چگونه فرمول مقدار سفارش اقتصادی، اندازه بهینه انباشته‌های موجودی را تعیین می‌کند

اندازه بهینه یک انباشته موجودی دقیقاً در نقطه تقاطع ریاضی تعیین می‌شود که در آن هزینه ثبت سفارش با هزینه نگهداری کالا در انبار برابر است. این نقطه تعادل — که از طریق محاسبه جذر دو برابر تقاضای سالانه ضرب در هزینه راه‌اندازی، تقسیم بر هزینه نگهداری به دست می‌آید — تعیین می‌کند که چگونه میلیون‌ها دلار سرمایه در گردش در سراسر زنجیره‌های تامین جهانی به کار گرفته شود. زمانی که یک مدیر تدارکات تصمیم می‌گیرد که آیا ۱۰,۰۰۰ واحد را یک بار در فصل سفارش دهد یا ۲,۵۰۰ واحد را هر سه هفته یک‌بار، او به این معادله تکیه می‌کند تا از حبس شدن سرمایه مازاد در قفسه‌های انبار جلوگیری کرده و در عین حال تضمین کند که خطوط تولید هرگز متوقف نمی‌شوند.[2]

این فرمول که با نام مقدار سفارش اقتصادی (EOQ) شناخته می‌شود، برای نخستین بار در سال ۱۹۱۳ توسط فورد ویتمن هریس، مهندسی در شرکت تولیدی و الکتریکی وستینگهاوس معرفی شد. هریس دریافت که عملیات تولید با یک تنش بنیادین مواجه است: سفارش در مقادیر زیاد، هزینه‌های اداری و راه‌اندازی به ازای هر واحد را کاهش می‌دهد، اما همزمان سرمایه مورد نیاز برای ذخیره‌سازی، بیمه و تامین مالی آن موجودی را بالا می‌برد.[1]

هریس در مقاله تاثیرگذار خود در سال ۱۹۱۳ نوشت: «مسئله این است که آن مقدار خاص برای تولید در یک انباشته واحد پیدا شود که کل هزینه را به حداقل برساند.» بیش از یک قرن بعد، راه‌حل ریاضی او همچنان بستر اصلی نرم‌افزارهای مدرن مدیریت موجودی است و همه چیز را از تدارکات قطعات خودرو گرفته تا تجدید موجودی خرده‌فروشی‌ها کنترل می‌کند.[1]

سازوکار فرمول EOQ بر سه ورودی مشخص استوار است. مورد اول تقاضای سالانه است که نشان‌دهنده کل تعداد واحدهایی است که یک کسب‌وکار انتظار دارد در یک دوره ۱۲ ماهه بفروشد یا مصرف کند. مورد دوم هزینه راه‌اندازی یا سفارش است که هزینه‌های ثابتی را در بر می‌گیرد که هر بار یک انباشته جدید پردازش می‌شود — از جمله هزینه‌های حمل و نقل، نیروی کار اداری و کالیبراسیون ماشین‌آلات.[3]

متغیر سوم هزینه نگهداری یا حمل است که به عنوان هزینه ذخیره‌سازی یک واحد موجودی برای یک سال بیان می‌شود. محاسبه هزینه‌های نگهداری به شدت پیچیده است، زیرا باید اجاره انبار، حق بیمه، استهلاک، ریسک منسوخ شدن و هزینه فرصت سرمایه درگیر در کالاها را در نظر بگیرد.[4]

هنگامی که این متغیرها روی یک نمودار رسم می‌شوند، دو منحنی متمایز را تشکیل می‌دهند. منحنی کل هزینه سفارش با افزایش اندازه انباشته‌ها به سمت پایین شیب پیدا می‌کند، زیرا هزینه‌های ثابت راه‌اندازی روی تعداد بیشتری از واحدها سرشکن می‌شود. در مقابل، منحنی کل هزینه نگهداری در یک خط مستقیم به سمت بالا شیب دارد، زیرا انباشته‌های بزرگتر به فضای انبار و سرمایه بیشتری نیاز دارند.[3]

مقدار EOQ دقیقاً در پایین‌ترین نقطه منحنی کل هزینه قرار دارد، که از نظر ریاضی دقیقاً در جایی رخ می‌دهد که منحنی هزینه سفارش و منحنی هزینه نگهداری یکدیگر را قطع می‌کنند. با محاسبه جذر صورت کسر (دو برابر تقاضا ضرب در هزینه راه‌اندازی) تقسیم بر مخرج کسر (هزینه نگهداری)، مدیران زنجیره تامین می‌توانند این مقدار با حداقل هزینه را با دقت مطلق تعیین کنند، با این فرض که ورودی‌ها ثابت بمانند.[5]

در عمل، شرکتی که با تقاضای سالانه ۱۲,۰۰۰ واحد، هزینه سفارش ۵۰۰ دلار به ازای هر انباشته و هزینه نگهداری ۳ دلار به ازای هر واحد در سال مواجه است، EOQ خود را به صورت جذر ۱۲,۰۰۰,۰۰۰ تقسیم بر ۳ محاسبه می‌کند. نتیجه — یعنی ۲,۰۰۰ واحد — نشان می‌دهد که شرکت باید برای به حداقل رساندن کل مخارج موجودی خود، شش سفارش در سال ثبت کند.[2]

با این حال، محیط اقتصاد کلان در سال ۲۰۲۶ سازمان‌ها را مجبور کرده است تا مدل‌های EOQ خود را مجدداً تنظیم کنند. از آنجا که بانک‌های مرکزی نرخ‌های بهره پایه بالاتری را حفظ کرده‌اند، هزینه فرصت سرمایه به شدت افزایش یافته و مستقیماً مخرج هزینه نگهداری در معادله را متورم کرده است.[6]

هنگامی که هزینه‌های نگهداری افزایش می‌یابد، خروجی ریاضی فرمول EOQ کوچک‌تر می‌شود و سفارش‌های انباشته کوچک‌تر و مکررتر را دیکته می‌کند. عدم تعدیل درصد هزینه نگهداری در واکنش به افزایش نرخ بهره می‌تواند منجر به تخصیص نادرست و شدید سرمایه در گردش شود، زیرا شرکت‌ها به سفارش اندازه‌های انباشته قدیمی که دیگر از نظر اقتصادی مقرون‌به‌صرفه نیستند، ادامه می‌دهند.[6]

اگر یک کسب‌وکار با نادیده گرفتن هزینه سرمایه، هزینه‌های نگهداری خود را دست‌کم بگیرد، فرمول انباشته‌های به‌طور مصنوعی بزرگی را پیشنهاد می‌کند که منجر به انبارهای متورم و کاهش نقدینگی می‌شود. خروجی کاملاً به دقت ورودی‌های هزینه ارائه‌شده توسط بخش مالی بستگی دارد.[4]

در مقابل، پیشرفت‌ها در اتوماسیون زنجیره تامین در حال تغییر صورت کسر معادله هستند. تبادل الکترونیکی داده‌ها، نرم‌افزارهای تدارکات خودکار و سیستم‌های انبارداری رباتیک، هزینه‌های ثابت اداری و نیروی کار مرتبط با ثبت و دریافت یک سفارش را به شدت کاهش داده‌اند.[5]

با نزدیک شدن هزینه‌های راه‌اندازی به صفر در محیط‌های به شدت دیجیتالی شده، فرمول EOQ به طور طبیعی به سمت اندازه انباشته یک واحدی سوق پیدا می‌کند — که ایده‌آل نظری تولید به‌هنگام است. تویوتا در اواخر قرن بیستم پیشگام این رویکرد بود، اما اکنون مراکز پردازش سفارش تجارت الکترونیک مدرن در حال اعمال همان اصول ریاضی بر کالاهای مصرفی هستند.[3]

با وجود کاربرد گسترده، مدل کلاسیک EOQ بر چندین فرض خشک استوار است که به ندرت در عملیات دنیای واقعی صدق می‌کنند. این فرمول فرض می‌کند که تقاضا در طول سال کاملاً ثابت است و جهش‌های فصلی و نوسانات بازار را نادیده می‌گیرد. همچنین فرض می‌کند که تجدید موجودی آنی است و زمان‌های تدارک تامین‌کننده یا تاخیرهای حمل و نقل را در نظر نمی‌گیرد.[2]

برای رفع این محدودیت‌ها، پژوهشگران عملیاتی بسط‌های پیچیده‌ای از مدل هریس توسعه داده‌اند. مدل مقدار تولید اقتصادی، فرمول را برای تولیدکنندگانی که موجودی آن‌ها به جای یک انباشته مجزا به صورت پیوسته می‌رسد، تعدیل می‌کند. انواع دیگر شامل تخفیف‌های کمیتی هستند که به مدیران اجازه می‌دهند محاسبه کنند آیا کاهش قیمت عمده تامین‌کننده بر هزینه‌های نگهداری افزایش‌یافته یک انباشته بزرگتر غلبه می‌کند یا خیر.[3]

ادغام هوش مصنوعی در سیستم‌های برنامه‌ریزی منابع سازمانی اکنون در حال تغییر نحوه اعمال EOQ است. به جای تکیه بر میانگین‌های سالانه ثابت، الگوریتم‌های مدرن به صورت پویا اندازه بهینه انباشته را در زمان واقعی مجدداً محاسبه کرده و متغیرهای تقاضا و هزینه را بر اساس تحلیل‌های پیش‌بینانه و سیگنال‌های زنده بازار تنظیم می‌کنند.[5]

با این حال، حتی با تکامل فناوری پیرامون آن، رابطه ریاضی هسته‌ای تعریف‌شده توسط فورد ویتمن هریس دست‌نخورده باقی می‌ماند. جذر دو برابر تقاضا ضرب در هزینه راه‌اندازی تقسیم بر هزینه نگهداری همچنان جریان فیزیکی تجارت جهانی را کنترل می‌کند و ثابت می‌کند که مبادله بنیادین بین سفارش دادن و ذخیره کردن، یک قانون گریزناپذیر در فیزیک زنجیره تامین است.[1]