Vinster:
- Förmåga att beräkna och tolka efterbeställningspunkt, säkerhetslager och beställningskvantitet med stöd för artificiell intelligens
- Förmåga att analysera stockout, överskottslager och döda lagerscenarier och skapa ett utkast till handlingsplan
- Förstå att beställningskvantiteterna som föreslås av artificiell intelligens måste verifieras med ledtid, hållbarhetstid och budgetbegränsningar
Du gissade efterfrågan; Så när och hur mycket kommer du att beställa? Lagerhantering är svaret på denna fråga. Målet är enkelt men utmanande: att ha rätt produkt, i rätt kvantitet, vid rätt tidpunkt. Överskott av kontanter fryser på hyllan och tvingar dem att smälta med rabatt; För lite kommer att missa försäljningen och pressa kunden till konkurrenten. I denna enhet kommer du att använda artificiell intelligens som en assistent som accelererar beräkningarna bakom orderbeslut och synliggör scenarier.
De första tre grundläggande begreppen:
Återbeställningspunkt (ROP): Detta är tröskeln vid vilken en ny beställning måste läggas när lagret faller till denna nivå. Ungefär: (genomsnittlig daglig försäljning × ledtid) + säkerhetslager.
Ledtid: Tiden från det att du lägger beställningen tills att produkten kommer på hyllan och är klar för försäljning.
Säkerhetslager: Det är ett buffertlager som hålls mot osäkerhet i efterfrågan och utbudstid. Det förhindrar varulager vid oväntade efterfrågeökningar eller leveransförseningar.
Varför räcker inte bara medelmåttigt?
Låt oss säga att du säljer i genomsnitt 10 enheter per dag och utbudet är 5 dagar. Att säga "Jag kommer att beställa när det finns 50 stycken kvar" verkar tillräckligt. Men vissa dagar säljer man 18 är leverantören en dag försenad. Säkerhetslager täcker dessa överraskningar. Hur mycket säkerhetslager? Ju mer volatil din efterfrågan är och desto mer opålitlig är utbudet.
faktor
Säkerhetslager vid utökad
Varför
efterfrågevolatilitet
ökar
För att möta sprången
ledtid
ökar
Ju längre du väntar, desto större är risken
Leveranssäkerhet
minskar
Att leverantören kommer i tid minskar buffertbehovet
Produktens betydelse (målprodukt)
ökar
Kostnaden för att vara slut i lager är hög
Kort hållbarhet
minskar
Överskott av buffert leder till nedbrytning/avfall
Varning: Säkerhetslager ställs inte upp utan vidare som "fast 2 veckor för varje produkt". Bufferten för huvudprodukten som säljs snabbt och produkten som säljs en gång i månaden kan inte vara densamma.
Orderkvantitet: EOQ logik
EOQ (Economic Order Quantity): Det är den idealiska orderstorleken som balanserar kostnaden för beställningen (frakt, bearbetning) och kostnaden för att hålla (lager, kapital, förstörelse). Alltför ofta liten order → hög transaktionskostnad; sällan stor order → hög lager- och kontantkostnad. Artificiell intelligens hjälper dig att beräkna denna balans, men du lägger till de verkliga begränsningarna som minsta beställningskvantitet, boxgolv, kampanj.
Slut i lager, överlager och dödlager
- Lager: Ingen produkt, kunden kom. Det är inte bara den där försäljningen du tappar; Kundlojaliteten blir också lidande.
- Överskottslager (överlager): Lager över efterfrågan; När kontanter binds uppstår rabatttryck.
- Dött lager: Lager som inte har rört sig på månader och har lite hopp om att säljas. Lagret tar plats och dess värde minskar.
Artificiell intelligens kan snabbt extrahera dessa tre situationer från data om försäljningshastighet och lagernivå och ge dig en åtgärdslista.
Steg för steg lageranalys
- Samla in data: SKU, aktuellt lager, genomsnittlig daglig försäljning, ledtid, minsta orderkvantitet, hållbarhet.
- Beräkna ROP och säkerhetslager: Extrahera beställningspunkten för varje SKU.
- Markera riskerna: Slut i lager, överlager, döda lager.
- Få ett åtgärdsutkast: Vilken produkt du ska beställa, vilken som ska rabatteras, vilken som ska returneras/överlåtas.
- Verifiera och besluta: Kontrollera med budget, leverantörsbegränsning och hållbarhet och bekräfta beställningen.
minifodral
Fall 1 — Säkerhetslager sparar: En apoteksbutik säljer i genomsnitt 30 per dag av ett populärt vitamin, 7 dagars leverans. Han beställde bara 210 enheter i genomsnitt, men leverantören var 3 dagar försenad två gånger och slut i lager. AI analyserar efterfrågevolatilitet och eftersläpningshistorik och rekommenderar 90 säkerhetsaktier, ROP ökar till 300. Det finns inget slut i lager i nästa fördröjning; ~15 000 TL månatlig förlorad försäljning är skyddad.
Fall 2 — Rengöring av döda lager: I en klädbutik har 22 av 140 SKU:er inte sålts på 90 dagar, värda 180 000 TL. Artificiell intelligens listar dem och utkast "Om de inte säljs inom 40 dagar, prisnedsättning, överföring till outlet i slutet av säsongen". Chefen godkänner planen; lagerutrymme och kontanter frigörs.
Fall 3 — Förhindra överbeställning: En butiksexpert är på väg att köpa en 6-månaders leverans av läsk efter att ha fallit för en leverantörskampanj. När den artificiella intelligensen ritar ett scenario med hållbarhet (4 månader) och månadsförsäljning visar det att 30 % av lagret kommer att överskrida sitt utgångsdatum. Ordern reduceras från 6 månader till 3 månader; En eventuell förlust på 40 000 TL förhindras.
Svag prompt / Stark prompt
Svag uppmaning:
Hur mycket ska jag beställa?
Inga data och inga begränsningar; kommer det meningslösa svaret.
Kraftfull uppmaning:
Din roll: specialist på lagerplanering. Data: SKU 2210. Nuvarande lager 120. Genomsnittlig daglig försäljning 24, högst under de senaste 30 dagarna 41. Ledtid 6 dagar, leverantören är 1 dag försenad på de 3 senaste beställningarna. Minsta beställning är 50, fallmultipel är 10. Uppgift: (1) beräkna återbeställningspunkt,(2) föreslå och motivera rimliga säkerhetslager,(3) ska jag beställa nu, i så fall hur många fall?Regel: avrunda uppåt till fallmultipel, följ regeln för minsta beställning.Visa beräkningen steg för steg så att jag kan verifiera.
Kopierbara promptmallar
1) ROP och säkerhetslagerberäkning
Beräkna ombeställningspunkten och säkerhetslager för följande SKU. Använd daglig försäljning, volatilitet, ledtid och fördröjningshistorik. Visa beräkningen steg för steg. Data: [klistra in]
2) Undersökning av aktierisk
Kolla in aktiediagrammet nedan. Tre listor skapas: (a) de som riskerar att vara slut i lager inom 15 dagar, (b) de med överskottslager (90+ dagars lager), (c) döda lager som har varit inaktiva i 60 dagar. Varför en rad för varje SKU.Data: [klistra in]
3) Handlingsplan för döda bestånd
Föreslå en avyttringsplan för följande inaktiva produkter: nedskrivningsprocent, paketerbjudande, överföring eller returalternativ. Tänk på hållbarhet. Ge det i en tabell. Data: [klistra in]
4) Jämförelse av orderscenario
Jämför tre beställningsscenarier för denna produkt: låg (1 månad), medium (2 månader), hög (4 månader). Gör en tabell över bundna kontanter, lagerbelastning, risk för slut i lager och risk för förlust av hållbarhet för var och en. Data och hållbarhet: [klistra in]
Vanliga misstag
- Utjämning av säkerhetslager till medelvärdet: Volatilitet och leveranssäkerhet måste beaktas.
- Ignorera leverantörsförseningar: Tidigare förseningar ska läggas till ledtiden.
- Förbigå regeln för golv/minimibeställning: AI-rekommendationen "37 stycken" är faktiskt inte tillämplig.
- Att glömma hållbarheten: Överbeställning innebär direkt förlust av kortlivade produkter.
- Ignorera döda lager: Fryser kontanter och utrymme; Skanna regelbundet.
- Faller för en engångskampanj: Köper den för att den är billig, men om den inte säljer blir den dyr.
Sammanfattningsvis
Bra lagerhantering fungerar med osäkerhet, inte medelvärde. Upprätta återbeställningspunkt, säkerhetslager och beställningskvantitet tillsammans med efterfrågevolatilitet, ledtid och hållbarhetstid. AI påskyndar beräkningar och scenarier; Men du verifierar paketgolv, budget och leverantör och bekräftar beställningen.
Applikationsuppgift
Förbered ett anonymt kalkylblad med aktuellt lager, daglig försäljning, ledtid och hållbarhet för dina 10 mest kritiska SKU:er. Lista tre risker med prompten "2) Lagerriskskanning" och kör sedan "1) ROP och säkerhetslagerberäkning" för den mest riskfyllda SKU:n. Verifiera det resulterande kontot manuellt en gång.
checklista
- [ ] Insamlade lager-/försäljnings-/leveransdata för kritiska SKU:er.
- [ ] Jag satte upp säkerhetsaktien baserat på volatilitet och eftersläpning.
- [ ] Jag har implementerat strikta regler för box och minimibeställning.
- [ ] Jag skannar regelbundet slut i lager, överlager och döda lager.
- [ ] Jag tog hänsyn till hållbarhet i beställningsbeslutet.
- [ ] Jag verifierade och bekräftade beställningskvantiteten manuellt.