माग पूर्वानुमान र स्टक/इन्भेन्टरी योजना: अर्डर, सेफ्टी स्टक र सिजन

लाभ:

• कृत्रिम बुद्धिमत्ता समर्थनको साथ ऐतिहासिक बिक्री र ढुवानी डेटाबाट माग पूर्वानुमान, सुरक्षा स्टक र पुन: क्रम बिन्दु गणना प्राप्त गर्ने क्षमता।
• परिदृश्य आधारमा नेतृत्व समय, मौसमी उतार-चढ़ाव र आपूर्ति श्रृंखला ढिलाइ मोडेल गर्ने क्षमता र तिनीहरूलाई योजनामा प्रतिबिम्बित गर्ने
• कृत्रिम बुद्धिमत्ता भविष्यवाणी एक सम्भाव्यता भविष्यवाणी हो र लागत, नगद र जोखिमलाई ध्यानमा राखेर अन्तिम आदेश निर्णय योजनाकारको हुन्छ भन्ने कुरा बुझ्ने क्षमता।

वैदेशिक व्यापार र रसदमा, पैसा दुई ठाउँमा हराएको छ: तपाईले बेच्न नसक्ने सामानमा र सामानको पछाडि तपाईले ग्राहकलाई समयमै डेलिभर गर्न सक्नुहुन्न। अतिरिक्त इन्भेन्टरीले नगदलाई बाँध्छ, गोदाम लागतहरू र बिगार्ने/अप्रचलित हुने जोखिमहरू सिर्जना गर्दछ; हराएको स्टक भनेको बिक्रीमा कमी, ग्राहकको असन्तुष्टि र तत्काल (महँगो) आपूर्ति हो। दुई बीचको फाइन लाइनलाई राम्रो मागको पूर्वानुमान र सही सूची योजना चाहिन्छ। यो अन्तर्राष्ट्रिय सोर्सिङको साथ अझ गाह्रो छ किनभने सामानहरू हप्तासम्म जहाजमा रहन्छ; जब तपाइँ आज अर्डर गर्नुहुन्छ, तपाइँ वास्तवमा दुई महिना पछि मागको भविष्यवाणी गर्नुहुन्छ। यस एकाईमा, हामी कसरी कृत्रिम बुद्धिमत्तालाई पूर्वानुमान र योजना सहायकको रूपमा प्रयोग गर्ने भनेर कभर गर्नेछौं।

सर्तहरू परिभाषित गरौं। माग पूर्वानुमान: यो ऐतिहासिक डेटामा आधारित भविष्यको बिक्री/उपयोग रकमको भविष्यवाणी हो। लीड टाइम: तपाईंले अर्डर गरेको क्षणदेखि सामानहरू उपलब्ध हुने क्षणसम्मको समय; यो उत्पादनको योगफल हो + यातायात + आयातको लागि भन्सार समय। सेफ्टी स्टक: यो माग वा आपूर्ति समयको उतारचढाव विरुद्ध राखिएको बफर स्टक हो। पुन: क्रमबद्ध बिन्दु: यो थ्रेसहोल्ड हो जसमा स्टक यस स्तरमा झर्दा नयाँ अर्डर राख्नु पर्छ; लगभग "लीड टाइम + सुरक्षा स्टकको समयमा अपेक्षित माग"। मौसमी उतार-चढ़ाव (मौसमी): यो वर्षभरि (बिदा, गर्मी, विद्यालय अवधि) मा मागको नियमित वृद्धि र गिरावट हो।

चरणबद्ध रूपमा: एआई-संचालित पूर्वानुमान र योजना

चरण 1 - ऐतिहासिक डेटा तयार गर्नुहोस्। भविष्यवाणी ऐतिहासिक बिक्री / ढुवानी डेटा संग सुरु हुन्छ। मासिक वा साप्ताहिक बिक्री नम्बरहरू, अभियानहरू र मूल्य परिवर्तनहरू, यदि कुनै हो, र अवधिहरू जब तपाईं स्टक बाहिर हुनुहुन्छ। जब तपाइँ AI लाई यो डेटा दिनुहुन्छ (केवल उत्पादन र मात्रा, गोप्य ग्राहक जानकारी बिना), यसले प्रवृत्ति, सिजन र जम्पको व्याख्या गर्दछ।

चरण 2 - ढाँचा हटाउनुहोस्। AI ले डेटामा ढाँचाहरू पढ्छ, जस्तै "गर्मीमा 30% वृद्धि, जनवरीमा घट्छ, 8% वार्षिक वृद्धि प्रवृत्ति" र तिनीहरूलाई सरल भाषामा व्याख्या गर्दछ। यसले दृश्यात्मक ढाँचाहरू बनाउँछ जुन तपाईंले कच्चा नम्बर हेरेर ध्यान दिनुहुन्न।

चरण 3 - पूर्वानुमान उत्पन्न गर्नुहोस् र यसलाई लिपि गर्नुहोस्। AI ले ऐतिहासिक ढाँचामा आधारित माग पूर्वानुमान रूपरेखा बनाउन सक्छ; के अधिक मूल्यवान छ कि यसले "निराशावादी / यथार्थवादी / आशावादी" परिदृश्यहरू उत्पादन गर्दछ। यसरी तपाईले दायराको आधारमा योजना बनाउनुहुन्छ, एकल संख्यामा होइन।

चरण 4 - स्टक प्यारामिटरहरू गणना गर्नुहोस्। एक पटक पूर्वानुमान, नेतृत्व समय, र अस्थिरता थाहा भएपछि, सुरक्षा स्टक र पुन: क्रम बिन्दु गणना गरिन्छ। एआई सूत्र लागू गर्दछ र तर्क प्रदर्शन गर्दछ; तपाईले नम्बरहरू प्रमाणित गर्नुहोस्।

चरण 5 - मानव निर्णय। अन्तिम आदेश मात्रा; यो योजनाकार द्वारा दिइएको छ, खातामा नगद प्रवाह, गोदाम क्षमता, न्यूनतम अर्डर मात्रा, विनिमय दर र आपूर्ति जोखिम। भविष्यवाणी भनेको इनपुट हो, निर्णय होइन।

सावधानी: माग पूर्वानुमान विगतमा देखिन्छ; यसले भविष्यको ग्यारेन्टी गर्दैन। एक अप्रत्याशित घटना (एक कारखाना बन्द, एक भन्सार अवरोध, माग मा अचानक वृद्धि) को पूर्वानुमान को फेंक गर्न सक्छ। AI द्वारा फिर्ता गरिएको एकल "सटीक" नम्बरमा सम्पूर्ण अर्डरको श्रेय दिनु जोखिमपूर्ण छ; परिदृश्य र सुरक्षा को मार्जिन संग काम गर्नुहोस्।

स्टक निर्णय घटक तालिका

घटक

यसको मतलब के हो

AI को योगदान

मानव निर्णय

माग पूर्वानुमान

अपेक्षित बिक्री

ढाँचा + परिदृश्य उत्पन्न गर्दछ

स्वीकार/सही गर्नुहोस्

नेतृत्व समय

अर्डर → प्रयोग अवधि

यसलाई घटकहरूमा विभाजन गर्दछ

वास्तविक डाटाको साथ प्रमाणित गर्दछ

माग अस्थिरता

मागको अस्थिरता

विगतका हिसाबहरू

कमेन्ट र सेयर गर्नुहोस्

सुरक्षा स्टक

बफर रकम

सूत्र संग गणना

नगद / जोखिम ब्यालेन्स

पुन: क्रमबद्ध बिन्दु

अर्डर थ्रेसहोल्ड

गणना गर्छ र देखाउँछ

स्वीकृति

अर्डर मात्रा

कति लिने हो

सुझावहरू प्रदान गर्दछ

अन्तिम निर्णय

चार प्रतिलिपि गर्न मिल्ने टेम्प्लेटहरू

1) ऐतिहासिक डेटामा पढ्ने ढाँचाहरू:

तपाईंको भूमिका: माग विश्लेषक सहायक। तल उत्पादनको पछिल्लो 24 महिनाको मासिक बिक्री आंकडाहरू छन्। मलाई निम्न दिनुहोस्: (a) सामान्य प्रवृत्ति (बढ्दो/घट्दै, लगभग % मा), (b) मौसमी ढाँचा (जुन महिनाहरू उच्च/कम छन्), (c) उल्लेखनीय जम्पहरू/दुर्घटनाहरू र सम्भावित कारणहरू (तिनीहरूलाई मैले उल्लेख गरेका घटनाहरूसँग सम्बन्धित, यदि कुनै हो भने)। म संख्याहरू प्रमाणित गर्नेछु; उपयुक्त डेटा थप्दै। डाटा: [महिना: मात्रा सूची]

2) परिदृश्य माग पूर्वानुमान:

तपाईंको भूमिका: पूर्वानुमान सहायकको माग। माथिको इतिहासमा आधारित, अर्को 6 महिना (मासिक मात्रा) को लागि तीन परिदृश्य पूर्वानुमान (PESMISSIONARY, REALISTIC, OPTIMISTIC) उत्पादन गर्नुहोस्। प्रत्येक परिदृश्य कुन धारणामा आधारित छ लेख्नुहोस्। यो सम्भावनाको भविष्यवाणी हो; यो निश्चित प्रतिबद्धता होइन।

3) सुरक्षा स्टक र अर्डर बिन्दु:

तपाईंको भूमिका: सूची योजना सहायक। इनपुटहरू: औसत मासिक माग [X] एकाइहरू, मागको अस्थिरता [विवरण/डेटा], नेतृत्व समय [Y] हप्ता, इच्छित सेवा स्तर [जस्तै। उच्च। मलाई मध्यवर्ती चरणहरू देखाउनुहोस् ताकि म जाँच गर्न सकूँ।

4) नेतृत्व समय जोखिम विश्लेषण:

तपाईंको भूमिका: आपूर्ति श्रृंखला योजना सहायक। मेरो नेतृत्व समय निम्न घटकहरू समावेश गर्दछ: उत्पादन [a] दिन, समुद्री यातायात [b] दिन, भन्सार [c] दिन, आन्तरिक यातायात [d] दिन। प्रत्येक कम्पोनेन्टमा ढिलाइको सम्भावित स्रोतहरू र अर्डर समयमा यसको प्रभाव निकाल्नुहोस्। जोखिमपूर्ण लिङ्क चिन्ह लगाउनुहोस् र सुरक्षाको मार्जिनको लागि सिफारिस दिनुहोस्। सुझाव; निर्णय गर्ने कुरा मेरो हो।

कमजोर प्रम्प्ट / बलियो प्रम्प्ट

कमजोर प्रम्प्ट:

मैले अर्को महिना कति अर्डर गर्नुपर्छ?

यो अनुरोध, ऐतिहासिक डेटा, नेतृत्व समय, सिजन र नगद स्थिति प्रदान नगरी, AI लाई डेटामा आधारित नभएको संख्या बनाउनको लागि कारण बनाउँछ। यो नम्बर संग अर्डर एक अन्धा शर्त हुनेछ।

शक्तिशाली प्रम्प्ट:

तपाईंको भूमिका: सूची योजना सहायक। उत्पादन: [कोड]। पछिल्लो 12 महिना बिक्री: [मात्रा]। आपूर्ति अवधि 8 हप्ता हो, न्यूनतम अर्डर मात्रा 500 एकाइ हो, मेरो स्टक 340 एकाइ हो। गर्मी महिनामा माग बढ्छ। अर्को २ महिनाको लागि यथार्थपरक माग दायरा निकाल्नुहोस्, सुरक्षा स्टक गणना गर्नुहोस् र बिन्दु पुन: क्रमबद्ध गर्नुहोस्, त्यसपछि 2-3 अर्डर मात्रा परिदृश्यहरू (नगद जोखिम ब्यालेन्सको साथ) सुझाव गर्नुहोस्। संख्याको मध्यवर्ती चरणहरू देखाउनुहोस्; म अन्तिम निर्णय गर्नेछु।

यो प्रम्प्टले सबै महत्वपूर्ण इनपुटहरू दिन्छ, परिदृश्य प्रम्प्ट गर्दछ, र गणना चरणहरू दृश्यमान बनाउँछ, प्रमाणीकरण सम्भव बनाउँछ।

तीन मिनी केसहरू

केस 1 - सिजनको साथ समात्दै। एक आयातकर्ताले बगैंचा उत्पादनको लागि वर्षभरि एक निश्चित अर्डर थियो; वसन्तमा उसको स्टक बाहिर थियो र गर्मीमा सामानहरू जम्मा भयो। 3-वर्षको तथ्याङ्कमा, YZ ले मार्च र मे बीचमा मागमा 40% वृद्धि देखाएको छ। योजनाकारले नेतृत्व समय (10 हप्ता) लाई खातामा लिए र जनवरीमा प्रारम्भिक र ठूलो अर्डर राख्यो। नतिजा: वसन्त सिजनमा स्टक आउटेज शून्यमा झर्यो, र वर्षको अन्त्यमा अतिरिक्त स्टक 25% ले घट्यो। AI ले ढाँचा देखायो, मानवले आदेश निर्णय गर्यो।

केस २ - सहि संख्यामा विश्वास गर्ने मूल्य। YZ द्वारा दिइएको "3,200 एकाइहरू" को एकल अनुमानमा आधारित एक योजनाकार आदेश; उनले सुरक्षाको परिदृश्य र मार्जिन प्रयोग गरेनन्। ग्राहकको अप्रत्याशित ठूलो अर्डरको साथ स्टक बाहिर, तत्काल एयर कार्गो (एकाइ लागत 3 गुणा) मार्फत अतिरिक्त आपूर्ति गरियो। पाठ: परिदृश्य दायरा र सुरक्षा स्टकमा आधारित योजना, एकल संख्या होइन।

केस ३ - नेतृत्व समयको वास्तविकता। एक कम्पनीले सधैं आफ्नो सुरक्षा स्टक कम राख्छ; किनभने उसले सोचेको नेतृत्व समय "6 हप्ता" थियो। जब YZ ले नेतृत्व समयलाई कम्पोनेन्टहरूमा विभाजन गर्यो (उत्पादन 3 + यातायात 4 + भन्सार 1.5 हप्ता ≈ 8.5 हप्ता), यो थाहा भयो कि वास्तविक समय लामो थियो र सबैभन्दा अस्थिर लिङ्क भन्सार थियो। पुन: क्रम बिन्दु तदनुसार उठाइएको थियो; आवर्ती स्टकआउटहरू सकियो।

सामान्य गल्तीहरू

• सम्पूर्ण अर्डरलाई एकल अनुमान नम्बरमा लिङ्क गर्दै। परिदृश्य (निराशावादी/यथार्थवादी/आशावादी) र सुरक्षा स्टकसँग काम गर्नुहोस्।
• नेतृत्व समयलाई कम अनुमान गर्दै। उत्पादन + यातायात + भन्सार + घरेलु यातायातको योगफल र अस्थिरतालाई विचार गर्नुहोस्।
• सिजनलाई बेवास्ता गर्दै। स्थिर अर्डरले मौसमी उत्पादनहरूमा स्टक बाहिर र ओभरस्टक दुवै सिर्जना गर्दछ।
• AI लाई डेटा नदिई भविष्यवाणीको लागि सोध्दै। ऐतिहासिक तथ्याङ्क बिना उत्पादन गरिएको संख्या बनावटी हो।
• नगद र क्षमता बाधा बाइपास। नगद पर्याप्त छैन भने सबैभन्दा सही पूर्वानुमान पनि लागू गर्न सकिँदैन; निर्णय व्यक्तिको हातमा छ।

सुझाव: AI लाई गणनाको लागि सोध्दा सधैं "मध्यवर्ती चरणहरू देखाउनुहोस्" भन्नुहोस्। यदि तपाईंले सुरक्षा स्टक वा अर्डर पोइन्ट जस्ता नम्बरहरू कसरी बाहिर आउँछन् भन्ने देख्नुभएन भने, तपाईंले तिनीहरूलाई प्रमाणित गर्न सक्नुहुन्न; मध्यवर्ती चरणहरूले तपाईंलाई त्रुटि समात्न र तर्क सिक्न अनुमति दिन्छ।

संक्षेपमा

माग पूर्वानुमान र सूची योजना अतिरिक्त र understock बीच सन्तुलन प्रहार गर्ने कला हो; अन्तर्राष्ट्रिय सोर्सिङमा लामो र अस्थिर नेतृत्व समयले यसलाई गाह्रो बनाउँछ। आर्टिफिसियल इन्टेलिजेन्स ऐतिहासिक डेटामा ढाँचाहरू पढ्न, परिदृश्य पूर्वानुमानहरू उत्पन्न गर्न, सुरक्षा स्टक गणना गर्न र बिन्दु पुन: क्रमबद्ध गर्न एक शक्तिशाली सहायक हो। तर भविष्यवाणी भनेको सम्भावनाको भविष्यवाणी हो; नगद, क्षमता र जोखिमलाई ध्यानमा राखेर अन्तिम आदेश निर्णय योजनाकारको हुन्छ। परिदृश्यमा विश्वास गर्नुहोस्, एकल संख्या होइन, वास्तविक समयको गणना गर्नुहोस्, मध्यवर्ती चरणहरू प्रमाणित गर्नुहोस्।

आवेदन कार्य

उत्पादनको अन्तिम 12-24 महिनाको बिक्री डेटा (संख्या, गोप्य ग्राहक जानकारी बिना) प्राप्त गर्नुहोस्। AI लाई पहिले ढाँचा (ट्रेन्ड + सिजन) पढ्न लगाउनुहोस्, त्यसपछि तीन-परिदृश्य पूर्वानुमान उत्पादन गर्नुहोस्। त्यसपछि तपाईंको नेतृत्व समय, न्यूनतम अर्डर मात्रा र उपलब्ध स्टक दिएर पुन: क्रमबद्ध बिन्दु र सुरक्षा स्टक गणना गर्नुहोस्; मध्यवर्ती चरणहरू आफैलाई जाँच गर्नुहोस्। अन्तमा, तपाईंको नगद र क्षमतालाई ध्यानमा राखेर अन्तिम अर्डर निर्णय गर्नुहोस् र AI परिदृश्यहरूसँग तुलना गर्नुहोस्।

चेकलिस्ट

• [ ] मैले AI लाई ऐतिहासिक बिक्री डाटा (अज्ञात) दिएँ; मैले तथ्यांकको आधारमा अनुमान गरेको छु।
• [ ] मैले प्रवृत्ति र मौसमी ढाँचा हटाएँ।
• [] एकल संख्याको सट्टा, मैले निराशावादी/यथार्थवादी/आशावादी परिदृश्य उत्पादन गरें।
• [ ] मैले नेतृत्व समयलाई यसको कम्पोनेन्टहरूमा विभाजित गरें र यसलाई वास्तविक रूपमा गणना गरें।
• [ ] मैले मध्यवर्ती चरणहरूसँग सुरक्षा स्टक र अर्डर बिन्दु प्रमाणित गरें।
• मैले नगद, क्षमता र जोखिमलाई ध्यानमा राखेर अन्तिम आदेशको निर्णय गरें।