XYZ-klassificering af varer

XYZ-klassificering hjælper med at vælge den rette planlægningsmetode

Et godt forecast starter ikke nødvendigvis med en bedre statistisk model. Det starter med at forstå, hvilke varer der egner sig til forecast, og hvilke der kræver en anden tilgang. Med XYZ-klassificering i Axcite Product Lifecycle Management får I et databaseret værktøj, der analyserer variationen i varernes historiske aftræk og klassificerer dem efter deres volatilitet.

Et dårligt forecast skyldes ikke altid den statistiske model

Nogle gange er problemet, at varen aldrig burde have været inkluderet i det statistiske forecast.

En vare med stabilt aftræk kan være velegnet til statistisk forecasting, mens en projektvare eller en vare med få, store og uregelmæssige salg ofte kræver en anden tilgang.

Med XYZ-klassificering i Axcite Product Lifecycle Management analyserer systemet variationen i varernes historiske aftræk og klassificerer dem efter deres volatilitet:

X-varer: Stabilt og relativt forudsigeligt aftræk
Y-varer: Større variation i aftrækket
Z-varer: Uregelmæssigt og vanskeligt forudsigeligt aftræk

Når du ved, hvilke varer der har et stabilt aftræk, bliver det lettere at vurdere, hvor meget du forventer at sælge og dermed købe hjem. X-varerne kræver typisk mindre manuel opfølgning, fordi efterspørgslen er mere forudsigelig.

Omvendt kræver varer med stor variation eller uregelmæssigt aftræk ofte mere opmærksomhed fra indkøberen.

Klassificeringen giver et bedre beslutningsgrundlag

Klassificeringen bygger på forholdet mellem varens standardafvigelse og dens gennemsnitlige aftræk. Det gør det muligt at sammenligne volatiliteten på tværs af varer med forskellige afsætningsniveauer.

Når du skal vælge den rette planlægningsmetode, giver klassificeringen et bedre grundlag:

• Statistisk forecast
• Min/max-styring
• Manuelt forecast
• Ordre/behov drevet planlægning

XYZ-klassificeringen træffer ikke beslutningen for dig. Faktorer som leveringstid, kostpris og hvor kritisk varen er for produktion eller salg bør også indgå i den samlede vurdering.

Det er netop kombinationen af varens stamdata, såsom leveringstid og pris, og den valgte planlægningsmetode, der giver den bedste løsning

Eksempelvis kan en virksomhed vurdere, at det på nogle Z-varer giver mening at skifte leverandør for at opnå en kortere leveringstid og dermed styre disponeringen mere behovsdrevet.

På andre Z-varer kan vareomkostningen være så lav, at et min/max-lager er den mest hensigtsmæssige løsning, fordi det reducerer de behandlingsomkostninger ved varen.

Men før virksomheden kan beslutte, hvordan varerne skal håndteres, skal de identificeres. Her er XYZ-klassificering et stærkt databaseret værktøj, som kan indgå som en vigtig del af beslutningsgrundlaget.