點擊藍字

關注我們

在售后服務領域，服務及時性和客戶口碑常常取決于配件是否有現(xiàn)貨，有現(xiàn)貨就能及時排除故障，反之則不得不停機等待，造成經濟損失和客戶不滿，這凸顯了配件庫存計劃的重要性。

然而，預測哪臺設備會出故障以及排除故障需要哪種配件，存在著極大的不確定性，靠提高需求預測的精度來實現(xiàn)庫存計劃的準確性是不現(xiàn)實的。

配件庫存計劃的核心，是在需求預測存在誤差的條件下，用有限的資源、最大限度地滿足客戶需求，同時避免庫存錯配，既保證配件供應及時性，又控制庫存成本，避免呆滯損失，這是困擾很多企業(yè)的巨大挑戰(zhàn)。

《干貨 | 安全庫存算法（上）》《干貨 | 安全庫存算法（下）》兩篇文章中，我們介紹了幾種庫存算法。

為了考察這些算法的有效性，筆者設計了一個數(shù)字孿生庫存系統(tǒng)，輸入端是倉庫真實的歷史需求數(shù)據(jù)，數(shù)字孿生模塊導入不同的庫存算法，按照特定的補貨機制模擬倉庫運營模式，輸出結果就是服務水平（配件現(xiàn)貨率）、庫存周轉率庫存水位。

圖1：數(shù)字孿生庫存系統(tǒng)

使用這個數(shù)字孿生系統(tǒng)可以用歷史數(shù)據(jù)驗證不同算法的模擬結果，包括服務水平、庫存周轉率庫存水位，從而判斷哪種算法效果更佳。

同時，與倉庫實際運營結果（服務水平、庫存周轉率和庫存水位）比較，來考察使用算法能實現(xiàn)多大改善，例如：某倉庫去年服務水平為84％，平均庫存1500萬，庫存周轉率1.8次/年。如果使用去年的庫存數(shù)據(jù)和MTA算法模擬結果是：服務水平提升到93％，庫存周轉率為4.6次/年，平均庫存降至890萬，就證明了算法的良好效果。

庫存水位太高會造成浪費，一旦庫存水位見底又可能缺貨，很多倉庫管理者為此頭痛不已，不知道哪種算法更有效。數(shù)字孿生庫存系統(tǒng)為企業(yè)選擇軟件提供了依據(jù)，相當于先看到結果再決定購買。

我們首先選擇了某企業(yè)配件A過去10年的歷史需求數(shù)據(jù)（圖2）。

圖2：10年期間配件A每周需求數(shù)據(jù)曲線

配件A需求平均值為52.2件/周，需求波動系數(shù)CV值為0.7，屬于高需求、快周轉配件。配件每2周訂貨一次，交貨期的統(tǒng)計數(shù)據(jù)如圖3所示。

圖3：交貨期統(tǒng)計數(shù)據(jù)概率分布（天）

交貨期平均值2.04周，補貨時間等于訂貨間隔加交貨期，最長補貨時間4.71周，平均值為4.04周，補貨時間標準差為0.24周（根據(jù)統(tǒng)計數(shù)據(jù)計算）。

配件A采用MTS算法得到的庫存水位如圖4所示。

圖4：MTS算法得到配件A的庫存水位

其中綠色區(qū)域黃色區(qū)域分別為訂貨間隔和交貨期的緩沖，用來確保補貨時間內不會缺貨；紅色區(qū)域則為安全庫存，用來補償需求波動和交貨延遲的不確定性，當庫存水位低于0時就意味著缺貨。采用MTS算法平均庫存水位為225件，服務水平約99.8%，保險系數(shù)很高，周轉率為11.7次/年。

配件A采用平均值-最大值算法得到的庫存水位如圖5所示。

圖5：平均值-最大值算法配件A的庫存水位

采用平均值-最大值算法的平均庫存水位498件，沒有缺貨。這是保險系數(shù)很高的算法，但安全庫存很大，占用資金太多，其中三分之二的安全庫存（紅色區(qū)域）從未使用，周轉率僅5.4次/年。

配件A采用TOC動態(tài)緩沖區(qū)算法得到的庫存水位如圖6所示。

圖6TOC算法得到配件A的庫存水位

采用TOC算法的平均庫存水位是149件，服務水平約95%，周轉率17.9年。

結論：

使用歷史數(shù)據(jù)比較MTS算法和平均值-最大值算法發(fā)現(xiàn)：平均值-最大值算法的安全系數(shù)過大，庫存量是MTS算法的2.2倍，TOC算法的3.3倍，代價極高。

對于那些實施“保供”策略的配件，采用MTS算法或TOC算法能實現(xiàn)足夠高的服務水平，而且?guī)齑嫠桓雍侠?，是比平均?最大值算法更好的選擇。

（待續(xù)，敬請期待下周文章）

參考文獻：

干貨 | 安全庫存算法（上）干貨 | 安全庫存算法（下）干貨 | 安全庫存的意義

干貨 | 配件庫存放多少才合適？

干貨 | 必須關注的幾個庫存指標

干貨｜庫存該存什么，不存什么？

原創(chuàng)不易，如需轉載請聯(lián)系作者，轉載時未經作者同意不得隨意修改。

掃碼關注

打賞在看

杰克的下午茶

咨詢 | 交流 | 分享 | 合作

點一下閱讀原文了解更多資訊

---

聲明：本文系轉載自互聯(lián)網，請讀者僅作參考，并自行核實相關內容。若對該稿件內容有任何疑問或質疑，請立即與鐵甲網聯(lián)系，本網將迅速給您回應并做處理，再次感謝您的閱讀與關注。