منحوتة بيانات تجريدية تمثل بوابتين لحركة المخزون: إعادة الطلب والخروج من المخزون الراكد
MOLLKOM / GUIDESالمخزون ونقاط البيع
نظام العتبتين
منحوتة مادية لمسار مخزون يمر عبر بوابتين: الأولى تعيد الوحدات إلى الدورة عند بلوغ نقطة الشراء، والثانية تفصل الوحدات الراكدة قبل تراكمها. يظهر التوازن بين التوفر والهامش من دون واجهات برمجية أو شاشات.10تحسن متوسط دقة توقع توقيت الطلب باستخدام بيانات نقاط البيع في دراسة منشورة
جميع المقالات
المخزون ونقاط البيع والطلبات

إدارة المخزون ونقاط البيع: نقطة للشراء وأخرى للخروج

بدلاً من رقم شراء ثابت، يقترح المقال نظام عتبتين: نقطة لإعادة الطلب، ونقطة خروج توقف التوريد وتعالج المخزون الراكد قبل أن يلتهم الهامش.

عبداللطيف أحمد جنيد8 دقائق قراءة
THE THESIS

إدارة المخزون لا تحتاج نقطة إعادة طلب فقط؛ تحتاج نقطة خروج توقف الشراء وتحوّل الصنف الراكد إلى نقد قبل أن يصبح الخصم اعترافاً متأخراً بالخسارة.

EVIDENCE · 0110–20 نقطة مئوية

تحسن في دقة توقع توقيت الطلب

حققه نموذج جمع آخر طلب مع مبيعات نقاط البيع والطلب المتوقع خلال مهلة التوريد، مقارنة بنماذج زمنية بديلة في دراسة شملت مورداً وسلسلة من 53 هايبرماركت.

European Journal of Operational Research — When is the next order?
EVIDENCE · 022.33 مقابل 1.28

معامل الأمان عند خدمة 99% و90%

رفع مستوى الخدمة من 90% إلى 99% يرفع معامل مخزون الأمان بنحو 82% قبل احتساب أي تغير في الطلب أو مهلة التوريد.

Oracle NetSuite — Inventory Optimization Calculations
EVIDENCE · 03180 يوماً

عتبة شائعة للمخزون الميت

يورد دليل Shopify لعام 2026 أن الصنف لا يُعد عادة مخزوناً ميتاً قبل 180 يوماً، مع ضرورة تعديل النافذة وفق دورة حياة الفئة.

Shopify — Inventory Aging Report
EVIDENCE · 04القيمة الأقل

بين التكلفة وصافي القيمة القابلة للتحقق

يفرض معيار IAS 2 قياس المخزون بالقيمة الأقل، مع الاعتراف بالتخفيض عندما تصبح القيمة المتوقع تحصيلها بعد تكاليف البيع أدنى من التكلفة.

IFRS Foundation — IAS 2 Inventories
01 / المفارقة

ينفد الصحيح ويبقى الخطأ

قد ينفد المنتج الذي يشتريه العميل بالسعر الكامل، بينما تمتلئ الرفوف بصنف لن يتحرك إلا بعد خصم مؤلم. الحالتان غالباً نتيجة السياسة نفسها: نقطة شراء بلا نقطة خروج.

تبدأ المشكلة عندما يُعامل المخزون كعدد وحدات، لا كسلسلة قرارات. يضع الفريق حداً ثابتاً لإعادة الطلب، ثم يستمر في تطبيقه حتى لو تباطأ معدل البيع أو تغير الموسم أو انتقلت المبيعات من الفرع إلى المتجر الإلكتروني. تتلقى المشتريات إشارة تقول إن الكمية انخفضت، لكنها لا ترى أن الانخفاض سببه تحويل وحدات بين المواقع، أو طلبات محجوزة، أو حملة مؤقتة لن تتكرر.

الرصيد الموجود على الرف ليس الرصيد المتاح للبيع. توضح وثائق Oracle أن الكمية المتاحة تطرح الوحدات الملتزم بها من الموجود الفعلي، وأن اقتراح كمية الشراء يأخذ المخزون القادم في الحسبان. لهذا قد يبدو الصنف متوافراً وهو محجوز لطلبات لم تُجهز، أو يبدو منخفضاً رغم وجود شحنة مؤكدة في الطريق.

الضرر التجاري يظهر في الهامش: النفاد يبدد فرصة بيع بالسعر الكامل، والتكدس يدفع إلى تخفيض السعر أو تحميل تكلفة التخزين أو تخفيض القيمة الدفترية. الحل ليس زيادة المخزون أو تقليله إجمالاً؛ بل إعطاء كل صنف عتبتين مختلفتين: متى نشتري، ومتى نتوقف عن الشراء ونبدأ الخروج.

المخزون الزائد ليس نقيض النفاد؛ كثيراً ما يكونان نتيجة الإشارة الخاطئة نفسها.
02 / القرار

ضع نقطة للدخول ونقطة للخروج

نقطة إعادة الطلب تجيب عن سؤال التوفر. نقطة الخروج تجيب عن سؤال الهامش. لا ينبغي لأي منهما أن تعمل منفردة.

الصيغة التشغيلية الأساسية هي: نقطة إعادة الطلب تساوي متوسط الطلب اليومي مضروباً في مهلة التوريد، مضافاً إليه مخزون الأمان. في السيناريو الافتراضي في الرسم الأول، يبيع الصنف ست وحدات يومياً ويحتفظ بـ18 وحدة أمان. ارتفاع مهلة المورد من سبعة إلى 21 يوماً يرفع عتبة الشراء من 60 إلى 144 وحدة، من دون أي تغير في المبيعات.

لكن بلوغ العتبة لا يعني إصدار طلب شراء تلقائياً. يجب أن يمر القرار عبر بوابة ثانية تسأل: هل ما زال الصنف يستحق إعادة الطلب؟ تعتمد الإجابة على معدل التصريف، وعمر الوحدات، وتاريخ آخر بيع، والهامش المتوقع بعد أي تخفيض. تعرّف Shopify معدل التصريف بأنه الوحدات المباعة مقسومة على مجموع المبيع والمتبقي خلال الفترة؛ وهو أدق من النظر إلى المبيعات وحدها، لأن بيع عشر وحدات من دفعة حجمها 12 مختلف عن بيعها من دفعة حجمها 100.

يعمل نظام العتبتين بهذه البساطة: إذا هبط المخزون تحت نقطة إعادة الطلب وكان التصريف صحياً، اشترِ. إذا هبط تحتها لكن الصنف يتقادم، أوقف الشراء وافحص الظهور والتوزيع والسعر. وإذا ظل المخزون فوق العتبة وبدأ العمر يرتفع، انتقل من إدارة التوفر إلى إدارة الخروج.

  • نقطة الشراء: الطلب خلال مهلة التوريد + مخزون الأمان.
  • نقطة الخروج: عمر الصنف + ضعف التصريف + هامش ما بعد التدخل.
  • لا يصدر طلب شراء قبل اجتياز العتبتين معاً.
هبوط الكمية لا يكفي للشراء؛ قد يكون آخر إنذار قبل أن تضاعف المخزون الخطأ.
DATA / EVIDENCE

كل أسبوع تأخير يرفع عتبة الشراء

تأثير مهلة التوريد في نقطة إعادة الطلب لصنف افتراضي يبيع ست وحدات يومياً ويحتفظ بـ18 وحدة كمخزون أمان.

مهلة 7 أيام42 وحدة لتغطية المهلة + 18 وحدة أمان60 وحدة
مهلة 14 يوماً84 وحدة لتغطية المهلة + 18 وحدة أمان102 وحدة
مهلة 21 يوماً126 وحدة لتغطية المهلة + 18 وحدة أمان144 وحدة
المنهجية: سيناريو افتراضي معلن. نقطة إعادة الطلب = 6 وحدات × عدد أيام المهلة + 18 وحدة أمان. لا تمثل القيم نتيجة لتاجر أو مزود بعينه.المصدر: Oracle NetSuite — Reorder Point Formula
DECISION TABLE

مصفوفة القرار: لا تجعل نقطة الشراء تعمل وحدها

اربط موقع الصنف من نقطة إعادة الطلب بصحة التصريف وعمر المخزون قبل إصدار أمر شراء أو تخفيض.

مرّر الجدول أفقيًا لعرض جميع الأعمدة.

حالة المخزونالتصريف والعمرقرار الشراءقرار الخروج والتنشيط، المؤشر المحمي
تحت نقطة إعادة الطلبتصريف صحي وعمر طبيعيإعادة الطلب وفق المستوى المستهدفلا تخفيض؛ راقب حوادث النفاد والهامش
تحت نقطة إعادة الطلبتصريف ضعيف أو وحدات متقادمةأوقف الشراء الآلي وراجع سبب الهبوطحسّن الظهور أو انقل الوحدات؛ راقب الهامش المحقق
فوق نقطة إعادة الطلبتصريف صحيانتظر واستهلك المخزون القائملا تدخل سعري؛ راقب أيام التغطية
فوق نقطة إعادة الطلبتصريف ضعيف وعمر مرتفعجمّد أو قلل الطلبات المفتوحةحزمة ثم تخفيض انتقائي ثم خروج؛ راقب قيمة المخزون المتقادم

المصدر: تركيب تحريري استناداً إلى Oracle وShopify وIAS 2

03 / الإشارة

المتاح ليس ما على الرف

كلما تعددت قنوات البيع، أصبحت دقة نقطة إعادة الطلب مسألة ربط بيانات قبل أن تكون مسألة معادلات.

ابنِ لكل صنف وفي كل موقع وضعاً مخزونياً واحداً يضم الموجود، والمخزون القادم المؤكد، والكميات الملتزم بها للطلبات، والمرتجعات التي لم تُفحص. راجع تعريفات النظام حتى لا تُطرح الطلبات المتأخرة مرتين. الأهم أن تُسجل مبيعات المتجر الإلكتروني ونقطة البيع على مستوى المتغير نفسه: المقاس واللون والعبوة والموقع، لا على مستوى اسم المنتج العام.

الدليل على قيمة هذه الإشارة ليس نظرياً فقط. دراسة منشورة في European Journal of Operational Research استخدمت آخر طلب، وبيانات مبيعات نقاط البيع، والطلب المتوقع خلال المهلة لتوقع موعد الطلب التالي لدى سلسلة تضم 53 هايبرماركت. تحسنت دقة توقيت الطلب في المتوسط بين 10 و20 نقطة مئوية مقارنة ببدائل زمنية، لكن فاقد المخزون غير المسجل أضعف النتائج؛ أي إن الربط لا يلغي الحاجة إلى الجرد الدوري.

بحسب الصفحة الرسمية لتطبيق Mollkom PDA، ترتبط عملية البيع بالمنتجات والطلبات والمخزون ضمن سجل التجارة نفسه. القيمة التشغيلية لمثل هذا الربط ليست وعداً بنتيجة محددة، بل منع وصول إشارتين متعارضتين إلى المشتريات: مبيعات في الكاشير لا تخفض رصيد المتجر، أو طلبات إلكترونية لا تظهر للوحدة التي ستجهزها.

  • سجل واحد للصنف والمتغير والموقع.
  • خصم الطلبات المحجوزة قبل حساب المتاح.
  • إدخال الشحنات المؤكدة وتواريخ وصولها.
  • جرد دوري للأصناف ذات الانحراف أو الحركة العالية.
نقطة البيع ليست قناة تحصيل فقط؛ إنها أسرع إشارة فعلية إلى حركة الصنف.
04 / الخدمة

99% لها فاتورة

اختيار مستوى خدمة مرتفع لكل الأصناف يبدو آمناً، لكنه يحول مخزون الأمان إلى مخزون دائم.

تعرض Oracle معاملات تقريبية لمستويات الخدمة: 1.28 عند 90%، و1.65 عند 95%، و2.05 عند 98%، و2.33 عند 99%. إذا بقي تذبذب الطلب خلال المهلة ثابتاً، فإن الانتقال من 90% إلى 99% يرفع عامل الأمان بنحو 82%. هذه ليست زيادة مجانية؛ إنها وحدات إضافية تبقى ممولة ومخزنة طوال دورة الشراء.

لذلك لا تمنح كل صنف مستوى الخدمة نفسه. يمكن أن يبدأ الصنف سريع الحركة، مرتفع الهامش، أو الصعب استبداله باختبار مستوى أعلى. أما المتغيرات البطيئة أو منخفضة الهامش أو سهلة التعويض ببديل، فتحتاج سياسة أكثر تحفظاً أو شراءً عند الطلب. هذه نقطة بداية للاختبار، وليست معياراً موحداً بين العطور والأزياء والأغذية وقطع الغيار.

تحذر وثائق Oracle أيضاً من أن الحساب يصبح تقريبياً عندما يكون الطلب متقطعاً أو موسمياً أو مدفوعاً بالعروض. لا تسمح لمبيعات يوم وطني أو رمضان أو إطلاق مؤثر بأن تتحول آلياً إلى طلب يومي دائم. افصل مبيعات الحملات، واستخدم فترة موسمية مماثلة، ثم دوّن سبب أي تعديل يدوي حتى يمكن مراجعته لاحقاً.

المستوى الأعلى من التوفر قرار استثماري، لا إعداد افتراضي يوضع على كل الأصناف.
DATA / EVIDENCE

رفع مستوى الخدمة يرفع مخزون الأمان

مقارنة معامل الخدمة الرسمي مع وحدات أمان توضيحية عند افتراض انحراف معياري للطلب خلال المهلة قدره عشر وحدات.

خدمة 90%أقل مخزون أمان بين المستويات المقارنة1.3 معامل z / وحدات أمان
خدمة 95%زيادة معتدلة مقابل 90%1.6 معامل z / وحدات أمان
خدمة 98%يتطلب حماية أعلى للأصناف المهمة2.0 معامل z / وحدات أمان
خدمة 99%معامل أعلى بنحو 82% من مستوى 90%2.3 معامل z / وحدات أمان
المنهجية: القيمة الأساسية هي معامل z المنشور من Oracle. القيمة الثانوية = المعامل × 10 وحدات، مقربة إلى أعلى. المثال توضيحي وليس توصية بمستوى خدمة محدد.المصدر: Oracle NetSuite — Inventory Optimization Calculations
05 / الركود

أنقذ الهامش قبل الخصم

المخزون لا ينتقل فجأة من سليم إلى ميت. يمر بفترة يمكن خلالها إنقاذ الهامش إذا ظهرت الإشارة مبكراً.

يقترح تقرير Shopify لتقادم المخزون نوافذ مثل 0–30 و31–90 يوماً، ويذكر 180 يوماً كعتبة شائعة للمخزون الميت، مع اختلافها حسب الفئة. استخدم هذه النوافذ كبداية فقط. في الأغذية قد يكون القرار يومياً، وفي الأزياء أسبوعياً، بينما تتحمل بعض قطع الغيار دورة أطول. المهم أن يمتلك كل قسم تاريخاً معلناً يبدأ عنده التدخل.

لا تبدأ بأعمق خصم. في المرحلة المبكرة جمّد إعادة الطلب، وارفع ظهور الصنف في البحث والتصنيف، وانقله إلى الموقع الأعلى طلباً، أو ضمه في حزمة تحافظ على السعر. بعد ذلك اختبر تخفيضاً انتقائياً على المتغير أو الموقع الراكد، بدلاً من خفض سعر المنتج كله. وتشير تجربة ميدانية منشورة في يوليو 2026 إلى أن زيادة وضوح المنتجات المخفضة القريبة من انتهاء الصلاحية رفعت تصريفها من دون تضحية إضافية بالهامش؛ ما يذكّر بأن المشكلة قد تكون في الاكتشاف لا في السعر وحده.

عندما تنخفض القيمة المتوقع تحصيلها بعد تكاليف البيع عن التكلفة، يصبح القرار محاسبياً أيضاً. ينص IAS 2 على القياس بالقيمة الأقل بين التكلفة وصافي القيمة القابلة للتحقق. لكن عتبة الخروج التشغيلية يجب أن تسبق التخفيض المحاسبي: أوقف التوريد، انقل الوحدات، اختبر العرض، ثم صفِّ أو اخفض القيمة عندما تثبت البيانات أن الاسترداد الكامل لم يعد مرجحاً.

  • 0–30 يوماً: تحسين الظهور والتوزيع وتجميد الشراء عند ضعف التصريف.
  • 31–90 يوماً: حزمة أو نقل بين المواقع أو تخفيض محدود للمتغير الراكد.
  • بعد 90 يوماً: خطة خروج محددة بموعد وهامش أدنى.
  • 180 يوماً بلا طلب: مراجعة التصفية أو الشطب وفق طبيعة الفئة والسياسة المحاسبية.
أفضل تخفيض هو الذي لم تحتج إليه لأنك أوقفت طلب الشراء التالي في الوقت الصحيح.
DATA / EVIDENCE

سُلّم التدخل قبل أن يصبح الصنف ميتاً

نوافذ تشغيلية أولية تربط عمر المخزون بنوع التدخل، مع تعديلها حسب صلاحية المنتج وموسميته ودورة حياته.

01التدخل المبكر30 يوم

ارفع الظهور، انقل بين المواقع، وجمّد إعادة الطلب عند تباطؤ التصريف

02تصحيح المسار90 يوم

اختبر حزمة أو تخفيضاً انتقائياً وحدد موعد الخروج

03مراجعة المخزون الميت180 يوم

راجع التصفية أو الشطب وصافي القيمة القابلة للتحقق

المنهجية: تستخدم النقاط 30 و90 و180 يوماً الواردة في دليل تقادم المخزون كمرجع لبناء سياسة، لا كحدود إلزامية لكل القطاعات.المصدر: Shopify — Inventory Aging Report 2026
06 / التنفيذ

اجتماع واحد يحرك المخزون

لا تحول النظام إلى مشروع تنبؤ ضخم. ابدأ بقائمة استثناءات أسبوعية تجعل قرار الشراء وقرار الخروج مرئيين في الشاشة نفسها.

خصص مراجعة أسبوعية للأصناف التي هبطت تحت نقطة إعادة الطلب، أو تجاوزت نافذة العمر، أو انخفض تصريفها فجأة. يجب أن ينتهي الاجتماع بأفعال مسماة: طلب شراء، إلغاء أو تقليل طلب، نقل بين موقعين، تعديل موضع العرض، حزمة، تخفيض محدود، أو مراجعة صافي القيمة القابلة للتحقق. الصنف الذي يخرج من الاجتماع بلا قرار سيعود في الأسبوع التالي أقدم وأقل مرونة.

اجعل المؤشر التجاري الأساسي هو الهامش الإجمالي المحقق لكل دفعة أو فئة عمرية، لا عدد الوحدات التي تم التخلص منها. راقب معه معدل التصريف وحوادث النفاد كحاجزين: قد يرتفع التصريف بسبب خصم يبدد الهامش، وقد يتحسن الهامش مؤقتاً لأن الفريق اشترى أقل مما يلزم وخسر مبيعات. القراءة المتوازنة تمنع نجاحاً وهمياً في أحد الطرفين.

ابدأ بتجربة أربعة أسابيع على أعلى 50 صنفاً من حيث قيمة المخزون أو المبيعات. وحّد بيانات القنوات، احسب نقطة الشراء، عرّف عتبة الخروج لكل فئة، ثم قارن قيمة المخزون المتقادم، وحوادث النفاد، والهامش المحقق قبل التجربة وبعدها. الرهان ليس الوصول إلى توقع مثالي؛ بل منع قرارين مكلفين: طلب متأخر للصنف الصحيح، وطلب جديد للصنف الخطأ.

  • اليوم الأول: توحيد رصيد الصنف والطلبات المحجوزة والقادمة.
  • الأسبوع الأول: حساب نقاط إعادة الطلب وتقسيم مستويات الخدمة.
  • الأسبوع الثاني: اعتماد نوافذ العمر والهامش الأدنى للتخفيض.
  • أسبوعياً: تنفيذ قائمة الاستثناءات وقياس الهامش والتصريف والنفاد.
اطلب عند الدليل، وتوقف قبل أن يصبح الخصم هو المخرج الوحيد.
حالة منشورة

بيانات نقاط البيع حسّنت توقع موعد الطلب

السياق

واجه مصنع أغذية ألماني صغير صعوبة في توقع طلبات الأصناف بطيئة الحركة لدى تاجر تجزئة يدير مركز توزيع و53 هايبرماركت. كان الاعتماد على تاريخ الطلبات وحده ضعيفاً لأن الطلبات متباعدة ومجمعة.

التدخل

جمع الباحثان آخر طلب صادر مع مبيعات نقاط البيع في المتاجر والطلب المتوقع خلال مهلة التوريد لتقدير المخزون القائم وتوقع موعد الطلب التالي. وأضيف عامل تصحيح لمعالجة الانكماش أو الفاقد غير المسجل.

الأثر

تفوق النهج على متغير من نموذج Croston والمتوسط المتحرك، محققاً تحسناً متوسطاً بين 10 و20 نقطة مئوية في دقة توقع توقيت الطلب. كما أظهرت الدراسة أن أخطاء الرصيد تقلل قيمة بيانات نقاط البيع إن لم تُصحح.

53هايبرماركت ضمن شبكة التحقق الميداني
10–20 نقطةتحسن متوسط دقة توقع توقيت الطلب

المصدر: European Journal of Operational Research — When is the next order?

ACTION SYSTEM

إطار العتبتين في ست خطوات

دورة تشغيل تحول بيانات نقاط البيع والمخزون إلى قرارات شراء وخروج قابلة للمراجعة والقياس.

  1. 01

    وحّد إشارة الصنف

    اجمع مبيعات المتجر ونقاط البيع، والموجود، والمحجوز، والقادم، والمرتجعات بحسب الصنف والمتغير والموقع.

    المخرج · ملف يومي موحد لوضع المخزون لكل SKU وموقع.
  2. 02

    قسّم مستوى الخدمة

    صنّف الأصناف حسب سرعة البيع، والهامش، وصعوبة الاستبدال، وتذبذب الطلب بدلاً من منحها مخزون أمان واحداً.

    المخرج · جدول مستوى خدمة ومخزون أمان لكل شريحة.
  3. 03

    احسب نقطة الشراء

    استخدم الطلب اليومي ومهلة التوريد الفعلية ومخزون الأمان، مع فصل أثر الحملات والمواسم غير المتكررة.

    المخرج · نقطة إعادة طلب محدثة لكل صنف ومورد وموقع.
  4. 04

    عرّف نقطة الخروج

    حدد لكل فئة نوافذ العمر، والحد الأدنى لمعدل التصريف، وأيام انعدام البيع، والهامش الأدنى المقبول.

    المخرج · سُلّم تدخل من تجميد الشراء إلى النقل والحزمة والتخفيض والتصفية.
  5. 05

    راجع الاستثناءات أسبوعياً

    اعرض الأصناف التي تجاوزت إحدى العتبتين وحدد مالك القرار وموعد تنفيذه.

    المخرج · قائمة أوامر شراء وإلغاء ونقل وتنشيط وتخفيض بمواعيد واضحة.
  6. 06

    قِس الهامش لا الحركة فقط

    تابع الهامش المحقق حسب عمر الدفعة، مع معدل التصريف وحوادث النفاد كمؤشرين حارسين.

    المخرج · لوحة أسبوعية تقارن الهامش والتصريف والنفاد وقيمة المخزون المتقادم.

أسئلة شائعة

ما الفرق بين نقطة إعادة الطلب والحد الأدنى للمخزون؟

نقطة إعادة الطلب هي العتبة التي تطلق مراجعة الشراء، وتشمل الطلب المتوقع خلال مهلة التوريد ومخزون الأمان. أما الحد الأدنى فقد يكون مجرد رصيد ثابت لا يعكس سرعة البيع أو تأخر المورد.

كم مرة يجب تحديث نقطة إعادة الطلب؟

راجعها أسبوعياً للأصناف المهمة، ويومياً للأصناف السريعة أو القصيرة الصلاحية. أعد الحساب أيضاً عند تغير المورد أو مهلة التوريد أو الموسم أو نمط المبيعات بين القنوات.

هل يبدأ تخفيض السعر تلقائياً بعد 90 يوماً؟

لا. نافذة العمر إشارة للمراجعة وليست أمراً بالتخفيض. ابدأ بتجميد الشراء وتحسين الظهور والنقل بين المواقع والحزم، ثم اختبر تخفيضاً انتقائياً إذا لم تتحسن الحركة.

ما المؤشر الأفضل لقياس نجاح السياسة؟

استخدم الهامش الإجمالي المحقق حسب دفعة المخزون كمؤشر رئيسي، وراقب معه معدل التصريف وحوادث النفاد. ارتفاع التصريف وحده قد يكون نتيجة خصومات أضرت بالهامش.

كيف تخدم نقاط البيع هذا القرار؟

توفر نقاط البيع إشارة مباشرة إلى الوحدات التي خرجت فعلياً من كل موقع. فائدتها تتحقق عندما تتصل بالسجل نفسه المستخدم للطلبات الإلكترونية والمخزون المحجوز والشحنات القادمة.

المصادر والمراجع

  1. 1. Oracle NetSuite — Inventory Optimization Calculations
  2. 2. Oracle NetSuite — Bulk Orders and Available Inventory
  3. 3. Shopify Help Center — Product Analytics Overview
  4. 4. Shopify — Inventory Aging Report 2026
  5. 5. IFRS Foundation — IAS 2 Inventories
  6. 6. European Journal of Operational Research — When is the next order?
  7. 7. SSRN — Navigating the Waste-Markdown Tradeoff
  8. 8. مولْكوم — تطبيق PDA للكاشير والمستودع

طبّق الخطوة التالية في متجرك

سجّل وأنشئ متجرك، ثم اربط تجهيز المنتجات والتسويق بالطلبات والمخزون والتوصيل في بيئة مولْكوم.

سجّل وابدأ تجارتك

المزيد لمتجرك

كتل مخزون تعبر نافذة زمنية تضيق قبل نهاية موسم البيع
MOLLKOM / GUIDESMOLLKOM / INVENTORY
آخر يوم للشراء
مسار مادي للمخزون يمر عبر بوابتين: عتبة النفاد أولاً، ثم نافذة زمنية تضيق قبل نهاية الموسم. بعض الوحدات تعبر، بينما تتكدس الدفعة الزائدة خلف البوابة الثانية.5.77%انخفاض إيراد في محاكاة تجاهلت اختلاف مسارات الطلب الموسمي
المخزون ونقاط البيع والطلبات

إدارة المخزون ونقاط البيع: آخر يوم آمن للشراء

قد يهبط الصنف تحت نقطة إعادة الطلب ويظل شراؤه خطأ. هذا الدليل يبني بوابة ثانية تختبر ما إذا كانت الدفعة ستباع قبل نهاية نافذتها.

عبداللطيف أحمد جنيد9 دقائق قراءة
كتل مخزون مادية تتخللها فراغات شفافة تمثل الطلب الذي أخفاه نفاد المخزون
MOLLKOM / GUIDESMOLLKOM / INVENTORY SIGNALS
الطلب المخفي
منحوتة بيانات تمثل المبيعات المرئية ككتل صلبة، والطلب الذي أخفاه النفاد كأحجام شفافة تستكمل الشكل الحقيقي. يفصل شريط أزرق حاد بين ما سجله الكاشير وما كان العميل مستعداً لشرائه.7.37%تحيز نقص التنبؤ قبل استعادة الطلب المخفي وبعدها في دراسة FreshRetailNet-50K
المخزون ونقاط البيع والطلبات

نقطة إعادة الطلب: احسب الطلب المخفي قبل الشراء

عند النفاد، تتوقف المبيعات لا الرغبة. منهج ينظف إشارة نقاط البيع، يحسب عتبة شراء أدق، وينقل الفائض قبل أن يتحول إلى خصم.

عبداللطيف أحمد جنيد8 دقائق قراءة
منحوتة تجريدية لوحدات مخزون تمر عبر بوابة ثقة قبل اتصالها بقنوات البيع
MOLLKOM / GUIDESMOLLKOM / OPERATIONS
حقّ الوعد
شبكة من وحدات المخزون المادية، لا تتصل بقنوات البيع إلا بعد عبورها بوابة معايرة تمثل دقة السجل وقابلية العثور والتجهيز.85%حصة المدفوعات الإلكترونية من عمليات التجزئة للأفراد في السعودية عام 2025
المخزون ونقاط البيع والطلبات

إدارة المخزون ونقاط البيع: متى تفتح مخزون الفروع؟

المخزون الظاهر في الفرع لا يستحق تلقائياً أن يُباع عبر الموقع. هذه قصة «رخصة الوعد»: فتح رصيد الفروع تدريجياً دون تضخيم الإلغاء أو زمن التجهيز.

عبداللطيف أحمد جنيد8 دقائق قراءة