پیشنهاد مقادیر بر اساس تقاضای تاریخی

برای یک استراتژی تأمین مجدد ساده مبتنی بر فشار، ویژگی Suggest مقادیر سفارش را در درخواست‌های پیش‌فاکتور (RFQs) بر اساس تقاضای تاریخی توصیه می‌کند.

پارامترهای کلیدی

• Replenish for: پنجره پوشش آینده (روز).

• Based on: بازه‌ای که تقاضای تاریخی را تعریف می‌کند: ۷ روز گذشته، ۳۰ روز، ۳ ماه، ۱۲ ماه، یا همان ماه یا فصل سال قبل.

• Factor: ضریب رشد یا کاهش (پیش‌فرض ۱۰۰٪). پس از به‌دست آوردن مجموع از بازه، تقاضای تاریخی را در این درصد ضرب کنید تا تعیین شود چه مقدار از تقاضا باید تأمین مجدد شود. (مثلاً اگر فروش پیش‌بینی می‌شود ۲۰٪ بیشتر از بازهٔ قبلی رشد کند، 120% را وارد کنید)

محاسبهٔ تقاضا

برای تخمین تقاضا، Odoo تمام تحویل‌های اعتبارسنجی‌شده، اجزای مصرف‌شده در سفارش‌های تولید (MOs) یا اجزایی که برای تأمین مجدد پیمانکاران فرعی استفاده شده و از انبار مشخص‌شده در RFQ در بازهٔ Based on می‌آیند را جمع می‌کند. average daily demand (میانگین تقاضای روزانه) برابر با این مجموع حرکت‌های خروجی تقسیم بر تعداد روزهای بازهٔ Based on، ضرب در Factor است. estimated demand (تقاضای تخمینی) برابر با average daily demand ضرب در روزهای Replenish For است.

\[\begin{split}Average~Daily~Demand = \frac{Delivered~or~Consumed~Items}{Based~on~Days} \times Factor \\ \\ Estimated~Demand = Average~Daily~Demand \times Replenish~for~Days\end{split}\]

توجه

تنها حرکت‌های واگذار شده یا تایید شده در محاسبات average daily demand در نظر گرفته می‌شوند، پیش‌فاکتورهای فروش یا سفارش‌های تولید در حالت پیش‌نویس تا زمانی که اعتبارسنجی نشوند، در نظر گرفته نمی‌شوند.

نکته

در یک پیکربندی چندانباری، تحویل‌های داخلی نیز در تخمین تقاضا شمارش می‌شوند. در مورد یک انبار مرکزی که محصولات را به فروشگاه‌های فردی ارسال می‌کند، average daily demand انبار مرکزی شامل انتقالات داخلی به فروشگاه‌های فردی نیز خواهد بود.

مقدار توصیه‌شده

برای یافتن مقدار پیشنهادی، Odoo estimated demand را از مقدار موجودی فعلی در دسترس و تمام محموله‌های ورودی کم می‌کند.

\[Recommended~Quantity = Estimated~Demand - (Available~Stock + Incoming~Stock)\]

Example

در مثال ۱، Odoo 19 واحد را برای Replenish for 14 روز Based on 40 واحد تحویل‌داده‌شده در ماه گذشته توصیه می‌کند.

راه‌اندازی پیش‌نیاز

1. اپلیکیشن‌های Purchase و Inventory باید نصب شده باشند.

2. حداقل یک سفارش تحویل را برای هر محصول اعتبارسنجی کنید.

   اطمینان حاصل می‌کند که یک رکورد تحویل گذشته وجود دارد تا سیستم بتواند میانگین تقاضای روزانه را محاسبه کند.

3. یک فروشنده را به فهرست قیمت فروشنده اضافه کنید با یک قیمت خرید برای هر محصول.

   ویژگی Suggest به فروشنده وابسته است، بنابراین هر محصول نیاز به یک فروشندهٔ مطابق برای محاسبات دقیق مقدار خرید و قیمت دارد.

4. Product Type را روی Goods تنظیم کنید و اطمینان حاصل کنید که محصول بر اساس مقدار ردیابی می‌شود.

   اطمینان حاصل می‌کند که سیستم می‌تواند سطوح موجودی را مدیریت و مقادیر تأمین مجدد توصیه‌شده را برای اقلام ملموس محاسبه کند.

پیشنهاد مقادیر برای سفارش

برای پیشنهاد مقادیر بر اساس فروش‌های گذشته، به اپلیکیشن خرید بروید. یک RFQ جدید ایجاد کنید یا یکی از موجودها را انتخاب کنید.

در RFQ، فیلد فروشنده را روی تأمین‌کنندهٔ انتخاب‌شده تنظیم کنید.

در تب محصولات، روی دکمهٔ کاتالوگ کلیک کنید تا اقلام آن فروشنده را مشاهده کنید.

مهم

تأیید کنید که هر محصول در کاتالوگ با فروشندهٔ انتخاب‌شده پیکربندی شده و سفارش خرید در مرحلهٔ RFQ قرار دارد

نکته

به‌صورت پیش‌فرض، محصولات فهرست‌شده در کاتالوگ محصول بر اساس فروشنده فیلتر می‌شوند.

فیلتر را در نوار جستجو حذف کنید تا تمام اقلام را مشاهده کنید یا از گروه‌بندی برمبنای داخلی برای دسته بندی محصول استفاده کنید.

در داخل کاتالوگ، پیشنهاد را در نوار کناری سمت چپ روشن کنید تا ویژگی فعال شود. فیلدهای آن را به‌صورت زیر تکمیل کنید:

• Replenish for: تعداد روزهایی که قرار است محصولات در موجودی باشند.

• بر پایه: دو ورودی وجود دارد:

  1. Period: بازهٔ زمانی‌ای را انتخاب کنید که نشان‌دهندهٔ تقاضای تاریخی است (مثلاً 30 روز گذشته، April 2024).

  2. Growth factor %: تقاضا را بالا یا پایین مقیاس می‌کند (مثلاً ۱۲۰٪ برای ۲۰٪ رشد، ۳۰٪ برای ۷۰٪ افت).

• مجموع در پایین، ارزش سفارش را نشان می‌دهد. Odoo Unit Price فروشنده را در مقدار پیشنهادی ضرب می‌کند.

هنگامی که پارامترها تأیید شدند، روی Add All کلیک کنید تا تمام پیشنهادات به سفارش اضافه شوند. در صورت نیاز مقادیر را تنظیم کنید، سپس روی Back to Quotation کلیک کنید تا اعداد نهایی روی RFQ تأیید شوند.

گردش کار نمونه

پیشنهاد در ۱۰۰٪ رشد

یک شرکت نیاز دارد ارکیده‌ها را برای ۱۴ روز تأمین مجدد کند، با ارجاع به ۳۰ روز اخیر داده‌های تاریخی، با این فرض که رشد درآمد در این ماه همان مقدار ۱۰۰٪ است.

تحویل/مصرف‌شده در این دوره:

• ۲۰ واحد ۱۵ روز پیش در یک عملیات WH/OUT تحویل داده شد.

• ۲۰ واحد تحویل‌داده‌شده ۱ روز پیش

• مجموع: ۴۰ واحد در ۳۰ روز گذشته

متغیرها

• پر کردن مجدد برای: ۱۴ روز

• بر اساس: ۳۰ روز

  • مجموع تحویل/مصرف‌شده در دوره: ۴۰ واحد

• ضریب: ۱۰۰٪

\[Average~Daily~Demand = \frac{40}{30} \approx 1.33 \text{ units/day}\]

مقدار پیشنهادی

\[Suggested~Quantity = 1.33 \times 14 \approx 18.67 \text{ (rounded to 19 units)}\]

پیشنهاد خرید ۱۹ ارکیده. از آنجا که Unit Price برابر ۹۰٬۰۰۰ ریال است، \($3 \times 19 = $57\) که مبلغ کل نمایش‌داده‌شده است.

برنامه‌ریزی برای روز مادر

برای برنامه‌ریزی بهتر برای هفتهٔ روز مادر آینده، شرکت Based on را به همان ماه سال قبل (May 2024) تغییر می‌دهد. از آنجا که کسب‌وکار از آن زمان رشد کرده است، آن‌ها همچنین تصمیم می‌گیرند یک ضریب رشد ۱۲۰٪ اضافه کنند.

متغیرها

• تأمین مجدد برای ۷ روز

• Based on: May 2024،

  • کل تحویل‌داده‌شده/مصرف‌شده در کل ماه May 2024: ۳۶۱ واحد

• ضریب: ۱۲۰٪

\[Average~Daily~Demand = \frac{361}{30} \times 1.20 \approx 14.44 \text{ units/day}\]

مقدار پیشنهادی

\[Suggested~Quantity = 14.44 \times 7 \approx 101.08 \text{ (rounded up to 102 units)}\]

پیشنهاد خرید ۱۰۲ ارکیده. هر ارکیده با فروشندهٔ انتخاب‌شده ۹۰٬۰۰۰ ریال هزینه دارد، بنابراین \($3 \times 102 = $306\).

بهترین روش‌ها

1. اعتبارسنجی داده‌های تاریخی

   پیش‌بینی‌ها بر اساس سفارش‌های تحویل اعتبارسنجی‌شده، سفارش‌های تولید و سایر اقدامات موجودی که مقادیر را مصرف می‌کنند، انجام می‌شود. برای سفارش‌های تحویل، فیلد Effective Date به‌عنوان تاریخ مصرف مقادیر در نظر گرفته می‌شود.

   

2. نگهداری لیست‌های قیمت فروشنده دقیق

   فهرست‌های قیمت فروشنده را بازبینی و به‌روزرسانی کنید تا آخرین اطلاعات قیمت‌گذاری و تأمین‌کننده را منعکس کنند و از پیشنهادات صحیح اطمینان حاصل کنید.

3. آزمایش پیش‌بینی‌های فروش بر اساس فصلی بودن

   به ماه‌ها یا فصل‌های قبلی ارجاع دهید تا نوسانات فصلی را در نظر بگیرید و با ضریب‌های رشد و کاهش آزمایش کنید تا فروش را پیش‌بینی نمایید.

4. بازبینی انتقادی پیشنهادات

   اگرچه ابزار یک توصیهٔ پایه ارائه می‌دهد، همواره قضاوت کسب‌وکاری را اعمال کنید. تغییرات بازار، تبلیغات و رویدادهای آتی می‌توانند بر تقاضای واقعی تأثیر بگذارند.