Voorraadoptimalisatie met herbevoorradingstriggers: minder nee-verkoop, minder overstock

Inkopen in de woon- en tuinbranche is vakwerk. Levertijden zijn lang, zeker bij producten uit Azië. Minimale afnames zijn hoog. En de vraag hangt af van iets wat niemand kan plannen: het weer. Een goede inkoper combineert ervaring met cijfers. Het probleem is dat die cijfers vaak te laat komen.

Waar het misgaat in het seizoen

In veel webshops ziet de inkoopcyclus er zo uit. Eens per week wordt een export gemaakt uit het WMS of de webshop. Die gaat naar Excel. De inkoper vergelijkt de voorraad met een minimumwaarde en bestelt bij waar het nodig lijkt. Dat kost een halve dag en het beeld is op het moment van bestellen al een paar dagen oud.

In een rustige periode gaat dat goed. In het seizoen niet. Een artikel dat maandag nog ruim op voorraad was, kan vrijdag uitverkocht zijn. Omgekeerd blijven artikelen die slechter lopen dan verwacht op de bestellijst staan, omdat hun minimumwaarde niet is aangepast.

Niet elke misser is een telprobleem. Een leverancier die twee weken later levert of een warme week die de vraag verdubbelt, overkomt elke inkoper. Een dagelijks signaal voorkomt dat niet. Het zorgt er wel voor dat je het eerder ziet en tijd overhoudt om bij te sturen: een spoedorder, een alternatief product of een aangepaste levertijd op de website.

Voor de directie vertaalt dit zich in gemiste omzet, werkkapitaal dat vastzit in de verkeerde voorraad en een magazijn dat voller staat dan nodig.

Hoe werkt een herbevoorradingstrigger?

Een herbevoorradingstrigger is een automatische controle die per artikel berekent wanneer de beschikbare voorraad naar verwachting op is. Valt die datum binnen de levertijd van de leverancier plus een veiligheidsmarge, dan ontstaat een inkoopsignaal.

Beschikbare voorraad is meer dan wat er op de plank ligt. De berekening rekent met drie getallen:

• Vrije voorraad. Wat er ligt, min wat al is gereserveerd voor openstaande klantorders.
• Onderweg zijnde voorraad. Inkooporders die al zijn geplaatst, met hun verwachte leverdatum.
• Minimumafname. De kleinste hoeveelheid of verpakkingseenheid die de leverancier levert.

Een voorbeeld. Van een tuinset liggen 60 stuks in het magazijn, waarvan 12 al zijn verkocht maar nog niet verzonden. De vrije voorraad is dus 48. Over 10 dagen komt een eerder geplaatste inkooporder van 40 stuks binnen. Samen is dat 88 stuks. Bij een verkoop van gemiddeld 4 per dag is dat genoeg voor 22 dagen. Een nieuwe bestelling heeft een levertijd van 21 dagen plus een veiligheidsmarge van 5 dagen: 26 dagen, langer dan de 22 dagen die de voorraad meegaat. De trigger geeft dus vandaag een signaal, en het voorstel wordt afgerond op de minimumafname van de leverancier.

Tel je de openstaande inkooporder niet mee, dan komt het signaal te vroeg en wordt de bestelling te groot. Vergeet je de reserveringen, dan komt het te laat. Verschuift de leverdatum van een openstaande inkooporder, dan rekent de trigger direct opnieuw. En anders dan een vast bestelpunt beweegt de trigger mee met de verkoopsnelheid: loopt een artikel harder, dan komt het signaal eerder.

Seizoenen voorspellen zonder glazen bol

Een gewoon gemiddelde werkt niet voor een tuinset. In januari verkoop je er bijna niets en in mei tientallen per dag. Daarom rekent de Flow met een voortschrijdend gemiddelde over de afgelopen weken en corrigeert dat met een seizoensfactor op basis van de verkoop in dezelfde periode van vorige jaren.

Zo ziet het model in maart al aankomen dat de vraag gaat stijgen, ook al zijn de verkopen van de afgelopen weken nog laag. En in augustus remt het af voordat de voorraad voor het najaar te groot wordt.

Houd daarbij ook rekening met retouren. Een artikel dat veel terugkomt, lijkt beter te verkopen dan het doet. Vaste retourredenen, zoals beschreven in ons artikel over retourverwerking, maken het mogelijk om die vertekening te corrigeren.

Eerst terugtesten, dan vertrouwen

Een voortschrijdend gemiddelde met seizoenscorrectie is begrijpelijk, maar daarmee nog niet vanzelf betrouwbaar. Test het model daarom eerst tegen de pieken van de afgelopen seizoenen: wat had het voorgesteld en wat is er echt verkocht? Zo zie je per artikelgroep hoe groot de afwijking is.

Die afwijking komt terug in elk voorstel, als bandbreedte in plaats van één getal. Bijvoorbeeld: verwachte vraag in de komende zes weken 90 tot 130 stuks. Een smalle bandbreedte betekent dat het model dit artikel goed kent. Een brede bandbreedte vraagt om het oordeel van de inkoper. Nieuwe producten zonder historie kun je niet terugtesten. Die krijgen een handmatige inschatting tot er genoeg verkoopdata is.

Van signaal tot inkooporder

De Flow Voorraadoptimalisatie en herbevoorrading loopt in vijf stappen:

• Dagelijkse check. Elke nacht worden verkoop, vrije voorraad, openstaande inkooporders en reserveringen opgehaald uit WMS, webshop en AFAS.
• Verwachte uitputting. Per artikel wordt de uitputtingsdatum berekend, met seizoenscorrectie en bandbreedte.
• Inkoopvoorstel in AFAS. Er staat een voorstel klaar met hoeveelheid, afgerond op de minimumafname, en gewenste leverdatum.
• Akkoord inkoper. De inkoper beoordeelt het voorstel, past het aan waar nodig en geeft akkoord.
• Inkooporder. Na akkoord gaat de inkooporder naar de leverancier, via het leveranciersportaal of per e-mail.

De inkoper blijft dus aan het stuur. De Flow neemt het tellen, rekenen en overtypen over. Wat overblijft is het werk waar een inkoper het meest waardevol is: beoordelen, onderhandelen en vooruitkijken. Werk je al met AFAS, dan sluiten bestaande flows zoals Inkooporders ontvangen en Automatisch aanmaken ontvangsten hier direct op aan.

Hoe de inkoper bijstuurt

Een voorstel is een startpunt, geen opdracht. De inkoper kan de hoeveelheid of de leverdatum aanpassen, een voorstel afwijzen of een uitzondering toevoegen, zoals een actie, een nieuw product of een bekende vertraging bij een leverancier. Bij elke aanpassing legt de inkoper kort de reden vast.

Die redenen zijn waardevol. Elke week zet de Flow drie getallen naast elkaar: wat het model voorstelde, wat de inkoper bestelde en wat er daarna echt is verkocht. Komen dezelfde aanpassingen steeds terug, dan is dat een signaal om het model of de stamgegevens bij te stellen. Zo wordt het model elk seizoen beter, en blijft zichtbaar waar het oordeel van de inkoper het verschil maakte.

Ook signalen voor wat blijft liggen

Herbevoorrading gaat over bijbestellen. Maar dezelfde berekening laat ook zien welke artikelen te lang blijven liggen. Een artikel waarvan de voorraad bij de huidige verkoopsnelheid nog een jaar meegaat, is een kandidaat voor een actie, een bundel of afbouw. De Flow zet die slow movers in een apart overzicht, zodat inkoop en commercie er tijdig iets mee kunnen doen.

Een tuinset die in juli nog ruim op voorraad ligt, moet vóór het einde van het seizoen de deur uit. Anders staat hij een winter lang op de vloer en bezet hij ruimte die je in het najaar nodig hebt. Wil je weten hoeveel ruimte je voorraad echt inneemt? Lees dan ons artikel over magazijnbezetting in pallets.

Zo maak je het resultaat meetbaar

Leg in de Flow Check een nulmeting vast, zodat je na livegang kunt vergelijken met dezelfde definities. Dit zijn de meetpunten die hier het meest zeggen:

Vergelijk seizoen met seizoen, niet maand met maand. Een warme april zegt weinig over het model, maar veel over het weer.

Waar begin je?

Begin niet met het hele assortiment. Kies de twintig tot vijftig artikelen met de hoogste omzet of het grootste seizoensrisico. Leg per artikel de levertijd en minimumafname vast. Zet de Flow eerst naast de bestaande werkwijze, zodat de inkoper voorstellen kan vergelijken met de eigen inschatting. Pas als het vertrouwen er is, schaal je op.

Verdieping: de technische inrichting

Een geplande taak in N8N haalt elke nacht de gegevens op uit WMS, webshop en AFAS. Een Python-model berekent per artikel de uitputtingsdatum met seizoenscorrectie en bandbreedte. Via de AFAS Connector komt het inkoopvoorstel klaar te staan. Na akkoord maakt de workflow de inkooporder aan en stuurt die naar de leverancier.

Of openstaande inkooporders en reserveringen in je systemen betrouwbaar beschikbaar zijn, welke toegangsrechten nodig zijn en hoeveel verkoophistorie er is voor een terugtest, onderzoeken we in de Flow Check. Via Flow Service blijft het model na livegang bijgesteld.