Jak złagodzić niepewność w łańcuchu dostaw?

How to mitigate uncertainty in the supply chain?

#Supplychain #logistics

 

Niepewność jest nieodłączną cechą łańcuchów dostaw i nie możemy go wyeliminować, ponieważ źródło popytu, każdy konsument myśli inaczej i zmienia się od czasu do czasu. Jeśli chcesz dziś pić kawę i jutro pić mleczną herbatę, trudno jest dokładnie zrozumieć indywidualne potrzeby.

Ale co ciekawe, kiedy łączymy popyt razem, stwierdzamy, że zmienność dużej próbki maleje. Na przykład, zamawiając popołudniową herbatę, ile osób w zespole chce pić kawę lub herbatę mleczną na pewno nie będzie jednostronna, a wahanie popytu jest stosunkowo niewielkie.

Kiedy łączymy niektóre z tych samych lub podobnych rzeczy, w łańcuchu dostaw jest specjalny termin o nazwie „Puling” lub „Agregat”.

Na przykład przy dokonywaniu prognoz zintegruj te same wymagania. Podczas obliczania pojemności ta sama zdolność stacji roboczej jest agregowana i zliczana. Ta praktyka może zmniejszyć zmienność, a dziś skupię się na tym aspekcie.

1. Dlaczego łączenie?

Użyjmy przykładu, aby dalej zilustrować, co się dzieje ze zmiennością popytu. Jak wspomniano powyżej, istnieje duża losowość zachowań zakupowych konsumentów, co powoduje zmienność. Zhang San otworzył kawiarnię i aby zwiększyć cenę jednostkową, sklep sprzedał również ciasta.

Jak powinien zaopatrzyć się? Jest zbyt wiele zakupów, a ciasta nie są wyprzedane. Po osiągnięciu okresu trwałości ciasta zostaną odrzucone i wyrzucone. Mniej zakupów, niewystarczające zapasy i utrata sprzedaży.

Aby lepiej zaopatrzyć się, Zhang San policzył sprzedaż ciast w sklepie w ciągu ostatnich 20 dni. Sklep Zhang San jest otwarty pięć dni w tygodniu, 20 dni w miesiącu, a konkretna sprzedaż jest następująca.

Dni Ilość sprzedaży Różnica od średniej sprzedaży Różnica w wartości bezwzględnej
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

 

Widzieliśmy szczyt 46 sprzedaży i niski 21, ze średnią 35 (zaokrąglonymi). Rzeczywiste wyniki wielkości sprzedaży różnią się znacznie od średniej, ale średnio zero ze względu na dodatnie i ujemne przesunięcia.

Chcemy wziąć absolutną średnią różnicy, liczba ta jest również nazywana MeaneAbsolutly Insiation (MAD), a jej miesięczna średnia wynosi 6.

Z statystycznego punktu widzenia powinniśmy użyć odchylenia standardowego, które jest bardziej rygorystyczne. Po prostych obliczeniach w programie Excel możemy uzyskać szereg wyników analizy na temat sprzedaży w tym miesiącu.

Max 46
Minimum 21
Average 35
Odchylenie standardowe 7.1
Współczynnik zmienności 0.2

 

Współczynnik zmienności (CV) jest odchyleniem standardowym podzielonym przez średnią, a wynik wynosi 0,2. Z statystycznego punktu widzenia sprzedaż w tym miesiącu jest bardzo stabilna.

Z dziennego punktu widzenia maksymalna bezwzględna różnica między dzienną sprzedażą a średnią wartością wynosi 14, czyli 40% podzielone przez średnią wartość 35, co jest wielkością odchylenia.

Po podsumowaniu odchyleń tych 20 dni średnia różnica wartości bezwzględnej wynosi 6, czyli 17% podzielone przez 35, co jest oczywiście znacznie bardziej stabilne niż 40%. Wynika to z faktu, że wolumen sprzedaży jest wysoki i niski, a statystyki są obliczane w grupach 20 dni. Różnica w sprzedaży powyżej i poniżej średniej jest wzajemna anulowanie, więc ogólny widok jest bardziej stabilny.

Zhang San trudno jest zaopatrzyć się wyłącznie na codzienne dane sprzedaży, ponieważ codzienna sprzedaż zmienia się znacznie, ale miesięczne zapotrzebowanie jest stosunkowo stabilne, co może dostarczyć dokładniejszych instrukcji dotyczących pończoch.

2. Dlaczego łączenie może uczynić losowe zmienne bardziej stabilne?

Następnie przyjrzymy się, dlaczego łączenie sprawia, że ​​losowe zmienne są bardziej stabilne z teorii statystycznej.

Współczynnik zmienności jest statystyką podsumowującą, która mierzy dyspersję i jest często stosowana do porównania różnych elementów, takich jak dwie różne potrzeby lub produkty. Możemy porównać ich współczynniki zmienności, aby zobaczyć, jak podobne lub różne są ich cechy.

Widzieliśmy wcześniej, jeśli istnieje miesięczny stochastyczny, jest to suma 20 dziennych stochastyków. Mamy więc miesięczną zmienną losową M i 20 dziennych zmiennych losowych di.

Zakładając, że DI są niezależne i całe ten sam rozkład, należą one do rozkładu normalnego. Mamy rozkład normalny ze średnim µ i odchyleniem standardowym σ.

A jeśli losowa zmienna miesięcznej sprzedaży również jest zgodna z rozkładem normalnym, to znaczy rozkład codzienny i miesięczny są takie same, musimy ustalić związek konwersji między tymi dwiema skalami czasowymi.

Codzienne miesięczne średnio µ20 * µ Odchylenie standardowe σ√20 * σ

Najpierw spójrz na średnią, ponieważ liczba dni roboczych miesięcznie wynosi 20 dni, więc miesiąc jest równy 20 dni, możemy bezpośrednio pomnożyć średnią dzienną przez 20 i poczekać do średniej miesięcznej, co jest łatwiejsze do zrozumienia.

Odchylenie standardowe nie jest obliczane w ten sposób. Zgodnie ze wzorem wymagany jest kwadrat wielkości próbki, czyli √20. Miesięczne odchylenie standardowe wynosi √20 razy σ.

Dzienne współczynnik zmienności wynosi σ/µ, czyli: 1*(σ/µ), a miesięczna zmiana to: (√20*σ)/20* µ=0.22* (σ/µ).

Oczywiście miesięczny współczynnik zmienności 0,22 jest mniejszy niż dziennik 1. Jest to matematyczny dowód, że po agregowaniu popytu miesięczna zmienność jest mniejsza niż dzienna, która pomoże nam sformułować odpowiednie strategie łańcucha dostaw.

 

3. Scenariusze użytkowania

3.1 Strategia opóźnienia

Strategia opóźnienia w łańcuchu dostaw dzieli proces produkcji produktu na etap uogólnienia i etap różnicowania. Przedsiębiorstwa najpierw wytwarzają wspólne komponenty i opóźniają proces produkcji różnicowania produktu w jak największym stopniu.

Zróżnicowana produkcja produktu nie jest zakończona, dopóki użytkownik końcowy żąda wyglądu lub funkcji produktu. Na przykład w przypadku mleka sojowego w sklepie śniadaniowym produktem na etapie uogólnienia produktu jest oryginalny sok z mleka sojowego, a zróżnicowanym produktem jest słodkie i słone mleko przetwarzane na podstawie oryginalnego soku.

Zmienność popytu jednego produktu jest zdecydowanie większa niż dla wszystkich produktów, dlatego restauracje śniadaniowe powinny agregować zapotrzebowanie na wszystkie produkty Soymilk, aby przewidywać z większą dokładnością niż jakikolwiek pojedynczy produkt.

Korzystamy również z tego podejścia przy prognozowaniu popytu na inne towary, ponieważ popyt indywidualny towarowy będzie się różnić, ale różnice te wzajemnie się anulują, dzięki czemu ogólna prognoza jest bardziej dokładna.

 

3.2 Ustawienia zapasów

Niektóre firmy e-commerce Fresh Food korzystają z modelu magazynu Front, aby służyć społeczności w odległości kilku kilometrów wokół magazynu.

Odchylenie w magazynie jednego frontowego magazynu będzie stosunkowo wysokie. Jeśli połączymy wymagania kilku frontowych magazynów, użyj regionalnego magazynu ogólnego, aby pokryć potrzeby tych magazynów przednich i dystrybuować z ogólnego magazynu do magazynów przednich, możemy zoptymalizować ogólne koszty zapasów i stawki dostawy na czas.

Całkowita pozycja zbiera zapotrzebowanie na każdą pozycję przednią i spowalnia zmienność.

 

3.3 Pojemność produkcyjna

Podczas planowania produkcji ogólnie planujemy pojemność linii produkcyjnej, na przykład trzy rodzaje produktów A, B i C można wyprodukować na tej linii. Być może nie będę w stanie określić konkretnej liczby produkcji A, B i C, ponieważ faktyczna sytuacja zawsze się zmieni, czasem brakuje materiałów, nie może wytwarzać A, może tylko B lub C.

Kiedy więc planujemy pełną linię produkcyjną, często agregujemy wszystkie możliwości. Na comiesięcznym spotkaniu koordynacji produkcji i sprzedaży możemy mieć trudności z podjęciem decyzji o konkretnej ilości do wyprodukowania, ale zamiast tego zaplanować całkowitą zdolność produkcyjną linii produkcyjnej. Z powyższego wiemy, że zrobienie tego będzie dokładniejsze i mniej niestabilne.

W faktycznym procesie produkcyjnym produktów nieoczekiwane sytuacje nieuchronnie wystąpią, niektóre są nadmiernie ukończone, niektóre są niedostatecznie ukierunkowane, ale rzeczywiście mogą się nawzajem zrekompensować, aby osiągnąć nasz ogólny cel.

Podsumowując, Baichuan Juhai Pooling jest bardzo praktyczną strategią łańcucha dostaw, która może skutecznie złagodzić różną zmienność. Zagregowane wymiary obejmują czas i ilość, które należy elastycznie zastosować zgodnie z sytuacją.

 


zostaw komentarz

Ta strona jest chroniona przez reCAPTCHA i obowiązują na niej Polityka prywatności i Warunki korzystania z usługi serwisu Google.