सुरक्षा स्टॉक सिम्युलेटर

Monte Carlo सुरक्षा स्टॉक सिमुलेशन क्या है?

Monte Carlo सिमुलेशन हजारों यादृच्छिक माँग और लीड टाइम परिदृश्य चलाकर अनिश्चितता को मॉडल करता है। विश्लेषणात्मक सूत्र के विपरीत, यह गैर-सामान्य वितरण और जटिल आपूर्ति श्रृंखला गतिशीलता को संभाल सकता है।

सिमुलेशन निर्दिष्ट वितरण से यादृच्छिक लीड टाइम अवधि में दैनिक माँग खींचकर DDLT नमूने उत्पन्न करता है। हजारों पुनरावृत्तियों के बाद, DDLT वितरण लक्ष्य सेवा स्तर के लिए आवश्यक सुरक्षा स्टॉक दिखाता है।

विश्लेषणात्मक और सिमुलेटेड परिणामों की तुलना धारणाओं को मान्य करती है।

Formula: प्रत्येक पुनरावृत्ति i = 1..N: DDLT_i = Σ(j=1..LT_i) D_j सुरक्षा स्टॉक = Percentile(DDLT, SL%) − mean(DDLT) ROP = Percentile(DDLT, SL%)

गणना उदाहरण

μ_d = 30/दिन, σ_d = 8, μ_LT = 5 दिन, σ_LT = 1.5, 95% SL, 10,000 पुनरावृत्ति: विश्लेषणात्मक SS = 79। सिमुलेटेड SS = 83। 5% अंतर DDLT वितरण की हल्की गैर-सामान्यता दर्शाता है।

इस कैलकुलेटर का उपयोग कब करें

• एक इन्वेंटरी एनालिस्ट धीमी या रुक-रुक कर मांग वाली वस्तुओं के लिए सिमुलेशन के विरुद्ध विश्लेषणात्मक सेफ्टी स्टॉक फॉर्मूला को मान्य कर रहा है
• एक सप्लाई चेन प्लानर लीड टाइम परिवर्तनशीलता कम करने की पहल के आवश्यक सेफ्टी स्टॉक पर प्रभाव का परीक्षण कर रहा है
• एक डेटा साइंटिस्ट गैर-सामान्य मांग वितरण की खोज कर रहा है यह निर्धारित करने के लिए कि मानक फॉर्मूला स्टॉक आवश्यकताओं को अधिक या कम अनुमानित करता है
• एक लॉजिस्टिक्स टीम सप्लायर लीड टाइम स्थिरता सुधारने से सेफ्टी स्टॉक बचत की मात्रा निर्धारित करने के लिए what-if परिदृश्य चला रही है

बचने योग्य सामान्य गलतियाँ

• अत्यधिक सर्विस लेवल के लिए बहुत कम इटरेशन चलाना — 1,000 इटरेशन पर्याप्त लग सकते हैं, लेकिन 99%+ पर टेल पर्सेंटाइल को स्थिर होने के लिए कम से कम 10,000 चाहिए; 99.5%+ के लिए 50,000 का उपयोग करें
• यह मानना कि मांग हमेशा सामान्य रूप से वितरित होती है — कई वास्तविक-विश्व वस्तुओं में Poisson, gamma या रुक-रुक कर मांग होती है; सिमुलेशन का मूल्य इन गैर-सामान्य परिदृश्यों का परीक्षण करने में है
• सिमुलेटेड और विश्लेषणात्मक परिणामों के बीच अंतर को अनदेखा करना — यदि वे महत्वपूर्ण रूप से भिन्न हैं, तो आपकी मांग वितरण धारणा गलत है और विश्लेषणात्मक फॉर्मूला भ्रामक हो सकता है
• अंतर्निहित मॉडल को समझे बिना सिमुलेशन का उपयोग करना — सिमुलेशन उतना ही अच्छा है जितने इसके इनपुट वितरण; कचरा पैरामीटर कचरा परिणाम देते हैं

परिणामों की व्याख्या कैसे करें

• यदि सिमुलेटेड सेफ्टी स्टॉक विश्लेषणात्मक से अधिक है, तो वास्तविक मांग वितरण में सामान्य धारणा से भारी टेल हैं — आपको फॉर्मूला के सुझाव से अधिक बफर की आवश्यकता है
• यदि सिमुलेटेड सेफ्टी स्टॉक विश्लेषणात्मक से कम है, तो फॉर्मूला रूढ़िवादी है और आप अतिरिक्त इन्वेंटरी रख सकते हैं
• DDLT हिस्टोग्राम का आकार वास्तविक मांग पैटर्न प्रकट करता है: घंटी-आकार सामान्यता की पुष्टि करता है, दाईं ओर तिरछा Poisson या gamma सुझाता है, द्विमोडल मिश्रित मांग पैटर्न सुझाता है

संबंधित मानक और संदर्भ

• Monte Carlo सिमुलेशन — सामान्यता मानने के बजाय अनुभवजन्य लीड-टाइम-के-दौरान-माँग (DDLT) वितरण बनाने के लिए माँग और लीड टाइम का बार-बार नमूना लेता है
• Law, Simulation Modeling and Analysis — प्रसंभाव्य इन्वेंट्री सिमुलेशन की प्रतिकृति गणना और विश्वास-अंतराल विश्लेषण के लिए पद्धतिगत संदर्भ
• APICS/ASCM सुरक्षा स्टॉक ढाँचा — विश्लेषणात्मक (सामान्य-सूत्र) आधाररेखा प्रदान करता है जिससे वितरण विषमता उजागर करने के लिए सिमुलेशन की तुलना की जाती है

अक्सर पूछे जाने वाले प्रश्न

सटीक परिणामों के लिए कितनी पुनरावृत्तियाँ चलानी चाहिए?

10,000 पुनरावृत्तियाँ अधिकांश परिदृश्यों के लिए स्थिर परिणाम (±1-2%) देती हैं। अत्यधिक सेवा स्तर (99.5%+) के लिए 50,000-100,000 का उपयोग करें।

माँग के लिए Poisson कब उपयोग करें?

धीमी वस्तुओं (औसत माँग < 10/दिन) के लिए Poisson। तेज़ वस्तुओं (> 20/दिन) के लिए सामान्य वितरण अच्छा काम करता है।