จำลองสต็อกความปลอดภัย

การจำลอง Monte Carlo สต็อกปลอดภัยคืออะไร?

Monte Carlo จำลองความไม่แน่นอนโดยรันสถานการณ์อุปสงค์และเวลานำสุ่มหลายพันครั้ง ต่างจากสูตรวิเคราะห์ สามารถจัดการการแจกแจงที่ไม่ปกติ ตัวแปรสัมพันธ์ และพลวัตห่วงโซ่อุปทานที่ซับซ้อน

การจำลองสร้างตัวอย่าง DDLT โดยสุ่มอุปสงค์รายวันจากการแจกแจงที่กำหนดในช่วงเวลานำสุ่ม หลังจากหลายพันรอบ การแจกแจง DDLT แสดงสต็อกปลอดภัยที่ต้องการ

การเปรียบเทียบผลวิเคราะห์และจำลองช่วยตรวจสอบสมมติฐาน หากแตกต่างมาก แสดงว่าการแจกแจงพื้นฐานเบี่ยงเบนจากปกติ

Formula: แต่ละรอบ i = 1..N: DDLT_i = Σ(j=1..LT_i) D_j สต็อกปลอดภัย = Percentile(DDLT, SL%) − mean(DDLT) ROP = Percentile(DDLT, SL%)

ตัวอย่างการคำนวณ

μ_d = 30/วัน, σ_d = 8, μ_LT = 5 วัน, σ_LT = 1.5, 95% SL, 10,000 รอบ: SS วิเคราะห์ = 79 SS จำลอง = 83 ส่วนต่าง 5% แสดงว่า DDLT ไม่เป็นปกติเล็กน้อย

เมื่อใดควรใช้เครื่องคำนวณนี้

• นักวิเคราะห์สินค้าคงคลังตรวจสอบสูตรสต็อกนิรภัยเชิงวิเคราะห์ด้วยการจำลองสำหรับสินค้าอุปสงค์ช้าหรือเป็นช่วงๆ
• ผู้วางแผนห่วงโซ่อุปทานทดสอบผลกระทบของการลดความแปรปรวนเวลานำส่งต่อสต็อกนิรภัยที่จำเป็น
• นักวิทยาศาสตร์ข้อมูลสำรวจการแจกแจงอุปสงค์ที่ไม่ใช่ปกติ
• ทีมโลจิสติกส์รันสถานการณ์ what-if เพื่อวัดปริมาณการประหยัดสต็อกนิรภัย

ข้อผิดพลาดที่พบบ่อยที่ควรหลีกเลี่ยง

• จำนวนรอบจำลองน้อยเกินไปสำหรับระดับบริการสูง — ใช้อย่างน้อย 10,000 รอบสำหรับ 99%+
• สมมติว่าอุปสงค์เป็นการแจกแจงปกติเสมอ
• ไม่สนใจความแตกต่างระหว่างผลจำลองและผลวิเคราะห์
• ใช้การจำลองโดยไม่เข้าใจโมเดลพื้นฐาน

วิธีตีความผลลัพธ์

• หากสต็อกนิรภัยจำลองสูงกว่าค่าวิเคราะห์ การแจกแจงอุปสงค์จริงมีหางหนักกว่าสมมติฐานปกติ
• หากสต็อกนิรภัยจำลองต่ำกว่า สูตรเชิงอนุรักษ์และอาจถือสต็อกเกิน
• รูปร่างฮิสโตแกรม DDLT เผยรูปแบบอุปสงค์จริง

มาตรฐานและเอกสารอ้างอิงที่เกี่ยวข้อง

• การจำลองแบบมอนติคาร์โล — สุ่มตัวอย่างความต้องการและช่วงนำส่งซ้ำ ๆ เพื่อสร้างการแจกแจงเชิงประจักษ์ของความต้องการระหว่างช่วงนำส่ง (DDLT) แทนการสมมติความเป็นปกติ
• Law, Simulation Modeling and Analysis — เอกสารอ้างอิงเชิงระเบียบวิธีสำหรับจำนวนการทำซ้ำและการวิเคราะห์ช่วงความเชื่อมั่นของการจำลองสินค้าคงคลังเชิงสุ่ม
• กรอบสต็อกปลอดภัย APICS/ASCM — ให้เส้นฐานเชิงวิเคราะห์ (สูตรการแจกแจงปกติ) ที่ใช้เปรียบเทียบกับการจำลองเพื่อเผยให้เห็นความเบ้ของการแจกแจง

คำถามที่พบบ่อย

ต้องรันกี่รอบเพื่อผลลัพธ์ที่แม่นยำ?

10,000 รอบให้ผลลัพธ์เสถียร (±1-2%) สำหรับระดับบริการสูงมาก (99.5%+) ใช้ 50,000-100,000 รอบ

เมื่อไหร่ควรใช้ปัวซองแทนปกติ?

ใช้ปัวซองสำหรับสินค้าช้า (อุปสงค์เฉลี่ย < 10/วัน) ปกติเหมาะสำหรับสินค้าเร็ว (> 20/วัน) อุปสงค์ไม่ต่อเนื่องพิจารณา Croston