Wpływ wartości odstających (ang. Outlier) na wyliczenie zapasu bezpieczeństwaWpływ wartości odstających (ang. Outlier) na wyliczenie zapasu bezpieczeństwaWpływ wartości odstających (ang. Outlier) na wyliczenie zapasu bezpieczeństwaWpływ wartości odstających (ang. Outlier) na wyliczenie zapasu bezpieczeństwa
  • Produkty
  • Jak działa AI Dature
  • O nas
  • Baza wiedzy
  • Współpraca
  • Wsparcie
  • UE Flaga
  • Polski
    • Angielski
Polski
  • Angielski
✕
            Brak wyników wyszukiwania Zobacz wszystkie wyniki
            Webinar „Prognozowanie popytu w dobie koronawirusa”
            21 maja 2020
            Jak zabezpieczyć się przed niższym poziomem obsługi ze strony dostawców
            1 czerwca 2020
            Aktualności

            Wpływ wartości odstających (ang. Outlier) na wyliczenie zapasu bezpieczeństwa

            W japońskiej sztuce walki mieczem samurajskim iaidō poza doskonałą techniką bardzo ważnym elementem jest zachowanie czujności i zdolność do błyskawicznego działania. Jedną z moich ulubionych technik jest Ushirogiri. Nasz oponent znajduje się za nami. Dopóki nie odwrócimy się i nie dokonamy analizy sytuacji nie będziemy mogli wykonać skutecznego cięcia. Podobnie jest z Outlierami. Nie będziemy mogli przeprowadzić trafnego prognozowania jeśli wcześniej nie zwrócimy się wstecz i nie wychwycimy Outlierów w historii sprzedaży.

            Outliery to zdarzenia nietypowe z jakimi przychodzi nam się mierzyć w codziennej praktyce biznesowej. Przez zdarzenia nietypowe najczęściej rozumie się:

            • Jednorazowe duże sprzedaże wynikające z nietypowych zamówień klientów
            • Promocje
            • Braki sprzedaży wynikające z sytuacji out-of-stock
            • Okoliczności zewnętrzne, np. odgórne wprowadzenie ograniczeń w handlu

            Brak wyeliminowania wpływu tego typu zjawisk w historii sprzedaży ma swoje konsekwencje. Główną z nich jest brak rozkładu normalnego popytu i tym samym wysokie wartości odchyleń standardowych.

            Rozkład normalny

            krzywa gaussa

            Zgodnie z klasyczną teorią zarządzania statystycznym zapasem bezpieczeństwa jego wielkość jest zależna od odchylenia standardowego popytu oraz z naszego celu biznesowego, zwykle określanego miarą wymaganej dostępności (ang. Service Level). Im wyższe odchylenie standardowe prognozy i im wyższy deklaratywny Service Level tym większe zapasy bezpieczeństwa.

            ZAPAS BEZPIECZEŃSTWA = z * σ

            z – liczba odchyleń standardowych potrzebnych, żeby osiągnąć wymagany Service Level
            σ – odchylenie standardowe popytu w okresie Lead Time

            Rozwiązaniem tego problemu jest zastąpienie wartości Outlierów w historii sprzedaży wartościami „normalnymi” tj. takim jakie najprawdopodobniej przyjęłaby sprzedaż gdyby zdarzenia nietypowe nie wystąpiły. Dzięki temu nasz rozkład popytu powinien przybrać postać rozkładu normalnego i uchronić nas przed budowaniem nadmiernych poziomów zapasu bezpieczeństwa.

            Oczywiście zdarzenia nietypowe zawsze będą się pojawiać, i jeśli nie chcemy mieć do czynienia z utraconą sprzedażą wynikającą ze zbyt niskich zapasów, to powinniśmy móc się przed nimi zabezpieczyć. Ten temat postaramy się zaadresować w naszym kolejnym odcinku.

            Dowiedz się jak Smartstock automatyzuje proces zarządzania Outlierami. Zamów demo.

            Technika Ushirogiri w wykonaniu nauczyciela naszej szkoły iaidō Takashi Kurokiego do obejrzenia na stronie: https://www.youtube.com/watch?v=nmgZqhbU8i0

            Udostępnij
            OSTATNIE WPISY
            • OPIS PROJEKTU/Case Study – PhytoPharm
            • Wykorzystanie AI do prognozowania popytu i optymalizacji zapasów w branży chemicznej
            • J jak Job: jak sztuczna inteligencja (AI) zmienia rynek pracy i wymagania dla pracowników 
            • Wykorzystanie AI do prognozowania popytu i optymalizacji zapasów w branży chemicznej
            TAGI
            • #AI
            • #bullwhip-effect
            • #covid19
            • #łańcuch-dostaw
            • #NCBiR
            • #optymalizacja-zapasów
            • #out-of-stock
            • #outllier
            • #overstock
            • #prognozowanie
            • #prognozowanie-popytu
            • #Program-Operacyjny-Inteligentny-Rozwój-2014-2020
            • #projekcja-zapasów
            • #projekcja-zapasów-w-czasie
            • #service-level-dostawcy
            • #sieci-neuronowe
            • #supplychain
            • #sztuczna-inteligencja-od-A-do-Z
            • #zapas-bezpieczeństwa
            • #zapas-sezonowy
            • #zapas-zabezpieczający
            • #zarządzanie-zapasem

            Powiązane wpisy

            25 maja 2023

            Wykorzystanie AI do prognozowania popytu i optymalizacji zapasów w branży chemicznej


            PRZECZYTAJ

            Część 2 W pierwszej części artykułu koncentrowaliśmy się na wyzwaniach w prognozowania popytu i optymalizacji zapasów w branży chemicznej oraz wykorzystania AI do poprawy tych procesów. […]

            22 maja 2023

            Wykorzystanie AI do prognozowania popytu i optymalizacji zapasów w branży chemicznej


            PRZECZYTAJ

            Część 1 Prognozowanie popytu i optymalizacja zapasów mają kluczowe znaczenie dla branży chemicznej, która boryka się z dużą zmiennością, niepewnością i złożonością łańcucha dostaw. Niektóre z […]

            24 kwietnia 2023

            Wykorzystanie sztucznej inteligencji w prognozowaniu i optymalizacji zapasów w branży spożywczej


            PRZECZYTAJ

            Część II – zintegrowane planowanie, prognozowanie i zatowarowanie w branży spożywczej W branży spożywczej dokładne prognozowanie i efektywne zarządzanie zapasami mają kluczowe znaczenie dla sukcesu. Wspólne […]

            Już teraz

            Zapisz się do newslettera

              Podanie danych w formularzu jest niezbędne do subskrypcji newslettera. Dane z formularza przetwarzane będą na podstawie udzielonej zgody art. 6 ust. 1 lit. a) RODO. Administratorem Twoich danych jest Smartstock Sp. z o.o. z Poznania (ul. Królowej Jadwigi 43, 61-871 Poznań, biuro@smartstock.cloud). Wszelkie informacje w zakresie przetwarzania danych podanych w formularzu oraz posiadanych uprawnieniach znajdziesz w Polityce Prywatności.


              TEL. +48 534 288 279
              biuro@dature.cloud

              Smartstock Sp z o.o.
              ul. Królowej Jadwigi 43
              61-871 Poznań

              Zapisz się do newslettera

              NIP: 7812000413
              REGON: 384284847
              KRS: 0000802331

              • LinkedIn
              • Facebook

              Polityka prywatności i cookies   Regulamin aplikacji   Wsparcie techniczne   Zmiana decyzji co do cookies

              Wszelkie prawa zastrzeżone. © SMARTSTOCK Sp. z o.o.
              Polski
                        Brak wyników wyszukiwania Zobacz wszystkie wyniki
                        • Polski
                        • Angielski