Zyski:
- Możliwość wyprowadzania prognoz popytu, obliczeń zapasów bezpieczeństwa i punktów ponownego zamawiania na podstawie historycznych danych dotyczących sprzedaży i wysyłek przy wsparciu sztucznej inteligencji
- Możliwość modelowania czasu realizacji, wahań sezonowych i opóźnień w łańcuchu dostaw na podstawie scenariuszy i uwzględniania ich w planowaniu
- Umiejętność zrozumienia, że przewidywanie sztucznej inteligencji jest przewidywaniem prawdopodobieństwa i że ostateczna decyzja o zamówieniu należy do planisty, biorąc pod uwagę koszty, środki pieniężne i ryzyko.
W handlu zagranicznym i logistyce pieniądze giną w dwóch miejscach: na towarach, których nie można sprzedać i za towarami, których nie można dostarczyć do klienta na czas. Nadmiar zapasów wiąże gotówkę, powoduje koszty magazynowania i ryzyko zepsucia/starzenia się; Brakujące zapasy oznaczają utratę sprzedaży, niezadowolenie klientów i pilną (drogą) dostawę. Dostosowanie się do cienkiej granicy między nimi wymaga dobrej prognozy popytu i dokładnego planu zapasów. Jest to jeszcze trudniejsze w przypadku zaopatrzenia międzynarodowego, ponieważ towary pozostają na statku tygodniami; Zamawiając dzisiaj, tak naprawdę przewidujesz popyt dwa miesiące później. W tej części omówimy, jak wykorzystać sztuczną inteligencję jako asystenta prognozowania i planowania.
Zdefiniujmy pojęcia. Prognoza popytu: Jest to prognoza przyszłej wielkości sprzedaży/zużycia na podstawie danych historycznych. Czas realizacji: Czas od momentu złożenia zamówienia do momentu udostępnienia towaru; Jest to suma produkcji + transportu + czasów celnych dla importu. Zapasy bezpieczeństwa: Jest to zapas buforowy utrzymywany na wypadek wahań popytu lub czasu podaży. Punkt ponownego zamówienia: Jest to próg, powyżej którego należy złożyć nowe zamówienie, gdy stan zapasów spadnie do tego poziomu; mniej więcej „oczekiwany popyt w okresie realizacji + zapasy zabezpieczające”. Wahania sezonowe (sezonowość): Jest to regularny wzrost i spadek popytu w ciągu roku (wakacje, lato, semestr szkolny).
Krok po kroku: prognozowanie i planowanie oparte na sztucznej inteligencji
Krok 1 — Przygotuj dane historyczne. Prognozowanie rozpoczyna się od historycznych danych dotyczących sprzedaży/wysyłek. Miesięczne lub tygodniowe dane dotyczące sprzedaży, kampanie i zmiany cen, jeśli występują, oraz okresy braku towaru. Kiedy przekazujesz te dane AI (tylko produkt i ilość, bez poufnych informacji o kliencie), interpretuje ona trend, porę roku i skoki.
Krok 2 — Usuń wzór. Sztuczna inteligencja odczytuje wzorce w danych, takie jak „30% wzrost latem, spadek w styczniu, 8% roczny trend wzrostowy” i wyjaśnia je prostym językiem. Dzięki temu widoczne są wzorce, których możesz nie zauważyć, patrząc na surową liczbę.
Krok 3 — Wygeneruj prognozę i napisz ją. Sztuczna inteligencja może nakreślić prognozę popytu na podstawie wzorca historycznego; Cenniejsze jest to, że tworzy scenariusze „pesymistyczne/realistyczne/optymistyczne”. W ten sposób planujesz w oparciu o zakres, a nie pojedynczą liczbę.
Krok 4 — Oblicz parametry zapasów. Gdy znana jest prognoza, czas realizacji i zmienność, obliczany jest zapas bezpieczeństwa i punkt ponownego zamówienia. AI wdraża formułę i demonstruje logikę; zweryfikujesz liczby.
Krok 5 — Ludzka decyzja. Ostateczna wielkość zamówienia; Jest on podawany przez planistę, biorąc pod uwagę przepływ środków pieniężnych, pojemność magazynu, minimalną wielkość zamówienia, kurs walutowy i ryzyko dostaw. Przewidywanie jest wkładem, a nie decyzją.
Uwaga: prognozowanie popytu uwzględnia przeszłość; Nie gwarantuje przyszłości. Nieoczekiwane wydarzenie (zamknięcie fabryki, blokada celna, nagły wzrost popytu) może pokrzyżować prognozy. Przypisywanie całego zamówienia jednej „dokładnej” liczbie zwróconej przez sztuczną inteligencję jest ryzykowne; Pracuj ze scenariuszem i marginesem bezpieczeństwa.
Tabela składników decyzji dotyczących zapasów
komponent
Co to znaczy
Wkład sztucznej inteligencji
ludzka decyzja
Prognoza popytu
oczekiwana sprzedaż
Generuje wzór + scenariusz
Zaakceptuj/popraw
czas realizacji
Zamówienie → okres użytkowania
Rozbija to na elementy
Sprawdza się na podstawie prawdziwych danych
wahania popytu
Zmienność popytu
rachunki z przeszłości
Komentuj i udostępniaj
zapas bezpieczeństwa
ilość bufora
Oblicza za pomocą wzoru
Saldo środków pieniężnych/ryzyka
punkt ponownego zamówienia
Próg zamówienia
Oblicza i pokazuje
Zatwierdzenie
Ilość zamówienia
Ile zostanie zabrane
oferuje sugestie
ostateczna decyzja
Cztery szablony do kopiowania
1) Wzorce odczytu danych historycznych:
Twoja rola: asystent analityka popytu. Poniżej znajdują się miesięczne dane dotyczące sprzedaży produktu za ostatnie 24 miesiące. Podaj mi następujące informacje: (a) ogólny trend (wzrost/spadek, w przybliżeniu w %), (b) wzór sezonowy (które miesiące są najwyższe/niższe), (c) zauważalne skoki/załamania i możliwe przyczyny (skoreluj je z odnotowanymi przeze mnie zdarzeniami, jeśli takie istnieją). Sprawdzę liczby; dodanie danych montażowych.Dane: [miesiąc: lista ilościowa]
2) Scenariusz prognozy popytu:
Twoja rola: asystent prognozowania popytu. Na podstawie powyższej historii sporządź trzy prognozy scenariuszowe (PESMISJONARNY, REALISTYCZNY, OPTYMISTYCZNY) na kolejne 6 miesięcy (ilość miesięczna). Zapisz, na jakich założeniach opiera się każdy scenariusz. Jest to przewidywanie prawdopodobieństwa; Nie jest to ostateczne zobowiązanie.
3) Magazyn bezpieczeństwa i punkt zamówienia:
Twoja rola: asystent planowania zapasów. Dane wejściowe: średnie miesięczne zapotrzebowanie [X] jednostek, zmienność popytu [opis/dane], czas realizacji [Y] tygodnie, pożądany poziom usług [np. wysoki].(a) Oblicz moment ponownego zamówienia (oczekiwane zapotrzebowanie w okresie realizacji + zapasy bezpieczeństwa) i pokaż logikę krok po kroku.(b) Wyjaśnij podejście, które zastosowałeś w przypadku zapasów bezpieczeństwa. Sprawdzę wszystkie liczby; Pokaż mi kroki pośrednie, żebym mógł to sprawdzić.
4) Analiza ryzyka czasu realizacji:
Twoja rola: asystent planowania łańcucha dostaw. Mój czas realizacji składa się z następujących elementów: dni produkcji [a], dni transportu oceanicznego [b], dni odprawy celnej [c], dni transportu śródlądowego [d]. Wyodrębnij możliwe źródła opóźnień w każdym komponencie i ich wpływ na czas realizacji zamówienia. Zaznacz najbardziej ryzykowne łącze i podaj zalecenie dotyczące marginesu bezpieczeństwa. Sugestia; Decyzja należy do mnie.
Słaba zachęta/silna zachęta
Słaba zachęta:
Ile powinienem zamówić w przyszłym miesiącu?
To żądanie, bez podania danych historycznych, czasu realizacji, sezonu i sytuacji gotówkowej, powoduje, że sztuczna inteligencja wymyśla liczbę, która nie jest oparta na danych. Zamawianie z tym numerem byłoby zakładem w ciemno.
Potężny monit:
Twoja rola: asystent planowania zapasów. Produkt: [kod]. Sprzedaż w ciągu ostatnich 12 miesięcy: [ilość]. Okres dostawy wynosi 8 tygodni, minimalna ilość zamówienia to 500 sztuk, moje zapasy to 340 sztuk. Zapotrzebowanie wzrasta w miesiącach letnich. Ustal realistyczny zakres popytu na następne 2 miesiące, oblicz zapasy bezpieczeństwa i punkt ponownego zamówienia, a następnie zaproponuj 2-3 scenariusze wielkości zamówienia (z równowagą ryzyka gotówkowego). Pokaż pośrednie kroki liczb; Podejmę ostateczną decyzję.
Ten monit podaje wszystkie krytyczne dane wejściowe, wyświetla scenariusz i uwidacznia kroki obliczeniowe, umożliwiając weryfikację.
trzy mini etui
Przypadek 1 — Nadrabianie zaległości w sezonie. Importer miał stałe zamówienie na produkt ogrodowy przez cały rok; Wiosną kończyły mu się zapasy, a latem gromadziły zapasy. W danych trzyletnich YZ wyraźnie pokazało 40% wzrost popytu w okresie od marca do maja. Planista wziął pod uwagę czas realizacji (10 tygodni) i w styczniu złożył wcześnie i duże zamówienie. Efekt: w sezonie wiosennym przestoje w zapasach spadły do zera, a nadwyżki zapasów na koniec roku spadły o 25%. AI pokazała wzór, człowiek podjął decyzję o zamówieniu.
Przypadek 2 — Cena zaufania dokładnej liczbie. Planista zamówiony na podstawie pojedynczego szacunku „3200 jednostek” podanego przez YZ; Nie zastosował scenariusza i marginesu bezpieczeństwa. Brak w magazynie ze względu na nieoczekiwane duże zamówienie klienta, dodatkowa dostawa została zrealizowana pilnym ładunkiem lotniczym (koszt jednostkowy 3-krotny). Lekcja: planuj w oparciu o zakres scenariuszy i zapasy bezpieczeństwa, a nie pojedyncze liczby.
Przypadek 3 — Rzeczywistość czasu realizacji. Firma zawsze utrzymywała niski poziom zapasów bezpieczeństwa; ponieważ uważał, że czas realizacji wynosi „6 tygodni”. Kiedy YZ podzieliło czas realizacji na komponenty (produkcja 3 + transport 4 + cło 1,5 tygodnia ≈ 8,5 tygodnia), okazało się, że rzeczywisty czas był dłuższy, a najbardziej zmiennym ogniwem były cła. W związku z tym podniesiono punkt zmiany kolejności; Powtarzające się wyczerpania zapasów dobiegły końca.
Typowe błędy
- Powiązanie całego zamówienia z jednym zgadniętym numerem. Pracuj ze scenariuszem (pesymistycznym/realistycznym/optymistycznym) i zapasami bezpieczeństwa.
- Niedocenianie czasu realizacji. Rozważ sumę i zmienność produkcji + transportu + ceł + transportu krajowego.
- Ignorowanie sezonu. Stałe zamówienie powoduje zarówno brak w magazynie, jak i nadwyżkę w produktach sezonowych.
- Prośba o prognozę bez podawania danych AI. Liczba wygenerowana bez danych historycznych jest sfabrykowana.
- Ominięcie ograniczeń gotówkowych i wydajnościowych. Nawet najdokładniejsza prognoza nie może zostać wdrożona, jeśli nie wystarczy gotówki; Decyzja należy do danej osoby.
Wskazówka: Zawsze mów „pokaż kroki pośrednie”, prosząc sztuczną inteligencję o obliczenia. Jeśli nie widzisz, jak wychodzą liczby, np. zapasy bezpieczeństwa lub punkt zamówienia, nie możesz ich zweryfikować; Kroki pośrednie pozwalają zarówno wyłapać błąd, jak i poznać logikę.
Podsumowując
Prognozowanie popytu i planowanie zapasów to sztuka znalezienia równowagi pomiędzy nadmiarem a niedoborem; Długie i niestabilne czasy realizacji dostaw międzynarodowych utrudniają to. Sztuczna inteligencja to potężny asystent w odczytywaniu wzorców z danych historycznych, generowaniu prognoz scenariuszy, obliczaniu zapasów bezpieczeństwa i punktu ponownego zamawiania. Ale przewidywanie jest przewidywaniem prawdopodobieństwa; Ostateczna decyzja o zamówieniu należy do planisty, biorąc pod uwagę gotówkę, możliwości i ryzyko. Zaufaj scenariuszowi, a nie pojedynczej liczbie, realnie oblicz czas realizacji, zweryfikuj etapy pośrednie.
Zadanie aplikacji
Uzyskaj dane dotyczące sprzedaży produktu z ostatnich 12–24 miesięcy (liczba, bez poufnych informacji o kliencie). Niech sztuczna inteligencja najpierw przeczyta wzór (trend + sezon), a następnie stworzy prognozę składającą się z trzech scenariuszy. Następnie oblicz punkt ponownego zamówienia i zapasy bezpieczeństwa, podając czas realizacji, minimalną wielkość zamówienia i dostępne zapasy; Sprawdź samodzielnie kroki pośrednie. Na koniec podejmij ostateczną decyzję o zamówieniu, biorąc pod uwagę środki pieniężne i pojemność, i porównaj ją ze scenariuszami AI.
lista kontrolna
- [ ] Przekazałem AI historyczne dane sprzedażowe (anonimowe); Szacunek oparłem na danych.
- [ ] Usunąłem trend i wzór sezonowy.
- [ ] Zamiast pojedynczej liczby stworzyłem scenariusz pesymistyczny/realistyczny/optymistyczny.
- [ ] Czas realizacji podzieliłem na składowe i realnie obliczyłem.
- [ ] Sprawdziłem magazyn bezpieczeństwa i punkt zamówienia za pomocą etapów pośrednich.
- [ ] Podjąłem ostateczną decyzję o zamówieniu, biorąc pod uwagę gotówkę, możliwości i ryzyko.