Perakende veya üretici KOBİ'de stok kararı geçmiş satışa bakılarak verilir. Klasik OR problemi: zaman serisi tahmini + stok politikası.
Kısaca
Tanıdık geliyor mu?
- 500-5.000 SKU'muz var; her ayın başında satın alma müdürü hesap tablosunda geçen 3 ayın ortalamasıyla sipariş veriyor.
- Bazı ürünler raflarda 6 ay duruyor (ölü stok), bazı popüler ürünler hafta ortasında bitiyor (stoksuzluk) — aynı anda.
- Sezonsallık var (yılbaşı, bayram, okul dönemi, yaz/kış) ama sipariş planlamasında elle düzeltme yapıyoruz, sistematik bir yöntem yok.
- Stok devir hızımız sektör ortalamasının altında; sermaye stokta kilitleniyor.
- Tedarikçi teslim süresi 4-8 hafta; sipariş verirken ne kadar tampon stok bırakacağımızı bilmiyoruz.
- Yeni ürünleri sisteme girerken tahmin yapamıyoruz; ya çok sipariş veriyoruz ya hiç tutmuyoruz.
- ERP veya ticari yazılımımızda 'talep tahmini' modülü var ama sezonsallığı yakalayamıyor, biz de güvenmiyoruz.
Niye önemli?
Nasıl çözülür?
Teknik derinlik
Nasıl çözülür?
Teknik derinlikTek satırla: Hızlı dönen (her gün satan) ürünleri sezonsallıkla, yavaş dönen (haftada birkaç adet) ürünleri ortalamayla, çok seyrek satanları (çoğu gün sıfır) ayrı bir yöntemle tahmin et — hepsine aynı formül uygulayınca seyrek satanlar büyük hata yapar; sezonsallar düzleşip kampanya saatlerinde stoksuz kalır.
Bu problem operasyon araştırması (matematik ve bilgisayarla iş kararı veren disiplin) ve istatistiksel öğrenme literatürünün kesişimindedir. İki birbirine bağlı alt-problem: Demand Forecasting (gelecek talebin nokta + aralık tahmini), Inventory Policy (tahmine bağlı sipariş miktarı, yeniden sipariş noktası, emniyet stoğu). Çözüm üç aşamalı:
1. Modelleme. Veri hazırlığı: en az 18-24 ay SKU-bazlı haftalık veya günlük satış. Eksik gün doldurma, aykırı değer temizleme, stoksuzluk dönemi rekonstrüksiyonu (stokta olmadığı için satılmayan = gerçek talep değil, bunu düzelt). Sezonsal indeks ve trend ayrıştırma. SKU sınıflandırma: hızlı dönen (A), orta (B), yavaş (C), seyrek talep (intermittent, çoğu gün sıfır). Her sınıf farklı yöntem ister.
2. Çözücü ile karar. Yöntem seçimi SKU sınıfına göre: A sınıfı → SARIMA veya Holt-Winters (sezonsallık + trend yakalayan zaman serisi yöntemleri); B sınıfı → ETS (state-space exponential smoothing); C sınıfı → basit hareketli ortalama veya naive; seyrek talep → Croston metodu (çoğu gün sıfır talep için özel yöntem) veya TSB. Modern otomatik model seçimi her SKU için yöntemi otomatik belirler. Üzerine stok politikası: (s, S) — reorder point ve max stok seviyesi, veya (R, Q) — periyodik gözden geçirme ve sabit sipariş miktarı. Emniyet stoğu hedef servis seviyesine göre (genelde %95-98) tedarik süresi belirsizliğiyle birlikte hesaplanır.
3. Saha entegrasyonu. Çıktı haftalık SKU-bazlı sipariş önerisi: satın almaya entegre. ERP/WMS ile sipariş yaratma akışı. Haftalık veya günlük yeniden eğitim (rolling retrain). MAPE / WAPE / bias takibi — yüksek hatalı SKU’lar için istisna uyarısı. Promosyon, lansman, kıtlık gibi olağandışı durumlar için manuel override mekanizması. Aylık servis seviyesi ve stok devir hızı KPI raporu.
Alternatifler
Hesap tablosu + satın alma müdürü deneyimi
ÜcretsizSıfır lisans
Kim için: Çok küçük portföy (<200 SKU), düşük sezonsallık
- + Sıfır yazılım maliyeti
- + Esnek ve hızlı
- + Operatör ürünü tanır
- − Sezonsallık ve trend yakalama zayıf
- − 500+ SKU'da kontrol kaybolur
- − Stoksuzluk geçmişi düzeltilmez
- − Tutarlı kayıt yok
Yerli ticari ERP içi tahmin modülü
Kurumsal60.000–200.000 TRY lisans + 12.000–35.000 TRY/yıl bakım (TR pazar gözlemi)
Kim için: Orta KOBİ (200-2.000 SKU)
- + Türkçe destek, KDV/e-fatura uyumlu
- + Mevcut ERP ile entegre
- + Temel hareketli ortalama + sezon
- − ARIMA / Holt-Winters genelde yok
- − Seyrek talep yöntemi yok
- − Stok politikası sabit kural
- − Otomatik model seçimi yok
Uluslararası tedarik zinciri planlama paketi
Kurumsal80.000–400.000 EUR lisans + 15.000–60.000 EUR/yıl
Kim için: Büyük perakende veya çok tesisli üretici (2.000+ SKU)
- + ARIMA / ETS / Croston / hiyerarşik tahmin
- + Otomatik model seçimi
- + Stok politikası optimizasyonu dahil
- − Pahalı
- − Kurulum 6-12 ay
- − TR vergi/iade akışına özelleştirme gerekir
Açık-kaynak zaman serisi kütüphaneleri + özel model
Açık KaynakLisans ücretsiz; iç geliştirme 10-18 hafta veya 250K-750K TRY danışmanlık
Kim için: Teknoloji ekibi olan KOBİ veya e-ticaret
- + Lisans yok
- + Açık-kaynak zaman serisi kütüphaneleri olgun
- + Stok politikası özelleştirilebilir
- − İç istatistik/OR uzmanı şart
- − ERP entegrasyon ayrı proje
- − Bakım sürekli
Tavsiye
Çözüm görüşmesinde sor
- Talep tahmini için hangi yöntemleri sunuyorsunuz (ARIMA, ETS, Holt-Winters, Croston, hiyerarşik)?
- SKU bazında otomatik model seçimi var mı, yoksa tek yöntem tüm portföye mi uygulanıyor?
- Seyrek talep ürünleri (çoğu gün sıfır satış) için Croston veya benzeri yöntem destekleniyor mu?
- Stoksuzluk dönemi geçmiş satışı 'gerçek talep' olarak nasıl düzeltiyor sunduğunuz modül?
- Stok politikası (s, S) veya (R, Q) parametreleri otomatik mi hesaplanıyor, yoksa elle mi giriliyor?
- Promosyon, kampanya, yeni ürün lansmanı gibi olağandışı olaylar tahmine nasıl dahil ediliyor?
- Pilot dönemde 12-16 hafta gerçek satış verisiyle bias ve WAPE ölçebilir miyiz? Başarı kriteri nasıl tanımlanıyor?
- Bizimle çalışmayı bırakırsak SKU bazlı tahmin geçmişi, model parametreleri ve sipariş önerilerini nasıl alırız?
Teknik detay
Editör notu
Bu problem halk dilinde “ne kadar sipariş vereyim”, “stok takibi”, “mal planlama” diye anılır. Akademik literatürde Demand Forecasting, Time Series Forecasting, Inventory Policy Optimization isimleriyle çalışılır. Bu kavramları bilmeden bir ERP veya planlama yazılımı satın aldığında ‘satış raporu’ (geçmişi gösterme) ile ’talep tahmini’ (gelecek nokta + güven aralığı verme) farkını ayırt edemezsin. İlki sadece geçmiş, ikincisi karar üretir.
Sektörde en sık atlanan nokta: tahmin doğruluğu hedef değildir, stok maliyeti minimum hedeftir. Birçok KOBİ MAPE’yi düşürmeye odaklanır; oysa bias (sistemik fazla ya da eksik tahmin) stok kararı için varyanstan çok daha zararlıdır. %15 bias’lı bir model %25 MAPE’li ama bias-sız modelden çok daha pahalıya patlar. Ek olarak: geçmişte stoksuzluk yaşandığı haftalar gerçek talebi maskeler — bu dönemler düzeltilmeden eğitilen model sistemik az tahmin eder. Stoksuzluk düzeltme (censored demand correction) projenin gizli kritik adımıdır.
Adım adım yol — KOBİ için
Aşama 1 — Önce ölç, sonra plan. En az 18-24 ay SKU bazlı satış verisi: günlük veya haftalık granül, kanal ayrımı (mağaza, e-ticaret, toptan), fiyat geçmişi, promosyon takvimi, stoksuzluk günleri. ABC analizi: ciro/adet bazında ilk %20 SKU genelde %80 satışı oluşturur — model yatırımı buraya. Geri kalan kuyruk (long tail) için basit yöntem yeter.
Aşama 2 — Bilgi sermayesini çıkar. Tedarikçi teslim süreleri (ortalama + standart sapma), sipariş çoklukları (palet, koli), depo kapasite kısıtları, hedef servis seviyesi (yöneticiyle birlikte: %95 mi %98 mi), sezon takvimi (yılbaşı, bayram, okul, yaz/kış), promosyon planı, yeni ürün lansman akışı. Bu bilgi sermayesi tahminden çok stok politikasını şekillendirir.
Aşama 3 — Pilot. 12-16 hafta. 50-150 hızlı dönen SKU ile başla, tek depo/mağaza grubu. Başarı kriteri önceden belirlenmiş: WAPE -%30, bias |%5| altı, fill rate +%4, stok devir +%15. Model çıktıları satın alma müdürünün önerisi olarak görünür — son kararı insan verir.
Aşama 4 — Yaygınlaştırma. 4-8 ayda tüm SKU’lar ve tüm lokasyonlar. Haftalık otomatik yeniden eğitim. ERP/WMS ile sipariş yaratma entegre. Aylık KPI panosu: WAPE, bias, fill rate, stok devir, ölü stok oranı. Yüksek hatalı SKU listesi her hafta gözden geçirilir.
Riskler — ne yanlış gidebilir
- Stoksuzluk maskelemesi. Geçmişte uzun stoksuzluk yaşanan SKU’larda model gerçek talebi az tahmin eder; bu sistemik bias kalıcı stoksuzluk yaratır. Stoksuzluk dönemi düzeltme (censored demand) yapılmalı.
- Aşırı parametre / az veri. Yeni ürün veya seyrek talep SKU’larında karmaşık model (LSTM, deep learning) saçmalar. SKU sınıflandırma + uygun model seçimi şart.
- Promosyon ve lansman. Tahmin modeli geçmiş normalden öğrenir; promosyon dönemleri eğitime girerse model promosyonu rutin sanır. Promosyon takvimi ayrıştırılmalı ve manuel override mekanizması olmalı.
- Servis seviyesi hayalciliği. %99 servis seviyesi hedeflemek %95’e göre emniyet stoğunu iki katına çıkarır. Hedef finans ve operasyonla birlikte belirlenmeli.
Çözüm yöntemine teknik bakış
| Yaklaşım | Tipik ölçek | Çözüm süresi | Garantili optimum? |
|---|---|---|---|
| Naif yöntemler (hareketli ortalama, son periyot) | Çok küçük portföy | anlık | Hayır, taban referans |
| Holt-Winters (üçlü üstel düzleştirme) | Sezonsal A-B sınıfı SKU | saniyeler | Hayır, iyi taban |
| ARIMA / SARIMA (Box-Jenkins) | Orta-büyük A sınıfı SKU | dakikalar | Lokal optimum |
| ETS (state-space exponential smoothing) | Otomatik seçim, geniş portföy | dakikalar | Lokal optimum |
| Croston / TSB (seyrek talep) | Çoğu gün sıfır olan SKU’lar | saniyeler | Klasik kabul |
| Makine öğrenmesi (gradient boosting, lag öznitelikleri) | Çok büyük portföy + dış veri | saatler eğitim | Hayır, deneysel |
Hedef fonksiyonu seçimi:
- Hedef 1 — Tahmin doğruluğu minimum hata: MAPE, WAPE, RMSE, MASE. Model seçim aşamasında.
- Hedef 2 — Stoksuzluk sayısı minimum: Servis seviyesi odaklı, emniyet stoğunu yukarı çeker.
- Hedef 3 — Toplam stok maliyeti minimum: Taşıma maliyeti + stoksuzluk cezası + sipariş maliyeti birlikte.
- Hedef 4 — Fill rate / servis seviyesi maksimum: Müşteri odaklı; bütçe kısıtı altında.
Multi-objective: ağırlıklı toplam veya hedef programlama. Çoğu pratik kurulumda Hedef 3 (toplam stok maliyeti) operasyonel hedef olur, Hedef 4 (fill rate) kısıt olur.
Akademik kaynaklar
Sayfanın frontmatter’ında sources alanında listelidir.
Kaynaklar
- Box, G. E. P. ve Jenkins, G. M. (1970). Time Series Analysis: Forecasting and Control. Holden-Day. ARIMA metodolojisinin kuramsal kaynağı.
- Hyndman, R. J. ve Khandakar, Y. (2008). Automatic time series forecasting: The forecast package for R. Journal of Statistical Software, 27(3), 1–22. Otomatik model seçimi modern referansı.
- Croston, J. D. (1972). Forecasting and stock control for intermittent demands. Journal of the Operational Research Society, 23(3), 289–303. Seyrek talep yöntemi orijinal makalesi.
- Silver, E. A., Pyke, D. F. ve Peterson, R. (1998). Inventory Management and Production Planning and Scheduling. Wiley. Stok politikası standart referansı.
- YÖK Tez Merkezi — anahtar kelime: ’talep tahmini’ veya ‘stok yönetimi’ — TR akademisinden 100+ tez. tez.yok.gov.tr
Sözlük
- Talep Tahmini
- Geçmiş veri, mevsim, etkinlik ve dış sinyalleri kullanarak gelecekteki talebi sayısal olarak tahmin etme.
- Zaman Serisi Tahmini
- Sıralı zaman noktalarındaki gözlemlerden gelecek değerleri tahmin etmek için kullanılan istatistiksel modelleme alanı; ARIMA, ETS, state-space modelleri kapsar.
Benzer problemler
Aynı Tedarikçiden Onlarca SKU Geliyor — Hangi SKU'yu Hangi Sıklıkta Sipariş Edeyim ki Kamyon ve Stok Maliyeti Birlikte Minimum Olsun?
Aynı tedarikçiden 50-500 SKU alan KOBİ toptancı, ithalatçı veya üretici için sayfa — tipik olarak 3-15 ana tedarikçiyle çalışırsın. Her hafta aynı soru: bu tedarikçiden bugün hangi ürünler sipariş edilsin, hangileri gelecek haftaya kalsın? Her ürün için ayrı sipariş tetiklenirse aynı tedarikçiye haftada üç kamyon, üç gümrük dosyası çıkar; oysa bir kamyon, bir gümrük, bir hazırlık masrafı doğru gruplamayla tek seferde paylaşılır. Manuel planlama 50 SKU'yu aşınca dağılır: bazı haftalar yarım kamyon, bazı haftalar üst üste üç sipariş — sabit masraflar birim başına %5-15 ürün maliyeti olarak geri döner.
Hangi Ürünü Hangi Rafa Koysam, İşçi Siparişi Hangi Rota Üzerinden Toplasın?
Bir e-ticaret deposunda ya da omnichannel perakende dağıtım merkezinde 15.000-200.000 ürün kodu (SKU) stoklanır ve günde 2K-30K sipariş hattı toplanır. Bir toplayıcı işçi sipariş başına 200-800 m yürür, günde toplam 15-30 km mesafe kat eder. Bu yürümenin %50-70'i değer-katmayan zamandır. İki bağlı karar verilmelidir: (a) **raf yerleşimi (slotting)** — hangi SKU hangi rafa, hangi yüksekliğe stoklanır; sipariş sıklığı, eş-sipariş örüntüsü ve ergonomik yük dikkate alınarak; (b) **toplama rotası (picking)** — bir sipariş listesi için işçinin koridor sırası ve seçtiği rota kuralı (S-şekli, dönüş, orta-nokta, en-büyük-boşluk, birleşik). Eklenti kararlar: birden çok siparişi tek turda toplama (batch picking), depoyu bölgelere ayırma (zone picking), aktarma noktası ile birleştirme (sort-merge). Her iki karar birlikte çözüldüğünde işçi başına yürüme mesafesi %25-40 azalabilir.
Hangi Ürünü Listeye Koyayım, Hangi Rafı Hangisine Vereyim?
30-200 mağazalı perakende KOBİ ya da 500-5.000 SKU'lu e-ticaret operatörü için yazıldı. Her ay 'hangi ürün rafta kalacak, hangisine ne kadar yer vereceğiz, yeni gelen tedarikçiye yer açmak için hangisini çıkaracağız' kararıyla yüzleşiyorsanız buradasınız. Sezgisel listeleme ve elle planogram, kategori marjının önemli bir kısmını sessizce eritir: çok satanın rafı dar kalır, atıl SKU yer işgal eder, ikame etkisi (müşteri aradığını bulamayınca rakibe gitmesi) ölçülemez. Mağaza-kategori bazlı sistematik bir karar süreci, 50M TRY cirolu bir kategoride yıllık 2-6M TRY marj farkı yaratır.