Оптимизация ассортимента и аллокации: рюкзак по бюджету и полке, предельное распределение запаса, транспортная задача
Три задачи, которые в закупке и логистике решают на глаз или по правилам: какие модели взять при ограниченных бюджете и полке (рюкзак), как разделить дефицитный запас между магазинами (предельный анализ) и с какого склада в какой магазин везти (транспортная задача). Решение: заменить «правило большого пальца» расчётом и увидеть цену ограничений.
Зачем этот документ
Документ читают закупщик, логист и планировщик, когда ресурсов не хватает на всё: ограничены бюджет, полка и товар. Рюкзак отвечает, какие модели взять, если бюджет и места конечны, а не просто выбрать лучшие по выручке. Предельный анализ делит дефицитный запас между магазинами так, чтобы каждая следующая штука шла туда, где принесёт больше. Транспортная задача выбирает, с какого склада в какой магазин везти. Правило «пропорционально прошлым продажам» работает хуже, чем расчёт.
Коротко
- Что это за документ и зачем он нужен?
- Три задачи, которые в закупке и логистике решают на глаз или по правилам: какие модели взять при ограниченных бюджете и полке (рюкзак), как разделить дефицитный запас между магазинами (предельный анализ) и с какого склада в какой магазин везти (транспортная задача). Решение: заменить «правило большого пальца» расчётом и увидеть цену ограничений.
- Кто отвечает за документ и как часто его пересчитывать?
- Планировщик закупки и распределения, аналитик цепочки поставок; расчёт запускают перед закупкой сезона, при каждом распределении дефицитной партии и при смене тарифов; результат читают закупки, логистика и финансы.
- Какие ошибки встречаются чаще всего?
- Выбирают модели по рейтингу прибыли без учёта полки и бюджета → набор не помещается или оставляет бюджет → считают рюкзак с обоими ограничениями. Делят партию пропорционально прошлым продажам → нестабильные магазины получают лишнее, предсказуемые остаются без запаса → распределяют по вероятности продажи следующей единицы. Принимают оптимум за истину при неточных оценках прибыли → набор «хрупкий» → проверяют устойчивость при сдвиге оценок и держат запасной список моделей.
Для кого
- Бренд
- Бренд выбирает модели линии под бюджет производства и слоты фабрики, делит выпуск между партнёрами и каналами и выбирает склад отгрузки.
- Ритейл
- Ритейлер выбирает ассортимент под бюджет закупки (OTB) и полку, распределяет поступившую партию по магазинам и планирует перемещения со склада и между магазинами.
Из чего состоит
Что такое оптимизация и зачем она в закупке
- Оптимизация — это выбор значений решения (какие модели брать, сколько отправить в магазин, по какому маршруту везти) так, чтобы целевая функция (прибыль, продажи, затраты) была лучшей при ограничениях (бюджет, полка, запас, мощность склада). Правила вида «брать самые прибыльные» или «делить пропорционально продажам» это частные эвристики, у которых нет гарантии качества.
- Каждая задача записывается тройкой: переменные решения, цель и ограничения. Цифры в цели — это оценки (ожидаемая прибыль модели, средний спрос магазина), поэтому оптимум точен относительно модели, а не реальности; результат проверяют на устойчивость к изменению оценок.
- Ограничения имеют цену: теневая цена показывает, на сколько вырастет цель при ослаблении ограничения на единицу (ещё рубль бюджета, ещё фейсинг на полке). Это главный практический результат: он отвечает, куда выгоднее добавить ресурс.
Рюкзак: ассортимент под бюджет закупки и полку
- Дано 24 моделей-кандидатов: у каждой закупка c_i (тыс. ₽), ожидаемая прибыль v_i за сезон и занятая полка w_i (фейсинги). Нужно выбрать набор с максимальной суммарной прибылью при бюджете 4 000 тыс. ₽ и полке 28 фейсингов. Всего кандидатов на 5 810 тыс. ₽ и 61 фейсингов, поэтому ограничения активны.
- Жадные правила: по прибыли на рубль закупки даёт 1 499 тыс. ₽, по прибыли модели 2 101, по прибыли на сумму долей бюджета и полки 2 150. Точное решение динамическим программированием 2 150 тыс. ₽ на 13 моделях. Лучшее жадное правило даёт 100 % оптимума, худшее 70 %: правило, выбранное без проверки, может потерять заметную часть результата.
- Теневые цены: дополнительные 500 тыс. ₽ бюджета прибавляют 106 тыс. ₽ прибыли (0,21 на рубль), дополнительный фейсинг 27 тыс. ₽. При полке 28 деньги выше 5 000 тыс. ₽ уже ничего не добавляют: ограничивает полка, а не бюджет.
- Модель дополняют условиями ассортимента: минимум моделей в каждой категории, не более заданной доли одного поставщика, взаимная исключаемость близких моделей; каждое условие становится ещё одним ограничением и уменьшает оптимум, поэтому его цену тоже показывают.
- Бренд: к ограничениям добавляют слоты и минимальные партии фабрики и ткань с минимальным заказом: модель с высокой прибылью, но с партией выше слота, в набор не входит или требует объединения заказа.
- Ритейл: полку делят по зонам и категориям, а общий фейсинг не заменяет зональный: ограничение вводят отдельно для каждой зоны, иначе набор получится нереализуемым.
Аллокация дефицитного запаса по магазинам
- Дано 680 единиц на 6 магазинов при ожидаемом спросе 850 единиц: запаса хватает на 80 % спроса. Ожидаемые продажи магазина при запасе q равны μ − σ·L(z), z = (q − μ)/σ; это вогнутая функция, поэтому оптимум находят предельным анализом: единицу отдают магазину, где вероятность её продать P(D > q) выше.
- Результат: пропорциональное деление по среднему спросу даёт 593,1 проданных единиц, предельное 601,4, то есть на 1,4 % больше при том же запасе. Выигрыш растёт с разбросом неопределённости между магазинами: магазины с предсказуемым спросом получают меньше «про запас», нестабильные меньше доли среднего спроса. В оптимуме вероятность продать последнюю единицу выравнивается (в среднем 67 %).
- Практическое правило: целевое значение для распределения это не доля среднего, а квантиль спроса магазина по критическому отношению, ограниченный фактическим запасом; при нехватке недостающее снимают с магазинов с самой низкой вероятностью продажи следующей единицы.
- Бренд: при распределении между партнёрами к вероятности продажи добавляют приоритет по договору и риск возвратов: партнёр с высоким возвратом получает меньше, даже если спрос у него выше.
- Ритейл: между магазинами к вероятности продажи добавляют стоимость перемещения и минимум выкладки: магазин не получает партию меньше минимума, а перемещения оправданы, только если выигрыш выше затрат.
Транспортная задача: откуда куда везти
- Три склада с запасом 400, 300, 200 и пять магазинов со спросом 200, 150, 250, 180, 120 единиц при стоимости доставки единицы от 25 до 76 ₽. Нужно минимизировать суммарные затраты, выполнив спрос без превышения запасов. Задача решается как поток минимальной стоимости или симплекс-методом.
- Эвристика «самый дешёвый маршрут первым» даёт 32 530 ₽, точное решение 31 270 ₽, то есть жадный метод дороже на 4 %. Причина: дешёвый маршрут может занять ограниченный запас, который нужен магазину без альтернатив.
- К стоимости добавляют ограничения: минимальная партия отправки, окна доставки, мощность приёмки; при штучных ограничениях задача становится целочисленной и решается специализированным решателем, а не вручную.
Бренд и ритейл: что оптимизируют
- Бренд: рюкзак для выбора моделей в линейку под бюджет производства, слоты фабрики и минимальные партии; цель это ожидаемая маржа линии, а ограничение числа моделей отражает сложность производства.
- Ритейл: рюкзак для выбора ассортимента под бюджет OTB и полку магазина; цель это валовая прибыль за вычетом цены нераспроданного остатка.
- Бренд: аллокация дефицитной партии между партнёрами и каналами с учётом приоритетов и обязательств по договорам; цена нарушенного приоритета входит в цель.
- Ритейл: аллокация партии между магазинами по вероятности продать следующую единицу и перемещения между магазинами при остатках на одном и нехватке на другом.
- Бренд: транспортная задача для выбора склада отгрузки (собственный склад, фулфилмент, фабрика) под тарифы и сроки доставки партнёрам.
- Ритейл: транспортная задача для поставки со складов и распределительных центров в магазины и пункты выдачи; цена нехватки и срок доставки входят в стоимость маршрута.
Откуда берутся данные
| Источник данных | Поля |
|---|---|
| Закупка и прогноз | Закупочная стоимость модели, ожидаемая прибыль и спрос с разбросом (σ), цена ликвидации остатка, минимальные партии. |
| Площади и склад | Полка магазина в фейсингах и по категориям, остатки по складам и магазинам, мощность приёмки. |
| Логистика | Тарифы по маршрутам склад-магазин, сроки доставки, ограничения по партиям и окнам. |
Как собрать по шагам
- Шаг 1. Запишите задачу тройкой: переменные решения, цель, ограничения; сверьте единицы (тыс. ₽, штуки, фейсинги).
- Бренд: Шаг 2. Соберите модели-кандидаты с закупкой, ожидаемой маржой и слотом фабрики; уберите модели с нарушенными минимальными партиями.
- Ритейл: Шаг 3. Соберите модели-кандидаты с закупкой, ожидаемой прибылью и занятой полкой; добавьте минимум по каждой категории.
- Шаг 4. Решите рюкзак точно (динамическое программирование при целочисленных данных) и сравните с жадным правилом, которым пользуются сейчас.
- Шаг 5. Посчитайте теневые цены: оптимум при бюджете +500 тыс. ₽ и полке +1 фейсинг; покажите, какой ресурс ограничивает.
- Бренд: Шаг 6. Для дефицитной партии задайте приоритеты партнёров и каналов и найдите распределение с максимальной ожидаемой продажей при выполнении договорных обязательств.
- Ритейл: Шаг 7. Для партии по магазинам отдавайте единицу магазину с наибольшей вероятностью продажи следующей единицы (нормальный спрос μ, σ), пока запас не кончится.
- Шаг 8. Для маршрутов постройте матрицу тарифов, найдите поток минимальной стоимости и сравните с текущей схемой поставок.
- Шаг 9. Проверьте устойчивость: пересчитайте при изменении оценок прибыли и спроса на ±10–20 % и посмотрите, меняется ли состав набора и распределение.
- Шаг 10. Закрепите правила: кто запускает расчёт, какие допущения фиксируются, когда решение пересматривается; решение, которое нельзя объяснить, вручную правят и записывают причину.
Формулы
| Показатель | Формулы | Пояснение |
|---|---|---|
| Рюкзак с двумя ограничениями | max Σ v_i·x_i при Σ c_i·x_i ≤ B, Σ w_i·x_i ≤ W, x_i ∈ {0, 1} | x_i = 1 если модель включена; стоимости целые в единицах шага (здесь 10 тыс. ₽). |
| Динамическое программирование | V_k(b, w) = max{ V_(k−1)(b, w), V_(k−1)(b − c_k, w − w_k) + v_k } | Точно, объём вычислений N·B·W; при тысячах моделей нужен решатель. |
| Теневая цена | λ_B ≈ [V(B + ΔB, W) − V(B, W)] / ΔB; λ_W ≈ V(B, W + 1) − V(B, W) | Оценка по конечной разности; для целочисленной задачи это приближение. |
| Ожидаемые продажи | E[min(q, D)] = μ − σ·L(z), L(z) = φ(z) − z·(1 − Φ(z)), z = (q − μ)/σ | Нормальное приближение спроса; при малых μ/σ отрицательные значения спроса искажают оценку. |
| Предельное условие аллокации | P(D_i > q_i) ≈ λ для всех магазинов i, Σ q_i = Q | λ это цена единицы дефицитного запаса в долях цены продажи. |
| Транспортная задача | min Σ_ij c_ij·x_ij при Σ_j x_ij ≤ s_i, Σ_i x_ij = d_j, x_ij ≥ 0 | Решение целочисленно при целых s_i и d_j; суммарный запас не меньше суммарного спроса. |
Формулы в записи
- Рюкзак
max Σ v_i·x_i; Σ c_i·x_i ≤ B; Σ w_i·x_i ≤ W; x_i ∈ {0, 1}
Выбор набора моделей.- Рекурсия
V_k(b, w) = max{ V_{k−1}(b, w), V_{k−1}(b − c_k, w − w_k) + v_k }
Динамическое программирование по моделям.- Предельное условие
P(D_i > q_i) ≈ λ; Σ q_i = Q
Вероятности продать последнюю единицу равны.
Пример с числами
Выбор моделей под бюджет и полку: четыре способа
| Способ | Прибыль, тыс. ₽ | Закупка, тыс. ₽ | Полка, фейсинги | От оптимума, % |
|---|---|---|---|---|
| Жадный по прибыли на рубль закупки | 1 499 | 2 370 | 28 | 69,7 |
| Жадный по прибыли модели | 2 101 | 3 960 | 28 | 97,7 |
| Жадный по прибыли на долю бюджета и полки | 2 150 | 3 910 | 27 | 100 |
| Точный (динамическое программирование) | 2 150 | 3 910 | 27 | 100 |
24 моделей-кандидатов сформированы кодом (фиксированное зерно): закупка 80–450 тыс. ₽, маржа 20–75 %, 1–4 фейсинга. Бюджет 4 000 тыс. ₽, полка 28 фейсингов. Данные учебные; разрыв между правилами на реальных данных другой.
Рисунки
Данные таблицей
| Показатель | Прибыль набора |
|---|---|
| Прибыль на рубль | 1 499 |
| Прибыль модели | 2 101 |
| Доли бюджета и полки | 2 150 |
| Точный | 2 150 |
Прибыль набора по способам выбора. Точное решение 2 150 тыс. ₽; жадные правила дают от 1 499 до 2 150 тыс. ₽: правило, лучшее на одних данных, не обязано быть лучшим на других.
Данные таблицей
| Показатель | Оптимальная прибыль |
|---|---|
| 2000 | 1 291 |
| 3000 | 1 793 |
| 4000 | 2 150 |
| 5000 | 2 256 |
| 6000 | 2 256 |
| 7000 | 2 256 |
| 8000 | 2 256 |
Граница возможностей: прибыль против бюджета закупки. Прибыль растёт с бюджетом до 5 000 тыс. ₽ и дальше не растёт: при полке 28 фейсингов ограничивает полка. Наклон кривой — это теневая цена бюджета. По оси: бюджет закупки, тыс. ₽.
Данные таблицей
| Показатель | Оптимальная прибыль |
|---|---|
| 16 | 1 717 |
| 20 | 1 925 |
| 24 | 2 067 |
| 28 | 2 150 |
| 32 | 2 205 |
| 40 | 2 250 |
Прибыль против полки при фиксированном бюджете. Фейсинги дают убывающую отдачу: с 16 до 20 фейсингов прибыль растёт на 208 тыс. ₽, с 32 до 40 на 45 тыс. ₽. По оси: полка, фейсинги.
- Средний спрос
- Пропорционально
- Предельно
Данные таблицей
| Показатель | Средний спрос | Пропорционально | Предельно |
|---|---|---|---|
| 1 | 260 | 208 | 191 |
| 2 | 180 | 144 | 169 |
| 3 | 140 | 112 | 94 |
| 4 | 120 | 96 | 113 |
| 5 | 90 | 72 | 58 |
| 6 | 60 | 48 | 55 |
Распределение запаса по магазинам. Предельное распределение отходит от пропорционального: магазин 1 с высоким разбросом спроса получает меньше доли среднего (191 против 208), магазины с предсказуемым спросом больше. По оси: номер магазина.
- Пропорционально
- Предельно
Данные таблицей
| Показатель | Пропорционально | Предельно |
|---|---|---|
| 1 | 65,6 | 61,3 |
| 2 | 79,5 | 90,9 |
| 3 | 60,4 | 52,1 |
| 4 | 79,7 | 91,6 |
| 5 | 58 | 48 |
| 6 | 78,3 | 87,2 |
Доля удовлетворённого спроса по магазинам. Предельное распределение выравнивает отдачу единицы, а не доли: суммарно 601,4 против 593,1 проданных единиц; у магазинов с низким разбросом доля выше. Ожидаемые продажи ÷ средний спрос магазина.
Оптимальный план поставок со складов в магазины. Оптимальный план стоит 31 270 ₽ против 32 530 ₽ у жадного метода; склады обслуживают 3, 2, 1 магазинов соответственно, подписи на стрелках это штуки.
- Склад 1: 400 → Магазин 3: 250; Магазин 4: 180; Магазин 5: 120
- Склад 2: 300 → Магазин 2: 150; Магазин 3: 250
- Склад 3: 200 → Магазин 1: 200
- Магазин 1: 200
- Магазин 2: 150
- Магазин 3: 250
- Магазин 4: 180
- Магазин 5: 120
Особенности по категориям
- Одежда
- Много моделей и цветов: рюкзак считают по модели-цвету с условием на ширину и глубину по размерным рядам; ограничение полки в фейсингах по группам и по сезонной зоне.
- Обувь
- Ограничение — это размерные ряды и склад, а не только полка: запас делится по размерам, поэтому аллокация идёт по размерам внутри модели, а рюкзак по моделям.
- Аксессуары
- Малая цена и много позиций: полка и ограниченное число позиций важнее бюджета; рюкзак с ограничением числа позиций и кроссом по ассортименту.
- Детское
- Размеры устаревают за сезон: цена нераспроданного остатка высока, поэтому в цель вносят потери от остатка и аллокацию держат по возрастным группам.
- Мужское
- Стабильный спрос и меньший разброс: выигрыш предельной аллокации над пропорциональной мал, достаточно правил; рюкзак важнее для базовой линии.
- Женское
- Высокий разброс спроса и быстрый оборот: предельная аллокация и перемещения между магазинами дают заметный выигрыш; оценки прибыли моделей неопределённы, поэтому устойчивость решения проверяют обязательно.
Типичные ошибки
- Выбирают модели по рейтингу прибыли без учёта полки и бюджета → набор не помещается или оставляет бюджет → считают рюкзак с обоими ограничениями.
- Делят партию пропорционально прошлым продажам → нестабильные магазины получают лишнее, предсказуемые остаются без запаса → распределяют по вероятности продажи следующей единицы.
- Принимают оптимум за истину при неточных оценках прибыли → набор «хрупкий» → проверяют устойчивость при сдвиге оценок и держат запасной список моделей.
- Не показывают теневые цены → не видно, что ограничивает → решение «добавить бюджет» не работает, если ограничивает полка.
- Выбирают маршрут по самому дешёвому тарифу без учёта запасов склада → дорогие поставки магазинам без альтернатив → поток минимальной стоимости.
Особенности России
- Ритейл: перемещения между магазинами и распределение партии оформляют документами о перемещении товара; маркируемые товары движутся с передачей кодов маркировки, поэтому ограничения по маркировке входят в допустимые маршруты. Норма: постановление 1956 от 31.12.2019: Постановление Правительства от 31.12.2019 № 1956 (правила маркировки товаров легкой промышленности) (проверка нормы не завершена).
- Бренд: приоритеты партнёров при дефиците задаются договором; распределение, нарушающее условия договора или исключительности, оптимизация не должна выбирать, ограничение вносят явно.