प्रतिस्पर्धी समाधानांमध्ये स्ट्रीमलाइन कशामुळे वेगळे होते

द्वारे गणितीय मॉडेलिंगमध्ये Alex Koshulko, Ph.D. • वर अपडेट केले 10 जानेवारी, 2025

SKU वर ऑर्डरिंग तारखा समक्रमित करत आहे

तुमची ERP सिस्टीममध्ये अंतर्निहित किमान/अधिकतम भरपाईची रणनीती एका SKU साठी खरेदीचे संकेत देत असेल, परंतु त्याच पुरवठादाराच्या इतर SKU ला अद्याप पुनर्भरणाची गरज नसेल तर तुम्ही काय कराल? किमान/जास्तीत जास्त ऑर्डरिंग सिग्नल प्रति आयटम येतात तर व्यवसाय प्रति पुरवठादार खरेदी ऑर्डर जारी करतात. त्यामुळे तुम्ही एकतर अलर्टकडे दुर्लक्ष कराल आणि नंतर तुटवडा पडेल किंवा पूर्ण कंटेनर जास्त खरेदी करा. ERP पद्धतींच्या विरोधात, स्ट्रीमलाइन प्रति पुरवठादार खरेदी सिग्नल वाढवते. स्ट्रीमलाइन पुढील ऑर्डर सायकल दरम्यान सर्व खरेदी सिग्नल्सचा एक स्वतंत्र-इव्हेंट सिम्युलेशनद्वारे अंदाज लावते आणि सतत ऑर्डर सायकलसह सुरळीत खरेदी प्रक्रिया, किंवा पूर्ण कंटेनर खरेदी करण्यासाठी (ऑर्डर सायकल व्हेरिएबल आहे), किंवा EOQ द्वारे आधीच खरेदी करते.

डिस्क्रिट-इव्हेंट सिम्युलेशनसह सूत्रे बदलत आहे

इन्व्हेंटरी पुन्हा भरणे पुढील लीड टाइम दरम्यान आणि काहीवेळा त्यापलीकडे भविष्यातील इन्व्हेंटरी स्तरांची गणना करण्यावर आधारित आहे. याचा अर्थ असा की तुमच्या फॉर्म्युलामध्ये आगामी उपभोग आणि भरपाईच्या अनेक घटनांचा समावेश असणे आवश्यक आहे. काहीवेळा ते शक्य आहे, परंतु एकदा तुम्ही शिपमेंट शेड्यूल सारख्या इव्हेंट शेड्यूल किंवा ट्रांझिट Excel मधील एकापेक्षा जास्त ऑर्डर हाताळण्यास सुरुवात केली की लगेचच बंद होते.

आमचे स्पर्धक साधारणपणे इव्हेंटला वास्तविकपणे टक्कर न देता गणना सुलभ करतात, स्ट्रीमलाइन एका दिवसाच्या अचूकतेसह टाइमलाइन तयार करते आणि सर्व वेळापत्रक टाइमलाइनवर ठेवते. नंतर स्ट्रीमलाइन आम्हाला एका दिवसाच्या अचूकतेसह कंपनीच्या इन्व्हेंटरी स्तरांबद्दल सर्वात अचूक माहिती देऊन इव्हेंट क्रम कार्यान्वित करते. काहीवेळा ही भरपाई सूत्रांच्या तुलनेत अधिक अचूक पद्धत असते, परंतु अनेक प्रकरणांमध्ये, वास्तविक-जगातील पुरवठा साखळी जटिलतेसाठी सामावून घेण्याचा हा एकमेव मार्ग असतो.

मागणीचा अंदाज घेण्यासाठी AI वापरणे

आजकाल हंगामीपणा, किमतीची लवचिकता किंवा टॉप-डाउन अंदाज लावणे पुरेसे नाही. बाजार अतिशय गतिमानपणे बदलतो आणि तुमचा विक्रीचा इतिहास सध्याच्या परिस्थितीशी पुरेसा संबंधित आहे आणि भविष्यात एक्स्ट्रापोलेट करण्यासाठी वापरला जाऊ शकतो का हे सांगणे कठीण आहे. हे असे क्षेत्र आहे जेथे आम्ही आमची मालकी AI वापरतो त्यामुळे आम्ही फक्त वेळ मालिका अंदाज तंत्रे, प्रेडिक्टर्स आणि लेव्हल बदल लागू करतो जर AI लागू करणे योग्य आहे असे म्हणतो - जसे तुम्ही दररोज प्रत्येक SKU वर लक्ष ठेवत असाल.

गट EOQ

तुम्ही तुमच्या कामात EOQ वापरत आहात? तसे नसल्यास, EOQ ला जवळून पाहणे योग्य आहे कारण ही इन्व्हेंटरी प्लॅनिंग संकल्पना तुमच्या होल्डिंग आणि ऑर्डरिंगच्या खर्चात लक्षणीय घट करते. दुर्दैवाने, क्लासिक EOQ प्रति SKU ची गणना केली जाते आणि SKU च्या गटासाठी नाही. वास्तविक-जागतिक पुरवठा साखळीमध्ये, खरेदी ऑर्डरमध्ये शेकडो SKU नसले तरी एकापेक्षा जास्त SKU असतात. स्ट्रीमलाइन क्लासिक EOQ गणनेला सपोर्ट करते, तर ते समूह EOQ देखील ऑफर करते जे एकापेक्षा जास्त SKU समाविष्ट असलेल्या ऑर्डरसाठी EOQ लागू करण्याच्या क्लासिक पद्धतीच्या पलीकडे जाते.

आयटमच्या गटासाठी ऑर्डरची तारीख समक्रमित करण्यासाठी स्ट्रीमलाइनच्या क्षमतेमुळे हे शक्य होते. मग स्ट्रीमलाइन फक्त SKU च्या गटासाठी सर्वोत्तम ऑर्डर सायकल शोधण्यासाठी सिंक्रोनाइझेशनचा अडथळा पुढे-मागे हलवते आणि होल्डिंग आणि ऑर्डरिंग खर्चाचे संयोजन आपोआप कमी करते.

तुम्ही तुमच्या कंपनीच्या डेटावर स्ट्रीमलाइनची चाचणी करू इच्छिता?

Alex Koshulko, Ph.D.

GMDH Streamline चे सह-संस्थापक,

मागणी अंदाज, इन्व्हेंटरी प्लॅनिंग आणि ऑप्टिमायझेशनमध्ये दहा वर्षांहून अधिक अनुभव असलेले अग्रगण्य पुरवठा साखळी नियोजन तज्ञ.

ॲलेक्सशी कनेक्ट व्हा लिंक्डइन

पुढील वाचन:

• कोरोनाव्हायरस उद्रेक दरम्यान पुरवठा साखळी प्रक्रियांना कसे सामोरे जावे
• Excel वरून इन्व्हेंटरी प्लॅनिंग सॉफ्टवेअरवर का स्विच करायचे
• जरूर वाचा: व्यवसाय प्रक्रिया ऑप्टिमायझेशनसाठी स्मार्ट सप्लाय चेन मॅनेजमेंट सोल्यूशन्स
• सप्लाय चेन प्लॅनिंगमध्ये क्रॉस-फंक्शनल अलाइनमेंट: विक्री आणि ऑपरेशन्स प्लॅनिंगचा एक केस स्टडी [पीडीएफ]
• मागणी आणि पुरवठा व्यवस्थापन: सहयोगी नियोजन, अंदाज आणि पुन्हा भरपाई