כיצד להקל על חוסר הוודאות בשרשרת האספקה?

#Supplychain #logistics

 

אי וודאות היא תכונה מובנית של שרשראות האספקה, ואנחנו לא יכולים למגר אותה, מכיוון שמקור הביקוש, כל צרכן בודד חושב אחרת, ומשתנה מעת לעת. אם אתה רוצה לשתות קפה היום ולשתות תה חלב מחר, קשה לתפוס במדויק את הצרכים האישיים.

אך מעניין, כאשר אנו מצטברים יחד את הביקוש, אנו מגלים כי התנודתיות של המדגם הגדול פוחתת. לדוגמה, בעת הזמנת תה אחר הצהריים, כמה אנשים בצוות רוצים לשתות קפה או תה חלב בהחלט לא יהיה חד צדדי, ותנודת הביקוש היא קטנה יחסית.

כאשר אנו מפגישים כמה מאותם דברים או דומים, יש מונח מיוחד בשרשרת האספקה ​​המכונה "איגום" או "מצטבר".

לדוגמה, בעת ביצוע תחזיות, שילב את אותן הדרישות. בעת חישוב הקיבולת, אותה יכולת תחנת עבודה מצטברת וסופרת. תרגול זה יכול להפחית את התנודתיות, וכיום אתמקד בהיבט זה.

1. מדוע איגום?

בואו נשתמש בדוגמה כדי להמחיש עוד מה קורה בתנודתיות בביקוש. כאמור, יש הרבה אקראיות בהתנהגות קניית צרכנים, מה שיוצר תנודתיות. ג'אנג סן פתח בית קפה, וכדי להגדיל את מחיר היחידה, החנות מכרה גם עוגות.

איך עליו להצטייד? יש יותר מדי רכישות, והעוגות אינן אזלו. כאשר יושגו חיי המדף, העוגות יושלכו ויושלכו. פחות רכישות, מלאי לא מספיק ואובדן מכירות.

כדי להצטייד טוב יותר, ג'אנג סן ספר את מכירות העוגות בחנות בעשרים הימים האחרונים. החנות של ג'אנג סן פתוחה חמישה ימים בשבוע, 20 יום בחודש, והמכירות הספציפיות הן כדלקמן.

ימים	כמות מכירות	הבדל ממכירות ממוצעות	הבדל בערך המוחלט
1	42	7	7
2	30	-5	5
3	24	-11	11
4	35	0	0
5	43	8	8
6	38	3	3
7	34	-1	1
8	29	-6	6
9	44	9	9
10	21	-14	14
11	33	-2	2
12	42	7	7
13	46	11	11
14	31	-4	4
15	37	2	2
16	31	-4	4
17	44	9	9
18	36	1	1
19	41	6	6
20	27	-8	8
Average	35	0	6

 

ראינו שיא של 46 מכירות ושפל של 21, עם ממוצע של 35 (מעוגל). התוצאות בפועל עבור נפח המכירות משתנות מאוד מהממוצע, אך הן ממוצעות באפס בגלל הקיזוז החיובי והשלילי.

אנו רוצים לקחת את הממוצע המוחלט של ההבדל, המספר הזה נקרא גם סטייה ממוצעת (MAD), והממוצע החודשי שלו הוא 6.

מנקודת מבט סטטיסטית, עלינו להשתמש בסטיית התקן, שהיא קפדנית יותר. לאחר חישוב פשוט ב- Excel, נוכל להשיג סדרה של תוצאות ניתוח לגבי מכירות החודש.

מקס	46
מִינִימוּם	21
Average	35
סטיית תקן	7.1
מקדם וריאציה	0.2

 

מקדם השונות (CV) הוא סטיית התקן המחולקת בממוצע, והתוצאה היא 0.2. מנקודת מבט סטטיסטית, מכירות החודש יציבות מאוד.

מנקודת מבט יומית, ההבדל המוחלט המרבי בין מכירות יומיות לערך הממוצע הוא 14, שהוא 40% מחולק בערך הממוצע של 35, שהוא גודל הסטייה.

כאשר מסוכמים את הסטיות של 20 יום אלה, הפרש הערך המוחלט הממוצע הוא 6, שהוא 17% מחולק ב -35, שהוא כמובן יציב בהרבה מ- 40%. הסיבה לכך היא שנפח המכירות גבוה ונמוך, והסטטיסטיקה מחושבת בקבוצות של 20 יום. ההבדל במכירות מעל ומתחת לממוצע מבטל זה את זה, כך שהתצוגה הכוללת יציבה יותר.

קשה לג'אנג סן למלא רק על ידי התבוננות בנתוני המכירות היומיים, מכיוון שהמכירות היומיות משתנות מאוד, אך הביקוש החודשי יציב יחסית, מה שיכול לספק הוראות מדויקות יותר לגרב.

2. מדוע איגום יכול להפוך את המשתנים האקראיים ליציבים יותר?

בשלב הבא נבחן מדוע איגום הופך את המשתנים האקראיים ליציבים יותר מהתיאוריה הסטטיסטית.

מקדם השונות הוא נתון מקוצר המודד פיזור ומשמש לעתים קרובות להשוואה בין פריטים שונים, כמו שני צרכים או מוצרים שונים. אנו יכולים להשוות בין מקדמי הווריאציה שלהם כדי לראות כמה דומים או שונים של המאפיינים שלהם.

ראינו בעבר שאם יש סטוכסטי של חודש, זה הסכום של 20 סטוכסטיק יומי. אז יש לנו משתנה אקראי חודשי, ו 20 משתנים אקראיים יומיים DI.

בהנחה ש- DI הם עצמאיים וכל אותה התפלגות, הם שייכים להתפלגות הרגילה. יש לנו תפוצה רגילה עם ממוצע μ וסטיית תקן σ.

ואם המשתנה האקראי של מכירות חודשיות מציית גם להפצה נורמלית, כלומר, ההתפלגויות היומיומיות והחודשיות זהות, עלינו לקבוע יחסי המרה בין שני סולמות הזמן הללו.

ממוצע חודשי יומי µ20 * µ סטיית תקן σ√20 * σ

ראשית מבט בממוצע, מכיוון שמספר ימי העבודה בחודש הוא 20 יום, כך שחודש שווה ל 20 יום, אנו יכולים להכפיל ישירות את הממוצע היומי ב 20, ולחכות עד הממוצע החודשי, מה שקל יותר להבין.

סטיית התקן אינה מחושבת בדרך זו. על פי הנוסחה, נדרשת ריבוע גודל המדגם, שהוא √20. סטיית התקן החודשית היא √20 פעמים σ.

מקדם הווריאציה היומי הוא σ/μ, שהוא: 1*(σ/µ), והשונות החודשית היא: (√20*σ) /20*μ=0.22* (σ/μ).

ברור שמקדם הווריאציה החודשי של 0.22 הוא פחות מהיומי. 1. זוהי הוכחה מתמטית לכך שאחרי הצטברות הביקוש, התנודתיות החודשית היא פחותה זו היומית, שתעזור לנו לנסח אסטרטגיות שרשרת אספקה ​​רלוונטית.

 

3. תרחישי שימוש

3.1 אסטרטגיית עיכוב

אסטרטגיית העיכוב בשרשרת האספקה ​​מחלקת את תהליך הייצור של מוצר לשלב הכללה ושלב בידול. ארגונים מייצרים תחילה רכיבים נפוצים ומעכבים את תהליך הייצור של בידול מוצרים ככל האפשר.

הייצור המבדל של המוצר לא הושלם עד שמשתמש הקצה יבקש את המראה או הפונקציה של המוצר. לדוגמה, עבור חלב הסויה בחנות ארוחת הבוקר, המוצר בשלב ההכללה של המוצר הוא מיץ החלב הסויה המקורי, והמוצר המבדל הוא החלב המתוק והלוח המעובד על בסיס המיץ המקורי.

התנודתיות בביקוש של מוצר יחיד בהחלט גדולה יותר מזו של כל המוצרים, ולכן מסעדות ארוחת הבוקר צריכות לצבור את הביקוש לכל מוצרי SOYMILK כדי לתחזות דיוק גבוה יותר מכל מוצר יחיד.

אנו משתמשים גם בגישה זו בעת חיזוי הביקוש לסחורות אחרות, מכיוון שביקוש הסחורות האישיות ישתנו, אך ההבדלים הללו יבטלו זה את זה, מה שהופך את התחזית הכוללת ליותר מדויקת.

 

3.2 הגדרות מלאי

כמה חברות מסחר אלקטרוני של מזון טרי משתמשות במודל המחסן הקדמי כדי לשרת את הקהילה בטווח של כמה קילומטרים סביב המחסן.

הסטייה בגרב של מחסן קדמי יחיד תהיה גבוהה יחסית. אם נשלב את הדרישות של מספר מחסנים קדמיים, השתמש במחסן כללי אזורי כדי לכסות את צרכיהם של מחסנים קדמיים אלה, ולהפיץ מהמחסן הכללי למחסנים הקדמיים, אנו יכולים לייעל את עלויות המלאי הכוללות ושיעורי המסירה בזמן.

המיקום הכולל אוסף את הביקוש של כל מיקום קדמי ומאט את התנודתיות.

 

3.3 כושר ייצור

כאשר אנו מבצעים תכנון ייצור, אנו מתכננים בדרך כלל את יכולתו של קו ייצור, למשל, ניתן לייצר שלושה סוגים של מוצרים A, B ו- C בקו זה. יתכן שלא אוכל לקבוע את המספר הספציפי של ייצור A, B ו- C, מכיוון שהמצב בפועל תמיד ישתנה, לפעמים יש מחסור בחומרים, לא יכול לייצר A, יכול רק לעשות B או C.

לכן כאשר אנו מתכננים את היכולת לקו ייצור שלם, לעתים קרובות אנו מצטברים את כל היכולות. בישיבת הייצור והתיאום החודשי של המכירה, אנו עשויים להתקשות להחליט על הכמות הספציפית שתייצר, אך במקום זאת לתכנן את יכולת הייצור הכוללת של קו הייצור. מהאמור לעיל אנו יודעים שביצוע זה יהיה מדויק יותר ופחות תנודתי.

בתהליך הייצור של המוצרים בפועל, מצבים בלתי צפויים יתרחשו בהכרח, חלקם מושלמים יתר על המידה, חלקם הם תת-יעדים, אך הם אכן יכולים לפצות זה את זה כדי להשיג את המטרה הכללית שלנו.

לסיכום, Baichuan Juhai Pooling היא אסטרטגיית שרשרת אספקה ​​מעשית מאוד, שיכולה להקל ביעילות בתנודתיות שונה. הממדים המצטברים כוללים זמן וכמות, שצריך ליישם גמישות בהתאם למצב.