Deze optimalisatie was reeds in de beginjaren van de 20ste eeuw een onderwerp wanneer massaproductie ervoor zorgde dat hoge hoeveelheden konden geproduceerd worden. Echter waren hoge hoeveelheden eindproducten in het magazijn natuurlijk niet gratis, maar waren omstelkosten ook enorm duur waardoor men de machine niet na elke product kon omstellen.

De Amerikaanse productie ingenieur Ford Whitman Harris ontwikkelde hiervoor een wiskundig model dat deze kosten in acht nam en de optimale productiehoeveelheid bepaalde. Dit model werd later gepopulariseerd door Robert Wilson in de jaren 1930 en staat nu bekend onder namen als “de formule van Camp” of “EOQ” (Economic Order Quantity). Maar ook na de tweede wereldoorlog werd er vlijtig gezocht naar methodieken om de seriegrootte te optimaliseren, waardoor er nu een waaier aan mogelijkheden is. Als we de theorie met de praktijk willen verbinden, kiezen we resoluut best voor de EOQ. Maar waarom?

Waarom EOQ?

Hoewel de EOQ de meest bekende methode is om wetenschappelijk een optimale seriegrootte te bepalen, zijn er nog enkele anderen die in theorie een veel betere uitkomst geven vanaf het moment dat de klantvraag variabel wordt. In de praktijk komt het zelden voor dat de klantvraag elke periode hetzelfde is, wat de EOQ al minder optimaal maakt dan sommige andere technieken. Maar alle technieken hebben allemaal een bijkomende, vaak onwerkelijke aanname. Namelijk dat de vraag per periode bekend of met een mooier woord “deterministisch” is. De vraag komt dus kijken waarom we überhaupt één van de technieken zouden gebruiken. We lichten toe.

De eerste reden is vrij eenvoudig: beter iets doen, dan niets doen. Vergelijk het met een schietschijf, waarbij de optimale bestelhoeveelheid de roos voorstelt. Door bepaalde foutieve aannames en beperkingen in de praktijk zullen we hiervan moeten afwijken. Echter, als we ervan mogen uitgaan dat we een redelijke forecast kunnen bieden, alsook een goede schatting kunnen maken van onze bestel- en voorraadkosten, dan zullen we in ieder geval in de buurt blijven van die optimale bestelhoeveelheid. De vraag is dan; waarom de EOQ gebruiken in de praktijk?

Eerst en vooral lijkt de aanname, “een gelijke vraag per periode”, een nadeel. Echter, met een forecast doen we net hetzelfde: we bepalen een gemiddelde vraag die (in geval van een stationair patroon) gelijk is voor elke periode vooruit. Omdat we de onzekerheid opvangen met de veiligheidsvoorraad, past de EOQ perfect in onze bestelstrategie. Zeker omdat we ook vanuit ketenperspectief een goede zaak doen door het bestelproces naar de leverancier of productie toe constant te houden.

Hiernaast is de EOQ zeer makkelijk te interpreteren: stijgen de voorraadkosten, gaan we minder per keer bestellen. Dalen de bestelkosten, dan willen we wat meer bestellen. Ook het feit dat deze simpele afweging samengevat kan worden in één mooie formule, maakt het implementeren ervan een stuk eenvoudiger.

Een bijkomend voordeel van de EOQ is dat het eenvoudig aan te passen is bij praktische scenario’s als ruimtebeperkingen, productiebeperkingen, multi-echelon structuren, financiële beperkingen, hoeveelheidskortingen, trend- en seizoenpatronen, relatie met andere producten, houdbaarheid, etc.

Een laatste, groot voordeel van de EOQ is dat wijzigingen in de variabelen of in de EOQ zelf weinig effect hebben op het totale kostenplaatje. Dit maakt dat we de EOQ kunnen aanpassen aan logistieke hoeveelheden (e.g. pallets, dozen, …) en de onzekerheid over de variabelen (de jaarvoorspelling en de kosten) weinig effect hebben op de uitkomst.

Implementatie-voorwaarden

Al deze voordelen wil natuurlijk niet betekenen dat we alle theoretische aannames van de EOQ mogen negeren. Zo blijft het belangrijk om een goede inschatting te maken van onze voorraad- en bestelkosten op artikelniveau. Hier zijn pragmatische benaderingen voor die niet heel veel tijd moeten kosten.

Ook mag de vraag per periode niet te zeer verschillen. Een goede maatstaaf hiervoor is om de standaardafwijking van de vraag te delen door de gemiddelde vraag (de variatiecoëfficiënt). Als deze verhouding niet hoger is als 1, mag de EOQ gebruikt worden. En indien niet? Dan wordt het mathematisch een stuk moeilijker om de optimale bestelhoeveelheid te bepalen of moet je de vraag bekend kunnen maken. Als dit laatste niet kan en dit artikel ook nog een “C-artikel” blijkt te zijn, dan is het nog maar de vraag of we dit artikel wel uit voorraad wíllen leveren. Dit kan ons wel eens heel veel geld gaan kosten!

Daarnaast is het belangrijk dat, indien deze er zijn, data omtrent praktische beperkingen voorhanden zijn op artikelniveau.

Maar niet alleen theoretische aannames zijn er om rekening mee te houden, ook praktische aannames maken het uitdagend om de EOQ te implementeren. Zo moet de leverancier of eigen productie de impact kennen van de EOQ op zijn productie- of uitleverproces. Daarnaast moet de EOQ dynamisch zijn, maar niet “nerveus”. Hiermee duiden we erop dat de EOQ niet constant moet aangepast worden.

Wanneer wel? Enkel wanneer één van de variabelen significant wijzigt. Kijk hiernaast wat de opbrengst is. In de meeste gevallen is deze significant, maar maak steeds de oefening of het de moeite waard is om het bestelproces grondig te veranderen. Laat ook de juiste mensen ermee aan de slag gaan. Het commitment moet van het management komen en de implementatie van een expert. Meet vooral ook de menselijke- en voorraadgevolgen, zodat bijgestuurd kan worden waar nodig. Als laatste is het best om gefaseerd te implementeren, waarbij je begint bij de “A-artikelen”, waar de winst ook het hoogst is en het snelst behaald wordt.

Een voorbeeld

Een groothandel in bouwmaterialen koopt bepaalde koppelingen in aan 20 euro het stuk. Een bestelling plaatsen naar de leverancier, het laten leveren en ontvangen kost de organisatie 30 euro. Als we het artikel een jaar op voorraad zouden leggen en slechts eenmalig bestellen, dan zou dit ons 30% van de inkoopprijs extra kosten. De jaarvraag is 1.000 stuks.

De EOQ is vervolgens 100 stuks. Dit wilt zeggen dat we 10 keer per jaar zouden bestellen en de voorraad een dikke maand van de klantvraag overbrugt. Zouden we de inkoopprijs van het artikel verhogen naar 50 euro, wordt de EOQ 63 stuks. Behouden we de inkoopprijs en verhogen we de bestelkost naar 50 euro, dan wordt de EOQ om en bij de 130 stuks. De EOQ past zich dus aan zoals wij intuïtief zelf zouden reageren en is daarom makkelijker om te vertrouwen. Bijkomend, als de afgesproken seriegrootte met de leverancier niet 100, maar 200 is, dan is de besparing op de logistieke kosten reeds 20%. Als we weten dat voor een assortiment van een aantal duizenden SKU’s over de miljoenen euro’s in logistieke kosten steekt, dan kan de besparing zeer snel oplopen.

Belangrijke kanttekening

Het toepassen van de EOQ in de praktijk heeft reeds resultaten opgeleverd waarbij de totale logistieke kosten op jaarbasis tot 50% daalden. Als we gaan kijken naar andere technieken, zijn er enkele die nog beduidend beter presteren dan de EOQ, als de vraag per periode variabel, maar perfect voorspelbaar is en zonder andere beperkingen. Bij seriegroottes is het de kunst om te werken naar zo min mogelijk praktische beperkingen, het voorspelbaar maken van de vraag en de kosten zo goed mogelijk te bepalen én te verlagen. Op die manier is er een enorme winstgevendheid te behalen.

(Bovenstaande bijdrage kwam tot stand in samenwerking met Slimstock Belgium).

Meer info: 015/79.65.36 of www.slimstock.be.