發文作者:Service Planning | 10/09/2009

產品生命週期(PLM) 和零組件生命週期 (PLM)

產品 vs. 零組件

之前提到Life Cycle Management, 可是有點匆忙沒有講得很仔細.這裏再補足一些. 我故意用兩個相用的英文縮寫. 是因為它們真的很容易搞混, 也沒多少人把它們的根本搞清楚.
 
– Product Life Cycle: 產品生命週期
– (Spare or Service) Part Life Cycle: (備件)零組件生命週期
 
很記得當年在供應鏈規劃執牛耳的i公司任職時, 曾有些關於產品生命週期(Product Life Cycle)方面的討論. 就講到在預測和庫存規劃上, 到底有那些要注意的和有什麼可行的解決方法等等. 當時有位對售後服務比較瞭解的前輩就指出說這些方法是著重於產品上市下市這段不算長的期間做Micro管理. 對售後服務中所需要的零組件生命週期並不適用. 可是當時的主講人, 應該是產品經理或所謂的解決方案建構師吧, 對這問題一副不屑回答的模樣, 我至今仍很記得.
 
那時因為公司內部是以製造導向的供應鏈規劃為主, 對售後服務的供應鏈並不特別注重. 所以反應是可以理解啦. 且那時我對售後服務也還沒有很深入的接觸. 實在也搞不清楚為何是個問題, 和為何要被重視或忽略.
 
產品生命週期比較簡單懂一點, 就是產品從上市之前的設計和產能備置, 到產品下市產能轉移及剩餘未清庫存之處置等等. 產品要上市之前的供應鏈建置可不是一件簡單的事. 你看Amazon的kindle一開始要缺貨六個月. 不是產品上市對預測沒算好. 就是產能在設計時訧設計的太死. 下市也沒好到那裏去. 到光華商場和秋葉原逛逛不時可以看到有人"倒貨", 以打折扣來促銷將要下市的產品 (在此提到一個tips,日本的家電廠通常是三四月份結算, 在那個時候就會有些對要下市的產品急著脫手, 所以像筆者幾年前就剛好抱了部六折的超迷你筆電回來).雖說不一定賠錢, 可是產品末期多餘的庫存的確蠻傷神的.
 

零組件生命週期

零組件生命週期複雜一些,可分為數段來看.
1. 產品上市到下市之前, 生產線仍在產出產品
2. 產品下市之後, 雖不再生產, 但零組件仍在生產或仍可生產
3. 零組件已停止生產, 可以與客戶保固或保修的約定仍未期滿,
4. 保證已過可是客戶仍需維修. 直到產品不再使用,零組件零件完全消失為止
 
第一段要將零組件需求分為二部份. 一部只是普通的生產零組件. 只要產品生命週期管好, 最簡單的MRP都可以解決. 另一部就蠻頭痛的. 就是售後服務部對新品上市時初始庫存.
第二段就開始算service part了. 在筆者文章中提到售後服務規劃的功能大多是適用於這個期間.通常是最長的期間, 可是並不一定哦
第三段和第四段可算是spare part. 在物流並沒有太大差別, 在客服和費用處理上會有稍許不同的流程.可是在規劃上是最嚴刻的挑戰. 因為不但要做最終採購(Last Time Buy), 還有一堆在缺貨時的應變方案. contingent sourcing, third party part dealer和cannibalization等等之期提到的
 

零組件生命週期後端 – 第二階段以後

首先要提到的問題, 就是從第二階段之後的預測. 第二段開始為產品下市. 意指市面上該產品的安裝基數(Install Base)已經不會增加. 可是, 以家電界來說. 產品下市不但代表安裝基數不增加, 甚至會開始減少. 安裝基數的減少量可能是一個緩慢的上升再下降的曲線. 可是維修零組件的需求,是以一個下凹型的曲線出現. 如下圖的中曲線的右段.
這個下凹型曲線目前根本沒有什麼有效統計model可以做得出來,除非去追蹤安裝基數的狀況再做肇因預測(Causal Forecast). 條件就是要能完備的追踪產品的動向才能看到些效果. 可是這裏又碰到所謂的損壞率(Failure Rate, 為此肇因預測的主要參數causal factor)有估測上的問題. 這個問題我會以後再談. 所以很多時候真的就只能靠有經驗的庫管員以過去的經驗值畫條線(比猜個數字還難).
LifeCycle
第二個問題. 就是最終採購的時間點. 上圖其實是某位客戶的案例. 紅色的三角點就是最終採購的時間點.如仔細觀察,就可以發現在產品下市, 生產線轉換沒多久. 該客戶的製造廠就連零件的生產也中止了.. 逼得售後服務部在面對後頭還有漫長的保固服務期, 還是得硬著頭皮做最終採購, 一次要把所有的備用料買齊. 想想看,之前才說那個下凹曲線的預測很難做, 可能隨便畫 這下還要求早早交出全部的採購計劃. 要把所有的預測量一次買足. 這不是兩面交攻, 讓售服物料必死無疑嗎?? 到最後不是缺貨,就是一堆廢料.
 
DeadStock2
最早在接觸這個問題時, 是由一個日本的家電大廠提出要求對那個下凹曲線要有個解決方案, 原因是他們評估過手上現有的零件庫存, 竟有高達78%算是不流通或低流通量的庫存. 只有28%的庫存是有效流通, 可以短期消化的. 而這些不流通的庫存中, 有一大部份是因為上述的情況而造成的. 雖說客戶認為下凹曲線的準度是主因, 可是花了一堆時間研究後, 那個下凹曲線實在沒有什麼好辦法可以有效處理 (我還記得這個計畫的主導者超愛賭馬的. 人說愛賭馬者必愛統計, 真是沒錯).
 
DeadStock1
數年後, 遇到一個類似型態的日本電子廠商. 但情況稍許不同(沒有任何一個顧戶會有一模一樣的問題). 這回是由咱們對顧客的庫存現狀做主動評估. 得到的結果也蠻誇張的, 庫存中有高達97%!都是已經是做過最終採購的零件. 簡直是整座倉庫都是之先買好, 萬一用不完可不能退的備料. 但更有趣的是,其中的75%是由20%的少數零件造成的.而這些肇事者大多就是備件中稍為昂貴的零件 (>$15).
 
這個專案在稍後發現主要問題之一是最終採購的時間點被生產廠線所限制, 而導致在保固期間的如此初期就要做最終採購. 如果能想辦法延後最終採購的時間點一小段時間, 則預測準度和備件需求的清晰度都能明顯的提高, 進而降低這些死庫存”dead stock”的量. 所以當時的建議方案是著重於之前發覺之昂貴零件而和原生產廠甚至外頭的協力廠協調延伸零組件的生產期三到六個月. 就預估可以降低之前庫存量的20-50%
 
其實這個零組件生命週期比一般人認真的複雜得多. 而且說實在的, 沒有一個解決方案是一体適用,絕對有效的. 我這裏也只講了週期後端的問題. 以後再來說零組件生命週期前端 – 第一階段的一些問題.
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: