您好,欢迎来到上海仪器仪表行业协会!

仪器仪表行业协会
搜索
搜索

经营管理

资讯分类
/
/
/
“长尾”产品:库存计划的终极挑战

“长尾”产品:库存计划的终极挑战

  • 分类:管理经验
  • 作者:
  • 来源:
  • 发布时间:2021-01-09 11:19
  • 访问量:

【概要描述】

“长尾”产品:库存计划的终极挑战

【概要描述】

  • 分类:管理经验
  • 作者:
  • 来源:
  • 发布时间:2021-01-09 11:19
  • 访问量:
详情

“长尾”产品:库存计划的终极挑战

 

在库存计划领域,多品种、小批量产品非常难对付:料号多、需求低、需求的不确定性高;供应链很复杂,交期长,供应的不确定性高,可以说是库存计划的终极挑战。

一提起“长尾”,人们容易觉得比较独特,容易联想起小众来。其实,大众是由小众组成的。要知道,需求越是细分,或者说越是在供应链的末端,就越呈现小众化。或者说,只要是足够细分,或者说供应链足够末梢,我们面临的注定就是“长尾”需求。我们说的供应链的末端,或者说最后一公里,放在库存计划上,就是如何应对此类“长尾”需求。

区别呢,是有些情况下我们不用在“长尾”处做预测、建库存,供应链是拉式的;但别的情况呢,我们得在“长尾”处做计划,把库存一路推到最接近“长尾”需求的地方。要知道,库存计划的一个重要任务呢,就是把库存放到足够靠近需求的地方,在很多时候,那就是“长尾”需求之所在。

图1:供应链的最后一公里,主要都是“长尾”需求

比如说自来水系统,或者说电力系统,一到每家每户,就是典型的“长尾”需求。不过幸运的是,你不用在“长尾”处做预测、做计划。这放在很多别的行业就不是这样了。比如在零售业,规模巨大如沃尔玛者,看上去是以海量取胜,周转快,销量高;但到了具体的门店,落实到那每个门店平均140000种具体的产品上时,大多产品每年也就卖掉那么几次,就典型的“长尾”,而且必须在门店层面做预测、建库存,这由零售的特点决定,否则怎么做生意?

电商也是。虽然电商大都冲着“爆款”去,但“爆款”毕竟是极少的产品,大多产品的销量都非常低,但又不能不放点库存[1],结果是成为慢动库存。比如有个B2B电商,在全国有多个大仓库,我们分析其中的一个,发现在6000多种产品中,在过去一个季度(13周),50%的没有任何需求,30%多的只有1周或2周有需求。这还是个复杂度控制做得相对不错的电商。放在那些以品种多取胜的MRO电商上面,复杂度更高,“长尾”需求就更多、更难对付。电商是个新兴行业,强于业务模式创新,弱于供应链运营,在应对长尾需求上乏善可陈,结果是库存高企,戏称十个电商九个死于库存。

备品备件是另一个典型的“长尾”需求很普遍的行业,这主要是让那些昂贵的设备正常运转。想想看,几百万几千万一台的设备,一条生产线动辄几亿元的投资,如果因为没有备件而停工待料,那成本就可想而知。我们必须把库存建在需求点附近,才能及时应对。而很多备件的损坏非常难以预测,需求量小,需求模式难以预测,这给库存计划带来很大挑战。

让我们拿国防工业为例。现代国防越来越依赖飞机、坦克、舰船等尖端装备,这些大型设备造价高,比如尖端战机动辄就在1个多亿美金一架,舰船就更贵,高达65亿美金一艘(尼米兹级别的航空母舰[2])。为了支持各种军用设备和作战武器,就得备各种各样的备件。比如美国国防后勤局(DLA)备了400多万种备件,其中只有140万种在过去12个月里有需求。对于这些过去12个月有需求的备件,又可细分为三大类:

● 需求频繁,而且稳定:只有4%的备件属于此类;

● 需求频繁,但很不稳定:20%左右的备件属于此列;

● 需求非常不频繁,需求变动也很大:这是主流,占四分之三的备件。

美国国防后勤局是典型的两头难。在需求端,各式武器品种多、需求杂,军事行动不可预计,操作人员的行为未知,武装系统的失效模式未知,武器装备的维修计划充满不确定性,这一切都导致需求非常不稳定。在供应端,备件的交期长,动辄几个月甚至几年,量小货杂对供应商吸引力不足,可供选择的供应商少,备件的生命周期长,有些供应商甚至都不存在了[3]。

这其实是“长尾”需求,特别是多品种、小批量行业的缩影。军工业如此,民用行业也好不到哪里去,比如大型设备、发电装置、电信设施、大型计算机系统,都有类似的挑战。零售业、电商也不例外。在供应链的末端,如何应对那些需求很小、需求变动性很大的“长尾”,设定合理的库存水位,平衡库存投资和有货率,是长期以来困扰着业界和学界的老大难问题。

因为需求很低,需求的连续性差,所以“长尾”需求不符合正态分布。我们熟悉的库存计划公式是基于正态分布的,所以不再适用于“长尾”产品。可以说,在库存计划领域,“长尾”产品最难对付,是库存高企、有货率低的重灾区。

“长尾”需求的特点是需求的频率低、需求量的差异大。让我们拿上面提到的B2B电商为例,这是他们的一个产品,在过去12个月里,这个产品有5个月每月卖掉1个,2个月分别卖掉2个和5个,其余月份没有任何需求。看得出,需求不连续,离散度高,不符合我们熟悉的正态分布,但符合另一种分布:泊松分布

在统计学上,泊松分布是常见的随机离散分布,用来描述单位时间(或空间)内随机事件发生的次数。这种分布是用法国数学家泊松的名字命名的。在管理学上,泊松分布有着广泛的应用,特别是对“长尾”需求的库存计划。

泊松分布符合三个条件——如果满足这三个条件,就算符合泊松分布:

第一,平均值:单位时间里事件发生的平均数已知;

第二,随机性:但没法预测具体什么时候会发生;

第三,独立性:这个事件发生并不意味着下个事件会发生,或者不会发生。

这听起来听拗口,让我们举个例子来解释。

普鲁士王国在崛起的过程中,建立了强大的骑兵部队。是骑兵就要跟马打交道,跟马打交道就有被马踢死的可能。针对14个普鲁士骑兵团,一位统计学家研究了20年的数据,发现战马踢死士兵有三个特点:(1)平均每年被马踢死的士兵数量差不多(平均值);(2)但这些士兵究竟什么时候会被马踢死,却没法知道(随机性);(3)今天有士兵被马踢死,并不意味着明天会有还是没有士兵遭遇同样的厄运(独立性)。这就是泊松分布,即死于马蹄普鲁士士兵的数量符合泊松分布。

现实生活中,服从泊松分布的情况非常普遍。比如汽车的轮胎,我们都知道有一定的寿命里程,但这里程只是个平均数(平均值),究竟开到多少公里时会爆胎,我们不知道(随机性);今天前胎爆了,跟明天后胎爆还是不爆,没有半毛钱的关系(独立性)。再比如说我们知道,中午时分来餐馆就餐的人平均有20人(平均值),但这些人具体几点几分来,我们不知道(随机性);刚才来了3个人的一组,是不是意味着待会儿还会来3个人,还是不来3个人,没有任何参考价值(独立性)。

从数理统计的角度而言,你只需要知道一个参数(平均数),就能描述泊松分布,分析在未来某个时段内,某件事发生多少次的概率有多少。比如说补货周期内,产生特定需求量的概率有多大,我们需要备多少库存来对付等。

让我们继续上面的B2B电商案例,看如何用泊松分布来计算这个产品的库存水位。

假定这个产品的补货周期是8个星期,那补货周期内的平均需求就是1.85(过去12个月的平均需求是0.23个/周,乘以补货周期8周)。这就是泊松分布中唯一需要的参数:平均值。我们把这个值代入泊松分布的计算公式中,就得到下图的再订货点和有货率的曲线。比如再订货点是2的话,那么有货率就只有72%;而再订货点提高到4的话,有货率则提升到96%;如果再订货点是8的话,就能达到100%的有货率。看得出,跟正态分布类似,库存的边际投资回报率递减,特别是过了90%以后。实际上,这个电商手头放着12个,能够满足整整1年的量,你就知道为什么他们的库存周转率挑战重重了。

图2:用泊松分布计算再订货点

Excel里有个函数,可以帮助我们计算泊松分布的概率,供感兴趣的读者参考。这个函数是POISSON.DIST (X,平均值,True) ,它有三个参数:平均值就是补货周期内的平均需求,X是补货周期内累计需求的上限,True表示这里求的是累计概率,即在补货周期内,总需求介于0和X之间的概率。看得出,X其实就是我们要计算的再订货点。我们分别代入不同的X值,就得到相应的有货率,描绘出上面的曲线图来。这些在Excel里就可完成。(作者:刘宝红)

相关文件

暂时没有内容信息显示
请先在网站后台添加数据记录。

Copyright © 上海仪器仪表行业协会 版权所有 沪ICP备08100447号