製造門戶網站
什麼是合適的庫存？
① 什麼是適當的庫存？
不會缺貨的最少庫存商品數。
如果庫存不足，下單時產品無法發貨，導致銷售機會流失。
保持適當的庫存可以使利潤最大化。
即使庫存數量增加太多以防止短缺，也會產生管理成本，並且會產生不良庫存和要丟棄的庫存。
庫存過多導致倉儲效率和庫存周轉率下降，對企業的現金流產生不利影響，即使庫存是資產，如果不貨幣化，也可能會虧本倒閉。
②庫存過剩風險
・ 產品質量惡化
・ 發生不良庫存
・ 倉儲成本和人工成本增加
・ 折扣商品增加 * 結算時的折扣銷售和連鎖銷售
・ 產品周轉率下降
有必要調整庫存量，在不耗盡的情況下將成本降到最低。
理想情況下，應考慮出貨量的平均值和變化、庫存補貨的頻率、需求的波動等，並保持適當的比例。
保持適當庫存的好處是可以減少需要儲存的庫存，從而減少儲存空間和成本。
現金流會改善，利潤會穩定。
（三）庫存管理常見問題舉例
很多問題都是庫存管理，我們經常會聽到諸如“我不知道每個項目的適當庫存數量”等問題。
過多的物品
由於商品數量眾多，準確計算每個商品的適當庫存量需要花費時間和精力，因此目標有限。
結果，應該保持排序點等設置值的項目保持原樣。
沒有標準來判斷合適的庫存量
由於存貨月數、存貨天數、存貨周轉率等存貨數量的確定標準尚未確定，因此可能每個負責人的級別不同。
即使用庫存理論計算，也行不通
即使根據庫存理論計算補貨量，最終也存在缺貨恐懼，將安全庫存過度修正為安全庫存。
我不想改變我前任的設置，因為我怕缺貨
多年來，該系統一直在其前身狀態下運行，沒有修改設置值，處理問題的情況一直在持續。 * 經常
④ 適當的庫存計算
安全庫存+週期庫存
週期庫存是一個訂單和下一個訂單之間消耗的庫存量的一半。
如果在每個月的第一天下訂單，則大約 15 天消耗的庫存量為周期庫存。
安全庫存是為應對需求和交貨期的輕微波動而準備的數量，安全庫存的天數可以以天數而不是數字為基礎來考慮。
這兩個數字都需要根據市場狀況和過去的經驗逐案預測。
檢查庫存是否合適
存貨周轉率和存貨周轉期是確定公司是否保持適當的存貨數量所必需的。
周轉率=年銷售額÷平均庫存周轉期=總庫存÷年銷售額
周轉率是表示一年內更換庫存次數的數值。
如果平均庫存為 1000 萬日元，年銷售額為 3000 萬日元，則每年大約更換 3 次庫存。
周轉期是倉庫資產完全更換所需的年數。
如果庫存為 2000 萬日元，年銷售額為 1000 萬日元，則更換庫存需要兩年時間。
即周轉率值越大，周轉期值越小，存貨越合適。
“交叉比率”計算適當的庫存量
交叉比率是一個指標，顯示從庫存中賺了多少錢。
交叉率=存貨周轉率x毛利率
當存貨周轉率為4，毛利率為30%時，為120，
即使存貨周轉率3，毛利率40%，交叉比例也是120。
計算公式因庫存而異，但交叉比率越高，產品的效率越高。
目標周轉率可由交叉率÷毛利率計算，適當的庫存量可由目標銷售額÷周轉率計算。
移動平均法
一種基於從過去的銷售額計算出的“移動平均”來預測需求的方法。一般採用去年銷售數據的平均值計算。
移動平均數是通過計算商品的平均成本（接受的存貨）和購買時的存貨存貨來計算的。
注意，在使用這種計算方式時，每次購買都要進行計算。
移動平均單價=（收到存貨估價+存貨存貨數量）÷（收到存貨數量+存貨數量）
指數平滑法
一種使用通過確定過去的銷售預測和實際值得出的“預測值”來預測需求的方法。
公式中的“a”為平滑常數或平滑係數。
預測值的計算方法是將平滑常數 a 乘以先前的實際值與預測值的距離，以獲得校正值。
預測值 = a x 之前的實際值 + (1-a) x 之前的預測值 (0 ≤ a <1) = 之前的預測值 + a x（之前的實際值-之前的預測值）
加權移動平均法
一種移動平均法，它考慮了最新需求波動的影響，而不是移動平均法。
“加權移動平均”是通過將月銷量乘以一個加權係數來計算的。
在某些情況下，可以預期比移動平均法更準確的結果。
* 總權重係數為 1
Winters 方法（季節性趨勢模型）
Winters方法的需求預測是一種使用指數平滑法的方法，它反映了需求預測值的季節性波動和長期增減趨勢。
有考慮季節性波動的季節性模型、考慮趨勢的趨勢模型和考慮兩者的季節性趨勢模型。
預測值的計算
對於參考值、趨勢值和季節性變化值的計算，該項的值通過對過去的結果進行指數平滑計算如下。
下一需求預測=（本期參考值+本期趨勢值）×（前一周期+本期季節性波動值）
計算參考值、趨勢值和季節性波動值
本期趨勢值=β（本期參考值-上期參考值）+（1-β）（上期趨勢值）
本期季節性波動值=γ（一周期前的實際值÷一周期前的參考值）+（1-γ）（一周期前的季節性波動值）
通過以這種方式綜合三個要素，可以獲得考慮趨勢和季節性趨勢的需求預測值。
本期參考值=α（本期實際結果÷本期季節性波動值）+（1-α）（上期參考值+上期趨勢值）
⑤ 適當的庫存操作方法
進行需求預測
訂購產品時，需要預測所需數量。
因此，預測訂購產品的需求至關重要。
有以下預測需求的方法。
■ 詢問客戶 ■ 參考統計數據 ■ 查看市場趨勢
對於 B to B 交易，您可以直接詢問客戶。
但是，在向普通消費者銷售產品時，這是不可能的。
因此，除了從統計數據中猜測外，別無他法。
這樣做時，請參考上年同期的需求和過去幾個月的平均銷售數量。
考慮產品的特性也很重要，例如對於季節性因素較大的產品，時機比平均值更重要。
時間序列分析
這是一種分析迄今為止銷售業績數據的方法。根據計算方法的不同，過去的趨勢也包含在分析中，因此通常用於銷售數據保留多年的情況。
在“時間序列分析”中，一般根據是否考慮銷售因季節的差異或假設過去的流行病會重新點燃等因素而使用四種方法。
■ 非季節性方法 ■ 季節性方法 ■ ARIMA（自回歸綜合移動平均）模型 ■ 多元回歸分析
通過同步減少庫存
目標庫存控制
從年度庫存平均值計算
即使在一年中，庫存也會大幅波動。
如果是季節性產品，根據是否有需求，庫存數量可能會有很大差異。
在決定合適的庫存時，不要在一個月或一個季節等短期內決定，而是在跟踪至少一年的庫存波動並找到平均庫存後確定。
執行定期優化
設置適當的庫存值後，請嘗試根據該值運行一段時間。
如果庫存過剩和不足的頻率降低，則認為可以繼續運營。
如果積壓或缺貨沒有減少，請調查原因並重新設置合適的值。
此外，對於運行良好的產品，相同的價值在一年後可能並不總是相同。
在某些情況下，可能會減少對屬於公司政策變更類別的產品的處理。
您需要意識到您將繼續定期優化。
正確使用常規順序和固定順序
排序方式大致分為以下兩種。
■ 常規訂購方式 ■ 定量訂購方式
定期下單方式是一種定期下單的方式，比如每個月的第一天下單。
由於訂購時間不取決於庫存量，因此每次都必須確定訂購量，因此需要花費時間和精力。
一種用於在每次下訂單時準確預測需求的重要產品的方法。
定量訂貨法是當庫存數量低於訂貨點（庫存數量即預定訂貨的時間）時進行訂貨的方法。
下單時間因時間而異，但特點是每次下單量都一樣。
這種方法適用於需求相對穩定的產品，因為不是每次都預測需求。
⑥ 縮短交貨期
減少製造提前期
為了保持適當數量的庫存，必須縮短製造提前期。
由於生產中的產品也必須存儲在庫存中，因此製造提前期越長，需要管理的庫存量就越大。
相反，如果可以縮短製造提前期，則可以縮短從訂購到發貨的時間，並可以減少庫存量。
毫無疑問，除了製造提前期之外，還需要較短的提前期。
由於採購提前期（採購零件等所需的時間）和配送提前期都經過其他公司的手中，因此僅靠公司的獨創性很難縮短它們。
首先，我們將盡量縮短製造提前期，這在內部很容易控制。
縮短交貨時間
從客戶或銷售公司接收訂單並交付所需的時間。
交貨期取決於公司的整體實力。
4點縮短交貨期
• 減少設置時間
•標準化
• 檢查過程設計
FA（製造中的工廠自動化）
・ 材料和零件的準備在 LT 配置時間內完成。
它被算作安排時間（設置）。
・ 手頭的廢物；不動
・ 庫存是基於庫存天數的適當庫存量。
是量化的。
⑦ 利用系統
庫存管理系統介紹
如果可以保持適當的庫存，最好引入庫存管理系統。
庫存管理系統可以管理庫存信息，例如從庫存到達到發貨的位置信息、收貨/發貨的日期和時間以及到期日期。此外，可以利用庫存收貨/發貨信息進行庫存分析，確保適當數量的庫存。
當庫存種類多、庫存種類多時，庫存管理系統確保適當的庫存，提高工作效率。
使用得心應手
庫存管理的基礎是確保存儲場所並按照“組織、整理、清潔和清潔”適當地管理庫存。
明確庫存、位置和狀態。
對倉儲地點的“貨架/行/台”進行編號，確定倉儲地點，並在賬簿中記錄從倉儲地點的入庫/發貨。在實際操作的情況下，會出現“該放的地方沒有物品”、“實際數量與賬本數據不符”等問題。
（問題原因）
• 現場無法準確記錄產品類型和編號。
• 倉儲/交貨管理中出現輸入遺漏或錯誤
• 我無法取出或移動存儲位置。
• 貨物管理不善，損壞或丟失
以上很多是管理系統、組織問題和人為錯誤。
在庫存管理中，重要的是在貨物移動時將單據作為一組移動並輸入到賬簿數據中，但在繁忙的現場很難完美執行。
尤其是在數量少、種類多的當今時代，人工輸入既費時費力，又增加了輸入遺漏和錯誤的風險。
使用帶有條形碼或二維碼的手持終端等的庫存管理系統是有效的。
讀取物品或位置（貨架、行、列）的條形碼，輸入數量等信息，並進行登記。如果無法進行位置管理，請發出條形碼並將其粘貼到貨架上。如果您可以登記所有物品和位置，您只需在進出商店或搬家時掃描條形碼即可準確管理實際物品。
AI（人工智能）的利用
AI（人工智能）在需求預測和庫存管理領域也非常有用。
例如，如果便利店等各個地方的店鋪數量眾多，就很容易理解。
人工智能通過整合商店位置、天氣和附近舉辦的活動等因素來預測每家商店要購買的產品數量。
預計這可以最大限度地減少浪費的庫存和必須丟棄的產品。