Sigurnosne zalihe u lancu prodavnica: zašto jedan faktor rezerve ne odgovara svakom dobavljaču

Mnogi alati za dopunu zaliha određuju sigurnosnu rezervu jednim faktorom za svaki proizvod. Kada se izračuna za tri obrasca dobavljača, ispravni faktori se razlikuju sedam puta, a nepouzdan dobavljač sam po sebi udvostručuje rezervu.

Ključni zaključci

  • Sigurnosne zalihe moraju da pokriju dve neizvesnosti tokom celog vremena koje porudžbina mora da traje: tražnju i rok isporuke dobavljača.
  • Rezerva postavljena kao fiksni udeo roka isporuke premala je za obližnje dobavljače kod kojih se naručuje jednom nedeljno, jer zanemaruje čekanje do sledećeg dana za porudžbine.
  • Nepouzdan dobavljač može da udvostruči sigurnosne zalihe za isti proizvod pri istom nivou usluge.
  • Merite rokove isporuke iz sopstvenih prijemnica: planirani i ugovoreni rokovi sistematski potcenjuju stvarne.
  • Dani za porudžbine kod dobavljača, izmereni rokovi isporuke i minimalne porudžbine su podaci od kojih zavisi da li formula za rezervu uopšte funkcioniše.

Sigurnosne zalihe su deo porudžbine za koji se ne očekuje da će biti prodat. Postoje zato što tražnja i isporuke variraju, a njihova veličina odlučuje o najvećem delu kompromisa između praznih polica i novca vezanog u zalihama. Mnogi alati ih određuju jednim faktorom koji se primenjuje na svaki proizvod i svakog dobavljača. To je praktično, a za lanac prodavnica koji ima dobavljače i iza ugla i preko mora obično je pogrešno.

1. Šta sigurnosne zalihe moraju da pokriju

Porudžbina data danas mora da traje dok ne stigne sledeća: rok isporuke L plus čekanje R do sledećeg dana za porudžbine kod dobavljača. Tokom tih L + R dana sigurnosne zalihe pokrivaju dve stvari: varijabilnost dnevne tražnje σ, koja se sabira iz dana u dan, i varijabilnost roka isporuke σ_L, koja pomera celu isporuku. Zajedno, sigurnosne zalihe = z·√((L + R)σ² + μ²σ_L²), gde je μ dnevna prodaja, a z određuje nivo usluge. Vodič za tačku ponovnog naručivanja pokazuje gde se one uklapaju u ukupni ciljni nivo.

2. Jedan faktor za svakog dobavljača

Planiranje vođeno tražnjom (DDMRP) i mnogi alati zasnovani na njemu određuju rezervu drugačije: kao faktor očekivane tražnje samo tokom roka isporuke. Sistem u Retail-Bench testu, otvorenoj simulaciji koju je izgradio marql, koristio je jedan takav faktor, 0,5, na svakoj stavci, a metodologija testa izračunava faktor pri kojem bi ta rezerva bila jednaka udžbeničkoj1. Za proizvod sa uobičajenim šumom u tražnji, uz nivo usluge od 95%:

Obližnji, porudžbine jednom nedeljnoRok isporuke, čekanje do sledeće porudžbine, varijabilnost2 dana, 7 dana, 1 danPotreban faktor3,32Korišćen faktor0,5
Obližnji, porudžbine dva puta nedeljnoRok isporuke, čekanje do sledeće porudžbine, varijabilnost3 dana, 3 dana, 1 danPotreban faktor1,24Korišćen faktor0,5
Uvoznik, porudžbine jednom nedeljnoRok isporuke, čekanje do sledeće porudžbine, varijabilnost21 dan, 7 dana, 4 danaPotreban faktor0,47Korišćen faktor0,5
Metodologija Retail-Bench testa, primer. Varijabilnost tražnje 0,5 proseka, z = 1,645.

Jedna konstanta je otprilike tačna za uvoznika, a nekoliko puta premala za obližnjeg dobavljača kod kog se naručuje jednom nedeljno, jer rezerva srazmerna roku isporuke od dva dana ne zna ništa o sedam dana do sledeće porudžbine. Sopstvene smernice DDMRP-a smanjuju faktor kako rokovi isporuke rastu, sa 61 do 100% za kratke na 20 do 40% za duge1, ali se u praksi faktori često postavljaju po kategoriji ili potpuno fiksno: jedno objavljeno poređenje jednostavno je koristilo „fiksni koeficijent jednak 0,8“ i utvrdilo da je obična metoda tačke ponovnog naručivanja jeftinija u svakom profilu tražnje koji je ispitalo6.

3. Nepouzdan dobavljač

Drugi član formule najčešće se izostavlja. Uzmimo proizvod koji se prodaje u četiri komada dnevno uz umerenu varijabilnost, sa rokom isporuke od pet dana i porudžbinama jednom nedeljno, uz isti nivo usluge od 95%. Menja se samo tačnost dobavljača:

Tačan dobavljač

Dobavljač koji varira za tri dana

Isti proizvod, isti nivo usluge

Rok isporuke, u proseku
5 dana
5 dana
Varijabilnost roka isporuke
Nema
3 dana
Sigurnosne zalihe
11 komada
23 komada
Ilustracija: četiri komada dnevno, dnevna varijabilnost od dva komada, porudžbine jednom nedeljno, z = 1,645.

Dobavljači se razlikuju upravo na ovaj način. U studiji 352 dobavljača jednog proizvođača, „dobavljači sa slabim performansama povezani su sa češćim i dužim poremećajima“4. A pouzdanost nije ni stalna osobina dobavljača: tokom pandemije veći kupci u prehrambenom sektoru nametali su strože zahteve za isporuku na vreme i u punoj količini, uz kazne, a kupci bez takvih zahteva dobijali su manje nego što bi im istorija kupovine obezbedila5. Sopstveno iskustvo lanca sa dobavljačem jedina je mera koja se na njega odnosi. I ona se menja: u anketi američkog Zavoda za popis stanovništva (US Census Bureau) za kraj septembra i početak oktobra 2026, rokovi isporuke dobavljača produžili su se kod 12,0% maloprodajnih preduzeća u prethodne dve nedelje, a skratili kod 7,8%7.

4. Merite rokove isporuke iz prijemnica

Rok isporuke u formuli mora da bude stvarni. U studiji iz 2025. na 160.048 porudžbenica rokovi isporuke jednog proizvoda kretali su se od 20 do 170 dana, a planirani rokovi u sistemu kompanije „sistematski potcenjuju stvarne rokove isporuke“; kada su umesto toga predviđani iz istorije porudžbina, ciljni nivo usluge postignut je sa otprilike 7% manje kapitala3. Retail-Bench test koristi isti pristup: učesnik se oslanja na rok isporuke koji je dobavljač obećao samo dok ne prikupi deset sopstvenih prijemnica, a varijabilnost procenjuje kada ih ima pet1.

  1. Dani za porudžbine kod svakog dobavljača, da bi čekanje do sledeće porudžbine bilo poznato

  2. Rok isporuke po isporuci: od datuma porudžbine do dana prijema robe

  3. Njegova varijabilnost, kada se skupi nekoliko prijemnica

  4. Minimalne količine porudžbine i veličine pakovanja

  5. Rezerva po dobavljaču, a ne po kategoriji

    Bez njih se svaka formula za rezervu svodi na nagađanje

5. Koliko koštaju podaci koji nedostaju

Retail-Bench test je to izmerio direktno. Isti sistem, sa rezervom izračunatom iz varijabilnosti tražnje i roka isporuke tokom celih L + R, pokrenut je jednom sa danima za porudžbine, istorijom rokova isporuke i minimalnim porudžbinama dobavljača svakog lanca, a jednom bez njih2:

  1. Sistem bez podataka o dobavljačima6,8%

  2. Dani za porudžbine, istorija rokova isporuke, minimumi+61,6 poena

  3. Sistem sa podacima o dobavljačima68,4%

Udeo mogućeg poboljšanja koji je ostvaren, od pravila od oka (0%) do savršenog poznavanja budućnosti (100%). Retail-Bench v0.2, 19. septembar 2026, simulacija.

U simulaciji su podaci vredeli više od bilo koje promene formule ili modela. Dani sa praznom policom važni su za drugu polovinu formule: oni umanjuju μ i σ ako se ne tretiraju kao podaci koji nedostaju, o čemu govori vodič o nestašicama.

6. Ograničenja

Tabela faktora i grafikon u odeljku 5 potiču iz simulacije, a ne iz merenja u stvarnim prodavnicama, i to iz verzije testa od 19. septembra 2026. Dve studije o dobavljačima potiču iz proizvodnje, a ne iz maloprodaje, a izveštaj FTC-a obuhvata godine pandemije. Formula pretpostavlja da tražnja i rok isporuke variraju nezavisno jedno od drugog; kada nestašice i zakasnele isporuke dolaze zajedno, ona potcenjuje rezervu.

Kako marql to rešava

Test je promenio način na koji marql-ov sistem za dopunu zaliha računa rezervu: u Retail-Bench testu je tačka ponovnog naručivanja izgrađena iz varijabilnosti tražnje i roka isporuke tokom celih L + R ono što je sistem pomerilo ispred udžbeničke formule u sva četiri simulirana lanca. Za nju su potrebni gore navedeni podaci o dobavljačima, pa se ne uključuje dok se ne povežu dani za porudžbine i istorija rokova isporuke lanca.

  1. MARQL Retail-Bench (2026). Methodology, sections 7 and 10. retail-bench.marql.one
  2. MARQL Retail-Bench (2026-09-19). Leaderboard v0.2, canonical worlds (generator v2). retail-bench.marql.one
  3. Reiners, R., Haubitz, C. B. and Thonemann, U. W. (2025). Lead time prediction for inventory optimization with machine learning. Production and Operations Management, 34(10), 3010-3025. doi.org
  4. Burkhart, D. and Bode, C. (2024). On supplier resilience: how supplier performance, disruption frequency, and disruption duration are interrelated. Journal of Purchasing and Supply Management, 30, 100921. doi.org
  5. US Federal Trade Commission (2024-03). Feeding America in a time of crisis: the U.S. grocery supply chain and the COVID-19 pandemic. Staff report. PDF
  6. Marchi, B., Ferretti, I. and Zanoni, S. (2023). Requirements planning in the new normal: comparison between reorder point method and DDMRP. APMS 2023, IFIP AICT 691, 750-764. doi.org
  7. US Census Bureau (2026). Business Trends and Outlook Survey, national estimates by sector: supplier delivery times, retail trade. census.gov

TemeSigurnosne zalihe, Varijabilnost roka isporuke, Pouzdanost dobavljača, Dopuna zaliha u prodavnicama

Autor

Maxim T.

CMO, marql

Pratite marql na LinkedInu

Svi članci

Maloprodaja

Tačka ponovnog naručivanja u lancu prodavnica: zašto pravilo „7 dana pokrivenosti, dopuni do 14“ gubi novac

Mnogi lanci naručuju po pravilu „naruči kada proizvodu ostane zaliha za nedelju dana, dopuni do dve“. Pravilo zanemaruje tri stvari koje odlučuju kada će se polica isprazniti. Simulirana godina u četiri lanca pokazuje koliko to košta, a kratka formula ispravlja najveći deo toga.

Autor Maxim T.

Maloprodaja

AI za dopunu zaliha u prodavnicama: šta treba da odluči algoritam, šta nabavljač i kako proveriti da li pomaže

Automatsko naručivanje u supermarketima postoji godinama, a nabavljači i dalje menjaju velik deo njegovih porudžbina. Nove terenske studije pokazuju koje od tih korekcija pomažu, koje izazivaju sledeću nestašicu i šta AI agent za nabavku mora da pokaže pre nego što zasluži veća ovlašćenja.

Autor Maxim T.

Maloprodaja

Prosečan račun u lancu prodavnica: kako ga agregirati, razložiti i porediti

Prosečan račun je prodaja podeljena brojem transakcija, i za jednu kasu tu je priči kraj. Za lanac taj broj mora da se agregira, razloži i definiše, a svaki od tih koraka može da pođe naopako, što objavljeni rezultati velikih trgovaca jasno pokazuju.

Autor Maxim T.

Blog

Česta pitanja

Uz periodičnu proveru, sigurnosne zalihe = z·√((L + R)σ² + μ²σ_L²), gde je μ prosečna dnevna prodaja, σ njena dnevna varijabilnost, L rok isporuke, R broj dana do sledećeg dana za porudžbine, σ_L varijabilnost roka isporuke, a z faktor za nivo usluge.

Faktor primenjen na tražnju tokom roka isporuke zanemaruje čekanje do sledećeg dana za porudžbine i pouzdanost dobavljača. Može biti otprilike tačan za udaljenog dobavljača, a nekoliko puta premali za obližnjeg kod kog se naručuje jednom nedeljno.

Zakasnela isporuka pomera celu porudžbinu, pa se varijabilnost roka isporuke množi dnevnom prodajom. Za isti proizvod i nivo usluge, dobavljaču čije isporuke variraju za nekoliko dana može biti potrebno dvostruko više sigurnosnih zaliha nego tačnom dobavljaču.

Samo dok nemate sopstvene prijemnice. Planirani i ugovoreni rokovi isporuke obično potcenjuju stvarne; merite dane od porudžbine do prijema za svakog dobavljača i ažurirajte rezervu kako se prijemnice gomilaju.

Odredite ga po klasi proizvoda i marži. Proizvodi sa visokom maržom i visokim prihodom obično opravdavaju 95 do 98%; za dugi rep nivo može biti niži. Nivo usluge određuje z, a z množi celu rezervu.

Spremni da vidite
evre koje je pronašao?

Povezujemo kase, zalihe i računovodstvo za jedan dan. Pristup samo za čitanje, bez zamene POS-a, 200 € mesečno po lokaciji i manje kako rastete.

0
Zamena stack-a
1
Jedan chat. Ceo biznis.