サプライチェーンの不確実性を緩和する方法は？

#supplychain #logistics

 

不確実性はサプライチェーンの固有の特徴であり、需要の原因であり、個々の消費者が異なる考え方をし、時々変化するため、根絶することはできません。今日コーヒーを飲み、明日牛乳ティーを飲みたい場合は、個々のニーズを正確に把握することは困難です。

しかし、興味深いことに、需要を一緒に集約すると、大きなサンプルのボラティリティが低下することがわかります。たとえば、アフタヌーンティーを注文する場合、チーム内の何人の人がコーヒーやミルクティーを飲みたいと思う人は間違いなく一方的ではなく、需要の変動は比較的少ないです。

同じまたは同様のもののいくつかをまとめると、「プーリング」または「集計」と呼ばれるサプライチェーンに特別な用語があります。

たとえば、予測を行うときは、同じ要件を統合します。容量を計算するとき、同じワークステーション容量が集約され、カウントされます。このプラクティスはボラティリティを減らすことができ、今日はこの側面に焦点を当てます。

1.なぜプーリングするのですか？

例を使用して、需要のボラティリティで何が起こっているかをさらに説明しましょう。上記のように、消費者の購買行動には多くのランダム性があり、これがボラティリティを生み出します。 Zhang Sanはコーヒーショップを開設し、単価を上げるために、店もケーキを販売しました。

彼はどのように買いだめするべきですか？購入が多すぎて、ケーキは完売していません。貯蔵寿命に到達すると、ケーキは捨てられ、捨てられます。より少ない購入、在庫の不十分、売上の損失。

Zhang Sanは、在庫を改善するために、過去20日間に店でケーキの販売を数えました。 Zhang San's Storeは週5日、月に20日営業しており、特定の販売は次のとおりです。

日々	販売量	平均販売との違い	絶対値の違い
1	42	7	7
2	30	-5	5
3	24	-11	11
4	35	0	0
5	43	8	8
6	38	3	3
7	34	-1	1
8	29	-6	6
9	44	9	9
10	21	-14	14
11	33	-2	2
12	42	7	7
13	46	11	11
14	31	-4	4
15	37	2	2
16	31	-4	4
17	44	9	9
18	36	1	1
19	41	6	6
20	27	-8	8
Average	35	0	6

 

46の販売のピークと21の最低値があり、平均35（丸）がありました。販売量の実際の結果は平均から大きく異なりますが、正と負のオフセットのために平均ゼロです。

違いの絶対平均を取得したいのですが、この数は平均的に絶対的な偏差（MAD）とも呼ばれ、その月平均は6です。

統計的な観点から、より厳格な標準偏差を使用する必要があります。 Excelでの簡単な計算の後、今月の販売に関する一連の分析結果を得ることができます。

マックス	46
最小	21
Average	35
標準偏差	7.1
変動係数	0.2

 

変動係数（CV）は標準偏差を平均で割ったものであり、結果は0.2です。統計的な観点から見ると、今月の売上は非常に安定しています。

毎日の観点から見ると、毎日の売上と平均値の最大絶対差は14であり、これは40％を35の平均値で割っており、これは偏差の大きさです。

これらの20日間の逸脱が要約されると、平均絶対値の差は6であり、これは17％で35で割っており、明らかに40％よりもはるかに安定しています。これは、販売量が高く、低く、統計が20日間のグループで計算されるためです。平均以上の売上の違いは互いにキャンセルされているため、全体的な見解はより安定しています。

Zhang Sanが毎日の販売データを調べることによってのみ在庫があることは困難です。毎日の販売が大きく変動しますが、毎月の需要は比較的安定しており、在庫のより正確な指示を提供できます。

2.プーリングがランダム変数をより安定させるのはなぜですか？

次に、プーリングが統計理論からランダム変数をより安定させる理由を調べます。

変動係数は、分散を測定する要約統計であり、多くの場合、2つの異なるニーズや製品などの異なるアイテムを比較するために使用されます。それらの変動係数を比較して、その特性がどれほど類似または異なるかを確認できます。

1か月の確率がある場合、それは毎日の20の確率の合計です。したがって、毎月のランダム変数mと20の毎日のランダム変数があります。

Diが独立しており、すべて同じ分布のすべてであると仮定すると、それらは正規分布に属します。平均µおよび標準偏差σの正規分布があります。

また、毎月の販売のランダム変数が正規分布にも従う場合、つまり毎日の分布と毎月の分布が同じである場合、これら2つのタイムスケール間の変換関係を確立する必要があります。

毎月の平均µ20 * µ標準偏差σ20 *σ

まず、平均を見てください。月額勤務日数は20日であるため、月は20日間であるため、毎日の平均に20日を直接掛け、毎月の平均まで待つことができます。

標準偏差はこのように計算されません。式によると、サンプルサイズの正方形が必要です。これは√20です。毎月の標準偏差は√20倍σです。

毎日の変動係数はσ/µ、つまり1*（σ/µ）であり、毎月の変動は次のとおりです。

明らかに、0.22の毎月の変動係数は毎日1よりも少ないです。これは、需要が集約された後、毎月のボラティリティが毎日のボラティリティよりも少ないという数学的証拠であり、関連するサプライチェーン戦略を策定するのに役立ちます。

 

3.使用シナリオ

3.1遅延戦略

サプライチェーンの遅延戦略により、製品の生産プロセスを一般化段階と分化段階に分割します。企業は最初に一般的なコンポーネントを生産し、製品の区別の製造プロセスを可能な限り遅らせます。

製品の差別化された生産は、エンドユーザーが製品の外観または機能を要求するまで完了しません。たとえば、朝食店の豆乳の場合、製品の一般化段階にある製品は元の豆乳ジュースであり、差別化された製品は元のジュースに基づいて加工された甘くて塩辛いミルクです。

単一の製品の需要のボラティリティはすべての製品よりも間違いなく大きいため、朝食レストランは、すべての豆乳製品の需要を集計して、単一の製品よりも高い精度で予測を行う必要があります。

また、他の商品の需要を予測するときはこのアプローチを使用します。これは、個々の商品需要が異なるため、これらの違いが互いにキャンセルし、全体的な予測をより正確にします。

 

3.2在庫設定

一部の生鮮食品の電子商取引会社は、倉庫の周りの数キロメートル以内にコミュニティにサービスを提供するために、フロントウェアハウスモデルを使用しています。

単一のフロントウェアハウスのストッキングの逸脱は比較的高くなります。いくつかのフロントウェアハウスの要件を組み合わせて、地域の一般倉庫を使用してこれらのフロントウェアハウスのニーズをカバーし、一般倉庫からフロントウェアハウスに配布すると、全体的な在庫コストと時間通りの配達率を最適化できます。

合計位置は、各フロントポジションの需要を集め、ボラティリティを遅くします。

 

3.3生産能力

生産計画を実行するとき、通常、生産ラインの能力を計画します。たとえば、このラインで3種類の製品A、B、Cを生産できます。実際の状況は常に変化し、時には材料の不足があり、aを生成できず、bまたはCのみを行うことができないため、私はA、B、およびCの特定の数を決定できないかもしれません。

そのため、完全な生産ラインの能力を計画するとき、すべての機能を集約することがよくあります。毎月の生産および販売調整会議では、生産される特定の数量を決定するのが難しいかもしれませんが、代わりに生産ラインの総生産能力を計画しています。上記から、これを行うと、より正確で揮発性が低下することがわかります。

製品の実際の生産プロセスでは、予期せぬ状況が必然的に発生し、一部は過剰に完成し、一部はターゲットが少ないものもありますが、全体的な目標を達成するために互いに補償することができます。

要約すると、Baichuan Juhaiプーリングは非常に実用的なサプライチェーン戦略であり、さまざまなボラティリティを効果的に緩和できます。集約された寸法には、時間と量が含まれ、状況に応じて柔軟に適用する必要があります。