דוד משיח

רשימה · שרשרת אספקה · מדידה

ביקוש מצונזר, מחושב על עשרה ימים של מספרים

כשנגמר המלאי, נתוני המכירות מפסיקים למדוד ביקוש. עשרה ימים של מספרים מראים בכמה, איזה חלק מהביקוש עדיין אפשר למדוד בדיוק, ואיזה חלק הנתונים לעולם לא יראו לכם.

מכירות וביקוש מחוברים בשורה אחת: sales = min(demand, stock), כלומר המכירות הן הקטן מבין הביקוש למלאי. ביום שבו נגמר המלאי, נתון המכירות מתעד את המלאי שלכם ולא את השוק. בסטטיסטיקה זו נקראת תצפית מצונזרת מימין: הערך האמיתי הוא לפחות מה שנרשם, ואין לכם מושג בכמה יותר.

כתבתי על הסיבה לזה ועל איך זה מזין את עצמו ברשימה על המכירה שלא ביצעתם. הרשימה הזו עוברת על זה עם מספרים.

עשרה ימים, עשר יחידות על המדף

נניח שהביקוש האמיתי בעשרה ימים היה 6, 9, 12, 8, 15, 7, 11, 10, 13, 9. הממוצע שלו הוא בדיוק 10. כל בוקר מעמידים על המדף 10 יחידות.

המכירות שנרשמו הן 6, 9, 10, 8, 10, 7, 10, 10, 10, 9. הממוצע שלהן הוא 8.9. הרישום מעריך את הביקוש בחסר של 11 אחוז, ו־11 יחידות של ביקוש לא סופקו בלי להשאיר שום עקבה.

בחמישה ימים המכירות היו בדיוק 10. בארבעה מהם הביקוש היה גבוה יותר. באחד הוא היה בדיוק 10. ברישום המכירות חמשת הימים האלה זהים. שום דבר לא אומר לכם באילו מהם הסתתר ביקוש נוסף.

מה עדיין אפשר למדוד בדיוק

החלק התחתון של ההתפלגות שורד. הצנזור חותך ערכים רק ברמת המלאי, ולכן כל שאלה על ביקוש מתחת ל־10 מקבלת ברישום המכירות את אותה תשובה כמו בביקוש האמיתי. בטבלה, D הוא הביקוש:

P(D ≤ 7)0.2 באמת, 0.2 מהמכירות
P(D ≤ 8)0.3 באמת, 0.3 מהמכירות
P(D ≤ 9)0.5 באמת, 0.5 מהמכירות
P(D ≤ 10)0.6 באמת; רישום המכירות לא יכול לדעת

הממוצע שגוי, אבל צורת הביקוש מתחת לרמת המלאי נכונה בדיוק. מתברר שזה חשוב יותר מהממוצע.

רמת המלאי שבאמת צריך

למוצר מתכלה, התשובה הקלאסית היא כלל מוכר העיתונים. נסמן Cu לעלות של חוסר ביחידה אחת, כלומר הרווח שלא הרווחתם, ו־Co לעלות של יחידה אחת שנשארה. מחזיקים מלאי ברמה שבה ההסתברות לכסות את הביקוש שווה ל־Cu / (Cu + Co).

קודם רווח נמוך. נניח שכל יחידה עולה 6 ונמכרת ב־10: Cu = 4, Co = 6, והיחס הוא 0.4. צריך את המלאי הקטן ביותר שמכסה את הביקוש לפחות ב־40 אחוז מהזמן. P(D ≤ 8) = 0.3 לא מספיק ו־P(D ≤ 9) = 0.5 כן, ולכן התשובה היא 9. גם הרישום המצונזר נותן 9. במוצר הזה, הנתונים המוטים עדיין מובילים להחלטה הנכונה.

עכשיו רווח גבוה. נניח שכל יחידה עולה 3 ונמכרת ב־10: Cu = 7, Co = 3, והיחס הוא 0.7. מהביקוש האמיתי, P(D ≤ 10) = 0.6 לא מספיק ו־P(D ≤ 11) = 0.7 כן, ולכן צריך להחזיק 11. הרישום המצונזר לא יכול להראות את זה. הוא אף פעם לא ראה ביקוש מעל 10, כי אף פעם לא היו לכם יותר מ־10. נשארים על 10, ממשיכים להיגמר, והנתונים ממשיכים להסכים איתכם.

למה זו המלכודת

הצנזור לא פוגע בכל המוצרים באותה מידה. הוא פוגע באלה שרמת המלאי הנכונה שלהם גבוהה ממה שהחזקתם עד עכשיו, כלומר במוצרים שבהם חוסר במלאי הכי יקר. בדיוק אותם תחזית שמבוססת על מכירות ממשיכה להזמין בחסר.

יש שתי דרכים לצאת. הראשונה היא לרשום את הבקשות שלא יכולתם למלא: תאריך, פריט, כמות. אז ימי האזילה מפסיקים להיות מצונזרים. השנייה היא להחזיק מדי פעם, בכוונה, יותר מהרגיל, כדי לראות את הביקוש שחתכתם. המחקר על למידה מביקוש מצונזר עושה בעצם את זה, ומתאים את המלאי תוך כדי למידה במקום לסמוך רק על רישום המכירות.

מקורות

  1. Huh, W. T. and Rusmevichientong, P. A Nonparametric Asymptotic Analysis of Inventory Planning with Censored Demand. Mathematics of Operations Research 34(1), 2009.
  2. Huh, W. T., Levi, R., Rusmevichientong, P. and Orlin, J. B. Adaptive Data-Driven Inventory Control with Censored Demand Based on Kaplan-Meier Estimator. Operations Research 59(4), 2011.