Otomatik Yeniden Sipariş Noktası Hesaplama: Statik Emniyet Stoğu Formülleri Neden Başarısız Olur

Her tedarik zinciri ders kitabı aynı emniyet stoğu formülünü öğretir: emniyet stoğu, Z-skoru çarpı talebin standart sapması çarpı teslim süresinin karekökü. Formül temiz, zarif ve çoğu e-ticaret uygulaması için yanlıştır.

Formül, talebin normal dağılıma uyduğunu varsayar; bu da herhangi bir günde satışların ortalamanın üstünde veya altında olma olasılığının eşit olduğu ve aşırı sapmaların nadir olduğu anlamına gelir. %95 hizmet seviyesi (1,65 Z-skoru), talep değişkenliğiniz ve teslim sürenizi formüle koyun, bir sayı elde edersiniz. Sorun şu ki, bireysel SKU'lar için e-ticaret talebi neredeyse hiçbir zaman normal dağılıma uymaz.

E-ticaret Talebi Neden Normal Değildir

Kataloğunuzdaki herhangi bir ürünün günlük satış verilerini çekin ve dağılımı çizin. Neredeyse kesinlikle uzun kuyruklu, sağa çarpık bir dağılım göreceksiniz. Çoğu gün ürün ortalamasında veya altında satılır. Zaman zaman promosyonlar, sosyal medya paylaşımları, rakip stok tükenmesi veya mevsimsel dalgalanmalar nedeniyle ortalamanın 3-5 katı satış yapar. Bu durum, normal dağılımın yakalayamayacağı aşırı basıklığa (kalın kuyruklar) sahip bir dağılım üretir.

Bir ev dekorasyon perakendecisi en çok satan 200 SKU'sunu analiz etti ve yalnızca %11'inin normallik testini geçen talep dağılımlarına sahip olduğunu buldu (p > 0,05 ile Shapiro-Wilk). Kalan %89'u belirgin çarpıklık, kalın kuyruklar veya her ikisini birden gösteriyordu. Bu %89 için standart emniyet stoğu formülü, hedef hizmet seviyesine ulaşmak için gereken envanteri sistematik olarak eksik tahmin ediyordu.

Eksik tahmin şu şekilde çalışır. Gerçek talep dağılımı normal dağılımdan daha kalın bir sağ kuyruğa sahipse, talebin hesaplanan emniyet stoğunuzu aşma olasılığı formülün öngördüğünden daha yüksektir. %95 kapsama oranına sahip olduğunuzu düşünürsünüz, ancak gerçek kapsama oranınız %85-88 olabilir. Bu %7-10'luk fark, yeterli tampon stoğa sahip olduğunu düşündüğünüz ürünlerde beklenmedik stok tükenmesi olarak ortaya çıkar.

Düzensiz Talep Sorunu

Dağılım şeklinin ötesinde, birçok e-ticaret ürünü aralıklı veya düzensiz talep sergiler. Bir ürün günlerin %40'ında sıfır birim, %45'inde 1-3 birim ve %15'inde 10+ birim satabilir. Bu durum özellikle uzun kuyruk ürünleri, e-ticaret kanalları üzerinden satılan B2B ürünleri ve küçük ama sadık müşteri tabanına sahip niş ürünler için yaygındır.

Standart formül, aralıklı talep için tamamen çöker çünkü ortalama ve standart sapma talep modelini anlamlı bir şekilde tanımlayamaz. Günlük ortalama talebi 2 birim olan bir ürün aslında çoğu gün 0 birim, satış yaptığı günlerde ise 15 birim satıyor olabilir. 2 ortalamasına dayanan emniyet stoğu hesaplaması, ani artış günlerinde sizi sürekli yetersiz stoklu bırakacaktır.

Croston yöntemi veya Syntetos-Boylan yaklaşımı gibi özelleşmiş yöntemler, talep aralığını (siparişler arasındaki süre) ve talep büyüklüğünü (sipariş verildiğinde ne kadar sipariş edildiğini) ayrı ayrı modelleyerek aralıklı talebi daha iyi ele alır. Bu yöntemler, düzensiz SKU'lar için standart formüle kıyasla anlamlı bir iyileştirmedir.

Dinamik Yeniden Sipariş Noktaları Nasıl Görünür

Yapay zeka destekli bir yeniden sipariş noktası sistemi, statik geçmiş ortalamalara değil mevcut koşullara dayalı olarak optimal envanter seviyelerini günlük (hatta hızlı hareket eden ürünler için saatlik) olarak yeniden hesaplar. Temel girdiler arasında trend algılamalı güncel satış hızı (talep son 7, 14 ve 28 günde hızlanıyor mu, yavaşlıyor mu yoksa sabit mi), sözleşme hedeflerine değil son gerçek performansa dayalı güncel tedarikçi teslim süresi tahminleri, bilinen yaklaşan talep olayları (planlı promosyonlar, mevsimsel zirveler, pazarlama kampanyaları) ve SKU bazında mevcut hizmet seviyesi performansı (hedef karşılama oranınıza ulaşıyor musunuz) yer alır.

Model, her SKU'nun talep modeline daha uygun bir dağılım uydurur. Sağa çarpık ürünler için gama veya negatif binom dağılımı genellikle normalden daha iyi uyum sağlar. Aralıklı talep ürünleri için Croston veya bileşik Poisson yaklaşımı daha uygundur. Dağılım seçimi otomatiktir; model birkaç adayı test eder ve her SKU için en iyi uyumu sağlayanı seçer.

Doğru dağılım ve dinamik olarak güncellenen parametrelerle, yeniden sipariş noktası ve emniyet stoğu sürekli olarak ayarlanır. Tarihsel olarak 3 kat talep artışı yaratan planlı bir promosyondan önce, sistem artış sırasında yeterli stoğu sağlamak için yeniden sipariş noktasını otomatik olarak yükseltir. Promosyon sona erip talep normalleştikten sonra, fazla envantere sermaye bağlamamak için yeniden sipariş noktası tekrar düşer.

Doğru Hesaplamanın Finansal Etkisi

Dinamik yeniden sipariş noktalarının finansal gerekçesi iki bileşenden oluşur: azalan stok tükenmesi ve azalan fazla envanter. Bunları aynı anda doğru yapmak zor kısımdır çünkü birbirine zıt yönlerde çekerler.

4.200 SKU'ya sahip bir mutfak eşyası perakendecisi statik yeniden sipariş noktalarından dinamik olanlara geçti ve sonuçları 12 ay boyunca takip etti. Stok tükenmesi olayları %34 azaldı; aylık ortalama 380'den 251'e düştü. Aynı zamanda ortalama envanter değeri %11 azaldı; 2,8 milyon dolardan 2,49 milyon dolara indi. Model, stoğu SKU'lar arasında daha akıllıca dağıtarak daha az envanterle daha iyi hizmet seviyeleri elde etti.

Mekanizma basittir. Statik yeniden sipariş noktaları aynı hizmet seviyesi hedefini tek tip olarak uygular; ihtiyaç duymayan ürünlerde fazla emniyet stoğu tutar, ihtiyaç duyan ürünlerde ise yetersiz kalır. Dinamik yeniden sipariş noktaları, emniyet stoğunu gerçek talep değişkenliğiyle orantılı olarak dağıtır. Yüksek değişkenlikli ürünler daha fazla tampon alır; düşük değişkenlikli ürünler daha az alır. Toplam envanter yatırımı aynı kalabilir veya azalabilirken hizmet seviyeleri iyileşir.

Uygulama Hususları

Statik yeniden sipariş noktalarından dinamik olanlara geçiş birkaç altyapı değişikliği gerektirir. Tahmin modeline günlük (en azından) otomatik satış veri akışlarına ihtiyacınız vardır. Yalnızca sözleşme tahminlerini değil, gerçek teslimat tarihlerini yakalayan tedarikçi teslim süresi takibine ihtiyacınız vardır. ERP veya envanter yönetim sisteminizde yeniden sipariş noktalarını programatik olarak güncelleyebilen bir sisteme ihtiyacınız vardır.

Değişim yönetimi boyutu genellikle teknolojiden daha zordur. Yıllardır statik yeniden sipariş noktaları kullanan satın almacılar ve envanter planlamacıları, rakamlarını günlük olarak değiştiren bir sisteme güvenmeyebilir. En iyi yaklaşım, dinamik sistemi 2-3 ay boyunca gölge modda çalıştırmaktır; burada sistem mevcut statik sistemin yanında öneriler sunar ancak onu geçersiz kılmaz. Hangi sistemin daha iyi sonuçlar üreteceğini takip edin ve geçiş yapmadan önce güven oluşturmak için bu sonuçları kullanın.

Gelire göre en iyi 200-500 SKU'nuzla başlayın. Bunlar, daha iyi envanter yönetiminin dolar etkisinin en yüksek olduğu ürünlerdir ve genellikle güvenilir talep dağılımları oluşturmak için yeterli satış verisine sahiptirler. Yavaş hareket eden ürünlerin uzun kuyruğu, uygun olduğunda aralıklı talep yöntemleri kullanılarak daha sonra geçiş yapabilir.

Hâlâ statik yeniden sipariş noktaları ve sabit emniyet stoğu formülleriyle çalışan e-ticaret perakendecileri için teori ile gerçeklik arasındaki fark her ay gerçek paraya mal olmaktadır. Ders kitabındaki formül, istikrarlı ve öngörülebilir talebe sahip üretim ortamları için tasarlanmıştır. E-ticaret bunun tam tersidir ve envanter matematiğinin bu gerçeği yansıtması gerekir.