Закупки / Reorder point
Как рассчитать точку заказа с ИИ
Точка заказа — это уровень остатка, при котором нужно сделать новый заказ, чтобы не остаться без товара. Формула: (среднедневной спрос × время выполнения заказа) + страховой запас. ИИ повышает точность, прогнозируя спрос и время поставки, и автоматически корректирует страховой запас.
Проблема
Почему это важно
Без расчёта точки заказа компании часто полагаются на интуицию или фиксированные даты пополнения. Это приводит к дефициту товара, когда спрос неожиданно растёт, или к затовариванию склада, когда спрос падает. В обоих случаях бизнес теряет деньги: упущенные продажи, издержки на хранение, списания.
Почему возникает
- Спрос неравномерен и зависит от сезона, акций, трендов, которые сложно учесть вручную.
- Время выполнения заказа (lead time) нестабильно: задержки поставщика, логистические сбои.
- Страховой запас устанавливается «на глаз» и не пересматривается при изменении условий.
- Отсутствие единой системы учёта остатков и заказов, данные разрознены.
Риски и потери
- Дефицит: потеря продаж и клиентов, срочные закупки по завышенным ценам.
- Излишние запасы: заморозка оборотных средств, рост затрат на хранение, риск списания.
- Нарушение SLA перед клиентами, снижение лояльности.
- Ручные ошибки в расчётах приводят к неверным заказам.
Что влияет на результат
- Среднедневной спрос (с учётом сезонности и трендов)
- Время выполнения заказа (lead time) — от размещения до получения
- Страховой запас — буфер на случай колебаний спроса и задержек
- Интервал между проверками остатков (периодичность контроля)
Типичные ошибки ручного подхода
- Использование среднего спроса без учёта сезонности и пиков.
- Игнорирование изменчивости времени поставки.
- Страховой запас не пересматривается, хотя спрос вырос.
- Ошибки в данных об остатках и заказах из-за ручного ввода.
Определение
Что важно понимать
Точка заказа
Уровень остатка, при котором нужно сделать заказ поставщику, чтобы не допустить дефицита.
Позволяет автоматизировать пополнение и избежать как дефицита, так и излишних запасов.Страховой запас
Дополнительный объём товара, который держат на случай непредвиденного роста спроса или задержки поставки.
Снижает риск дефицита, но увеличивает затраты на хранение; его размер нужно балансировать.Время выполнения заказа (lead time)
Период от момента размещения заказа до фактического поступления товара на склад.
Чем дольше и нестабильнее lead time, тем выше нужен страховой запас и тем раньше нужно заказывать.Данные
Какие данные нужны
История продаж (спрос)
Для расчёта среднедневного спроса и прогнозирования будущего спроса с учётом сезонности и трендов.
- дата продажи
- SKU
- количество
- цена
- канал продаж
Данные о поставках
Для расчёта фактического времени выполнения заказа и его вариативности.
- дата размещения заказа
- дата получения
- SKU
- количество заказано
- поставщик
Текущие остатки
Чтобы знать, когда остаток достигнет точки заказа.
- SKU
- склад
- количество на остатке
- резерв
Параметры товара
Для учёта особенностей: минимальная партия, срок годности, стоимость хранения.
- SKU
- минимальная партия
- срок годности
- стоимость хранения
Методология
Методика расчёта точки заказа
Принципы
- Точка заказа = (среднедневной спрос × время выполнения заказа) + страховой запас.
- Среднедневной спрос считается за период, отражающий текущую ситуацию (например, 30–90 дней), с учётом сезонности.
- Время выполнения заказа — среднее фактическое время от размещения до получения, с учётом возможных задержек.
- Страховой запас зависит от вариативности спроса и времени поставки, а также от желаемого уровня сервиса.
Допущения
- Спрос и время поставки распределены примерно нормально (или можно оценить их стандартное отклонение).
- Период прогноза сопоставим с временем выполнения заказа.
- Данные о продажах и поставках достаточно полные и точные.
Ошибки
- Использование среднего спроса без учёта сезонности — приводит к дефициту в пиковые периоды.
- Игнорирование вариативности времени поставки — занижает страховой запас.
- Установка страхового запаса «на глаз» без пересмотра.
- Не учитывать минимальную партию поставщика — заказ может быть меньше или больше оптимального.
Роль ИИ
Как ИИ решает задачу
Прогнозирование спроса
Данные на входе: История продаж за 1-3 года, Календарь сезонности, праздники, акции, Внешние факторы (погода, тренды)
Что делает модель: Обучаемая модель (например, градиентный бустинг или ARIMA) прогнозирует спрос на каждый SKU на горизонт, равный времени выполнения заказа.
Результат: Прогноз среднедневного спроса и его стандартное отклонение на будущий период.
Как используется: Система использует прогноз для расчёта точки заказа и страхового запаса.
Оценка времени выполнения заказа
Данные на входе: История заказов: даты размещения и получения, Данные о поставщиках, логистике
Что делает модель: Статистический анализ фактического lead time, выявление среднего и стандартного отклонения, учёт задержек.
Результат: Среднее время выполнения заказа и его вариативность для каждого поставщика/товара.
Как используется: Используется в формуле точки заказа для расчёта спроса за время поставки.
Расчёт и корректировка страхового запаса
Данные на входе: Прогноз спроса и его отклонение, Среднее и отклонение времени поставки, Целевой уровень сервиса (например, 95%)
Что делает модель: По формуле (например, z × √(σ²спроса × L + μ²спроса × σ²L)) рассчитывается страховой запас, учитывающий обе вариативности.
Результат: Оптимальный страховой запас для каждого SKU.
Как используется: Система автоматически обновляет страховой запас при изменении спроса или времени поставки.
Выявление аномалий и автозаказ
Данные на входе: Текущие остатки, Точка заказа по каждому SKU, Прогноз спроса
Что делает модель: Модель отслеживает остатки и сигнализирует, когда остаток падает ниже точки заказа, а также выявляет аномальные всплески спроса.
Результат: Уведомление о необходимости заказа или автоматическое создание заказа поставщику.
Как используется: Менеджер получает уведомление и подтверждает заказ, либо система размещает его автоматически по правилам.
Разбор
Как это работает
- 1
Вход: история продаж и поставок за 1-3 года. Действие: система очищает данные, устраняет выбросы, агрегирует по дням. Результат: подготовленный датасет для анализа.
- 2
Вход: подготовленные данные. Действие: модель машинного обучения прогнозирует спрос на каждый SKU на горизонт, равный среднему времени выполнения заказа. Результат: прогноз среднедневного спроса и его стандартное отклонение.
- 3
Вход: история заказов. Действие: статистический анализ фактического времени выполнения заказа, расчёт среднего и стандартного отклонения. Результат: параметры lead time для каждого поставщика/товара.
- 4
Вход: прогноз спроса, параметры lead time, целевой уровень сервиса. Действие: по формуле рассчитывается страховой запас с учётом вариативности спроса и времени поставки. Результат: оптимальный страховой запас для каждого SKU.
- 5
Вход: среднедневной спрос, время выполнения заказа, страховой запас. Действие: вычисляется точка заказа по формуле. Результат: пороговое значение остатка для каждого SKU.
- 6
Вход: текущие остатки, точка заказа. Действие: система ежедневно сравнивает остаток с точкой заказа и формирует список SKU, требующих заказа. Результат: уведомление менеджеру или автоматическое создание заказа.
- 7
Вход: фактические продажи и поставки после внедрения. Действие: модель переобучается на новых данных, корректируя прогнозы и страховой запас. Результат: точка заказа постоянно актуализируется.
Расчет
Формула точки заказа
Базовая формула точки заказа выглядит так:
Точка заказа
ROP = (d × L) + SS- d — среднедневной спрос (единиц/день)
- L — время выполнения заказа (дней)
- SS — страховой запас (единиц)
Условный пример: Если d = 10 шт/день, L = 7 дней, SS = 20 шт, то ROP = 10 × 7 + 20 = 90 шт.
Страховой запас можно рассчитать по формуле: SS = z × √(σ²d × L + d² × σ²L), где z — коэффициент, соответствующий уровню сервиса (например, 1,65 для 95%).
Пример расчета
Как это выглядит в цифрах
Условный пример: расчёт точки заказа для электроники
- Допущение: Среднедневной спрос на конкретную модель наушников — 15 штук в день.
- Допущение: Среднее время выполнения заказа от поставщика — 10 дней.
- Допущение: Стандартное отклонение спроса — 4 штуки в день.
- Допущение: Стандартное отклонение времени поставки — 2 дня.
- Допущение: Целевой уровень сервиса — 95% (z = 1,65).
Спрос за время поставки = 15 × 10 = 150 штук. Страховой запас = 1,65 × √(4² × 10 + 15² × 2²) = 1,65 × √(160 + 900) = 1,65 × √1060 ≈ 1,65 × 32,6 ≈ 53,8 ≈ 54 штуки. Точка заказа = 150 + 54 = 204 штуки.Когда остаток наушников падает до 204 штук, нужно размещать заказ. Это обеспечит 95% вероятность того, что товар не закончится до прихода новой партии.
Логика решения
Почему дана такая рекомендация
Что повлияло на решение
- Среднедневной спрос и его вариативность
- Время выполнения заказа и его нестабильность
- Целевой уровень сервиса (желаемая вероятность отсутствия дефицита)
- Стоимость хранения и стоимость дефицита
Какие риски учтены
- Риск дефицита при росте спроса или задержке поставки
- Риск излишних запасов при завышенном страховом запасе
- Риск устаревания данных, если модель не переобучается
Какие варианты рассматривались
- Фиксированный интервал пополнения (без точки заказа)
- Ручной расчёт по средним значениям без учёта вариативности
- Использование только страхового запаса без прогноза спроса
Формула точки заказа с учётом вариативности спроса и времени поставки даёт баланс между риском дефицита и затратами на хранение. ИИ автоматизирует пересчёт и адаптируется к изменениям.
Если спрос стабилен и время поставки фиксировано, можно использовать упрощённую формулу без страхового запаса. Если товар скоропортящийся, приоритетом будет минимизация остатков, а не уровень сервиса.
Результат
Что видит пользователь
Дашборд с точками заказа по каждому SKU
Таблица с текущим остатком, точкой заказа, прогнозом спроса и рекомендуемым количеством заказа.
Менеджер видит, какие товары требуют заказа, и может сразу сформировать заказ поставщику.Уведомления о достижении точки заказа
Автоматическое уведомление в интерфейсе или по почте, когда остаток падает ниже порога.
Сотрудник не пропускает момент пополнения, даже если занят другими задачами.Автоматически сформированный заказ поставщику
Система создаёт проект заказа с рекомендуемым количеством, менеджеру остаётся подтвердить.
Сокращается время на ручное оформление заказов, снижается риск ошибок.Автоматизация
Что автоматизируется, а что нет
Выполняется автоматически
- Сбор и очистка данных о продажах и поставках
- Прогнозирование спроса и расчёт точки заказа
- Мониторинг остатков и выявление достижения точки заказа
- Формирование проекта заказа поставщику
Требует настройки
- Настройка целевого уровня сервиса для каждой категории товаров
- Определение минимальной партии и кратности заказа
- Настройка правил для автоматического размещения заказа (или только уведомления)
- Интеграция с учётной системой и поставщиками
Остаётся за человеком
- Подтверждение заказа, если он не полностью автоматизирован
- Исключения: товары с ручным управлением, акции, разовые сделки
- Пересмотр параметров при изменении стратегии компании
Внедрение
Как внедрить решение
Быстрый запуск
- Собрать данные о продажах и поставках за последние 3-6 месяцев в Excel.
- Рассчитать средний дневной спрос и среднее время поставки для ключевых SKU.
- Установить страховой запас вручную (например, 20% от среднего спроса за время поставки).
- Вычислить точку заказа по формуле и занести в таблицу.
Рабочая система
- Настроить автоматическую загрузку данных из учётной системы в базу данных.
- Реализовать расчёт точки заказа на основе скользящего среднего спроса и фактического lead time.
- Создать дашборд с остатками и точками заказа, настроить уведомления.
- Внедрить процесс подтверждения заказов менеджером.
Расширенный вариант
- Подключить модель машинного обучения для прогнозирования спроса с учётом сезонности и трендов.
- Использовать статистическую модель для оценки вариативности времени поставки.
- Автоматически корректировать страховой запас на основе уровня сервиса.
- Интегрировать с поставщиками для автоматического размещения заказов.
Подготовка
Чек-лист перед запуском
- 1
Определены ключевые SKU, для которых нужен расчёт точки заказа.
- 2
Собраны данные о продажах минимум за 12 месяцев (если есть сезонность).
- 3
Собраны данные о фактическом времени выполнения заказов по каждому поставщику.
- 4
Установлен целевой уровень сервиса (например, 95%) для каждой категории.
- 5
Рассчитан страховой запас с учётом вариативности спроса и времени поставки.
- 6
Формула точки заказа проверена на исторических данных (бэктест).
- 7
Настроен регулярный пересчёт точки заказа (ежедневно/еженедельно).
- 8
Определены ответственные за подтверждение заказов.
- 9
Настроены уведомления о достижении точки заказа.
- 10
Проведено обучение сотрудников работе с новой системой.
Вывод
Главное
Точка заказа — это баланс между риском дефицита и затратами на хранение. Рассчитывайте её на основе прогноза спроса и реального времени поставки, а не на глаз.
Основные данные — история продаж и поставок. Ключевые расчёты — среднедневной спрос, время выполнения заказа, страховой запас и сама точка заказа.
ИИ автоматизирует прогнозирование спроса, оценку времени поставки и пересчёт страхового запаса, делая точку заказа актуальной в каждый момент времени.
Начните с простого: соберите данные по 10-20 ключевым товарам, рассчитайте точку заказа в Excel и сравните с текущей практикой. Это покажет потенциал улучшения.
Метод ReMetod
На чем основан вывод
Метод ReMetod показывает, как выстроить путь от бизнес-проблемы к работающему решению: модель решения, данные, автоматизация, интерфейс. Практикум «Архитектор» помогает освоить этот подход без программирования.
В программе практикума этот подход разбирается пошагово: от формулировки бизнес-задачи до модели решения, данных, автоматизации, интерфейса и проверки результата.
Посмотреть программу практикумаВопросы
Что обычно уточняют
Нужен ли ИИ для расчёта точки заказа, если есть простая формула?
Простая формула работает при стабильном спросе и времени поставки. Но в реальности спрос колеблется, а поставки задерживаются. ИИ позволяет учесть эти колебания и автоматически пересчитывать точку заказа, снижая риск дефицита и излишних запасов.
Сложно ли внедрить ИИ для управления запасами?
Начать можно с простой таблицы и формулы, а затем постепенно подключать автоматизацию и прогнозные модели. Метод ReMetod предлагает поэтапный путь: от постановки задачи до работающего решения, не требуя навыков программирования.
Что делать, если данных о продажах мало?
При малом объёме данных можно использовать упрощённый подход: средний спрос за последние 3-6 месяцев и фиксированный страховой запас. По мере накопления данных модель будет уточняться.
Следующий шаг
Выберите, как продолжить с ReMetod
Хотите научиться автоматизировать расчёт точки заказа и другие задачи управления запасами? Приходите на бесплатный вебинар ReMetod.