Основни изводи
- Правило за дни покритие („под 7 дни поръчай до 14“) пренебрегва срока на доставка, чакането до следващия ден за поръчка при доставчика и колко непостоянни са търсенето и доставките.
- Формулата с периодичен преглед задава целево ниво S = очакваните продажби за срока на доставка плюс периода на преглед, плюс буфер за разсейването и на двете.
- В симулирана година в четири вериги емпиричното правило спечели между около половината и 97% от печалбата на настроената формула; най-зле се справи там, където доставчиците бяха далеч.
- Формулата иска четири входни данни, които повечето вериги могат да получат: темп на продажбите без дните с празен рафт, срок на доставка от собствените ви приемания, дните за поръчка на доставчика и ниво на обслужване за всеки клас продукти.
- Формулата е силна отправна точка, но не и краят: бързоразвалящите се стоки и промените в търсенето оставят място за повече, а доказателствата дали AI добавя към нея са противоречиви.
Попитайте как една верига магазини решава кога да поръча отново и отговорът често е емпирично правило в дни покритие: когато от продукта е останала стока за около седмица продажби, поръчайте толкова, че да стигне отново за две седмици. Правилото е лесно за обяснение, лесно се слага в таблица и е грешно по начин, който зависи от доставчика. Тази статия сравнява правилото с учебниковата алтернатива, показва колко е струвала разликата в симулирана година в четири вериги и минава през формулата за двама доставчици.
1. Два начина да решите кога и колко
Означете с μ средните дневни продажби на продукта в даден магазин, а с IP позицията на запаса му: наличността в магазина плюс вече поръчаната стока. Емпиричното правило, в ден за поръчка при доставчика: ако IP е под 7μ, поръчайте до 14μ2.
Формулата с периодичен преглед, известна като (R, S), пита колко дълго трябва да стигне тази поръчка. Поръчка, направена днес, пристига след срока на доставка L и трябва да стигне, докато може да пристигне следващата поръчка, R дни по-късно, където R е чакането до следващия ден за поръчка при доставчика. За тези L + R дни магазинът очаква да продаде μ(L + R) и добавя буфер за разсейването на търсенето σ и на срока на доставка σ_L: S = μ(L + R) + z·√((L + R)σ² + μ²σ_L²). Във всеки ден за поръчка той поръчва до S. Коефициентът z задава нивото на обслужване; настроената версия в Retail-Bench използва 2,05; 1,64 и 1,28 за продуктите от горния, средния и долния клас по приходи, което отговаря на около 98%, 95% и 90%, и ограничава продуктите с кратък срок на годност до продажбите в рамките на този срок2.
2. Какво показва една симулирана година
Retail-Bench, отвореният бенчмарк, създаден от marql, симулира четири вериги в продължение на една година след тримесечен период на загряване: квартални магазини в Лондон, магазини за пресни храни в Манчестър, стоки за дома и градината в Бристол с доставчици на четири до шест седмици по море и верига дрогерии в Лийдс, оставена за независима проверка. Всеки участник среща едни и същи клиенти и едни и същи закъснели камиони, в двадесет прогона на верига, така че разликите идват само от решенията. Печалбата се смята след разходите за държане на запаса, бракуването и поръчването1, 2. Спрямо настроената формула емпиричното правило спечели:
| Верига | Срокове на доставка | Печалба на правилото като дял от тази на формулата |
|---|---|---|
| Пресни храни, Манчестър | Срокове на доставкаОт 1 до 6 дни | Печалба на правилото като дял от тази на формулата97,3% |
| Квартални магазини, Лондон | Срокове на доставкаОт 2 до 10 дни | Печалба на правилото като дял от тази на формулата95,3% |
| Дрогерии, Лийдс | Срокове на доставкаОт 6 до 12 дни | Печалба на правилото като дял от тази на формулата81,1% |
| Дом и градина, Бристол | Срокове на доставкаПредимно от 33 до 44 дни | Печалба на правилото като дял от тази на формулата48,7% |
Картината следва срока на доставка. Там, където доставчиците доставят за ден или два, правилото струва няколко процента от печалбата; там, където са на седмици разстояние, струва половината. По собствената скала на бенчмарка, която върви от емпиричното правило при нула до участник, който знае бъдещето, при сто, настроената формула улавя 60% от всичко, което по-доброто поръчване може да спечели1.
3. Защо правилото губи: пример
Вземете продукт, който продава средно по четири броя на ден, с дневно разсейване от три броя, при ниво на обслужване 95%. Купувайте го от двама доставчици: близък, който доставя за три дни и приема поръчки веднъж седмично, и вносител, който доставя за 38 дни, плюс или минус четири, също с поръчка веднъж седмично.
Близък доставчик, поръчка веднъж седмично
Вносител, поръчка веднъж седмично
Един продукт, четири броя на ден
При близкия доставчик целта на правилото е горе-долу вярна, но моментът за поръчка не е. Правилото гледа само наличността спрямо седмица продажби и забравя, че следващата възможност за поръчка е след седмица, а камионът след нея идва още три дни по-късно. Тридесет броя изглеждат сигурни, а стигат за седем дни и половина. При вносителя правилото просто е твърде късо: запас за две седмици при поръчка, която трябва да стигне за шест седмици и половина. И двете грешки идват от един и същ пропуск: правилото брои дните покритие, но не и дните, за които покритието трябва да стигне.
Правилото няма и как да види непостоянен доставчик. Закъснелите доставки увеличават σ_L, а формулата увеличава буфера заедно с него; правилото запазва същите седем и четиринадесет дни и за точен, и за ненадежден доставчик.
4. Какво иска формулата от вашите данни
Темп на продажбите за всеки продукт и магазин, без дните, завършили с празен рафт
Срок на доставка и разсейването му, измерени от собствените ви приемания, а не от обещаните дни
Дните за поръчка на всеки доставчик, така че R да е реалното чакане до следващата поръчка
Ниво на обслужване за всеки клас продукти и срок на годност за свежите артикули
Целево ниво за всеки продукт във всеки магазин
Ако липсва някое от тях, нивото е налучкано, а буферът е грешен
Първата входна стойност е по-важна, отколкото изглежда. Ден, завършил с празен рафт, записва ниски продажби, а не ниско търсене; ако го включите в средната стойност, той дърпа μ надолу, а с него и следващата поръчка. Формулата в Retail-Bench чете тези дни на нивото на нормалните2, а ръководството за липсите на стока описва как да ги откриете. Закръглете резултата нагоре до кашон и до минималното количество на доставчика и проверете и другия край: същата сметка, приложена към стока, която не се продава, е начинът, по който ръководството за мъртвата наличност открива излишъците.
5. Къде формулата не е достатъчна
Формулата е силна отправна точка неслучайно. Когато една загубена продажба струва много повече от държането на броя за известно време, правилата с целево ниво са близо до най-доброто възможно; в Retail-Bench един загубен брой струва толкова марж, колкото държането на същия брой за 506 до 1128 дни2. Формулата е най-слаба при бързоразвалящите се стоки, където всеки допълнителен брой рискува бракуване: във веригата за пресни храни настроената формула улови само малка част от това, което би уловило перфектното предвиждане1.
Дали AI добавя към нея е по-малко ясно, отколкото твърдят доставчиците на софтуер. В InventoryBench, академичен бенчмарк от 2026 г. за решения за запасите на отделен продукт, езиков модел, който преглежда политика на базов запас с таван, получи 0,538 срещу 0,445 за самата политика, а авторите отбелязват, че моделите „понякога погрешно разпознават промени в търсенето там, където има само шум“3. Ръководството за AI в снабдяването на магазините описва полевите доказателства за съвместната работа на хора и алгоритми.
6. Ограничения
Данните в раздел 2 идват от симулация, калибрирана спрямо реални вериги, но не измерена в тях, и от версията на бенчмарка от 19 септември 2026. Симулацията все още не моделира заместването, капацитета на рафта, намаленията или разпределителен център. marql създава бенчмарка и участва в него; разгледаните тук отправни точки не са на marql, а пълните резултати, включително кръговете, в които собственият механизъм на marql загуби, са публикувани.
Как marql използва тази формула
В Retail-Bench настроената формула е летвата, спрямо която се измерва всеки участник, включително собственият механизъм за снабдяване на marql. Първият кръг постави този механизъм под формулата в три от четирите вериги, а повторните прогони показаха защо: буфер, който не виждаше колко непостоянен е доставчикът и колко далеч е следващият ден за поръчка. Всяка система за поръчки може да мине през същия протокол и всеки резултат се публикува.
Източници
- MARQL Retail-Bench (2026-09-19). Leaderboard v0.2, canonical worlds (generator v2), with the report-models export. retail-bench.marql.one
- MARQL Retail-Bench (2026). Methodology: the decision problem, the score and the contenders. retail-bench.marql.one
- Baek, J., Fu, Y., Ma, W. and Peng, T. (2026). AI agents for inventory control: human-LLM-OR complementarity. arXiv:2602.12631. arxiv.org
ТемиТочка на поръчка, Предпазен запас, Снабдяване на магазините, Политика за запасите