आपूर्ति श्रृंखला में अनिश्चितता को कम करने के लिए कैसे?

#Supplychain #logistics

 

अनिश्चितता आपूर्ति श्रृंखलाओं की एक अंतर्निहित विशेषता है, और हम इसे मिटा नहीं सकते हैं, क्योंकि मांग का स्रोत, प्रत्येक व्यक्तिगत उपभोक्ता अलग तरह से सोचता है, और समय -समय पर बदल जाता है। यदि आप आज कॉफी पीना चाहते हैं और कल मिल्क चाय पीना चाहते हैं, तो व्यक्तिगत जरूरतों को सही ढंग से समझना मुश्किल है।

लेकिन दिलचस्प बात यह है कि जब हम एक साथ मांग को एकत्र करते हैं, तो हम पाते हैं कि बड़े नमूने की अस्थिरता कम हो जाती है। उदाहरण के लिए, दोपहर की चाय का ऑर्डर करते समय, टीम के कितने लोग कॉफी पीना चाहते हैं या दूध की चाय निश्चित रूप से एकतरफा नहीं होगी, और मांग का उतार-चढ़ाव अपेक्षाकृत कम है।

जब हम कुछ समान या समान चीजों को एक साथ लाते हैं, तो आपूर्ति श्रृंखला में एक विशेष शब्द है जिसे "पूलिंग" या "एग्रीगेट" कहा जाता है।

उदाहरण के लिए, पूर्वानुमान बनाते समय, समान आवश्यकताओं को एकीकृत करें। क्षमता की गणना करते समय, एक ही वर्कस्टेशन क्षमता को एकत्र किया जाता है और गिना जाता है। यह अभ्यास अस्थिरता को कम कर सकता है, और आज मैं इस पहलू पर ध्यान केंद्रित करूंगा।

1. पूलिंग क्यों करते हैं?

आइए एक उदाहरण का उपयोग करें ताकि यह स्पष्ट हो सके कि मांग अस्थिरता के साथ क्या हो रहा है। जैसा कि ऊपर उल्लेख किया गया है, उपभोक्ता खरीद व्यवहार में बहुत अधिक यादृच्छिकता है, जो अस्थिरता पैदा करती है। झांग सान ने एक कॉफी शॉप खोली, और यूनिट की कीमत बढ़ाने के लिए, दुकान ने केक भी बेचे।

उसे कैसे स्टॉक करना चाहिए? बहुत सारी खरीदारी हैं, और केक नहीं बेचे जाते हैं। जब शेल्फ जीवन पहुंच जाता है, तो केक को छोड़ दिया जाएगा और फेंक दिया जाएगा। कम खरीद, अपर्याप्त इन्वेंट्री, और बिक्री का नुकसान।

बेहतर स्टॉक अप करने के लिए, झांग सैन ने पिछले 20 दिनों में स्टोर में केक की बिक्री की गिनती की। झांग सैन का स्टोर सप्ताह में पांच दिन, महीने में 20 दिन खुला रहता है, और विशिष्ट बिक्री इस प्रकार है।

दिन	बिक्री मात्रा	औसत बिक्री से अंतर	पूर्ण मूल्य में अंतर
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

 

हमने 35 (गोल) के औसत के साथ 46 बिक्री और 21 से कम 21 की चोटी देखी। बिक्री की मात्रा के लिए वास्तविक परिणाम औसत से व्यापक रूप से भिन्न होते हैं, लेकिन वे सकारात्मक और नकारात्मक ऑफसेट के कारण औसत शून्य होते हैं।

हम अंतर का निरपेक्ष माध्य लेना चाहते हैं, इस संख्या को Meanabsolutely विचलन (MAD) भी कहा जाता है, और इसका मासिक माध्य 6 है।

सांख्यिकीय दृष्टिकोण से, हमें मानक विचलन का उपयोग करना चाहिए, जो अधिक कठोर है। एक्सेल में एक सरल गणना के बाद, हम इस महीने की बिक्री के बारे में विश्लेषण परिणामों की एक श्रृंखला प्राप्त कर सकते हैं।

अधिकतम	46
न्यूनतम	21
Average	35
मानक विचलन	7.1
गुणांक का परिवर्तन	0.2

 

भिन्नता (सीवी) का गुणांक माध्य द्वारा विभाजित मानक विचलन है, और परिणाम 0.2 है। सांख्यिकीय दृष्टिकोण से, इस महीने की बिक्री बहुत स्थिर है।

दैनिक दृष्टिकोण से, दैनिक बिक्री और औसत मूल्य के बीच अधिकतम पूर्ण अंतर 14 है, जो कि 40% 35 के औसत मूल्य से विभाजित है, जो विचलन का परिमाण है।

जब इन 20 दिनों के विचलन को अभिव्यक्त किया जाता है, तो औसत निरपेक्ष मूल्य अंतर 6 है, जो कि 17% 35 से विभाजित है, जो स्पष्ट रूप से 40% से अधिक स्थिर है। ऐसा इसलिए है क्योंकि बिक्री की मात्रा अधिक और निम्न है, और आंकड़ों की गणना 20 दिनों के समूहों में की जाती है। औसत से ऊपर और नीचे की बिक्री में अंतर एक दूसरे को रद्द कर रहा है, इसलिए समग्र दृश्य अधिक स्थिर है।

झांग सैन के लिए केवल दैनिक बिक्री डेटा को देखकर स्टॉक करना मुश्किल है, क्योंकि दैनिक बिक्री में बहुत उतार -चढ़ाव होता है, लेकिन मासिक मांग अपेक्षाकृत स्थिर है, जो स्टॉकिंग के लिए अधिक सटीक निर्देश प्रदान कर सकती है।

2. क्यों पूलिंग यादृच्छिक चर को अधिक स्थिर बना सकता है?

अगला, हम देखेंगे कि क्यों पूलिंग सांख्यिकीय सिद्धांत से यादृच्छिक चर को अधिक स्थिर बनाती है।

भिन्नता का गुणांक एक सारांश आँकड़ा है जो फैलाव को मापता है और अक्सर विभिन्न वस्तुओं, जैसे दो अलग -अलग जरूरतों या उत्पादों की तुलना करने के लिए उपयोग किया जाता है। हम यह देखने के लिए भिन्नता के उनके गुणांक की तुलना कर सकते हैं कि उनकी विशेषताओं के समान या भिन्न कैसे हैं।

हमने इससे पहले देखा है कि अगर एक महीने का स्टोकेस्टिक है, तो यह 20 दैनिक स्टोचास्टिक का योग है। तो हमारे पास एक मासिक यादृच्छिक चर एम, और 20 दैनिक यादृच्छिक चर di है।

यह मानते हुए कि डीआई स्वतंत्र हैं और सभी एक ही वितरण के हैं, वे सामान्य वितरण से संबंधित हैं। हमारे पास माध्य µ और मानक विचलन σ के साथ एक सामान्य वितरण है।

और यदि मासिक बिक्री का यादृच्छिक चर भी एक सामान्य वितरण का पालन करता है, तो, अर्थात्, दैनिक और मासिक वितरण समान हैं, तो हमें इन दो समय के तराजू के बीच एक रूपांतरण संबंध स्थापित करने की आवश्यकता है।

दैनिक मासिक माध्य µ20 * σ मानक विचलन σ20 * σ

पहले औसत को देखें, क्योंकि प्रति माह कार्य दिवसों की संख्या 20 दिन होती है, इसलिए एक महीना 20 दिनों के बराबर होता है, हम सीधे दैनिक औसत को 20 से गुणा कर सकते हैं, और मासिक औसत तक प्रतीक्षा कर सकते हैं, जिसे समझने में आसान है।

मानक विचलन की गणना इस तरह से नहीं की जाती है। सूत्र के अनुसार, नमूना आकार के वर्ग की आवश्यकता होती है, जो कि 2020 है। मासिक मानक विचलन σ20 गुना σ है।

भिन्नता का दैनिक गुणांक σ/σ है, जो है: 1*(µ/µ), और मासिक भिन्नता है: (σ20*σ)/20**=0.22* (σ/µ)।

स्पष्ट रूप से 0.22 की भिन्नता का मासिक गुणांक दैनिक से कम है। यह एक गणितीय प्रमाण है कि मांग एकत्र होने के बाद, मासिक अस्थिरता दैनिक से कम है, जो हमें प्रासंगिक आपूर्ति श्रृंखला रणनीतियों को तैयार करने में मदद करेगा।

 

3. उपयोग परिदृश्य

3.1 देरी की रणनीति

आपूर्ति श्रृंखला में देरी की रणनीति एक उत्पाद की उत्पादन प्रक्रिया को एक सामान्यीकरण चरण और एक भेदभाव चरण में विभाजित करती है। उद्यम पहले सामान्य घटकों का उत्पादन करते हैं, और जितना संभव हो उतना उत्पाद भेदभाव की विनिर्माण प्रक्रिया में देरी करते हैं।

उत्पाद का विभेदित उत्पादन तब तक पूरा नहीं होता है जब तक कि अंतिम उपयोगकर्ता उत्पाद की उपस्थिति या कार्य का अनुरोध नहीं करता है। उदाहरण के लिए, नाश्ते की दुकान में सोया दूध के लिए, उत्पाद के सामान्यीकरण चरण में उत्पाद मूल सोया दूध का रस है, और विभेदित उत्पाद मूल रस के आधार पर संसाधित मीठा और नमकीन दूध है।

एकल उत्पाद की मांग अस्थिरता निश्चित रूप से सभी उत्पादों की तुलना में अधिक है, इसलिए नाश्ते के रेस्तरां को किसी भी एकल उत्पाद की तुलना में उच्च सटीकता के साथ भविष्यवाणियों को बनाने के लिए सभी सोइमिल्क उत्पादों की मांग को एकत्र करना चाहिए।

अन्य वस्तुओं की मांग का पूर्वानुमान लगने पर हम इस दृष्टिकोण का भी उपयोग करते हैं, क्योंकि व्यक्तिगत वस्तु की मांग अलग -अलग होगी, लेकिन ये अंतर एक -दूसरे को रद्द कर देंगे, जिससे समग्र पूर्वानुमान अधिक सटीक हो जाएगा।

 

3.2 इन्वेंटरी सेटिंग्स

कुछ ताजा भोजन ई-कॉमर्स कंपनियां गोदाम के आसपास कुछ किलोमीटर के भीतर समुदाय की सेवा करने के लिए फ्रंट वेयरहाउस मॉडल का उपयोग करती हैं।

एक ही सामने वाले गोदाम के स्टॉक में विचलन अपेक्षाकृत अधिक होगा। यदि हम कई फ्रंट वेयरहाउस की आवश्यकताओं को जोड़ते हैं, तो इन फ्रंट वेयरहाउस की जरूरतों को कवर करने के लिए एक क्षेत्रीय सामान्य गोदाम का उपयोग करें, और जनरल वेयरहाउस से फ्रंट वेयरहाउस में वितरित करें, हम समग्र इन्वेंट्री लागत और समय पर डिलीवरी दरों का अनुकूलन कर सकते हैं।

कुल स्थिति प्रत्येक सामने की स्थिति की मांग को इकट्ठा करती है और अस्थिरता को धीमा कर देती है।

 

3.3 उत्पादन क्षमता

जब हम उत्पादन योजना बनाते हैं, तो हम आम तौर पर एक उत्पादन लाइन की क्षमता की योजना बनाते हैं, उदाहरण के लिए, इस लाइन पर तीन प्रकार के उत्पाद ए, बी, और सी का उत्पादन किया जा सकता है। मैं ए, बी और सी उत्पादन की विशिष्ट संख्या को निर्धारित करने में सक्षम नहीं हो सकता हूं, क्योंकि वास्तविक स्थिति हमेशा बदल जाएगी, कभी -कभी सामग्री की कमी होती है, ए का उत्पादन नहीं कर सकता है, केवल बी या सी कर सकता है।

इसलिए जब हम एक पूर्ण उत्पादन लाइन के लिए क्षमता की योजना बनाते हैं, तो हम अक्सर सभी क्षमताओं को एकत्र करते हैं। मासिक उत्पादन और बिक्री समन्वय बैठक में, हमें उत्पादित की जाने वाली विशिष्ट मात्रा पर निर्णय लेने में कठिनाई हो सकती है, लेकिन इसके बजाय उत्पादन लाइन की कुल उत्पादन क्षमता की योजना है। ऊपर से, हम जानते हैं कि ऐसा करना अधिक सटीक और कम अस्थिर होगा।

उत्पादों की वास्तविक उत्पादन प्रक्रिया में, अप्रत्याशित परिस्थितियां अनिवार्य रूप से होंगी, कुछ को पूरा किया जाता है, कुछ कम-लक्ष्य हैं, लेकिन वे वास्तव में हमारे समग्र लक्ष्य को प्राप्त करने के लिए एक-दूसरे की भरपाई कर सकते हैं।

योग करने के लिए, बाचुआन जुहाई पूलिंग एक बहुत ही व्यावहारिक आपूर्ति श्रृंखला रणनीति है, जो विभिन्न अस्थिरता को प्रभावी रूप से कम कर सकती है। एकत्रित आयामों में समय और मात्रा शामिल होती है, जिन्हें स्थिति के अनुसार लचीले ढंग से लागू करने की आवश्यकता होती है।