仓储配销决策案例Word格式文档下载.docx
《仓储配销决策案例Word格式文档下载.docx》由会员分享,可在线阅读,更多相关《仓储配销决策案例Word格式文档下载.docx(11页珍藏版)》请在冰豆网上搜索。
![仓储配销决策案例Word格式文档下载.docx](https://file1.bdocx.com/fileroot1/2022-11/30/ae3a7540-fc37-4f73-9ea4-18f078cecc9f/ae3a7540-fc37-4f73-9ea4-18f078cecc9f1.gif)
现在该是重新设计配销网路的时候,为达此目的,吾人将零售据点划分成250区,将产品区分为5大产品族。
资料的收集包含下列:
1997年每一顾客区之每一产品族之SKU需求
每一制造工厂之年生产能量(SKUs)
每一仓库新的及现有的最大能量(SKUs)
每一产品族从制造工厂及从仓库之每一哩运输成本
建立仓库之设置成本
由於在市场上有许多竞争性产品,故对Bis而言,特别关注於顾客服务,虽然并无特定服务水准有关之数字,但CEO坚持维持竞争性的运输时间不超过48小时,这意谓着仓库与顾客区之距离不应超过900哩。
Bis公司刚好完成一个广泛的市场研究,此研究显示市场规模有重大成长,此成长被预估一致性横跨每一不同区,仅於产品间变化。
1998及1999年预估的年成长被提供在下表中:
EstimatedYearlyGrowth:
Family12345
Multiplier1.071.031.061.051.06
在两制造设备的可变生产成本为产品及制造工厂所改变,因为投入之成本与风险,CEO及公司股东反对建立新工厂,然而他们乐意必要时扩大现有工厂产能,他们估计为一产品族增加产能之成本为每100SKU为$2000左右。
Bis愿意提出下列的问题:
被发展的模式能真实表现该公司的物流网路吗Bis如何能确认此模式适当顾客与产品之总和对模式准确性影响为何
应有多少个配销中心要设立
这些配销中心应设於何处
如何分配工厂每一产品至各仓库的生产量
产能应被扩大在何时在何处
在本章结束前,我们将建议一种方法去分析这个案例。
於本章结束前,你应该了解下列的问题:
企业如何发展一个可表现该企业物流网路的模式
企业如何能确认此模式适当
顾客与产品之总和如何影响此模式的准确性
企业如何知道需多少个配销中心应被设立
企业如何知道这些配销中心应设於何处
企业如何分配工厂的每一产品至各配销中心的生产量
企业如何知道是否要何时要在何处要去扩大产能
2.1导论
物流网路包括供应商、仓库、配销中心、零售商及在其设施间流动的生料、在制品与最终产品,在本章中,我们提出某些涉及物流网路设计与型态的问题。
物流网路型态或许涉及到工厂、仓库、配销中心、零售商等位置之相关问题,如同第一章解释,这些策略性决策对公司有长期之影响,在随後的讨论,我们集中於下列各项中重要的策略性决定:
决定适当的仓库数量
决定每一仓库的位置
决定每一仓库的大小
分配产品於每一仓库的空间
决定顾客从那一仓库接收货品
我们假设工厂与零售商位置不变,目标在於设计及重新塑造物流网路使得包含生产及采购成本、存货持有成本、设施成本(仓储、搬运及固定成本)及运输成本在不同之服务水准需求下之年度系统成本最小化。
另一重要的决定为运输方式的选择(即卡车或火车),此策略性决定将於第三章讨论。
在此情况下,取舍是显而易见的,增加仓库数目的典型结果为:
因减少平均到顾客的运输时间所获得服务水准的改善
为防止每一仓库因不确定的顾客需求而增加安全存量造成存货成本增加
营运及设置成本增加
从仓库到顾客的外部运输成本降低
从供应商或制造商到仓库的内部运输成本增加
基本上,企业必须在新增仓库或接近顾客的利益间取得平衡,如此,仓库位置的决定即为产品配销之供应链是否为一有效管道的决定性因素。
以下我们将说明一些与模式最佳化有关的资料收集与成本计算的问题,其中某些资料是依据物流的教科书而来。
图2.1及2.2表示两个决策支援系统(DDS)的画面,使用者将可看到最佳化的不同阶段,一个表示最佳化前的画面,第二个表示最佳化的网路。
2.2资料收集
一个典型的网路型态问题牵涉到大量的资料,这些资料包含下列各项:
顾客、零售商、现有仓库及配销中心、制造工厂及供应商位置
所有产品,包括体积,特殊的运送模式(如冷藏)
每一产品顾客之年需求量
不同运输模式的费率
仓储成本(包含人工、存货搬运费用及固定作业成本)
为顾客交运之运送量及频率
订单处理成本
顾客服务需求与目标
2.2.1资料的总和
彼此非常接近的顾客被以网状网路或其他群组技术总合在一起,所有位於此单一细胞或单一群组的顾客被位於该细胞或群组中心的单一顾客取代,此细胞或群组被视作一个顾客区,应用5码或3码之邮递区号来总合顾客为一非常有效的技巧。
如果顾客被依据交运的频率与服务水准来加上分级,则他们将依此分级来被统合在一起。
如此,在同一级别的所有顾客的统计将与其他级别的相互独立。
依据下列因素将产品项目统合为合理数目的产品组
配销型式;
所有在相同来源及送到相同顾客的产品被统合在一起
产品型式;
在许多案例中,不同的产品或许仅仅於产品样式或型式上变化或包装型式不同而已,这些产品被总合在一起
当然,一个重要的考量为原始的零售商资料被以总合过的资料取代对模式效益的影响。
我们可用下列方法来说明这问题:
即使存在有技术去应用原始资料来解决物流网路设计问题,但由於以零售商及产品阶层来预测顾客需求的能力经常是不足的,故将资料总合或许是有用的,经由资料总合以降低变化性使得需求预测在总合过的水准下更具正确性。
不同的研究报告指出大约150到200点的总合资料所导致对总运输成本之估计误差不大於1%。
在实务上,下列的准则经常被应用於资料之总合:
统计需求点为150到200区,如果顾客被依其服务水准或交运频率来分级,则每级应包含150到200个统计点
确认每一区有近似相同数量的总需求,那意谓着每一区或许是不同大小的地理区域
将总合过的点置於区域中心
将产品总合为20至50产品群组
图2.3表示大约有3220个顾客位於北美,图2.4表示相同资料应用三码邮递区号总合过後只剩217个总合点。
2.2.2运输费率
下一步骤在於建立一个有效的配销网路设计模式以估算运输成本,包括卡车、铁路及其他在内,大多数的运输费率其主要的特徵为几乎与距离成线性关系,而非与体积有关。
我们在此以内部与外部来区分运输成本,估算公司所属卡车的运输成本是非常简单,它包含每一卡车的年成本、年哩程数、年运输量及其有效容量,所有这些资料均能被应用去简单地算出每一SKU下之每一哩的成本。
将外部车队的运输费率纳入模式中则较复杂,我们在此区分两种运输模式:
卡车满载量以TL表示,较少的卡车满载量以LTL表示,在美国TL运输业者将美国再分为数个区域,除了某些大州如Florida,NewYork被再分割为两区外,几乎每州均为单独的一区,这些运输业者提供给其委托人州到州的价目表,此价目表提供以任何两州间每一装载之每哩的费用,譬如,计算从Chicago,Illinois到Boston,Massachusetts的TL费用,首先获得这组每哩之费用,再乘以Chicago到Boston的距离而得,TL成本架构的一个重要特性为它不是对称的,即从Illinois运送一个满载货车到NewYork比从NewYork到Illinois贵﹝WHY﹞。
在LTL运输业,费率基本上属於货运费率三种基本型式之一:
即class,exception及commodity。
Class费率是一种标准费率,几乎适用於所有的产品或商品之运送,他们将每一运送物品分类或分级,如铁路分级包含31级从400到13,这些均从被广泛使用的货运分级制度而得。
另一方面,国家车辆运输分级包含23级,范围从500到35,在所有案例中愈高的分类/分级则有愈多的相关运输费用,有许多因素涉及产品特定等级的决定,这些因素包括产品的密度、运输及处理的难易及损伤理赔义务,一旦分类被建立就必须去确认ratebasisnumber,此数字即为货物装载地至目的地之近似距离,由货物之分类/分级及ratebasisnumber,每百磅的费率就能从运输价目表求得。
其余两种运输费率即exception及commodity为特别的费率,是用於提供价廉费率(exception)或特定商品费率(commodity),大多数的运输业者提供其所有的运输费率基本资料而这些基本资料均被纳入决策支援系统中。
LTL运输费率的剖视及卡车运输业的高度凌乱本质已产生对精细分类工具的需求,南方动力运输业的完整稽核与分类工具(CZAR)为一被广泛使用的分类工具之范例,这工具能与各类的价目表及CZAR-Lite一起运作,不像个别运输业的价目表,CZAR-Lite提供一个经由对地方的、区域的及全国的LTL运输费率的研究所获得一个以市场为基础的价格清单,它提供给运货者一个合理的价格及避免任何个别运输业的操纵或市场的成见公然影响运货者的选择,因此,CZAR-Lite的费率已经常被用於运货者、运输业与第三物流供应者间LTL合约议价的基础。
2.2.3哩程的估算
如同前面所述,从一特定地方运送产品到特定的目的地,其运输成本是由两点间的距离产生作用的,因此,我们需要一种工具去估算距离,我们估算距离不是应用街道网路就是用直线距离,尤其是,假如我们想估算a,b两点距离,我们就需要得到lona及,lonb即a点的经纬度,同理b点亦同,因此a,b两点距离﹝哩﹞Dab之计算如下:
69为在美洲大陆每度经度代表之近似哩程数,由於此方程式并未将地球之区度列入考量故仅对短距离之计算准确,为了量测稍长距离及修正地球的区度,我们使用美国地理量测所建议的公式:
这些公式产生非常精确的距离计算,然而在两案例中,公式低估了实际的道路距离,为了修正此误差,我们再将Dab乘以circuit因子ρ,基本上,大都会区ρ=1.3,在美洲大陆ρ=1.14。
应用从先进的地理资讯系统获得的正确距离是较适当的,然而,这方法基本上使得决策支援系统的运作戏剧性地变慢,且上述近似距离演算技巧对许多应用而言通常已能提供足够的正确。
仓储成本
仓储与配销中心的成本包含三个主要成份:
处理成本;
此成本包含与年度仓库流通量成比例之人工与公用设施之成本
固定成本;
为不与流经仓库之物资数量成比例之成本元素总合,固定成本与仓库之容量有比例关系但非线性关系,如图2.5所示,此成本系以仓库大小的范围为标准的固定性成本。
储存成本;
此表示存货持有成本与平均存货水准成比例关系
因此,预估仓库处理成本是非常容易,但是预估其他两种成本值是非常困难,为了解此差异,假设某特定顾客在整年中需要1000单位的产品,此1000单位的产品不需於相同的时间流经该仓库,因此平均存货水准似乎比1000单位低很多,如此,当为决策支援系统建构资料时,我们需要去转换这些年度流通量为实际存货量。
类似的,与产品有关的年度流通量与平均存货并无法告诉我们於仓库中此产品需要多大空间。
仓库需求的空间量与存货尖峰成比例而非与年度流通量或平均存货,一种有效的方法去克服此困难为利用存货周转率,其定义如下:
存货周转率=年度销售量÷
平均存货水准
特别的,在我们的案例中,此存货周转率即为总年度流经仓库的量对平均存货水准的比率,如此,如果此比率为λ,则平均存货水准为总年度流通量除以λ,最後平均存货水准乘以存货持有成本即为年度储存成本。
总之,计算固定成本需要去预估仓库的容量,这在下章节进行。
仓库的容量
对配销网路设计模式的另一重要输入为实际仓库的容量,此问题为针对已知特定年度流经仓库的物资如何去估算其需求之空间,存货周转率建议一个适当的方法,如同前述,一个仓库之总年度流通量除以存货周转率可计算出平均存货水准,图2.6表示假设的一个规则性运送与交货时程,它容许的需求储存空间几近储存量的两倍。
当然,实际上每一在仓库储存的栈板均需一个净空的空间以允许进出与处理,如此,除考虑储存空间外尚须考量走道、捡货、分类、处理设施及AGVs等的空间,一般而言,需要的储存空间需乘以一个>
1的因子,此因子视特定的使用而定且容许我们去更正确地评估仓库可利用的空间大小。
在实务应用上,典型的因子是3,此因子被应用於下面的例子:
如考量年仓库流通量为1000单位,且存货周转率为10.0则平均平均存货水准为100单位,假如每一单位占地板空间为10平方尺,则产品需求空间为2000平方尺,故仓库总需求空间约6000平方尺。
2.2.6仓库的可能位置
对新仓库而言,有效地确认其可能的位置也是非常重要的,基本上,位置必须满足不同种类的情况:
地理与基础建设情况
自然资源与人力的可获性
地方工业与税法
社会公益
结果,仅有有限的位置满足这些需求,这些就是新仓库可能的位置。
2.2.7服务水准需求
在本文中有不同的方法去定义服务水准,譬如我们或许会指定每一顾客与其供应仓库间的最大距离,此可确保仓库可於合理的时间去服务他的顾客,有时我们必须承认对如乡村或分离区域的顾客而言,较难去满足他们与其他大多数顾客获得的相同服务水准,在此情况下,以顾客至其被指定的仓库距离不超过一特定距离的比率来定义服务水准经常是有用的,如我们需要95%的顾客位於其供应仓库200哩以内的地方。
2.2.8未来需求
如同第一章看到的,包含配销网路设计在内的策略标准的决定对企业有长远的影响,尤其有关仓库数量、位置及大小的决定将至少影响该企业往後的3至5年时间,这意谓着在设计网路时往後几年间的顾客需求变化应被加以考量,这通常应用一个基本剧本方法将现有净需求值纳入计算,譬如,不同的剧本在整个规划阶段被产生以表示未来可能需求组合的变化,这些剧本能被直接纳入模式中以决定最佳的配销策略。
2.3模式与资料确认
在前面的章节中已说明在网路型态模式的资料收集、列表及厘清的困难,一旦完成上述活动,我们如何确认资料与模式能正确地反应网路设计问题
模式与资料的确认程序为已知被应用去提出此问题,典型的作法为应用模式与所收集之资料重新建构现有的网路型态并将模式的输出结果与现有资料比较。
确认的重要性不能被夸大,以现有网路型态的运作条件(含仓储、存货、生产与运输)於模式中型态化复制所产生的有用资料能被与公司的会计资料相互比较,此经常为找出存於资料、问题的假设、模式的瑕疵等错误的最佳方法。
譬如,在一案例中,於确认过程中其运输成本的计算一直被会计资料显示其被低估了,经过配销实务的仔细审查,发现有效的卡车能量仅为卡车的实体能量的30%,即卡车以极低的装货量出货。
如此,确认程序不仅有助於应用於模式中参数的调整且对现存网路应用的可能改善之处提出建议。
另确认过程也经常有助於了解一些网路型态的局部或微小修改对系统在成本与服务水准的影响预估,尤其是,这步骤包含种种”what-if”问题的假设,也包含於系统运作中关闭一个现有仓库之影响预测。
另一案例,确认过程允许使用者改变流经现有网路的物资以了解在成本上的改变。
一般而言,经理人员对这些小改变对系统之应有效应有很好的直觉,因此他们能更轻易找出在模式中的错误,但对整个系统的彻底重新设计之影响,直觉经常不可信赖。
确认为决定模式与资料之有效性的关键,其过程亦具有其他的好处,尤其,有助於使用者将其确认过程中已模式化的现有运作与最佳化後的可能改变之处相互结合。
2.4解决方法的技术
一旦资料被收集、表格化及确认,在下一步骤为进行物流网路型态最佳化,於实务上,有两种技术可应用:
数学最佳化技术,其包括:
正确的方法顺序以保证发现最佳的方法,即最少成本方案
启发式顺序法找出好的方案但不必是最佳的方案
模拟模式以对设计者产生的特定设计可行方案提供评估机制
2.4.1正确问题解决顺序的启发式方法与需求
藉由考虑数学最佳化技术,我们开始进行讨论,为了解正确的方法顺序之需求与启发式方法之效益,考虑下面之范例:
此范例清楚地说明以最佳化为基础的技术之价值,这些工具可决定有效降低总成本的策略。
当然,我们想要分析与解决的物流网路型态基本上比范例复杂的多,主要差异在於需要为仓库、配销中心与转运货仓设立於最佳地点,不幸的,这些决定使得营运线性规画显得不相称而需要一种被称做整数规划的技术应用,因为线性规画以二进位变数处理连续的变数以决定是否在特定的城市设立仓库,以0表示不要於那位置设立仓库,以1表示相反的结果,如此,物流网路型态模式是一种整数规划模式。
不幸的,整数规划模式更困难解决问题,有兴趣的读者可参照参考书目有关物流网路型态问题正确解决方法的讨论。
2.4.2模拟模式与最佳化技术
数学最佳化技术有一些重要的限制,他们处理静态的模式即基本上仅考量年度或平均需求而不将因时间变化的改变加以考虑,以模拟为基础的工具将系统动态加以考虑且能够针对一既定设计的系统绩效加以特徵化,因此,提供若干设计的可采行方法到模拟模式为使用者的责任。
这意谓着模拟模式允许使用者去执行一个微阶(microlevel)分析。
实际上,模拟模式或许包含:
单一订单模组
特定的存货政策
仓库内部存货移动
不幸的,模拟模式仅塑造预先指定之物流网路设计,换言之,设定仓库、零售商等等的特定型态,模拟模式就能被应用去协助估算有关於该特定型态运作的成本,如果不同的型态被考虑(如较少的顾客必须由不同的仓库供应)则模式必须重新执行,如同将於第11章看到的,模拟不是一种最佳的工具,它对一特定型态的执行加以特徵化是极为有用的,但却无法从一个大的型态可能组合中决定一个有效的型态。
除此之外,一个详细的模拟模式因纳入有关个别顾客订单模组、特定的存货与生产政策、每日的配销政策等等资料故处理这些资料或许需要大量的电脑运算时间以获得有关系统执行之必要的正确水准,这意谓着基本上只有极少的可行方案可用做模拟工具。
因此,如果系统动态不是一个关键问题,一个静态的模式是适当的且数学最佳化技术就能适用,在经验中,此种型式的模式几乎为实务上应用的网路型态模式,而当详细的系统动态是一个关键问题时,就利用下面由Hax及Candea建议的两阶段方法,它具有以最佳化为基础与模拟这两种技术之长处的优势:
利用最佳化模式去产生若干微阶的最少成本方案,并对最重要的成本要素加以考量
利用模拟模式去评估在第一阶段产生的方案
2.5网路型态DSS的主要特徵
对网路设计而言,任何决策支援系统的主要需求之一为弹性,在本文中我们对弹性的定义为一个系统包容先前存在的大量网路特质的能力,事实上,视特定的应用而定,一个具完整范围的设计选择或许是适当的,在范围的一端为将现有的网路完全地重新最佳化,其意为每一仓库可被开放或关闭且所有运输流向可被重新改变方向,在范围的另一端,将下列特徵溶入最佳化模式是必要的:
特定顾客服务水准需求
现有仓库,在大多数的案例中,仓库已经存在且租期尚未到期,因此,模式不应容许仓库的关闭
现有仓库的扩大,现有仓库或许是可扩大的
特定流通模组,在各式各样的状况中,特定流通模组﹝如从一特定仓库到一群的顾客﹞不应被改变,或许更甚至於,某些地方之制造厂不会或不能生产某些SKUs
仓库到仓库的流动,在某些的案例中,物质或许从一个仓库到另一个仓库
材料清单,在某些的案例中,最终组合件是在仓库完成,模式需要将此纳入,为此目的,使用者需要提供被用於组合完成品之元件资料
将上述特徵纳入决策支援系统是不够的,决策支援系统亦必须有能力处理所有问题而极少或不降低其效益。
这後者的需求直接与所谓的系统的稳健性有关,且规定系统﹝即成本与服务水准﹞所产生的方案其相对地品质应与特定的环境、资料的可变性或特定的设定无关,如果一个特定的决策支援系统不是稳健的则它很难决定它对一特定的问题的有效程度。
另系统运算时间亦必须合理,当然,合理需视特定问题而定,表2.6列出一个一般性的DSS在Pentium200个人电脑上运算的时间,此表提供不同问题的运算时间,对每一例子而言,表中提供统合过之顾客数目、产品数目、供应商数目、仓库可能位置的数目及现存仓库的数目,除此之外,此表亦提供被DSS考量新仓库数目的范围﹝即最小至最大﹞,这意谓着被DSS考量的仓库数目不少於最小值且不大於最大值,於每一案例,模式包含一个以顾客与其供应的仓库之距离限制为定义的服务水准需求,这个值被提供於距离栏位上,决策支援系统发现方案均为於最佳方案的1.0%及.0.5%内,每一方案之运算时间均於列出,所有被列出的问题均依据美国一些公司的真实资料。
2.6解决Bis公司配销问题
现在我们回到本章一开始叙述之Bis公司案例,於网路设计中以一个有效的方法去预测估计需求增加之影响为分析的一个重要问题,一个正在使用的方法为依据现有需求去设计网路然後评估未来需求对总成本的影响,如此,依据现有需求﹝1997﹞以固定仓库的位置与数目且计算1997、1998及1999之总成本,加以比较,以1998需求设计物流网路。
明确的说,考量下列三个选择:
选择I:
依据1997年需求找出最佳网路设计
选择II:
依据1998年需求找出最佳网路设计
选择III:
依据1999年需求找出最佳网路设计
於本例中,考量选择I,我们需要计算1998及1999之总成本且假设网路型态不变,我们依据设计选择与评估未来需求对总成本的影响以固定网路型态,藉由计算1997、1998及1999年之总物流成本的净现值,我们可得与此设计选择有关的总成本,於过程中,我们能提出产能的问题,譬如,1998需求资料的分析允许我们去评估生产产能是否足够,或者需要增加生产产能以满足顾客需求。
相同的分析亦适用於其他两个设计选择且这三个净现值被用作最终之决定。
摘要
在本章中,我们检视於物流网路设计中重要之问题,一个经常产生的问题为需求整合的效益,由於可获得的资料为个别零售商的需求资料,对於将顾客群合并组合并将他们视为一个单一总合顾客的原因并不清楚,如同我们所看到的,总合需求资料有其两个主要理由,其一为从输入资料所产生的模式大小,事实上,解决网路设计问题所花的时间正随着顾客数目之增加以指数成长,甚至如果最佳化时间不是问题的话,总合需求可改善需求预测的正确性故其是很重要的,而实际上,我们於零售商与产品阶层去预测顾客需求的能力一直是低劣的,相对的,透过资料总合可达到降低变化量,於总合阶层之需求预测也将更具正确。
第二个於实务上经常引起的问题为最佳化物流网路决策支援系统的需求,此问题为是否需要一个复杂高深的工具或者仅仅一些散开来的纸就足够了,在本章中主张一个完整的物流网路分析应该考量复杂的运输成本架构、仓库大小、制造限制、存货周转率、存货成本及服务水准,这些问题需要应用能有效解决大量问题的以最佳化为基础的决策支援系统,对此,将於第11章有详尽的讨论。