کنترل و طبقه‌بندی پویای چند دوره‌ای یکپارچهٔ موجودی

این مقاله، یکپارچه‌سازی و بهینه‌سازی پویای دسته‌بندی موجودی و تصمیم‌گیری کنترل موجودی را به‌منظور بیشینه‌سازی ارزش خالص فعلی (nvp) سود، در طول افق برنامه‌ریزی بررسی می‌کند. با در نظر گرفتن پیچیدگی‌های میدانی دنیای واقعی، ازجمله تقاضای نا ایستا، دوره بازبینی اختیاری و بودجه موجودی محدود، یک مدل برنامه‌ریزی خطی عدد صحیح مختلط طراحی‌شده است. این مدل را بر روی یک مطالعهٔ ۹۰۰ SKU ی آزمایش می‌کنیم و مشاهده می‌کنیم در جریان رویکرد abc سنتی، به‌طور میانگین ۷۰ درصد به سود شرکت افزوده شد. امتحان این مدل بر روی یک نمونه واقعی که یک تولیدکنندهٔ پنیر بود، در مقایسه با طرح دسته‌بندی هشت دسته‌ای چند معیاری موجودی شرکت، بهبود ۳ درصدی سود شرکت و کاهش ۱۳ درصدی سرمایه موجودی را نشان می‌دهد. مطالعات محاسباتی جامع به‌منظور تجزیه‌وتحلیل اثرات مجزا و تعاملی پارامترهای مختلف، بر عملکرد موجودی انجام گرفت. نتایج نشان می‌دهند که در رویارویی با تقاضای نا ایستا، مدیریت موجودی هم از دیدگاه دینامیک و هم از دیدگاه کل نگرانه از طریق یکپارچه‌سازی دسته‌بندی SKU و تنظیم سیاست برای شرکت‌ها، امری حیاتی است. این تحقیق، ابزار عملی لازم برای حمایت از تصمیم‌گیری فراهم می‌کند که به‌طور هم‌زمان دسته‌بندی موجودی چند دوره‌ای و تصمیم‌گیری کنترل را در شرایط تقاضای نا ایستا بهینه‌سازی می‌کند. این تحقیق از طریق ایجاد پیوند بین دو جریان متفاوت مطالعات موجودی، دسته‌بندی موجودی و بهینه‌سازی موجودی، در چارچوب مدل‌سازی موجودی عملی، کمک بسزایی به پیشینهٔ تحقیق مدیریت موجودی در این زمینه می‌کند. تحقیق پیش رو چندین کاربرد مدیریتی به تولیدکنندگان و توزیع‌کنندگانی که سعی در مدیریت موجودی کالای نهایی دارند، ارائه می‌کند.

تولیدکنندگان، توزیع‌کنندگان و خرده‌فروشان معمولاً با اقلام متنوع کالا سروکار دارند که به آن‌ها واحدهای نگهداری موجودی (SKU) گفته می‌شود. یک تأمین‌کننده عمدهٔ صنعتی، به‌طور میانگین در موجودی انبار خود دارای ۱۰۰۰۰ SKU است (اولین تحقیق، ۲۰۱۴). این رقم برای هایپر مارکت 80000 یا بیشتر و برای سوپرمارکت معمولی ۲۰۰۰۰ SKU است (گویک و همکاران، ۲۰۱۵). یک راهکار معمول برای مدیریت کارآمد و مؤثر چنین موجودی‌های زیادی، دسته‌بندی SKU ها به دسته‌های کوچک‌تر و پس‌ازآن تعیین سطوح خدمات هدف معمول و سیاست‌های موجودی برای هر دسته است (تیونتر و همکاران، 2010؛ فن کمپین و همکاران، ۲۰۱۲). این کار باعث می‌شود عمل تعیین، نظارت و کنترل عملکرد دسته‌های SKU به‌جای SKU های مجزا، برای شرکت‌ها آسان‌تر شود. دسته‌بندی موجودی، یکی از مسئله‌های اساسی در عملیات و مدیریت زنجیره تأمین است و به‌طور گسترده بر روی آن مطالعه شده است (سویلو و آیکو،2014، هاتفی و همکاران.2014، مولنارس و همکاران.2012، هادی-ونچه.2010، راماناتان 2006، ارنست و کوهن 1990). بسیاری از مطالعات موجود، بر روی فرایند دسته‌بندی توسعهٔ روش‌های رتبه‌بندی SKU تمرکز دارند و سؤال اساسی «چگونه معیارهای سنجش عملکرد موجودی می‌توانند از طریق دسته‌بندی SKU بهبود یابد؟» را بدون جواب رها کرده‌اند (محمدی تبار و همکاران.2012، لاجیلی و همکاران.2012). از طرف دیگر تحقیقات موجودی که اساساً بر هزینهٔ موجودی تمرکز دارند، معمولاً بر پایهٔ تجزیه‌وتحلیل ABC به همراه دسته‌های SKU از پیش تعیین‌شده و سطوح خدماتی که به‌صورت اختیاری تخصیص‌یافته‌اند، انجام‌گرفته‌اند (نام نیل و ویلمز.2009، استنفورد و مارتین.2007، کورمیر و گون.1996). احتمال اینکه دسته‌بندی ABC، خود می‌تواند مانعی برای عملکرد موجودی برتر باشد، توسط این تحقیقات نادیده گرفته شد. این عدم ارتباط بین دسته‌بندی موجودی و معیارهای سنجش عملکرد، این سؤال را مطرح می‌کند که آیا روش‌های کنونی مدیریت موجودی، مناسب‌ترین روش‌ها هستند. به‌طورکلی شرکت‌هایی که رویکردی کل نگرانه را اتخاذ می‌کنند، شانس بیشتری برای دستیابی به عملکرد بهینه دارند؛ رویکرد کل نگرانه، دیدگاهی است که در آن فرآیندها و استراتژی‌های مرتبط به‌طور هم‌زمان ارزیابی و هم‌راستا می‌شوند (کلوس و همکاران.2009). به این منظور، راهکار موجودی سر به سرو یکپارچه‌ای ایجاد کرده‌ایم. در دنیای واقعی تقاضا به‌ندرت ایستا است. دلیل این امر فصلی بودن، چرخه‌های عمر محصول و چرخه‌های کسب‌وکار است. به‌عنوان‌مثال نیل و ویلمز (2009) خاطرنشان می‌کنند که دوسوم تقاضای سالیانه برای کنسول‌های بازی ایکس باکس در ربع پایانی سال رخ می‌دهد و چرخه عمر میانگین گوشی هوشمند تنها ۸ تا ۱۰ ماه است. تقاضا در مراحل معرفی رشد، پختگی و کاهش دچار نوسان می‌شود (برایت استار اینتلجنس. 2014). علاوه بر این، بسیاری از شرکت‌ها به علت بازبینی چرخه‌های کسب‌وکار، جهش‌های فروش ماهانه، سه‌ماهه و سالانه را تجربه می‌کنند. تقاضای نا ایستا که مشخصه آن میانگین‌ها و واریانس‌هایی است که در طول زمان تغییر می‌کنند، در دنیای واقعی قاعده محسوب می‌شود (سیلور، ۲۰۰۸). تونک و همکاران (۲۰۱۸) نشان می‌دهند که مدیریت وضعیت دارای تقاضای نا ایستا به‌گونه‌ای که انگار ایستا است، می‌تواند بسیار هزینه‌بردار باشد. بااین‌وجود مدل‌سازی موجودی تحت شرایط تقاضای نامعقول نا ایستا، چالش‌های محاسباتی بزرگی به وجود می‌آورد. در این مقاله رویکرد روش محوری نسبت به تقاضای نا ایستا اتخاذ کرده‌ایم و مدل چند دوره‌ای طراحی کرده‌ایم که در پاسخ به تقاضای در حال تغییر در افق برنامه‌ریزی، تصمیمات موجودی را به شکلی پویا بهینه‌سازی می‌کند. در این تحقیق عملکرد مالی مدیریت موجودی را به‌وسیله ارزش خالص فعلی (NPV) سود مورد انتظار ارزیابی می‌کنیم. مدل‌های موجودی فعلی عمدتاً بر کمینه‌سازی هزینه تمرکز می‌کنند اما معیار سنجش نهایی برای کسب‌وکار «سود» است و راهکارهای موجودی مبتنی بر کمینه‌سازی و راهکارهای مبتنی بر بیشینه‌سازی سود ممکن است به‌شدت باهم تفاوت داشته باشند، مگر اینکه تمام SKU ها حاشیهٔ سود یکسانی داشته باشند که این اتفاق در عمل ممکن نیست. با در نظر گرفتن حاشیهٔ سود SKU ها به همراه سایر ویژگی‌های عمدهٔ آن، سهم هر SKU در سود خالص شرکت را کمی سازی می‌کنیم. این کار به‌شدت از ترکیب محصول شرکت حمایت می‌کند. به‌علاوه، تحقیق سنتی موجودی، ارزش پول را در افق مدیریت ثابت فرض می‌گیرد درحالی‌که در واقعیت، سرمایه همواره دارای هزینهٔ فرصت ازدست‌رفته است. به‌کارگیری اصل NPV «مدل را به واقعیت نزدیک‌تر می‌کند»، خصوصاً برای صنایعی که میانگین هزینهٔ سرمایه نسبتاً بالایی دارند. مطالعات عددی نشان می‌دهند، با افزایش هزینهٔ سرمایه، مدل پیشنهادی ما، اساساً بهتر از رویکرد سنتی عمل می‌کند. در محیط‌های مدیریت موجودی واقعی، پیچیدگی‌های مضاعفی به وجود می‌آید. برای مثال، ممکن است SKU ها، زمان‌های تدارک و دوره‌های بازبینی متفاوتی داشته باشند و اثرات ترکیبی و متقابل آن‌ها ممکن است باعث ایجاد دوره‌های دریافت SKU های درون‌سو و چرخه‌های بازپرسازی متفاوتی شود. درحالی‌که این اتفاق، انعطاف‌پذیری لازم برای مدیریت SKU های دنیای واقعی را برای شرکت‌ها به ارمغان می‌آورد، اما از ظرفیت‌های مدل‌سازی مدل‌های موجود فراتر می‌رود. چارچوب مدل‌سازی بهینه‌سازی که در این مقاله طرح شده است، قصد دارد در یک شرایط چند دوره‌ای دارای تقاضای نا ایستا به دسته‌بندی موجودی و مسئلهٔ کنترل بپردازد. یک برنامه خطی عدد صحیح مختلط (MILP) طراحی‌شده است تا به هر SKU، دستهٔ موجودی مناسبی تخصیص دهد که مشخصهٔ آن دستهٔ گسسته‌ای از سطوح خدمات است. این مدل، زمان‌های تدارک اختیاری و دوره‌های بازبینی را در برمی‌گیرد و NPV سودی را که دارای محدودیت بودجه موجودی برای الگوهای تقاضای نا ایستا و توزیع‌شده نرمال است، بیشینه می‌کند. مدل خود را در مقایسه با رویکرد رایج abc و طرح‌وارهٔ دسته‌بندی موجودی چند معیاری (MCIC) پیشرفته ارزیابی می‌کنیم. این کار را به‌وسیله مطالعات محاسبه‌ای جامع و به‌کارگیری در دنیای واقعی انجام می‌دهیم. در هر مورد، مدل از طریق کاهش سطوح ذخیرهٔ احتیاطی و موجودی پایه، عملکرد مالی برتر همراه با سرمایه‌گذاری موجودی کمتری از خود نشان داد. از طریق تجزیه‌وتحلیل حساسیت گسترده، در مورد اثر بودجهٔ موجودی و تعداد دسته‌های موجودی بر تصمیمات موجودی و همچنین تأثیر مجزا و متقابل پارامترهای مختلف موجودی بر عملکرد مدل، به آگاهی موردنیاز دست می‌یابیم. باقیمانده این مقاله به‌صورت زیر سازمان‌دهی شده است: بخش دوم به‌مرور پیشینهٔ مطالعاتی موجودی مرتبط، خصوصاً دسته‌بندی موجودی و مدل‌سازی تقاضای نا ایستا می‌پردازد. در این بخش، شکاف‌های مطالعات گذشته را که انگیزه این تحقیق بوده، شناسایی می‌کنیم. در بخش سوم، به چارچوب مدل‌سازی و فرمول سازی مدل بهینه‌سازی موجودی چند معیاری می‌پردازیم. در بخش ۴ با استفاده از طرح‌واره MCIC بر روی یک شرکت واقعی بررسی‌های میدانی انجام می‌دهیم. در بخش 5، مطالعات محاسباتی جامعی ارائه می‌شوند که در آن، راه‌حل بهینهٔ ما با راه‌حل ABC مقایسه می‌شود و در مورد اثر پارامترهای کلیدی موجودی بر دسته‌بندی موجودی پویای بهینه و تصمیم‌گیری کنترل به بینش مدیریتی دست می‌یابیم. نهایتاً در بخش 6 با ذکر خلاصهٔ یافته‌ها، کاربردهای مدیریتی و فرصت‌ها برای مطالعات آتی، به نتیجه‌گیری از مقاله می‌پردازیم.