有關信息的價值觀念(編輯修改稿)

　

【文章內容簡介】 我下訂單之后，你在36小時之內將產品送達。」他不了解我們無法應付任意變化的訂單數目，另外一位配送商的說明較接近我們，「我們可以給予Barilla權力來將產品送到我們的倉儲，如此一來便可以減少Barilla的成本。」另外一位則問「你如何認為能管理我的倉儲，比我管理得還要好？」最后，我們終于和一些配送商有了關于JITD計劃較深入的討論，我們第一個訪談，是與守舊派的GD, Marconi，最初，Battistini和我訪問了Marconi的物流部門，并且呈上我們的計劃，我們明白解釋清楚，我們計劃提供給他們良好的服務，他們可以減少存貨，并改善他們補充的速率，他們的物流團隊聽了之后非常的有興趣，并且愿意嘗試實驗這項計劃，但是當Marconi的買主聽到這個消息時，都不是很高興，起初買主以言語表達其關心，在與Barilla的銷售代表討論之后，便開始重復一些我們銷售部門的缺失，Marconi終于愿意將我們想要的資料賣給我們了，但是在關于補充貨品及時機部分的決策，仍然和以前相同，這種關系并不是我們樂于見到的，因此，我們便轉向和其它的配送商討論，但是并沒有太大的響應。我們需要重新組合，并且決定如何執行JITD，這種型態的計劃到底適不適合目前的環境？如果是的話，我們改鎖定哪些顧客？并且該如何說服他們簽約呢？Barilla的案例引發兩個重要論點：l 配送商訂單型態的變異，會對于Barilla造成操作的沒有效率以及成本損失，Barilla收到訂單龐大的變異，會考慮到整個意大利意大利面配送的需求，事實上意大利面需求的變異較小，配送商訂單的變異較大。l 在指定的JITD策略，Barilla將負責CDCs與配送商之間的通路，并且決定配送商運送的時機與數量，因此不同于傳統的供應鏈，配送商下訂單，制造商盡可能的滿足這些訂單的需求，在JITD「Barilla的物流組織可以指明配送的數量，如此可以更貼近顧客的需求，以及Barilla制造與物流系統的工作量。」在近幾年來，這種策略是指供貨商管理存貨策略(vendor managed inventory VMI)。在本章結束之前，您應該可以回答下列問題：l 為何會增加Barilla供應鏈變異的理由？l 這家公司如何解決增加的變異？l 傳送需求的信息經過供應鏈有何影響？l VMI策略能否解決Barilla所面臨的問題？l 在不同的伙伴和設備下，供應鏈是否會面臨分歧的目標？ 簡介我們目前處于「信息時代」，數據庫、電子資料交換(EDI)、決策資源系統、網際網絡、局域網絡等技術，支配著每天報紙的財金版面，在第十章，我們將仔細探討這些技術，以及要完成所遭遇的問題，在此章，我們探討任何可運用信息科技的價值，并且經由供應鏈以及可運用的信息，在于整合供應鏈有效的管理以及設計。這些有用的信息牽涉的范圍非常的廣泛，供應鏈的權威者及顧問喜歡用這樣的詞匯「在現代的供應鏈，信息取代了存貨」，此想法是不用爭論的，但是它的意義非常模糊，畢竟，顧客最后需要的是產品，并非信息！然而，信息改變了供應鏈，更有效率的管理，這些改變可以使存貨降低，的確，在此章節，我們的目的是在描繪信息，如何影響供應鏈的設計與操作，我們藉由有效率的利用現有的信息，顯示現在可以比從前，更有效率的設計及操作供應鏈。對讀者而言，擁有有關于存貨水準、訂單、生產以及運送的信息是明顯的，如果擁有足夠的信息，管理者可以比之前的效率增加，畢竟，管理者可以選擇忽略這些信息，就我們而言，這些信息可以提供許多，改善供應鏈設計及操作的機會，不幸的是，運用這些信息，會讓設計及管理供應鏈更為復雜，有更多需要考慮到的因素。我們在此提出這些信息：l 幫助減少供應鏈的變異。l 幫助供貨商預測更佳，解釋促銷及銷售改變。l 使得制造及配送系統和策略的協調。l 藉由提供工具找尋所需的項目，來提供顧客更好的服務。l 使得零售商反映以及適應供應的問題更為迅速。l 使得前置時間減少。 長鞭效應近幾年來許多配送商及零售商發現，顧客對于特定產品需求的變動不大，例如在檢驗幫寶適免洗紙尿褲的需求時，Procter amp。 Gamble的總裁注意到一件有趣的現象，如預期的，零售商產品的銷售一致，沒有任何一天或一個月的銷售量特別高或低，然而總裁發現配送者對工廠下的訂單，波動非常大，大過于零售商的銷售量，此外Pamp。G對供貨商的訂單波動更大，這種當我們回朔到供應鏈上游增加變異的狀況，稱為長鞭效應。Figure ：一個單一的零售商、一個單一的批發商、一個單一的配送商、一個單一的工廠，零售商觀察顧客的需求，下訂單給批發商，批發商接到配送商下訂單給工廠后，拿到的產品，Figure 以圖形表示訂單，以時間為函數，圖形明白顯示根據供應鏈產生的變異。為了了解供應鏈增加變異的影響，就考慮我們例子中所提到的第二個階層批發商，批發商從零售商接到訂單，然后向他的供貨商配送商下訂單，為了決定這些訂單的數量，批發商必須預測零售商的需求，如果批發商沒有使用顧客需求的資料，他必須使用零售商下的訂單，來預測需求。由于零售商訂單的變異會遠高于顧客需求的變動，如Figure ，所以批發商就必須載運，比零售商較多的安全存量，來維持比零售商高的存量，以滿足零售商的需求及服務水準。這些相同的分析，可以運用到配送商以及工廠，如此一來，便會導致過多的存貨水準，便產生較高的成本。例如，考慮一個簡單的小機械供應鏈，單一的工廠WidgetMakers Inc.,提供給單一的零售商WidgetStore，平均WidgetStore每年的需求量為5,200單位，每星期從WidgetMakers運送到店里，如果WidgetStore訂單的變異不大，平均每星期的運送量為100單位，WidgetMakers每星期的生產量及運送量只要約100單位即可，如果每星期的變異非常大，可能WidgetMakers有些星期需要制造且運送400單位，有些星期則沒有，所以可以簡單的看出WidgetMakers有幾個星期產量要非常大，有幾個星期會停滯，WidgetMakers可以選擇在需求較少時，增加一些存貨，以供給需求高的時候，但如此一來便會增加其存貨持有成本。因此，選擇使用何種技術及工具來控制長鞭效應，換句話說，就是控制供應鏈中增加的變異，為此目的，我們應該先了解，在供應鏈中，增加變異的主要原因為何。1. 需求預測傳統的存貨管理技術(見第三章)在供應鏈中的每個階層，會導致長鞭效應，要解釋預測以及長鞭效應之間的關系，必須從新了解供應鏈中，存貨控制的策略，在第三章討論中，在實行供應鏈每個階層的策略，稱為minmax inventory policy，當存貨的位置少于給定的數目，稱為重購點，便將存貨的水準，提升到給定的水準，稱為orderuptolevel。重購點的設定通常等于前置時間的平均需求，加上前置時間需求的標準差，后者的數量稱為安全存量(safety stock)，一般而言，管理者使用標準預測平穩技術(standard forecast smoothing techniques)來估計平均的需求以及需求的變動，在所有預測的技術中，最重要的特性是，我們觀察越多的資料，我們預估顧客的平均數及標準差(變異數)，便會越高，由于安全存量以及orderuptolevel強烈的根據這些預測，因此使用者改變訂購數量，便增加需求的變異。2. 前置時間增加前置時間便增加變異，是顯而易見的，回想第三章計算安全存貨水準及重購點，我們將平均的估計與每日顧客需求的標準差，用前置時間相乘，因此，前置時間變長，需求變異的估計變短，意指安全存量、紀錄水準、訂購數量都會有較大的改變，這些必然導致變異的增加。3. 批量訂購批量訂購的影響非常容易了解，如果零售商使用批量訂購，當使用minmax inventory policy，批發商就會發現有大量的訂購，會產生一些時期沒有訂購，一些時期訂購大增，因此批發商會有許多不同的訂單產生。提醒讀者有些使用批量訂購的原因，首先，在第三章指出，有些要修正訂購成本的問題，需要采用minmax inventory policy，所以會使用批量生產，第二，由于運輸成本占去比例增高，因此零售商會依其有利于運輸成本折扣來訂購(例如：卡車滿載量)，這會導致有幾星期的訂單大增，有幾星期沒有訂單，最后，每季或是每年的銷售，會導致某些時期的訂購量大增。4. 價格變動價格變動會導致長鞭效應，價格常常變動，當價格下降時，零售商通常會想囤積存貨，這種情形在某些工業，提供促銷及折扣時更為顯著。5. 膨脹訂購在短缺時期，過于膨脹的訂購會使得長鞭效應更加顯著，當零售商或配送商認為產品可能會短缺，通常會發生，因此會期望有較多的訂單，當短缺的期間過去了之后，零售商的訂購便會恢復，導致需求估計量大量變化。 將長鞭效應量化到目前為止，我們討論了在供應鏈中增加變異的因素，為了更佳了解及控制長鞭效應，我們便將長鞭效應量化，換句話說，便是將供應鏈每一層發生變異增加的部分量化，這不僅是證明增加變異的重要性，也顯示了關于預測技術、前置時間及變異增加的關系。為了將簡單的供應鏈變異增加量化，我們考慮兩層的供應鏈，零售商觀察顧客的需求，并且向制造商下訂單，假設零售商固定的前置時間L，零售商訂購時間t，因此會在t+L的時間收到貨品，并且假設零售商根據簡單的orderuptoinventory策略，零售商便會在每個時期，將其存貨水準提升到目標值。就第三章所討論的，orderuptopoint計算方式為：L x AVG + z x STD x AVG及STD為顧客每星期(每日)需求的平均及標準差，常數z的選擇是來自統計數值表，是要確認在前置時間存貨機率等于特定的服務水準，為了完成存貨策略，零售商必須根據所觀測顧客的需求，來預估需求的平均數及標準差，因此在實行orderuptopoint根據目前預估的平均值與標準差，每天都會有所改變。特別在orderuptopoint期間t，觀測的需求yt表示為：以及是顧客在時間t預估的平均數及標準差。假設零售商使用最簡單的預測方式：移動平均法，換句話說，在每一段期間，零售商預估之前p需求觀測值的平均需求，零售商以相同的方式，預估需求的標準差，如果Di代表顧客在i期間的需求：注意以上的方程式表示每一個階段，零售商會計算新的平均值和標準差，根據最近的p觀測值，由于每個時期的平均數以及變異數都改變，因此目標的存貨水準每個時期也會改變。在此例子，我們將變異量化，可以藉由制造商的變異來計算，并和零售商比較變異，如果零售商認為顧客的需求變異為Var(D)，由零售商向制造商下訂單的變異為Var(Q)，顧客需求的變異滿足：Figure ，為前置時間L不同值p的函數，當p值大，L值小時長鞭效應的預估錯誤，可以忽略，當我們增加前置時間，減少p，長鞭的效應會放大。例如，假設零售商估計根據最后五個需求觀測值，