لبائعي الخضار والمخابز والجزارين ومورّدي المطاعم — قرار الكمية اليومية للطلب أو الإنتاج بتوازن بين النفاد والفاقد (في الأدبيات: مسألة Newsvendor).
باختصار
هل يبدو مألوفاً؟
- كل صباح، تكون الإجابة عن «كم ننتج أو نشتري اليوم» هي «الإثنين الماضي بعنا كذا»
- في نهاية اليوم يُرمى أو يُخفَّض أو يُعطى للموظفين 10–25 % من المنتج — يستهلك من الربح السنوي
- حوالي 18:00 ينفد منتجان شائعان؛ يذهب العملاء إلى المنافس ولا يعودون
- في يوم ممطر أنتجنا نفس كمية اليوم المشمس؛ جانب هدر وجانب نقص
- أمام الأعياد أو عيد الأم أو تغيّر الطقس يبدأ نقاش «أكثر أم أقل» من الصفر كل مرة
- يُدوِّن الموظفون «طلبه عميل ولم يكن متوفراً» لكن هذه الملاحظات تضيع؛ لا تحليل منهجي
- يُنتج فريق الإنتاج كمية ثابتة يومياً؛ تقلبات الطلب لا تتوافق مع الإنتاج، فإما يتراكم المخزون أو ينفد
لماذا تهم
كيف تُحل
عمق تقني
كيف تُحل
عمق تقنيبجملة واحدة: اطلب أكثر قليلاً من الأصناف عالية الهامش (عقوبة النفاد ثقيلة)، وأقل قليلاً من الأصناف عالية الفاقد (لا قيمة استرداد بعد تلفها). لا تستهدف كمية «وسطية» واحدة — حدّد توازناً مختلفاً لكل صنف.
ما يفعله البرنامج فعلياً هو هذا: لكل صنف يحسب رقمياً الكمية المثلى التي توازن «كلفة الفاقد» مع «كلفة فقدان البيع»؛ ثم يتعلّم من سجل المبيعات توزيع الطلب ويوصي بكمية يومية. على ثلاث مراحل:
1. يجمع بيانات التكلفة والطلب. لكل صنف: كلفة الشراء/الإنتاج، سعر البيع، قيمة الاسترداد للوحدة غير المباعة (غالباً صفر أو منخفضة جداً)، فقدان الهامش عند النفاد، تقلب الطلب (8–12 أسبوعاً من السجل اليومي). الطقس وأحداث التقويم (أعياد، عطلات نهاية الأسبوع، الفصل الدراسي) والأحداث المحلية تدخل عوامل إضافية.
2. يحسب الكمية المثلى. صيغة Newsvendor الكلاسيكية تستند إلى مبدأ «الكسر الحرج» (الحد «نريد ألا ننفد من هذا الصنف في نسبة كذا من الأيام»): مستوى الخدمة الأمثل = الهامش / (الهامش + كلفة الفاقد). أي أن صنفاً عالي الهامش يحتمل اقتصادياً إفراطاً قليلاً، وصنفاً عالي الفاقد يحتمل تقليلاً قليلاً. لكل صنف يجد البرنامج كمية الطلب التي تلبّي هذا الكسر الحرج من التوزيع التاريخي — تلك هي الكمية المثلى. التوزيع يمكن أن يكون طبيعياً، لوغاريتمياً طبيعياً، أو البيانات التجريبية الحقيقية.
3. التوصية اليومية تصل إلى الطاولة. عند الافتتاح أو وقت الطلب يُنتج البرنامج قائمة لكل صنف: «اليوم: تفاح 45 كغ، خبز 180 رغيفاً، لحم 18 كغ». تنطبق تجاوزات الطقس والحملات تلقائياً. في نهاية اليوم يقارن البرنامج المبيعات الفعلية بالتوقع ويُحدّث النموذج — يتعلّم مع الوقت. التجاوز اليدوي متاح دوماً: «اليوم مطر، خبز 15 % أقل» — قرار المسؤول يفوز.
لا يلغي البرنامج الخبرة؛ اعتبره آلة حاسبة توسّع قرار «أكثر قليلاً، أقل قليلاً» من 20 إلى 200 صنف — مع مبرّر عددي لكل صنف. يبقى القرار لك، لكن لكل منتج رقم «أمثل» على الطاولة.
البدائل
الحدس + دفتر الأسبوع الماضي
مجانيمجاني
لمن مناسبة: 10–30 صنفاً، طلب مستقر، متجر صغير
- + بلا تكلفة
- + مرن — تغيير لحظي سهل
- + بلا قرار استثماري
- − فوق 30 صنفاً لا يمكن حفظ الكميات المثلى ذهنياً
- − تقلب الطلب (طقس، حملات، أحداث) يبقى حدسياً
- − أرقام عيد الأم في العام الماضي لا تُسترَجَع
- − الفاقد والمبيعات الضائعة لا تُتَتبَّع رقمياً
ورقة حسابية + تتبع يدوي يومي
مجانيمجاني (وقتك)
لمن مناسبة: 20–60 صنفاً، مستعد لتدوين المعدلات كتابياً
- + بلا تكلفة برمجية
- + صيغ مخصصة لنشاطك
- + البيانات في مكان واحد
- − تطبيق صيغة Newsvendor الاحتمالية يدوياً صعب
- − إدخال يدوي يومي
- − بلا نموذج يتعلّم تلقائياً
برنامج نقاط بيع/طلبات مع توقع مدمج
مؤسسي200–800 دولار للتنصيب + 50–200 دولار شهرياً (تسعير محلي للشركات الصغيرة والمتوسطة)
لمن مناسبة: 50–300 صنف، نقاط بيع موجودة في البقالة/المخبز/الجزار
- + واجهة ودعم باللغة المحلية
- + تكامل نقاط البيع والطلبات
- + توصية يومية عبر البريد/الرسائل
- − محرك التوقع عادةً «متوسط الأسبوع الماضي»؛ لا رياضيات Newsvendor حقيقية
- − متغيرات التكلفة (الهامش، الفاقد) لا تُضبط لكل صنف
- − الطقس والأحداث غير مدرجة
برنامج دولي متخصص بتوقع الطلب على المنتجات الطازجة
مؤسسي20–100 دولار/صنف/سنة أو 25–150 ألف دولار سنوياً ترخيص
لمن مناسبة: 300+ صنف، سلسلة بقالة، شبكة مطاعم، مُصنِّع أغذية
- + ناضج: Newsvendor + توقع بتعلم آلي، فئات متعددة، عوامل طقس وأحداث
- + تكامل مع نقاط البيع والمستودع جاهز
- + خوارزميات صقلت على مدى سنوات
- − تكلفة ترخيص واستشارات عالية
- − التنفيذ يستغرق 2–4 أشهر
- − تكييف مع المنتجات والمورّدين المحليين مطلوب
تطوير مخصّص فوق مكتبات مفتوحة المصدر
مفتوح المصدرالترخيص مجاني؛ 4–8 أسابيع من التطوير الداخلي أو 20–80 ألف دولار استشارات
لمن مناسبة: سلسلة لديها فريق بيانات أو مشغّل تقني
- + بلا تكلفة ترخيص
- + قابلية تخصيص كاملة لهيكل المنتجات والتكاليف
- + نشر سحابي أو على خادم داخلي
- − قدرة علم بيانات داخلية شرط
- − صيانة مستمرة عمل حقيقي
- − جودة تاريخية سيئة تُفضي إلى استنتاجات مضلِّلة
التوصية
اسأل في الاجتماع
- هل يطبّق محرك التوقع رياضيات Newsvendor الحقيقية (كمية مثلى عبر الكسر الحرج) أم مجرد متوسطات تاريخية؟
- هل يمكن ضبط كلفة الفاقد والهامش وعمر الرفّ كمعاملات منفصلة لكل صنف، أم تُعالَج كل الأصناف بمخزون أمان واحد؟
- هل تدخل الطقس وأحداث التقويم (أعياد، عطلات نهاية الأسبوع) والأحداث المحلية إلى التوقع تلقائياً؟
- هل تُصحَّح تلقائياً فترات النفاد في تاريخ المبيعات (تصحيح الطلب المراقَب جزئياً)؟
- هل تُنمذج الإحلال (مثلاً نفد الخبز الأبيض، يأخذ العميل الكامل)؟
- هل تدخل الحدود الدنيا للطلب (MOQ) ومستويات الخصم على الكمية في التوصية؟
- كيف تنظمون التجربة — كم صنفاً، كم أسبوعاً، ما عتبة النجاح؟
- إذا أوقفنا العمل معكم، كيف نستعيد تاريخ المنتجات وسجلات الفاقد وتوصيات الطلب؟ هل يوجد تصدير بصيغة قياسية؟
تفاصيل تقنية
ملاحظة المحرّر
على المنصة، يُعرَف هذا الموضوع بأسماء «كم نطلب اليوم»، «تقليل الفاقد» أو «الكمية اليومية للإنتاج». أمّا اسمه الأكاديمي فهو Newsvendor Problem — قرار مخزون عشوائي لفترة واحدة. والاسم آتٍ من بائع الجرائد الذي يطلب صباحاً طبعة اليوم؛ ما يبيعه ربح، وما يتبقى يُرمى. تظهر البنية نفسها في المنتجات الطازجة والملابس الموسمية وتذاكر الفعاليات ومخزون الدم وحتى الحجز الزائد للطيران. دون هذه المفردات، في عرض البرنامج لن تستطيع تمييز ما إذا كان «وحدة توقع الطلب» تحسّن فعلاً مفاضلة الفاقد-النفاد أم مجرد يجري معدلات على الماضي.
النقطة الأكثر إغفالاً في هذا القطاع: كثير من المنتجات تروّج لـ«توقع الطلب» لكنها في الواقع تكتفي بـالمتوسطات المتحركة — «متوسط الأسابيع الأربعة الأخيرة × 1.1». يصلح ذلك حين يكون التقلب منخفضاً؛ لكن في الطازج قد يتأرجح الطلب 20–50 % يومياً، وتكون الكلفة على كل جانب (نفاد مقابل فاقد) غير متماثلة. Newsvendor الحقيقي يحسب «الكسر الحرج» كـ هامش / (هامش + كلفة فاقد). في أي عرض، اطلب مثالاً محلولاً: «هامش 5 دولار، كلفة فاقد 8 دولار، متوسط طلب 100، انحراف معياري 30 — ما الكمية المثلى؟»
مسار خطوة بخطوة للشركة الصغيرة والمتوسطة
المرحلة 1 — قِس أولاً ثم خطّط. على مدى 8–12 أسبوعاً، سجّل أربعة أشياء:
- المبيعات اليومية الفعلية لكل صنف
- الفاقد في نهاية اليوم: ما يُرمى، يُخفَّض، أو يُعاد
- ساعات النفاد (مثلاً «نفد الخبز الساعة 18:00 وبقي 4 ساعات بمشترين»)
- الطقس وملاحظات التقويم (أعياد، فصل دراسي، أحداث محلية)
بدون هذه القاعدة لا يمكن معرفة أي برنامج يعطي أي نتيجة.
المرحلة 2 — ابنِ جدول التكلفة. لكل صنف: كلفة الشراء، سعر البيع، الهامش (السعر ناقصاً الكلفة)، كلفة الوحدة من الفاقد، نسبة الهامش / كلفة الفاقد. هذه النسبة تحدّد «الكسر الحرج» — المعيار الرئيسي خلف أي توصية صادقة. هذا الجدول هو رأسمالك المعرفي، وأي مورّد جاد سيطلبه أولاً.
المرحلة 3 — تجربة. ابدأ بأهم 10–30 صنفاً لمدة 6–10 أسابيع. حدّد معيار النجاح كتابياً قبل البدء: مثال «في 60 يوماً انخفاض فاقد المجموعة A بنسبة 25 %، وانخفاض النفاد 30 %». إن لم تتحقق العتبة تنتهي التجربة — احتفظ بهذا الحق في العقد.
المرحلة 4 — التوسعة. إذا نجحت التجربة، وسّع إلى كامل التشكيلة خلال 2–3 أشهر. التدريب 1–2 أسبوع؛ وفي الصباح ينبغي أن يكفي ضغط «النظام أوصى، أوافق».
المخاطر — ما الذي قد يحدث خطأ
- بيانات تاريخية رديئة. سجلات «بيع» / «رمي» خشنة جداً؛ Newsvendor لا يحسب صحيحاً معها. قبل التجربة وحّد التسجيل اليومي + لكل صنف للمبيعات والفاقد.
- بيانات نفاد ضائعة. إذا سجّل النظام النفاد كـ«صفر مبيعات»، يضلّل تاريخ الطلب (طلب مراقَب جزئياً). نظام جيد يتتبّع ساعات النفاد منفصلة.
- أثر الإحلال. حين لا يجد العميل المنتج، يأخذ بديلاً (لا خبز أبيض، يأخذ كامل). دون نمذجة، الاستنتاج الخاطئ «الطلب على الخبز الأبيض منخفض».
- الارتباط بمورّد واحد. برنامج يحفظ تاريخ المنتجات وقيم التكاليف بصيغة خاصة يصعّب الانتقال لاحقاً. ضع في العقد بنداً: «يحق لنا تصدير بياناتنا بصيغ مفتوحة قياسية (CSV أو ما يماثل) في أي وقت، عند الطلب.»
درس متعلق (سيُضاف الرابط عند النشر): «سلسلة بقالة متوسطة تخلّت عن برنامج التوصية في الشهر التاسع — ما الذي أُغفل.»
نظرة تقنية على طريقة الحل
هذا القسم يحوي ما تحتاجه أثناء الحديث مع فريق برمجي أو مستشار. ليس ما يراه المشغّل على الشاشة — بل المحرّك خلف الستار.
المقاربات الرئيسية لطلب الأصناف القابلة للتلف:
| المقاربة | الاستخدام النموذجي | الحاجة للبيانات | منطق القرار |
|---|---|---|---|
| المتوسط المتحرك | تاريخ متوفر، طلب مستقر | منخفضة | متوسط الأيام الـ N الأخيرة |
| Newsvendor الكلاسيكي | قابل للتلف، قرار واحد | متوسطة | الكسر الحرج × توزيع الطلب |
| متعدد الفترات مع ترحيل | عمر رف 2–7 أيام | متوسطة | برمجة ديناميكية |
| توقع بتعلّم آلي | عدد كبير من الأصناف + طقس + أحداث | عالية | أشجار انحدار، شبكات عصبية |
| MIP عشوائي | متعدد المنتجات + قيود مورّد | عالية | تحسين كامل |
عملياً: تحت 30 صنفاً يكفي Newsvendor الكلاسيكي. مع 100+ صنف وفئات متعددة وموسمية، يُفضَّل مزيج توقع ML + Newsvendor. مع MOQ المورّد والمتعدد المنتجات، MIP عشوائي.
اختيار دالة الهدف يغيّر شكل الحل:
- الربح المتوقع (توازن فاقد + مبيعات ضائعة): «تعظيم الربح الصافي» — مناسب لمنتجات الهامش العالي
- إجمالي الفاقد: «تقليل المرمي» — مناسب لعمليات تركز على الاستدامة
- مستوى الخدمة (مثلاً 95 % دون نفاد): «العميل يجد دائماً» — مناسب لاستراتيجية حصة السوق
- تكاليف غير متماثلة: «كلفة النفاد 3× كلفة الفاقد» — مناسب لمنتجات الهامش الضيق
في معظم التطبيقات الفعلية يُستخدم مزيج موزون من الأربعة — الأكثر شيوعاً الربح المتوقع × مستوى الخدمة.
المراجع الأكاديمية
مدرجة في كتلة sources في ترويسة هذه الصفحة. صِيغَت مسألة Newsvendor رياضياً عام 1951 من قِبَل Arrow وHarris وMarschak، وظلّت من أقدم مجالات بحوث العمليات وأكثرها نشاطاً؛ يُوسّعها العمل الحالي بتنبؤ الطلب القائم على التعلم الآلي ونماذج الإحلال متعدد المنتجات.
المصادر
- Arrow, K. J.، Harris, T. وMarschak, J. (1951). Optimal inventory policy. Econometrica، المجلد 19 — الورقة التي أسّست الأساس الرياضي لمسألة Newsvendor.
- Khouja, M. (1999). The single-period (news-vendor) problem: literature review and suggestions for future research. Omega، المجلد 27 — مراجعة شاملة للمجال.
- Porteus, E. L. (2002). Foundations of Stochastic Inventory Theory. Stanford University Press. النص المعياري في نظرية المخزون العشوائية.
- INFORMS Interfaces — دراسات حالة لتطبيقات Newsvendor في المنتجات الطازجة والتجزئة. informs.org/Publications/Interfaces
المسرد
- Newsvendor
- نموذج كلاسيكي للمخزون لفترة واحدة يُعطي الكمية المثلى لطلب السلع القابلة للتلف بموازنة كلفة الفاقد وكلفة فقدان البيع.
- مستوى الخدمة
- احتمال أن يجد العميل ما يبحث عنه — هدف عددي لقرارات المخزون والطلب.
- MIP
- نموذج تحسين تكون فيه بعض متغيرات القرار أعداداً صحيحة (مثل: عدد الشاحنات، عدد الورديات).