Dynamic Dual-Period Multi-Criteria Inventory Decision Framework (DPMC-IDF): An Empirical Comparison with ABC and ABC-XYZ

تخيل أنك قبطان سفينة شحن ضخمة، ولكن بدلاً من الإبحار في المحيط، أنت تبحر في بحر من آلاف المنتجات. مهمتك هي تقرير أي العناصر يجب وضعها في الأماكن الأكثر أماناً وسهولة في الوصول إليها، وأيها يمكن إخفاؤه في المستودعات العميقة. هذا هو عالم إدارة المخزون، وهو جزء حيوي من الحفاظ على توفر البضائع في المتاجر وربحية الشركات. لعقود من الزمن، اعتمد القبطان على خريطتين قديمتين وموثوقتين: تحليل ABC وتحليل XYZ.

فكر في ABC كخريطة تهتم فقط بمقدار المال الذي يدره المنتج خلال عام كامل. الأمر يشبه تصنيف أصدقائك بناءً على كمية البيتزا التي أكلوها في السنة فقط، مع تجاهل ما إذا كانوا قد أكلوها كلها في ليلة واحدة أو وزعوها على مدار شهر. أما XYZ فهي خريطة تنظر إلى مدى "تذبذب" الطلب. وهي تستخدم أداة رياضية تسمى "معامل الاختلاف" لتخمين ما إذا كانت مبيعات المنتج مستقرة مثل بحيرة هادئة أو جامحة مثل بحر هائج. المشكلة هي أن هذه الخرائط القديمة ثابتة؛ فهي تنظر إلى العام بأكبره كصورة واحدة ضبابية. فإذا ضربت عاصفة مفاجئة في نوفمبر، ستصاب الخريطة بالارتباك وتظن أن العام بأكمله كان عاصفاً، مما يدفع القبطان لاتخاذ قرونات خاطئة بشأن ما يجب تخزينه.

يقدم هذا البحث بوصلة ديناميكية جديدة تسمى إطار اتخاذ قرار المخزون متعدد المعايير ثنائي الفترة الديناميكي (DPMC-IDF). وبدلاً من النظر إلى العام بأكمله دفعة واحدة، يقوم هذا المفهوم بتقسيم السنة إلى نصفين (مثل فصلين دراسيين) ويراقب كيفية انتقال العناصر بينهما. هو لا يسأل فقط "كم من المال جنيت؟" بل يسأل أيضاً "كيف تغيرت حصتك من الكعكة؟" و"هل قفزت مبيعاتك أم انهارت؟". ومن خلال القيام بذلك، يأمل في رصد الاتجاهات التي تغفل عنها الخرائط القديمة، مثل منتج ينمو بهدوء أو منتج شهد طفرة لمرة واحدة ولكنه في الواقع مستقر. وقد اختبر المؤلف هذه البوصلة الجديدة مقابل الخرائط القديمة ليرى ما إذا كان سيساعد القبطان في تجنب نفاذ المخزون أو إهدار الأموال على عناصر لا يريدها أحد.

الخرائط القديمة مقابل البوصلة الجديدة

يجادل البحث بأن طريقة ABC-XYZ التقليدية لديها نقطة عمياء رئيسية: وهي أنها تفترض أن العالم "ثابت"، بمعنى أنه لا يتغير كثيراً بمرور الوقت. ويوضح المؤلف أن هذا غالباً ما يكون غير صحيح. تخيل منتجاً يُباع منه 10 وحدات كل شهر لمدة أحد عشر شهراً، ثم يُباع منه 100 وحدة في الشهر الثاني عشر بسبب تخفيضات العطلات. خريطة XYZ القديمة تنظر إلى العام بأكمله، وترى القفزة الكبيرة، وتحسب درجة "تقلب" عالية. وبذلك تصنف المنتج كعنصر "متقلب" (عنصر Z)، مما يوجه المديرين لمعاملته كعنصر غير متوقع. لكن في الواقع، كان المنتج هادئاً لمدة 11 شهراً! لقد خدعت الخريطة القديمة تلك القفزة، تماماً مثل توقع جوي يقول "الجو عاصف دائماً" بسبب إعصار واحد.

وبالمثل، قد تصنف خريطة ABC القديمة منتجاً على أنه "عالي القيمة" لمجرد أنه باع الكثير في الإجمالي، حتى لو كانت مبيعاته تتراجع كل شهر. الأمر يشبه تصنيف عداء على أنه "الأسرع" لأنه ركض ماراثون مرة واحدة، مع تجاهل حقيقة أنه لم يركض منذ ذلك الحين.

الأداة الجديدة: تقسيم الوقت ومراقبة التحول

يعالج إطار DPMC-IDF هذا الأمر من خلال القيام بثلاثة أشياء ذكية:

1. تقسيم الأفق: بدلاً من النظر إلى العام بأكمله، يقسم السنة إلى نصفين (الفترة 1 والفترة 2). فهو يتحقق من أداء العنصر في النصف الأول ثم مرة أخرى في النصف الثاني. هذا يشبه التحقق من درجاتك في الفصل الدراسي الأول ثم الفصل الدراسي الثاني بشكل منفصل، بدلاً من مجرد حساب متوسطهما للسنة كاملة.
2. التصنيف المئوي: بدلاً من استخدام متوسط بسيط (والذي قد يتأثر بشدة برقم واحد غريب)، يقوم بتصنيف العناصر مقارنة ببعضها البعض. هو يسأل: "هل كان هذا العنصر أفضل أم أسوأ من 75% من العناصر الأخرى؟". وهذا يجعل التصنيف أكثر قوة في مواجهة القيم المتطرفة.
3. مؤشر التقلب (VI): هذا هو السر الكامن في الأداة. فهو يحسب بالضبط مقدار التغير في حصة العنصر من إجمالي المبيعات من النصف الأول إلى النصف الثاني. ويعطي رمزاً مكوناً من ثلاثة أحرف (مثل LHV أو HMM) يحكي قصة.
   • قد يعني LHV أن عنصراً بدأ بحصة "منخفضة" (Low)، ثم أصبح "عالياً" (High)، وهو "متقلب" (Volatile) (أي ينمو بسرعة ولكن مع تغيرات كبيرة).
   • قد يعني HMM أن عنصراً كان ذا حصة "عالية" (High)، ثم استقر عند "متوسط" (Medium)، وهو "معتدل" (Moderate) (أي نجم مستقر ولكنه يتراجع قليلاً).

المحاكاة: حكاية ثلاثة منتجات

لاختبار فكرته، أنشأ المؤلف عالماً صغيراً محاكياً يحتوي على ثلاثة منتجات فقط:

• المنتج A: مستقر وموثوق، ولكنه يفقد حصته في السوق ببطء لصالح منافس.
• المنتج B: منتج موسمي يبدأ ببطء ولكن شعبيته تنفجر في النصف الثاني من العام.
• المنتج C: منتج مستقر شهد طفرة واحدة غريبة وكبيرة في المبيعات لشهر واحد، ثم عاد إلى طبيعته.

خطأ الخرائط القديمة:

• صنف خريطة XYZ القديمة كلاً من المنتج B (النجم الصاعد) والمنتج C (الطفرة لمرة واحدة) كعناصر "Z متقلبة" لأن كلاهما سجل درجات تقلب عالية. لم تستطع التمييز بين نمو صحي وبين خلل عابر لمرة واحدة.
• وضعت خريطة ABC القديمة المنتج A والمنتج B في نفس فئة "القيمة العالية"، متجاهلة أن المنتج A كان يتلاشى بينما المنتج B كان في صعود.

نجاح البوصلة الجديدة:

• حدد DPMC-IDF المنتج B كـ LHV (من منخفض إلى عالٍ، متقلب)، مدركاً أنه اتجاه نمو يحتاج إلى استثمار.
• صنف المنتج C كـ MLV (من متوسط إلى منخفض، متقلب)، مدركاً أن الطفرة كانت مؤقتة وأن العنصر في الواقع في حالة تراجع، لذا لا ينبغي معاملته كعنصر ذي أولوية عالية دائمة.
• رأى المنتج A كـ HMM، ملاحظاً أنه رغم استقراره، إلا أنه يفقد ميزته التنافسية.

في هذا الاختبار المحاكي، ارتكب الإطار الجديد صفر أخطاء في تصنيف المنتجات، بينما ارتكبت الطرق القديمة عدة أخطاء. وحسب المؤلف "مؤشر تقليل مخاطر سوء التصنيف" (MRRI) ووجد أن الأداة الجديدة قللت خطر الخطأ بنسبة 100% مقارنة بالطرق القديمة في هذا السيناريو المحدد.

الاختبار الواقعي: متجر StellarMart

ومع ذلك، فإن البحث لا يتوقف عند المحاكاة. فقد أخذ المؤلف بوصلته الجديدة إلى مجموعة بيانات حقيقية من متجر يسمى StellarMart، والذي احتوى على 5,000 عملية تجارية عبر أربعة مناطق (الشرق، الغرب، الجنوب، الشمال) و25 منتجاً. واستخدم بيانات المبيعات لعام 2023 للتنبؤ بما سيحدث في عام 2024.

هنا، تصبح القصة أكثر دقة. لم تكن الأداة الجديدة بطلاً في كل مرة.

• في منطقة الجنوب، كان DPMC-IDF بطلاً، حيث قلل معدل الخطأ إلى النصف تقريباً مقارنة بالطرق القديمة.
• ولكن في منطقتي الشمال والغرب، كان أداؤه في الواقع أسوأ قليلاً من خريطة ABC-XYZ القديمة.
• وعندما نظروا إلى المناطق الأربع مجتمعة (100 عنصر إجمالي)، قللت الأداة الجديدة معدل الخطأ البسيط بنحو 5.5% مقارنة بخريطة ABC-XYZ المجمعة.

وجد المؤلف أن الأداة الجديدة تعاني عندما ينعكس سلوك المنتج بعد الفترتين اللتين تراقبهما. على سبيل المثال، إذا تراجع منتج في النصف الثاني من عام 2023 ولكنه عاد للارتفاع في عام 2024، فإن الأداة الجديدة (التي تعتمد بشدة على النصف الثاني) قد تتنبأ خطأً بأنه سيستمر في التراجع. أما الأدوات القديمة، التي كانت تحسب المتوسط للعام بأكمله، فقد حالفها الحظ أحياناً من خلال تنعيم هذه الانعكاسات.

ماذا يعني هذا؟

يخلص البحث إلى أن DPMC-IDF هو أداة قوية جديدة، لكنه ليس عصا سحرية تصلح كل شيء. فهو يتألق عندما تمر المنتجات بـ تغييرات هيكلية — مثل الارتفاع المستمر أو الهبوط المستمر — لأنه يستطيع رؤية اتجاه المسار. فهو يساعد المديرين على رصد النجوم الصاعدة والأضواء الخافتة التي تغفل عنها الخرائط القديمة.

ومع ذلك، يعترف المؤلف بأن الأداة قد تتعثر إذا كان سلوك المنتج غير قابل للتنبؤ أو إذا انعكس بسرعة. ويقترح أنه في المستقبل، يمكن تحسين الأداة من خلال النظر في أكثر من مجرد فترتين أو من خلال دمجها مع طرق أخرى لاتخاذ القرار.

باختصار، يقدم إطار DPMC-IDF طريقة أكثر ديناميكية و"وعياً بالزمن" لإدارة المخزون. وهو يشير إلى أنه من خلال تقسيم السنة ومراقبة كيفية انتقال العناصر، يمكن للشركات اتخاذ خيارات أذكى بشأن ما يجب تخزينه. ولكن مثل أي تقنية جديدة، فهي تعمل بشكل أفضل في ظروف محددة وتحتاج إلى استخدام مع فهم واضح لحدودها. إن عمل المؤلف يشير إلى أنه بينما لا تزال الخرائط القديمة مفيدة، فإن هناك حاجة إلى بوصلة جديدة أكثر مرونة للتعامل مع عالم سلاسل التوريد الحديثة والمتغيرة باستمرار.