OTIF คืออะไร? ตัวชี้วัดส่งตรงเวลาครบจำนวนที่ผู้ค้าปลีกใช้

OTIF คืออะไร? ตัวชี้วัดส่งตรงเวลาครบจำนวนที่ผู้ค้าปลีกใช้

ในธุรกิจ B2B คำถามที่ลูกค้าถามซัพพลายเออร์บ่อยที่สุดไม่ใช่ "ราคาเท่าไร" แต่คือ "ของมาถึงเมื่อไร และมาครบหรือเปล่า" ความล่าช้าเพียงหนึ่งวันหรือสินค้าขาดไปไม่กี่หีบ อาจทำให้สายการผลิตของลูกค้าหยุดชะงัก หรือชั้นวางในร้านค้าปลีกว่างจนเสียยอดขาย ตัวชี้วัดที่ใช้ตอบคำถามนี้โดยตรงคือ OTIF

OTIF ย่อมาจาก On-Time In-Full แปลตรงตัวว่า "ตรงเวลาและครบจำนวน" ปัจจุบันเป็นตัวชี้วัดหลักที่ผู้ค้าปลีก ผู้ผลิต และผู้ให้บริการโลจิสติกส์ใช้ประเมินคุณภาพการส่งมอบ บางรายผูกค่า OTIF เข้ากับสัญญาและค่าปรับโดยตรง บทความนี้อธิบายความหมาย วิธีคำนวณ ข้อควรระวัง และการนำ AI มาช่วยยกระดับตัวชี้วัดนี้

OTIF คืออะไร

OTIF วัดสัดส่วนของคำสั่งซื้อ (หรือรายการสั่งซื้อ) ที่ถูกส่งมอบ "ภายในกรอบเวลาที่ตกลงกัน" และ "ในปริมาณที่ถูกต้อง" ภายในคำสั่งซื้อเดียวกัน หากเงื่อนไขใดเงื่อนไขหนึ่งไม่ผ่าน ถือว่าคำสั่งซื้อนั้นล้มเหลวทั้งหมด

จุดเด่นคือความเข้มงวด ถ้าส่งตรงเวลาแต่ของขาด หรือของครบแต่มาช้า ก็ไม่นับเป็นความสำเร็จ ตัวชี้วัดนี้จึงสะท้อนประสบการณ์จริงของผู้รับสินค้ามากกว่าตัวเลขที่ดูดีบนกระดาษ

วิธีคำนวณ OTIF

สูตรพื้นฐานคือ

OTIF (%):
จำนวนคำสั่งซื้อที่ส่งตรงเวลาและครบจำนวน ÷ จำนวนคำสั่งซื้อทั้งหมดที่ครบกำหนดส่งในช่วงนั้น × 100

ตัวอย่าง ในเดือนหนึ่งมีคำสั่งซื้อ 1,000 รายการ ส่งตรงเวลา 950 รายการ ส่งครบจำนวน 940 รายการ แต่มีเพียง 900 รายการที่ผ่านทั้งสองเงื่อนไขพร้อมกัน ค่า OTIF จะเท่ากับ 90% ไม่ใช่ 95% หรือ 94%

สิ่งที่ต้องกำหนดให้ชัดก่อนวัดมี 3 เรื่อง

หน่วยที่ใช้วัด:
จะวัดระดับคำสั่งซื้อ (order level) ระดับบรรทัดสินค้า (line level) หรือระดับจำนวนหน่วย (unit level) การวัดระดับคำสั่งซื้อเข้มงวดที่สุด ส่วนระดับบรรทัดและหน่วยให้ตัวเลขที่สูงกว่า สองฝ่ายต้องตกลงตรงกันก่อน

กรอบเวลาที่ยอมรับ (delivery window):
เช่น อนุญาตให้มาถึงก่อนกำหนดหนึ่งวันและช้าได้ไม่เกินศูนย์วัน บางผู้ค้าปลีกกำหนดช่วงแคบมากเพราะคลังสินค้ามีนัดรับของเป็นช่องเวลา (dock appointment)

เกณฑ์ความคลาดเคลื่อนด้านปริมาณ (in-full tolerance):
ต้องครบ 100% หรืออนุญาตคลาดเคลื่อนได้เท่าใด เช่น สินค้าบางประเภทที่ชั่งตวงวัดอนุญาตความคลาดเคลื่อนเล็กน้อย

OTIF ต่างจากตัวชี้วัดอื่นอย่างไร

หลายองค์กรสับสน OTIF กับตัวชี้วัดใกล้เคียง

On-Time Delivery (OTD):
วัดเฉพาะความตรงเวลา ไม่สนใจว่าครบหรือไม่ จึงมักให้ตัวเลขสูงกว่า OTIF

Fill Rate:
วัดสัดส่วนปริมาณที่ตอบสนองได้เทียบกับที่สั่ง ไม่รวมมิติเวลา

Perfect Order Rate:
ขยายขอบเขตกว้างกว่า OTIF โดยรวมความถูกต้องของเอกสาร ใบแจ้งหนี้ และสภาพสินค้าไม่เสียหายด้วย ถือเป็นมาตรฐานที่เข้มที่สุดในกลุ่มนี้

ข้อสังเกตคือ OTIF เป็นจุดกึ่งกลางที่ใช้งานได้จริง ไม่ซับซ้อนเท่า Perfect Order แต่สะท้อนปัญหาได้ครบกว่า OTD หรือ Fill Rate เพียงลำพัง

ทำไมผู้ค้าปลีกและลูกค้า B2B จึงให้ความสำคัญ

เหตุผลหลักคือต้นทุนของความไม่แน่นอน เมื่อซัพพลายเออร์ส่งไม่ตรงเวลา ลูกค้าต้องสำรองสต็อกเผื่อ (safety stock) มากขึ้น ใช้แรงงานรับมือเหตุไม่คาดคิดมากขึ้น และเสี่ยงสินค้าขาดชั้นวาง ผู้ค้าปลีกรายใหญ่จำนวนไม่น้อยจึงกำหนดเป้า OTIF พร้อมมาตรการปรับกับซัพพลายเออร์ที่ต่ำกว่าเกณฑ์ ซึ่งเงื่อนไขของแต่ละรายต่างกันและมีการปรับเปลี่ยนเป็นระยะ ธุรกิจที่ขายให้ผู้ค้าปลีกจึงควรตรวจสอบข้อตกลงล่าสุดของลูกค้าแต่ละรายโดยตรง

ในมุมของผู้ขาย OTIF ที่สูงสม่ำเสมอยังเป็นหลักฐานความน่าเชื่อถือ ใช้ประกอบการต่อรองสัญญา การได้รับสถานะซัพพลายเออร์ที่ต้องการ และการลดการตรวจสอบรับสินค้าที่เข้มงวดเกินจำเป็น

สาเหตุที่ OTIF ตกต่ำ

การไล่ปรับปรุงโดยไม่รู้สาเหตุมักไม่ได้ผล ควรจัดกลุ่มความล้มเหลวตามต้นเหตุ ซึ่งมักอยู่ในหมวดต่อไปนี้

การพยากรณ์และการวางแผน:
คาดการณ์อุปสงค์คลาดเคลื่อน ทำให้สินค้าไม่พอหรือผลิตไม่ทัน

คลังสินค้า:
หยิบสินค้าผิด สต็อกในระบบไม่ตรงกับของจริง จัดเตรียมไม่ทันรอบรถ

การขนส่ง:
รถมาช้า ติดคิวที่ท่าเทียบ เส้นทางหรือรอบส่งไม่เหมาะสม

ข้อมูลและกระบวนการ:
คำสั่งซื้อป้อนผิด เปลี่ยนแปลงกลางทาง หรือวันที่ที่สัญญาไว้กับลูกค้าไม่ตรงกับความสามารถจริงของซัพพลายเออร์

ปลายทาง:
ลูกค้าไม่พร้อมรับของ ช่องรับของเต็ม ซึ่งบางครั้งถูกนับเป็นความผิดของผู้ส่งทั้งที่ต้นเหตุอยู่ปลายทาง จึงต้องมีรหัสสาเหตุ (reason code) ที่ยอมรับร่วมกัน

แนวทางยกระดับ OTIF

เริ่มจากการวัดให้ถูกต้องก่อน จากนั้นจึงแก้ที่ต้นเหตุตามลำดับความสำคัญ

1. ทำ Pareto ของความล้มเหลว:
จัดอันดับสาเหตุที่ทำให้ OTIF ตก โดยมักพบว่าไม่กี่สาเหตุสร้างผลกระทบส่วนใหญ่ การแก้จุดเหล่านั้นก่อนคุ้มกว่ากระจายแรงไปทุกเรื่อง

2. สัญญาวันส่งที่ทำได้จริง:
ใช้ข้อมูลกำลังการผลิต สต็อก และเวลาขนส่งจริงในการให้วันที่ยืนยัน (promise date) แทนการสัญญาตามความหวัง ข้อนี้ช่วยได้มากกว่าที่คาด

3. ปรับกระบวนการคลัง:
ตรวจนับสต็อกต่อเนื่อง ใช้บาร์โค้ดหรือการสแกนยืนยันก่อนส่ง และตั้งเวลาตัดรอบ (cut-off) ให้สอดคล้องกับรอบรถ

4. บริหารนัดหมายและการขนส่ง:
ใช้ระบบนัดหมายท่าเทียบ ติดตามสถานะรถแบบเรียลไทม์ และเตรียมแผนสำรองสำหรับเส้นทางที่ล่าช้าบ่อย

5. ร่วมมือกับลูกค้า:
แบ่งปันข้อมูลพยากรณ์และแผนโปรโมชันล่วงหน้า เพื่อลดการสั่งซื้อกะทันหัน และตกลงเกณฑ์วัดผลร่วมกันตั้งแต่ต้น

AI ช่วย OTIF ได้อย่างไร

ข้อมูลที่เกี่ยวข้องกับ OTIF กระจายอยู่ในหลายระบบ ทั้ง ERP, WMS, TMS และระบบของลูกค้า AI จึงเข้ามาเสริมได้ในหลายจุด

การทำนายความเสี่ยงล่วงหน้า:
โมเดลพยากรณ์ว่าคำสั่งซื้อใดมีแนวโน้มส่งช้าหรือส่งไม่ครบ โดยดูจากสต็อก สถานะการผลิต ประวัติการขนส่ง และสภาพจราจร ทีมงานจึงแทรกแซงก่อนเกิดเหตุได้ เช่น เร่งจัดเตรียม แยกส่ง หรือแจ้งลูกค้าล่วงหน้า

การจัดลำดับความสำคัญ:
เมื่อทรัพยากรจำกัด AI ช่วยตัดสินว่าคำสั่งซื้อไหนควรได้รับสต็อกก่อน โดยพิจารณาเงื่อนไขค่าปรับและความสำคัญของลูกค้า

การวิเคราะห์สาเหตุเชิงลึก:
ใช้เทคนิคอย่าง process mining หรือการวิเคราะห์ข้อมูลเหตุการณ์ เพื่อค้นหารูปแบบที่คนมองไม่เห็น เช่น ลูกค้ารายหนึ่งล้มเหลวบ่อยในช่วงสิ้นเดือน หรือสินค้ากลุ่มหนึ่งมักขาดเมื่อรอบการเติมสต็อกตรงกับวันหยุด

การให้วันส่งมอบที่แม่นยำ:
ระบบสัญญาวันส่งแบบไดนามิกคำนวณวันที่ที่เป็นไปได้จริงตามสถานะปัจจุบัน แทนการใช้ lead time คงที่

อย่างไรก็ตาม AI ใช้ได้ดีเมื่อข้อมูลพื้นฐานเชื่อถือได้ หากสต็อกในระบบไม่ตรงความจริงหรือไม่มีการบันทึกสาเหตุความล้มเหลวอย่างเป็นระบบ โมเดลจะให้ผลลัพธ์ที่ไม่น่าไว้ใจ การวางรากฐานข้อมูลจึงต้องมาก่อน

ข้อผิดพลาดที่พบบ่อย

ไล่เป้าตัวเลขโดยบิดเบือนการวัด:
เช่น ขยายกรอบเวลาให้กว้างขึ้นหรือเปลี่ยนนิยามเพื่อให้ตัวเลขดูดี ซึ่งไม่ได้แก้ปัญหาจริงและทำลายความเชื่อใจเมื่อลูกค้าตรวจพบ

วัดแต่ภาพรวม:
ค่าเฉลี่ยรวมซ่อนปัญหาเฉพาะลูกค้า สินค้า หรือเส้นทาง ควรแยกมุมมองตามมิติเหล่านี้เสมอ

มองเป็นหน้าที่ของฝ่ายขนส่งฝ่ายเดียว:
OTIF เป็นผลรวมของการวางแผน การผลิต คลัง ขนส่ง และงานขาย ต้องมีเจ้าของร่วมข้ามฝ่ายและการทบทวนสม่ำเสมอ

ละเลยต้นทุนที่ต้องแลกมา:
การดัน OTIF ให้ถึง 100% ด้วยการสต็อกเกินหรือใช้ขนส่งด่วนตลอดเวลา อาจทำให้ต้นทุนบานปลาย ควรหาจุดสมดุลที่คุ้มค่าตามความสำคัญของลูกค้าแต่ละกลุ่ม

สรุป

OTIF คือตัวชี้วัดที่เข้มงวดแต่ตรงไปตรงมา วัดว่าธุรกิจส่งมอบได้ตามสัญญาทั้งเรื่องเวลาและปริมาณหรือไม่ จุดเริ่มต้นที่ดีคือการตกลงนิยามกับลูกค้าให้ชัด วัดอย่างสม่ำเสมอ แยกสาเหตุความล้มเหลวอย่างเป็นระบบ แล้วจึงแก้ที่ต้นเหตุโดยมีข้อมูลและ AI เป็นเครื่องมือสนับสนุน องค์กรที่ทำได้ดีจะไม่เพียงลดความเสี่ยงค่าปรับ แต่ยังสร้างความเชื่อมั่นระยะยาวที่กลายเป็นความได้เปรียบในการแข่งขัน