F公司后市场备件库存管理优化

2023-11-04刘英男

物流技术 2023年9期

杨柳，刘英男，马欣

（中汽数据（天津）有限公司，天津 300390）

0 引言

随着中国汽车市场的成熟，产值收益也在向售后方向转移，后市场领域市场规模正在不断增长[1]。目前中国汽车后市场是一个万亿级市场，其中维保服务占比达70%以上并将持续占据最主要的市场份额[2]。在我国商用车后市场领域，2021年维修总量为1.43亿台次、行业维修总时长达到3.5亿小时[3]。对企业而言，售后备件供应链逐步开始承载着客户服务与利润增长的核心功能，已成为企业间竞争的关键环节；对客户而言，售后服务质量已经成为影响购车决策的关键因素。因此，售后服务和配件业务对汽车企业整体销售业绩的重要性正直线提升、企业在售后备件供应链的竞争也愈发激烈。而在高速发展的过程中，企业在经营中也开始面临更多的能力短板与业务痛点，基于企业高质量发展诉求，必须正视这些现状和问题并积极找寻解决的策略。而在供应链竞争力方面，主要体现在寻求供应链效率、需求满足度、库存结构优化等方面的提升。

汽车售后备件管理领域存在备件种类繁多、仓网层级复杂、业务信息交错、数据处理量大等特征，传统库存管理方式往往通过人工经验判断，缺乏科学的方法进行决策。上述业务特征和库存管理方式导致备件库存管理缺乏科学的方法，同时单一的备件管理策略也难以满足不同特征备件的业务管理诉求，进而影响企业达成经营目标。

1 F公司介绍及业务痛点

1.1 企业基本情况

F公司是中国品种最全、规模最大的商用车企业之一，商用车业务涵盖整车及服务、汽车智能互联应用两大业务，其中整车覆盖卡车、客车、商务汽车等5大业务单元，并包含15个产品品牌。

1.2 业务现状及管理模式

F公司在售后备件采用CDC（中心总仓）-RDC（区域分仓）-服务站三级储备、分级供应模式，为客户提供全方位保障，其中CDC仓库3个、RDC仓库25个，RDC仓库主要分布在各个省会城市。在备件种类方面，目前具备备件主数据的品种超过20万种，建储品种超过7万种，每年具备出库记录的品种约4.5万种。CDC仓库向上游进行采购，月度储备计划每月2次、总体到货时长约30天。

在备件分类方式上，现采用价格和出库频次两个维度对于历史12个月的需求进行计算，详细规则见表1。

表1 F公司原备件分类规则

在备件计划计算逻辑上，采用类（T,S）库存管理模型[4]，模型规则为定期检查库存，进行订货，并将库存直接补充至最大库存值S。即当CDC仓库到达采购日时，计算采购量，并向供应商下发采购单。

具体计算规则为：采购量=最大库存S-在库库存-在途库存，其中最大库存S=备货时长*需求预测值。F公司设置最大库存S为3个月的月度需求预测值。

1.3 业务管理痛点

F公司虽然在两个维度上进行了备件分类，但是分类方法不完善，导致出现分类结果不清晰、无法准确使用库存策略、管理效率较低等结果。

以甲、乙、丙三个备件为例，甲、乙零件销售额重要程度相同，在分类上却划归为B2、B3不同的类型；甲、丙零件销售额相差10倍，但被一起分类为B2类零件。同时以12个月为分类基准周期，对需求变化趋势的感知迟钝、库存策略调整滞后，并且单纯依赖频次分类、无法有效剔除异常数量订单，见表2。

表2 原规则备件分类示例

另一方面，F公司虽然在备件上进行了分类，但是并未将备件分类管理有效利用起来，仍采用统一的库存策略进行管理，即全量备件按照3个月需求预测量为最大库存进行采购管理，单一策略难以满足不同特征的备件管理诉求。

上述管理模式导致企业在业务绩效方面出现了如下问题：（1）交付满足率低，库存不合理、难以满足下游需求；（2）全链路库存高，资金占压、现金流紧张、高库存低满足率现象并存；（3）运营成本高，库存结构不合理，导致往返调拨运输成本高、缺货成本高；（4）运作管理难度大，管理人员操作复杂、管理难度大，关注的SKU有限。

通过对库存结构进行详细分析，发现与正常库存结构相比，F公司库存结构呈现非正常库存结构，滞销及慢流备件占比过高、缺货备件占比偏高、正常备件占比过低等问题，如图1所示。

2 库存管理优化建议

2.1 建议优化方向

针对F 公司业务情况及备件库存管理模式优化的诉求，从两个方面提出建议，一是备件分类方式优化，二是差异化库存管理策略优化。

2.2 备件分类方式优化

备件分类优化规则是以需求金额和频度作为二维矩阵进行备件分类计算，具体为对6个月历史需求频度加权以及按照ABC分类法[5]对历史需求金额分解，组成一个作为基准的库存策略矩阵。

需求金额规则配置：

（1）需求金额=需求数量*配件单价；

（2）计算过去6个月需求配件的金额，并按金额大小降序排列；

（3）计算金额的累计比，并划分ABC类分类标准，例如在F公司研究案例中设置A类占全部需求金额的75%、B类占全部需求金额的20%、C类占全部需求金额的5%。

需求频度规则配置：

（1）将过往6个月出库记为n1，n2，…，n6，若出库大于0，则n1=1，否则n2=0；

（2）加权系数：

（3）频度数字：

每个频度数字对应一个频度，x越大频度越高。

可根据具体业务情况进行加权频度阈值设定，本文研究案例设定规则见表3。

表3 加权频度分类规则

按照优化后规则，前文描述的甲、乙、丙备件分类有所变化。按照销售额重要程度及需求频次匹配零件类型，根据需求属性相应配置算法系数、精确对焦库存策略与目标零件，实现资源高效利用，同时每月按照最新需求情况滚动更新，可快速响应市场变化、进行库存策略优化，见表4。

表4 优化规则备件分类示例

2.3 差异化库存管理策略优化

汽车售后备件品种数据繁多，需求特征以及对于业务的重要性均存在差异，通过单一方式进行全量备件管理难以满足备件业务特征与企业经营诉求。因此，结合备件分类结果，提出不同类型备件使用差异化库存管理策略的方式进行备件业务管理模式优化。

结合F公司实际业务数据，将全量备件按照上述备件分类方式进行划分后，叠加备件价格特征，在不改变现有业务客观规则的情况下，制定了不同类型备件差异化库存管理策略，其中业务客观规则包含仓库约定采购日历、上游约定送货时长。差异化库存策略主要从安全库存服务水平、备货天数、建储策略及库存模型等方面进行规则制定，见表5。

表5 差异化库存策略规则明细

本文研究案例中增加了（B,S）库存模型。（B,S）模型由服饰行业销—补—模型衍生而来[6]，适用于高价值低频次需求的备件，可在满足一定需求的基础上有效进行库存金额控制。同时，优化（T,S）库存模型计算规则，详细公式如下：

其中，S为最大库存、SS为安全库存，μD为D时间段内平均需求量（无真实需求量时，使用预测值）、μVLT为平均到货时长、NRT为采购周期、BP为备货天数、Zk为服务水平对应的标准正态分布Z值、为历史销量方差、σVLT+NRT2为采购提前期方差。

3 优化效果评估

3.1 备件分类方式优化效果

按照原分类规则和优化后分类规则对于F公司全量备件进行分类计算。

在原分类规则下，对于具备主数据信息备件的历史12个月需求进行计算，总计109 340个备件，分为15个类型，每个备件类型包含的备件种类见表6。从计算结果可以看出，包含备件种类最多的是E2、E3类型备件、包含种类最少的是A1、B1类型备件，备件分类类型偏多，每个类型备件种类零散分布，难以分别不同类型备件特征、无法聚焦重点备件进行业务管理。

表6 原规则备件分类结果

按照优化后的备件分类规则，对于具备主数据信息备件的历史6个月需求进行计算，总计109 340个备件，分为9个类型，每个备件类型包含的备件种类见表7。从计算结果可以看到，备件种类最多的是CZ类型备件，包含备件种类82 158，占比75%，此类型备件特征为需求频次低、对销售额贡献低、业务重要性低，因此在进行差异化备件策略制定时，可以适当降低此类型备件库存。对于CX、CY类型备件，包含备件种类15 095，占比14%，此类型备件具备一定需求频次，但是对销售额贡献低，反映了此类型备件单价较低，可适当增加备货量，可实现在不过多增加库存金额的情况下提升需求满足率的目的。CX、CY、CZ类型备件累计占比已达到89%，其余类型备件对销售额均有一定贡献、分类类型较为明确、备件种类数量较少，可以更清晰地制定差异化库存策略、实现精细化管理。

3.2 差异化库存管理策略优化效果

根据优化后备件分类结果，结合备件价格特征制定的差异化库存管理策略，对差异化策略在实际运营中的预期效果进行了模拟测算。

在本次模拟测算过程中，需求预测按照F公司现有需求预测方式进行，库存模型上使用了（T,S）模型和（B,S）模型。

根据需求预测数据、库存模型及库存管理策略，计算出CDC仓库备件编码维度库存计划并对未来一个采购周期的需求满足情况进行了计算。为了进行结果对比，在相同时间范围内按照F公司原库存管理逻辑进行了库存计划计算及需求满足度计算。

F公司原逻辑模拟测算结果和优化逻辑模拟测算结果见表8。在原逻辑下，测算出库存件数1 362 962 件、库存金额159 562 476 元、需求满足率84.8%；在备件分类规则及差异化库存策略优化的逻辑下，在相同时间周期内，库存件数有所上涨，达到1 611 284件，而库存金额大幅降低至130 642 746元，降低幅度达到18%，需求满足率提升至89.5%，上涨4.7%，见表8。