Checklista med 11 punkter för hantering av lager av färskvaror

Dagens konsumenter har mer att göra och är mer hälsomedvetna. De vill ha leveranser av färska livsmedel, måltidspaket och till och med temperaturkänsliga produkter som läkemedel.

Flera trender inom detaljhandeln gör det svårt för distributörer att hantera lager av färskvaror på ett lönsamt sätt:

• Segmenten för färska produkter, t.ex. grönsaker, ägg, kylt kött och fjäderfä samt nytillagad mat, har vuxit mycket snabbare än frysta livsmedel.
• 70 procent av konsumenterna kommer att handla matvaror på nätet inom de närmaste 5-7 åren.
• E-handelsjättarna fortsätter att förkorta leveranstiden för lättfördärvliga varor
• Kylförvaring är inte billigt: det kan vara upp till två gånger dyrare att bygga en kylanläggning än ett konventionellt lager.

Den ekonomiska volatiliteten är enorm.

Hemligheten med att övervinna tidsförfall och produktbrist i samband med hantering av färskvarulager är att analysera dina återanskaffningscykler och tidtabeller på ett mycket djupare sätt.

Avancerade verktyg för optimering av lager finns tillgängliga för att på ett lönsamt sätt fylla på ditt lager av färskvaror och hjälpa till att standardisera din beställning av färskvaror för maximal effektivitet, intäkter och lönsamhet. Dessa prognossystem gör det möjligt för inköpare att enkelt fylla på lagret av färskvaror flera gånger i veckan, snabbt anpassa sig till nya trender, planera för säsongsvariationer, exakt beräkna säkerhetslager, anpassa sig till varierande ledtider, hantera produktdatering och visualisera uppgifter om utgångsdatum, förstå kostnadsbegränsningar och mycket mer.

Är du spänd eller vad? Vi trodde det. Men innan du börjar leta efter den bästa lösningen för hantering av färskvarulager får du här våra 11 funktioner som du måste ha och varför du behöver dem:

1: Klassificering av efterfrågan

Om du vill ha bästa möjliga förutsägelse av framtida efterfrågan måste du klassificera efterfrågan på rätt sätt. Tekniken för klassificering av efterfrågan analyserar dina SKU:er och placerar dem i rätt klassificering - t.ex. kontinuerliga säljare, säsongsbetonade, intermittenta, klumpiga, långsamt rörliga osv. - med hjälp av efterfrågeattribut som volym och volatilitet. Dina användare kan sedan utnyttja dessa när de väljer prognosmodeller och skapar säsongsanpassning av prognoser.

2: Prognos för färska produkter

Se till att din lösning för hantering av beställningar av färskvaror erbjuder flera sofistikerade prognosmodeller. Eftersom kortsiktiga trender kommer och går snabbt i försäljningen av färskvaror är det ibland bäst att använda en prognosmodell som har en efterfrågehistorik som köparen kan styra per SKU. Den här funktionen för prognoser för färska produkter gör det superenkelt att ändra komponenten för efterfrågehistorik och göra en ny prognos vid behov, i farten.

3: Profiler för den dagliga efterfrågan

Vissa produkter (särskilt produkter och protein) har en efterfrågan som är cyklisk under veckan. Med dagliga efterfrågeprofiler kan du beskriva hur efterfrågecykeln för dessa produkter kommer att se ut (t.ex. högsta och lägsta dag i veckan osv.), så att systemet kan fördela lagret mer exakt under veckan. För dig innebär detta ökad omsättning, mycket mindre spill och bättre service till dina kunder.

4: Avancerad säsongsmässighet

Många planeringslösningar hävdar att de "klarar" av säsongsanpassning. Se till att när de säger att det är "avancerat" så är det verkligen så. Hur vet du det?

Branschledande lösningar för planering av säsongsanpassning av prognoser kan identifiera säsongsrelaterade efterfrågemönster från år till år, tillämpa analys av god överensstämmelse och mönstermatchning samt testning av prognosens noggrannhet. Detta säkerställer att alla säsongsanpassningar som du gör faktiskt förbättrar prognosen.

5: Optimering av säkerhetslager

Säkerhetslagret i avancerade system för hantering av beställningar av färskvaror beräknas automatiskt för varje artikel, på varje plats. Med hjälp av ett verktyg för analys av servicekostnader kan du simulera kostnaderna för säkerhetslagret för alla dina SKU:er med hjälp av olika kriterier och mätvärden.

Utan optimering av säkerhetslagret för lättfördärvliga varor blir beräkningarna av buffertlagret snedvridna. Det beror på att de endast baseras på behov på servicenivå... vilket leder till att dagarna i lager är för höga... vilket leder till att produkten förstörs. [Här finns en användbar artikel om vad som orsakar säkerhetslager och hur man kan minska lagernivåerna].

Du kan fastställa säkerhetslager genom att jämföra inte bara servicenivån utan också:

• Efterfrågan och variationer i efterfrågan,
• Ledtid och ledtidsvariationer,
• Ordercykel (tiden mellan orderna), och
• Beställningsstorlek (convenience pack, master pack, etc.)
• Dessutom bör dina köpare ha enkel tillgång till manuella minimi-/maximumshanteringar av säkerhetslager per SKU.

6: Dynamisk beställningscykel

Genom att köpa färskvaror oftare - vanligtvis flera gånger i veckan - ökar omsättningen samtidigt som man uppnår optimalt höga fyllnadsgrader med ett minimalt lager, vilket minskar risken för att varor förstörs. Det är väl det bästa för dagens inköpare? Problemet är att de flesta system kräver att köparen väljer ordercykeln med hjälp av:

• Lägsta dag mellan beställningarna för att minimera lagret,
• Det längsta antalet dagar mellan beställningarna för att skydda tjänsten, eller
• Ett genomsnitt av dagarna mellan beställningarna i syfte att optimera både lager och service.

Låt oss säga att en leverantör ska beställas på tisdagar och torsdagar. Det är två dagar mellan dem, så du väljer "2 dagar" som beställningscykel. Det är 5 dagar mellan torsdag och följande tisdag. Här är problemet:

Med Dynamic Order Cycle kan du identifiera ordercyklerna korrekt som 2 dagar och 5 dagar. Systemet hanterar automatiskt ojämna beställningar genom att justera varje dags beställningscykel så att den täcker antalet dagar fram till nästa planerade beställning.

När den används tillsammans med Lead Time Day of Week kan en inköpare automatiskt hantera ett ojämnt mottagningsmönster genom att justera varje dags ordercykel för att täcka antalet dagar mellan mottagningarna.

7: Ledtid Dag i veckan

En naturlig del av flera beställningar och mottagningar per vecka är behovet av att automatiskt anpassa sig till olika ledtider per beställning. Särskilt på dagens internationella handelsarena där ledtiderna kan vara en gissning för vem som helst. Se till att din lösning för hantering av färskvaruorder tillhandahåller Lead Time Day-of-Week på SKU-nivå, som kan synkroniseras med flera ordercykler inom varje vecka.

8: Varning för planerad beställningscykel

Hos vissa leverantörer har du kanske inte möjlighet att använda den ekonomiskt mest optimala ordercykeln - kanske av förhandlingsskäl eller för att tillgodose logistiken i anläggningen. En köpare kan behöva använda en schemalagd beställningscykel, t.ex. regeln att en viss leverantörsbeställning måste ske på måndagar och torsdagar.

Varningar för schemalagd beställningscykel ger köparen en uppmaning den dag då leverantören ska köpas in. De talar också om om leverantören har uppnått ett servicenivåbehov, men om det "begärda" inköpsdatumet inte har uppnåtts. Detta är en viktig skillnad mellan olika system för hantering av beställningar av färskvaror på marknaden - och är en viktig strategi för att se till att du kan uppfylla dina kunders förväntningar på service.

9: Begränsningar av hållbarhetstiden

Att produkten är daterad är oerhört viktigt för inköpare av mejeriprodukter, produkter och protein. Med kontrolltider för hållbarhetstiden kan du köpa in kvantiteter så att du kan kontrollera hur många dagar produkten får vara i lager (på DC eller i butiken), samtidigt som konsumenten kan få den nödvändiga dateringen/dagarna på produkten.

Om du spårar koder för produktens utgångsdatum i ditt värdsystem bör ditt system för hantering av beställningar av färskvaror integreras sömlöst med ditt system för att visa den informationen tydligt på SKU-orderdetaljen.

10: Kostnadskontroll på artikelnivå

Kostnadskontroll på artikelnivå är en funktion som gör det möjligt för lösningen att förstå specifika kostnadsbegränsningar som är förknippade med att bära eller köpa en artikel. För lättfördärvliga varor har vanligtvis en högre transportkostnad på grund av risken för att de förstörs. Genom att öka kostnaden på artikelnivå förstår ditt system för hantering av färskvaror ännu tydligare att det är dyrt att ha för mycket lager (dvs. kostnader för fördärv) och att det därför inte är lönsamt.

11: Logik för utlämning före leverans

Slutligen bör varje system för hantering av beställningar av färskvaror ta hänsyn till eventuella lagerbrister för varor som redan har beställts men som är i behov. Så "beställningskvantitet" plus föreslagen beställningskvantitet/förfallet för servicebehov.

Beräkningen ser ut så här: antal dagar i lager jämfört med artikelns ledtid. Detta gör det möjligt för köparen att se eventuella lagerbrister under de kommande dagarna eller veckorna och ger dem möjlighet att byta mellan leverantörer (eller flytta mellan DC:s eller butiker).

Dagar i lager påverkas direkt av en varas hållbarhet... Så även leverantörer med kort ledtid kan få sina linjer i ett potentiellt läge med slut på lager utan funktionen Out-Before-Delivery Logic.

Vi hoppas att denna checklista har varit användbar.

Läs mer om lösningar för hantering av beställningar av färskvaror för distribution av livsmedelstjänster

Har du frågor? Kontakta oss eller kolla in de här resurserna för optimering av inventarier: