Pengarang: Saif Ali Kheraj
Awalnya diterbitkan di Towards AI the World’s Leading AI and Technology News and Media Company. Jika Anda sedang membangun produk atau layanan terkait AI, kami mengundang Anda untuk mempertimbangkan untuk menjadi sponsor AI. Di Towards AI, kami membantu menskalakan AI dan startup teknologi. Biarkan kami membantu Anda melepaskan teknologi Anda kepada massa.
Metrik Keuangan yang Ditingkatkan dengan mengubah analitik Prediktif menjadi analitik Preskriptif
Keputusan tentang manajemen persediaan di ritel, manufaktur, dan pengaturan rantai pasokan sangat penting untuk keberhasilan bisnis. Manajemen persediaan yang tidak tepat dapat berdampak signifikan pada keuntungan perusahaan dengan meningkatkan biaya dan overhead. Meskipun ada banyak aspek dalam manajemen persediaan, posting ini akan fokus pada pengoptimalan biaya persediaan dengan menggunakan metode riset operasi.
Sumber: Gambar oleh vanitjan di freepik
pengantar
Biaya penyimpanan, juga dikenal sebagai biaya penyimpanan persediaan, adalah metrik kunci dalam menentukan profitabilitas perusahaan secara keseluruhan. Metrik ini sangat penting karena menunjukkan apakah operasi Anda dioptimalkan atau tidak. Biaya penyimpanan yang tinggi mungkin hanya menunjukkan bahwa perusahaan Anda memiliki lebih banyak persediaan daripada yang dibutuhkan berdasarkan permintaan. Hal ini menunjukkan bahwa manajer harus memodifikasi frekuensi mereka melakukan pemesanan. Dalam posting ini, kita juga akan melihat contoh komprehensif dan mempelajari cara menyelesaikan dan mengoptimalkan keputusan. Sederhananya, bayangkan Anda memiliki toko ritel yang menjual barang yang mudah rusak dan tidak mudah rusak. Biaya penyimpanan persediaan atau storage dikeluarkan untuk menyimpan barang-barang tersebut. Ada juga biaya peluang karena ketika Anda memesan barang surplus, modal itu dapat diinvestasikan dalam sesuatu yang lebih produktif. Ada juga biaya lebih, seperti biaya administrasi dan material handling. Oleh karena itu, sangat penting bagi manajer untuk membuat keputusan pembelian yang baik untuk memenuhi permintaan sambil menghindari kelebihan persediaan.
Diperkirakan bahwa biaya penyimpanan atau biaya penyimpanan persediaan adalah $1 per unit per hari. Sebagaimana dinyatakan, biaya penyimpanan terdiri dari semua biaya yang terkait dengan penyimpanan barang, seperti penyimpanan, servis, risiko persediaan, dan biaya peluang lainnya.
Tabel 1: Gambar oleh Penulis
Tabel 1 menunjukkan permintaan untuk beberapa hari ke depan. Di sinilah perkiraan permintaan dapat membantu. Untuk memulai, Anda memerlukan model prediktif untuk memperkirakan permintaan setiap hari, bergantung pada organisasi. Ini diperlukan saat membuat keputusan pembelian. Ketika manajemen membuat pilihan, faktor-faktor berikut dapat dipertimbangkan:
1. Apakah kita membeli dan menyimpan produk hari ini untuk menjualnya nanti karena harga rendah pada hari/musim tertentu.
2. Harga bisa naik nanti.
3. Berapa kapasitas penyimpanan per hari?
Ada beberapa pertanyaan lain yang harus dikerjakan oleh manajer.
Berdasarkan tabel 1, pada hari ke-1, kita dapat membeli barang dengan biaya yang lebih murah dibandingkan hari-hari lainnya, sehingga pengelola pasti berpikir, mengapa tidak membeli semuanya pada hari itu juga? Mari kita hitung biayanya:
Total permintaan adalah 570 untuk semua hari.
$5 * 570 + $1 * 100 + $2 * 50 + $3 * 200 + $4 * 150 = $4250
Jika kita membeli 570 item dalam satu hari, kita akan memiliki tarif yang lebih rendah sebesar $5, tetapi kita akan memiliki biaya penyimpanan persediaan yang lebih tinggi. Seperti yang Anda lihat, 100 item akan dijual pada hari berikutnya, jadi akan ada biaya penyimpanan $1. Demikian pula, 50 item pada hari ke-3 akan dikenakan biaya penyimpanan sebesar $2 selama dua hari. Akibatnya, terjadi tradeoff antara biaya produksi/pembelian dan biaya penyimpanan. Ketika kita fokus pada biaya pembelian, kita mungkin akhirnya meningkatkan biaya penyimpanan, dan ketika kita fokus pada biaya penyimpanan, kita mungkin harus mengorbankan biaya pembelian.
Mari kita pertimbangkan skenario lain di mana kita membeli dan menjual pada hari yang sama tanpa menyimpan persediaan apa pun. Dalam hal ini, tidak akan ada biaya penyimpanan persediaan.
$5 * 70 + $7 * 100 + $6 * 50 + $8 * 200 + $12 * 150= $4,750
Dalam hal ini, meskipun tidak ada biaya penyimpanan, total biayanya adalah $4750 lebih tinggi dari yang sebelumnya.
Akibatnya, kita harus menemukan kombinasi tingkat persediaan yang optimal untuk mengurangi biaya keseluruhan.
Tabel 2: Gambar oleh Penulis
Total biaya ditentukan oleh dua faktor:
Biaya Pembelian: Ini ditentukan oleh harga pada hari itu.
Biaya Penyimpanan: Biaya penyimpanan adalah $1 per hari dan ditentukan oleh persediaan akhir. Misalnya, jika persediaan akhir pada hari ke 3 adalah 300, biaya penyimpanan akan menjadi 300 * $1=$300. Kemudian, pada hari keempat, dengan asumsi tidak ada pembelian lebih lanjut, persediaan akhir akan menjadi 100 karena 200 item akan terjual pada hari itu. Akibatnya, biaya penyimpanan akan menjadi $100. Ini sama dengan $100 + $300 = $400. Tabel di atas merangkum hal ini.
Poin kuncinya di sini adalah untuk memahami batasan keseimbangan persediaan. Hal ini disebabkan oleh fakta bahwa biaya penyimpanan persediaan dihitung berdasarkan persediaan akhir. Juga, persediaan akhir harus sama dengan persediaan awal, ditambah pembelian dikurangi penjualan. Sekarang mari kita tentukan bagaimana persediaan akhir dihitung:
Persediaan akhir = Persediaan Pembukaan + Pembelian — Penjualan
Diagram di bawah ini akan membantu Anda memahaminya.
Persamaan Optimasi
Sekarang setelah kita memahami konsepnya, mari kita definisikan fungsi tujuan dan kendala
Variabel Keputusan:
Misalkan q adalah barang yang harus dibeli/diproduksi setiap hari
Biarkan e menjadi persediaan akhir setiap hari
Jadi secara total, kami memiliki 10 variabel keputusan.
Fungsi objektif:
Kita perlu meminimalkan total biaya.
Biaya Total = Biaya Pembelian + Biaya Penyimpanan
persamaan oleh Penulis
Mari kita tulis dalam notasi matematika yang lebih formal:
persamaan (i) : Oleh Penulis
Batasan penyeimbangan persediaan:
Gambar oleh Penulis
persamaan (ii) : Oleh Penulis
Mari kita tulis dalam notasi matematika yang lebih formal:
Persamaan Lengkap
Persamaan akhir (iii): : Oleh Penulis
Untuk meringkas, kami hanya mencoba untuk meminimalkan total biaya tunduk pada kendala keseimbangan persediaan. Juga, kuantitas yang dibeli dan persediaan akhir tidak boleh negatif.
Memecahkan menggunakan Alat yang berbeda (Excel dan Python)
Mari kita selesaikan ini terlebih dahulu menggunakan Microsoft excel, dan kemudian kita akan menyelesaikannya dengan python.
Menggunakan Excel
Langkah 1: Inisialisasi dan Definisikan
Tabel 3: Gambar oleh Penulis
Kami telah menentukan permintaan untuk setiap hari, seperti yang Anda lihat di sini. Pembelian adalah apa yang kami harapkan setiap hari; kita belum tahu berapa banyak pembelian yang harus kita lakukan setiap hari. Inventaris Akhir akan ditentukan oleh batasan, yang akan dipenuhi oleh batasan penyeimbangan persediaan yang ditentukan pada baris 15. Anda juga dapat melihat rumusnya. Misalnya, pada hari 1, kami menggunakan persediaan akhir hari sebelumnya sebagai persediaan awal untuk hari 1 (C13), menambah pembelian (D12), dan mengurangi penjualan/permintaan (D11). Ini setara dengan apa yang kita definisikan dalam persamaan (ii) di atas.
Langkah 2: Fungsi Tujuan
Kami bertujuan untuk meminimalkan biaya keseluruhan, yang terdiri dari dua komponen: biaya penyimpanan dan biaya pembelian.
Tabel 4: Gambar oleh Penulis
Kami telah mendefinisikan biaya pembelian, biaya penyimpanan, dan biaya total di sini. Jika Anda memperhatikan rumus biaya pembelian, yang kami lakukan di sini hanyalah mengalikan pembelian setiap hari dengan masing-masing biaya pembelian pada hari itu. Dengan cara yang sama, kami akan melakukannya untuk biaya penyimpanan. Biaya total hanyalah jumlah dari biaya pembelian dan penyimpanan. Ini setara dengan apa yang kita definisikan dalam persamaan (i)
Langkah 3: Setup Solver
Tabel 5: Gambar oleh Penulis
D24(Total Cost) adalah apa yang ingin kami minimalkan. Inilah yang kami sediakan di “bagian set objektif”.
Variabel keputusan adalah jumlah pembelian dan persediaan akhir yang ingin diselesaikan berdasarkan kendala dan fungsi tujuan. Inilah yang kami sediakan di “Dengan Mengubah Sel Variabel”
Kendalanya adalah bahwa persediaan akhir harus sama dengan persediaan awal + pembelian — penjualan. Inilah yang kami sediakan di “Subject to the Constraints Section” yaitu baris 13 (persediaan akhir) harus sama dengan baris 15 (persediaan pembukaan + pembelian — penjualan).
Pastikan Anda menandai “Jadikan variabel tidak dibatasi non-negatif”. Ini karena kami tidak ingin nilai persediaan negatif.
Anda dapat merujuk ke persamaan (iii) untuk pemahaman.
Langkah 4: Selesaikan dan dapatkan nilai yang meminimalkan total biaya
Tabel 6: Gambar oleh Penulis
Ini adalah bagaimana solusi keseluruhan muncul. Artinya, pada hari pertama, kita harus membeli 170 kuantitas, 0 pada hari kedua, 400 pada hari ketiga, 0 pada hari keempat, dan 0 pada hari kelima. Solusi ini meminimalkan total biaya (biaya pembelian + biaya penyimpanan).
Menggunakan Python
Sekarang kita telah membahas semuanya secara detail dengan pemahaman intuitif yang baik, kita akan menulis beberapa kode Python (paket pyomo) untuk melakukan hal yang sama dan melihat apakah kita mendapatkan hasil yang sama.
impor numpy sebagai np
dari pyomo.environ import * model = ConcreteModel() hari=6 # permintaan
d = [None, 70,100,50,200,150]
# biaya penyimpanan
h = [None,1,1,1,1,1]
# biaya pembelian satuan
c = [None,5,7,6,8,12]
# jumlah yang dibutuhkan untuk membeli
model.q = Var(rentang(hari),domain=NonNegativeReals) # persediaan akhir
model.e = Var(range(days),domain=NonNegativeReals) # fungsi tujuan model mencakup biaya penyimpanan dan biaya pembelian
model.objective = Objective(expr = sum( (model.q[day] * c[day]) + (model.e[day] * h[day]) untuk hari dalam rentang(1,hari,1)), sense=minimize) # tambahkan batasan model
model.constraints = ConstraintList() # persediaan akhir adalah 0 pada hari 0 jadi akan menjadi pembukaan untuk hari 1
model.constraints.add(model.e[0]==0) # kendala penyeimbangan persediaan
untuk hari dalam rentang (1, hari, 1):
model.constraints.add(model.e[day] == model.e[day-1] + model.q[day] – d[day]) # buat pemecah masalah
pemecah = SolverFactory(‘glpk’) # memecahkan
solver.solve(model)
Komentar sudah disebutkan dalam kode, yang telah kita bahas dengan sangat rinci. Sekarang mari kita lihat apakah kita dapat mencapai hasil yang sama atau tidak.
Gambar oleh Penulis
Seperti yang dapat kita lihat, kuantitas yang dibutuhkan untuk membeli (q) dan persediaan akhir (q) persis sama dan memiliki nilai biaya optimal yang sama yaitu 3850.
Kesimpulan
Dalam posting ini, kami membahas secara rinci bagaimana penggunaan model prediktif dalam hubungannya dengan riset operasi dapat mengubah analitik prediktif menjadi analitik preskriptif, yang memungkinkan pengambil keputusan untuk membuat keputusan praktis. Masalah ini sangat penting untuk bisnis karena memiliki dampak langsung pada laporan laba rugi dan rasio akuntansi.
Referensi
[1] https://www.investopedia.com/terms/h/holding-costs.asp
[2] https://www.accountingtools.com/articles/holding-costs
[3] https://www.tradegecko.com/inventory-management/introduction-to-carrying-costs
[4] http://www.columbia.edu/itc/sipa/U6033/client_edit/lectures/lec4.pdf
Manajemen Inventaris Dengan Bantuan Analisis Prediktif dan Preskriptif Membantu Peningkatan Bisnis awalnya diterbitkan di Towards AI on Medium, di mana orang-orang melanjutkan percakapan dengan menyoroti dan menanggapi cerita ini.
Diterbitkan melalui Menuju AI
