2022年1月公开课(第340-344期)

需求预测+需求管理:供应链的第一道防线1月6日(周四),1月7日(周五)

库存计划+库存控制:供应链的第二道防线1月8日(周六),1月9日(周日)

供应链的全局观:系统应对高成本和重资产挑战1月11日(周二),1月12日(周三)

战略寻源+供应商管理:一个实践者的角度1月13日(周四),1月14日(周五)

从“小采购”到“大采购”:采购的职能建设1月15日(周六),1月16日(周日)

详情请垂询助手党琪 :182 1756 2014(微信同)。

系统建议的库存水位经常偏低,为什么?

| 暂无评论

一位经理人说,公司的系统里有一套算法,来帮助计划员设置安全库存。用了一段时间后,发现系统建议的库存整体偏低。我问,既然这样,那为什么你的挑战却是降库存呢?不用他回答我都知道答案:系统建议偏低,计划人员就手工调整,多放一些库存;但人员水平良莠不齐,不知道设置合适的库存水位,最终就以高库存为解决方案。

细究为什么系统建议偏低,发现他们的系统低估了需求和供应的波动:(1)系统按照部分产线的需求变动性计算安全库存,但另一部分产线的波动性更大;(2)系统假定供应商的产出是稳定的,其实供应商也受疫情、环保、关键料短缺等影响,产出是有变动性的;(3)小长假等因素造成的运输延误,也没有考虑在系统里。

这让我联想起,以前老东家的计划软件也有类似的问题。比如从硅谷到亚洲,正常运输周期5天就够了,系统里也是这么设的。但每逢年头节下,航空仓位偏紧,再加上周末延误等各种因素,5天就不够。系统也假定需求有不确定性,但只是计算正常的波动,但异常需求时有发生,当你的服务水平要求95%甚至98%以上的时候,这些异常需求就不能忽视。这位经理人的企业也是一样:流水线停下来,那可是杀头的罪,安全库存一点也不能"不安全"。

那软件系统为什么偏低而不偏高呢?主要是两方面的原因:其一,有些极端异常没法量化,比如节假日、灾害性天气带来的运输延误,在不同地方、不同季节都不相同,很难在系统里设置统一的值;其二,一旦设置那些值,可能造成正常时期库存水位显著偏高,但因为信息系统的"合法性",计划员就不愿意降下来。

这后面有博弈的成分:软件系统的做法是建议个"保本"的值,计划员认为不够的话再增加----他们有足够的动力去增加,而增加一般是需要审批的,有一定的制衡;但如果系统建议偏高,计划员则没有动力去降低----不管在哪个公司,计划员的第一要务是确保有货,而且有N多理由不降低本来该降的库存水位。

况且,对很多企业来说,上软件的一大目的就是降低库存,这客观上也导致软件的建议会保守(否则的话,这软件还能上?)。其实这也没错:一个好的库存计划决策也是"从数据开始,由判断结束",放在这里就是软件考虑正常的波动、服务水平,做出基准建议;对于极端情况,计划人员调整软件的建议,等恢复到正常情况时再调回来。我理解管理者总是希望能够数据化,让信息系统决策;但计划面临的环境太复杂,不可能量化所有的情况,需要计划员的职业判断来应对。

对于这位经理人来说,这里的真正问题有二:其一,对于能考虑到的正常情况,软件是否都考虑到了,尽可能少地依赖计划员的判断?其二,计划员能力差异很大,如何适当固化优秀人员的智慧,形成做法,指导整个团队,提高判断的水平和一致性?

对于第一个问题,你发现很多软件里的众多参数,一经设定,就不再调整,或者调整非常不及时。而那些参数很可能是当年上系统的时候,由一帮分析员、管理层设置,这些人的共性是不熟悉一线业务,一刀切的可能性相当大。后续的磨合主要是一线计划人员和软件之间,但一线人员往往不熟悉软件的结构,或者没有权限去调整。最终,他们不是调整系统的参数,而是系统地调整软件的建议,增加了调整的工作量,也增加了犯错的机会。

对于第二个问题,我们可以量化优秀员工的智慧,制定指导性的"简单法则"。我在计划领域快二十年了,深刻体会到,我们不能忽视计划员的经验。这也是计划员存在的原因。那他们的经验从何而来?说得好听点,就是以前吃过的苦,受过的罪;说得不好听点,就是试了很多错,交了很多学费的结果,要么以客户利益(短缺),要么以股东利益为代价(过剩)。

总结优秀员工的经验智慧,可以减轻团队试错的成本。比如找到那几位最优秀的主管、骨干员工,看看他们在不同的极端情况下,是如何调整系统的建议的;一对一地问他们,为什么是加一周,而不是加两周的库存;以匿名的方式把结果汇总,再以匿名的方式征求他们的意见等。如此再三,我们一定能总结出一些"简单法则"来,这就是集体的最佳智慧。

这样的简单法则跟需求的变动性、采购提前期扥关键参数结合起来,就形成图1中这样的指导纲要,比如在不同的采购提前期下,安全库存与需求变动性的关系。当然我们还可考虑更多的因素,比如单位成本越高,安全库存可适当降低;对业务越关键,安全库存可适当增加等。这些简单法则很难让我们做到精益求精,但可大幅降低大错特错的概率。让大家开始用这样的简单法则,过几个月再来调整、完善,持续改善。一半年下来,简单法则会更加优化,整个计划团队的能力就会有显著不同。

图片

图 1:安全库存的指导性简单法则(示例)

作为管理者,我们需要(1)复盘、验证简单法则,确保它们的合理性;(2)选择合适的模型,设置合理的主数据,让软件系统尽可能地给出合理的基准建议。

先说简单法则的验证。我们问优秀的计划人员如何设置库存水位,他们的答复往往受各种因素影响,不一定客观:他们猜测你的心理,讲给你的,其实是你想让他们做到的;他们对自己的做法也不完全相信,所以告诉你他们认为应该做到的。这都有悖于初衷。那我们可以分析他们以前做过的计划,看是否跟他们总结的经验匹配,比如她说在这种情况下,她会放3周的安全库存,那究竟是不是这样做了?这是第一重验证,"信任但要确认",验证言行是否一致。第二重验证是把这些简单法则用到别人的产品上,复盘一段时间的历史情况,看实际的库存和服务水平情况。经过两重验证后,这样的简单法则才算真正的经验结晶。

再说软件的配置。选择合适的模型,设定基本参数,一般是管理层的任务,这需要管理者有基本的数理统计知识。实践中,很多管理者没有这方面的能力,就只能依赖起初上系统的时候,那些顾问们选定的基本模型。而顾问们当年急急忙忙上系统,在模型的选择和配置上往往没有优化----优化的工作需要结合实践,由管理者来做。

更糟糕的是,有些管理者把软件系统当成跟员工博弈的工具。比如他们知道计划员会高估,那就操纵补货周期等参数,拉低系统建议的安全库存。实践是检验真理的唯一标准,员工采纳系统建议,结果因为短缺被需求端骂得狗血喷头,下次当然不信任系统建议,直接表现就是全面拔高库存水位,高库存就是这么来的。

那如何知道软件系统的模型、参数设置合理呢?你要看系统建议的采纳率。有个新零售企业的系统建议采纳率连30%都不到,你就知道那些软件工程师、数学家整出的计划系统有多可靠了。要知道,人很难在细微的判断上胜过计算机:如果个别员工在大面积做微调,那可能是这个员工在宣示存在感;如果员工普遍在做大面积的细微调整,那是软件不合理的信号。软件配置合理的一大标志呢,就是员工做的调整以大幅度调整为主。

总结起来,就是软件做基本的数据分析,制定库存水位中的"存量"部分,亦即正常情况下需要的库存;计划员根据特殊情况,比如需求和供应端的异常情况,做出"增量"调整;两者结合,才算完成了库存计划的"从数据开始,由判断结束"。作为管理者,我们希望计划决策是基于数据的;但你没法完全基于数据,由计算机来做计划。基本的软件,加上计划员的最佳经验结晶,才能真正做到"人机一体",提高团队的计划能力,兼顾库存和服务水平。

2022年1月远程视频电话会议公开课

围绕我的系列畅销书,我设计了五门精品课程,1月份(第340期到334期培训)正在报名,每门课程两个半天,9:00-12:00。


  1. 需求预测+需求管理:供应链的第一道防线1月6日(周四),1月7日(周五)
  2. 库存计划+库存控制:供应链的第二道防线1月8日(周六),1月9日(周日)
  3. 供应链的全局观:系统应对高成本和重资产挑战1月11日(周二),1月12日(周三)
  4. 战略寻源+供应商管理:一个实践者的角度1月13日(周四),1月14日(周五)
  5. 从“小采购”到“大采购”:采购的职能建设1月15日(周六),1月16日(周日)

更多信息请点击链接,报名详情咨询请联系我的助手党琪:182 1756 2014 (手机\微信),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

畅销专著

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

畅销经典

  • Purchasing and Supply Chain Management

关于此日记

此日记由 刘宝红 发表于 2021-11-14 18:36November 14, 2021 6:36 PM

此Blog上的上一篇日记SKU泛滥,需求预测怎么做

此Blog上的下一篇日记计划总是可以调,但供应链可不予执行

首页归档页可以看到最新的日记和所有日记。