APP下载

物资管理中预测物资补充策略

2016-01-12谢秀波

科技资讯 2015年23期
关键词:绩效预测

谢秀波

摘要:如何在维持对客户服务水平不变下,改善供货商内部不当决策对于存货的冲击,以降低供货商于仓存货压力,将能有助于供货商具有更大意愿配合导入供货商管理存货的营运模式。因此本研究使用考虑前置时间的有效率的补充物资策略,此补充物资策略特别考虑并充分应用买方给予的滚动式预测信息,以未来需求预测信息进行补充物资决策。最后本研究以真实历史需求数据验证,并证明使用预测向前补充物资策略能比现况 ROP 所表现的绩效更好。

关键词:预测、补充物资、管理存货、绩效

中图分类号 : F426 文献标识码:A 文章编号:1672-3791(2015)08(B)-0000-00

全球供应链管理已成为热门研究议题,其中有关上下游间的预测与补充物资议题愈来愈重要[1]。制造业大多身为供应链上游零组件供货商(简称卖方)的角色,在下游系统组装厂(简称买方)面临品牌厂商给予成本压力与同构型制造商替代性高的压力下,迫使买方需将上游卖方纳入供应链行列,有效的快速反应供应链能力与降低供应链库存,以建立买卖双方良好的伙伴关系,增进双方的企业竞争力。买方提供滚动式需求预测给卖方,其滚动式预测代表着买方每期(可能是天、周、月)会因时间轴的滚动而更新需求预测信息。卖方将依照买方所给予的滚动式预测、存货水平,预先对买方所需的产品进行生产或运输到 HUB 仓暂存,此即所谓“补充物资”。特别留意的是,在补充物资时有一补充物资前置时间,此前置时间可能为一随机变量,增加了 HUB 仓存货的变异性与复杂度。买方可以快速由邻近的 HUB 仓供货满足需求,因此买卖双方藉由此 VMI 管理模式能加强双方合作关系。

1预测补充物资简介

预测是对未知事项的一种预期或说明,其主要目的在于推算并预估某些未来事件或现象发生的相关资料,并作出因应策略,以减少不确定性的风险。在供应链上,卖方根据买方的货品需求,生产相关产品并配送至买方要求地点,此为“补充物资”。但生产与配送是需要时间,当卖方根据买方真实需求下达后才进行生产与配送的动作,往往耗时以久,甚至失去当时确切需求。因此卖方必须藉由预测考虑生产与配送的前置时间,提早进行备料、生产甚至配送的动作。但是真实需求是瞬息万变、捉摸不清,其预测与需求很少有一致性出现,若预测低于真实需求,会导致补充物资无法实时满足当时需求,造成需求流失;若预测高于需求而使补充物资量过多,会造成过量存货,资金积压。影响预测补充物资的因素来源很多,本研究将以一现况案例进行分析,并归纳相关问题因素,后续并提供解决问题的方法。

2 情境现况分析

2.1预测补充物资问题描述

根据前面所描述现况分析,E 公司身为供应链上游的 LED 制造商,为了因应下游客户急需快速补充物资需求,需事先与客户协调好将产品送至邻近客户的HUB 仓,客户会按照内部生产计划对 HUB 仓内产品进行实体拉货作业。客户尚未拉货之前,其 HUB 仓内物权归属于 E 公司所有,当客户进行提货时,物权才转移至客户手上,E 公司此刻可向客户请款。

同时,客户也会分享未来需求预测信息以及期望库存水平给 E 公司参考作为 HUB 仓备货依据。E 公司无法得知需求预测产生准则,且此需求预测往往与实际提货量有落差的存在,加上客户与 E 公司所协议的库存水平是以预测日均量乘上双方协同的库存天数(库存水平= 预测日均量×库存天数) 可能导致预测需求量与库存天数皆各有加入自定义安全库存量,造成重复安全存货的现象,令HUB 仓的库存过高。

E 公司期望 HUB 仓存货量能达成客户要求的服务水平,同时期望降低存货积压。故本研究将着眼 E 公司邻近客户的 HUB 仓存货控制系统,在运作上每经过 t 时间,E 公司(卖方)会对 HUB 仓进行补充物资,客户(买方)则根据需求(Dt)对 HUB 仓进行拉料。而 HUB 仓的存货(It)控制取决于补充物资量(Qt)的制定,补充物资量也需考虑 HUB仓安全库存的设定,安全库存的决定可为一个量或是前置时间(避免某时间内缺货)来呈现,过高会造成存货过多,太少又会导致服务水平太低。而且根据买方所给予的滚动式预测、规划时间、冻结时间、卖方补充物资前置时间等等因素影响,皆会对补充物资量有所改变。实务上的需求是带有变异性,而这变异会导致实际需求与原先规划的补充物资量有所出入,此时就会发生存货堆积或是缺货产生以及服务水平达标率高低问题产生。

2.2预测补充物资影响因子

对前述考虑的问题描述与 FFR 补充物资策略[2]计算,发觉使用 FFR 产生计划订单时,计划订单量会受到安全库存、前置时间长短、规划期间与冻结期间所影响。其计划订单若与真实需求相差则会产生多余存货或是缺货情形。在此节将详述定义个别影响系统绩效的问题因子,用以呈现各因子的表达,以作为后续模拟实验使用。各因子分别包含为:需求不确定性、安全库存的设置、前置时间的控制、规划期间与需求预测冻结期间。

3模拟模式界面建构

根据案例公司的绩效评定是以 HUB 仓平均存货以及 HUB 仓对客户服务水准为主。服务水平可定义为在前置时间内需求不超过供给的机率,也就是不发生缺货的机率。利用存货与服务水平两指标同时衡量供应链的优劣是合适的方法,并且可将服务水平视为限制式,在满足特定服务水平限制之下,达到存货最低的方法。故本研究仿真绩效同时考虑 HUB 仓平均存货与服务水平,定义 HUB 仓平均存货(I)[3]如下所示:

I =

su 代表记录仿真绩效时间的上限,POH 则是第 t 期期末 HUB 存货量。服务水平(SL)定义如下所示:

SL==1-=1-模拟时间内缺货几率

=

ADt 代表第 t 期真实发生需求,SOt 代表第 t 期缺货量,GITt 代表第 t 期将获得的在途量,当第 t 期真实需求大于期初库存与在途量总和时,则会记录下缺货量,当期期末库存量则会为 0,反之,第 t 期真实需求小于期初库存与在途量总和时,记录当期缺货量为 0。而服务水平则是记录每期是否能达到满足需求,也就是在模拟绩效时间内,不发生缺货的机率。

4模拟实验结果分析

本研究以“Level-LV”(需求变异低)与“Tendency-DN”(未来需求趋势下降)两者的存货绩效为例,详细说明分析结果。

(1)需求型态为 Level-LV

分析结果看出,除了(D)冻结期间因子外,其他主因子所对应的 p-value 皆小于 0.05,因此拒绝第一个虚无假设 H0,也就是除了(D)冻结期间因子外,(A)安全库存因子、(B)前置时间因子与(C)规划期间因子皆对存货绩效有显著主效应。

当供货前置时间较长时,其存货绩效表现比较好(存货较少),但须注意到,供货前置时间长可能会导致供货前置时间内的存货无法应付实际需求,因此需要同时参考服务水平的绩效,才能决定适当的供货时间。

从规划期间的水平去分析,显示在考虑较低的规划期间可让存货量较低,这也意味着只考虑较短的需求预测转换计划订单发放,规划期间越长代表考虑的补充物资量较多,使得存货较高,相对的也要同时观察服务水平绩效表现,若存货量低但是服务水平也低落,则代表这是一个不好的因子水平。更进一步可发现到,当规划期间与供货前置时间比例越相同,则所得到的存货绩效越好(存货较少),甚至服务水平也能维持较好的表现,这意味着可以藉由控制规划期间与前置时间的比例来获取满足特定服务水平量之下存货最小化。

(2)需求型态为 Tendency-DN

此分析是在需求型态为 Tendency-DN 之下进行,冻结预测期间水平越小,其存货表现越差。其原因来自于本研究模拟需求预测以三期移动法产生,移动平均法乃有对真实需求反应延迟的特性,故预测趋势皆会高于真实需求。若使用较高水平冻结期间,会导致当真实需求下降时,预测的反应太慢,来不及调整预测值,因此当面临未来需求是有趋势性之下,建议使用最低水平的冻结期间。

接着观察到(B)前置时间与(C)规划期间两者因子交互作用非常明显,高规划期间依旧导致高存货产生,但是不同的前置时间之下,若搭配好对应的规划期间,能有迅速有效降低存货量,但两者水平比例上无法观察到,需再进一步藉由数学分析的方式,找到适当的比例控制关系。

5 结论

(1)供货前置时间越长,存货量越低,但若未搭配好适当规划期间很有可能导致服务水平低落。

(2)高水平规划期间会产生大量计划订单发放,易导致高存货产生,因此需搭配对应的前置时间挑选适当的规划期间。

(3)冻结期间在大多需求型态下没有任何影响,但是面临趋势性需求型态,会因预测方法的延迟,使得高冻结期间水平造成反应太慢,无法迅速因为需求改变作出适当的调整。

(4)若想获得更佳的服务水平绩效,且不想增加过多存货,可先设定与前置时间相同的规划期间,再逐步增加规划期间,观察对应的服务水平绩效,直到服务水平绩效达到设定目标,此时存货为特定服务水平限定的最小化。

(5)提供一个能同时考虑存货绩效与服务水平绩效方式,让卖方能满足买方特定服务水平下,使本身的存货量最小化,提高卖方导入供货商管理存货的模式。

参考文献

[1] 李慧. 制造业中的采购与供应链管理[D]. 复旦大学 2009:3-7.

[2] 束霞. XX公司供应链环境下的库存管理研究[D]. 南京理工大学 2007:9-13.

[3] 华国红. H公司库存管理优化[D]. 电子科技大学 2005:18-21.

猜你喜欢

绩效预测
无可预测
选修2-2期中考试预测卷(A卷)
选修2-2期中考试预测卷(B卷)
选修2—2期中考试预测卷(A卷)
不可预测
不必预测未来,只需把握现在
基于SCP范式对我们商业银行中间业务市场的分析
“营改增”对水上运输业上市公司绩效影响的实证研究
EVA价值管理体系在S商业银行的应用案例研究
京津冀区域规模以上工业企业产学研协同创新绩效研究