2024年10-11月现场公开课(第491-500期)

供应链管理:高成本、高库存、重资产的解决方案上海(11/1,周五);深圳(11/8,周五)

供应链的三道防线:需求预测、库存计划、供应链执行—上、下上海(10/30-10/31,周三、周四);深圳(11/9-11/10,周六、周日)

采购和供应商管理:一个实践者的角度—上、下上海(11/2-11/3,周六、周日);深圳(11/6-11/7,周三、周四)

详情请垂询助手吴珍桢:177 2795 9069(微信同)。

长周期物料的预测:需求预测的一大难点

| 评论(11)

对于长周期物料,我们之所以专门探讨其需求预测,是因为它们对供应链的影响最为深远。对于供应链来说,一个行业之所以难以对付,关键就在于那些长周期物料,比如芯片,比如显示屏,比如定制化程度高的关键零部件。

长周期物料难以预测,难以执行,给我们带来那么多的挑战,以至于人们对长周期物料谈虎色变,甚至对长周期物料恨之入骨。其实,一个行业的门槛,主要也是由这些长周期物料决定的:在技术上它们提供了差异化优势,在管理上它们把管理落后的企业排除在外。如果没有那些长周期物料,我们的日子只能更差:没有长周期物料,往往意味着入行门槛很低,竞争白热化,你经受的便是红海中的煎熬。餐饮行业就是典型的例子。越是有差异化优势的行业,比如大型设备、多品种小批量行业,长周期物料越多。越是大批量行业,长周期物料的比例越小,竞争优势也越难以持久。

通过"供应链管理专栏"微信公众号,我们调查了不同行业、不同公司的,了解他们是如何预测长周期物料的。有几十个供应链专业人士分享各自企业面临的挑战,以及他们的应对方案,在这里做个简单的汇总、分析,供大家参考。出于保密的目的,大多参与调研者不愿意留下公司、姓名、职位等信息,那我们这里就以匿名的方式来汇总。

对于长周期物料的预测,最简单也是最直观的方式就是建立成品预测后,通过运行MRP,打开BOM,自动生成物料层面的需求预测。比如在我们的问卷调查中,有个读者说,他们的销售部门每月更新成品需求预测,成品通过BOM拉动材料预测。如果出现超过预测的情况,就要和供应商协商压缩周期。采购会根据具体情况建立一定的安全库存[1]

但问题是,在很多情况下,成品层面的预测很难确定,定制化程度越高、供应链周期越长,情况就越是如此。皮之不存,毛将焉附。所以,常见的替代方案呢,就是在长周期物料层面独立做需求计划,这也是我们这里要探讨的。

一位智能手机制造商的计划人员说,他们的长周期物料是通过销售与运营计划(S&OP)输出,计划委员会审核后做出来的。而典型的S&OP呢,则是由计划主导,协同销售、产品、供应链等职能。这是比较正式的做法。在管理粗放的企业,有的说由销售负责,根据销售产品一年内的预测需求,结合历史消耗记录制定,每月更新一次。还有的由物控、生产计划、计划+销售+采购一起讨论等。

有的企业是由产品经理负责。比如有个企业的长周期物料主要集中在电子元器件上,因全球指定品牌和厂家,受国际市场需求和厂家产能影响,很多采购周期长达4-5月不等。预测主要来自上层产品的需求,一般由上层产品的产品经理(负责该产品的研发、上市和维护等)负责提供。有的企业是市场和计划共同决定(当然,我们的经验时,如果"共同"负责,那就是没人负责)。还有个企业是由计划和采购部门共同给出长期预测,同时让供应商也适量备库存。还有个企业专门设立一个部门,叫CPMC[2],集中管理长周期物料,基本每周都在和销售回顾预测。

但不管是哪个部门做,企业都意识到长周期物料的重要性,所以由最优秀的员工来做。比如有个企业是由计划科长来做,每个月滚动更新一次。有个企业由计划部牵头,与销售、研发计提决策,贵重物料要求总经理参与,每月更新,当市场波动大时每周更新。在一般的企业,此类物料的计划一般归最有经验、最资深的一两个计划员负责,要说压力,是这几个人在担负着物料方面的最大压力,不管是计划、执行,还是短缺、过剩。

一位职业人说得好,长周期物料的预测关键是端到端的思维,即贯通客户端与供应端,再回到客户端,并不断修正。这是产销协同能力的绝对体现,或者说是制造型企业运营管理水平的一个标志。一般来说,长周期物料是滚动预测,无论是借助IT系统还是Excel表单。在实践中,他发现很多滚动计划的人容易纠结,该填出12周或8周的只填上3、4周,其余格子都空着,理由是前端没有给客户订单预测,ERP算不出来,他们也不敢随便填。那时他会规定给计划人员不许空格,要么填0要么填上其它数字,空格就是不作为。这是在解决"所有的预测都是错的,但有一个预测比没有预测要好",驱使供应链人员尽责地去获取与分析预测。

还有一位职业经理人说,长周期物料是产销协同痛点。在他看来,首先要明确长周期物料对应的成品,是MTS还是MTO模式[3]。在按库存生产(MTS)下,成品库存可以作为缓冲,应对长周期物料的预测不准。对于MTS的产品来说,需求相对稳定,长周期物料的预测也相对较连续,供应渠道的不同阶段都有库存,可以通过赶工加急等方式,更快驱动供应链响应来弥补预测的不足。

对于按订单生产(MTO)的产品来说,长周期物料就更难对付。在这位职业经理人看来,有两类方案可供考量。其一,对预测进行KPI考核,以提高预测质量,但这也只是一定程度上的改善。其二,把长周期层层剥开,在成品、半成品等环节建一定的柔性库存,推拉结合,优化组合库存和运营成本,以便在订单大幅波动后,仍能快速拉动响应。

这位职业经理人认为,推拉结合的决策很难。一是涉及到供应链利益和风险共担----链主企业习惯于利益最大化上游,风险最大化下游,不愿承担推拉结合处半成品库存的风险;二是此类库存的建立也要基于预测,而这正是我们所欠缺的----这要求对产品的历史销售数据有清晰的掌控,比如识别、纠正由于缺料扭曲了的销量,同时要熟悉后续的市场整体走势、份额规划、可能的促销政策、季节因素、产品的技术切换等。最关键,企业领导要理解柔性和快速响应的代价,那就是相应的库存风险。

对于长周期物料的预测,作为采购方,有所作为比无所作为要重要。就如一位职业经理人所说,放手不管,由供应商做自己捣鼓预测,预测准确度只能更差,因为供应商更加远离需求。到头来难以保证供应,双方关系破裂的可能性大。 相反,作为采购方,你得有所作为,制定需求预测,与供应商沟通、协作。比如采购方尽其所能,给供应商提供26周+3个月的预测,其中前13周目标是80%的准确度,13周到26周是80%到150%的准确度,3个月的数据则多为拍脑壳的,仅供参考。每个月结束后,对比前13周的数据差异,达成内部一致意见,调整预测,并和供应商沟通。

这位经理人还强调,针对具体的预测,要落实到供应商的下级供应商,比如毛坯的原材料、过程库存和成品库存等,并和下级供应商的老板沟通,关键是展示未来以获得支持。在执行层面,每天的订单交货是必须逐行落实,保证在途库存按期到达,提高工单中的物料齐套率。 最后,如果有设计变更,一定要非常小心地管理,维护供应商的正当利益。

总的来说,长周期物料集中体现了供应链的三道防线思想:(1)所有的预测都是错的,但有个预测比没有预测强----长周期物料必须由预测驱动,以准备产能、原材料等,没有预测,供应链的各个环节就自己整出个预测,结果陷入多重预测的困境;(2)需求预测错了,设立安全库存来应对,包括过程库存;(3)需求预测和库存计划的先天不足,需要执行来弥补,比如适当集中采购额,整合供应商把自己做成大客户,以有效驱动供应商响应;提前与供应商商定取消订单的条件(比如提前13周可免费取消,提前8周支付x%的价钱,提前4周支付有y%的价钱等)。

一个很关键的因素,在这次的问卷调查中没有被提及,就是标准化、模块化、通用化设计,控制多样化设计,降低产品的复杂度,降低长周期物料的库存风险,以便更好地建立推拉结合点,把库存往需求点推。这是从根本上解决问题。限于篇幅,这里不予细谈[4]



[1] 你知道,安全库存的设置是个技术活,应该由专业的计划人员来负责。本着忠于事实的原则,我们这里把问卷调查的结果呈现给大家,并不意味着我们赞成特定的做法。

[2] 第一个C应该是"关键"(Critical),后面的PMC是生产物料控制(Production Material Control)。

[3]MTS是按库存生产,MTO是按照订单生产。

[4] 对于产品的复杂度控制,《供应链管理:高成本、高库存、重资产的解决方案》一书中有详细的阐述。刘宝红著,机械工业出版社出版。

10-11月供应链系列现场公开课

围绕我的系列畅销书,我设计了系列精品课程,2024年10-11月份(第491期-500期培训)正在报名。


  1. 供应链管理:高成本、高库存、重资产的解决方案上海(11/1,周五);深圳(11/8,周五)
  2. 供应链的三道防线:需求预测、库存计划、供应链执行—上、下上海(10/30-10/31,周三、周四);深圳(11/9-11/10,周六、周日)
  3. 采购和供应商管理:一个实践者的角度—上、下上海(11/2-11/3,周六、周日);深圳(11/6-11/7,周三、周四)

更多信息请点击链接,报名详情咨询请联系我的助手吴珍桢:177 2795 9069(微信同),电邮[email protected]

我有微博、微信(scm-blog),也在LinkedIn上,欢迎加我,随时沟通。更多联系信息见此处

欢迎关注我的微信公众号,每天一篇文章:wwwscm-blogcom

请关注我的微信公众号,每天一篇文章:wwwscm-blogcom

评论(11)

"如果出现超过预测的情况,就要和供应商协商压缩周期。采购会根据具体情况建立一定的安全库存"[1]。 是超过供应?

刘老师您好,

我看您文章谈到了预测准确度的问题:

“比如采购方尽其所能,给供应商提供26周+3个月的预测,其中前13周目标是80%的准确度,13周到26周是80%到150%的准确度,3个月的数据则多为拍脑壳的,仅供参考。”

针对您这句描述,有两个小的疑问。
1. 13周到26周的预测准确度应该比前13周的小才对,为何更大了?
2. 如何更好地统计多种产品且配置比较多的产品预测准确度?
如果预测仅仅针对一种产品(配置各方面都一样),那么预测准确度比较好统计【一般采用公式(预测的数据-实际需求)/实际需求】。但如果涉及到多个产品且产品配置也不同的话,如何能更好的统计呢?比如有A、B两种产品,每种产品有几十种配置。

“最后,如果有设计变更,一定要非常小心地管理,维护供应商的正当利益。”看到这句话,真心感动!这是作为有灵魂、有担当、有大智慧的供应链管理从业者理所当然应该考虑到的事情,才能真正受到供应商尊重。

对于MTS形式的生产模式,执行MRP的产品需求输入直接来源于客户需求,或者经过拍脑袋的打折或者上浮后的MPS(大多数时候是直觉)。
主要风险在于客户需求变动(外部因素),和内部库存差异(内部因素,可能更致命)。

安全库存模型的研究很有必要,希望老师后续专门写一些文章指点迷津。原材料的安全库存或者刚需库存一般基于PFEP的研究,这是很基础也很重要的管理模块。

刘老师,您好:
买了三本您的书,一直在读,但是对于库存水位的计算?我没看到有这方面的介绍,能否推荐给我这样的计算公式?谢谢!

刘老师,关于Operational Stock的定义和计算方式能否提前听听您的高见?谢谢。

评论

畅销专著

  • Supply chain management: high cost, high inventory, heavy asset solutions

畅销经典

  • Purchasing and Supply Chain Management

最近评论

  • 刘宝红: 这个英文说法较少见,我不熟悉。抱歉。 详细>>
  • Jacky: 刘老师,关于Operational Stock的定义和计算方式能否提前听听您的高见?谢谢。 详细>>
  • 刘宝红: 我的第四本书《供应链的三道防线:需求预测、库存计划、供应链执行》中会讲到基本的公式。希望2018年4月份左右上架。 详细>>
  • Sonia: 刘老师,您好: 买了三本您的书,一直在读,但是对于库存水位的计算?我没看到有这方面的介绍,能否推荐给我这样的计算公式?谢谢! 详细>>
  • Jacky: 安全库存模型的研究很有必要,希望老师后续专门写一些文章指点迷津。原材料的安全库存或者刚需库存一般基于PFEP的研究,这是很基础也很重要的管理模块。 详细>>
  • Jacky: 对于MTS形式的生产模式,执行MRP的产品需求输入直接来源于客户需求,或者经过拍脑袋的打折或者上浮后的MPS(大多数时候是直觉)。 主要风险在于客户需求变动(外部因素),和内部库存差异(内部因素,可能更致命)。 详细>>
  • Jacky: “最后,如果有设计变更,一定要非常小心地管理,维护供应商的正当利益。”看到这句话,真心感动!这是作为有灵魂、有担当、有大智慧的供应链管理从业者理所当然应该考虑到的事情,才能真正受到供应商尊重。 详细>>
  • 刘宝红: 预测准确度的数字大,其实是误差区间大,更不准。这是有些公司习惯的表述法。对于多种配置的情况,预测的准确度计算方法一样,但准确度一般都很低。更有效的解决方案呢,应该从供应链的灵活性上找,就跟您去吃兰州拉面,多放辣椒、少放香菜、特细等配置看上去很复杂,但没关系,大师傅照办就行,这说的就是供应链的灵活性。 详细>>
  • sdjjg: 刘老师您好, 我看您文章谈到了预测准确度的问题: “比如采购方尽其所能,给供应商提供26周+3个月的预测,其中前13周目标是80%的准确度,13周到26周是80%到150%的准确度,3个月的数据则多为拍脑壳的,仅供参考。” 针对您这句描述,有两个小的疑问。 1. 13周到26周的预测准确度应该比前13周的小才对,为何更大了? 2. 如何更好地统计多种产品且配置比较多的产品预测准确度? 如果预测仅仅针对一种产品(配置各方面都一样),那么预测准确度比较好统计【一般采用公式(预测的数据-实际需求)/实际需求】。但如果涉及到多个产品且产品配置也不同的话,如何能更好的统计呢?比如有A、B两种产品,每种产品有几十种配置。 详细>>
  • 刘宝红: Bruce,这里指的是实际需求高过预测,导致供应不足。也别忘了看脚注“你知道,安全库存的设置是个技术活,应该由专业的计划人员来负责。本着忠于事实的原则,我们这里把问卷调查的结果呈现给大家,并不意味着我们赞成特定的做法。”。谢谢。 详细>>

关于此日记

此日记由 刘宝红 发表于 2017-10-12 08:32October 12, 2017 8:32 AM

此Blog上的上一篇日记光有数据,没有判断,会怎么样?

此Blog上的下一篇日记预测不是衡量准确性,而是偏差率

首页归档页可以看到最新的日记和所有日记。