FirmAdapt

स्वचालित रीऑर्डर पॉइंट गणना: स्थिर सेफ्टी स्टॉक फॉर्मूले क्यों विफल होते हैं

मानक सेफ्टी स्टॉक फॉर्मूला मानता है कि डिमांड सामान्य वितरण का पालन करती है। ईकॉमर्स में, यह लगभग कभी नहीं होता, और यह बेमेल लगातार स्टॉकआउट का कारण बनता है।

हर सप्लाई चेन की पाठ्यपुस्तक एक ही सेफ्टी स्टॉक फॉर्मूला सिखाती है: सेफ्टी स्टॉक = Z-स्कोर × डिमांड का मानक विचलन × लीड टाइम का वर्गमूल। यह साफ-सुथरा, सुंदर और अधिकांश ईकॉमर्स अनुप्रयोगों के लिए गलत है।

यह फॉर्मूला मानता है कि डिमांड सामान्य वितरण (normal distribution) का पालन करती है, जिसका अर्थ है कि किसी भी दिन की बिक्री औसत से ऊपर या नीचे होने की समान संभावना है, और चरम विचलन दुर्लभ हैं। 95% सर्विस लेवल (1.65 का Z-स्कोर), अपनी डिमांड परिवर्तनशीलता और अपना लीड टाइम डालें, और आपको एक संख्या मिलती है। समस्या यह है कि व्यक्तिगत SKU के लिए ईकॉमर्स डिमांड लगभग कभी भी सामान्य वितरण का पालन नहीं करती।

ईकॉमर्स डिमांड सामान्य क्यों नहीं है

अपने कैटलॉग में किसी भी उत्पाद का दैनिक बिक्री डेटा निकालें और वितरण का ग्राफ बनाएं। आपको लगभग निश्चित रूप से एक लंबी पूंछ वाला दाईं ओर झुका हुआ वितरण दिखाई देगा। अधिकांश दिनों में, उत्पाद अपने औसत पर या उससे नीचे बिकता है। कभी-कभी, प्रमोशन, सोशल मीडिया उल्लेख, प्रतिस्पर्धी के स्टॉकआउट, या मौसमी उछाल के कारण यह औसत से 3-5 गुना बिकता है। यह पैटर्न अतिरिक्त कर्टोसिस (मोटी पूंछ) वाला वितरण उत्पन्न करता है जिसे सामान्य वितरण पकड़ नहीं सकता।

एक होम डेकोर रिटेलर ने अपने शीर्ष 200 SKU का विश्लेषण किया और पाया कि केवल 11% में डिमांड वितरण सामान्यता परीक्षण (p > 0.05 के साथ Shapiro-Wilk) पास कर पाया। शेष 89% में महत्वपूर्ण विषमता, मोटी पूंछ, या दोनों दिखाई दिए। उन 89% के लिए, मानक सेफ्टी स्टॉक फॉर्मूला लक्ष्य सर्विस लेवल प्राप्त करने के लिए आवश्यक इन्वेंट्री को व्यवस्थित रूप से कम आंक रहा था।

यह कम आकलन इस तरह काम करता है। यदि वास्तविक डिमांड वितरण में सामान्य वितरण की तुलना में मोटी दाईं पूंछ है, तो आपके गणना किए गए सेफ्टी स्टॉक से डिमांड अधिक होने की वास्तविक संभावना फॉर्मूले की भविष्यवाणी से अधिक है। आप सोचते हैं कि आपके पास 95% कवरेज है, लेकिन आपकी वास्तविक कवरेज 85-88% हो सकती है। वह 7-10% का अंतर उन उत्पादों पर अप्रत्याशित स्टॉकआउट के रूप में दिखाई देता है जिन्हें आपने पर्याप्त रूप से बफर किया हुआ समझा था।

अनियमित डिमांड की समस्या

वितरण के आकार के अलावा, कई ईकॉमर्स उत्पाद रुक-रुक कर या अनियमित डिमांड प्रदर्शित करते हैं। एक उत्पाद 40% दिनों में शून्य इकाइयां, 45% दिनों में 1-3 इकाइयां, और 15% दिनों में 10+ इकाइयां बिक सकता है। यह पैटर्न विशेष रूप से लॉन्ग-टेल उत्पादों, ईकॉमर्स चैनलों के माध्यम से बेचे जाने वाले B2B आइटम, और छोटे लेकिन समर्पित ग्राहक आधार वाले विशेष या निश उत्पादों में आम है।

मानक फॉर्मूला रुक-रुक कर आने वाली डिमांड के लिए पूरी तरह से विफल हो जाता है क्योंकि माध्य और मानक विचलन डिमांड पैटर्न का सार्थक वर्णन नहीं करते। 2 इकाइयों की औसत दैनिक डिमांड वाला उत्पाद वास्तव में अधिकांश दिनों में 0 इकाइयां और बिक्री वाले दिनों में 15 इकाइयां बेच सकता है। 2 के औसत पर आधारित सेफ्टी स्टॉक गणना आपको स्पाइक वाले दिनों के लिए हमेशा अंडरस्टॉक रखेगी।

Croston की विधि या Syntetos-Boylan सन्निकटन जैसी विशेष विधियां डिमांड अंतराल (ऑर्डर के बीच का समय) और डिमांड आकार (ऑर्डर आने पर कितना ऑर्डर होता है) को अलग-अलग मॉडल करके रुक-रुक कर आने वाली डिमांड को बेहतर तरीके से संभालती हैं। ये विधियां अनियमित SKU के लिए मानक फॉर्मूले से एक सार्थक सुधार हैं।

डायनामिक रीऑर्डर पॉइंट कैसे दिखते हैं

एक AI-संचालित रीऑर्डर पॉइंट सिस्टम स्थिर ऐतिहासिक औसत के बजाय वर्तमान परिस्थितियों के आधार पर दैनिक (या तेज़ गति वाले उत्पादों के लिए प्रति घंटा भी) इष्टतम इन्वेंट्री स्तरों की पुनर्गणना करता है। प्रमुख इनपुट में शामिल हैं: ट्रेंड डिटेक्शन के साथ हालिया बिक्री वेग (क्या पिछले 7, 14 और 28 दिनों में डिमांड बढ़ रही है, घट रही है, या स्थिर है), अनुबंधित लक्ष्यों के बजाय हालिया वास्तविक प्रदर्शन पर आधारित वर्तमान सप्लायर लीड टाइम अनुमान, ज्ञात आगामी डिमांड इवेंट (निर्धारित प्रमोशन, मौसमी शिखर, मार्केटिंग अभियान), और SKU के अनुसार वर्तमान सर्विस लेवल प्रदर्शन (क्या आप अपनी लक्ष्य फिल रेट हासिल कर रहे हैं)।

मॉडल प्रत्येक SKU के डिमांड पैटर्न के लिए अधिक उपयुक्त वितरण फिट करता है। दाईं ओर झुके उत्पादों के लिए, गामा या नेगेटिव बाइनोमियल वितरण आमतौर पर सामान्य वितरण से बेहतर फिट होता है। रुक-रुक कर डिमांड वाले उत्पादों के लिए, Croston या कंपाउंड पॉइसन दृष्टिकोण अधिक उपयुक्त है। वितरण का चयन स्वचालित है; मॉडल कई उम्मीदवारों का परीक्षण करता है और प्रत्येक SKU के लिए सबसे अच्छे फिट वाले को चुनता है।

सही वितरण और गतिशील रूप से अपडेट किए गए पैरामीटर के साथ, रीऑर्डर पॉइंट और सेफ्टी स्टॉक लगातार समायोजित होते रहते हैं। एक नियोजित प्रमोशन से पहले जो ऐतिहासिक रूप से 3 गुना डिमांड स्पाइक लाता है, सिस्टम स्वचालित रूप से स्पाइक के दौरान पर्याप्त स्टॉक सुनिश्चित करने के लिए रीऑर्डर पॉइंट बढ़ा देता है। प्रमोशन समाप्त होने और डिमांड सामान्य होने के बाद, अतिरिक्त इन्वेंट्री में पूंजी फंसने से बचाने के लिए रीऑर्डर पॉइंट वापस नीचे आ जाता है।

सही करने का वित्तीय प्रभाव

डायनामिक रीऑर्डर पॉइंट के वित्तीय मामले के दो घटक हैं: कम स्टॉकआउट और कम अतिरिक्त इन्वेंट्री। इन दोनों को एक साथ सही करना मुश्किल हिस्सा है क्योंकि ये विपरीत दिशाओं में खींचते हैं।

4,200 SKU वाले एक किचनवेयर रिटेलर ने स्थिर से डायनामिक रीऑर्डर पॉइंट पर स्विच किया और 12 महीनों में परिणामों को ट्रैक किया। स्टॉकआउट घटनाएं 34% कम हुईं, प्रति माह औसतन 380 से घटकर 251 हो गईं। साथ ही, औसत इन्वेंट्री मूल्य 11% कम हुआ, $2.8 मिलियन से घटकर $2.49 मिलियन हो गया। मॉडल ने SKU में अधिक बुद्धिमानी से स्टॉक आवंटित करके कम इन्वेंट्री के साथ बेहतर सर्विस लेवल हासिल किया।

तंत्र सीधा है। स्थिर रीऑर्डर पॉइंट समान सर्विस लेवल लक्ष्य को एकसमान रूप से लागू करते हैं, उन उत्पादों पर अतिरिक्त सेफ्टी स्टॉक रखते हैं जिन्हें इसकी आवश्यकता नहीं है और उन उत्पादों पर पर्याप्त नहीं रखते जिन्हें आवश्यकता है। डायनामिक रीऑर्डर पॉइंट वास्तविक डिमांड परिवर्तनशीलता के अनुपात में सेफ्टी स्टॉक आवंटित करते हैं। उच्च-परिवर्तनशीलता वाले उत्पादों को अधिक बफर मिलता है; कम-परिवर्तनशीलता वाले उत्पादों को कम। कुल इन्वेंट्री निवेश समान रह सकता है या घट सकता है जबकि सर्विस लेवल में सुधार होता है।

कार्यान्वयन संबंधी विचार

स्थिर से डायनामिक रीऑर्डर पॉइंट पर स्विच करने के लिए कुछ इंफ्रास्ट्रक्चर परिवर्तनों की आवश्यकता होती है। आपको फोरकास्टिंग मॉडल में दैनिक (न्यूनतम) स्वचालित बिक्री डेटा फीड की आवश्यकता है। आपको सप्लायर लीड टाइम ट्रैकिंग की आवश्यकता है जो केवल अनुबंधित अनुमानों के बजाय वास्तविक डिलीवरी तिथियों को कैप्चर करे। आपको एक ऐसे सिस्टम की आवश्यकता है जो आपके ERP या इन्वेंट्री मैनेजमेंट सिस्टम में प्रोग्रामेटिक रूप से रीऑर्डर पॉइंट अपडेट कर सके।

चेंज मैनेजमेंट पहलू अक्सर तकनीक से कठिन होता है। जो बायर्स और इन्वेंट्री प्लानर्स वर्षों से स्थिर रीऑर्डर पॉइंट का उपयोग कर रहे हैं, वे एक ऐसे सिस्टम पर भरोसा नहीं कर सकते जो उनके नंबर रोज़ बदलता है। सबसे अच्छा तरीका है कि डायनामिक सिस्टम को 2-3 महीने शैडो मोड में चलाएं, जहां यह मौजूदा स्थिर सिस्टम को ओवरराइड किए बिना उसके साथ-साथ सिफारिशें करता है। ट्रैक करें कि किस सिस्टम ने बेहतर परिणाम दिए होते, और स्विच करने से पहले विश्वास बनाने के लिए उन परिणामों का उपयोग करें।

राजस्व के अनुसार अपने शीर्ष 200-500 SKU से शुरू करें। ये वे उत्पाद हैं जहां बेहतर इन्वेंट्री प्रबंधन का वित्तीय प्रभाव सबसे अधिक है, और इनमें आमतौर पर विश्वसनीय डिमांड वितरण फिट करने के लिए पर्याप्त बिक्री डेटा होता है। धीमी गति से बिकने वाले उत्पादों की लॉन्ग टेल बाद में ट्रांज़िशन कर सकती है, जहां उपयुक्त हो वहां रुक-रुक कर डिमांड विधियों का उपयोग करते हुए।

स्थिर रीऑर्डर पॉइंट और निश्चित सेफ्टी स्टॉक फॉर्मूले पर चल रहे ईकॉमर्स रिटेलर्स के लिए, सिद्धांत और वास्तविकता के बीच का अंतर हर महीने वास्तविक पैसा खर्च करा रहा है। पाठ्यपुस्तक का फॉर्मूला स्थिर, पूर्वानुमानित डिमांड वाले विनिर्माण वातावरण के लिए डिज़ाइन किया गया था। ईकॉमर्स इससे बिल्कुल अलग है, और इन्वेंट्री गणित को इस वास्तविकता को प्रतिबिंबित करने की आवश्यकता है।

Ecommerce retailInventory managementSupply chainAutomation

Enjoyed this? Get the next one by email

Practical writing on AI in business, from the team that builds and runs it.

Free. Unsubscribe any time. Privacy policy

See where AI fits in your business

Enter your website for a free PATH report. First findings in about a minute.