T N Kho Abc

Machine Translated by Google
Máy tính & Kỹ thuật Công nghiệp xxx (xxxx) xxxx
Danh sách nội dung có sẵn tại ScienceDirect
Máy tính & Kỹ thuật công nghiệp
trang chủ tạp chí: www.elsevier.com/locate/caie
Tích hợp phân tích ABC và lý thuyết tập thô để kiểm soát hàng tồn kho của
nhà phân phối trong chuỗi cung ứng phụ tùng ô tô
Masoud Mehdizadeh
Khoa Kỹ thuật Công nghiệp, Đại học Kharazmi, Tehran, Iran
THÔNG TIN BÀI VIẾT TRỪU TƯỢNG
Từ khóa: Có nhiều số liệu mơ hồ, không chắc chắn ảnh hưởng đến chất lượng dự báo nhu cầu và quyết định đặt hàng trong chuỗi
Phụ tùng ô tô cung ứng phụ tùng ô tô. Điều này là do thực tế rằng nhu cầu không phải là một khái niệm duy nhất cho tất cả các
Kiểm soát hàng tồn kho
cấp độ tham gia vào chuỗi cung ứng. Cấp độ hạ nguồn của chuỗi cung ứng xem xét các tiêu chí dự định của nó để quyết
phân tích ABC
định có nên đặt hàng cho cấp độ thượng nguồn hay không. Vì vậy, điều rất quan trọng đối với cấp thượng nguồn là
Lý thuyết tập thô
phải khám phá các tiêu chí chính được xem xét ở cấp hạ nguồn khi ban hành lệnh. Trong bài viết này, chúng tôi dự
định nghiên cứu số lượng ô tô đã bán và quãng đường đi được của chúng liên quan đến từng phụ tùng thay thế là tiêu
chí quan trọng nhất khi các nhà bán lẻ gửi đơn đặt hàng mới cho nhà phân phối. Phân tích ABC được thực hiện đối
với các tiêu chí mới bao gồm giá trị nhu cầu của phụ tùng thay thế so với mức tăng tổng số km của ô tô liên quan
trong khoảng thời gian cố định. Lý thuyết tập thô giúp chúng ta suy ra các mô hình và quy tắc từ sự hình thành
không chắc chắn thu được từ phân tích ABC trong các giai đoạn vừa qua. Chúng tôi sử dụng các quy tắc được trích
xuất để dự báo nhu cầu của các nhà bán lẻ trong tương lai và sau đó đặt hàng dựa trên phương pháp xem xét định kỳ.
Việc triển khai mô hình đề xuất tại một trong những nhà phân phối của Iran cho thấy sự cải thiện đáng kể trong các
biện pháp thực hiện chính như tăng mức độ dịch vụ và giảm giá trị trung bình cũng như tuổi thọ của hàng tồn kho.
1. Giới thiệu của các trung tâm bán lẻ đều lưu giữ một số phụ tùng thay thế trong kho theo các
quy định do chính phủ đặt ra để đạt được sự hài lòng của khách hàng và cũng nhằm
Khi chúng ta đang nói về phụ tùng ô tô, có thể xem xét hai loại cách sử dụng. mục đích kiếm nhiều tiền hơn bằng cách bán thêm phụ tùng thay thế. Loại và thời
Đầu tiên là sử dụng phụ tùng thay thế trong dây chuyền sản xuất để lắp đặt trên ô điểm nhu cầu của người tiêu dùng cuối cùng thay đổi tùy theo nhu cầu mà nhà bán lẻ
tô mới và thứ hai là sử dụng phụ tùng thay thế để bảo dưỡng, sửa chữa ô tô của gửi đến nhà phân phối. Nói chung, mỗi cấp độ của chuỗi cung ứng không phải là nhà
khách hàng tham khảo tại hậu mãi. Để tránh sự khác biệt, cần lưu ý ở đây rằng địa bán lẻ đều nhận được những nhu cầu về cơ bản khác với nhu cầu của người tiêu dùng
điểm tiêu thụ trong nghiên cứu này là những địa điểm sử dụng phụ tùng thay thế để cuối cùng trong cùng thời kỳ. Sự khác biệt này trong nhiều trường hợp gây ra hiệu
đáp ứng nhu cầu xe ô tô của khách hàng. Do đó, việc sử dụng các bộ phận trong dây ứng roi da trong chuỗi cung ứng (Goodarzi, Makvandi, Saen, & Sagheb, 2017; Wang &
chuyền sản xuất ô tô con người không được xem xét trong bài viết này. Disney, 2016; Torres & Morán, 2006). Nhưng mặt khác, do sự tách biệt giữa các bộ
phận tài chính của các tổ chức tham gia chuỗi cung ứng phi tập trung nên trách
Việc cung cấp phụ tùng ô tô cho người tiêu dùng cuối cùng được thực hiện thông nhiệm đặt hàng phụ tùng của từng cấp là của cấp đó và các cấp khác không được quyền
qua chuỗi cung ứng (Mentzer và cộng sự, 2001). Chuỗi này thường bao gồm các nhà can thiệp vào việc đó. một quyết định. Do đó, cấp độ thượng nguồn của chuỗi cung
cung cấp nguyên liệu, nhà sản xuất phụ tùng thay thế, nhà phân phối và nhà bán lẻ ứng sẽ phụ thuộc vào đơn đặt hàng do nhà bán lẻ gửi đến, ngay cả khi họ có được ước
(Sabri & Beamon, 2000; Larson, 2001). Các nhà phân phối thường là đại lý độc quyền tính chính xác về nhu cầu của người tiêu dùng (Tayur, Ganeshan, & Magazine, 1999;
của công ty sản xuất ô tô trong một khu vực địa lý rộng lớn. Ví dụ: tất cả các Holcomb, 2010).
công ty con độc quyền của các công ty ô tô quốc tế ở quốc gia thứ hai (Quốc gia
nơi xe được bán) đều là nhà phân phối.
Trường hợp được đề cập ngắn gọn ở trên là một loại vấn đề mà Wagner (2002) đề
Mỗi nhà phân phối, với sự hiểu biết về những chiếc xe được bán trong khu vực của cập đến trong khoảng cách giữa nghiên cứu và thực tế trong việc quản lý phụ tùng
mình, sẽ giữ các phụ tùng thay thế cần thiết của những chiếc xe đó trong kho. Số thay thế. Ông chỉ ra rõ ràng rằng mặc dù nghiên cứu khoa học về kiểm soát hàng tồn
lượng và chủng loại phụ tùng dự trữ trong kho của nhà phân phối phụ thuộc vào đơn kho ngày càng tăng nhưng không có sự cải thiện cụ thể nào về mức độ dịch vụ từ các
đặt hàng nhận được từ nhà bán lẻ. Thuật ngữ nhà bán lẻ dùng để chỉ một đại lý là nhà cung cấp phụ tùng thay thế. Điều này xảy ra trong khi một số nhà cung cấp có
người bán phụ tùng thay thế cho khách hàng cuối cùng. Vì vậy, nhà bán lẻ có thể là hàng tồn kho quá mức.
cửa hàng sửa chữa, nơi khách hàng nhận xe được sửa chữa hoặc bảo dưỡng, cũng là cửa Bacchetti và Saccani (2012), đưa ra một số khuyến nghị nhằm thu hẹp khoảng cách
hàng bán phụ tùng thay thế cho thị trường hậu mãi. Vì vậy, như thường lệ, mỗi giữa nghiên cứu và thực tiễn trong lĩnh vực này. Chúng ta sẽ áp dụng hai
https://doi.org/10.1016/j.cie.2019.01.047
0360-8352/ © 2019 Elsevier Ltd. Mọi quyền được bảo lưu.
Vui lòng trích dẫn bài viết này là: Masoud Mehdizadeh, Máy tính & Kỹ thuật Công nghiệp, https://doi.org/10.1016/j.cie.2019.01.047
M. Mehdizadeh Máy tính & Kỹ thuật công nghiệp xxx (xxxx) xxxx
Hình 1. Cách tiếp cận tích hợp để quản lý phụ tùng thay thế của Bacchetti và Saccani (2012).
những lời khuyên hướng dẫn của họ để khắc phục những vấn đề đã đề cập trước một mô hình trong đó một tác phẩm bắt đầu bằng việc phân loại kiểm kê đa tiêu
đó. Đầu tiên là chia sẻ thông tin. Nhà cung cấp, nhà phân phối và nhà bán lẻ chí và sau đó giá trị của tất cả các tiêu chí trở thành một tiêu chí duy nhất
trong mô hình của chúng tôi sẽ được phép có thông tin hữu ích về số lượng ô tô được gọi là mức độ quan trọng. Trong nghiên cứu của Kareem và Lawal (2015),
được bán trong khu vực của họ, nơi được nhắm mục tiêu cung cấp phụ tùng cho ô vấn đề dừng phương tiện hoặc máy móc trong dây chuyền sản xuất do thiếu phụ
tô ở đó. Ngoài ra, họ còn có quyền truy cập vào số km ước tính của những chiếc xe đó.tùng thay thế đã được xem xét và do đó các hạng mục được phân loại dựa trên
Hướng thứ hai dựa trên (Bacchetti & Saccani, 2012) là phát triển một cách tiếp tốc độ suy thoái và chi phí dự đoán mỗi năm theo Phân tích ABC. Xiao và Zhang
cận tích hợp để quản lý phụ tùng thay thế bằng cách xem xét các bước được hiển và Kaku (2011) nghiên cứu tác động của việc bán chéo lên phân tích ABC truyền
thị trong Hình 1 . thống. Bán chéo là tác động của việc bán một sản phẩm lên doanh số bán các sản
Phần còn lại của bài viết này được trình bày như sau. Trong Phần 2, đề phẩm khác. Trong nghiên cứu của họ, phân tích ABC dựa trên một tiêu chí gọi là
xuất xem xét tài liệu về phân loại phụ tùng, dự báo nhu cầu, quản lý hàng tồn Lãi và Lỗ. Vì vậy, như Iqbal và Malzahn (2017) đã nói, phân tích ABC với một
kho và đánh giá hiệu suất. Sau đó, mô hình và giải pháp đề xuất sẽ được thảo tiêu chí duy nhất vẫn được các nhà nghiên cứu áp dụng mặc dù ứng dụng của nó
luận trong Phần 3. Việc cải thiện bằng cách áp dụng mô hình đề xuất sẽ được ít hơn so với phân tích ABC đa tiêu chí. Trong bài viết này, chúng tôi dự định
đề cập trong Phần 4 bằng cách chuẩn bị một nghiên cứu điển hình thực tế. Cuối bắt đầu quá trình phân loại theo tiêu chí duy nhất trong các khoảng thời gian
cùng, trong Phần 5 , chúng tôi kết luận tất cả các cuộc điều tra và đề xuất riêng biệt và sau đó sử dụng kết quả của nó để hình thành phân tích ABC đa
một số hướng dẫn để tiếp tục và sửa đổi giải pháp được đề xuất trong tương lai. tiêu chí trong các khoảng thời gian liên tiếp. Sau đó, chúng tôi sử dụng kết
quả phân loại ở các giai đoạn khác nhau làm tiêu chí để áp dụng cho bài toán
ra quyết định đa tiêu chí. Sau này, chúng ta sẽ thảo luận chi tiết hơn về
2. Bình luận văn học những đóng góp được đề cập.
2.1. Phân loại phụ tùng Mặc dù có sự mở rộng trong phân tích ABC và cũng sử dụng các kỹ thuật định
lượng và định tính khác (ví dụ: phân tích quan trọng, thiết yếu và mong muốn
Theo khuôn khổ khuyến nghị của Bacchetti và Saccani (2012) được hiển thị (VED) của Mukhopadhyay, Pathak và Guddu (2003)), nhưng không có bất kỳ ứng
trong Hình 1, trước tiên chúng tôi xem xét tài liệu về phân loại phụ tùng thay dụng thực nghiệm hiệu quả nào về phân loại phụ tùng thay thế. trong các vấn
thế. Việc phân loại được thực hiện để tìm ra các phụ tùng thay thế có nhu cầu đề của thế giới thực (Syntetos và cộng sự, 2009). Vì vậy, để có tiêu chí phân
cụ thể, đặc biệt là những phụ tùng có nhu cầu không liên tục, theo mùa hoặc loại phụ tùng hiệu quả hơn, một tiêu chí mới để phân tích ABC bằng cách kết hợp
theo xu hướng. Hệ thống phân loại giúp người ra quyết định có những chính sách giá trị phụ tùng ô tô và số km đã đi của ô tô liên quan đã được đề xuất. Đề
khác nhau để kiểm soát hàng tồn kho (Syntetos, Keyes, & Babai, 2009). Bucher xuất này xuất phát từ quan điểm rằng người tiêu dùng đến các trung tâm kinh
và Meissner (2011) tin rằng việc phân loại hợp lý sẽ tạo ra sự cải thiện đáng doanh phụ tùng vì hai lý do chính: thứ nhất, một số bộ phận sau khi sử dụng xe
kể trong việc lựa chọn chính sách phù hợp để kiểm soát hàng tồn kho của từng bị mất giá trị và phải thay thế, thứ hai, một số bộ phận khác bị hư hỏng hoặc
nhóm, bởi vì cả hai vấn đề giảm chi phí và tăng mức độ dịch vụ đều được xem mất do va chạm. hoặc các sự kiện khác. Do đó, có vẻ như sự gia tăng số km đi
xét đồng thời. được của ô tô, cùng với sự gia tăng về số lượng ô tô là hai động lực chính
thúc đẩy nhu cầu phụ tùng ô tô.
Với cách tiếp cận định lượng, phân tích ABC thường được sử dụng để so sánh
giá trị nhu cầu của các mặt hàng trong hệ thống kiểm soát hàng tồn kho dựa Do đó, trong bài viết này, chúng tôi sử dụng tỷ lệ giữa giá trị nhu cầu với
trên nguyên tắc Pareto hoặc Quy tắc 80–20 (Zimmerman, 1975; Iqbal & Malzahn, mức tăng số km của ô tô đi kèm trong giai đoạn cụ thể để phân loại phụ tùng.
2017). Trong phân tích ABC truyền thống, các mục quan trọng cao, trung bình và Ngoài ra, chúng tôi cũng giới thiệu hai nhóm mới mang tên “N” và “W”. “N” được
thấp được phân loại lần lượt vào nhóm A, B và C (Vollmann, Whybark, & Berry, sử dụng cho các mặt hàng không được yêu cầu và không liên quan đến bất kỳ chiếc
2011). Ngoài ra, theo nguyên tắc Pareto, xét về tính đa dạng thì số lượng mặt xe nào đã bán. “W” liên quan đến các phụ tùng thay thế chưa nhận được nhu cầu.
hàng ở nhóm A thấp, ở nhóm B là vừa phải và ở nhóm C là nhiều (Lun, Lai, & Đối với mỗi mục W, có ít nhất một ô tô liên quan trong giai đoạn điều tra.
Cheng, 2010).
Sự phát triển của phân tích ABC đã dẫn đến việc sử dụng các tiêu chí khác ngoài Việc phân loại phụ tùng thay thế và dự báo nhu cầu nên được áp dụng để
giá trị của nhu cầu. Một số tiêu chí này là khả năng thay thế, lỗi thời, tính quản lý hàng tồn kho (Boylan & Syntetos, 2010). Bacchetti và Saccani (2012)
phổ biến, thời gian thực hiện, độ tin cậy và mức độ quan trọng (do Rego & de cho rằng việc tích hợp giữa phân loại, dự báo nhu cầu và quản lý hàng tồn kho
Mesquita, 2015). Vì vậy, việc sử dụng phương pháp ra quyết định đa tiêu chí đã thường bị thiếu hoặc bị giới hạn trong các nghiên cứu điển hình cụ thể. Ngược
trở nên phổ biến (Ravinder & Misra, 2014). Cần lưu ý rằng cùng với các nghiên lại, trong bài viết này, chúng tôi sẽ sử dụng kết quả thu được từ việc phân
cứu tập trung vào phân tích ABC như một bài toán ra quyết định đa tiêu chí, loại các khoản mục trong các kỳ trước để dự báo lớp của chúng trong kỳ tiếp
một số phương pháp cũng đã nghiên cứu một trong các tiêu chí. Có lẽ một lý do theo. Công việc này được thực hiện bằng lý thuyết tập thô (RST) như một bộ
khiến không thể tin tưởng hoàn toàn vào MCDM là sự tồn tại của mối quan hệ qua công cụ mạnh mẽ để giải quyết các dữ liệu mơ hồ và xung đột. Theo Hu, Chakhar,
lại giữa một số tiêu chí (Flores & Whybark, 1986). Ví dụ: một phụ tùng thay Siraj và Labib (2017), những lợi ích quan trọng nhất của việc sử dụng RST được
thế phổ biến giữa các loại ô tô khác nhau thường sẽ có tiềm năng bán được nhiều tóm tắt trong các tiêu đề sau. Nó cho phép người ra quyết định sử dụng các bản
hơn so với phụ tùng tương tự nhưng với số lượng ô tô đi kèm ít hơn. ghi trong quá khứ để thực hiện phân tích dựa trên tập hợp kiến thức. Ví dụ,
trong bài viết này, ma trận ABC của tất cả các phụ tùng thay thế từ các kỳ
Vì vậy, một số bài viết đã chuyển sang kết hợp một số tiêu chí. Ví dụ, trước sẽ huấn luyện hệ thống cách dự đoán nhóm ABC cho từng mặt hàng trong kỳ
Molenaers, Baets, Pintelon và Waeyenbergh (2012) đề xuất tiếp theo.
2
M. Mehdizadeh Máy tính & Kỹ thuật Công nghiệp xxx (xxxx) xxxx
Bảng 1
Các hệ thống kiểm soát hàng tồn kho chính.
Ký hiệu của hệ thống hàng tồn kho Sự miêu tả Ký hiệu sau khi xem xét giới hạn xem xét ( ) T
( , ) Kích thước lệnh cố định ( ) Q và khoảng thời gian ( )r (r,Q)
rQ Khoảng thời gian đặt hàng cố định ( )r , lên đến cấp độ () S ( r
r( S, s) Kích thước đơn hàng cố định ( ) Q và điểm đặt hàng lại cố định với các khoảng thời gian thay đổi ,, )) s QT hoặc( , )
S( ,
(Q , ) s S ( , ) Đã sửa lỗi điểm sắp xếp lại, lên cấp S s( Q, , ) s ST hoặc ( , ) s S
Một ưu điểm khác của RST là cho phép người ra quyết định can thiệp vào sở các phương pháp cần giả định về sự phân bổ nhu cầu của nhà bán lẻ (Willemain,
thích của mình bất cứ khi nào được yêu cầu. Việc áp dụng RST dựa trên các Smart, & Schwarz, 2004). Thật quá khó để đưa ra và kiểm tra một giả định như
quy tắc if-then được tạo ra rất đơn giản và dễ hiểu. Do đó, RST có thể phát vậy. Ngoài ra, một số phương pháp, chẳng hạn như phương pháp chuỗi thời gian
hiện và loại bỏ mạnh mẽ dữ liệu không chính xác hoặc quá mơ hồ và không chắc và mạng nơ-ron, yêu cầu nhiều lịch sử dữ liệu dài (Willemain và cộng sự,
chắn được quan sát trong quá khứ, sau đó diễn giải kiến thức đáng tin cậy 2004; Hua, Zhang, Yang, & Tan, 2007). Sự phức tạp của phương pháp toán học
hơn theo cách đơn giản để dự báo tương lai. Các chi tiết cần thiết của lý được đề xuất, kỹ năng của người dùng thấp và thiếu phần mềm cần thiết là một
thuyết tập thô được đưa ra trong Phụ lục A. Bây giờ, chúng ta xem xét ứng số lý do khác dẫn đến việc không sử dụng các phương pháp dự báo (Bacchetti
dụng của lý thuyết tập thô trong phân tích ABC. & Saccani, 2012).
Lần đầu tiên, việc sử dụng lý thuyết tập thô để giải quyết việc ra quyết Trong bài viết này, nhu cầu trong tương lai của từng phụ tùng sẽ được dự
định đa tiêu chí được đề xuất bởi Slowiński (1993). Tương tự, việc áp dụng báo dựa trên loại phụ tùng thu được từ phân tích ABC cũng như mức tăng số km
lý thuyết tập thô vào chủ đề phân tích ABC được thực hiện bởi Flores và đi được của ô tô đi kèm. Chi tiết lựa chọn mô hình tồn kho được mô tả ở Phần
Whybark (1986). Chen, Li, Levy, Hipel và Kilgour (2006) và Chen, Li, Levy, 2.3.
Hipel và Kilgour (2008) sử dụng phương pháp tập thô dựa trên ưu thế (DRSA)
để giải quyết phân tích ABC đa tiêu chí. Cách tiếp cận DRST được coi là phần
2.3. Quản lý hàng tồn kho
mở rộng của lý thuyết tập thô trong đó các giá trị khoảng được sử dụng cho
các thuộc tính thay vì các giá trị xác định (Greco, Matarazzo, & Slowinski,
Hệ thống quản lý hàng tồn kho luôn tìm kiếm câu trả lời cho những câu
1999; Greco, Matarazzo, & Slowinski, 2002).
hỏi này, cần bao nhiêu hàng tồn kho cho mỗi mặt hàng và khi nào chúng nên
Tiếp tục sử dụng RST trong phân tích đa tiêu chí ABC, Hu et al. (2017) đặc
được đặt hàng (Geunes, 2002). Câu trả lời cho những câu hỏi này khác nhau
biệt sử dụng DRSA trong việc phân loại phụ tùng thay thế. Họ sử dụng 4 tiêu
trong các mô hình kiểm soát hàng tồn kho khác nhau vì trong mỗi mô hình đó,
chí về mức độ quan trọng, mức sử dụng đô la hàng năm, chi phí đơn vị trung
các cách tiếp cận khác nhau về các yếu tố (đặc biệt là yếu tố chi phí) ảnh
bình và thời gian thực hiện. Nhưng họ không cung cấp hệ thống kiểm kê cho
hưởng đến việc ra quyết định ( Bakker, Riezebos, & Teunter, 2012; Goyal &
từng nhóm phụ tùng. Chúng tôi sẽ khắc phục nhược điểm này bằng cách dựa vào
Giri, 2003) .
các tiêu chí hiệu quả hơn, đủ để thực hiện hệ thống kiểm soát hàng tồn kho.
Các hệ thống kiểm soát hàng tồn kho theo thời gian xem xét được xem xét
được phân loại thành hai nhóm là phương pháp tiếp tục và định kỳ. Người ta
có thể tìm thấy chi tiết về hệ thống kiểm soát hàng tồn kho trong (Engelmeyer,
2.2. Dự báo nhu cầu 2016) và (We, 2011). Một số ký hiệu nổi tiếng trong hệ thống kho hàng được
trình bày ở Bảng 1.
Dự báo nhu cầu về một số lượng lớn phụ tùng ô tô ở các cấp độ khác nhau Trong số các hệ thống được xem xét liên tục, Sani và Kingsman (1997) tin
của chuỗi cung ứng phi tập trung là một trong những vấn đề quan trọng nhất rằng hệ thống (s, S, T) là lựa chọn thích hợp hơn để kiểm soát hàng tồn kho
và đồng thời phức tạp nhất trong việc quản lý chuỗi này (Disney & Lambrecht, của các mặt hàng luân chuyển chậm với nhu cầu không liên tục. Tuy nhiên,
2008) . Một mặt, việc dự trữ một lượng lớn phụ tùng thay thế trong kho ở chúng tôi sử dụng một mô hình đánh giá định kỳ khác cho tất cả các phụ tùng
mỗi cấp trong chuỗi, do tăng nguy cơ tồn kho quá mức, gây nguy hiểm cho thay thế trong bài viết này do một số hạn chế thực tế. Các nhà bán lẻ không
nguồn vốn của tổ chức và mặt khác làm giảm mức tồn kho dưới mức nhu cầu, thể đặt hàng phụ tùng thay thế cho nhà phân phối bất cứ khi nào họ muốn. Hạn
khách hàng. sự không hài lòng tăng lên và một lượng doanh thu đáng kể kiếm chế này tồn tại đối với nhà phân phối khi quyết định đặt đơn hàng mới cho
được trong chuỗi cũng bị mất đi (Zhu, Dekker, Jaarsveld, Renjie, & Koning, nhà cung cấp. Lệnh tồn kho là lệnh bổ sung được lập để dự trữ các phụ tùng
2017; Roda, Macchi, Fumagalli, & Viveros, 2014). Trong một nghiên cứu điển thay thế trong kho để sử dụng sau này. Chúng tôi gọi các đơn đặt hàng khác
hình của Boylan, Syntetos và Karakostas (2006), việc sử dụng các phương pháp là đơn hàng khẩn cấp yêu cầu cung cấp các phụ tùng thay thế được yêu cầu
dự báo không hiệu quả được báo cáo là làm tăng tới 13,6% khoản đầu tư bất không có sẵn trong kho và cần được cung cấp trong thời gian sớm nhất. Việc
lợi vào hàng tồn kho. kiểm soát hàng tồn kho tốt hơn giúp các nhà bán lẻ giảm số lượng và tần suất
các đơn hàng khẩn cấp. Điều này cũng đúng đối với hệ thống kiểm soát hàng
Hướng của hầu hết các nghiên cứu đều hướng tới dự báo nhu cầu của người tồn kho của nhà phân phối trong mối quan hệ với nhà cung cấp. Do khoảng cách
tiêu dùng (Eaves & Kingsman, 2004; do Rego & de Mesquita, 2015). Như đã nói địa lý giữa các nhà bán lẻ, nhà phân phối và nhà cung cấp thường cao nên các
ở trên, việc dự báo tốt hơn nhu cầu của người tiêu dùng sẽ giúp nhà bán lẻ đơn hàng khẩn cấp thường xuyên hơn sẽ dẫn đến chi phí đắt đỏ, phần lớn do
đặt hàng chính xác hơn cho nhà phân phối. Tuy nhiên, nhà bán lẻ không gửi phí vận chuyển chuyển phát nhanh, bảo hiểm và thuế hải quan cao. Ngược lại,
các yêu cầu tương tự mà người tiêu dùng nhận được đến nhà phân phối dưới các đơn hàng tồn kho thường được vận chuyển bằng tàu thủy, xe tải và tàu
dạng đơn đặt hàng trực tiếp vì nhà bán lẻ có trách nhiệm lưu giữ một số phụ hỏa, được coi là những chuyến hàng rẻ hơn so với vận chuyển bằng đường hàng
tùng thay thế chuyển động nhanh và trung bình trong kho để rút ngắn thời không.
gian giao hàng nhằm đạt được sự hài lòng của người tiêu dùng và giảm thời Cấp độ thượng nguồn của chuỗi cung ứng thường khuyến khích cấp độ hạ
gian giao hàng. đơn đặt hàng bị trả lại hoặc chi phí bán hàng bị mất. Ngoài nguồn tạo ra các đơn đặt hàng lớn với khoảng thời gian đặt hàng cố định.
ra, nhà bán lẻ muốn giảm chi phí đặt hàng như cước vận chuyển và bảo hiểm, Song song, xem xét khái niệm tính kinh tế theo quy mô, việc sử dụng các lô
rủi ro tăng giá, v.v. bằng cách gửi các đơn đặt hàng có giá trị cao hơn và hàng lớn sẽ làm giảm số lượng đơn đặt hàng và do đó dẫn đến chi phí đặt hàng
tần suất ít hơn cho nhà phân phối (Goodarzi và cộng sự, 2017) . thấp hơn. Kiểu hợp tác này là một trong những kiểu phối hợp chuỗi cung ứng.
Có vẻ như không có đủ bằng chứng cho thấy các phương pháp được đề xuất Chia sẻ thông tin, mô hình giảm giá, lựa chọn tín dụng và chính sách hoàn
để dự đoán nhu cầu như chuỗi thời gian truyền thống, Bootstrapping, phương trả là một số giải pháp khác để thực hiện các mô hình phối hợp giúp tích hợp
pháp Croston, mạng lưới thần kinh, v.v. sẽ có kết quả có thể chấp nhận được các quyết định kiểm soát hàng tồn kho trong chuỗi cung ứng (Chaharsooghi &
trong các vấn đề thực tế khác nhau (Cavalieri et al., 2006) . Một số Heydari, 2010). Việc sử dụng các mô hình này giữa
3
Hình 2. Một mẫu danh mục linh kiện điện tử bao gồm mã gốc (PNC).
nhà phân phối và nhà bán lẻ cũng như giữa nhà phân phối và nhà cung cấp là mà nhà bán buôn không tồn tại nên nhà phân phối liên hệ trực tiếp với nhà bán
điều phổ biến trong chuỗi cung ứng phụ tùng ô tô. Nhưng chúng còn nhiều vấn đề lẻ. Vì vậy, mối quan hệ giữa nhà phân phối và nhà bán lẻ được nghiên cứu từ
trong việc thực hiện phối hợp chuỗi cung ứng (Arshinder, Kanda, & Deshmukh, góc độ hệ thống kiểm soát hàng tồn kho của nhà phân phối. Mặc dù quy trình
2011). Vì vậy, như đã đề cập ở Phần 1, chúng tôi chỉ nhấn mạnh việc chia sẻ kiểm soát hàng tồn kho ở cấp độ thượng nguồn (cấp trên so với nhà phân phối)
thông tin về số lượng, quãng đường xe đã bán. Các khuyến nghị khác về phối hợp không được thảo luận trong nghiên cứu này nhưng mô hình đề xuất cũng có thể
chuỗi cung ứng được khuyến khích nhưng không nhất thiết phải sử dụng chúng. được áp dụng cho chúng.
Costantino và cộng sự. (2014) đưa ra ba thước đo hiệu suất để đánh giá
Chúng tôi sử dụng chính sách kiểm kê đặt hàng theo định kỳ ( , ) r S trong chuỗi cung ứng: tỷ lệ hiệu ứng bullwhip, tỷ lệ chênh lệch hàng tồn kho và mức
nghiên cứu này. Đó là do nghiên cứu tình huống được giới thiệu ở Phần 4, trong độ dịch vụ trung bình. Do chúng tôi tập trung vào hệ thống nhà phân phối nên
đó các thực thể của chuỗi cung ứng có khoảng cách xa nhau. Đặc biệt nhà phân hiệu ứng bullwhip không được xem xét trong nghiên cứu này. Để theo dõi sự biến
phối còn liên quan đến tất cả các vấn đề nêu trên. động của hàng tồn kho, chúng tôi theo đuổi sự cải thiện về giá trị trung bình
và thời gian tồn kho trong N kỳ. Về mức độ dịch vụ, chúng tôi tính toán trực
tiếp tỷ lệ tổng số lần giao hàng ngay lập tức trên tất cả các nhu cầu nhận
2.4. Đánh giá hiệu suất
được trong N kỳ. Trong Phần 5, chúng tôi theo dõi hiệu suất của mô hình của
chúng tôi so với hệ thống kiểm kê hiện tại của một trong những nhà phân phối
Để đánh giá hiệu quả của hệ thống quản lý hàng tồn kho, một số biện pháp
để cho thấy sự cải tiến đã được thực hiện.
đã được các nhà nghiên cứu đưa ra. Có vẻ như họ muốn chọn các biện pháp phù
hợp hơn với lĩnh vực nghiên cứu của họ. Nó khiến cho các biện pháp tài chính
và hoạt động được sử dụng trong các nghiên cứu như sai lệch dự báo nhu cầu, tỷ 3. Mô hình đề xuất
suất lợi nhuận, mức độ dịch vụ, biến động của hàng tồn kho, chất lượng, an
toàn, tiết kiệm chi phí, chậm thanh toán, lợi tức đầu tư, tính bền vững và 3.1. Thuộc tính mô hình
logis hiệu quả tics (Haghighi, Torabi, & Ghasemi, 2016; Costantino, Di Gravio,
Shaban, & Tronci, 2014; Protopappa & Seifert, 2010). Nội dung nghiên cứu của Chúng tôi dự định mô tả quy trình đặt hàng phụ tùng ô tô chi tiết hơn. Ở
Costantino et al. (2014) là nghiên cứu gần nhất với đề xuất của chúng tôi. Họ bước đầu tiên, nhu cầu về các phụ tùng thay thế cụ thể được tạo ra tại địa
đã nghiên cứu tác động của việc chia sẻ thông tin và phối hợp kiểm soát hàng điểm của nhà bán lẻ bởi khách hàng cần phụ tùng đó để bảo dưỡng hoặc sửa chữa
tồn kho đối với hoạt động của chuỗi cung ứng đa cấp bằng cách áp dụng chính ô tô định kỳ. Người chịu trách nhiệm kiểm soát phụ tùng tại cửa hàng bán lẻ,
sách tồn kho ( , ) r S ở tất cả các cấp. Điểm giống nhau chính giữa mô hình tìm kiếm mã số phụ tùng thay thế theo ý kiến của khách hàng hoặc kỹ thuật
được đề xuất trong bài viết này và(Costantino và cộng sự, 2014) là cả hai đều viên. Việc tìm kiếm này được thực hiện thông qua Danh mục linh kiện điện tử
sử dụng chính sách rà soát thứ tự định kỳ để ở cả hai cấp độ thứ tự đều được (EPC). Ngày nay, nhiều công ty ô tô uy tín nhận VIN (số nhận dạng xe) trong
tính toán lại vào đầu mỗi giai đoạn. dựa trên nhu cầu dự báo mới. Ngoài ra, sự EPC và hiển thị hình ảnh minh họa rõ ràng từ các phần khác nhau của xe. Do đó,
thiếu hụt ở cả hai mẫu đều là thời hạn đặt hàng trước nên doanh số bị mất các nhà bán lẻ sẽ trích xuất số bộ phận cần thiết bằng cách tham khảo hình
không được xem xét. Sự khác biệt giữa hai nghiên cứu là Costantino et al. ảnh. Hình 2 thể hiện một mẫu giao diện EPC.
(2014) nhắm đến chuỗi cung ứng bốn cấp bao gồm khách hàng, nhà bán lẻ, nhà Các chuỗi khác nhau được quan sát trong Hình 2 là mã gốc của các số phần.
bán buôn, nhà phân phối và nhà máy và sử dụng mô phỏng sự kiện rời rạc để đánh Một mã gốc là một chuỗi được gán cho chức năng của các phụ tùng thay thế. Ví
giá hiệu suất của mô hình đề xuất của họ. Thay vào đó, trong nghiên cứu hiện dụ: trong một công ty sản xuất ô tô cụ thể, một mã gốc duy nhất được dành
tại, nghiên cứu trường hợp thực tế được thảo luận trong riêng cho đèn pha bên trái của tất cả các loại xe.
4
M. Mehdizadeh Máy tính & Kỹ thuật Công nghiệp xxx (xxxx) xxxx
ô tô được sản xuất. Rõ ràng là một mã gốc bao gồm các mã số bộ phận khác nhau giữa Phân tích ABC, bất kỳ phụ tùng thay thế nào sẽ được xếp vào nhóm N cho đến khi ít
các mẫu ô tô khác nhau do nhà sản xuất ô tô sản xuất. Ở nhiều công ty nổi tiếng, nhất một chiếc xe liên quan của nó được bán.
mã gốc được gọi là Mã số bộ phận (PNC). • Các giá trị cố định của thời gian thực hiện ( ) L và khoảng thời gian đặt hàng
( )r phải được người ra quyết định xác định trước khi vận hành hệ thống. Vì mức
Sau khi trích xuất số bộ phận cần thiết, kho của nhà bán lẻ sẽ được kiểm tra tồn kho cơ bản trong thời hạn quy hoạch được tính toán thông qua nhóm dự kiến
để tìm những bộ phận đó. Vì một số bộ phận có thể đã được nhà bán lẻ đặt hàng và cho từng mặt hàng nên nghiên cứu này không nhằm mục đích dự đoán nhu cầu chính
lưu trữ trong kho nên có khả năng toàn bộ hoặc một phần số bộ phận được yêu cầu sẽ xác. Ví dụ: nếu một phụ tùng thay thế được dự báo thuộc nhóm A, chúng tôi sẽ
được giao ngay cho khách hàng từ kho của nhà bán lẻ. Đối với trường hợp không có xem xét giá trị tối đa cho mức tồn kho cơ bản của nó. Trong tình huống này,
sẵn một số mặt hàng trong kho của nhà bán lẻ, một yêu cầu sẽ được gửi ngay đến kho chúng tôi cố gắng tránh đặt hàng lại phụ tùng thay thế. Ngay cả khi giá trị
của nhà phân phối để biết lượng hàng tồn kho có sẵn và thời gian giao hàng. Nếu được xem xét đối với mức tồn kho cơ bản sẽ cao hơn mức
khách hàng chấp nhận mức giá và thời gian giao hàng dự kiến, nhà phân phối sẽ cam nhu cầu thực tế, chúng tôi sẽ tự tin bán lượng hàng tồn kho vượt mức trong thời
kết cung cấp phụ tùng đúng thời gian đã cam kết. Vì vậy, nhu cầu của các nhà bán gian tới. Mặt khác, mô hình đề xuất rất chặt chẽ để chấp nhận các mặt hàng di
lẻ được chia thành hai nhóm, đôi khi họ rất cần những phụ tùng thay thế không có chuyển chậm trong nhóm khác với W. Đối với các mặt hàng thuộc nhóm W , chúng .
sẵn trong kho để phục vụ khách hàng, đôi khi họ chỉ đặt mua phụ tùng để dự trữ cho , có sẵn vì nó thường sẽ áp dụng chi phí thấp hơn chi
tôi chấp nhận rủi ro không
nhu cầu trong tương lai. phí giữ chúng trong kho. thời gian dài. Do đó, việc biết sự phân bố của biến
thời gian thực hiện cũng như giá trị trung bình và độ lệch chuẩn của nó là
không cần thiết trong nghiên cứu này. Thay vào đó, chỉ cần đưa ra thời gian
Sau khi nhận được đơn đặt hàng của nhà bán lẻ, nhà phân phối sẽ kiểm tra xem thực hiện bình thường giữa nhà cung cấp và nhà phân phối cho mô hình đề xuất
các mặt hàng đã đặt có thể được cung cấp ngay từ kho hay không. Đối với những mặt là đủ. Về giá trị khoảng thứ tự ( )r , hãy chọn giá trị phù hợp có tính đến các
hàng không có sẵn, yêu cầu dưới dạng đơn hàng mới sẽ được lưu lại và sau đó được hạn chế được chỉ ra ở Mục 2.3. chúng tôi lừa
gửi đến nhà cung cấp vào thời điểm gần nhất cho phép để tạo đơn hàng định kỳ mới.
Thời gian giao hàng của nhà cung cấp đến nhà phân phối được cho là có giá trị cố
định nên không liên quan đến loại đơn đặt hàng. Mất thời gian thực hiện giữa nhà • Ký hiệu K được áp dụng để biểu thị số khoảng thời gian cần thiết để tạo ra các
cung cấp và nhà phân phối để cung cấp hầu hết các phụ tùng thay thế bằng phương bản ghi nhu cầu. Việc ưu tiên các giá trị K lớn hơn sẽ dẫn đến sự chậm trễ
thức vận chuyển thông thường và chi phí thấp. Trong trường hợp thực tế, nhà cung trong việc triển khai mô hình và tăng chi phí thiếu hụt. Ngược lại, độ chính
cấp cho phép nhà phân phối đặt một số đơn hàng khẩn cấp với thời gian giao hàng xác của dự đoán sẽ tăng lên nhờ các quy tắc đáng tin cậy hơn được tạo ra từ
ngắn hơn. Những đơn đặt hàng này không được xem xét trong nghiên cứu này. Bởi vì những thông tin bổ sung.
chúng tôi cho rằng chúng có liên quan đến các đơn đặt hàng trở lại. Vì vậy, ngay
khi hàng hóa liên quan được nhận vào kho của nhà phân phối, phụ tùng thay thế sẽ 3.3. Các ký hiệu bắt buộc để thể hiện mô hình và giải pháp
được gửi đến các nhà bán lẻ để sử dụng trên xe của khách hàng. Vì vậy chúng không
ảnh hưởng đến việc đánh giá hàng tồn kho và mức độ dịch vụ của nhà phân phối. Các ký hiệu cần thiết để soạn thảo dạng toán học của
Để bắt đầu xây dựng mô hình đề xuất cho hệ thống kiểm soát hàng tồn kho của nhà vấn đề tồn kho và giải pháp của nó đã được trình bày trong Bảng 2.
phân phối, chúng ta cần những thông tin ban đầu về nhu cầu trong các giai đoạn vừa qua.
Trong thời gian thu thập thông tin, nên sử dụng ý kiến của chuyên gia kỹ thuật để 3.4. Biến quyết định
chuẩn bị các bộ phận dịch vụ ban đầu. Liên quan đến việc sử dụng chính sách kiểm
kê theo thứ tự ( , ) r S , người ra quyết định phải đưa ra thời gian thực hiện bị Như đã lưu ý ở Phần 2.3, các quyết định về mô hình kiểm soát hàng tồn kho bao
tổn hại, thời gian cố định giữa hai hoặc các khoảng thời gian liên tiếp, cũng như gồm thời điểm đặt hàng và số lượng đặt hàng. Vì chúng tôi sử dụng chính sách ( , )
bội số nguyên của nó đối với hệ thống. Ứng dụng sau là số khoảng thời gian sẽ được r S nên ngày đặt hàng của mỗi đơn hàng là r ngày sau khi đặt đơn hàng trước đó.
sử dụng để thu thập thông tin cơ bản sau ngày có yêu cầu đầu tiên. Khi bắt đầu Đơn hàng đầu tiên được tạo ra L ngày trước khi bắt đầu chu kỳ lập kế hoạch đầu
khoảng thời gian được đề cập, sẽ không có đơn hàng nào được tạo. Sau những khoảng tiên. Thời kỳ đầu tiên bắt đầu từ K r × ngày sau ngày có nhu cầu đầu tiên ( ) T1 .
thời gian đó, hoạt động của hệ thống kiểm soát hàng tồn kho bắt đầu bằng việc đặt Ngày nhận hàng đầu tiên sẽ là L ngày sau ngày đặt hàng của đơn hàng đầu tiên. Mỗi
đơn hàng đầu tiên từ nhà phân phối đến nhà cung cấp. Khoảng thời gian lập kế hoạch kỳ trong số N kỳ có thể trùng với kỳ trước và kỳ sau. Vì sắp đến ngày đặt hàng tiếp
trong mô hình này bao gồm khoảng thời gian đặt hàng cố định cộng với thời gian thực theo nên có thể cần phải dời lại kỳ mới trước khi kết thúc kỳ hiện tại. Thời kỳ
hiện. Người ra quyết định nên ước tính nhu cầu trong khoảng thời gian bắt đầu từ mới bắt đầu từ ngày đặt hàng mới với độ dài L r + .
buổi sáng ngày đặt hàng. Vào buổi sáng của ngày đặt hàng, đối với mỗi số bộ phận,
lượng hàng tồn trong kho và cả trên đường đi (gọi chung là IP : Vị trí tồn kho) Do đó, thời gian đặt hàng do người ra quyết định trực tiếp xác định. Chúng
được so sánh với mức tồn kho cơ sở ( ) S và nếu IP S < the ( S IP sẽ được đặt hàng tôi theo dõi tác động của quyết định này bằng cách thiết kế một số thử nghiệm trong
Hình 3 cho thấy các giao dịch mẫu của mô hình đề xuất về hàng tồn kho thực tế và Phần 4. Do đó, số lượng đặt hàng cho mỗi số bộ phận vào đầu mỗi giai đoạn (Được
IP.Vì người ra quyết định được phép có những ước tính khác nhau về nhu cầu cho, kỳ hiển thị bởi Xnj trong Bảng 2) là biến quyết định duy nhất của mô hình được đề xuất.
)
tiếp theo so với kỳ trước, nên mức tồn kho cơ bản của các kỳ thường không bằng
nhau . Trong Hình 3, thời gian cố định giữa hai đơn hàng liên tiếp và thời gian
giao hàng lần lượt được biểu thị bằng r và L. Ngoài ra, những thay đổi của hàng tồn 3.5. Các biện pháp thực hiện
kho vật lý và IP cũng có thể theo dõi được.
Trong Phần 2.4, các biện pháp thực hiện của mô hình đề xuất đã được thảo luận
ngắn gọn. Bây giờ, chúng tôi dự định thảo luận về chúng chi tiết hơn. Trong mô hình
đề xuất, ba loại hiệu suất được khảo sát trong N giai đoạn:
3.2. Giả định
- Số lượng phụ tùng thay thế được nhà phân phối giao ngay cho người bán lẻ so
Dưới đây, các giả định của mô hình đề xuất được xem xét: với tổng nhu cầu nhận được từ người bán lẻ.
• Hàng thiếu là loại đặt hàng trả lại, không xem xét lỗ hàng. • Không có - Thời gian trung bình lưu giữ phụ tùng tại kho nhà phân phối theo cơ chế FIFO
nhu cầu về bất kỳ phụ tùng thay thế nào được chấp nhận trừ khi ít nhất một chiếc
ô tô thuộc phụ tùng đó được bán. Đôi khi, các nhà bán lẻ rất muốn đặt trước phụ - Giá trị bình quân của vốn tham gia vào hàng tồn kho của nhà phân phối.
tùng cho những chiếc xe sắp ra mắt trong tương lai. Trong nghiên cứu này, nhà
phân phối có nhiệm vụ từ chối những yêu cầu này. Từ Dựa trên sở thích mong muốn, hiệu suất tốt nhất của đề xuất
5
Hình 3. Biểu đồ kiểm soát tồn kho trong mô hình đề xuất.
mô hình xảy ra khi các phụ tùng thay thế sẽ được yêu cầu trong Để có được tuổi trung bình của hàng tồn kho, nếu phần còn lại của tổng
'
t
giai đoạn sắp tới sẽ có sẵn với số lượng phù hợp (lớn hơn hoặc số lượng mã bộ phận j nhận được trong ngày TRXn được hiển thị bởi TRX nj
'
bằng với nhu cầu) vào đầu thời kỳ đó. Nó có nghĩa là, chúng tôi thích ' '
t
vào ngày t ( tt > ) thì giá trị của TRX có thể được tính bằng cách áp dụng
đạt được giá trị mong muốn nhất cho thước đo đầu tiên so với nj
Cơ chế FIFO. Dựa trên cơ chế này, trong khoảng thời gian giữa t
tình hình tồn kho tốt. Giữa buổi biểu diễn thứ hai và thứ ba '
và t , nếu tổng số lượng nhu cầu nhận được từ các nhà bán lẻ lớn hơn
biện pháp, chúng tôi dự định ưu tiên thứ hai để giảm độ tuổi của
so với lượng hàng tồn kho ban đầu vào ngày t cộng với số đơn đặt hàng đã nhận trong thời gian đó,
hàng tồn kho. Để đạt được thời gian nắm giữ tối thiểu, lệnh yêu cầu chỉ được đặt L t
giá trị của TRX sẽ bằng không. Nếu tổng số lượng nhu cầu nhận được
ngày trước khi bắt đầu kỳ, không phải nj
nhỏ hơn hoặc bằng số hàng tồn kho ban đầu vào ngày t , nó có nghĩa là đàn ông
sớm hơn. Về biện pháp thứ ba, vì chúng tôi dự định cung cấp những gì sẽ '
lượng hàng tồn kho đủ để đáp ứng mọi nhu cầu cập nhật t . Vì vậy, có
được yêu cầu từ các nhà bán lẻ mà không tính đến chi phí, vì vậy biện pháp này chắc
không cần sử dụng kho đã được TRXn cung cấp. Cuối cùng,
chắn sẽ ít quan trọng hơn đối với chúng tôi.
nếu tổng số lượng nhu cầu nhận được lớn hơn lượng tồn kho ban đầu nhưng nhỏ hơn
Cuối hàng tồn kho của phần không. j liên quan đến ngày t được tính bằng phương trình. (1):
lượng tồn kho ban đầu cộng với số lượng Xnj thì
tj =+ 1 tjnj
SSX ij ,TR t nj n X|
DXX N
= khoảng cách giữa tổng lượng cầu và lượng hàng tồn kho ban đầu sẽ là
'
| tôi=t t (1) . MỘT
Tôi
được cung cấp bởi Xnj . Vì vậy, một số phần của Xnj sẽ vẫn còn tồn tại trong thời gian t
'
t
Theo phương trình. (1), sự thiếu hụt được phân loại là loại đơn đặt hàng trở lại tóm tắt về cách tính TRX đã được báo cáo trong biểu thức. (4).
nj
và do đó khi nhận được một phụ tùng thay thế, khoản bồi thường là
0, | tôi
tôitt
[
'
, ]
DSX> + tjnj
thứ tự quay lại trước đó nếu có được ưu tiên.
ij 1
'
= ( ),
t
Số giao hàng ngay của phần j vào ngày t được biểu thị bằng TR X X
nj | tôi
tôitt
[ ,
' DS ij 1 tj ] S 1<lần | tôi
tôitt
[ ,
'
]
DX
ij nj
nj
Ftj và thu được từ phương trình. (2).
X
nj, | tôi
tôitt
' DS tj
[ , ] (4)
ij 1
DS ,
| t= tôi ij tj
tôi
0
Ftj =
Tôi
Để tính tuổi trung bình của hàng tồn kho, phương trình. (5) được sử dụng như
| t= t ij tj tj
tôi
DSS 0 <
(2) thước đo thứ hai của nghiên cứu này:
| |,
Tôi
'
Vì vậy, để đánh giá số lượng giao hàng ngay lập tức, '
(TR t P ×) ×( ) ( t TR Xn )
n N j Xnj nj
'
biện pháp đầu tiên được áp dụng trong bài viết này sẽ là phương trình. (3). t TT
[ 1, ] '
TR P ×) ( )
AAI N =
t (
n N j Xnj nj
F
t TT1 ,j tj N r
× (5)
SLN =
[ ]
D i TTT
1,
| [ ] j ij
Tôi
(3)
Ngoài ra, giá trị hàng tồn kho trung bình của kho trong N
6
ban 2 bảng quyết định, thuật toán Giảm thiểu toàn diện được sử dụng đã tồn tại trong
Các ký hiệu cần thiết để thể hiện mô hình và giải pháp được đề xuất. Phần mềm Rosetta Trong bước tiếp theo, bằng cách đánh giá các quy tắc, đáng tin cậy hơn
Ký hiệu các lô trong số chúng được lựa chọn và sử dụng để phân công các nhóm của từng phụ tùng
Sự miêu tả
phần dựa trên phân loại ABC trong kỳ quy hoạch tương lai. Căn cứ
Chỉ mục hiển thị yêu cầu từ nhà bán lẻ ( i = 1, 2, I , ) mức tồn kho trong kỳ kế hoạch tương lai sẽ được xác định bằng cách tham khảo
Tôi
j Chỉ mục cho biết một số bộ phận trong yêu cầu từ

vào nhóm được phân công. Cuối cùng, việc sắp xếp sẽ được thực hiện bằng cách so sánh
nhà bán lẻ ( j = J1, 2, , )
IP hiện tại với mức tồn kho cơ bản.
t Chỉ số cho biết số ngày trôi qua kể từ ngày
Trong nghiên cứu này, nhằm mục đích phân loại ô tô, tiêu chí về sự giống nhau
của nhu cầu đầu tiên t = 1, 2, ,T )
( Chỉ số ô tô (l ,=L)1, 2, của các phụ tùng thay thế được sử dụng. Nói cách khác, nếu hai
tôi
e Chỉ số nhóm ô tô (e 1, =2, , E) những chiếc xe có hai số VIN (số nhận dạng xe) khác nhau có
y Chỉ số tiếp nhận xe tại tiệm sửa chữa (y 1,= 2, , Y) cùng một danh sách các số bộ phận, chúng được xếp vào một nhóm sao cho DANH MỤC
tôi Chỉ số cho biết số tháng đã trôi qua kể từ khi
sẽ là ký hiệu của danh sách phần chung của nhóm e.
tháng có nhu cầu đầu tiên m = 1, 2, ,M )
Số lượng, chủng loại xe bán ra kèm theo từng phụ tùng thay thế
N ( Chỉ số hiển thị các khoảng thời gian lập kế hoạch sau khi thu thập dữ liệu ban đầu
vào các khoảng thời gian hàng ngày và vào lúc bắt đầu và kết thúc mỗi kế hoạch
thông tin nhu cầu ( Thời n = 1, 2, ,N )
L gian thực hiện (ngày) khoảng thời gian cần thiết trong giải pháp đề xuất. Nếu TSale, ngày bán hàng của
r Khoảng thời gian đặt hàng cố định (ngày) xe l loại e, nằm trước thời điểm bắt đầu kỳ kinh, xe sẽ
K Số giai đoạn ban đầu cần thiết để tạo hồ sơ nhu cầu tính vào số xe bán đầu và cuối đợt đó
Ti Ngày yêu cầu số Tôi
Giai đoạn.
Dij Số lượng yêu cầu của số phần j trong yêu cầu số. Tôi
Kế hoạch bán xe thường được giao cho bộ phận phụ tùng
Ptj Giá của một phần không. j vào ngày t (USD)
của nhà phân phối hàng tháng. Đó là giới thiệu với Vem đã tạo
Xn Mã đặt hàng của nhà phân phối phát hành đầu kỳ
N cho mỗi nhóm xe e trong tháng m. Trong nghiên cứu này, điều cần thiết
Xnj Số lượng đặt hàng của phần không. j trong mã đơn hàng Xn rằng chương trình hàng tháng sẽ được phân phối thành chương trình hàng ngày. Vì
Stj Cuối hàng tồn kho của phần không. j liên quan đến ngày t mục đích này, vào thời điểm bắt đầu của giai đoạn tương lai, từ mỗi nhóm
TRXn Ngày nhận mã đơn hàng Xn
kế hoạch bán hàng được đưa ra trong tương lai, một chiếc xe sẽ được giao vào ngày đầu tiên
TSAle Ngày bán xe i từ loại e
kỳ đó như là kế hoạch bán hàng hàng ngày của ngày đầu tiên. Sau đó thao tác sẽ được
DANH MỤC Danh mục phụ tùng xe nhóm e
lặp lại cho những ngày tiếp theo để đảm bảo rằng số xe hàng tháng
TSn Ngày bắt đầu của kỳ n
TFn Ngày kết thúc kỳ n chương trình bán hàng được phân bổ đồng đều cho từng nhóm. Nếu số lượng
Vẹm Kế hoạch bán xe loại e trong tháng m ô tô trong một nhóm cụ thể cao hơn số ngày của nhóm đó
Bác sĩ thú y Kế hoạch bán xe loại e trong ngày t kỳ, các thao tác lặp lại đối với các xe còn lại phải được thực hiện từ ngày đầu
TRCley Ngày tiếp nhận y liên quan đến xe l từ loại e đang phục vụ
tiên của kỳ kinh. Vì vậy, với tổng số xe loại e được giao đến ngày t, kế hoạch bán
trung tâm
hàng hàng ngày được báo cáo bởi

MRCley Quãng đường quan sát được của xe l từ loại e ở quầy đón xe y
giá trị của Thú y.
MDley Số km đi được hàng ngày của xe l loại e từ ngày bán đến ngày
lễ tân y Để phân tích ABC về phụ tùng thay thế cần phải có
MDen Quãng đường trung bình hàng ngày của mỗi ô tô từ loại e vào ngày xuất phát số km của ô tô liên quan đến từng số bộ phận ở đầu và cuối
kỳ n
của từng thời kỳ quy hoạch ( MSen và MFen). Hoạt động này là cần thiết cả
MDn Quãng đường trung bình hàng ngày của mỗi ô tô ở thời điểm đầu kỳ n
đối với xe đã bán trước đây và cả xe mới bán trong kỳ.
MSen Tổng quãng đường các xe liên quan đến nhóm e lúc đầu
của thời kỳ n Bất cứ lúc nào cũng có một số thông tin về số km đã đi của xe đã được đưa đến
MFen Tổng quãng đường các xe liên quan đến nhóm e tính đến hết ngày tiệm sửa chữa. Nó được mong đợi
kỳ n rằng những quan sát gần với thời điểm hiện tại cung cấp thông tin chính xác hơn
SLN Tỷ lệ các mặt hàng được giao ngay lập tức cho các nhà bán lẻ bằng cách
đánh giá quãng đường trung bình hàng ngày của một nhóm ô tô. Để
nhà phân phối trong N kỳ
phân bổ nhiều trọng số hơn cho những quan sát gần đây trong mỗi nhóm ô tô,
AAIN Tuổi tồn kho trung bình trong N kỳ
AIVN Giá trị tồn kho trung bình trong N kỳ mối quan hệ nghịch đảo giữa ngày quan sát (tiếp nhận) và
ngày hiện tại (ngày tính toán) được sử dụng. Về vấn đề này, bằng việc áp dụng
ký hiệu của Bảng 2, phương trình. (7)–(11) được trình bày:

thời gian lập kế hoạch được lấy từ phương trình. (6). Về vấn đề này, chúng tôi bỏ qua
ảnh hưởng của lạm phát đến giá trị hàng tồn kho. phương trình. (6) là biện pháp thứ ba để = 1, 2, L
MRC
tôi
= e = 1,
ley
đánh giá mô hình đề xuất: MD ley .E

(TRC TS )
y = 2, Y
ley le
' 2, 1, , (7)
' t
1,N ]j nj
t TT[ n ( )TR X × ( P)nj
AIV N = (6) 1
N r
× MD
× ley
ngõ hẻm TRC ley < TS N TS( TRC
N )
e = 1, 2, .E
| |
ley
MD vi = 1
N = 1, 2, ,N
| lle TSôi<TS TRC
y |TRC ôi N ( N )
3.6. Giải pháp đề xuất
(số 8)
Trong phần này, để thiết lập hệ thống kiểm soát hàng tồn kho
1
dựa trên mô hình đề xuất, nhiều công cụ khác nhau được sử dụng. Ban đầu, dựa vào
e ngõ TRC | | < TS N TS( TRC )
× MD ley
ôi ôi N
r và L do người ra quyết định xác định , ngày quan sát của MD N = 1 n =1, 2, ,N
nhu cầu đầu tiên được coi là cột mốc bắt đầu. Theo đó, các thời kỳ e ngõ hẻm TRC ley < TS nn
| |
TS( TRC ley)
có chiều dài L r + được tạo xen kẽ. Sau đó, việc phân loại (9)
các mục được dựa trên phân tích ABC trong từng giai đoạn được tạo. Đĩa đơn
tiêu chí như mô tả ở Phần 2.1 được sử dụng để phân tích ABC. Để tính số km của ô
tô vào đầu và cuối mỗi kỳ, | lle ,TSA TS le < N ( ) TS N TS MDle MD

× vi vi > 0
vi
bệnh đa xơ cứng
=
loại phương pháp bình quân gia quyền được sử dụng theo quan sát lle le ) ×
(TS NTS MD ngược lạiN
| < TSA
, TS le N
số km xe đã đăng ký tại các cơ sở sửa chữa. Sau đó

e = 1, .E
Phân tích ABC, ma trận ABC được rút gọn bằng cách sử dụng RST sao cho một tập hợp
N = 2, 1, 2, N, (10)
các quy tắc có điều kiện dưới dạng mệnh đề if-then được tạo ra. Để giảm bớt
7
hoặc ký tự B hoặc C hoặc W. Với mục đích này, phân tích ABC được thực hiện ở
vi
bệnh đa xơ cứng + lle TS, TSAN TF | le N (TF NTS MD × )
tập tin vi
dạng truyền thống dựa trên giá trị của các nhu cầu nhận được dành riêng cho mã
+ TSA TS < le N ( )
| lle ,
TFN TS MD
N MD × vi vi 0 > gốc thay vì số bộ phận. Kết quả là, trong các khoảng thời gian mà số bộ phận
MF vi = vi
bệnh đa xơ cứng + | lle ,
TS TSA TF le (TF NTS MD × )
tập tin N
được gán với danh mục N , nó được tham chiếu đến mã gốc của nó để nhóm mã gốc
N N
được ký với số bộ phận đó.
+ | lle ,
TSA TSn le < (TFN TS N )
Ma trận ABC được giới thiệu có thể coi như một hệ thống thông tin. Trong
× MD nếu
N không
nghiên cứu hiện tại, bằng cách coi cột cuối cùng ở bên phải là biến quyết định,
e = 1, 2, . E
các cột khác được xác định là biến có điều kiện. Sau một thời gian khi khoảng
N = 1, 2, , N (11)
thời gian mới được thêm vào ma trận ABC, cột này được coi là biến quyết định mới
để biến quyết định trước đó tham gia vào tập hợp các biến điều kiện.
Cho rằng trong nghiên cứu này, nhu cầu về phụ tùng thay thế trong thời gian
quy hoạch trong tương lai bị ảnh hưởng bởi sự gia tăng quãng đường đi được của
Do đó, tại bất kỳ thời điểm nào, nếu ma trận ABC bao gồm n cột tại thời điểm đó
những chiếc ô tô liên quan, do đó, ngoài việc xem xét sự gia tăng số lượng ô tô,
thì bảng quyết định n-1 có thể được trích xuất từ nó. Nói một cách đơn giản,
những thay đổi về quãng đường đi là cần thiết. số lượng ô tô cũng được ước tính.
người ta giả định rằng nhóm của một phần trong quan sát cuối cùng là kết quả
Với mục đích này, các hướng dẫn sau được sử dụng:
của chuỗi các nhóm của nó thu được từ các giai đoạn trước. Vì vậy, có thể nói
rằng các quy tắc if-then sẽ minh họa mối quan hệ giữa các biến điều kiện và biến
• Khi bắt đầu giai đoạn lập kế hoạch, đối với mỗi nhóm ô tô, quãng đường đi
quyết định.
được trung bình hàng ngày ( MDen) được tính bằng cách áp dụng phương trình.
Ví dụ, trong ma trận ABC của Bảng 3, vào cuối tháng 3 năm 2017, biến của cùng
(số 8). Nó được thực hiện theo số km đã quan sát được của những chiếc xe có
tháng được coi là biến quyết định và các kỳ trước đó là biến có điều kiện. Trong
liên quan trước đó đã được chuyển đến trung tâm dịch vụ. Nếu không có quan
trường hợp này, bảng quyết định được hình thành như Bảng 4.
sát về số dặm tồn tại đối với nhóm cụ thể, phương trình. (9) được sử dụng để
tính quãng đường trung bình hàng ngày bằng cách áp dụng tất cả các quan sát
Về khái niệm rút gọn được mô tả trong Phụ lục A, bảng quyết định hiển thị
không tính đến việc phân loại ô tô. Có nghĩa là giá trị của MDn sẽ được áp
trong Bảng 4 được tinh chỉnh từ các thuộc tính không cần thiết.
dụng thay cho MDen.
Đối với bảng quyết định 4, có ba bộ tập rút gọn thuộc tính tối thiểu như sau:
• Khoảng thời gian từ ngày bán mỗi xe đến ngày bắt đầu kế hoạch được nhân với
số km đi được trung bình hàng ngày của nhóm xe đã bán được phân loại. Vì vậy,
quãng đường ước tính của mỗi ô tô loại e được tìm thấy ở thời điểm bắt đầu
• {Tháng 2 năm 2017}
lập kế hoạch. Khi đó, tổng số km đã đi được ( MSen) được coi là tổng số km
• {Tháng 1 năm 2017, Tháng 12 năm 2016}
đã bán của ô tô thuộc loại e vào đầu kỳ n. • Giá trị của MDen cũng sẽ được
• {Tháng 1 năm 2017, Tháng 11 năm 2016}
sử dụng cho các xe được bán trong thời gian quy hoạch. Đối với nhóm mà chiếc
xe mới thuộc về, giá trị liên quan của MDen hoặc MDn được nhân lên trong khoảng
Ngoài ra, trong một số trường hợp, việc giảm bớt các đối tượng dẫn đến số
thời gian từ ngày bán đến ngày kết thúc thời hạn lập kế hoạch dưới dạng giá
lượng thuộc tính thiết yếu tối thiểu hơn. Theo đó, Bảng 4 được rút gọn thành
trị ước tính của số km đã đi được ở thời điểm cuối thời hạn lập kế hoạch. •
Bảng 5–7.
Để tính toán mức tăng số km đi được của ô tô đã qua sử dụng, chỉ cần nhân
Sau hoạt động rút gọn cả thuộc tính và đối tượng, các quy tắc cuối cùng được
chiều dài của lộ trình lập kế hoạch với giá trị thích
trích xuất như trong Bảng 8. Ví dụ: quy tắc số. 13 nêu rõ rằng nếu một số bộ
hợp của MDen hoặc MDn.
phận trong hai kỳ trước thuộc nhóm W và trong bốn kỳ trước thuộc nhóm B thì nó
sẽ được xếp vào nhóm W trong kỳ tiếp theo. ,
Như đã đề cập ở trên, mục đích của việc trích rút luật là dự đoán vị trí
Trong nghiên cứu này, để tính toán tiêu chí phân tích ABC cần phải có giá
của từng phụ tùng thay thế theo phương pháp phân tích ABC trong giai đoạn tương
trị nhu cầu mà nhà phân phối nhận được. Vì mục đích này, đối với từng bộ phận và
lai. Trong số tất cả các quy tắc có được từ bảng quyết định, chỉ có một nhóm quy
từng nhu cầu, giá mua gần nhất với ngày yêu cầu sẽ được áp dụng. Hoạt động phân
tắc quan trọng hơn được sử dụng để dự đoán tương lai. Nhiều nghiên cứu khác nhau
tích ABC được thực hiện dưới dạng thuật toán như trong Hình 4. Như đã chỉ ra
đã được tiến hành để đạt được một tiêu chuẩn phù hợp cho việc lựa chọn các quy
trong Phần 2.1, chúng tôi đã giới thiệu nhóm W cho các phụ tùng chết máy chuyển
tắc quan trọng hơn. Về vấn đề này, sự kết hợp của ba thước đo về số lượng hỗ
động của ô tô đã bán. Các phụ tùng chết máy khác không liên quan đến ô tô đã bán
trợ, độ chính xác và phạm vi bao phủ được đánh giá cao hơn các phương pháp khác.
được xếp vào nhóm N. Trước khi bắt đầu phân tích ABC, trước tiên, ngày dự kiến
Ví dụ, Liu và Qiao (2009) đề xuất mức tối thiểu có thể chấp nhận được cho mỗi
cho nhu cầu đầu tiên của từng bộ phận phải được xác định. Đây là ngày bán chiếc
thước đo trong ba thước đo để chọn ra những quy tắc quan trọng nhất. Do đó, theo
xe đầu tiên liên quan đến phụ tùng.
phương pháp của họ, nếu quy tắc không đáp ứng dù chỉ một trong các giá trị tối
thiểu, nó sẽ bị loại khỏi quy trình dự báo. Tương tự, Celotto, Ellero và Ferretti
Mỗi phụ tùng thay thế, trong những khoảng thời gian trước ngày dự kiến nhận được
(2012), Wang, Yang, Jensen và Liu (2006), cũng như Herbert và Yao (2005) trong
nhu cầu đầu tiên, được phân loại vào nhóm N để phân tích ABC không được thực
nghiên cứu của mình, sử dụng hai thước đo là độ chính xác và độ bao phủ để đánh
hiện cho phụ tùng đó trong những khoảng thời gian đó. Không giống như các hạng ,
giá các quy tắc và diễn giải. kết quả. Việc sử dụng thước đo độ bao phủ trong
mục trong nhóm W và N, việc phân tích ABC bắt đầu đối với các phụ tùng thay thế
nghiên cứu của Celotto et al. (2012) đã dẫn đến một số quy tắc được đưa ra là
khác kể từ ngày T1. Ngay sau khi giai đoạn này kết thúc, việc phân tích ABC được
không đáng tin cậy do độ bao phủ thấp mặc dù có giá trị độ chính xác phù hợp. Lý
thực hiện ngay từ ngày hôm sau với độ dài L r + và quá trình này tiếp tục cho
do cho điều này có thể được tìm thấy trong nghiên cứu của Tsumoto (2002) về mối
các giai đoạn tiếp theo. Bằng cách đặt tất cả các phụ tùng thay thế liên quan
quan hệ giữa độ chính xác và độ bao phủ. Tsumoto (2002) chỉ ra rằng độ chính xác
đến hệ thống kiểm soát hàng tồn kho vào các hàng và các khoảng thời gian đã tạo
của quy tắc đo lường mức độ đầy đủ của các thuộc tính có điều kiện để đưa ra kết
vào các cột, khung ma trận sẽ được hình thành. Chúng tôi gọi nó là ma trận ABC.
luận về giá trị thu được bởi biến quyết định, nhưng phạm vi bao phủ của quy tắc
Vị trí của từng phần theo phân tích ABC trong mỗi thời kỳ là các phần tử của ma
đo lường sự cần thiết của việc can thiệp vào các thuộc tính có điều kiện trong
trận.
việc giải thích kết quả . Do đó, việc sử dụng hai biện pháp này để đánh giá các
Một ví dụ về ma trận ABC được trình bày trong Bảng 3. Trong bảng này là
quy tắc phụ thuộc vào mức độ phù hợp của quy tắc đối với sự cần thiết của nó.
giả định rằng mỗi thời kỳ là một tháng đầy đủ trong lịch Gregory.
Stefanowski (1998) khi nghiên cứu các cách tiếp cận khác nhau để trích xuất luật,
Vì trong ma trận ABC có nhiều N ký tự và các ký tự này thực tế không đóng
đề cập đến
vai trò tạo ra các mẫu có thể được gọi trong ma trận ABC, nên mỗi ký tự trong số
chúng phải thay đổi thành một trong các ký tự A.
số 8
Bắt đầu
Nhận ngày bắt đầu và ngày kết thúc của giai đoạn lập kế hoạch
Tiếp nhận mọi nhu cầu của các nhà bán lẻ gửi đến trong kỳ kế hoạch
Đối với từng phụ tùng theo nhu cầu bất kỳ, tìm kiếm giá trị cuối cùng của giá mua
Tính giá trị nhu cầu: số lượng nhu cầu * giá mua
Tính tổng giá trị tất cả các nhu cầu về từng phụ tùng thay thế trong cả kỳ
Đối với từng phụ tùng thay thế, hãy tìm kiếm những chiếc xe liên quan ở đầu và cuối kỳ lập kế hoạch
Tính toán quãng đường ô tô đi được liên quan đến từng phụ tùng khi bắt đầu và kết thúc kỳ kế hoạch
Đối với mỗi phụ tùng thay thế, tính tỷ lệ giữa giá trị nhu cầu và số km tăng thêm của các ô tô liên quan từ đầu đến
cuối kỳ kế hoạch.
Tổng hợp tất cả các giá trị của tiêu chí ABC thu được trong kỳ lập kế hoạch
Chia chỉ tiêu ABC cho từng phụ tùng thành tổng giá trị của chỉ tiêu ABC
Xếp hạng các tiêu chí cuối cùng từ lớn nhất đến nhỏ nhất
Coi X như một bộ đếm để phân loại
X=0
Coi Y là tiêu chí ABC lớn nhất cho các phụ tùng thay thế được yêu cầu còn lại (chưa được phân tích) trong kỳ
Chọn phụ tùng liên quan đến Y. Nếu phụ tùng không phải là duy nhất thì hãy chọn phụ tùng tùy thích
X=X+Y
Loại bỏ phụ tùng khỏi phân Xếp phụ tùng vào nhóm A
Đúng X<=0,8
tích
KHÔNG
Xếp phụ tùng vào nhóm B

Đúng X<=0,95
KHÔNG
Đặt phần còn lại của các phụ tùng được yêu cầu vào nhóm C
Đối với một bộ phận không có
nhu cầu trong kỳ, đã có ít nhất

Xếp phụ tùng vào nhóm N Không
một chiếc xe được bán có liên
quan chưa?
Đúng
Xếp phụ tùng vào nhóm W
Hoàn thành
Hình 4. Thuật toán phân tích ABC các giai đoạn trước.
các phương pháp đo lường độ mạnh và độ dài của một quy tắc so với các quy tắc thuộc tính có điều kiện được sử dụng trong quy tắc đó, theo cách mà quy tắc có
tương tự. Đối với thước đo cường độ, các giải thích được đưa ra trong Phụ lục độ dài nhỏ hơn được ưu tiên hơn quy tắc có độ dài lớn hơn. Là một phương pháp
A. Độ dài của thước đo là số cụ thể khác trong việc đánh giá tầm quan trọng của các quy tắc, nghiên cứu của Li và
9
bàn số 3
Ví dụ về ma trận ABC.
Tháng 11 năm 2016 Tháng 12 năm 2016 Tháng 1 năm 2017 Tháng 2 năm 2017 Tháng 3 năm 2017 tháng 4 năm 2017 tháng 5 năm 2017
Phần số. 1 MỘT B B B C B B

Phần số. 2 C C C C C C C
Phần số. 3 N N N C C MỘT MỘT
Phần số. 4 W W W W W C W
Phần số. 5 N N W W W W W
Phần số. 6 MỘT MỘT W MỘT MỘT MỘT B
Bảng 4 giảm bớt, thì những quy tắc như vậy quan trọng hơn những quy tắc không lặp lại
Bảng quyết định rút ra từ ma trận ABC thể hiện ở Bảng 3 sau khi thay thế quy tắc. Độ lớn của tầm quan trọng này được tính bằng cách chia
N ký tự.
độ lặp lại của quy tắc thành tổng số lần giảm được thực hiện. Lý
và Cercone (2005) xác nhận phương pháp được đề xuất của họ bằng cách trình bày kết quả
Thuộc tính có điều kiện Thuộc tính quyết định
từ hai trường hợp nghiên cứu khác nhau. Đồng thời, những kết quả họ đưa ra
Tháng 11 năm 2016 Tháng 12 năm 2016 Tháng 1 năm 2017 Tháng 2 năm 2017 Tháng 3 năm 2017 chỉ ra rằng trong phần điều kiện của các quy tắc có tầm quan trọng cao hơn,
thuộc tính chung trong tất cả các sự rút gọn, được gọi là “cốt lõi” trong Phụ lục A là
Phần số. 1 A B B B C
có ý nghĩa.
Phần số. 2C C C C C
Phần số. 3 B B MỘT C C Sau khi lựa chọn các quy tắc đáng tin cậy, một vấn đề khác rất có thể sẽ xảy ra.
Phần số. 4 W W W W W xảy ra là việc áp dụng lịch sử nhu cầu của một phụ tùng thay thế với
Phần số. 5B B W W W phần điều kiện của các quy tắc khác nhau. Ngược lại, hồ sơ dự phòng
Phần số. 6 A MỘT W MỘT MỘT
một phần có thể không được áp dụng cho bất kỳ quy tắc hiện có nào. Các phương pháp ap
khác nhau đã được đề xuất để đáp ứng các điều kiện này. Ví dụ,
dựa trên nghiên cứu của Quinlan (1993), các quy tắc được sắp xếp theo thứ tự đặc biệt
Bảng 5
đường. Việc kiểm tra sự phù hợp của các bản ghi của đối tượng với các quy tắc hoặc dered
Bảng quyết định 4 sau khi sử dụng bộ rút gọn thuộc tính tối thiểu {tháng 2 năm 2017}.
bắt đầu bằng quy tắc đầu tiên. Ngay khi nó phù hợp với một trong
các quy tắc được sắp xếp, kết thúc tìm kiếm và quy tắc tương tự được sử dụng để phân loại
sự vật. Trong phương pháp này, quy tắc mặc định cũng được dự kiến ngay từ đầu nên
Tháng 11 năm 2016 Tháng 12 năm 2016 Tháng 1 năm 2017 Tháng 2 năm 2017 Tháng 3 năm 2017
rằng nếu các bản ghi của một đối tượng không nhất quán với bất kỳ quy tắc hoặc quy tắc
Phần số. 1 × × × B C nào, thì quy tắc mặc định, thiếu phần điều kiện, sẽ là
Phần số. 2 × × × C C dùng để phân loại đối tượng đó. Clark và Niblett (1989) cũng sử dụng cách tiếp cận tương tự
Phần số. 3 × × × C C
cách tiếp cận Quinlan (1993). Không giống như chúng, các phương pháp khác được đề xuất
Phần số. 4 × × × W W
× × bởi các nhà nghiên cứu kiểm tra sự thích ứng trong quá khứ của một đối tượng với tất cả những gì hiện có
Phần số. 5 × W W
Phần số. 6 × × × MỘT MỘT quy tắc (Michalski, Mozetic, Hong, & Lavrac, 1986). Phương pháp được sử dụng trong
nghiên cứu này để lựa chọn các quy tắc khi xử lý nhiều sự thích ứng hoặc
sự không phù hợp thuộc nhóm sau. Cách tiếp cận này có phần giống với cách tiếp cận của
Bảng 6
Grzymala-Busse (1994) trong việc sử dụng các thước đo
Bảng quyết định 4 sau khi sử dụng tập rút gọn thuộc tính tối thiểu {Jan 2017, Dec
liên quan đến từng quy tắc như cường độ, độ dài của phần có điều kiện,
2016}.
áp dụng với một phần của phần có điều kiện, v.v. Phương pháp này là

được mô tả trong phần tiếp theo với đầy đủ chi tiết về nó.
Trong nghiên cứu này, thuật toán trong Hình 5 được sử dụng để phân loại phụ tùng ô
Tháng 11 năm 2016 Tháng 12 năm 2016 Tháng 1 năm 2017 Tháng 2 năm 2017 Tháng 3 năm 2017
tô theo phân tích ABC và ước tính cơ sở
× B × mức tồn kho trong thời gian quy hoạch.

Phần số. 1 × C
Phần số. 2 × × C × C Trước quá trình phân loại các bộ phận ở giai đoạn sau, chúng tôi
Phần số. 3 × × MỘT × C tham khảo ngày dự kiến cho nhu cầu đầu tiên của từng số bộ phận. TRONG
Phần số. 4 × W × × W
trường hợp này, tất cả các số bộ phận mà ngày dự kiến nhận được đầu tiên của họ
Phần số. 5 × B W × W
nhu cầu sau khi kết thúc giai đoạn lập kế hoạch trong tương lai sẽ được đưa vào
Phần số. 6 × MỘT × × MỘT
Loại N vào thời kỳ đó. Trong trường hợp số bộ phận khác, các hoạt động phân loại được
thực hiện theo quy tắc rằng mệnh đề điều kiện của chúng tương thích với toàn bộ phân
Bảng 7 tích ABC của bộ phận.
Bảng quyết định 4 sau khi sử dụng tập rút gọn thuộc tính tối thiểu {tháng 1 năm 2017, số trong quá khứ. Một quy tắc mà sự thích ứng của nó sẽ được đánh giá, có
tháng 11 năm 2016}. đã được đưa vào một bộ quy tắc áp dụng. Các điều kiện để
đánh giá các quy tắc được điều chỉnh từ (Liu & Qiao, 2009). Theo đó,
mỗi quy tắc áp dụng, phải vượt qua các giá trị tối thiểu được xem xét cho
Tháng 11 năm 2016 Tháng 12 năm 2016 Tháng 1 năm 2017 Tháng 2 năm 2017 Tháng 3 năm 2017 ba thước đo, tổng số hỗ trợ, độ chính xác và độ bao phủ. Các giá trị tối thiểu được
chọn cho số hỗ trợ, độ chính xác,

Phần số. 1 × × B × C
và độ bao phủ lần lượt là 5, 0,85 và 0,01.
Phần số. 2C × × × C
Phần số. 3 × × MỘT × C Nếu một số quy tắc áp dụng khớp với bản ghi phân tích ABC của một
Phần số. 4 W × × × W số phần, trong số đó, một quy tắc được chọn có mức độ cao nhất
Phần số. 5B × W × W sự chính xác. Tuy nhiên, quy tắc có độ chính xác cao nhất có thể
Phần số. 6 A × W × MỘT
không phải là duy nhất. Trong trường hợp này, quy tắc được chọn sẽ cung cấp một nhóm
quan trọng hơn cho phần đó. Nếu bản ghi của một số bộ phận không phải là
Cercone (2005) được đề cập. Trong nghiên cứu, sau khi giảm giống như phần có điều kiện của bất kỳ quy tắc nào, phần lặp lại nhiều nhất
các thuộc tính, việc trích xuất các quy tắc bắt đầu. Vì có thể có những quy tắc cụ thể nhóm được tìm kiếm trong lịch sử nhu cầu. Nếu một nhóm như vậy không
được trích xuất nhiều lần từ hai hoặc nhiều duy nhất thì nhóm quan trọng hơn sẽ được chọn.
10
Bảng 8
Các nguyên tắc quyết định được rút ra Bảng 4.
Quy tắc không. Luật lệ Hỗ trợ quy tắc và sức mạnh Độ hỗ trợ và độ mạnh của mệnh đề If Thì mệnh đề hỗ trợ và sức mạnh sự chắc chắn Phủ sóng
1 NẾU( (B THÌ C ( ) ×××

), ××× 1, 16,67% 1, 16,67% 3, 50% 100% 33,33%
2 NẾU NHƯ C ),
THÌ C ( ×××
( ) 2, 33,33% 2, 33,33% 3, 50% 100% 66,67%
NẾU THÌ W ( ),
( ( ( ) 2, 33,33% 2, 33,33% 2, 33,33% 100% 100%
3 4 NẾU A THÌ A ×××
), ( ) 1, 16,67% 1, 16,67% 1, 16,67% 100% 100%
5 NẾU B THÌ C ),
( ) ×× × 1, 16,67% 1, 16,67% 3, 50% 100% 33,33%
6 NẾU C THÌ C ),
×× × ( ), ( ) 1, 16,67% 1, 16,67% 3, 50% 100% 33,33%
7 NẾU A THÌ C ( ) ×× × ( ), 1, 16,67% 1, 16,67% 3, 50% 100% 33,33%
số 8 NẾU W THÌ W ( ) × × × (
× × 1, 16,67% 1, 16,67% 2, 33,33% 100% 50%
( ( ( ( ((
NẾU BW THÌ W ), ) 1, 16,67% 1, 16,67% 2, 33,33% 100% 50%
9 NẾU A THÌ A × × × ( ) 1, 16,67% 1, 16,67% 1, 16,67% 100% 100%
10 NẾU C × ×× THÌ C
), ), ( ) 1, 16,67% 1, 16,67% 3, 50% 100% 33,33%
11 12 NẾU W THÌ W (),) × ×× 1, 16,67% 1, 16,67% 2, 33,33% 100% 50%
13 NẾU BW THÌ W × × ( ) 1 , 16,67% 1 , 16,67% 2, 33,33% 100% 50%
14 NẾU AW THÌ A (),)),× × 1, 16,67% 1, 16,67% 1, 16,67% 100% 100%
Bây giờ, tỷ lệ với vị trí được dự đoán cho một số bộ phận trong với hồ sơ nhu cầu của Phần số. 1.
phân tích ABC trong tương lai, mức tồn kho cơ sở có thể được tính toán. Cái này Bằng cách kiểm tra các quy tắc trong Bảng 9, hai quy tắc đầu tiên được
giá trị thu được từ việc nhân tiêu chí ABC với mức tăng chuyển từ quá trình dự báo vị trí của một số bộ phận.
quãng đường của các phương tiện liên quan từ đầu đến cuối trong giai đoạn 19 do không đáp ứng được yêu cầu tối thiểu.
thời kỳ. Từ quy tắc thứ ba và thứ tư, cả hai đều có độ chính xác như nhau,
Nếu một số bộ phận được phân loại bằng cách sử dụng nhóm thường xuyên nhất trong quy tắc thứ tư được chọn vì nó dự đoán một nhóm quan trọng hơn cho
trước đây, trong các khoảng thời gian mà số bộ phận khớp với nhóm đã chọn của số phần. Bây giờ xem xét vị trí của số phần trong
nó, tiêu chí ABC lớn nhất sẽ được chọn. Trong trường hợp nhóm A, nó được đề cập đến trong 18 kỳ vừa qua và số tiền tối đa
số phần được phân loại thông qua các quy tắc bắt nguồn từ thô của tiêu chí ABC được tính từ các khoảng thời gian mà tiêu chí đã đề cập
lý thuyết tập hợp, có hai tình huống khác nhau để tìm ABC tương lai số phần đã được phân loại vào Nhóm A. Giá trị thu được là
tiêu chuẩn. Đầu tiên, nhóm được dự báo nằm trong quá khứ của một phần số nhân với chênh lệch dự báo về tổng quãng đường ô tô đi được từ đầu đến cuối
trong tình huống này, giống như trạng thái trước, tiêu chí lớn nhất của ABC là kỳ kế hoạch, từ đó thu được kết quả
được lựa chọn cho phù hợp. Tình huống thứ hai xảy ra khi dự báo mức tồn kho cơ bản để quyết định đặt hàng.
nhóm không được nhìn thấy trong quá khứ. Trong tình huống như vậy, mã gốc của
phần được tham chiếu và đối với nhóm được chọn, giá trị trung bình
giá trị từ mã gốc được trích xuất. 4. Nghiên cứu trường hợp
Sau khi tính toán tiêu chí ABC, vấn đề còn lại là sự khác biệt về
quãng đường của ô tô lúc bắt đầu và kết thúc kế hoạch. Phương pháp tính toán 4.1. Thiết kế các thí nghiệm
số tiền này đã được giới thiệu trong nghiên cứu này.

Trong phần này, mô hình đề xuất được triển khai trong Arian
Bây giờ, lấy ví dụ: nếu tiêu chí ABC cho số bộ phận được tính tổng là Công ty Motor (AM) là nhà phân phối độc quyền của Nhật Bản
0,0003 USD trên mỗi km, thì chênh lệch về số dặm của Tập đoàn ô tô Mitsubishi (MMC) ở Iran. Kể từ năm 2011, AM đã
những chiếc xe liên quan của nó ở đầu và cuối kỳ L r + được ước tính nhập khẩu ô tô nguyên chiếc (CBU) sang Iran. Ngoài ra, AM là
với mức 100.000.000 (100 triệu) Km, với điều kiện đơn giá là 40 chịu trách nhiệm nhập khẩu phụ tùng chính hãng Mitsubishi về Iran và phân phối
USD, mức tồn kho cơ bản trong khoảng thời gian nhất định (MIP) được lấy giữa các nhà bán lẻ. Phòng kỹ thuật của MMC gửi
từ thao tác đơn giản sau: đầy đủ danh sách phụ tùng xe mới về AM trước khi xuất xưởng chiếc đầu tiên của
những chiếc xe này đến Iran. Ngoài ra, EPC (như đã đề cập trong Phần 3.1) là
USD 100, 000, 000 km
MIP = 0,0003 × km = 750 miếng
có sẵn để tìm bất kỳ số phần bằng cách sử dụng các danh mục. Tất cả dữ liệu cần thiết
40 USD trong nghiên cứu này đã được thu thập từ hệ thống thông tin được gọi là
Cho rằng mô hình được đề xuất là một loại yêu cầu rời rạc, số thập phân HTS và ERP mang tên Incadea. Một số điểm nổi bật của ô tô và
các chữ số làm tròn lên số nguyên lớn hơn. Vào đầu mỗi kế hoạch các phụ tùng thay thế liên quan được thể hiện trong Bảng 10. Thứ tự của bảng là
kỳ, IP được so sánh với mức tồn kho cơ sở dự báo để trong tăng dần từ ngày bán chiếc xe đầu tiên đến ngày bán cuối cùng. Tổng số
các điều khoản của sự khác biệt, cùng một thứ tự khác biệt được coi là các phụ tùng thay thế liên quan đến từng nhóm xe cũng đã được trưng bày. Bởi vì
số lượng đặt hàng mới. chồng chéo giữa các danh sách linh kiện, số lượng linh kiện thay thế không trùng lặp
Đánh giá việc áp dụng phương pháp kiểm kê đề xuất được nghiên cứu trong bài viết này được giới hạn ở 9150 SKU.
kiểm soát, giả sử rằng phân tích ABC đã được thực hiện cho các phụ tùng thay thế trong Chuyên gia kiểm kê của AM đã sử dụng hai phương pháp tuyến tính
18 kỳ vừa qua. Trong trường hợp này, 17 tiết đầu tiên có điều kiện hồi quy và trung bình động để dự báo nhu cầu về phụ tùng thay thế.
thuộc tính và dấu chấm cuối cùng là thuộc tính quyết định. Việc giảm các thuộc Anh ta kiểm tra lỗi dự báo của hai phương pháp này trong ba lần vừa qua.
tính và đối tượng đã được thực hiện trên bảng này và các quy tắc áp dụng đã Chu kỳ. Đối với mỗi phương pháp, sai số bình phương trung bình (MSE) được tích
được xác định theo mô tả trước đó. Sau khi kết thúc lũy trong ba khoảng thời gian đó. Sau đó, đối với mỗi phần, phương pháp với
Giai đoạn 18, cần lập kế hoạch cho giai đoạn 19. Trong trường hợp này, một trường hợp khác giá trị tối thiểu của tổng MSE được chọn để dự báo nhu cầu và
Bảng quyết định được coi là bao gồm giai đoạn 19 là thuộc tính quyết định và ban hành các mệnh lệnh định kỳ gần như bất thường. Tuy nhiên, dự báo
giai đoạn 2 đến 18 là thuộc tính có điều kiện. Các giá trị liên quan nhu cầu và mức tồn kho cơ bản được tính toán sau đây chỉ áp dụng cho
với thuộc tính quyết định hiện chưa được biết đến với vấn đề này. Hiện nay hướng dẫn để quyết định cuối cùng về số lượng đặt hàng được dựa trên
đối với từng phụ tùng thay thế, trình tự các giá trị của nó trong phần có điều kiện của sự điều chỉnh mang tính phán đoán của người quản lý phụ tùng.
bảng gần đây được so sánh với các quy tắc áp dụng thu được từ Hồ sơ phụ tùng sẵn có tại kho công ty tại
bảng quyết định trước đó. Một ví dụ về sự so sánh này được thể hiện trong đầu mỗi ngày làm việc đã được nhận. Vì vậy nó là
Bảng 9. Trong bảng này, bốn quy tắc đã được tìm thấy tương thích có thể tính toán giá trị của hàng tồn kho này vào cuối mỗi ngày
11
Bắt đầu
Với mỗi quy tắc, hãy tính số đo
Số hỗ trợ
Đúng
của toàn bộ quy tắc < 5
KHÔNG
Độ chính xác < 0,85 Đúng
KHÔNG
Độ che phủ < 0,01 Đúng
KHÔNG
Xóa quy tắc có liên quan khỏi bộ quy tắc
Các quy tắc còn lại là
có thể áp dụng, kiểm soát Chọn quy tắc có độ chính xác cao nhất và
Có ít nhất
sự khớp của phân tích ABC đặt nhóm theo quy tắc đó. Nếu quy tắc không
một quy tắc phù hợp với
trước đây về số bộ phận so Đúng phải là duy nhất, hãy chọn quy tắc dự đoán
phân tích ABC trước đây về
với mệnh đề có điều một nhóm quan trọng hơn
số phần?
kiện của từng (A>B>C>W)
của những quy tắc đó
Tham khảo mã gốc của số bộ phận và tìm tiêu chí ABC

Nhóm được chọn
từ mức trung bình của tiêu chí ABC của các kỳ mà mã
có số bộ phận trong hồ sơ nhu KHÔNG
KHÔNG gốc nằm trong nhóm đã chọn
cầu của nó không?
Đúng
Chọn nhóm thường xuyên nhất trong quá khứ, Nhóm này là vị
Tìm giá trị cao nhất của
trí dự đoán cho số bộ phận trong phạm vi quy hoạch, Nếu nhóm Dự báo sự khác biệt giữa số km dự đoán của
Tiêu chí ABC dành riêng cho
không phải là nhóm duy nhất có sự lặp lại thường xuyên nhất, ô tô liên quan đến số bộ phận giữa thời điểm bắt
nhóm được lựa chọn làm tiêu chí
hãy chọn nhóm dự đoán nhóm quan trọng hơn (A>B> C>W) cho số đầu và kết thúc kế hoạch
ABC trong tầm nhìn quy hoạch
phần
Mức tồn kho cơ bản = (Giá trị của tiêu
chí ABC)*(Tăng tổng số dặm trong giai đoạn lập kế
hoạch)
Kết thúc
Hình 5. Sơ đồ xác định mức tồn kho nhóm và cơ sở trong giai đoạn quy hoạch.
sau khi đáp ứng yêu cầu của khách hàng căn cứ vào giá hàng ngày của từng bộ phận. Bốn thí nghiệm được thiết kế dựa trên thông tin chúng tôi thu được. Trong
Sử dụng cơ chế FIFO và dựa trên mô tả trước đó, mỗi thí nghiệm, tham số là khoảng thời gian giữa hai
Tuổi tồn kho trung bình vào cuối mỗi ngày cũng được tính vào các đơn đặt hàng hoặc biên lai liên tiếp sẽ được thay đổi. Nhưng thời gian thực hiện ( L ) là
kho. Ngoài ra, để tính toán số lượng nhu cầu được giao ngay, lượng tồn kho ban được cho là giống nhau trong cả bốn thí nghiệm. Thứ tự đã chọn
đầu mỗi ngày được so sánh với nhu cầu. các khoảng thời gian là 20, 33, 47 và 58 ngày. Do đó, bằng cách gán L = 30, các
nhận được trong ngày hôm đó. các khoảng thời gian có độ dài L r + trong đó mức tồn kho cơ sở cho từng bộ phận
Bảng 9
Một ví dụ về so sánh hồ sơ nhu cầu với các quy tắc hiện có.
Trạng thái mới nhất của Phần số. 1 Quy tắc phù hợp Hỗ trợ/độ chính xác/phạm vi bao phủ
WWWAAAAAAAAABAAABA NẾU CAB

(×××××××× × × × × THEN C BA), ( ) 2, 33,33%, 15%
WWWAAAAAAAAABAAABA × × ×
NẾU (WWWAAAAAA AAABA), THÌ MỘT
( ) 5, 66,67%, 20%
WWWAAAAAAAAABAAABA NẾU (WWWA CA B× ×× × × × × ×× THÌ B (
BA),
) 80, 90%, 12%
WWWAAAAAAAAABAAABA NẾU (W ×
WAAAA A AA A),
( )× × × × × × THÌ A 70, 90%, 11%
12
Bảng 10
Một số điểm nổi bật về doanh số bán ô tô và số lượng phụ tùng thay thế tại công ty AM.
Tên nhóm xe Ngày bán hàng đầu tiên Số lượng xe bán ra Số lượng phụ tùng thay thế
ASX/GA2W/XTHHZL6Z/S44/2012 2/8/2012 213 2171

ASX/GA2W/XTSHZLW/E21/2012 22/9/2012 32 2232
ASX/GA2W/XTSHZLW/F21/2012 20/2/2013 15 2218
ASX/GA2W/XTHHZL6Z/S50/2012 25/2/2013 242 2169
ASX/GA2W/XTSHZLFW/E23/2013 18/3/2013 361 2173
LANCER/CY1A/SNSPL6/S96/2014 23/2/2014 79 1869
LANCER/CY1A/SRSPL6/S88/2014 23/2/2014 49 2001
LANCER/CY6A/STXPL6/S61/2014 7/6/2014 176 2035
LANCER/CY1A/SRSHLW/G23/2014 23/6/2014 334 1964
OUTLANDER/GF3W/XTHHZL6Z/S6A/2014 5/2/2015 55 2219
OUTLANDER/GF3W/XTHHZL6Z/S6B/2014 10/2/2015 95 2226
OUTLANDER/GF3W/XTMHZLW/E57/2015 12/2/2015 446 2283
MIRAGE/A03A/XTMHLW/E08/2015 21/2/2015 310 1405
OUTLANDER/GF3W/XTMHZLW/E29/2015 24/2/2015 6 22h30
OUTLANDER/GF3W/XTHHZL6Z/S6C/2015 31/5/2015 249 22h30
OUTLANDER/GF3W/XTMHZLW/F04/2016 23/1/2016 388 2222
LANCER/CY1A/SRSHLW/S61/2016 16/2/2016 33 2044
OUTLANDER/GF3W/XTHHZL6Z/S6F/2016 3/8/2016 206 2124
OUTLANDER/GF3W/XTHHZL6Z/S6G/2017 28/9/2016 861 2159
MIRAGE/A03A/XTHHL6/S15/2017 12/11/2016 491 1470
ASX/GA2W/XTHHZL6Z/S01/2016 9/1/2017 95 2064
ASX/GA2W/XTHHZL6Z/S04/2017 19/1/2017 1006 2077
ASX/GA2W/XTHHZL6Z/S02/2017 4/2/2017 100 2064
OUTLANDER/GF3W/XTHHZL6Z/E6B/2017 14/2/2017 817 2205
sẽ được xác định lần lượt là 50, 63, 77 và 88 ngày. Chúng ta có hoặc các phụ tùng thay thế va chạm thông thường dựa trên chuyên môn của mình. Bằng cách áp dụng
đã cố gắng sử dụng nhiều giá trị cho khoảng thời gian đặt hàng cố định trong gợi ý này, mô hình đề xuất sẽ có mức độ dịch vụ tốt hơn.
thí nghiệm. Ngoài ra, khoảng thời gian được đề cập đã được khuyến nghị bởi Về số lượng và thời hạn tồn kho, cần điều tra
Giám đốc phụ tùng của AM. Để phù hợp với các kịch bản đề xuất chúng cùng một lúc. Khi tuổi tồn kho giảm đột ngột, vào lúc
với tình hình giao dịch thực tế của AM, thời gian thực hiện là 30 ngày đồng thời giá trị hàng tồn kho tăng lên. Điều này có nghĩa là một đơn đặt hàng mới
(liên tục, kể cả ngày làm việc và ngày không làm việc) cũng như đã đến. Vì vậy, việc giảm thời gian tồn kho là do
thời gian thực hiện thông thường tại Công ty AM. Thời gian dẫn đầu là khoảng thời gian giữa sự thống trị của giá trị hàng tồn kho trẻ hơn đối với người già. Kết quả là không có
đặt hàng và nhận phụ tùng thay thế trong kho. Phụ tùng thay thế là cải tiến cụ thể nào xảy ra trong hệ thống. Theo
được biết đến bởi số phần duy nhất của họ. Trong trường hợp của bất kỳ số phần nào, tới thông tin từ người quản lý bộ phận của AM, ở một số điểm, đặc biệt là
lịch sử của nhu cầu bao gồm cả ngày tháng và số lượng của nó, cũng như kể từ cuối năm 2017, theo một số cân nhắc về mặt kinh tế, AM đã
giá trị của phụ tùng tại thời điểm đó, đồng thời những chiếc xe liên quan cũng đã được đã đặt những đơn hàng có giá trị cao hơn nhu cầu dự kiến. Nó đã dẫn đến
đưa vào mô hình. Nếu hai số phần được thay thế, tất cả các nhu cầu tạo ra số lượng hàng tồn kho khổng lồ vào thời điểm đó. Tuy nhiên,
hồ sơ và các giao dịch kho hàng liên quan được hợp nhất thành một SKU. TRONG thí nghiệm thứ hai và thứ tư cho thấy rằng với mức đầu tư ít hơn họ
để ước tính số lượng và quãng đường của các phương tiện liên quan đến một có thể có được mức độ dịch vụ mà họ đã đạt được với một khoản đầu tư khổng lồ. Trên
số bộ phận, phương pháp được mô tả trong Phần 3.6 sẽ được sử dụng. đầu tiên thực tế, đây là điểm cần nhấn mạnh rằng tuổi tồn kho
nhu cầu về phụ tùng thay thế đã được AM nhận được vào ngày 26/11/2012. Từ nên được điều trị một cách thận trọng. Người ta cho rằng trong điều kiện bình thường,
vào ngày này, các khoảng thời gian khác nhau đã đề cập sẽ được tạo. Vậy là kết thúc xu hướng tuổi tác cũng sẽ tăng dần theo số lượng
ngày của giai đoạn cuối sẽ khác nhau giữa các kịch bản. hàng tồn kho. Trong bốn thử nghiệm được thiết kế, xu hướng tăng của hàng tồn kho
Trong Bảng 11, giá trị của ba thước đo được giới thiệu ở Mục 3.5 với mức độ dốc vừa phải và có thể dự đoán được cho thấy rằng nếu thực hiện được kế
được báo cáo để đánh giá hiệu suất của bốn kịch bản khác nhau. Cũng, hoạch bán ô tô dài hạn thì ngân sách dành cho việc cung cấp phụ tùng thay thế sẽ
những giá trị này được so sánh với các giá trị tương tự trong Công ty AM. ĐẾN các bộ phận của ô tô đã bán có thể được ước tính tốt một cách bền vững. Nó giúp lãnh
theo dõi sự biến động hàng ngày của các giá trị thước đo, Hình. 6–17 được đề xuất. đạo cấp cao của nhà phân phối có kế hoạch kinh doanh phụ tùng phù hợp hơn
bộ phận phụ tùng.
4.2. Thảo luận về kết quả So với mô hình hiện tại của Công ty AM, ưu điểm lớn nhất của mô hình đề xuất là
cách tiếp cận phân loại của nó.
Hệ thống hiện tại của AM tìm kiếm phụ tùng thay thế dưới dạng các mặt hàng riêng biệt. Cái này
Như đã nêu trong Bảng 11, theo kết quả của bốn thí nghiệm
Cách tiếp cận này đòi hỏi ngân sách không giới hạn để cung cấp cho tất cả SKU những thông tin tích cực
được tiến hành, hiệu suất của mô hình đề xuất nhìn chung tốt hơn so với
nhu cầu dự kiến. Ngược lại, mô hình đề xuất của chúng tôi hoạt động dựa trên
hệ thống kiểm soát hàng tồn kho của AM. Cần lưu ý rằng hệ thống được
cơ sở rằng sẽ không có người chiến thắng chừng nào không có kẻ thua cuộc. Vì thế,
đề xuất trong giai đoạn đầu ( K r ngày × ) tìm cách tạo ra việc học tập
nên chấp nhận nguy cơ thiếu một số phụ tùng thay thế có giá trị thấp, vì vậy
dữ liệu nên không có khả năng đáp ứng nhu cầu của các nhà bán lẻ.
rằng luôn có đủ hàng tồn kho các bộ phận có giá trị trong
Trong các vấn đề của thế giới thực, ở giai đoạn đầu, người ra quyết định là
kho. Cách tiếp cận này giúp thiết lập hệ thống kiểm kê với
được phép đặt hàng thủ công để cung cấp dịch vụ chuyển phát nhanh
13
ngân sách hạn chế.
Bất kể mô hình nào được triển khai tại AM, cần thảo luận về sự khác
biệt giữa bốn thí nghiệm được thiết kế trên mô hình đề xuất. Đầu tiên, hai
24
63
4
5
88
17
8 242
53
3.9
kịch bản có mức độ dịch vụ thấp tương tự nhau sẽ được nghiên cứu. Hai kịch
bản là r = 20 và r = 47 . Giá trị lớn hơn của AAIN và AIVN trong kịch bản
L = 47 là bình thường so với các giá trị tương ứng trong kịch bản r =
20 . Nhiều hàng tồn kho được lưu trữ trong thời gian dài hơn trong kịch
i(G
:
k
t
b
bản r = 47 vì khả năng có thêm đơn hàng bị hạn chế hơn. Trong kịch bản r
gD
) nS
h áU
ị
o
u
n ồ
h
r
ì
= 20 , tính đến ngày 14/07/2017, 1488 số bộ phận khác nhau đã liên quan
021
ềĐ
24
4
5 74
1 8
2 02
6.2
1
8 4
1
đến các sự kiện đặt hàng trở lại. Đối với một số người trong số họ
sự kiện này đã xảy ra nhiều lần. Trong kịch bản r = 47 , máy phân tích sẽ
quay lại các đơn đặt hàng cho 1515 số bộ phận. 95,6% trong số họ đã từng tham
gia vào các sự kiện trật tự ngược trong kịch bản r = 20 . Ngoài ra, tỷ lệ các
mặt hàng bị đặt lại của kịch bản r = 20 trong đó các mặt hàng tương tự đã được
562
562
562
562
tham gia vào các sự kiện thứ tự ngược của kịch bản r = 20 được báo cáo là
97,4%. Những điểm tương đồng cao giữa các mặt hàng đặt trước của hai kịch
bản hầu như liên quan đến các phụ tùng đặc thù của ô tô mới mà các mẫu ô
tô trước đó không có. Thậm chí, PNC của họ còn mới nên RST không thể trích
xuất nhóm nào khác ngoài W cho họ.
Kết quả tương tự cũng được quan sát thấy sau khi so sánh các kịch bản r = 33 và . Họ có
721
651
931
702
IIAA
u
ồ
h
r
ì
n T
N
k
t
b
(
r = 58
:NiV
n
h
à ổ
o
u
n
g
mức độ dịch vụ tốt hơn so với hai kịch bản trước. Tính đến ngày 04/07/2017, Từ
)y
g
1523 phụ tùng thay thế liên quan đến tình trạng đặt hàng thiếu trong kịch bản r = 33
96,4% là phổ biến trong ,
sự kiện thứ tự ngược của kịch bản r = 58 sự . Ngược lại, 98,3% trong số 1496
%3,77
%7,77
%6,77
%6,77
kiện thứ tự trong kịch bản r = 58 , lượt quay lại có (các) sự kiện đặt hàng
quay lại trong kịch bản r = 33 . Hiện nay, có thể khẳng định, để nâng cao
giá trị SLN , cần phải để người ra quyết định can thiệp trực tiếp vào đơn
đặt hàng phụ tùng ban đầu cho các mẫu xe mới ra mắt.
Một phát hiện khác từ các thử nghiệm được thiết kế là trái ngược với
%9,27
%2,77
%7,17
%5,87
LvS
C
N
đ
d
một số niềm tin phổ biến, việc tăng giá trị hàng tồn kho không nhất thiết
:c
h pụ
ấ
ộ
ị
dẫn đến tăng mức độ dịch vụ. Có thể tìm thấy điều này khi chúng ta so sánh
mức độ dịch vụ thu được từ r = 20 đầu tiên với giá trị tương ứng của kịch
bản r = 47 Về sự đa dạng và
. số lượng đơn hàng trả lại, có thể thấy sự
thiếu hụt nghiêm trọng trong kịch bản r = 47 , trong khi giá trị và thời
76
0
2 16
0
5 8
1 55
9.3
gian tồn kho trong mô hình này cao hơn. Sự khác biệt giữa mức độ dịch vụ
,1
.2102/1
: y/
n à6
u
ê 02
g
ê
ầ
i 3
=
L
n
N
y
c
đ
t
của kịch bản L = 33 và L = 58 là rất nhỏ. Nhưng giá trị trung bình và thời
gian tồn kho trong kịch bản L = 58 cao hơn nhiều so với các giá trị đo
lường tương tự của kịch bản L = 33 . Nó nên được nhắc lại
từ Mục 3.5 rằng họ đã ưu tiên SLN hơn AAIN và AIVN trong nghiên cứu này.
25
i(G
n
ìAM
h
đ
x
C
t
6.4
3
0
am
g
ấM
ề
u
ô
y
824
9
oi
hn
95
7
4 9
3
)gnế
y
t
g
Nhưng có vẻ như do không thể dự báo chính xác các nhóm cho một số phụ tùng
thay thế, đặc biệt là đối với số bộ phận cụ thể mới có mã gốc mới, nên
chúng tôi không thể đạt được giá trị SLN cao hơn nhiều trừ khi người ra
quyết định đến hỗ trợ mô hình đề xuất.
Mặc dù giá trị SLN của hai kịch bản r = 20 và r = 47 là hội tụ nhưng
loại sự kiện trật tự ngược xảy ra vào cùng ngày lại khác nhau rất nhiều.
êc
uầ y
Trong kịch bản r = 47 , 366.657 bản ghi kết hợp ngày tháng và số bộ phận
đã được lưu dưới dạng sự kiện đặt hàng lại. Trong 37,1% các sự kiện này,
không có đơn hàng trả lại nào được báo cáo trong kịch bản 24,9%
625
3
6
8
7
Cs
N
T
0.2
1
9
5
gnố
ổ
72
89
8
3 1
r = 20 . Ngoài ra, từ 309.040 sự kiện đặt hàng ngược của

3
4
,
kịch bản r = 20 không khớp với thứ tự quay lại tương ứng trong kịch bản
r = 47 . Thậm chí, trong 41,3% sự kiện xảy ra đơn hàng trả lại trong cả
hai trường hợp, tình trạng thiếu hàng tồn kho là khác nhau. Điều tương tự
cũng được thấy khi so sánh giữa hai kịch bản r = 33 và kịch bản nào có mức
r = 58 , độ dịch vụ tương tự và tốt hơn. 29,7 phần trăm của
20
2
1
ic
g
S
(
r
N
k
l
t
n
sự kiện thứ tự ngược trong kịch bản r = 33 không được quan sát thấy trong kịch bản r = 58.
7102/70/4
5
)ệ
m nn
yg
à
y
c
i ờù
í
g
à
t
ú
a
ử
h
ố ố
n
ế
ủ
ầ
h
g
u
Tỷ lệ này là 33,3% trong mối quan hệ ngược lại. Ngoài ra, trong 40,9% các sự
kiện đặt hàng trả lại đồng thời giữa chúng, số lượng đặt hàng trả lại không
02
33
85
74
giống nhau. Vì vậy, chúng ta có thể kết luận rằng việc chọn các giá trị khác
nhau của r sẽ tạo ra kết quả có tính khác biệt cao của hệ thống kiểm kê.
Có thể thiết kế các thí nghiệm tương tự trên các giá trị khác nhau của
r khác với các giá trị được trình bày trong bài báo này. Sau đó, các giá
trị của thước đo hiệu suất sẽ được đưa cho người ra quyết định để quyết
1
2
3
4
định giá trị của r. Nhưng liên quan đến những hạn chế được thảo luận ,
gt
, nấ
m
g
h ốu
ể
á
o
a
i
t
ả
n ảx
1
á
ệ
i
o
à
ồ
h
ủ
y
M
ớ
ế
ô
ì
ề B
1
S
s
c
C
t
A
v
k
q
m
h
đ
trong Phần 2.3 , nên hỏi người ra quyết định các giá trị khả thi của r .
Nó giúp tránh được quá trình tốn thời gian kiểm tra nhiều
14
Hình 6. Số lần giao hàng tức thời tích lũy trong kịch bản L = 30 và r = 20.
Hình 7. Tuổi tồn kho trung bình trong kịch bản L = 30 và r = 20.
Hình 8. Giá trị tồn kho trung bình trong kịch bản L = 30 và r = 20.
những tình huống không thể xảy ra. Ví dụ, sau một cuộc họp tại Công ty AM về kết sẽ có nhiều sự phối hợp hơn với các nhà cung cấp, nhà giao nhận và ngân hàng quốc
quả của bốn thí nghiệm được thiết kế, người ta thấy rằng các nhà quản lý có xu tế.
hướng sử dụng kịch bản L = 33 hơn . Cùng với những giá trị tốt của phép đo, họ tin
rằng kịch bản này là kịch bản gần nhất với số lượng đơn đặt hàng hàng tháng. Vì 5. Kết Luận
vậy, họ có thể dễ dàng thông báo cho nhà cung cấp rằng các đơn hàng liên tiếp sẽ
được phát hành mỗi tháng. Kết quả là,

Chuỗi cung ứng phụ tùng ô tô phi tập trung được đề cập trong nghiên cứu này,
tập trung vào quy trình kiểm soát hàng tồn kho của nhà phân phối. Bởi vì
15
khoảng cách địa lý lớn giữa nhà phân phối và nhà cung cấp, không có khả dự trữ các phụ tùng thay thế quan trọng hơn trong kho của họ. Bằng cách
năng sử dụng các đơn đặt hàng tức thời và liên tục cho tất cả các phụ tùng đó, họ đảm bảo lợi nhuận từ việc bán phụ tùng thay thế bằng cách giảm chi
thay thế. Do chi phí của các đơn hàng được đề cập như chi phí sử dụng vận phí đặt hàng, đặc biệt là phí vận chuyển cũng như đạt được mức độ hài lòng
chuyển hàng không đối với một lượng lớn phụ tùng thay thế là rất lớn
nên cao hơn của khách hàng. Trong bài viết này, với niềm tin rằng các nhà bán
( , ) rs trong chính sách kiểm soát hàng tồn kho được ưu tiên cho nhà phân lẻ đang chú ý đến số lượng xe bán ra và quãng đường đi được khi gửi đơn
phối. Các nhà bán lẻ được phép đặt hàng cho nhà phân phối bất cứ khi nào đặt hàng tồn kho cho nhà phân phối, một phương pháp mới tích hợp phân tích
cần thiết để đáp ứng nhu cầu của khách hàng. Tuy nhiên, họ quan tâm đến việc giữABC
đủ và lý thuyết tập thô được đưa ra.
16
đề xuất mô phỏng hành vi của họ và thiết lập một hệ thống tương ứng Việc áp dụng mô hình được đề xuất tại một trong những nhà phân phối
trong nhà phân phối để đạt được mức độ dịch vụ tốt, đồng thời số lượng trong thế giới thực cho thấy khả năng dữ liệu điều khiển hệ thống kiểm
và thời gian tồn kho tối thiểu. Là một loại phương pháp ra quyết định soát hàng tồn kho ở trạng thái hoạt động tốt so với việc sử dụng một
dựa trên dữ liệu, không có kinh nghiệm hoặc phán đoán cá nhân nào được số phương pháp thống kê có sửa đổi cá nhân. Nó khẳng định rằng các yếu
đưa vào mô hình đề xuất dành cho nhà phân phối. tố ảnh hưởng đến quyết định của nhà bán lẻ khi tạo đơn hàng mới là
17
được nhận diện đúng. Phân tích ABC giúp bổ sung giá trị tiền tệ cho nhu cầu nhận được RST đưa ra các quy tắc đáng tin cậy mô tả đơn giản các mẫu thông thường hoặc xu hướng
từ các nhà bán lẻ và phân loại phụ tùng thay thế dựa trên tác động của chúng đến hiệu để phân loại các phụ tùng thay thế trong giai đoạn sắp tới. Nó làm giảm hiệu ứng roi da
quả hoạt động của nhà phân phối. Cuối cùng, RST thể hiện sức mạnh đã được chứng minh và do đó làm tăng tính linh hoạt của chuỗi cung ứng.
của mình trong việc phát hiện các mẫu ẩn trong ma trận ABC trước đây. Nó có thể tìm thấy
hồ sơ nhu cầu bất thường của các đại lý và loại bỏ chúng Hạn chế nhất của mô hình này liên quan đến việc thiếu nhu cầu
nếu có vẻ như chúng là do tính toán sai lầm của nhà bán lẻ. Theo đó,
18
hồ sơ cho các phụ tùng thay thế mới. Mặc dù việc sử dụng mã gốc được khuyến khích thiếu sót trong các nghiên cứu tiếp theo. Trong nghiên cứu này, để giảm
trong nghiên cứu này nhưng nó không áp dụng được cho mã số bộ phận mới tác dụng phụ của sự biến động về thời gian thực hiện, chúng tôi gán các giá trị tối đa cho
với mã cha mẹ mới. Một hạn chế khác là thiếu giải pháp để tìm ra mức tồn kho cơ bản. Đề nghị nghiên cứu thêm giải pháp khác để
giá trị tối ưu của khoảng thời gian đặt hàng cố định. Nó có thể được nghiên cứu bằng cách nghiên cứu đối mặt với những thay đổi của thời gian dẫn.
sự đánh đổi giữa các thước đo hiệu suất. Mặt khác,
nghiên cứu khả thi của việc thực hiện phương pháp đánh giá liên tục Nhìn nhận
trong tình huống nguy cấp cũng được đề xuất như một sự bổ sung cho phương pháp
đánh giá định kỳ được thảo luận trong nghiên cứu này, bởi vì các nhà phân phối Tôi vô cùng biết ơn những ý kiến đóng góp quý báu và chi tiết của
thường cho phép các nhà bán lẻ phát hành đơn đặt hàng khẩn cấp với thời gian thực hiện ngắn hơn người đánh giá ẩn danh. Đồng thời tôi cũng xin gửi lời cảm ơn tới lãnh đạo của
trong những tình huống nguy cấp nhằm giảm thiểu khiếu nại của khách hàng. ARIAN MOTOR Co. nhà phân phối độc quyền của Mitsubishi Motors
Loại thiếu hụt trong nghiên cứu này là đặt hàng ngược. Doanh số bán hàng cũng bị mất công ty ở IRAN vì sự hỗ trợ của họ trong việc thu thập các yêu cầu
xảy ra trong những vấn đề thực tế. Vì vậy cần phải nghiên cứu tất cả các loại thông tin.
Phụ lục A. Dạng toán của lý thuyết tập thô
Lý thuyết về tập thô tìm cách cung cấp khả năng suy luận gần đúng từ dữ liệu không chắc chắn và mơ hồ (Peters & Skowron, 2007;
Parsons, 1994). Lý thuyết này cho phép các nhà nghiên cứu trích xuất các mẫu và quy tắc từ bất kỳ kích thước nào của tập dữ liệu. Việc trích xuất các quy tắc này được thực hiện sau
hoạt động tìm (các) tập rút gọn thuộc tính tối thiểu. Vì vậy, việc rút gọn các thuộc tính là một khái niệm cơ bản trong lý thuyết tập thô (Parsons,
1994; Pawlak, 1998, 2004). Khi kết thúc quá trình tìm kiếm các tập rút gọn thuộc tính tối thiểu, hệ thống thông tin mới sẽ giống hệt
là hệ thống thông tin ban đầu về trạng thái của các lớp, với sự khác biệt là trong hệ thống thông tin mới, các thuộc tính dư thừa
không ảnh hưởng đến việc phân loại tập dữ liệu ban đầu sẽ bị xóa (Raza & Qamar, 2017).
Một hệ thống thông tin được vận hành bằng lý thuyết tập thô đã được trình bày trong biểu thức. (12) (Pawlak, 1981):
= ( f, , ,)
SUAV (12)
U là vũ trụ và bao gồm tập hữu hạn khác rỗng của các mục. Trong nghiên cứu gần đây, vũ trụ bao gồm tất cả các số phần của nhóm được công nhận
ô tô. A là ký hiệu của tập thuộc tính hữu hạn khác rỗng (Pawlak, 1981):
ACD = (13)
C là tập các thuộc tính có điều kiện là cc 1 2 , , , cn và D là thuộc tính quyết định là d1. Thuộc tính quyết định được sử dụng để phân loại các mục, trong khi
các thuộc tính có điều kiện được sử dụng để giải thích kết quả phân loại được đề cập.
Trong phương trình. (12), ký hiệu V hiển thị các giá trị thu được cho từng mục trên bất kỳ thuộc tính nào và cuối cùng f biểu thị hàm thông tin (Pawlak, 1981):
V. Va =
một A (14)
f (ui),a Va bạn U a,A

Tôi
(15)
Mối quan hệ không thể phân biệt được liên quan đến các mục có giá trị bằng nhau ở một hoặc nhiều thuộc tính. Vì vậy, rõ ràng mối quan hệ này phụ thuộc vào
tập hợp các thuộc tính được chọn để kiểm tra mối quan hệ này. Nếu tập hợp đó được biểu diễn bằng ký hiệu B thì mối quan hệ không thể phân biệt được liên kết
với tập B, bản thân nó là tập con của tập tất cả các thuộc tính (A), được định nghĩa như sau (Komorowski, Pawlak, Polkowski, & Skowron, 1999):
IND(B/U) B
{(bxby
, ) (
| )}
, (× ) = xy UU b = (16)
Mối quan hệ không thể phân biệt chia vũ trụ thành một hoặc nhiều lớp được biểu thị bằng U/IND(B) . Tất cả các mục được đặt trong nhóm
số tôi , tạo thành một lớp tương đương được ký hiệu là [ ] Xi IND B( ) .
Mối quan hệ rõ ràng của P đối với PA như sau (Komorowski và cộng sự, 1999):
DIS (P/U) ={( pxpy ×) xy

, ) ,( ()} | UU p P (17)
Nó không phải là một quan hệ tương đương vì nó không phù hợp với các đặc tính phản xạ và bắc cầu. Mối quan hệ này dẫn đến ma trận phân biệt hình thức.
Giả sử chúng ta đã chuyển mối quan hệ khả năng phân biệt sang ma trận chứa đối tượng x ở hàng và đối tượng y ở cột. Là một phần tử của
ma trận này, tập hợp các thuộc tính có giá trị khác nhau theo đối tượng x và y đã được viết. Sự kết hợp của các yếu tố này được gọi là
các điều khoản (Komorowski và cộng sự, 1999).
Trong lý thuyết tập thô, đây là một giả định bi quan rằng một tập hợp các đối tượng không đủ để mô tả các giá trị mà một thuộc tính cụ thể
đã lấy đi. Về vấn đề này, các phép tính gần đúng dưới và trên được sử dụng đồng thời để diễn giải kết quả quan sát được. Xấp xỉ trên là
được hình thành bởi tất cả các đối tượng có thể mô tả kết quả trong khi phép tính gần đúng thấp hơn bao gồm tất cả các mục có thể xác định kết quả mà không có bất kỳ mục nào
tính không chắc chắn. Người ta có thể coi xấp xỉ thấp hơn như một tập hợp các đối tượng thỏa mãn mối quan hệ không thể phân biệt được. Giả sử kết quả là Y , bây giờ để
giải thích mối quan hệ không thể phân biệt được của Y theo B , các phương trình. (18) và (19) cho các phép tính gần đúng trên và dưới được xem xét (Pawlak, 1982).
¯
BỞI x
= U{ x |[ ]IND B( )
Y } (18)
BỞI =x {
U x |[ ] IND (
B ) Y }
_ (19)
Đôi khi, cả xấp xỉ trên và xấp xỉ dưới đều bằng nhau. Trong trường hợp này Y được gọi là tập rõ đối với B , nếu không thì Y được đặt thô
đối với B và sự khác biệt giữa xấp xỉ trên và xấp xỉ dưới được gọi là vùng biên như biểu thức. (20) (Pawlak, 1982).
¯
BND Y B BỞI
( ) = (20)
_
Các định nghĩa cơ bản bắt buộc khác về RST sẽ được trình bày liên quan đến bảng quyết định như một loại hệ thống thông tin. Trong bảng quyết định có
cho rằng giá trị của thuộc tính có điều kiện ảnh hưởng đến giá trị của thuộc tính quyết định (Pawlak, 1982). Chúng ta thường chỉ phải đối mặt với một thuộc tính quyết định
trong các nghiên cứu gần đây, nhưng nó không phải là một quy luật tuyệt đối mãi mãi. Chúng ta sử dụng các thuộc tính quyết định để phân loại đối tượng và áp dụng các thuộc tính có điều kiện để mô tả
19
M. Mehdizadeh
Máy tính & Kỹ thuật công nghiệp xxx (xxxx) xxxx
kết quả phân loại nêu trên. Trong bài báo này, chúng tôi trình bày mô hình của mình theo một thuộc tính quyết định là tập con d của D . Vì vậy, ma trận phân biệt của
bảng quyết định đã đề cập sẽ được hình thành bởi phương trình. (21):
) =UU{(b, B) (d )D ×bxbydxdy
DIS (BD/ xy | BC, ,( ( ) ( ) ( ))}, (21)
Phương trình. (21) cho thấy mối quan hệ rõ ràng tương đối B trong bảng quyết định.
Bây giờ người ta có thể coi Di là giá trị thứ i của thuộc tính quyết định. Nếu B là tập hợp các thuộc tính có điều kiện được sử dụng để diễn giải Di thì một số
giá trị duy nhất của chúng có thể dẫn đến Di và các giá trị khác dẫn đến các giá trị khác. Trong trường hợp này, vùng biên chứa một số đối tượng không thể xác định Di
một cách tuyệt đối và các đối tượng có thuộc tính quyết định Di tạo thành một tập thô đối với B.
Do đó, trong ma trận khả năng phân biệt của một bảng quyết định nhất định, hai mục sẽ khác nhau về quan điểm về các giá trị của thuộc tính quyết định và
ít nhất là các giá trị của một trong các thuộc tính có điều kiện, nếu không thì không có bất kỳ mối quan hệ rõ ràng nào giữa chúng.
Tập hợp của B xấp xỉ thấp hơn của tất cả các giá trị thuộc tính quyết định được gọi là vùng dương hoặc đối tượng nhất quán và được ghi chú bằng biểu thức. (22)
(Pawlak, 1982):
POS BDBD =
( )tôi ( ), 1 tôi
_ (22)
Và sự kết hợp của các vùng biên cho thấy các đối tượng có thể được định nghĩa một cách đại khái đối với B (Pawlak, 1982):
¯
BND BD( ) ( = BDBD
( ) ( )), 1 tôi
(23)
Tôi Tôi
Trong bảng quyết định, hàm phụ thuộc đo lường độ mạnh của mối quan hệ giữa các giá trị thuộc tính quyết định và giá trị của một hoặc nhiều đại lượng thuộc tính có
điều kiện. Nếu C là tập hợp tất cả các thuộc tính có điều kiện thì sự phụ thuộc của các thuộc tính này và thuộc tính quyết định sẽ được thể hiện bằng biểu thức. (24),
liên quan đến điểm | | là dấu hiệu của lực lượng (Pawlak, 1982):
|POS DC ( )|
D =
C ( )
|Bạn | (24)
C ( ) 1 D =, có nghĩa là có mối quan hệ hoàn hảo giữa C và D . Nói cách khác, tất cả các lớp do D tạo ra đều là các tập rõ ràng đối với C (Pawlak, 1982).
NẾU NHƯ
Bây giờ chúng ta có thể tìm kiếm sự đóng góp khác của các thuộc tính có điều kiện, ví dụ R mà mức độ phụ thuộc của nó sẽ bằng tình huống C nếu RB R, . Trong này
, R được gọi là rút gọn của C.

Trong tập rút gọn R , nếu POSĐỎ a{ } (D POS
) D ( )“a”
REDđược
, gọi là không thể thiếu đối với tất cả các thuộc tính của tập rút gọn hoặc bất kỳ đóng góp nào của
chúng. Nói cách khác, tập rút gọn không thể bảo toàn quan hệ không phân biệt được sau khi loại bỏ a. Nếu tất cả các thuộc tính trong tập rút gọn là không thể thiếu
thì chúng ta sẽ có R là tập rút gọn tối thiểu (Pawlak, 1982). Do đó, trong bảng quyết định, tập rút gọn tối thiểu R phải có các thuộc tính như trong các biểu thức.
(25) và (26):
)= D ( )
POS RD (POS C (25)
POS R Da{POS
}( ) D a R ( ), C (26)
Giao điểm của tất cả các tập rút gọn tối thiểu trong bảng quyết định có thể trống hoặc chứa (các) thuộc tính chung. Trong cả hai trường hợp, bộ này được gọi là
cốt lõi của bảng quyết định (Sudha & Kumaravel, 2017).
Mặc dù tất cả các thuộc tính trong tập rút gọn tối thiểu là không thể thiếu để duy trì mối quan hệ khả năng phân biệt, nhưng để trích xuất một luật từ một đối
tượng đặc biệt, đôi khi không cần phải có tất cả các thuộc tính được đề cập. Điều quan trọng là sau hoặc thậm chí tại cùng thời điểm giảm thuộc tính, các lõi của mỗi
hàng trong bảng quyết định cũng được tìm thấy. Cuối cùng, giao điểm của các giá trị từ các thuộc tính có điều kiện còn lại cho các đối tượng hiện tại sẽ tạo thành
'mệnh đề if' của quy tắc và giá trị của thuộc tính quyết định sẽ được đặt trong 'mệnh đề then' của quy tắc đã đề cập (Kusiak, 2000; Zou, Tseng, Sohn , Song, & Gutierrez, 2011).
Người giới thiệu Chen, Y., Li, KW, Levy, J., Hipel, KW, & Kilgour, DM (2008). Một cách tiếp cận tập hợp thô để phân
tích ABC theo nhiều tiêu chí. Giao dịch trên bộ thô VIII (trang 35–52). Berlin, Heidelberg:
Springer.
Arshinder, K., Kanda, A., & Deshmukh, SG (2011). Đánh giá về chuỗi cung ứng Clark, P., & Niblett, T. (1989). Thuật toán cảm ứng CN2. Học máy, 3(4),
điều phối: Cơ chế phối hợp, quản lý sự không chắc chắn và hướng nghiên cứu. 261–283.
Phối hợp chuỗi cung ứng trong điều kiện không chắc chắn (trang 39–82). Berlin, Heidelberg: Springer. Eaves, AH, & Kingsman, BG (2004). Dự báo việc đặt hàng và tồn kho phụ tùng thay thế. Tạp chí của
Bacchetti, A., & Saccani, N. (2012). Phân loại phụ tùng và dự báo nhu cầu để kiểm soát Hiệp hội Nghiên cứu Hoạt động, 55(4), 431–437. https://doi. org/10.1057/palgrave.jors.2601697.
hàng tồn kho: Điều tra khoảng cách giữa nghiên cứu và thực tiễn. Ô-ga, 40(6), 722–
737. Costantino, F., Di Gravio, G., Shaban, A., & Tronci, M. (2014). Tác động của việc chia sẻ thông
Bakker, M., Riezebos, J., & Teunter, RH (2012). Đánh giá hệ thống kiểm kê với tin và phối hợp kiểm soát hàng tồn kho đối với hoạt động của chuỗi cung ứng. Máy tính & Kỹ
xuống cấp kể từ năm 2001. Tạp chí Nghiên cứu Hoạt động Châu Âu, 221(2), 275–284. thuật Công nghiệp, 76, 292–306.
Boylan, JE, & Syntetos, AA (2010). Quản lý phụ tùng thay thế: Đánh giá về nghiên cứu dự báo và mở Disney, SM, & Lambrecht, MR (2008). Về các quy tắc bổ sung, dự báo và hiệu ứng roi da trong chuỗi
rộng. Tạp chí Toán học Quản lý IMA, 21(3), 227–237. cung ứng. Nền tảng và Xu hướng® trong Công nghệ, Quản lý Thông tin và Hoạt động, 2(1), 1–80.
Boylan, JE, Syntetos, AA, & Karakostas, GC (2006). Phân loại để dự báo và kiểm soát hàng tồn kho: do Rego, JR, & de Mesquita, MA (2015). Dự
Một nghiên cứu điển hình. Tạp chí của Hiệp hội Nghiên cứu Hoạt động, 59(4), 473–481. báo nhu cầu và kiểm soát hàng tồn kho: Nghiên cứu mô phỏng về phụ tùng ô tô. Tạp chí Quốc tế Kinh
https://doi.org/10.1057/palgrave.jors.2602312. tế Sản xuất, 161, 1–16.
Hội trưởng, D., & Meissner, J. (2011). Định cấu hình hệ thống một cấp bằng cách sử dụng phân
loại nhu cầu. Quản lý bộ phận dịch vụ (trang 203–219). Luân Đôn: Springer. Engelmeyer, T. (2016). Quản lý nhu cầu không liên tục. Wiesbaden: Springer Fachmedien Wiesbaden
Cavalieri, S., Perona, M., Pinto, R., & Saccani, N. (2006). Dịch vụ hậu mãi bền bỉ GmbH.
hàng tiêu dùng: Trường hợp của ngành công nghiệp Ý. Flores, BE, & Whybark, DC (1986). Phân tích đa tiêu chí ABC. Tạp chí Quốc tế về Quản lý Vận hành
Celotto, E., Ellero, A., & Ferretti, P. (2012). Dự báo nhu cầu dịch vụ du lịch ngắn hạn và trung & Sản xuất, 6(3), 38–46. https://doi.org/10.1108/ eb054765.
hạn bằng lý thuyết tập thô. Thủ tục Kinh tế và Tài chính, 3, 62–67. https:// doi.org/10.1016/
s2212-5671(12)00121-9. Geunes, J. (2002). Cơ sở quản lý hàng tồn kho. Giao diện, 32(1), 105.
Chaharsooghi, SK, & Heydari, J. (2010). Điều phối chuỗi cung ứng cho liên doanh Goodarzi, M., Makvandi, P., Saen, RF, & Sagheb, MD (2017). Nguyên nhân gây ra hiệu ứng bullwhip
chấm dứt số lượng đặt hàng và điểm đặt hàng lại bằng tùy chọn tín dụng. Tạp chí Nghiên cứu dòng tiền trong chuỗi cung ứng tập trung và phi tập trung là gì ? Mô hình toán học
Hoạt động Châu Âu , 204(1), 86–95. ứng dụng , 44, 640–654.
Chen, Y., Li, KW, Levy, J., Hipel, KW, & Kilgour, DM (2006). Phân tích ABC theo nhiều tiêu chí. Goyal, S., & Giri, B. (2003). Bài toán sản xuất-tồn kho của một sản phẩm có nhu cầu, tốc độ sản
Tập hợp thô và các xu hướng tính toán hiện tại Ghi chú bài giảng về khoa học máy tính, 328– xuất và tỷ lệ hư hỏng thay đổi theo thời gian. Tạp chí Nghiên cứu Hoạt động Châu Âu, 147(3),
337. https://doi.org/10.1007/11908029_35. 549–557. https://doi.org/10.1016/s0377-2217(02)00296-5.
20
M. Mehdizadeh
Máy tính & Kỹ thuật công nghiệp xxx (xxxx) xxxx
Greco, S., Matarazzo, B., & Slowinski, R. (1999). Việc sử dụng tập thô và tập mờ trong MCDM. Chuỗi quốc Peters, JF, & Skowron, A. (2007). Cuộc đời và sự nghiệp của Zdzisław Pawlak (1926–2006).
tế về Nghiên cứu Hoạt động & Khoa học Quản lý Ra quyết định đa tiêu chí, 397–455. https://doi.org/ Khoa học thông tin, 177(1), 1–2. https://doi.org/10.1016/j.ins.2006.06.004.
10.1007/978-1-4615-5025-9_14. Protopappa-Sieke, M., & Seifert, RW (2010). Các phép đo hiệu suất hoạt động và tài chính liên quan đến
Greco, S., Matarazzo, B., & Slowinski, R. (2002). Xấp xỉ thô theo sự thống trị kiểm soát hàng tồn kho. Tạp chí Nghiên cứu Hoạt động Châu Âu, 204(3), 439–448.
quan hệ. Tạp chí Quốc tế về Hệ thống Thông minh, 17(2), 153–171. https://doi.org/ 10.1002/int.10014.
Quinlan, JR (1993). C 4.5: Các chương trình học máy. Loạt bài Morgan Kaufmann về học máy, San Mateo, CA:
Grzymala-Busse, JW (1994, tháng 6). Quản lý sự không chắc chắn trong học máy từ các ví dụ. Trong Proc. Morgan Kaufmann,| c1993.
int thứ 3. Sym. trong các hệ thống thông minh (Tập 70, trang 84). Ravinder, H., & Misra, RB (2014). Phân tích ABC để quản lý hàng tồn kho: Thu hẹp khoảng cách giữa nghiên
Haghighi, SM, Torabi, SA, & Ghasemi, R. (2016). Một cách tiếp cận tích hợp để đánh giá hiệu quả hoạt cứu và lớp học. Tạp chí Giáo dục Kinh doanh Hoa Kỳ, 7(3), 257–264.
động trong mạng lưới chuỗi cung ứng bền vững (với một nghiên cứu điển hình).
Tạp chí Sản xuất sạch hơn, 137, 579–597. Raza, MS, & Qamar, U. (2017). Xác định lại các khái niệm sơ bộ cốt lõi của lý thuyết tập thô cổ điển để
Herbert, J., & Yao, J. (2005). Phân tích dữ liệu chuỗi thời gian với các tập thô. CIEF, 4, 908–911. lựa chọn tính năng. Ứng dụng kỹ thuật của trí tuệ nhân tạo, 65, 375–387.
Holcomb, MC (2010). Những thách thức và cơ hội trong hội nhập chuỗi cung ứng toàn cầu.
Quản lý các mối quan hệ trong chuỗi cung ứng toàn cầu Hoạt động, chiến lược và thực tiễn: Roda, I., Macchi, M., Fumagalli, L., & Viveros, P. (2014). Đánh giá đa tiêu chí
Hoạt động, chiến lược và thực tiễn, 99. phân loại phụ tùng: Từ phân tích tài liệu đến bằng chứng công nghiệp. Tạp chí Quản lý Công nghệ Sản
Hu, Q., Chakhar, S., Siraj, S., & Labib, A. (2017). Phân loại phụ tùng thay thế trong sản xuất công xuất, 25(4), 528–549.
nghiệp bằng cách sử dụng phương pháp tập thô dựa trên ưu thế. Tạp chí Nghiên cứu Hoạt động Châu Âu, Sabri, EH, & Beamon, BM (2000). Một cách tiếp cận đa mục tiêu để lập kế hoạch chiến lược và hoạt động
262(3), 1136–1163. https://doi.org/10.1016/j.ejor.2017.04. 040. đồng thời trong thiết kế chuỗi cung ứng. Omega, 28(5), 581–598. https://doi.org/10.1016/
s0305-0483(99)00080-8.
Hua, ZS, Zhang, B., Yang, J., & Tan, DS (2007). Một cách tiếp cận mới về dự báo trong Sani, B., & Kingsman, BG (1997). Lựa chọn phương pháp kiểm soát hàng tồn kho định kỳ và dự báo nhu
nhu cầu tồn kho phụ tùng thay thế trong các ngành công nghiệp chế biến không ngừng tăng lên. Tạp chí cầu tốt nhất cho các mặt hàng có nhu cầu thấp. Tạp chí của Hiệp hội Nghiên cứu Hoạt động,
của Hiệp hội Nghiên cứu Hoạt động, 58(1), 52–61. 48(7), 700–713. https://doi.org/10.1038/sj.jors.260041.
Iqbal, Q., & Malzahn, D. (2017). Đánh giá khả năng phân biệt của mô hình đơn tiêu chí và đa tiêu chí đối Slowiński, R. (1993). Học tập sơ bộ về thái độ ưu tiên trong việc ra quyết định đa tiêu chí . Hội nghị
với việc phân loại hàng tồn kho. Máy tính & Kỹ thuật Công nghiệp, 104, 219–223. chuyên đề quốc tế tháng 6 về phương pháp luận cho hệ thống thông minh (trang 642–651 ). Berlin,
Heidelberg: Springer.
Kareem, B., & Lawal, A. (2015). Dự đoán lỗi phụ tùng của ô tô trong điều kiện tới hạn. Phân tích lỗi kỹ Stefanowski, J. (1998). Về các cách tiếp cận dựa trên tập thô để đưa ra các quy tắc quyết định.
thuật, 56, 69–79. https://doi.org/10. 1016/j.engfailanal.2015.04.011. Tập thô trong khám phá tri thức, 1(1), 500–529.
Sudha, M., & Kumaravel, A. (2017). Phân tích so sánh giữa lý thuyết tập thô và các thuật toán khai thác
Komorowski, J., Pawlak, Z., Polkowski, L., & Skowron, A. (1999). Bộ thô: Hướng dẫn. dữ liệu về dự đoán của chúng. Tạp chí Toán học thuần túy và ứng dụng toàn cầu , 13(7), 3249–
Phép lai mờ thô: Một xu hướng mới trong việc ra quyết định, trang 3–98. 3260.
Kusiak, A. (2000). Trí tuệ tính toán trong thiết kế và sản xuất. John Wiley & Syntetos, A., Keyes, M., & Babai, M. (2009). Phân loại nhu cầu trong mạng lưới hậu cần phụ tùng châu Âu.
Con trai. Tạp chí Quốc tế về Quản lý Vận hành & Sản xuất, 29(3), 292–316. https://doi.org/10.1108/01443570910939005.
Larson, PD (2001). Thiết kế và quản lý chuỗi cung ứng: khái niệm, chiến lược và nghiên cứu trường hợp,
David Simchi-Levi Philip Kaminsky Edith Simchi-Levi. Tạp chí Hậu cần Kinh doanh, 22(1), 259– Tayur, S., Ganeshan, R., & Tạp chí, M. (1999). Giới thiệu. Chuỗi quốc tế về Khoa học Quản lý & Nghiên
261. https://doi.org/10.1002/j.2158-1592.2001. tb00165.x. cứu Hoạt động Mô hình định lượng cho Quản lý Chuỗi Cung ứng, 1–6. https://doi.org/
10.1007/978-1-4615-4949-9_1.
Li, J., & Cercone, N. (2005). Một mô hình dựa trên tập hợp thô để xếp hạng tầm quan trọng của Torres, OAC, & Morán, FAV (Biên tập). (2006). Hiệu ứng roi da trong chuỗi cung ứng: Đánh giá về các
quy tắc hội. Tập thô, Tập mờ, Khai thác dữ liệu và Tính toán dạng hạt, 109–118. phương pháp, thành phần và trường hợp. Palgrave Macmillan.
Liu, Z., & Qiao, C. (2009). Nghiên cứu dự báo hạn hán dựa trên lý thuyết tập thô. Năm 2009, Hội nghị Tsumoto, S. (2002). Độ chính xác và phạm vi bao phủ trong việc quy nạp quy tắc tập thô. Bộ thô và hiện tại
chuyên đề quốc tế lần thứ hai về khoa học và kỹ thuật thông tin. doi:10.1109/isise.2009.61. xu hướng trong điện toán. Berlin/Heidelberg: Springer 950–950.
Vollmann, TE, Whybark, DC, & Berry, WL (2011). Hệ thống lập kế hoạch và kiểm soát sản xuất để quản lý
Lun, Y., Lai, K., & Cheng, T. (2010). Quản lý vận tải và hậu cần. https://doi.org/ chuỗi cung ứng. New York: McGraw-Hill.
10.1007/978-1-84882-997-8. Wagner, HM (2002). Và rồi đây không có một ai. Nghiên cứu Hoạt động, 50(1), 217–226.
Mentzer, JT, Dewitt, W., Keebler, JS, Min, S., Nix, NW, Smith, CD, & Zacharia, Z. Wang, X., & Disney, SM (2016). Hiệu ứng roi da: Tiến bộ, xu hướng và phương hướng.
G. (2001). Định nghĩa quản lý chuỗi cung ứng Tạp chí Hậu cần Kinh doanh, 22(2), 1–25. https:// Tạp chí Nghiên cứu Hoạt động Châu Âu, 250(3), 691–701. https://doi.org/10.1016/ j.ejor.2015.07.022.
doi.org/10.1002/j.2158-1592.2001.tb00001.x.
Michalski, RS, Mozetic, I., Hong, J., & Lavrac, N. (1986). Hệ thống học tập tăng dần đa mục đích AQ15 và Wang, X., Yang, J., Jensen, R., & Liu, X. (2006). Lựa chọn và quy tắc tính năng tập thô
ứng dụng thử nghiệm của nó cho ba lĩnh vực y tế. Proc. cảm ứng để dự đoán mức độ ác tính trong u thần kinh đệm não. Phương pháp và chương trình máy tính
AAAI, 1986 1-041. trong y sinh, 83(2), 147–156.
Molenaers, A., Baets, H., Pintelon, L., & Waeyenbergh, G. (2012). Phân loại mức độ quan trọng của phụ Chúng tôi, T. (2011). Đánh giá định kỳ hệ thống kiểm kê: Phân tích hiệu suất và tối ưu hóa
tùng thay thế: Một nghiên cứu điển hình. Tạp chí Quốc tế về Kinh tế Sản xuất, 140(2), 570–578. hệ thống tồn kho trong chuỗi cung ứng. Mùa xuân.
https://doi.org/10.1016/j.ijpe.2011.08.013. Willemain, TR, Smart, CN, & Schwarz, HF (2004). Một cách tiếp cận mới để dự báo nhu cầu không liên tục
Mukhopadhyay, SK, Pathak, K., & Guddu, K. (2003). Phát triển hệ thống hỗ trợ quyết định để kiểm soát tồn đối với hàng tồn kho phụ tùng dịch vụ. Tạp chí dự báo quốc tế, 20(3), 375–387.
kho ở cấp khu vực trong các mỏ. IE (I) Tạp chí-MN, 84, 11–16.
Parsons, S. (1994). Tập thô – các khía cạnh lý thuyết của việc phản ánh dữ liệu của Zdzislaw Pawlak, Xiao, Y., Zhang, R., & Kaku, I. (2011). Một cách tiếp cận mới về phân loại hàng tồn kho dựa trên lợi
Kluwer Academic, Hà Lan, 1991, trang 229, £56,00, ISBN 0-792-31472-7. Tạp chí Kỹ thuật Kiến nhuận thua lỗ. Hệ thống chuyên gia với các ứng dụng, 38(8), 9382–9391. https://doi.org/10. 1016/
thức, 9(02), 214. doi:10.1017/ s0269888900006883. j.eswa.2011.01.127.
Zhu, S., Dekker, R., Jaarsveld, WV, Renjie, RW, & Koning, AJ (2017). Một phương pháp cải tiến để dự báo
Pawlak, Z. (1981). Cơ sở lý thuyết về hệ thống thông tin. Hệ thống thông tin, 6(3), nhu cầu phụ tùng thay thế bằng lý thuyết giá trị cực trị. Tạp chí Nghiên cứu Hoạt động Châu Âu,
205–218. https://doi.org/10.1016/0306-4379(81)90023-5. 261(1), 169–181. https://doi.org/10.1016/j.ejor.
Pawlak, Z. (1982). Bộ thô. Tạp chí Quốc tế về Khoa học Thông tin & Máy tính, 11(5), 341–356. https:// 2017.01.053.
doi.org/10.1007/bf01001956. Zimmerman, GW (1975). ABC của Vilfredo Pareto. Quản lý sản xuất và tồn kho , 16(3), 1–9.
Pawlak, Z. (1998). Lý thuyết tập thô và ứng dụng của nó trong phân tích dữ liệu Điều khiển học và Hệ
thống, 29(7), 661–688. https://doi.org/10.1080/019697298125470. Zou, Z., Tseng, TLB, Sohn, H., Song, G., & Gutierrez, R. (2011). Một cách tiếp cận dựa trên tập hợp
Pawlak, Z. (2004). Một số vấn đề về tập thô. Giao dịch trên các tập thô I Ghi chú bài giảng về Khoa học thô để lựa chọn nhà phân phối trong quản lý chuỗi cung ứng. Hệ thống chuyên gia với các ứng dụng,
máy tính, 1–58. https://doi.org/10.1007/978-3-540-27794-1_1. 38(1), 106–115.
21

T N Kho Abc

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

T N Kho Abc

Uploaded by

Copyright:

Available Formats

Machine Translated by Google

Máy tính & Kỹ thuật Công nghiệp xxx (xxxx) xxxx

Danh sách nội dung có sẵn tại ScienceDirect

Máy tính & Kỹ thuật công nghiệp

trang chủ tạp chí: www.elsevier.com/locate/caie

THÔNG TIN BÀI VIẾT TRỪU TƯỢNG

nơi xe được bán) đều là nhà phân phối.

0360-8352/ © 2019 Elsevier Ltd. Mọi quyền được bảo lưu.

Molenaers, Baets, Pintelon và Waeyenbergh (2012) đề xuất tiếp theo.

Các hệ thống kiểm soát hàng tồn kho chính.

( , ) Kích thước lệnh cố định ( ) Q và khoảng thời gian ( )r (r,Q)

rQ Khoảng thời gian đặt hàng cố định ( )r , lên đến cấp độ () S ( r

(Q , ) s S ( , ) Đã sửa lỗi điểm sắp xếp lại, lên cấp S s( Q, , ) s ST hoặc ( , ) s S

kho vật lý và IP cũng có thể theo dõi được.

3.2. Giả định

Hình 3. Biểu đồ kiểm soát tồn kho trong mô hình đề xuất.

j Chỉ mục cho biết một số bộ phận trong yêu cầu từ

hàng hàng ngày được báo cáo bởi

ký hiệu của Bảng 2, phương trình. (7)–(11) được trình bày:

đánh giá mô hình đề xuất: MD ley .E

tô vào đầu và cuối mỗi kỳ, | lle ,TSA TS le < N ( ) TS N TS MDle MD

số km xe đã đăng ký tại các cơ sở sửa chữa. Sau đó

sẽ được xếp vào nhóm W trong kỳ tiếp theo. ,

chúng phải thay đổi thành một trong các ký tự A.

Coi X như một bộ đếm để phân loại

Xếp phụ tùng vào nhóm B

Đối với một bộ phận không có

nhu cầu trong kỳ, đã có ít nhất

Xếp phụ tùng vào nhóm W

Phần số. 1 MỘT B B B C B B

Thuộc tính có điều kiện Thuộc tính quyết định

× B × mức tồn kho trong thời gian quy hoạch.

Bảng 7 tích ABC của bộ phận.

chọn cho số hỗ trợ, độ chính xác,

Các nguyên tắc quyết định được rút ra Bảng 4.

1 NẾU( (B THÌ C ( ) ×××

số tiền này đã được giới thiệu trong nghiên cứu này.

Với mỗi quy tắc, hãy tính số đo

Độ chính xác < 0,85 Đúng

Độ che phủ < 0,01 Đúng

Xóa quy tắc có liên quan khỏi bộ quy tắc

Các quy tắc còn lại là

Tham khảo mã gốc của số bộ phận và tìm tiêu chí ABC

Mức tồn kho cơ bản = (Giá trị của tiêu

chí ABC)*(Tăng tổng số dặm trong giai đoạn lập kế

WWWAAAAAAAAABAAABA NẾU CAB

ASX/GA2W/XTHHZL6Z/S44/2012 2/8/2012 213 2171

bộ phận phụ tùng.

cách tiếp cận phân loại của nó.

ngân sách hạn chế.

r = 20 . Ngoài ra, từ 309.040 sự kiện đặt hàng ngược của

được phát hành mỗi tháng. Kết quả là,

sự đánh đổi giữa các thước đo hiệu suất. Mặt khác,

Phụ lục A. Dạng toán của lý thuyết tập thô

f (ui),a Va bạn U a,A

DIS (P/U) ={( pxpy ×) xy

, R được gọi là rút gọn của C.

thức, 9(02), 214. doi:10.1017/ s0269888900006883. j.eswa.2011.01.127.

205–218. https://doi.org/10.1016/0306-4379(81)90023-5. 261(1), 169–181. https://doi.org/10.1016/j.ejor.

máy tính, 1–58. https://doi.org/10.1007/978-3-540-27794-1_1. 38(1), 106–115.

You might also like