Pārmērīga inventarizācija ir viena no ilgstošākajām un dārgākajām neefektivitātēm mūsdienu piegādes ķēdēs. Daudzām organizācijām tā klusi erodē darba kapitālu, palielina noliktavu izmaksas un rada nepatiesu drošības sajūtu attiecībā uz produktu pieejamību. Tradicionālā pieeja inventarizācijas pārvaldībai, kas balstījās uz intuīciju, tabulām un statiskajiem pārkārtošanas punktiem, vienkārši nevar sekot līdzi mūsdienu pieprasījuma signālu sarežģītībai. Understanding the Root Cause: Why Excess Inventory Accumulates Izpratne par sakņu cēloni: kāpēc pārmērīgs inventārs uzkrājas Pirms jebkura optimizācijas sistēma var tikt izstrādāta, ir vērts izpētīt, kāpēc vispirms rodas pārpalikuma situācijas. Visbiežāk sastopamie vaininieki ir neprecīza pieprasījuma prognozēšana, slikta piegādātāja vadošā laika redzamība, siloti dati visās iepirkšanās un pārdošanas komandās un strukturāla aizspriedumi pret pārmērīgu pasūtījumu, lai izvairītos no krājumu samazināšanas. Katra no šīm problēmām būtībā ir datu problēma, nevis loģistikas problēma. The Architecture of a Modern Inventory Optimization Framework Mūsdienu inventāra optimizācijas sistēmas arhitektūra Labi izstrādāta inventāra optimizācijas sistēma darbojas trīs savstarpēji saistītos slāņos: datu ievadīšana un normalizācija, analītiskā modelēšana un lēmumu pieņemšana ar atgriezeniskās saites lokiem. Datu uzņemšanas slānī sistēma iegūst no pārdošanas punktu sistēmām, ERP platformām, piegādātāju portāliem un ārējiem signāliem, piemēram, makroekonomiskajiem rādītājiem vai laika datiem sezonas produktiem.Šo datu normalizēšana vienotā shēmā ir ne-triviāla inženiertehnisko izaicinājumu, bet tas ir pamats, no kura viss pārējais ir atkarīgs. Analītiskais modelēšanas slānis ir vieta, kur notiek optimizācijas darbs. Tas parasti ietver pieprasījuma prognozēšanu, izmantojot ansambļa modeļus, kas apvieno klasiskās laika sērijas metodes, piemēram, SARIMA, ar gradientu palielināšanas pieejām, piemēram, XGBoost vai LightGBM. Kompleksā pieeja ir vērtīga, jo neviens modelis nepārtraukti nepārsniedz citus visās produktu kategorijās un sezonalitātes modeļos. Drošības krājumu aprēķināšana ir vēl viena svarīga sastāvdaļa.Tradicionālās drošības krājumu formulas izmanto fiksētu pakalpojumu līmeni un vēsturisku standarta pieprasījuma novirzi.Drošāka pieeja ietver SKU dinamisko pakalpojumu līmeņa mērķrādītājus, pamatojoties uz maržas ieguldījumu, aizstāj statisko novirzi ar rullējošiem volatilitātes logiem un pielāgo piegādātāju uzticamības rādītājus, kas iegūti no savlaicīgas piegādes vēstures. Segmentation as a Force Multiplier Segmentācija kā spēka reizinātājs Viena no ietekmīgākajām taktikām jebkurā optimizācijas sistēmā ir pareiza inventāra segmentācija. ABC-XYZ matrica ir pamatinstruments šeit. ABC klasifikācija klasificē preces pēc ieņēmumu ieguldījuma, bet XYZ klasifikācija klasificē pēc pieprasījuma mainīguma. Šo divu dimensiju krustojums rada deviņas kategorijas, kas vada diferencētas inventāra politikas. Augstas vērtības, stabilas pieprasījuma preces garantē stingru kontroli un biežus papildināšanas ciklus. Zemas vērtības, augsti mainīgas preces varētu būt labāk piemērotas drošības rezervju buferiem vai pat sūtījumu nolīgumiem ar piegādātājiem. Daudzi uzņēmumi nepietiek, piemērojot vienu inventarizācijas politiku vienmērīgi visā SKU portfelī.Kad viena un tā pati pārkārtošanas punkta loģika regulē gan vislabāk pārdoto pamatproduktu, gan lēnām kustīgo SKU, rezultāts gandrīz vienmēr ir krājuma pārpalikums. Closing the Loop: Continuous Feedback and Model Retraining Lūpas slēgšana: nepārtraukta atgriezeniskā saite un modeļa apmācība Sistēma, kas darbojas vienu reizi un rada virkni pārkārtošanas parametru, nav patiesi datu vadīta. Kas atšķir augstas veiktspējas inventāra sistēmas, ir nepārtraukta atgriezeniskās saites sloksne. Katram izpildītajam pasūtījumam, katram krājuma notikumam un katram marķējuma lēmumam būtu jāatgriežas modelī kā mācīšanās signālam. Automātiskās pārkvalifikācijas cauruļvadi, kas parasti darbojas nedēļas vai divu nedēļu laikā, ļauj modeļiem palikt aktuāli ar mainīgiem pieprasījuma modeļiem, neprasot manuālu analītiķu iejaukšanos. Organizācijas, kas ir ieviesušas šāda veida slēgtās slēdzenes sistēmu, pirmajā gadā ziņo par inventarizācijas samazinājumiem, kas ir no 15 līdz 30 procentiem, atkarībā no to iepriekšējās prakses brieduma un pamatdatu kvalitātes. Implementation Considerations and Common Pitfalls Īstenošanas apsvērumi un kopīgie trūkumi Šo sistēmu ieviešana praksē prasa organizatorisku saskaņošanu, nevis tikai tehniskas spējas. Tehniski vislabākais modelis tiks ignorēts, ja plānotāji tam neuzticas vai nesaprot, kā tas rada ieteikumus. Pārmaiņu vadība, apmācība un pārredzama modeļa izskaidrojamība ir tikpat svarīga kā pats algoritms. Vienkāršu paskaidrojumu ievietošana blakus katram papildināšanas ieteikumam, piemēram, pieprasījuma signāla tendences parādīšana vai piegādātāja izmantotais vadošā laika pieņēmums, ievērojami palielina plānotāja pieņemšanu. Datu kvalitātes problēmas ir vēl viens kopīgs šķērslis.Pirms ieguldīt uzlabotā modelēšanā, komandām vajadzētu pārbaudīt savus esošos galvenos datus, lai iegūtu precizitāti vadīšanas laikā, minimālo pasūtījuma daudzumu un mērījumu vienības konsekvenci.Sofizēts modelis, kas apmācīts netīriem datiem, optimizēs pretī nepareizai atbildei.Pakāpeniska pieeja, sākot ar mērķtiecīgu pilotprojektu augstas vērtības produktu kategorijā, palīdz komandām veidot uzticību sistēmai un identificēt datu kvalitātes nepilnības, pirms tās mērojas visā plašākajā katalogā. Looking Ahead Skatoties uz priekšu Inventarizācijas optimizācijas attīstība virzās uz autonomākām sistēmām, kas var reāllaikā pielāgot papildināšanas parametrus, pamatojoties uz tiešajiem signāliem.Iespējamības pieprasījuma prognozēšana, kas rada pilnīgu iespējamo rezultātu sadalījumu, nevis punktu aplēses, iegūst pievilcību, jo tā ļauj plānotājiem skaidri kompromitēt pakalpojumu līmeņa risku un inventarizācijas investīcijas. Neatkarīgi no izmantotajām konkrētajām metodēm pastāvīgs ir pamatprincips: inventāra lēmumi būtu jābalsta uz datiem, nepārtraukti jāvalidē attiecībā pret rezultātiem un jāreglamentē ar politiku, kas atspoguļo faktiskās uzņēmējdarbības prioritātes. organizācijas, kas apņemas veidot šo infrastruktūru, atradīs, ka pārpalikuma inventāra samazināšana nav tikai izmaksu samazināšana.

The is an opinion piece based on the author’s POV and does not necessarily reflect the views of HackerNoon.

Read My Stories

Šis audio ir izveidots stāsta oriģinālvalodā!

Pārmērīga inventāra samazināšana, izmantojot datu virzītas optimizācijas sistēmas

About Author

KOMENTĀRI

PAKARINĀT TAGUS

ŠIS RAKSTS TIKS PĀRSTRĀDĀTS

Related Stories

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps