วิธีลดความไม่แน่นอนในห่วงโซ่อุปทาน?

#supplychain #logistics

 

ความไม่แน่นอนเป็นคุณสมบัติโดยธรรมชาติของห่วงโซ่อุปทานและเราไม่สามารถกำจัดได้เนื่องจากแหล่งที่มาของความต้องการผู้บริโภคแต่ละคนคิดแตกต่างกันและเปลี่ยนแปลงเป็นครั้งคราว หากคุณต้องการดื่มกาแฟวันนี้และดื่มน้ำนมในวันพรุ่งนี้มันยากที่จะเข้าใจความต้องการของแต่ละบุคคลได้อย่างแม่นยำ

แต่ที่น่าสนใจเมื่อเรารวมความต้องการเข้าด้วยกันเราพบว่าความผันผวนของตัวอย่างขนาดใหญ่ลดลง ตัวอย่างเช่นเมื่อสั่งชายามบ่ายจำนวนคนในทีมที่ต้องการดื่มกาแฟหรือชานมจะไม่เป็นด้านเดียวและความผันผวนของความต้องการค่อนข้างเล็ก

เมื่อเรารวบรวมสิ่งเดียวกันหรือคล้ายกันมีคำพิเศษในห่วงโซ่อุปทานที่เรียกว่า "การรวม" หรือ "รวม"

ตัวอย่างเช่นเมื่อทำการคาดการณ์รวมข้อกำหนดเดียวกัน เมื่อคำนวณความสามารถความสามารถในการทำงานของเวิร์กสเตชันเดียวกันจะถูกรวมและนับ การปฏิบัตินี้สามารถลดความผันผวนและวันนี้ฉันจะมุ่งเน้นไปที่ด้านนี้

1. ทำไมต้องรวมกัน?

ลองใช้ตัวอย่างเพื่อแสดงให้เห็นถึงสิ่งที่เกิดขึ้นกับความผันผวนของความต้องการ ดังที่ได้กล่าวมาแล้วมีพฤติกรรมการซื้อผู้บริโภคจำนวนมากซึ่งสร้างความผันผวน จางซานเปิดร้านกาแฟและเพื่อเพิ่มราคาต่อหน่วยร้านค้าก็ขายเค้กด้วย

เขาควรตุนอย่างไร? มีการซื้อมากเกินไปและเค้กไม่ได้ขายหมด เมื่อถึงอายุการเก็บรักษาเค้กจะถูกทิ้งและโยนทิ้งไป การซื้อน้อยลงสินค้าคงคลังไม่เพียงพอและการสูญเสียการขาย

เพื่อให้สต็อกดีขึ้นจางซานนับยอดขายเค้กในร้านใน 20 วันที่ผ่านมา ร้านค้าของจางซานเปิดห้าวันต่อสัปดาห์ 20 วันต่อเดือนและยอดขายเฉพาะมีดังนี้

วัน	ปริมาณการขาย	ความแตกต่างจากการขายเฉลี่ย	ความแตกต่างในค่าสัมบูรณ์
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

 

เราเห็นยอดขายสูงสุด 46 รายการและต่ำ 21 โดยมีค่าเฉลี่ย 35 (โค้งมน) ผลลัพธ์ที่แท้จริงสำหรับปริมาณการขายนั้นแตกต่างกันอย่างมากจากค่าเฉลี่ย แต่พวกเขาเฉลี่ยเป็นศูนย์เนื่องจากการชดเชยบวกและลบ

เราต้องการใช้ค่าเฉลี่ยที่แน่นอนของความแตกต่างตัวเลขนี้เรียกอีกอย่างว่าการเบี่ยงเบน meanabsolutely (MAD) และค่าเฉลี่ยรายเดือนคือ 6

จากมุมมองทางสถิติเราควรใช้ค่าเบี่ยงเบนมาตรฐานซึ่งเข้มงวดมากขึ้น หลังจากการคำนวณอย่างง่ายใน Excel เราสามารถรับผลการวิเคราะห์เกี่ยวกับยอดขายของเดือนนี้

สูงสุด	46
ขั้นต่ำสุด	21
Average	35
ส่วนเบี่ยงเบนมาตรฐาน	7.1
ค่าสัมประสิทธิ์การเปลี่ยนแปลง	0.2

 

ค่าสัมประสิทธิ์การเปลี่ยนแปลง (CV) คือค่าเบี่ยงเบนมาตรฐานหารด้วยค่าเฉลี่ยและผลลัพธ์คือ 0.2 จากมุมมองทางสถิติยอดขายของเดือนนี้มีเสถียรภาพมาก

จากมุมมองประจำวันความแตกต่างสูงสุดระหว่างยอดขายรายวันและค่าเฉลี่ยคือ 14 ซึ่งคือ 40% หารด้วยค่าเฉลี่ย 35 ซึ่งเป็นขนาดของการเบี่ยงเบน

เมื่อการเบี่ยงเบนของ 20 วันนี้ถูกรวมกันความแตกต่างของค่าสัมบูรณ์เฉลี่ยคือ 6 ซึ่งคือ 17% หารด้วย 35 ซึ่งเห็นได้ชัดว่ามีเสถียรภาพมากกว่า 40% นี่เป็นเพราะปริมาณการขายสูงและต่ำและสถิติจะคำนวณเป็นกลุ่ม 20 วัน ความแตกต่างของยอดขายด้านบนและต่ำกว่าค่าเฉลี่ยจะยกเลิกซึ่งกันและกันดังนั้นมุมมองโดยรวมจึงมีเสถียรภาพมากขึ้น

มันเป็นเรื่องยากสำหรับจางซานที่จะตุนเฉพาะโดยดูที่ข้อมูลการขายรายวันเนื่องจากยอดขายรายวันมีความผันผวนอย่างมาก แต่ความต้องการรายเดือนค่อนข้างเสถียรซึ่งสามารถให้คำแนะนำที่แม่นยำยิ่งขึ้นสำหรับการเก็บ

2. เหตุใดการรวมกลุ่มจึงทำให้ตัวแปรสุ่มมีเสถียรภาพมากขึ้น?

ต่อไปเราจะดูว่าทำไมการรวมกลุ่มทำให้ตัวแปรสุ่มมีเสถียรภาพมากขึ้นจากทฤษฎีทางสถิติ

ค่าสัมประสิทธิ์การเปลี่ยนแปลงเป็นสถิติสรุปที่วัดการกระจายตัวและมักจะใช้เพื่อเปรียบเทียบรายการที่แตกต่างกันเช่นความต้องการหรือผลิตภัณฑ์ที่แตกต่างกันสองประการ เราสามารถเปรียบเทียบค่าสัมประสิทธิ์การเปลี่ยนแปลงเพื่อดูว่าลักษณะของพวกเขามีความคล้ายคลึงกันหรือแตกต่างกันอย่างไร

เราเคยเห็นมาก่อนว่าหากมีการสุ่มหนึ่งเดือนมันเป็นผลรวมของ stochastics 20 วัน ดังนั้นเราจึงมีตัวแปรสุ่มรายเดือนและ 20 ตัวแปรสุ่มรายวัน Di

สมมติว่า DI มีความเป็นอิสระและมีการแจกแจงแบบเดียวกันทั้งหมดพวกเขาอยู่ในการกระจายปกติ เรามีการกระจายปกติด้วยค่าเฉลี่ย µ และค่าเบี่ยงเบนมาตรฐานσ

และหากตัวแปรสุ่มของยอดขายรายเดือนยังเชื่อฟังการกระจายปกตินั่นคือการแจกแจงรายวันและรายเดือนจะเหมือนกันเราต้องสร้างความสัมพันธ์ระหว่างการแปลงระหว่างเครื่องชั่งสองครั้งนี้

ค่าเฉลี่ยรายเดือน µ20 * µ เบี่ยงเบนมาตรฐานσ√20 * σ

ก่อนที่จะดูโดยเฉลี่ยเนื่องจากจำนวนวันทำการต่อเดือนคือ 20 วันดังนั้นเดือนเท่ากับ 20 วันเราสามารถคูณค่าเฉลี่ยรายวันได้โดยตรง 20 ครั้งและรอจนกว่าค่าเฉลี่ยรายเดือนซึ่งง่ายต่อการเข้าใจ

ค่าเบี่ยงเบนมาตรฐานไม่ได้คำนวณด้วยวิธีนี้ ตามสูตรจำเป็นต้องใช้สแควร์ของขนาดตัวอย่างซึ่งคือ√20 ค่าเบี่ยงเบนมาตรฐานรายเดือนคือ√20เท่าσ

ค่าสัมประสิทธิ์การเปลี่ยนแปลงรายวันคือσ/µ ซึ่งก็คือ: 1*(σ/µ) และการเปลี่ยนแปลงรายเดือนคือ: (√20*σ) /20*µ=0.22* (σ/µ)

เห็นได้ชัดว่าค่าสัมประสิทธิ์รายเดือนของการเปลี่ยนแปลง 0.22 นั้นน้อยกว่าวันที่ 1 นี่คือหลักฐานทางคณิตศาสตร์ที่ว่าหลังจากความต้องการรวมกันความผันผวนรายเดือนน้อยกว่ารายวันซึ่งจะช่วยให้เรากำหนดกลยุทธ์ห่วงโซ่อุปทานที่เกี่ยวข้อง

 

3. สถานการณ์การใช้งาน

3.1 กลยุทธ์การหน่วงเวลา

กลยุทธ์การหน่วงเวลาในห่วงโซ่อุปทานแบ่งกระบวนการผลิตของผลิตภัณฑ์ออกเป็นขั้นตอนการวางนัยทั่วไปและขั้นตอนการสร้างความแตกต่าง องค์กรผลิตส่วนประกอบทั่วไปก่อนและชะลอกระบวนการผลิตของความแตกต่างของผลิตภัณฑ์ให้มากที่สุด

การผลิตที่แตกต่างของผลิตภัณฑ์ยังไม่เสร็จสมบูรณ์จนกว่าผู้ใช้จะร้องขอลักษณะหรือฟังก์ชั่นของผลิตภัณฑ์ ตัวอย่างเช่นสำหรับนมถั่วเหลืองในร้านอาหารเช้าผลิตภัณฑ์ในขั้นตอนการวางนัยทั่วไปของผลิตภัณฑ์คือน้ำนมถั่วเหลืองดั้งเดิมและผลิตภัณฑ์ที่แตกต่างคือนมหวานและเค็มที่แปรรูปบนพื้นฐานของน้ำผลไม้ดั้งเดิม

ความผันผวนของความต้องการของผลิตภัณฑ์เดียวนั้นยิ่งใหญ่กว่าผลิตภัณฑ์ทั้งหมดดังนั้นร้านอาหารเช้าควรรวมความต้องการผลิตภัณฑ์ถั่วเหลืองทั้งหมดเพื่อทำการคาดการณ์ที่มีความแม่นยำสูงกว่าผลิตภัณฑ์ใด ๆ

นอกจากนี้เรายังใช้วิธีการนี้เมื่อคาดการณ์ความต้องการสินค้าโภคภัณฑ์อื่น ๆ เนื่องจากความต้องการสินค้าโภคภัณฑ์แต่ละรายการจะแตกต่างกันไป แต่ความแตกต่างเหล่านี้จะยกเลิกซึ่งกันและกันทำให้การคาดการณ์โดยรวมมีความแม่นยำมากขึ้น

 

3.2 การตั้งค่าสินค้าคงคลัง

บริษัท อีคอมเมิร์ซอาหารสดบางแห่งใช้โมเดลคลังสินค้าด้านหน้าเพื่อให้บริการชุมชนภายในไม่กี่กิโลเมตรรอบคลังสินค้า

การเบี่ยงเบนในการเก็บคลังสินค้าด้านหน้าเดียวจะค่อนข้างสูง หากเรารวมข้อกำหนดของคลังสินค้าด้านหน้าหลายแห่งให้ใช้คลังสินค้าทั่วไประดับภูมิภาคเพื่อครอบคลุมความต้องการของคลังสินค้าด้านหน้าเหล่านี้และแจกจ่ายจากคลังสินค้าทั่วไปไปยังคลังสินค้าด้านหน้าเราสามารถเพิ่มค่าใช้จ่ายสินค้าคงคลังโดยรวมและอัตราการจัดส่งตรงเวลา

ตำแหน่งทั้งหมดรวบรวมความต้องการของแต่ละตำแหน่งด้านหน้าและชะลอความผันผวน

 

3.3 กำลังการผลิต

เมื่อเราวางแผนการผลิตโดยทั่วไปเราวางแผนความสามารถของสายการผลิตตัวอย่างเช่นผลิตภัณฑ์สามประเภท A, B และ C สามารถผลิตได้ในบรรทัดนี้ ฉันอาจไม่สามารถระบุจำนวนการผลิต A, B และ C ได้เนื่องจากสถานการณ์จริงจะเปลี่ยนแปลงอยู่เสมอบางครั้งอาจมีการขาดแคลนวัสดุไม่สามารถผลิต A ได้สามารถทำได้ B หรือ C

ดังนั้นเมื่อเราวางแผนความสามารถสำหรับสายการผลิตที่สมบูรณ์เรามักจะรวมความสามารถทั้งหมด ในการประชุมการผลิตและการประสานงานการขายรายเดือนเราอาจมีปัญหาในการตัดสินใจเกี่ยวกับปริมาณที่เฉพาะเจาะจงที่จะผลิต แต่แทนที่จะวางแผนกำลังการผลิตทั้งหมดของสายการผลิต จากข้างต้นเรารู้ว่าการทำเช่นนี้จะมีความแม่นยำและผันผวนน้อยกว่า

ในกระบวนการผลิตจริงของผลิตภัณฑ์สถานการณ์ที่ไม่คาดคิดจะเกิดขึ้นอย่างหลีกเลี่ยงไม่ได้บางส่วนมีความสมบูรณ์เกินกว่าจะมีเป้าหมาย แต่พวกเขาสามารถชดเชยกันและกันเพื่อให้บรรลุเป้าหมายโดยรวมของเรา

โดยสรุปแล้วการรวมตัวกันของ Baichuan Juhai เป็นกลยุทธ์ห่วงโซ่อุปทานที่ใช้งานได้จริงซึ่งสามารถบรรเทาความผันผวนที่หลากหลายได้อย่างมีประสิทธิภาพ ขนาดที่รวมรวมถึงเวลาและปริมาณซึ่งจำเป็นต้องใช้อย่างยืดหยุ่นตามสถานการณ์