Design and Development of a Hybrid Inventory Management Tool

Abstract

Talep tahminleri, şirketlerin gelecek yıllar için plan yapabilmeleri adına çok önemlidir. Bu çalışmada, tahminleme ve envanter kontrolünden oluşan entegre bir envanter yönetimi aracı öneriyoruz. ARIMA yöntemi kullanılarak bir beyaz eşya şirketinin geçmiş talep değerlerine dayalı talep tahmini yapılmıştır. Ardından tahminlemeden elde edilen talep verileri gerçek talep verileriyle karşılaştırılmış ve sonuçlar test edilmiştir. Amaç, gerçek ve tahminleme yönteminden elde edilen talep verilerini ve Birleşik Tedarik Yöntemi (USM) metodunu kullanarak toplam tedarik zinciri maliyetini en aza indirmek için en uygun sipariş miktarını (Q) ve yeniden sipariş noktasını (R) bulmaktır. Q ve R şirketin hâlihazırda kullandığı Ekonomik Sipariş Miktarı yöntemine göre de hesaplanmıştır. Daha sonra toplam maliyet her iki yöntem içinde hesaplanmış ve karşılaştırılmıştır. Sonuç olarak, şirketin, önerilen USM metodunu kullanarak toplam maliyeti gerçek talep verileri ile yaklaşık %66, tahmini talep verileri ile de yaklaşık %49 azaltabileceği bulunmuştur. Ayrıca çeşitli analizler yapılmış ve teslimat süresi değişimi gibi bazı durumların toplam maliyeti nasıl etkilediği gözlemlenmiştir.

Demand forecasting is a very important topic for companies to make plans for the next years. In this study, we propose an integrated inventory management tool which consists of forecasting and inventory control. Demand forecasting was made based on past demand values of a white goods company. ARIMA method is used for this purpose. Then, the data obtained from using the forecasting method compared with the actual data and the results were tested. The objective is to find optimum order quantity (Q) and reorder point (R) using Unified Supply Model (USM) method to minimize total supply chain cost by using actual and forecasted data. Order quantity (Q) and reorder point (R) were also calculated according to the Economic Order Quantity (EOQ) method currently used by the company. The total cost was calculated to compare both their current and recommended models. Consequently, the company could decrease total cost by approximately 66% for actual demand data and approximately 49% for forecasted demand data with the help of the USM method. We also performed some analysis and observed how the change of lead time affects customer satisfaction level and total cost and how the use of different backorder costs changed the total cost.