Товарные запасы, резервы, транзиты в графическом представлении

в 8:25, , рубрики: аналитика, графики, логистика, Песочница, метки: , ,

Решая задачу оптимизации товарных запасов для одного из компьютерных дистрибьюторов и глядя на многотысячестрочные листинги, содержащие:

  • партномера
  • кол-ва товара на складе
  • кол-ва товара в резерве
  • кол-ва товара в транзите

я попытался запихнуть всю эту информацию в один экран, так чтобы с первого взгляда была понятна общая картина состояния по всем товарным позициям сразу. Многочисленные эксперименты привели меня к следующей форме подачи информации. Выделяем три граничных состояния:

  • Товар есть на складе, но на него нет ни одного резерва — это 100% насыщенность
  • Товар есть на складе, и все наличное количество зарезервировано — это 0% насыщенности
  • Товара нет на складе, но на него есть резервы — это -100% насыщенности

Соответственно, промежуточные состояния в рамках от 0% до 100% (где склад+транзит > резерв) вычисляются по формуле:

1-RESERV/(STOCK+TRANSIT)

, а промежуточные состояния в рамках от 0% до -100% (где склад+транзит < резерв) вычисляются по формуле:

(STOCK+TRANSIT-RESERV)/RESERV

И в результате увидим примерно такой график, где по оси Х располагаются товары, которым для упрощения просто присвоены номера от 0 до 2500. В положительной зоне оси Y товары, резервы на которые меньше наличного складского запаса. В отрицательной зоне оси Y товары, резервы на которые больше наличного складского запаса.

image
Условное название «Диаграмма Queue (Куе)»

Теперь, одного беглого взгляда на график достаточно для того, чтобы понять — по каким товарам в массовом количестве складывается какая ситуация. Если, конечно вы в состоянии по номеру товара определить, к какому поставщику и группе товаров он относится. Проблема «правильного» расположения товаров по оси Х здесь не рассматривается.

Но, попробуем еще и произвести свертку данных по оси Х. Для этого округлим полученные проценты, например, с точностью до 10% и просуммируем случаи, попадающие в округленные диапазоны. Теперь график будет выглядеть примерно так:

image
Условное название «Свертка Queue (Куе)»

Теперь по оси Х располагаются проценты «обеспеченности товаром», а по оси Y — количество товарных позиций, попадающих с данные проценты. Как видим, чем более свободным является товар, чем больше случаев выставления счетов на такой товар (линейно растущая зависимость в положительной зоне оси Х). Но, есть аномальный выброс по полностью зарезервированному товару. Этот выброс объясняется с моей точки зрения тем, что данные позиции являются дефицитными и менеджеры, готовы правдами и неправдами, выставлять резервы на них, при этом нет никакого смысла выставлять резервов чуть больше, или чуть меньше, чем имеется товара на складе+в транзите — он все равно не достанется клиентам.

Эти графики получены по реальным значениям состояния склада и резервов.

Автор: Thermik


* - обязательные к заполнению поля


https://ajax.googleapis.com/ajax/libs/jquery/3.4.1/jquery.min.js