Bu Linkedin’de 12 Ekim 2021 de yayınlanan bir gönderinin girişidir. Vaad edilen temelde “AI (Yapay Zeka) ile daha iyi tahminleme yapmaktır”. Diyelim ki bu mümkün, ne faydası olacaktır? Tahmin doğruluğunun otomatik öğrenmeyle iyileştirilebilmesi mümkün mü diye sormuyorum. Çok daha temel bir soru: Bunun bize ne faydası olacak?
Stok miktarını neler belirler?
Stok sadece müşterinin bekleyecek tahammülü olmadığı zaman anlık satış yapmak için gereklidir. Herhangi bir satış noktasındaki herhangi bir SKU için talep çok değişkendir. Amaç talebi karşılamaksa VE talep çok değişkense, bu durumda çoğu zaman bir sonraki tedarike kadar azami talebi karşılayacak miktarda (aşırı) stok taşımak gerekecektir. Bir sonraki tedarikin toplam süresi (akış süresi) bizim sipariş verme süremiz ve tedarikçiden bize ulaşma süresinin toplamıdır. Bu süre uzadıkça tutulan stok miktarı da artacaktır.
Aşırı stokların yansımaları
Daha fazla stok için hem yere hem paraya ihtiyacımız vardır. Her ikisi de kısıtlı kaynaklar olduğu için stok arttıkça çeşitlilik azalır dolayısıyla satış düşer. Akış süresi uzadıkça stoklarda bozulma / yıpranma / eskime gibi riskler ortaya çıkar. Operasyonumuzun ROI (Yatırım geri dönüşü) oranı da düşer.
Tahminin stoklara etkisi
Eğer tahminlerimiz tutmuyorsa bir yandan bazı ürünlerde yetersiz
stok nedeniyle satış kaybederken bir yandan da bazı ürünlerde aşırı stoklar
oluştururuz. Eğer tahmini iyileştirebilirsek bu yan etkiler de iyileşir. Ancak
stok miktarını etkileyen ana unsur akış süresidir ve daha iyi tahmin yapsak
bile akış süremiz değişmediği için tutulan stok miktarı da değişmeyecektir. “Daha
iyi tahmin yapınca ne kadar stok gerektiğini bilirim” diyeceksiniz, haklısınız
ancak talep oldukça değişkendir, aynı dönemde bazı ürünler çok satıyorken
bazıları az satacaktır ve her durumda akış süresi boyunca azami talebi karşılayacak
kadar stok tutmak gerekecektir. Bu sürenin uzun olduğuna inanıyorum çünkü her
gün her ürün için satış tahmini yapılmaz, haftada bir veya ayda bir yapılır ki
bu da süreyi uzatır. Dolayısıyla tahminle çalışıyorken akış süresi uzundur, daha
da kötüsü eğer min/max kullanıyorsak bir sonraki tedarik süresi de değişkendir,
bunun da tahmin edilmesi gerekir! Ve hala tahminin iyileştirilmesinden söz
ediyorum…
Yani diğer her şey aynıyken tahmin kalitesini iyileştirerek yer ve para ihtiyacını azaltamayız. İyileştirilmiş tahminle yetersiz stoklu ürünlerin azaldığını ve satışın arttığını düşünelim. Stoklara bağlanan para çok azalmaz çünkü yetersiz stoklu ürünleri takviye ettik, aşırı stoklu olanların bir kısmını azalttık ancak stok miktarını belirleyen temel faktör olan akış süresini değiştiremedik.
Şirketin karlılığını ne belirler?
Belki de buradan başlamalıydım. Şirket bir sistemdir ve
karlılığı kısıtlı kaynaklarıyla sağlayabildiği akış kadardır. Başka bir
ifadeyle harcadığı her 1 TL için kaç TL kazandığıdır. TOC (Kısıtlar Teorisi)
literatüründe şirket içindeki para 3 boyutta izlenir: Çıktı, stok, işletme
gideri.
- Çıktı:
Satışlarla elde edilen paradır, para kazanma hızıdır (periyotla izlenir,
TL/hafta gibi)
- Stok
(Yatırım): Sistemde alıkonan ve çıktıya dönüşebilecek para miktarıdır
(makinalar, binalar, ham – yarı – mamul maddeler,..) Ürünlerle demirbaşları
ayırabilmek için stok yerine yatırım diyelim.
- İşletme Gideri: stokları satışa çevirebilmek için harcanan tüm paradır.
Doğrusal veya Doğrusal Olmayan optimizasyonda sistem için bir amaç belirlenir, Şirket için amaç kar etmektir. Şirketin kaynakları sınırsız olsaydı kar sonsuz olurdu, kaynaklar sınırlıdır ve bu durum amacı etkiler. Sistemlerde bu etkiyi azaltmak için bir çok kaynakta yedekleme yapılır (örnek: tek böbrekle yaşanabiliyor ama iki böbreğimiz var), demek ki az sayıda aktif kısıt vardır. Dolayısıyla şirketin karlılığını az sayıdaki kısıt ve bunların yönetim biçimi belirler. Yer ve sermaye aktif kısıtlardır, stoklar artınca her ikisi de daha fazla kullanılır hatta tüketilir. Böylece daha fazla satış için gereken ürünleri alacak sermayemiz, aldığımızda koyacak yerimiz kalmaz, yok satarız.
Tahmin ve karlılık ilişkisi
Tahmin yaparken akış süresi uzuyor ve bu da yer – sermaye kaynaklarını tüketecek kadar çok kullanıyor. Öyleyse tahmin doğruluğu artarsa karlılık nasıl artacaktır?
Daha iyi tahminle yer – sermaye kaynaklarını daha iyi kullanılabilir ama kullanım miktarı pek azaltılamaz. Yok satmalar azalacağı için küçük bir iyileşme olacaktır ama uzun akış süresi nedeniyle stok seviyesi çok değişmeyecektir. Peki ya akış süresini kısaltabilseydik? Stok miktarını belirleyen çarpanlardan biri akış süresidir, talep tüm değişkenliğiyle aynen devam ederken dahi azami talebi daha kısa akış süresiyle çarpınca tutulması gereken stok miktarı azalacaktır. Böylece yok satarlar azalırken beraberinde yer – sermaye kullanımı da azalacaktır. Dolayısıyla eldeki kaynaklarla ürün çeşitliliğini artırarak satış şansı yükseltilebilir. Tipik perakende ortamında mağazalara her gün ürün sevk edilebilir, eğer her ürünü her gün tedarik edebilseydik ne değişirdi?
Bu şartlarda daha iyi tahmine neden ihtiyaç olsun? Sadece bir günlük dönemde en iyi tahmin dünü tekrar etmek olurdu: Dün satılan kadarını tamamla.. Ancak talepteki değişkenlik nedeniyle mevcut stok seviyeleri ürün bazında yeterli olmayabilir. Talebin yönüne bakarak stok seviyelerini otomatik ayarlamaya TOC de Dinamik Tampon Yönetimi adı verilir, DemandDriven (Talep güdümlü) ifadesinin çıkış noktasıdır. İhtiyacınız günlük stok verisini toplamaktır ki bunu zaten çoğu perakendeci yapar. Veri yazılımla işlendiği için yormaz, zaman almaz, yine de bir “insanın” gözetimi önerilir.
Talep tahmini ne zaman uygundur?
Kapasite tayini stratejik bir karardır. Pratikte büyük miktarlarla kapasite değişimi kolay değildir. İkiye katlamak veya yarıya düşürmek önemli kararlardır, sık yapılamaz, önceden planlanması gerekir. Bu tarzdaki kararlar için S&OP (Satış ve Operasyon Planlama) gereklidir.
Kapasite seviyesinde önemli ölçüde istatistik bütünleme (aggregation) vardır, büyük sayılar kuramı geçerlidir. 3000 ürünü olan bir firmada yüzlerce üretim hattı yoktur, ürünler aileler halinde bir araya toplanmıştır, kabaca 10 üretim hattına dağıtılmıştır. Dolayısıyla bu hatlara olan talep tahmini tek tek ürünlerden daha tutarlı yapılabilir. Bu durumlarda kapasite için tahmin yapılması yararlı olacaktır. Dikkat edilmesi gereken konu üssel (exponential) kavramının zor anlaşılmasıdır, başka bir yazıda değinilecektir.
Diğer taraftan bugün tedarik zincirleri karmaşıklaşıyor ve yapay zekayla kapasite dengelemesi, navlun optimizasyonu, aktarma merkezi yerleşimi, … uygulamaları artıyor. Bu anlamda TOC tabanlı ELI (sanırım Eli Goldratt anısına isimlendirilmiş) uygulamasıyla Throughput Inc. oldukça başarılı sonuçlar alıyor.
Sonuç
Satış noktalarında tahmin doğruluğunu artıracak bir sistem
olsaydı, akış süresi kısalmayacağı için toplam stok seviyesi çok değişmeyecekti,
sağlanacak iyileştirme oldukça sınırlı kalacaktı.
Diğer taraftan hiçbir tahmin sistemi olmadan Dinamik Tampon Yönetimi ve kısa akış süresi uygulansaydı karlılık üzerinde daha etkili ve işletimi daha kolay olacak, daha az yer-sermaye gerektirecek ve yetersiz / aşırı stoklu ürünleri azaltacaktı.
Orjinali Matías Birrell 14/10/2021
Hiç yorum yok:
Yorum Gönder