التنبؤ بالطلب وتخطيط المخزون/المخزون: الطلب ومخزون السلامة والموسم

المكاسب:

• القدرة على استخلاص توقعات الطلب والمخزون الآمن وحسابات نقاط إعادة الطلب من بيانات المبيعات والشحن التاريخية بدعم من الذكاء الاصطناعي
• القدرة على نمذجة المهلة الزمنية والتقلبات الموسمية والتأخير في سلسلة التوريد على أساس السيناريو وعكسها في التخطيط
• القدرة على فهم أن التنبؤ بالذكاء الاصطناعي هو توقع احتمالي وأن قرار الأمر النهائي يعود إلى المخطط، مع الأخذ في الاعتبار التكلفة والنقد والمخاطر.

في التجارة الخارجية والخدمات اللوجستية، يتم فقدان الأموال في مكانين: على البضائع التي لا يمكنك بيعها وخلف البضائع التي لا يمكنك تسليمها إلى العميل في الوقت المحدد. المخزون الزائد يقيد النقد، ويخلق تكاليف المستودعات ومخاطر التلف/التقادم؛ المخزون المفقود يعني خسارة المبيعات، واستياء العملاء، والعرض العاجل (باهظ الثمن). ويتطلب الالتزام بالخط الرفيع بين الاثنين توقعات جيدة للطلب وخطة جرد دقيقة. ويصبح هذا الأمر أكثر صعوبة مع المصادر الدولية لأن البضائع تبقى على متن السفينة لأسابيع؛ عندما تقوم بالطلب اليوم، فإنك في الواقع تتنبأ بالطلب بعد شهرين. في هذه الوحدة، سنغطي كيفية استخدام الذكاء الاصطناعي كمساعد للتنبؤ والتخطيط.

دعونا نحدد المصطلحات. توقعات الطلب: هي التنبؤ بكمية المبيعات/الاستخدام المستقبلية بناءً على البيانات التاريخية. المهلة الزمنية: الوقت من لحظة تقديم الطلب إلى لحظة توفر البضائع؛ وهو مجموع الإنتاج + النقل + الأوقات الجمركية للواردات. مخزون الأمان: هو المخزون الاحتياطي الذي يتم الاحتفاظ به ضد التقلبات في الطلب أو وقت العرض. نقطة إعادة الطلب: هذه هي العتبة التي يجب عندها تقديم أمر جديد عندما ينخفض ​​السهم إلى هذا المستوى؛ تقريبًا "الطلب المتوقع خلال المهلة + مخزون الأمان". التقلب الموسمي (موسمية): هو الارتفاع والانخفاض المنتظم للطلب على مدار العام (العطلة، الصيف، الفصل الدراسي).

خطوة بخطوة: التنبؤ والتخطيط المدعوم بالذكاء الاصطناعي

الخطوة 1 - إعداد البيانات التاريخية. يبدأ التنبؤ ببيانات المبيعات/الشحنات التاريخية. أرقام المبيعات الشهرية أو الأسبوعية والحملات وتغيرات الأسعار إن وجدت والفترات التي نفاد فيها المخزون. عندما تقدم هذه البيانات إلى الذكاء الاصطناعي (فقط المنتج والكمية، دون معلومات سرية عن العميل)، فإنه يفسر الاتجاه والموسم والقفزات.

الخطوة 2 - إزالة النمط. يقرأ الذكاء الاصطناعي الأنماط الموجودة في البيانات، مثل "زيادة بنسبة 30% في الصيف، وانخفاض في يناير، واتجاه النمو السنوي بنسبة 8%" ويشرحها بلغة واضحة. وهذا يجعل الأنماط مرئية قد لا تلاحظها من خلال النظر إلى الرقم الأولي.

الخطوة 3 - إنشاء التوقعات وكتابتها. يمكن للذكاء الاصطناعي تحديد توقعات الطلب بناءً على النمط التاريخي؛ والأهم من ذلك أنه ينتج سيناريوهات "متشائمة/ واقعية/ متفائلة". بهذه الطريقة تخطط بناءً على نطاق، وليس رقمًا واحدًا.

الخطوة 4 - حساب معلمات المخزون. بمجرد معرفة التوقعات والمهلة الزمنية والتقلبات، يتم حساب مخزون الأمان ونقطة إعادة الطلب. ينفذ الذكاء الاصطناعي الصيغة ويوضح المنطق؛ قمت بالتحقق من الأرقام.

الخطوة 5 - القرار البشري. كمية الطلب النهائي؛ يتم تقديمها من قبل المخطط، مع الأخذ في الاعتبار التدفق النقدي وسعة المستودعات والحد الأدنى لكمية الطلب وسعر الصرف ومخاطر العرض. التنبؤ هو مدخلات، وليس قرارا.

تحذير: التنبؤ بالطلب ينظر إلى الماضي؛ ولا يضمن المستقبل. يمكن لحدث غير متوقع (إغلاق مصنع، أو انسداد جمركي، أو زيادة مفاجئة في الطلب) أن يبطل التوقعات. ومن المخاطرة أن نعزو الأمر بأكمله إلى رقم "دقيق" واحد يتم إرجاعه بواسطة الذكاء الاصطناعي؛ العمل مع السيناريو وهامش الأمان.

جدول مكونات قرار المخزون

مكون

ماذا يعني ذلك

مساهمة الذكاء الاصطناعي

قرار الإنسان

توقعات الطلب

المبيعات المتوقعة

يولد نمط + السيناريو

قبول/صحيح

المهلة الزمنية

الطلب → فترة الاستخدام

يقسمها إلى مكونات

التحقق من صحة البيانات الحقيقية

تقلب الطلب

تقلب الطلب

حسابات من الماضي

التعليق والمشاركة

مخزون السلامة

كمية المخزن المؤقت

يحسب مع الصيغة

رصيد النقد/المخاطر

نقطة إعادة الطلب

عتبة الطلب

يحسب ويظهر

موافقة

كمية الطلب

كم سيتم اتخاذها

يقدم اقتراحات

القرار النهائي

أربعة قوالب قابلة للنسخ

1) أنماط القراءة في البيانات التاريخية:

دورك: مساعد محلل الطلب. فيما يلي أرقام المبيعات الشهرية لآخر 24 شهرًا للمنتج. أعطني ما يلي: (أ) الاتجاه العام (تزايد/تناقص، تقريبًا بنسبة %)، (ب) النمط الموسمي (أي الأشهر تكون مرتفعة/منخفضة)، (ج) القفزات/الانهيارات الملحوظة والأسباب المحتملة (اربطها بالأحداث التي لاحظتها، إن وجدت). سوف أتحقق من الأرقام؛ إضافة البيانات المناسبة. البيانات: [الشهر: قائمة الكمية]

2) سيناريو توقعات الطلب:

دورك: مساعد التنبؤ بالطلب. بناءً على التاريخ المذكور أعلاه، قم بإنتاج ثلاثة توقعات سيناريو (تائسية، واقعية، متفائلة) للأشهر الستة القادمة (الكمية الشهرية). اكتب الافتراض الذي يستند إليه كل سيناريو. هذا تنبؤ بالاحتمالية؛ إنه ليس التزامًا نهائيًا.

3) مخزون السلامة ونقطة الطلب:

دورك: مساعد تخطيط المخزون. المدخلات: متوسط ​​الطلب الشهري [X] من الوحدات، وتقلب الطلب [الوصف/البيانات]، والمهلة الزمنية [Y] أسابيع، ومستوى الخدمة المطلوب [على سبيل المثال. مرتفع]. (أ) احسب نقطة إعادة الطلب (الطلب المتوقع خلال المهلة + مخزون الأمان) واعرض المنطق خطوة بخطوة. (ب) اشرح النهج الذي استخدمته لمخزون الأمان. سأتحقق من جميع الأرقام؛ أرني الخطوات المتوسطة حتى أتمكن من التحقق.

4) تحليل مخاطر المهلة الزمنية:

دورك: مساعد تخطيط سلسلة التوريد. تتكون المهلة الزمنية من العناصر التالية: أيام الإنتاج [أ]، أيام النقل البحري [ب]، أيام الجمارك [ج]، أيام النقل الداخلي [د] أيام. استخراج مصادر التأخير المحتملة في كل مكون وتأثيرها على توقيت الطلب. حدد الرابط الأكثر خطورة وقدم توصية بهامش الأمان. اقتراح؛ الأمر متروك لي لأقرر.

موجه ضعيف / موجه قوي

حث ضعيف:

كم يجب أن أطلب الشهر المقبل؟

يؤدي هذا الطلب، دون تقديم البيانات التاريخية والمهلة الزمنية والموسم والوضع النقدي، إلى قيام الذكاء الاصطناعي بتكوين رقم لا يعتمد على البيانات. الطلب بهذا الرقم سيكون رهانًا أعمى.

مطالبة قوية:

دورك: مساعد تخطيط المخزون. المنتج: [الكود]. مبيعات آخر 12 شهرًا: [الكميات]. فترة التوريد هي 8 أسابيع، والحد الأدنى لكمية الطلب هو 500 وحدة، ومخزوني هو 340 وحدة. ويزداد الطلب في أشهر الصيف. استنتج نطاق طلب واقعي للشهرين القادمين، واحسب المخزون الآمن ونقطة إعادة الطلب، ثم اقترح 2-3 سيناريوهات لكمية الطلب (مع رصيد المخاطر النقدية). إظهار الخطوات المتوسطة للأرقام؛ سأتخذ القرار النهائي.

توفر هذه المطالبة جميع المدخلات الهامة، وتطالب السيناريو، وتجعل خطوات الحساب مرئية، مما يجعل التحقق ممكنًا.

ثلاث حالات صغيرة

الحالة 1 - اللحاق بالموسم. كان لدى أحد المستوردين طلب ثابت لمنتج حديقة على مدار السنة؛ لقد نفد مخزونه في الربيع وتراكمت البضائع في الصيف. في بيانات 3 سنوات، أظهرت YZ بوضوح زيادة بنسبة 40٪ في الطلب بين مارس ومايو. أخذ المخطط في الاعتبار المهلة الزمنية (10 أسابيع) وقدم طلبًا مبكرًا وكبيرًا في شهر يناير. النتيجة: انخفاض حالات انقطاع المخزون إلى الصفر في فصل الربيع، وانخفاض المخزون الفائض في نهاية العام بنسبة 25%. أظهر الذكاء الاصطناعي النمط، واتخذ الإنسان قرار الأمر.

الحالة 2 – ثمن الثقة بالرقم الدقيق. مخطط تم طلبه بناءً على تقدير واحد قدره "3200 وحدة" قدمه YZ؛ ولم يستخدم السيناريو وهامش الأمان. نفاد المخزون بسبب طلب كبير غير متوقع من العميل، وتم إجراء توريد إضافي عبر الشحن الجوي العاجل (تكلفة الوحدة 3 مرات). الدرس المستفاد: الخطة مبنية على نطاق السيناريو ومخزون الأمان، وليس على أرقام مفردة.

الحالة 3 - حقيقة المهلة الزمنية. لقد أبقت الشركة دائمًا مخزونها الآمن منخفضًا؛ لأنه كان يعتقد أن المهلة كانت "6 أسابيع". عندما قسمت YZ المهلة الزمنية إلى مكونات (الإنتاج 3 + النقل 4 + الجمارك 1.5 أسبوع ≈ 8.5 أسبوع)، اتضح أن الوقت الحقيقي كان أطول وأن الرابط الأكثر تقلبًا هو الجمارك. تم رفع نقطة إعادة الترتيب وفقًا لذلك؛ انتهت عمليات نفاد المخزون المتكررة.

الأخطاء الشائعة

• ربط الطلب بأكمله برقم تخميني واحد. العمل بالسيناريو (المتشائم/الواقعي/المتفائل) ومخزون الأمان.
• التقليل من المهلة الزمنية. خذ بعين الاعتبار مجموع وتقلب الإنتاج + النقل + الجمارك + النقل المحلي.
• إهمال الموسم يؤدي الطلب الثابت إلى نفاد المخزون وتكديس المنتجات الموسمية.
• طلب التنبؤ دون إعطاء البيانات إلى الذكاء الاصطناعي. الرقم المنتج بدون بيانات تاريخية ملفق.
• تجاوز القيود النقدية والقدرة. فحتى التوقعات الأكثر دقة لا يمكن تنفيذها إذا لم تكن الأموال النقدية كافية؛ القرار متروك للشخص .

نصيحة: قل دائمًا "إظهار الخطوات المتوسطة" عند مطالبة الذكاء الاصطناعي بإجراء الحساب. إذا كنت لا ترى كيفية ظهور الأرقام، مثل مخزون الأمان أو نقطة الطلب، فلا يمكنك التحقق منها؛ تتيح لك الخطوات المتوسطة اكتشاف الخطأ ومعرفة المنطق.

باختصار

التنبؤ بالطلب وتخطيط المخزون هو فن تحقيق التوازن بين الفائض ونقص المخزون؛ إن المهل الزمنية الطويلة والمتقلبة في المصادر الدولية تجعل هذا الأمر صعبًا. يعد الذكاء الاصطناعي مساعدًا قويًا في قراءة الأنماط في البيانات التاريخية، وتوليد توقعات السيناريوهات، وحساب المخزون الآمن ونقطة إعادة الطلب. لكن التنبؤ هو توقع الاحتمالية؛ يعود قرار الأمر النهائي إلى المخطط، مع الأخذ في الاعتبار النقد والقدرة والمخاطر. ثق بالسيناريو، وليس برقم واحد، واحسب المهلة الزمنية بشكل واقعي، وتحقق من الخطوات المتوسطة.

مهمة التطبيق

احصل على بيانات المبيعات لآخر 12-24 شهرًا (الرقم، بدون معلومات العميل السرية) للمنتج. اطلب من الذكاء الاصطناعي أولاً قراءة النمط (الاتجاه + الموسم)، ثم إنتاج توقعات من ثلاثة سيناريوهات. ثم قم بحساب نقطة إعادة الطلب والمخزون الآمن من خلال تحديد المهلة الزمنية والحد الأدنى لكمية الطلب والمخزون المتاح؛ تحقق من الخطوات الوسيطة بنفسك. أخيرًا، اتخذ قرارك النهائي بشأن الطلب مع الأخذ في الاعتبار أموالك وقدرتك ومقارنتها بسيناريوهات الذكاء الاصطناعي.

قائمة مرجعية

• [ ] لقد قدمت بيانات المبيعات التاريخية (مجهولة) إلى الذكاء الاصطناعي؛ لقد استندت في تقديري إلى البيانات.
• [ ] قمت بإزالة الاتجاه والنمط الموسمي.
• [ ] بدلاً من رقم واحد، قمت بإنتاج سيناريو متشائم/واقعي/متفائل.
• [ ] لقد قسمت المهلة الزمنية إلى مكوناتها واحتسبتها بشكل واقعي.
• [ ] لقد قمت بالتحقق من مخزون الأمان ونقطة الطلب بخطوات وسيطة.
• [ ] لقد اتخذت قرار الطلب النهائي، مع الأخذ في الاعتبار النقد والقدرة والمخاطر.