發文作者:Yaowei Fu | 05/03/2012

巨頭大對決

這禮拜經歷了我職業生涯裏幾件蠻刺激的事情. 除了最後一刻被抓上台做了個小小的報告外, 就數見証這史上罕見, 所謂的巨頭大對決 – Morris Cohen vs. Jack Muckstadt 了.
 
如果對後勤服務規劃l中庫存最佳化"Inventory Optimization (IO)"的學術研究有些渉獵的人, 大概都會從Dr. Sherbrooke開始, 然後接觸到些Dr. Muckstadt和Dr. Cohen的研究. Sherbrooke雖可說是開山祖師, 但幾乎己經沒有在業界活動了. Muckstadt和Cohen則仍相當活躍 (Muckstadt是乳摸說要退休了). 他們兩位可謂是這領域的兩大山頭. 但由於Conflict of Interests, 過去十幾年都是死對頭. 最近這兩年筆者和Dr. Muckstadt有不少工作上的接觸, 聊談中發現這冰凍三尺, 可真非一日之寒啊…
 
這幾年由於業界生態匹變, 過去的競爭對手竟全成了夥伴朋友. 這感覺己經夠詭異了. 更有趣的是咱們今年的sales conference- eXchange竟把這兩位巨頭都請來, 給了他們個人的session來發表宣揚一下他們對Service Supply Chain的見解看法.  可惜的就是沒上那種業界巨頭面對面, 臉紅脖子粗大辯論了的戲碼了.
 
Dr. Morris A. Cohen
賓州大學華頓商學院教授
Cohen2Cohen
不愧是商學院的, 演講起來行雲流水, 蓋高尚.
 
Dr. John A. "Jack" Muckstadt
紐約州康乃爾大學工業工程系教授
Muckstadt3Muckstadt
紮實的工學院風格, 飛機引擎照片和繁雜的數學方程式都出現了.
 
兩位都是在美國執牛耳的的學校學系任教, 也都是學術著作等身, 實在另人望其向背. 如果有人問我, 在研究方法上會支持那一邊? Well, 人家Muckstadt是engineering出身, 還是我學長, 那我真該支持一下才行. 科科…
 
不過這樣說就太不專業了. 其實兩派理論各有各的優缺點. 著眼處和處理方法也都有相當的差異. 很難去一對一仔細比較. 而且solution space本來就很寬廣, 真要來討論那個解比另外一個好或不好可能不只是一兩篇博士論文的可以吵得完的. 看來不經一番歲月和現實環境的歷練, 短時間內是不可能會有什麼答案的. 更別說想要在短時間內綜合兩個派系然後找出一個更佳理論模組和詳細演算法的情事了.
 
Wayne2-s我這種小角色只好放張小照片啦…
 
 
 
 
 
*Photo courtesy of Servigistics
廣告
發文作者:Yaowei Fu | 12/02/2011

Install Base Forecast 安裝基數預估

Install base forecast 是一種以安裝基數為主要參數的預估方法. 這個方法在後勤服務這個領域裏是一定要知道的.但這不是因為它是最被廣泛應用的, 而是它是最容易被瞭解的方法.
 
它的公式講來非常簡單, 就是 IB * FR – Install Base乘上Failure Rate就是了
*1.省略從產品經組件表(BOM)到零件, 計算effective part install base的轉換過程.
*2. failure rate的翻譯有失效率, 錯誤率等等, 筆者決定不用譯名以免造成語義上的誤導.
 
有這麼簡單嗎? 當然不是, 不然我也不會在這裏K鍵盤.
 
Install Base 安裝基數的定義, 就是該機型目前在市場上己經安裝運作的數量. 重點是"安裝運作"的量和所在地, 而不能簡化以出貨地\出貨量來視之.  以前在一家日本印表機大場E公司做這方面的專案時, 就發現這兩個問題. 一個是出貨量並不等於安裝量. 有時是出貨完了但有一堆貨還在中盤商的庫存倉庫裏, 等待未來的大促銷, 或根本滯銷等著退貨. 這時的出貨量和安裝量就根本搭不起來. 另外一個問題是出貨地並不等於安裝地. 當時的笑話是出了一整匹貨經新加坡要到印尼. 可是最後竟來出現在東歐洲某國(捷克吧), 然後倒回來向新加坡要備件(因為這貨算是東南亞規格), 真是一整個傻眼. 要取得精確的安裝基數在某些業界裏根本是不可能的是, 例如OEM. 賣出去後完全不知去向.
 
airtraffic追不到產品到那裏去了是一個層面, 建構新的程序和系統通常可以補救. 但另一層面是如果產品本身就是會移動的(mobile asset)哩?? 最常見的就是航空業. 右圖就是每日滿天飛的商用客機在航管螢幕上看起來的樣子.
 
安裝了以後就要運作, 可是所有的機器在任何地方用來都一樣嗎? 當然不是, 所以這公式通常被強化為:
IB * OH * FR – Install Base, Operation Hours 和 Failure Rate
 
operation hour可以視為一個參數 (如0.8 或1.2), 或實際數字(如每周20小時), 只是failure rate要隨此調整. 但operation hour不容易取得, 沒多少客戶會心肝情願的交出機器的操作狀況, 一是麻煩, 二是商業機密. 如果可以知道應材(Applied Material)在台積(TSMC)裏機台的未來運作規劃,操作時數, 那就可以蓋估台積的產能率了. 所以大多數的情形都是要去做個假設.
 
Failure rate 就更tricky了. 有所謂的工程failure rate, 量測failure rate, 還有bath tub syndrome等等. Failure rate是指在產品正常運作下, 預估多少操作小時下該零件會有更替的需要. 工程failure rate是指在實驗室環境中經由疲勞測試得到的.  量測Failure Rate則是指從客戶實際運作情形中收集資料演算而來.
Bath Tub syndrome其實很簡單, 就是零件的可靠度會隨著零件的產品週期而變化.
 
FR_bathtub
左圖出自於Patton&Feldmann的Service Parts Handbook. 一眼就可以看出為何叫bath tub syndrome. 任何產品的生命歷程, 都會經過這個情形, 一開始由於生產良率的問題,failure rate會相當高, 甚至遠高於工程failure rate… 而偏偏在這個時候又測不到量測failure rate…
 
而到了產品生命中期情況則容易許多, 這個時期的failure rate不但可能測得到(如航空業), 很多時候也會和工程failure rate相近.
 
產品未期的損耗性是最難估的, 光陰也是會在零件上留下痕跡的, 不論是機械動件或是電子組件. 這時的failure rate 測得到, 但有遲緩(lag), 不一定能用. 很多時候會回去用非常保守的工程failure rate.
 
所以, 將上面這些條件綜合仔細想一想, install base的forecast就變得不好做, 要install base, 產品組件表(BOM), 要假設operation hour, 最後連failure rate都還要亂估一陣.
 
先前說了, 它是一個最容易瞭解的預估方法, 因為公式真的很簡單, 很真接. 很常聽到入門者提到這個方法或對它感到興趣. 但在實際環境的考量下, 這方法所需要的資料多, 精準度又差, 到最後得到的預估誤差很容易都讓人覺得錢白花, 工白做. 這就是筆者在現今市場上的感受. 在一般的預測規劃中是統計預測掛帥, 而在很特殊的場合, 如新產品上市, 或產品末期的last time buy就比較常看到install base的預測. MP900289834[1]
發文作者:Yaowei Fu | 10/04/2011

找3PL代工!!??

最近工作比較懶散無力, 所以自己給自己下毒誓, 一旦有動機要寫blog, 就一定要在三天內寫完. 不過轉身一看到之前還放在"draft"裏成堆的草稿, 就覺得這毒不能下得太重… 寫不完, 就少喝一杯好了..
 
toshiba-tecra-9100這個週未, Atlanta Journal Constitute亞特蘭大新聞憲政報上了一篇文章
 
有趣的是網路上的只是精簡版, 紙版新聞上講的較多也詳盡.讓人覺得訂報紙還是有點回報的. 它內容是說UPS成立supply chain solution部門己經超過12年了, 這部門也逐漸成長壯大. 他們做什麼呢? 是以3PL (3rd party logistics)為基礎來做更多的代工, 不只做寄件收件, 還加碼做顧戶的售後服務, 從幫Toshiba修電腦(真的!!??), 到幫Merck製藥廠配銷等等.
 
其實這一點都不是新聞了. 七八年前在Toshiba當顧問時就知道他們己經在用這種模式運作了. 北美Toshiba位在加洲的筆電部門基本上只剩銷售, 保固和管理階層. 辦公室後方原本的倉儲和維修區空得要找顆螺絲都找不到. 客戶打電話叫修時只是先打到這辦公室的保固部門. 一但確認要保修後, 就完完全全的交給UPS. 從寄壞NB出門, 到站檢測, 換件備件, 壞件回送vendor(那時是廣達和仁寶為主), 完修測試到寄還顧客, 都沒有離開過UPS, 或經過任何Toshiba的手眼. 這在當時的確是個很新的營運模式, creative outsourcing. 到現在也還是. 文中也提到這模式看來有變popular的驅勢.
 
這creative outsourcing到此看來頗為花俏. 不過我老是看不太順. 文章也說到大多數UPS的夥伴對此事多是"避而不談".
 
外包企業在進行這些維修作業時, 通常都是以效率為主,營利導向. 文中有提到, UPS大量使用因outsource而被資遣的前員工, 或臨時員工. 每天工作十小時, 每小時需經手十七台筆電(三分半鐘一台!!!). 這的確不是一件輕鬆的工作. 而維修品質, 雖是說有一定的辦法來監測. 不過品牌認同, 企業文化及團隊向心等組織管理或人因動機等因素都完全不存在, 看來就只能防止出差錯罷了. "追求組織卓越"這話在這看來可能最為諷刺. 
 
的確, 我想大多數的人看完上述, 就不會想要送修Toshiba的筆電.
 
不過我後來還是買了一部仁寶做的Toshiba筆電(因為它便宜), 如真要維修, 誰修都沒差(反正不是Toshiba做的). 這邏輯是說,當supply chain被切得一段段後, 就可以被逐段outsource或出售(也許Toshiba可以乾脆把售後服務賣掉). 而公司和品牌的價值, 也在無形中被切割了, 只剩價格. 除此之外. 多年前任職的i公司最早是用Toshiba的筆電, 後來換成IBM, 現在的S公司則是從Toshiba換成Dell, IT們每次提到Toshiba送修就直說是夢靨. 而Toshiba在美國商用市場的市佔率從25%掉到現在有沒有10%都不知道. Toshiba這樣看待supply chain的角度和處理方式或許對它的勢微或許沒有直接關連, 但絕對有間接"貢獻". 在以穩定和客服主導的商業市場, 而非價格掛帥的消費市場中, 上述的作業模式的確頗有爭議. 也難怪被"避而不談".
 
reading glasses不是說supply chain不可切割, 一定都要垂直整合. 而是在切割時, 一定要想清楚, 什麼市場要有什麼樣的supply chain, 而且不是只有前端的製造供應鏈, 還要包含後端的售後服務鏈. 且不是什麼的東西都可以sourcing, 或來個creative outsourcing的.
 
文中還說, 很快UPS也要開始修Toshiba的電視了…. Urrr….
發文作者:Yaowei Fu | 01/25/2011

Croston – 一種預測技巧

最近有位朋友問到關於Croston這個售後服務較常見的預估技巧. 他的問題如下>
The objects of forecast are predicting the consumption at the right moment with right quantity. Croston does try to predict the “right moment”, which apparently more sophisticate than moving average. But, does this really matter?
 
我把我的回答整理如下:
Ok, forecast is crucial to predict future consumption. And Croston indeed provides some benefits in the forecast with timing. But it is also the techniques in following processes, inventory planning and supply planning, to determine whether it is really effective.

Timing of Occurrence

Let me put up a example using Croston to show the “timing”
image
    Firstly, there is an asteroid mark on the calculation of non-zero and zero period.  This is important to know since in Croston, it can using average, single exponential with alpha or some other fancier methods to calculate them. The weight of recently history can be controlled by these methods. It is nothing to do with Croston itself. And actually every vendor does this slightly different (and mostly are configurable). So, the time series forecast will be formed based on these two measures.
    The sample is showing Croston tries to “detect” the cyclic/periodicity of demand pattern. In this case, it suggested a demand could occur possibly after 1.8 (2 after roundup) zero period.  Secondly, if the recent periods are zero periods, it further adjusts the next occurrence from last non-zero period. Here the benefit of timing comparing to other smoothing methold like average could be demostrated. People can start thinking that there may be no need to position something for the first two periods.

Implication to Inventory Planning

The safety level (or inventory position) calculation in inventory planning is based on the demand over risk period and the variance associated the demand within the risk period.

For demand over risk period:

First, If lead time is relatively long, like the case in aerospace, then the timing is not beneficial. Eventually it is a average demand cross the period.  If lead time is short, then timing does seem applicable. But this benefit is also arguable, since we are building a “multiplicative adaptive” system. We are adjusting buffers while we are predicting demand go up and down. This actually could signify bullwhip effect. Think the case when forecast goes from 0 to 5 and then 0, and then the safety level went from 0 to 3 to 0… that means on that particular 2nd period, the requirement go up extra 30%.

For variance associated with risk period:

One common experience about Croston is that a lot of people got frustrated with the high deviation (forecast inaccuracy). This is really because the deviation (or forecast error)measure is not only measuring the amount but also the timing.
For example:
Forecast: 0, 0, 5, 0, 0, 5
Actual: 0, 0, 5, 0, 0, 5
    The forecast error is actually 0. But if actual is 0, 5, 0, 0, 5, 0 then forecast error go up to the roof.  This further exaggerates the problem of bullwhip mentioned in the demand over risk period. Higher variance/error drives up the required buffer thus dramatizes the effect. Average actually is a safer bet here. Of course in general, if demand is low, then the deviation (or forecast error) is not reliable and can be ignored.
In summary here:
High demand Low demand
Long lead time Croston is no applicable Potentially applicable, but arguable with bullwhip effect
Short lead time Croston is no applicable Still arguable due to bullwhip effect. And since lead time is low, there are various management tactic to address the issue rather than rely on Croston.

In inventory planning, I personally think there is no mandatory for Cronston. The value still can be delivered by other forecast methods which handle trend, cycle and smoothing.

Implication to Supply Planning

This is also applicable to distribution planning. The common ordering/replenishing policies are (r,q), (s,S) and (S,S-1).
    I personally really don’t think (r,q) and (r,S) apply here, since they are mostly for high consumption goods (Cronston normally won’t apply on this type of goods)
Note1: (s,s-1) is a ordering policy basically says if the inventory level is one below (s-1), place a order to bring inventory level to s. It is very broadly used in aerospace and long term supply planning. s is generally the safety stock(or ROP  depending on the usage. This could be another chapter)
Note2: (s,s-1) is more popular in long term supply planning while (r,q) and (r,S) are widely used in short term distribution planning.
    But there do have values in (s,s-1) with Croston.  Let’s see an example: In the earlier example, the forecast is 0, 0, 1.8, 0, 0 (while average is 0.36). Under (s,s-1), it will suggest to order 0.36 per month.
    Keep in mind the supply planning is always integer planning. That means system will suggest to order one in first period and sit there while we pretty much can guess there will have no need in first two periods. What a waste! If that unit is a 747 engine and idle there for a quarter, then there will be a strong financial implication.
    This is just showing the disadvantage of average method and the benefit of “timing” in particularly (s,s-1) policy. Of course then there are other tactics to address above issues for average, like carry forward rounding. But I try to convey is this ((s,s-1) with low demand) is pretty much the main area Croston can provide values than average or other smoothing method.

Conclusion

OLYMPUS DIGITAL CAMERA             I personally do see the Croston provides values in certain unique circumstance. And the value is significant. But departing from that circumstance, the benefit of Croston will fade significantly and should be used with caution to avoid adverse implications.
發文作者:Yaowei Fu | 07/28/2010

Aftermarket Parts 售後服務零件

TR038

七月二十三日 USAToday 的一則小新聞:
Well, 之前討論到的Genius part的問題就是這個新聞的一部份, 簡單的分析rs有下列四種strategic options:
1. 完全開放
2. 開放但制定規範
3. 部份開放但需原廠授權管控
4. 完全控管
 

完全開放

讓產品的售後服務成為自由市場, 任何零件生產廠或路人甲乙都可以生產零件, 並自力投入後售服務的零件配銷. 當然一般OEM和非OEM都很喜歡這型的. 早期的IBM就是靠這套加台灣廠商的大力支持, 把PC的市場吃下來並把Apple踼下山去. 原廠則是有失有得, 可以快速的攻佔市場, 缺點是售後市場吃不到也無法控制
 

開放但制定規範

由原廠來制定零件生產的規範. 然後想生產的人必須遵循.可是這有幾個大問題.
零件的規範很難定, 現在全車的安全規範都吵不完了(以撞擊規範(正撞, 側撞, 斜撞)為例). 能定出特定零件的工程參數規範才真是斜門.
其次, 由原廠來制定規範, 那不是球員兼裁判? 那誰來強制執行? 要消費者看CNS優良肉品標章才買嗎?那還是政府定的哩. 但要政府定售後零件的規範? 連之前的撞擊規範都沒辦法幫忙樵定, 其它就別想了.
再之原廠都不見得知道怎樣做零件才對了哩(在今日ODM的環境就更別提了).
 

部份開放但需原廠授權管控

路人甲乙可以生產, 可是想要賣? 對不起, 要先看過貨, 並只有原廠的門市才能賣. 這不但有球員兼裁判的問題, 同時也有扼殺創意, 防礙自由市場的嫌疑. 早期的apple基本上就搞這套, 搞得天怒人怨. 好笑的是其實apple app store也仍是搞這套. 
 

原廠完全控管

只有原廠說可以生產的廠商才可以生產, 也一定要原廠的配銷系統來執行. 許多歐系的車廠採用這一套. 當然說詞是說可以保持產品品質(確保Apple不當機!?), 而手上的令箭就是原廠保固. 不光是公司本身, service manager和supply chain strategist都會雙手贊成, 因為這不但很lucrative,而且大幅減低supply chain的複雜度. 這其實不是不對, 可是怎麼說來也像小型的壟斷經濟, 或社會主義.
 

Strategic Matrix

當然這些Strategic option選起來沒有那麼簡單, 和配銷通路和經銷商之間有非常大的利益衝突和角力鬥爭. 對公司來說也是一個重大的決定, 因為這也決定了aftermarket的supply chain會是什麼模式. 但是, 做Strategic option的分析怎麼可以沒有幾個矩陣matrix來show一下哩?
 
簡單的方法就是以產品的價格,和其零件本身的製造成本或產品的維護成本來做相對比較:

零件製造成本 or
產品維護成本

產品價格

完全開放

原廠授權(或制定規範)

制定規範(或原廠授權)

原廠控管

如果產品是飛機, 我想沒有人敢用非oem也沒有認証過的零件(畢區50除外我想). 而如果只是低階桌上電腦, 客戶也不太願意花錢花時間指定要原廠認証或授權的零件. 汽車業其實就卡在中間, 產品的價格不算低, 但也不太高. 個人覺得這matrix如果用在同一種產業, 如IBM vs. Mac, 或Jaguar vs. Ford,  換主機板或電源供應器, 換機油或換timing belt, 就比較顯而易懂.
 
另外一個看法就是以產品的妥善率和該零件的重要度來決定.

 

產品妥善率

零件重要度

完全開放

原廠授權(或制定規範)

制定規範(或原廠授權)

原廠控管

但這就不只是一個aftermarket supply chain的option了, 而是要supply chain能handle所有的options, 然後依各個零件的特性來去選擇其最佳的管理法. Service Manager肯定會抓狂.
 
最後, 提到的這則新聞還沒完哩, 後續發展是零件廠商對提出這個說法的人提告, 保險公司則表示對他的說法仍存疑(兩個都是既得利益者), 所以他接下來的幾場演場(和展示)都取消了. 而對他的論點最大的支持者是誰? 福特自己(原廠零件的獲利者)
 
MP900315608 上頭說過了, 利益衝突和角力鬥爭是明顯的. 而顧客的安全只是自己想辦法自己顧了.
 
 
發文作者:Yaowei Fu | 01/22/2010

Fill Rate 滿足率

庫存管理中最重要的一個基本衡量標準, 就是滿足率 (Fill Rate). 但光是滿足的定義就可以因為從需求方或供給方的角度而有所不同, 更別提隨著業界和營運方式差異所衍生出來的變型. 所以多年來這個Fill Rate都是各說各話, 隨不同的場所有著不同的定義和計算方式. 這在供應鏈管理中一直是個很另人困感的領域.
 
j0443150有位同事之前負責亞洲區的行銷. 每回來美國進公司就跟我說他在亞洲多有辦法, 大家都封他為庫存管理專家, 到處巡迴演講. 可是事實上他連滿足率中最基本的幾個定義和使用上的差別都搞不清楚, 讓我對這個市場真的是感慨萬千.
 
但就算是真的自己下海, 也有很好笑的case. 像有客戶說:"我們搞不懂啦!啥們都是這樣子算的,  你自己去對對看是那個Type!!". 當然更甚者就會有那種很星爺的算法, 根本"無計可施".
 
但另一方面也蠻有趣的是大部份的教科書和學術研究都是自我感覺良好. 先選定各自想用的定義, 然後就做一些非常酷但離奇的研究(如"跨公司零件分享對庫存成本降低之分析"), 但卻很少提到根本上在不同的業界到底要怎麼使用這些本質上差異甚多的"Fill Rate". 我覺得或許就是因為學術界數典忘祖, 背離現實, 難怪業界只好自己想出一堆古靈精怪的算法.
 
抱怨完了, 現在回到現實. 一般滿足率中比較常會提到的是Type 1, 2和 3型. 還有Order based等等.
 
j0387784Type1有人稱此為No Stock Out的滿足率. 很多人直接將它連成Customer Service Level (CSL). 而Type2 則常被稱為product base fill rate. 像之前有提到過"系統妥善率" (System Availability)則算是Type2在航空國防業中變形. Type3筆者則還沒聽過真正的應用. 只在學術界裏有看過. 在業界如果只說Fill Rate, 則通常是指Type2.
 
Order base vs Unit Base是指說在測量計算滿足率時, 是以客戶的訂單為基礎, 或是以訂單上的數量為單位. 如果客戶的訂單是4 件,可是庫存只有三件. 以order base就算完全不滿足, 而unit base 則算滿足四分之三.
 
筆者覺得最常見的困惑是Type1和Type2的定義和其應用, 也就是我們那位受歡迎的專家搞不懂的.
 
Type 1, 是一個以顧戶為主體的衡量法. 基本上, 可以想像為只要當客戶一下單, 可以立即滿足的比率. 而不會過問客戶多久才要下一次單. 最後這句話是重點!! Type 1只在乎任何時間”點”的滿足率. 所以, 只要客戶有可能下單, 就要備貨. 如果客戶在任何一個時間點於訂貨前置期中的可能下單量是m, 那庫存s 就會有滿足率FR1.這函數只會是個簡單的cumulative density function.
FR1 = cdf(m|s)
假設說訂貨前置期是一個月, 而在這一個月中客戶可能的訂貨量平均值是10, 那備10件庫存就有50%的滿足率(請參閱之前的統計學與庫存規劃?, 平均值在normal分佈下的cdf是50%)
Type1有一個進階版叫channel fill rate, 這則難了許多, 是指要去測量計算第一線和第二線的滿足率. 這稍後再談
 
Type 2則是以供應商為主導的衡量法. 和type 1不同的是, 它會去計較客戶多久才會下單. 這其實也是Type 2最難懂的地方. 假設說訂貨前置期是一個月, 而在這一個月中客戶可能的訂貨量平均值是0.1, 那這表示客戶要大約10 個月才會下一次單. 那不備庫存的滿足率是多少? 90%!!
如果客戶在任何一個時間點於訂貨前置期中的可能下單量是m, 而庫存量是s, 那FR2的計算較瑣碎,要先算出EBO(預估缺貨, 在統計上也叫expected loss function), 然後再去推滿足率.
FR2 = 1- EBO(m/s)|q   (q是經濟訂購量)
 
講到這裏, 可能另人暈眩.換個角度講.
如果滿足率的基準只是簡單的說當客戶要貨時一定要有貨, 那Type1就很接近.
但如果是說假設是客戶不要零件就表示沒問題, 進而著重在"有問題"的時候有一定水準的滿足率, 那這就較Type 2相似.
 
Type2聽來是有點掩人耳目. 通常筆者碰到的第一個問題也是: 那Type2不會高估滿足率, 或是低估庫存?
 
其實不盡然. 由於這個EBO/q的轉換並不直接. 所以沒有說Type2就一定比Type1高. 而且, 這真的是很"道德性"的問題. 如果客戶沒需求就真的是沒問題, 可以算成一百分, 那為什麼不算還要用Type1堆了一山的庫存?
 
以零售業來說, 就很Type1, 因為基本上只在乎客戶走進門時, 有沒有貨. 所以規劃的重點都是以達成某成度Type1滿足率為主. 而以高科技, 重機械, 或航空等等. 基本的規劃邏輯是著重於客戶需要服務時, 所能得的滿足率. 像飛機要零件, 基本上是有需求才會要零件. 沒有需求時, 滿足率就是一百啦.因為假設是飛機仍沒問題的飛來飛去. 你就想想坐在電腦維修站裏算庫存, 而外頭和客戶簽的維修合約是"合約期內90%維修率".. 那要用type1還是2來做規劃? 答案是Type2.
 
 
發文作者:Yaowei Fu | 12/19/2009

Asset Management 資產管理

當然資產管理是一個很大很雜的領域啦… 大到飛機建築, 小到你辦公桌上的原子筆他都要管. 當然IT的普及對這方面的管理有顯然的助益.
 
當然資產管理不一定要只管自己家的東西. 賣出去的東西也一樣可以幫客戶管呀. 當然先決條入是如果你自己能把自己管好的話. 這方面台灣的公司好像都不怎麼"上手".
 F-5E
今天看到這則新聞. 真是快要笑歪了. 雖然對我幾個馬來西亞的朋友很不好意思, 可是這也太扯了.

新聞內容是說, 馬來西亞空軍發現不見了一具F-5E的發動機! 經過追查後, 竟發現已以"故障待修件"被變賣給南非了!!!???
 
網路上說這具引擎約50M RM, 約15M $US (4.5億台幣). 海峽時報也指出, 這件事發生在今年一月, 當馬來西亞空軍要維修這具在2008年(沒說幾月)就被送往維修站的引擎時才發現它不見了. 空軍同時發現它的維修記錄不全, 也開始調查是否有其它的零件裝備也"失踪"了. 空軍司令指出初步調查發現可能有些裝備可能從2007就"開始不見"了.
 
衍生的疑問有:
1. 故障待修可以拖那麼久, 久到有時間來把它賣掉, 那該系統(F-5E)的妥善率是要怎麼算? 還是像幻象一樣"封存"然後"拼修"?
2. 像這種高敏感度的重要軍事關鍵零組件, 廢品轉賣都可能會有爭議了(因為還是可以拿去拼修), 何況還只是故障待修件, 怎麼可以輕易轉賣? 資產管理一定有重大疏失.
  
J85-GE
唉, 講太多了. 我原本要說的只是: 資產管理不一定只有管自己家的東西. 賣出去的東西也一樣可以幫客戶管. 算是在售後服務中加值服務的一項.
發文作者:Yaowei Fu | 12/06/2009

戰術性 vs. 戰略性 Tactical vs. Strategic

筆者有位長輩以前是陸軍軍官學校的優秀畢業生. 年輕時幾乎都駐守在金門, 資歷彪炳輝煌. 我還記得他還有什麼"最年輕就昇少將"的頭銜. 我年少不更事時喜歡找他鬥嘴皮, 說是討教戰史戰策. 現在想來還真是不自量力, 半瓶水不到卻搖得特別大力.
 
有回他突然問我: 戰術和戰略, 你分得清楚嗎? 你怎麼定義?
我還很記得當場儍在那兒.
 
當然, 在這裏我不會講戰術和戰略到底是啥.對軍事上的某些專門, 我不該胡說八道, 太不尊重了. 我們來說在供應鍵規劃裏, 什麼是戰術性? 什麼是策略性? What is tactical planning vs strategic planning in supply chain planning? 這些年下來, 經常碰到有人講Supply Chain Planning時, 老愛沒事說tactical什麼什麼, 或strategic什麼什麼… 有時發現前後文實在牛頭不對馬嘴, 直想給他白眼.tactic_stra_450_2
先來丟個測試彈, 下列是在製程規劃(manufacturing planning)中常見的幾個模組, 請試著定出何者為tactical, 何者為strategic:
– Allocation and scheduling
– MRP and CRP
– Master Planning and Capacity Planning
– Rough Cut Capacity or/and Resource Planning                              (圖:DigiActive.org)
 
其實隨便猜也有個端倪, 前兩者大概是tactical的, Rough Cut Planning則一定是strategic的啦. 而master和capacity planning則是介在戰術和戰略之間. 如果這個猜不出來. 那就小心說話時不要把Tactical或Strategic掛在嘴邊.
 
基本上. 筆者個人對Tactic定義是指在給定的生產或服務能量下, 規劃出最有效率的運轉操作 以求最大的利益勝算. Strategic則是在考量市場長期的可能變化, 甚至是領導者銳智的考量下所決定的方針. 然後依此方針規劃出對生產或服務能量所需要之調整. Tactical在於追求近程產能之最佳運用. 而今日之產能並不表示長期之有效產能. 現有產能可能在未來一無所用. 而這就是Strategic要去評估的.
 
以純半導體製程, 去除封裝測試來舉例好了.
半導體從投片到出片一般是三四個月. 快的話一個月半就出去了. 所以Allocation和scheduling基本上是規劃一個月到半年左右的期間. Master Planning通常是半年到一年..甚至到一年半的長度. 然而半導體的生產基台. 從採買到上線, 最少都要一年. 所以Capacity Planning基本上從一到三年左右. Rough Cut 就更遠了 可能到五六年. allocation只在決定那位客戶的單子要先做後排, 看看能否皆大歡喜. 而capacity planning則想破頭到底一二年後, 主要的生產技術要全為18nm, 還是18和22混合等等.
 
這樣, 讀者你看得出來嗎? tactical通常在處理近迫性的問題, 也通常不牽涉影響生產能量的變化. 而是在既定的生產能量下來進行規劃的. 而Strategic通常較長程遠距.通常的規劃標的是未來生產能量的調整. 以因應未來的市場需求.
 
筆者以前碰到最常見的謬思是 – "戰術戰略合一"
A: "我們要一套規劃方案是可以同時做戰術戰略的"
B: "你是戰術戰略不分,還是明知不可為而為之?"
 
Tactical planning和Strategic planning不合在一起有許許多多的原因, 筆者列舉幾個比較顯要的:
1. tactical planning 通常要比較詳盡的資料. 規劃出來才準確而得以快速實施. Strategic則是較長程遠距的規劃, 不是說詳盡的資料不好. 而是說詳盡的資料就算有, 在那麼遠期之下, 變動多, 準度差. 做出來的結果不但結果準率低, 甚至失去該有的彈性空間. 反而成了不做還好.做了反而把未來定死, 只能禱告它別出錯.
2.  tactical通常是以現在客戶為考量, 而strategic是以將來未知的市場為基礎. 這兩者看似無關, 可是卻有相當多的利益衝突. 很難去衡量平衡這兩者. 除了不該做同一套系統中, 規劃的實施和評估更不該由同一組人來進行. 而應該在組織中分隔獨立. 相互協調. 這有點類似組織學裏的Agency Theory.
3. 這有點技術性,  tactical planning是以天或周為單位. strategic planning是以月或甚至季. 這兩者並不完全契合. 要硬做在一起不是說不可能. 不過還沒見過把這個接軌接得無懈可擊的案子.
4. tactical是連旅長做的.. Strategic是師長或將軍帶頭, 想過連長帶頭打贏諾曼地
 
筆者碰過最漂亮的案件. 還真的是台灣某大半導體代工廠T公司(連幾家日本的IDT都相較遜色不少). T公司的各個規劃模組都是分科別部. 而最具特色的是Strategic模組是由OR領軍而歸在財務之下, 獨立專精卻也有實權. 雖說各獨立橂組之間衝突不是沒有. 卻也是各職所司各盡所能. 整體來說非常接近APICS裏定出來的"完全規劃".
 
有些比較特別的案件. 像電腦業的D公司. 由於製程時程短, 設備的調動又極度彈性. Master planning只是一個月左右. 而capacity planning 根本就不太需要
而航空業, 製程是一到三年. Master planning 都變capacity planning了. 基乎都是project base, case by case… 著重的是R&D的專案開發. 製程上根本沒有這些一般性的規劃模組.把飛機做出來是Tactical,也是Strategic.
 
在後勤服務和配銷規劃領域, tactical planning則著重於簡單的庫存和配銷規劃. 而strategic planning則有庫存的最佳化, 庫存壉點的選擇配置, 和倉儲/配銷能力的調配等. semiconductor

啊在行銷上哩? 反正都一定叫Strategic Marketing什麼什麼就對了.

發文作者:Service Planning | 12/02/2009

售後服務的標價 Post-Sales Service Pricing

售後服務裏有一塊領域其實一直沒有多少研究提及. 就是如何去訂定這個"售後服務"的價碼. 主要就是由於它的難度遠高類似的領域. 像行銷學裏對產品售價就只提到拿個市調回來的產品價格和市場規模曲線, 然後在上頭押一個點就是了, 如果在售後服務這樣做, 那就太無厘頭了.Price3
先提到兩個稍有關連的領域 – 保險業之定價和服務業之定價.
 
保險業如何決定價格不是個新的領域. 從許久以前就已經知道可以利用統計精算的方式去估算可能的風險和其可能的賠償代價, 進行訂定一個有效(講明了就是一定可以獲利)的價格.
 
服務業的標價在前幾年吵得沸沸揚揚的.. 主要就是因為市場的趨勢是以服務主導, 而不再是製造銷售主導. 有許多研究都已著重於如何為"服務"定出一個合理的價格. 在這裏就不用再多花力氣了.
 
一言總括之, 如何訂定售後服務的標價, 可以想像是兩者的結合.
 
提供售後服務, 就像是賣保險. 是在保證賣出去的東西可以持續正常使用. 而提供售後服務時, 提供的內容又不只是零件, 還有技術人員的調派和專業知識的交流, 這都完全符合服務業的基本條件.
再深入舉個例子. 一般的售後服務有下列的程序和機制:
– Call Center: 以線上客服回應第一層次的FAQ和trouble shooting
– Field Engineers: 回應第二層次的問題或執行快速反應措施及小規模維修等
– Service/Repair Center: 於第三層回應所有有關無關的問題及所有大大小小都有可能的維修
第一, 二層的成本分析比較接近服務業的定價方式. 必竟和一般的服務業相似, 以人事成本為主, 沒有太多的硬體機材投資和物料維修成本. 而第二, 三層則適用於類似保險業的方式, 以機材廠房資本及後勤maintenance和repair cost為主,可以像保險業精算的方式估出風險度和預期所需的成本, 進而推算其定價.
 
However, 目前沒有任何案例做到這個程度. 市場上比較常見的方法有:
– 類似比較法:
經由市場調查, 比較間同業們相似的備料及服務內容, 及其價格變動來猜個數字. 這是現在比較先進一點的方法. 主要採用的產業以汽車業主導.這其實也蠻接近簡單的服務業定價法
– 事後諸葛法:
追踪產品線的表現並將售後服務的成本/營運積效完整而詳細的明列. 然後去微調價格. 但主要挑戰是營運項目必須精細到一個層度才能有效的追踪.
– 內含法:
市場行之多年的最佳懶人法. 先定下產品保修年限, 年限內維修完全免費, 事實上就是要把這些費用含在產品售價裏. 而在保修年限之後. 不但完全顧客自理. 甚至不見得有人員有備料可以修.
 
內含法看來短視近利, 但有他的優點. 在售後服務的詳細營運成本不明時, 或無法有效估算時. 就只能在產品售價上加個margin. 反正錢拿到手了.  要怎麼服務再說. 反而是風險較低的作法.
但內含法的缺點. 除有模糊成本之外, 還有就是降低產品整體競爭力. 必竟顧客多半不會馬上注意到產品的售價是否內含特定年限之售後服務. 直覺在價格上內含法的產品氣勢就輸人了. 最嚴重的, 就是影響到策略的選擇性. Cavalieri et al (2006)將售後服務的策略分為四大類:
– Product Support 產品服務
– Cash Generator 現金產生器
– Business Generator 產品區隔
– Brand Fostering 品牌強化
內含法基本上大大的限制了策略的可選擇性, 會讓售後服務淪為單純的產品服務而別無選擇.
以商用電腦供應商Dell和Toshiba來說, 在一陣子前(現在不敢說)售後服務基本上已達到具有加強產品區隔和協助品牌形象的功力了. 當然他們的售後服務的收費基本上都是"拆開來談"的. 當然, 一旦要拆開來計價, 那只得用類似比較或事後諸葛了.
 
Money1 應用保險業訂價的方式, 在航空業已略見端倪, 必竟它還是目前對產品追踪的最詳盡的產業.
 
還有, 這個售後服務的價格, 仍有"價格"和"市場規模"的交易曲線存在. 所以行銷學教的, 沒有off, 只是太粗淺了.
發文作者:Service Planning | 11/17/2009

Total Ownership Cost (TOC)和服務導向

    最近"吳委員育昇"案吵得沸沸揚揚的. 看別人的八卦當然是蠻有趣的. 但看到媒體在追踪這個吳先生的"香車", 就想到應該把這個Total Ownership Cost 的觀念提一下.
 
    TOC這個字,在90年代是一個很重要的詞, 它是Theory of Constraint的簡寫. 而由Dr.Goldratt在"The Goal"這本書中所提出來的這個TOC概念, 可以說是這二十年來, 在作業管理上新興的熱門領域, 像JIT, TPM, SCM 和Lean,等等的一個重要共同源頭. 所以, 如果在SCM和OM(作業管理)上, 只要提到TOC, 最先想到的會是這個Theory of Constraint. BMWX5
 
   在另一方面, 由於生產操作技術的複雜化和資本設備成本的增長, 任何一個產業不論是從製造到服務, 只要有資本投資, 也都開始注意到所謂的Total Ownership Cost整體擁有成本的觀念. 有人是用Total Cost of Ownership (TCO)這詞, 那就好區別. 但筆者我比較常碰到的是TOC, 所以都要追問是在講那一個. 
 
   整體擁有成本的觀念其實非常簡單. 就是除了一開始的投入成本, 後來的營運費用和維護支出都要把他算進去. 最簡單的例子是, 要買一部車, 不是只有一開始買車的費用. 如果計算方式是假設該車要用五年來說, 那就是一開始買車的價錢, 加上五年間各式稅金, 從換機油到定時皮帶調校的大小維修都要算在內, 然後減掉到時以二手車將該車脫手的價錢.  如果是五年十萬公里, 那還可以把跑十萬公里所需的汽油錢都算進去. 這個總和, 就是"使用這台車五年十萬公里" 的TOC. 複雜的話, 連這些買車用車的資金的"機會成本"都可以算進去.
 
   最容易的應用, 就是像現在很多人在考慮要買汽油車, 還是柴油車, 甚至油電車.. 汽油車較便宜但油耗較貴.相反的油電車單價最高但標榜最省油. 可以搞得人不知所措. 最直接明瞭的方式, 就是算一算這幾個選項的TOC, 就可以大概知道了.
 
————————————————————————————————–
 
  那這關吳委員什麼事? 那部車是租的!
 
  要著重的就是這句"使用五年十萬公里"!! TOC雖說是"整體擁有成本". 可是從頭到尾都沒有說這部車一定得要用買的. 而只是說"有部車可以使用五年十萬公里". 有車可用的方法很多, 用租用貸用買用A的都可以. 不管是那一種貓, 只要能抓老鼠的就是好貓, 而TOC最低的則是更好的貓
 
     記者著重的是稅的部分, 可是算一下, 這只是其附加價值吧..BMW X5要賣三四百萬(美國只要五萬美金左右, 約一百五十萬台幣). 以一個月六萬多來算, 三年不過二百萬. 如果這台車三年後折舊如不到二百五十萬的話, 那這個用租的方法,可還真的比較划算. 另外如果用買的, 可能要先砸個四百萬下去, 然後三年再加一百萬的操作維護成本, 然後最後脫手時才能拿回二百五十萬. 雖說TOC是二百多萬, 可是整個過程中的最高投入總金額是五百萬耶. 所以用TOC一算, 就可以知道這種"租名車"的方式其實有它的好處, 在歐美也早已行之有年. 只是因亞洲較喜歡買斷的觀念, 起步較慢.

————————————————————————————————
 
      在此就要回到主題了. TOC的觀念在以"服務導向"的世界是相輔相成的. 如果以TOC的觀念來檢視許許多多的商業行為, 就可以發現許多資本投資其實可以不用以採購買斷的方式, 而是以定期訂購的方式, 而隨需求而機動調整. 甚至應該說,能不用買就不要買, 把它想成是服務而用訂用租的, 既划算又有彈性.
 
      例如廠房建築設備和辦公室電子儀器, 其實講明了, 都是要這些裝備來提供一些功能, 如空間和通訊的功能, 以利商業行為的進行. 以另外的角度來說, 就是這些裝備必須提供特定的服務. 買或租並不重要. 一台車是一個裝備, 要的服務是能將人員(吳委員)能舒適體面的從一個地方移動到另外一個地方. 所以,就由格上租車來提供"服務" (至於要去那裏那是吳先生自己的行為和媒體的焦點, 不是格上管的).
 
       將這些原本需以資本投資的項目轉成以服務型態來定期購買租借, 除了可能會比較划算, 或較有彈性外, 之前在吳委員的例子中就可以發現, 其資金的投入量反而較而平穩而降低風險. 例如擴張新的部門, 可能要買一批新的電腦主機, 如用買的就可能需要一筆可觀的頭期款. 用租, 先不論最後是否划算, 至少免了頭期款, 也增加了整體上的彈性. 如果短期之內主機需求有增有減, 亦可快速的調整.
 
    其實像重機械業, 航空業和營建業以TOC 評估和以服務租賃方式為主的營運型態, 已經行之有年. 如果還以為航空公司要先買飛機才能開門營運, 那就真的是完全狀況外了. 幾乎只有少數的公司仍以"全額購機"的方式來營運, 有些甚至是向波音"以小時為單位"來租飛機哩.
 
     近年來, 如電腦業和半導體設備業也都轉以服務型態, 不再是單純的買賣機台設備, 而是以租賃而不以買斷的方式來推銷, 除了將其包裝成完整之服務解決方案, 更以TOC的方式來展現整體方案的吸引力. 較新的還有Software as a Service (SaaS) 或人力派遣等這些較新的作業模式, 都可以視為以買"加值服務"的觀點來促銷, 和以TOC的觀念來加以綜合評估.
 
      筆者認為這是一個很重要的觀念, 尤其像台灣以製造為導向, 要推行這種觀念並不容易. 但製造所生產的物品.只是要提供消費者一個經驗, 生活上的機能, 或是解決特定的問題. 這些, 消費者並不需要一定要"買"產品才可以解決. 當需求可以被以其它的型態如服務來滿足, 而整體擁有成本TOC又較低時, 遲早消費者會轉而採用這種消費型態. 而製造商, 如何在這種潮流中切入. 有效的掌握客戶"真正的需求"而推出較低TOC的配套對應方案. 則成了致勝甚至生存之道.
TheGoal
 
    你覺得雲端運算很玄嗎? 說穿了, 不就是買服務來幫你做whatever你要做的運算,把運算丟到雲裏, 而不用自己買機器嗎? 理論上來說, TOC也會比較低的.

Older Posts »

分類