發文作者:Service Planning | 09/20/2009

單一物件之庫存管理

inventory
所謂的單一物件, 並不是指只管一個物品.
而是說在計算的過程中, 將一個物品一個物品單獨處理. 給定的參數在計算的過程中是固定的, 而不會或相干涉而變動.
這是很一般的庫存管理的範疇
有不少人會將售後服務的庫存和SCM的庫存管理混為一談. 事實上售後服務的庫存以推進到非單一物件的計算. 而就算是單一物件的庫存計算, 也較SCM複雜得多.
 
1. 偏差值 (Variance)

在服務規劃中, 幾乎都會考慮到再補充(replenshing)的偏差值. 所以除了需求預測(Demand Forecast)的偏差值, 必須將再補充的偏差值先與整合, 再送入統計分佈. 再補充的偏差值的取得就遠較需求偏差來得有挑戰性, 有時會介入供應商管理(Vendor Management)或採購(Sourcing). 其它還有sales size variance等有時也會考量到.

2. 分佈 (Distribution)

在服務規劃中, 最少都會有二種以上的分佈. 一個為低量分佈,另一就為高量分佈. 高量分佈都是以Normal為主. 低量分佈就有Poisson和Negative Binomial等. Normal 和 Negative Bionomial是雙變數分佈(平均和偏差). 一般來說, normal 和negative bionmial的表現稍好. 不過在某些場合, 當偏差值不易取得或無法信頼時, 就會以Poisson帶過

3. 量測標準

最後也最複雜的, 就是測量標準.在學術上. 庫存管理的有效滿足率(fill rate)分為三種, 通常稱為Type I, II 和 III. Fill Rate Type I 只是計算在任何可能的事刻, 可能造成缺貨的可能性. 其等色是明顯易懂, 也是業界最常採用的. 如最早開始深入服務規劃的產業如航空. 幾乎全在Type I. Type II事實上較為合乎商業經營的要求. 其基本概念是計算在給定的時段中可滿足需求的比率. 比較年輕的業界, 如汽車和電子, 多是採用Type II. Type III 目前只見過於學術文章上, 未見事例

在SCM中, 大多只是採用較簡單的處理方理. 例如只考慮需求預測的偏差值. 或以單一分佈(如Normal)就簡單帶過, 這多是因為以製造導向的SCM並不注重WIP的精準. 而售後服務的庫存管理, 則逐漸著重於多階多層次(Multi-echelon和multi-indenture)的整合管理.

廣告

發表迴響

在下方填入你的資料或按右方圖示以社群網站登入:

WordPress.com Logo

您的留言將使用 WordPress.com 帳號。 登出 / 變更 )

Twitter picture

您的留言將使用 Twitter 帳號。 登出 / 變更 )

Facebook照片

您的留言將使用 Facebook 帳號。 登出 / 變更 )

Google+ photo

您的留言將使用 Google+ 帳號。 登出 / 變更 )

連結到 %s

分類

%d 位部落客按了讚: