与业内许多其他公司一样，该合作公司也依赖相同的传统库存天数来为原材料类别中的所有 SKU 设定库存目标。这种一刀切的订购策略无法识别 SKU 之间正需求概率和需求变化的内在差异。最终，这导致公司不得不通过加快订单或内部运送材料来满足需求（并产生更大的成本）。研究人员试图找到一种更好的方法来管理此类别中的 SKU 库存。
可预测性的力量
SKU 分为 A、B 和 C 类，这是业内许多公司的标准做法。研究人员探索了以不同的方式对 SKU 进行细分，即根据需求表现与预期预测进行细分。这四个可预测性组（“平稳”、“不稳定”、“间歇性”和“不均匀”）基于需求变化系数和正需求概率。研究人员表明，通过基于可预测性概览 SKU 分布，SKU 需求模式和预测偏差将变得更加明显，并且可以更积极、更有效地管理安全库存。
此外，该团队还进行了模拟，以了解在传统安全库存计算中，如果用预测 捷克电子邮件列表 误差的标准差代替客户需求的标准差，对库存和服务水平的影响。模拟结果显示，使用预测误差标准差的安全库存策略在库存水平相同的情况下，服务水平提高了 2.5%。此外，与实际库存相比，通过大幅减少“平稳”可预测性 SKU 的安全库存，显然可以节省成本。通过模拟，研究人员证明，“平稳”SKU 库存的潜在减少 28% 预计不会影响服务水平。
数据是成功的关键
从分析中可以清楚地看出，可预测性是细分 SKU 和有效管理库存水平的强大工具。然而，众所周知，错误可能是由垃圾进垃圾出因素造成的。因此，在应用此分析框架之前，请确保您对需求和预测数据有信心。
每年，麻省理工学院运输与物流中心 (MIT CTL) 的供应链管理 (SCM) 硕士课程约有 80 名学生完成大约 45 个为期一年的研究项目。这些学生是来自多个国家的早期职业商业人士，拥有 2 至 10 年的行业经验。大多数研究项目都是由跨国公司选择、赞助和合作开展的。由麻省理工学院 SCM 学生和麻省理工学院 CTL 教员组成的联合团队致力于解决实际问题。在本系列中，我们总结了最新的 SCM 研究。