yang satu ini yang saya rasa cukup percaya diri untuk diterbitkan. Rumus aktual yang digunakan akan bervariasi berdasarkan jenis varians dan metode perhitungan standar deviasi yang digunakan.
Titik Pemesanan Ulang Minimum
Untuk produk yang bergerak lambat dan terutama jika waktu tunggunya singkat, Anda mungkin ingin memprogram dalam titik pemesanan ulang minimum yang setara dengan satu penjualan rata-rata.
Varians Lead-time
Anda mungkin telah memperhatikan bahwa saya hanya membahas variasi permintaan dalam model ini. Meskipun Anda dapat menggunakan model ini untuk memprediksi variasi pasokan, saya telah menemukan bahwa variasi pasokan cenderung terlalu acak dan tidak dapat diprediksi.
Masalah pasokan cenderung lebih terkait dengan vendor daripada item dan tingkat keparahan variasi tidak termasuk dalam pola distribusi normal.
Stok pengaman yang dihitung untuk variasi permintaan juga akan mencakup beberapa variasi pasokan, namun, cara terbaik untuk menangani pasokan variabel adalah dengan menjalin komunikasi tingkat tinggi dengan vendor dan tidak mengandalkan stok pengaman.
Anda mungkin menemukan bahwa barang-barang tertentu yang sangat penting untuk operasi Anda mungkin memerlukan perhitungan stok pengaman berdasarkan sifat rantai pasokan barang tertentu.
Sementara semua faktor ini dan efeknya yang berpotensi merugikan pada integritas formula asli mungkin membuat Anda merasa kurang percaya diri dengan hasil model ini, Anda harus menyadari bahwa faktor-faktor ini akan diperlukan dalam metode penghitungan stok pengaman apa pun yang membutuhkan pendekatan ilmiah untuk memenuhi tingkat layanan sambil mempertahankan tingkat persediaan minimal.
Sangat penting untuk menguji model secara menyeluruh sebelum implementasi akhir untuk memastikannya bekerja dengan benar dan untuk menentukan dampak pada tingkat persediaan dan arus kas.
Ini juga merupakan ide yang baik untuk memulai dengan faktor layanan yang lebih tinggi pada awalnya dan secara bertahap menguranginya sampai tingkat layanan Anda yang sebenarnya memenuhi tujuan Anda.
Anda tidak akan pernah menemukan kesempurnaan dalam menentukan probabilitas, namun jenis formula ini tentu lebih efektif daripada pendekatan sederhana yang disebutkan sebelumnya.
Itulah uraian tentang Mengoptimalkan Stok Pengaman (Safety Stock) di Gudang. Semoga informasi ini bermanfaat dan berguna untuk Anda.
Posting Komentar untuk " Mengoptimalkan Stok Pengaman (Safety Stock) di Gudang"