Zapas zabezpieczający jest utrzymywany dla zabezpieczenia przed zmiennością popytu (odchyleniami popytu od prognoz) oraz zmiennością czasu cyklu uzupełnienia zapasów. Właściwy poziom  zapasu bezpieczeństwa pozwala uniknąć sytuacji braku zapasu w przypadku nieoczekiwanego wzrostu popytu lub wydłużenia się cyklu dostawy [1]. Niezbędne informacje do wyznaczenia zapasu zabezpieczającego to [2]:

1. Oszacowanie odchylenia standardowego błędu prognozy popytu w cyklu uzupełnienia zapasu s_PT. Do jego wyznaczenia konieczna jest znajomość:

• prognozy średniej wartości popytu P,
• odchylenia standardowego błędu prognozy s,
• oczekiwanego czasu cyklu uzupełnienia zapasu T,
• odchylenia standardowego czasu cyklu uzupełnienia σ_T.

2. Wymagany poziom obsługi, który można wyznaczyć na podstawie [2]:

• doświadczenia,
• danych literaturowych,
• porównań z konkurencją,
• określonych wymagań odbiorców,
• rachunku optymalizacyjnego przy znajomości kosztów utrzymywania zapasu i kosztu wystąpienia braku w zapasie.

3. Przyjęty sposób odnawiania zapasu.

Zapas zabezpieczający, w podstawowym modelu, jest wyznaczany zgodnie z formułą [3]:

ZB = ω • s_PT

gdzie:
ω – współczynnik bezpieczeństwa zależny od przyjętego poziomu obsługi oraz typu rozkładu częstości występowania wielkości popytu,

s_PT – zmienność (odchylenie standardowe)  błędu prognozy popytu w cyklu uzupełnienia zapasu.

Wartość s_PT zależy od zmienności zapotrzebowania (popytu) i zmienności czasu cyklu uzupełnienia zapasu. Aby poprawnie obliczyć zapas zabezpieczający należy również wziąć pod uwagę poniższe parametry:

1. Jeżeli mamy do czynienia ze zmiennym popytem (s_P > 0) oraz stałym (powtarzalnym) czasem cyklu uzupełniania zapasu (σ_T=0) wówczas:

2. Jeżeli mamy do czynienia ze stałym popytem (s_P = 0) oraz zmiennym czasem cyklu uzupełniania zapasu (σ_T > 0) wówczas:

3. Jeżeli popyt i czas cyklu uzupełniania zapasu są zmienne wówczas:

Jak wynika z powyższych formuł wielkość błędu prognozy implikuje poziom zapasu zabezpieczającego. Metody prognozowania oparte na głębokich sieciach neuronowych mogą zatem wpłynąć na zmniejszenie poziomu zapasu zabezpieczającego w przypadku poprawy trafności prognoz.

Zapas zabezpieczający należy do części nierotującej zapasu całkowitego i jest on ze wszech miar niezbędny do prawidłowego funkcjonowania gospodarki zapasami w przedsiębiorstwie. Część rotującą z kolei stanowi zapas przewidziany do zaspokojenia bieżącego zapotrzebowania. Właściwa struktura zapasu powinna obejmować część nierotującą, którą  powinien stanowić tylko i wyłącznie zapas zabezpieczający oraz część rotującą (zapas cykliczny). Jednak w wielu przypadkach zapas nierotujący obejmuje również operacyjny zapas nadmierny. Z punktu widzenia bieżących potrzeb uwzględniających uzasadnione zabezpieczenie przed większym niż przewidywano popytem lub/i przed opóźnioną dostawą nie jest on uzasadniony. Jego obecność w strukturze zapasu może tłumaczyć zakup spekulacyjny (np. wynikający z informacji o planowanym wzroście cen). W przeciwnym razie zapas nadmierny należy uznać za nieuzasadnioną inwestycję, która generuje koszty bez oczekiwanej wartości dodanej.

Literatura:

• Cyplik P., Zastosowanie klasycznych metod zarządzania zapasami do optymalizacji zapasów magazynowych – Case Study, LogForum, 2005, vol 1. Issue 3, no. 1
• Krzyżaniak S.: Podstawy zarządzania zapasami w przykładach, Wydanie III, Instytut Logistyki i Magazynowania, Poznań, 2005
• Krzyżaniak S., Cyplik P., Zapasy i magazynowanie Tom I: Zapasy – Podręcznik do kształcenia w zawodzie technik logistyk, Biblioteka Logistyka, Poznań, 2007

Niniejszy artykuł powstał dzięki środkom pochodzącym ze współfinansowania przez Unię Europejską Programu Operacyjnego Inteligentny Rozwój 2014-2020, projektu realizowanego w ramach konkursu Narodowego Centrum Badań i Rozwoju: w ramach konkursu „Szybka Ścieżka” dla mikro-, małych i średnich przedsiębiorców – konkurs dla projektów z regionów słabiej rozwiniętych w ramach Działania 1.1: Projekty B+R przedsiębiorstw Poddziałanie 1.1.1 Badania przemysłowe i prace rozwojowe realizowane przez przedsiębiorstwa. Tytuł projektu: „Stworzenie oprogramowania do poprawy trafności prognoz i optymalizacji zapasów z perspektywy odbiorcy i dostawcy współpracujących w ramach łańcucha dostaw przy zastosowaniu rozmytych, głębokich sieci neuronowych.