marql

Точка на поръчка за верига магазини: защо „7 дни покритие, допълни до 14“ губи пари

„Поръчай, когато от продукта е останала стока за седмица, и допълни до две“ е начинът, по който поръчват много вериги. Правилото пренебрегва трите неща, които решават кога рафтът ще се изпразни. Една симулирана година в четири вериги показва колко струва това, а кратка формула поправя по-голямата част от него.

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:

Пресни храни, МанчестърСрокове на доставкаОт 1 до 6 дниПечалба на правилото като дял от тази на формулата97,3%
Квартални магазини, ЛондонСрокове на доставкаОт 2 до 10 дниПечалба на правилото като дял от тази на формулата95,3%
Дрогерии, ЛийдсСрокове на доставкаОт 6 до 12 дниПечалба на правилото като дял от тази на формулата81,1%
Дом и градина, БристолСрокове на доставкаПредимно от 33 до 44 дниПечалба на правилото като дял от тази на формулата48,7%
Класиране на Retail-Bench v0.2 (19 септември 2026), средна икономическа печалба от 20 сдвоени прогона на верига. Симулация, а не измерване в реални магазини.

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

Поръчката трябва да стигне за
3 + 7 = 10 дни
38 + 7 = 45 дни
Емпирично правило
Поръчка под 28, до 56
Поръчка под 28, до 56
Формула: поръчка до
57 бр.
222 бр.
Какво се обърква при правилото
Пропуска ден за поръчка с 30 бр. наличност; рафтът се изпразва преди следващия камион
Покрива 14 от 45-те дни; рафтът е празен със седмици
Илюстрация. Нивото по формулата: μ(L + R) плюс 1,645 × √((L + R)σ² + μ²σ_L²).

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

  1. Темп на продажбите за всеки продукт и магазин, без дните, завършили с празен рафт

  2. Срок на доставка и разсейването му, измерени от собствените ви приемания, а не от обещаните дни

  3. Дните за поръчка на всеки доставчик, така че R да е реалното чакане до следващата поръчка

  4. Ниво на обслужване за всеки клас продукти и срок на годност за свежите артикули

  5. 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.

  1. MARQL Retail-Bench (2026-09-19). Leaderboard v0.2, canonical worlds (generator v2), with the report-models export. retail-bench.marql.one
  2. MARQL Retail-Bench (2026). Methodology: the decision problem, the score and the contenders. retail-bench.marql.one
  3. 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

Автор

Maxim T.

CMO, marql

Последвайте marql в LinkedIn

Всички статии

Ритейл

Предпазен запас за верига магазини: защо един коефициент за буфера не пасва на всеки доставчик

Много инструменти за снабдяване оразмеряват предпазния буфер с един коефициент за всеки продукт. Пресметнат за три типа доставчици, правилният коефициент се различава седемкратно, а непостоянен доставчик сам по себе си удвоява буфера.

От Maxim T.

Ритейл

AI за снабдяването на магазините: какво да решава алгоритъмът, какво закупчикът и как да разберете дали помага

Автоматизираното снабдяване работи в супермаркетите от години, а закупчиците все още променят голяма част от поръчките му. Последните полеви изследвания показват кои от тези промени помагат, кои създават следващата липса на стока и какво трябва да покаже един AI агент за снабдяване, преди да получи повече правомощия.

От Maxim T.

Ритейл

Среден бон във верига магазини: как да го агрегирате, разложите и сравнявате

Средният бон е продажбите, разделени на броя трансакции, и за една каса това е всичко. За верига обаче числото трябва да се агрегира, разложи и дефинира, а всяка от тези стъпки може да се обърка по начин, който публикуваните резултати на големите търговци правят видим.

От Maxim T.

Блог

Често задавани въпроси

При периодичен преглед поръчвате във всеки ден за поръчка до S = μ(L + R) + z·√((L + R)σ² + μ²σ_L²), където μ са средните дневни продажби, L е срокът на доставка, R са дните до следващия ден за поръчка, σ и σ_L са разсейването на дневното търсене и на срока на доставка, а z е коефициентът за желаното ниво на обслужване.

То използва един и същ брой дни за всеки доставчик и затова пренебрегва колко дълго трябва да стигне поръчката. Не стига, когато следващият ден за поръчка е далеч или доставчикът е отдалечен, и не може да увеличи буфера за ненадежден доставчик.

Задайте го според класа на продукта и маржа, а не с едно число за всичко. Често разделение е около 98% за горния клас по приходи, 95% за средния и 90% за опашката, което отговаря на z съответно 2,05; 1,64 и 1,28.

Ограничете целевото ниво до продажбите, очаквани в рамките на срока на годност, считано от пристигането на доставката. Именно при бързоразвалящите се стоки простите формули оставят най-много пари на масата, защото излишната стока се бракува.

Доказателствата са противоречиви. В академичен бенчмарк от 2026 г. езиков модел, който преглежда политика на базов запас, я подобри; в Retail-Bench модел върху система, базирана на правила, не добави нищо измеримо. Добре настроена формула върху чисти данни е силна отправна точка, която трудно се побеждава.

Готови ли сте да видите
намерените евро?

Свързваме касите, склада и счетоводството за един ден. Достъп само за четене, без смяна на POS, 200 € на месец на обект и по-малко с растежа.

0
Замяна на стека
1
Един чат. Целият бизнес.