Wat is stochastisch voorraadbeheer?

Voorraadbeheer is de wereld van cijfertjes en wiskunde. Gelukkig doet de software heel veel en hebben logistieke medewerkers er een goede vriend aan. Eerder hadden we het al over verschillende methoden om de marktvraag te voorspellen, vaak gebaseerd op historische cijfers. Zo’n aanpak zal echter niet altijd werken. Bij een nieuw product zijn er bijvoorbeeld geen cijfers en dan moet je de marktvraag schatten. En bij een veiligheidsvoorraad moet je een bepaald risico op een onverwachte gebeurtenis dekken. Ook dat is een vorm van schatten en kansberekening. In zo’n geval gebruiken we geen deterministisch model maar een stochastisch model. Hieronder leggen we het verschil uit.

Deterministisch voorraadbeheer

Meestal is voorraadbeheer een deterministisch proces. Dat wil zeggen dat er telkens een causaal verband is tussen de beginvoorwaarden en de uitkomst. Het vertrekt dan bijvoorbeeld van historische cijfers en kleeft daar een eenvoudige formule aan vast. Dat is bijvoorbeeld ook wat we in onze eerdere blog deden toen we de voorspelde afzet bepaalden op basis van gewogen waarden. Als y gelijk is aan het kwadraat van x, dan is y gelijk aan 9 als x gelijk is aan 3. En als we vorig jaar in juni 1.000 barbecues verkochten toen het 28 °C was, zullen we dat dit jaar wel gewoon weer opnieuw doen. Perfect te voorspellen, dus.

Zo’n deterministisch proces werkt perfect bij goederen waarbij de marktvraag in principe te voorspellen is. Dat is bijvoorbeeld het geval voor toiletpapier: de nood naar toiletpapier zal niet ineens toenemen en dus is het mogelijk om voorraden vrij deterministisch aan te leggen. Het is die zelfzekerheid die er tijdens de coronacrisis, toen vanuit een vlaag van verontrusting wereldwijd de vraag naar toiletpapier spectaculair toenam, voor zorgde dat leveranciers onvoldoende toiletpapier in stock hadden. Jarenlang viel de vraag perfect deterministisch te voorspellen en werd er geen rekening gehouden met een toevalsfactor.

Stochastisch voorraadbeheer

Bij een stochastisch proces is er geen volledig causaal verband omdat er net wel rekening wordt gehouden met de toevalsfactor. Je kan het vergelijken met een pot knikkers. In de pot zitten 12 knikkers, waarvan 9 zwarte en 3 witte. Nu moet je drie knikkers trekken zonder ze terug te mogen leggen. Het aantal witte knikkers dat je trekt, is de stochast X. Deze stochast kan dus 0, 1, 2 of 3 zijn. Welke waarde het wordt, is enkel en alleen afhankelijk van het toeval en van kansverdelingen. En afhankelijk van die waarde is de uitkomst anders.

Het voordeel van dergelijke stochastische modellen is dan ook dat ze niet alleen rekening houden met het verleden en het heden, zoals dat bij deterministisch voorraadbeheer het geval is, maar ook met onzekere gebeurtenissen in de toekomst. Bij stochastisch voorraadbeheer worden dan ook verschillende variabelen meegenomen. Hieronder twee voorbeelden

Stochastisch voorspellen van de marktvraag

Denk bijvoorbeeld aan een verkoper van zwembaden. Hij weet niet hoe warm het volgende maand wordt, terwijl het weer toch een bepalende factor is voor de verkoop en dus ook voor de aan te leggen voorraad. Hij zou kunnen kijken naar cijfers van vorig jaar, maar als het dit jaar zonniger is of net bewolkter dan zijn die cijfers waardeloos. Daarom moet hij rekening houden met een toevalsfactor en met kansberekening.

Stochastisch voorraadbeheer en aanleggen van een veiligheidsvoorraad

Bij het berekenen van de veiligheidsvoorraad moeten we rekening houden met de kans dat een machine stuk gaat of dat er een oorlog uitbreekt in het land van een producent. Het zijn net dergelijke onvoorspelbare gebeurtenissen die ons aanzetten tot het aanleggen van een veiligheidsvoorraad en het hoeft dan ook niet te verbazen dat we ook hier rekening moeten houden met toeval- en kansberekening.