Podstawową cechą opisywanego modelu jest to, że zamówienie składane jest w określonym cyklu o stałym okresie przeglądu (ang. ROC – Re-order Cycle). Wielkość zamówienia w tym modelu jest zmienna i wyznaczana jako różnica pomiędzy pewnym, określonym poziomem zapasu, zwanym zapasam maksymalnym, a aktualnym poziomem zapasu dysponowanego [3]. Z punktu widzenia tego systemu uzupełniania zapasu, znajomość zapasu dysponowanego jest konieczna tylko w dniu zamawiania a nie po każdej transakcji magazynowej.

Funkcjonowanie modelu obrazuje rysunek 1. 

Z_MAX – zapas maksymalny, 

WD- wielkość dostawy, 

LT- okres zamawiania, 

T_o – cykl zamawiania. 

Rysunek 1. Model stałego cyklu zamawiania 

Źródło: Opracowanie własne na podstawie: [2]  

Zapas maksymalny ustalony jest na poziomie zakładającym zaspokojenie popytu w okresie obejmującym określony cykl zamawiania i średni czas cyklu uzupełniania powiększony o zapas zabezpieczający.  Tą zależność przedstawia poniższy wzór [1, 5]: 

gdzie: 

P_T,To – oczekiwany średni popyt w przyjętym cyklu uzupełniania zapasu 

i cyklu przeglądu, 

ZB – poziom zapasu zabezpieczającego. 

Zapas zabezpieczający, odniesiony jest do okresu będącego sumą średniego czasu realizacji zamówienia oraz określonego cyklu zamawiania. Jego wielkość jest zatem relatywnie duża. Formułę wyznaczającą poziom zapasu maksymalnego można ostatecznie zapisać następująco [1, 5]: 

gdzie: 

P_T,To – oczekiwany średni popyt w przyjętym cyklu uzupełniania zapasu 

i cyklu przeglądu, 

ZB – poziom zapasu zabezpieczającego. 

Zapas zabezpieczający, odniesiony jest do okresu będącego sumą średniego czasu realizacji zamówienia oraz określonego cyklu zamawiania. Jego wielkość jest zatem relatywnie duża. Formułę wyznaczającą poziom zapasu maksymalnego można ostatecznie zapisać następująco [1, 5]: 

gdzie: 

P_R – prognoza popytu w przyjętej prognostycznej jednostce czasu (np. tydzień), 

T – średni zaobserwowany okres realizacji zamówień wyrażony w przyjętych okresach jednostkowych, 

T_o – czas cyklu przeglądu 

ω – współczynnik bezpieczeństwa, 

σ_PT – zmienność popytu w cyklu uzupełnienia zapasu, która wyznaczana jest z następującej formuły:      

σ_T – zmienność czasu cyklu uzupełnienia zapasu, 

s – standardowy błąd prognozy popytu (jeżeli założymy, że modelem prognozowania będzie model średniej arytmetycznej to można przyjąć s=σ_P, gdzie σ_P – zmienność popytu w przyjętej jednostce czasu) 

Wielkość zamówienia w modelu jest wielkością zmienną i obliczana jest z formuły [4]: 

gdzie: 

Z_MAX – zapas maksymalny, 

ZW – zapas wolny (dysponowany). 

Wykorzystanie metody ROC (Re-order Cycle) jest bardzo często spotykane w zatowarowaniu w szeregu branży. Metoda ta jest dostępna także w systemie Dature, obok wielu innych alternatywnych podejść. System Dature wykorzystuje do wyliczenia prognozy popytu i optymalizacji zapasów uczenie maszynowe i sztuczną inteligencję co pozwala znacząco poprawić wyniki generowane tą metodą.  

Skontaktuj się z nami, by uzyskać więcej informacji!  

Literatura: 

1. Cyplik P., Wykorzystanie metod sterowania zapasami – stadium przypadku, Logistyka, 2001, nr 6 

2. Kiperska-Moroń D., Podstawy podejmowania decyzji logistycznych, wyd. III, Akademia Ekonomiczna, Katowice, 1997 

3. Krzyżaniak S.: Podstawy zarządzania zapasami w przykładach, Wydanie III, Instytut Logistyki i Magazynowania, Poznań, 2005 

4. Sarjusz-Wolski Z., O pewnych szczególnych przypadkach sterowania zapasami, Gospodarka Materiałowa i Logistyka 1995, nr 3 

5. Skowronek Cz., Logistyka w przedsiębiorstwie, PWE, Warszawa, 1995 

Niniejszy artykuł powstał dzięki środkom pochodzącym ze współfinansowania przez Unię Europejską Programu Operacyjnego Inteligentny Rozwój 2014-2020, projektu realizowanego w ramach konkursu Narodowego Centrum Badań i Rozwoju: w ramach konkursu „Szybka Ścieżka” dla mikro-, małych i średnich przedsiębiorców – konkurs dla projektów z regionów słabiej rozwiniętych w ramach Działania 1.1: Projekty B+R przedsiębiorstw Poddziałanie 1.1.1 Badania przemysłowe i prace rozwojowe realizowane przez przedsiębiorstwa. Tytuł projektu: „Stworzenie oprogramowania do poprawy trafności prognoz i optymalizacji zapasów z perspektywy odbiorcy i dostawcy współpracujących w ramach łańcucha dostaw przy zastosowaniu rozmytych, głębokich sieci neuronowych.