如何減輕供應鏈中的不確定性？

#supplychain #logistics

 

不確定性是供應鏈的固有特徵，我們無法消除它，因為需求的來源，每個消費者的思維方式都不同，並且會不時變化。如果您今天想喝咖啡並明天喝牛奶茶，那麼很難準確掌握個人需求。

但是有趣的是，當我們將需求匯總在一起時，我們發現大樣本的波動性會減少。例如，在訂購下午茶時，團隊中有多少人想喝咖啡或牛奶茶，絕對不是單方面的，並且需求的波動相對較小。

當我們將一些相同或相似的東西匯總在一起時，供應鏈中有一個特殊的術語，稱為“合併”或“聚集”。

例如，進行預測時，集成了相同的要求。計算容量時，相同的工作站容量會匯總和計數。這種做法可以降低波動，今天我將重點放在這一方面。

1.為什麼要合併？

讓我們以一個例子來進一步說明需求波動的情況。如上所述，消費者購買行為有很多隨機性，這會產生波動。張聖山（Zhang San）開設了一家咖啡店，為了提高單位價格，該商店還出售了蛋糕。

他應該如何庫存？購買太多了，蛋糕沒有售罄。當到達保質期時，蛋糕將被丟棄並扔掉。更少的購買，庫存不足和銷售損失。

為了更好地庫存，張聖人在過去20天內計算了商店中蛋糕的銷售。張桑的商店每週五天開放，每月20天，具體銷售如下。

天	銷售量	與平均銷售的差異	絕對價值的差異
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

 

我們看到了46個銷售的峰值，低點為21，平均為35（圓形）。銷售量的實際結果與平均值差異很大，但由於正面和負偏移，它們的平均值為零。

我們想抓住差異的絕對平均值，這個數字也稱為卑鄙的偏差（MAD），其每月平均值為6。

從統計的角度來看，我們應該使用標準偏差，這更嚴格。在Excel中進行了簡單的計算之後，我們可以獲得有關本月銷售的一系列分析結果。

最大限度	46
最低限度	21
Average	35
標準偏差	7.1
變異係數	0.2

 

變異係數（CV）是標準偏差除以平均值，結果為0.2。從統計的角度來看，本月的銷售非常穩定。

從每日的角度來看，每日銷售和平均值之間的最大絕對差異為14，40％除以35的平均值，這是偏差的幅度。

當總結這20天的偏差時，平均絕對值差為6，17％除以35，顯然比40％要穩定得多。這是因為銷售量高且低，並且統計數據以20天的組計算。高於平均水平的銷售額差異是相互取消的，因此整體視圖更穩定。

張聖桑（Zhang San）僅通過查看每日銷售數據而很難庫存，因為每日銷售會大大波動，但是每月需求相對穩定，這可以為庫存提供更準​​確的說明。

2.為什麼池可以使隨機變量更加穩定？

接下來，我們將研究為什麼合併使隨機變量從統計理論中更加穩定。

變異係數是一個摘要統計量，可測量分散體，通常用於比較不同的項目，例如兩個不同的需求或產品。我們可以比較它們的變異係數，以了解其特徵的相似性或不同。

我們之前已經看到，如果有一個月的隨機性，那是每天20個隨機的總和。因此，我們有一個每月的隨機變量m，每天有20個隨機變量di。

假設DI是獨立的並且所有相同的分佈，則它們屬於正態分佈。我們具有平均µ和標準偏差σ的正態分佈。

而且，如果每月銷售的隨機變量也遵守正態分佈，即每日和每月分佈相同，那麼我們需要在這兩個時間尺度之間建立轉換關係。

每日每月平均µ20 * µ標準偏差σ√20 *σ

首先查看平均值，因為每月工作日的數量為20天，因此一個月等於20天，我們可以將每日平均值直接乘以20天，然後等到每月平均水平，這更容易理解。

標準偏差不會以這種方式計算。根據公式，需要樣本大小的平方，即√20。每月標準偏差為√20倍σ。

每日變化係數為σ/µ，即：1*（σ/µ），每月變化為：（√20*σ）/20* µ = 0.22*（σ/µ）。

顯然，每月變異係數為0.22小於每日1。這是數學證據，表明在需求匯總後，每月波動率小於每日的揮發性，這將有助於我們制定相關的供應鏈策略。

 

3.使用場景

3.1延遲策略

供應鏈中的延遲策略將產品的生產過程分為概括階段和分化階段。企業首先生產共同的組件，並儘可能延遲產品差異化的製造過程。

除非最終用戶要求產品的外觀或功能，否則產品的差異化生產才能完成。例如，對於早餐店中的大豆牛奶，產品的概括階段是原始的豆漿汁，而差異化產品是根據原始果汁加工的甜鹹牛奶。

單個產品的需求波動肯定比所有產品中的需求波動率都要大，因此早餐餐廳應匯總對所有豆漿產品的需求，以比任何單個產品都具有更高準確性的預測。

當預測對其他商品的需求的預測需求時，我們還使用這種方法，因為個人商品需求會有所不同，但是這些差異將相互抵消，從而使整體預測更加準確。

 

3.2庫存設置

一些新鮮的食品電子商務公司使用前倉庫模型在倉庫周圍幾公里內為社區提供服務。

單個前倉庫的庫存偏差將相對較高。如果我們結合了幾個前倉庫的要求，請使用區域通用倉庫來滿足這些前倉庫的需求，並從一般倉庫分發到前倉庫，我們可以優化總體庫存成本和準時交貨費用。

總位置收集了每個前部位置的需求，並減慢了波動率。

 

3.3生產能力

當我們進行生產計劃時，我們通常會計劃生產線的能力，例如，可以在此產品線上生產三種類型的產品A，B和C。我可能無法確定A，B和C生產的特定數量，因為實際情況總是會改變，有時材料短缺，無法產生A，只能做B或C。

因此，當我們計劃完整生產線的能力時，我們通常會匯總所有功能。在每月的生產和銷售協調會議中，我們可能很難決定要生產的特定數量，而是計劃生產線的總生產能力。從上面，我們知道這樣做將更加準確，揮發性較小。

在產品的實際生產過程中，意外情況將不可避免地發生，有些情況過度完成，有些是不足的目標，但它們確實可以相互補償以實現我們的整體目標。

總而言之，Baichuan Juhai Pooling是一種非常實用的供應鏈策略，可以有效緩解各種波動。匯總維度包括時間和數量，需要根據情況靈活應用。