Tuotekohtaisten varastotasojen optimointi elintarviketeollisuudessa

Abstract

Varastonhallinnalla on keskeinen rooli yrityksen kannattavuuteen, varastoinnin viedessä resursseja ja sitoessa pääomaa. Keskeiset parametrit varastotasojen mitoittamiseen muodostuvat kierto- ja varmuusvarastotasojen määristä sekä asiakaspalvelun tason tavoitteista. Varastotasoja optimoimalla voidaan minimoida varastoinnin kustannuksia huomioiden samalla asetetut asiakaspalvelun tavoitteet. Työn tavoitteena oli tarkastella tuotekohtaisten varastotasojen optimointia elintarviketeollisuudessa laskennallisten mallien kautta.

Tutkimuksessa perehdyttiin teorian kautta varastointiin, varaston laskennallisten komponenttien määrittelyyn ja nimikkeiden luokitteluun osana varastonhallintaa. Tutkimuksen empiirisessä osiossa keskityttiin kohdeyrityksen lopputuotteiden varastonhallintaan tuotannonohjauksen näkökulmasta ja analysoitiin tarkasteltavaa nimikkeistöä ABC- ja XYZ-analyysien pohjalta. Nykytilanteen analyysin jälkeen edettiin laskentamallin rakentamiseen, jonka tavoitteena oli muodostaa laskentamalli varastotasojen optimoimiseksi. Laskentamallin kautta voidaan määrittää optimaaliset varastotasot tuotekohtaisesti, huomioiden laskennassa erilaisia kysyntään ja tuotantoon liittyviä vaihtelukomponentteja, valmistusrytmiä sekä asiakaspalvelun tavoitteita.

Nykytilanteen analyysin sekä laskentamallin kautta laskettiin tuotekohtaisesti optimaaliset varastotasot, joita vertailtiin toteumaan. Kokonaiskuvassa varastotasoissa oli optimointipotentiaalia, vaikka joidenkin nimikeluokkien kohdalla varastotasot nousivat laskentamallilla laskettuna toteumaan verrattuna. Selkein optimointipotentiaali havaittiin tasaisimman ja suurimman kysynnän omaavilla tuotteilla. Tuotelinjakohtaisesti oli myös havaittavissa eri vaihtelukomponentteja vaikuttamassa varastotasojen mitoittamiseen. Laskentamallin kautta on mahdollista optimoida varastotasoja, joskin laskennassa on otettava huomioon laskentamalliin liittyvät rajoitteet sekä käytettävän laskentadatan määrittely ja tarkkuus.

Inventory management plays a key role in companies’ profitability as inventory occupy resources and ties up the capital. The key parameters for dimensioning inventory levels consist of cycle and safety stock levels and the targets for the customer service. Optimization of the inventory levels can minimize the costs of stock keeping considering also the target levels for customer service. The aim of the thesis is to consider possibilities of product-specific inventory level optimization with computational models in the field of food industry.

The present study investigated inventories, computational components of inventories and the classification of items as part of inventory management through theory. In the empirical part of the study the case company’s inventory management was studied through the production management’s view and the considered items were analyzed through the ABC-XYZ-analysis. After the analysis of the current situation, the study continued to the building of computational model for the inventory optimization. With the model, the optimal product-specific inventory levels considering different product-specific components of variation regarding to demand and production, production cycles and customer service goals can be calculated.

Through the analysis of the current situation and the computational model, the optimal inventory levels were calculated for each product which were compared to the actual inventory levels. Overall, there was potential for optimization of stock levels, although for some item categories the stock levels increased when calculated by the model, compared to the actual levels. The clearest optimization potential was observed with the items with the most stable and the highest demand. Depending on the product category, it was also possible to see different variation components influencing the sizing of stock levels. Through the computational model, it is possible to optimize inventory levels, although the calculation must consider the limitations related to the model and the definition and accuracy of the input data.