分析技术助力制造及零售业创新及变革

标签:创新零售业分析技术

访客:25072  发表于:2014-05-07 09:52:05

分析技术助力制造及零售业创新及变革

                 陈新铨 , SAS台湾供应链管理解决方案咨询顾问

大家下午好,我从台湾过来,今天跟大家分享就是在台湾制造业,我们怎么样把库存做到最低情况之下,同时做好维护,台湾有一些词跟中国这边的词不太一样,比如说我们讲资讯,中国这边讲信息。所以过程当中,当然我尽量用中国人理解的术语,如果我有忘记的部分,还是期待大家可以听得懂。

那么今天我主要跟大家报告的内容,第一个我们会先谈谈在物料方面碰到的挑战是哪些?第一个在需求预测的部分我们怎么样来执行,做完了需求预测,我们怎么样更好的做库存的规划,那这个就是资讯制造业的案例,那我们会详细来得说明他是怎么样来做一个库存的优化,那物料规划大家看这个图可以理解,蓝色的曲线就是我们讲的需求,灰色的水平就是我们讲的库存,需求高过库存的情况之下,那物料的情况会准备太低,你可能会忽略很多需求,你会让很多销售机会流失掉,如果你备太多,可能库存就太多,通常我们为了业绩,这时候老板就会说库存太高了,那请问老板我要怎么把这个在降低库存的情况之下,我要维持一定的需求水平,维持我的服务水准。第二个挑战是什么,一般我们在做物料规划的时候,我这么多的东西,又有不同的阶层,你从中国要发货可能发货到美国,美国发货再发货到洛杉矶旧金山,这个叫阶层式的库存的传授,那在这样子多阶层的库存传送之下,你每个阶层,每一个据点他的需求数量是多少,都要经过发展精准的预测,可是一般来说,大部分都用EXCEL来做,第二个你没有办法做到那么多的需求,概率的估算及以后再分下去给各个不同的据点或者是不同的结点,这个是不精准的,是你应该通过自动化的方法,把每一个阶层跟每一个物料,我们讲或者叫SKU的比较精准的预测,物料规划的人可以花比较少的时间,把这个预测交给SAS的专业来做,我们讲物料规划人员做进一步的,哪里可能预测不对,做个调整,物料也会更精准,那你要达到这个目标,不是的,导入SAS系统,本来有另外50个没有事做,如果我一些需求变动的影响或者我有一些因素的情况,对未来的趋势会造成什么样,应该多做一点模拟分析,这样价值才会更高,那我们其实很多制造业物料规划的人,每天的工作哪里有货,这边调到那里,其实这个事情是很没有效率的,所以我们要达到这样的目标是要做到什么,库存优化,怎么样做到库存优化,我们怎么样知道蓝色需求曲线在哪里,跟着蓝色需求的曲线做适当的备料,逻辑上很简单,可是第一个你的预测要做的比较精准,你才知道你的需求在那里,知道需求才可以做背后,最大的困难需求很难做预测,没有物料的时候怎么做预测,以后不卖了,不生产了,你怎么做一个比较长期的,可能要预测两年三年。第二个刚刚提到这么多做一些预测,过往其实造成很大的风险,每一个物料规划的人都有他自己的公司,那对老板来讲这是很恐怖的一件事情,这个请问老板怎么做决定,每个的定法不一样,计算的方式不一样,怎么样做一个科学的方法,老板经理人才可以有一个决策的依据,这个是通过科学化的方法才能达到,为了达到服务水平,我们备了很多方案,如果我是全球发货的公司或者是在中国有很多据点的时候,有时候我们据点的资料很难做收集,有时候因为你不知道这个点他有多少库存,那SAS针对这样一个目标我们有完整的解决方案在执行的,那针对制造业,我们特别谈到的怎么样我们做需求,需求做完之后怎么样做这些优化的动作。

那如果从刚刚提到的产品周期来看,整个生命周期有API,过了新产品之后,过了三个月,六个月进入一个比如成熟期,日常每周做物料规划,最后比如说生命周期快结束了,最后一次的采购针对未来的采购做一个数量,看到这边有不同的周期,可能最重要的第一件事情一定是什么?预测,如果我后面预测不精准,你做怎么样的规划都没有用,除了你的补货速度很快,否则你预测不精准,后面你再怎么你也做不到精准,你像刚刚提到的,一直调来调去,所以预测的准确性非常重要,我们把这个预测分成两个步骤,如果你是在产品比较成熟的阶段,我们做的叫做短期的预测,每个礼拜做预测或者是两个月做一次预测,这个要看你的订单周期来做决定,那在短期预测的部分,我这边举例,我们采用的是时间序列的预测方式,会有我们系统的画面给大家看,简单的来说就是针对我如果要预测下个月的销售数量,我们就说移动平均的方法这个叫做短期的预测,拿物料的过去的历史资料来推估未来的需求,我们没有它的历史资料,我怎么做资料,我怎么做预测,去看到这个物料的需求和趋势做的规划,当时提到用到时间预测的方法,那一个五十几个时间序列模型,如果有稍微念过数学统计的可能移动平均法,指数平均法或者这样方法,各位其实我们一般不是专研统计的人,其实不用了解这些人,SAS总共有这么多的博士,把这些全部写到预测系统里面去了那是不可能的,当然我有,系统会自动帮我们选择做预测,等一下我们会看到一个画面,什么叫做外声变数,比如产品的销售,价格可能会影响的销售,我这一季有做错,除了自己的价格以外,还有竞争对手的价格,不是我自己的价格低就好了,搞不好竞争对手价格更低,气温比较热的情况之下,这个叫外声变数,你没有品质异常的问题,之前可能电池有问题,所以你有一些召回的动作,这个叫偶发事件,他会影响你的销售数量,因为消费者的信心受到影响或者是特定的节日或者是你的服务有一个变动都会影响你的销售数量,那系统会自动考虑过去的历史资料,每一个物料在每一个据点应该备多少料来做多少事,我们的物料规划人员都会用这两个系统,这个就是我们界面,这边就是阶层,左边看到的阶层的概念,对总部的人员,他可能是从比如说手机的销售数量是多少,他的型号是多少,在中国其他地区,总部规划人员的角度他会这样看,如果我是美国的地区经理的话,每一个产品在美国它的销售数量是多少,这个阶层就会一样,那在SAS里面这样一个阶层都可以通过我们系统直接选用的方式,那我们在做预测的时候,就预测到最下面阶层,那系统自动会跑。

那预测刚才讲了这么多预测,我这边举了一个案例,那比如说可能会看到,它可以从不同的了解,往后面可能是你的不同业务形态做不做物料规划,比如说可能电池可以互相替代或者是主板可以互相替代,那你最下面的了解是多少,最后可能每一个参考因素,预测这个数字他应该怎么做规划呢?第一个预测的需求,它的需求来自于哪里,客户下的订单或者你自己的维修点,一个是实际上维修的需求是多少,一个是客户给你下单是多少,这个是有点不一样的。

那接下来会影响预测的结果是什么呢,比如说他是一个比店的,他的维修的就会有不一样的状况或者他的客户会有提供销售数字建议,那客户的预测也会影响他的销售数量,也会影响需求数量,那这个我们在客户这边所做的一些案例,在左边这边是两年的资料在不同主板上面需求的数字,那各位可以看到占到34%左右,各位可能会觉得34%,我不知道是不是太好还是太坏,能够做到50%已经是相当不错了,很有经验的同志已经有写一些模型,大概是74%,一般通过没有在用SAS,都用EXCEL表,那SAS都不要做任何改变,我直接把需求资料蓝色的部分就是推出来的结果,不用做任何的修改,预测的准确率,如果在做一些调整,把模型调了更好,准确率会提高。

那刚才提到针对长期预测,我们用的是长期需求预测,你要把所有产品给搜集进来,搜集进来之后去用我们讲集群分析的方法,去把这些需求趋势做一些归类,那这只是一个积累,那归类完了之后,第二个步骤如果我的产品要做新产品上市了或者我有一个产品要做一些测试的资料,就是在你要做到之前过去一个销售数量,看看他跟过往的比较像的料件行为比较像的情况之下,这个某一个案例,我记得好像是主板,在主板可能看出四个主要的,主要集中在大部分77%都集中pattern2,那我做完这个之后,如果我有一个主板要做life

cycle跟哪一天趋势比较接近,我再往后做推估,后面这条线其实就会跟上面的蓝色很接近。

那这个是我们用长期预测帮一家比店公司做的平均的准确率是24%左右,那如果真正有做是相当好,真正在做也会不准,那当我们做完了库存,接下来做的就是库存的规划,其实在讲一个重点,你应该要做的是多阶层的库存的规划,上面是单店的规划,就是我们是需求,然后最后总公司再发货,其实你会有这种长鞭效应,如果我们是需要准备一些可能就会105,配送中心要备可能要110,所以对终端的需求本来是100,就会配120,这又是单店规划,那多阶层的规划我应该马上看到到底是110,还是105,就直接看,你不用为了中间这一层需求去做库存的备料,那所以SAS里面多阶层优化的引擎,他在整理哪些重要的因素考虑进来,第一个我们需求预测的结果再看我们在发货的供应链的网络我是从美国调到总部,还是从总部调到洛杉矶,这个就是我们的考虑的了。再一个就是我的服务水准要达到多少,我要发货的地方的话,我要多少的时间,补货的政策是什么,我要用什么样的方式做,还有仓储的成本,如果在我们的数据里面都有搜集的话,这些成本应该都会考虑进来,把这些资料收集进来之后,最后系统会帮你算出哪会有一些库存的,大家可能就会理解我的安全库存是多少,我最大要订购多少,那系统算完了之后,那我现在的库存多少,Order

optimization,最终会产生什么?建议的订购数量,假如每个礼拜执行,那未来的需求是多少,我应该要做多少补货的订单,SAS都可以帮你把它算出来比如说我是从总公司发货到最后的维修中心,不同的可能备货方式可能不一样,我们讲的服务的,如果是牵扯到当我牵扯到利益物流是什么,那我的维修中心在那里,是不是在每一个国家有维修中心,还是我所有的货都要拿出了这样之外,你还要考虑的是维修完以后,有一些料,我的主板坏了,维修好了之后是不是可以被再利用,下一次有一个再修主板的时候,可以给他用了,你再做库存规划的时候,也都要被考虑进来,否则这些那些物流的东西修好之后,如果你没考虑进来,以后你会买太多。另外的举例,就是在补货政策上面或者理论里面大概有简单两种库存备料的方法,一种叫basestock,我就马上买到那个水位,另外一个叫Min-max,这就是我的再购点,当我的需求低于的时候,所以如果从库存的角度来讲,备比较多的量,我看到这个库存低于我的,就马上补,会比较少的库存,如果从服务水准的角度来看,就表示说因为我会备比较多的库存,那我的库存成本也会比较高,那会比较少一点,所以通常我们在做整个物料规划的时候,有时候也会划一个举证,产生去看看物料价格跟物料的使用状况去分不同的维度,那这个只是举例,你可以分更多的维度,在每一个区块里面的物料,应该用什么样的补货政策,他是可以设在每一个不同的据点,意思就是说每一个物料在每一个据点计算的方式都可以不一样,价格是比较高的,成本比较贵的,你就应该用,如果料是比较便宜的,大量使用的物料你或许可以备比较高的,物料的成本来做这样的计算。

那接下来就跟大家报告一下我们在台湾帮一个信息制造业做的案例,这个案例其实是纬创,纬创是全国前三大的信息公司,电视他都做,还有很多通讯的设备都做,就用自己的Excel做,全球一百多个都有自己的产品,他的副总觉得奇怪那这样子每个过来的物料,我怎么样判断,所以他才会找到SAS说麻烦帮我们做整个物料规划重新的改造,把这个Excel和补货联系在一起,最后的结果我们帮他改善了14个预测的准确率,降低了6个库存,他是怎么做到的呢?刚才提到了另外一个就是过往这样物料规划方式,资料都累计在每一个人员头脑上面,我用整个物料规划的系统,我才各个去累计这些人员的经验,那他慢慢做的更好,把经验累计下来实际落差在那里,可能是70%的准确率,持续做改善,那另外他有一个重点,这些资料很难做收集,通过SAS在整个解决方案的时候,底层还要整合的机制,把它收集起来,你往后做物料规划的时候才可以做的正精准。

那这个整个作业方式是才取SAS以后的方式,还有预测的专家他去做的一些模型,一般物料规划人员需求的结果,拿去做一些调整,所以通过这样的流程,每个礼拜做一次预测,往后面推估我在四个月就做好推估,然后往后面做物料的规划,那另外有一个点就是第六个步骤,我们的经理通常会讲一个事情,如果我降低一个服务水准,那我的库存可以降低多少金额或者从14天变成7天,我可能有不同的送货的方法,那我的库存成本可以降低多少,那就会问这些步骤,做一些模拟分析,你才会知道我如果修改了服务水准对我的库存有真正的,那模拟分析做完了之后,可能会有的结果,再去一个订单的决定,那所有的这些步骤其实都不是系统直接写实,做精确物料规划的机制,这样落实到ERP的系统上面去,所以SAS只做物料规划,真正下单的时候,再去做订单下单的工作,那这个就是之前我们帮这家公司所做的案例,那他界面这个是需求预测的界面,每个礼拜我们的经理都会看到这个是简单的界面,他后面越来越复杂,这个刚开始我们捡下来,把它做的更好,这个你可以看到每周都会有警示,预测不准下面这边有不通过的部分,那如果说我现在看到了预测,这个预测警示的,每一个不同的据点他的物料是什么,还是什么样的料,库存是多少,平均的需求数量是多少,跟我预测的有落差,那我可以往后面做点去做趋势,就看到不同预测趋势,实际上我们预测出来的结果是黄色的这条线,实际上的需求是绿色那条线,大量自动化的作业碰到一些异常经过的时候,系统把它解释出来再去做后面的分析的假期,预测完了之后在结合刚刚提到的网络成本这些相关的资讯,我应该怎么做补货,每一个据点,每一个产品,他现在手上的库存是多少,有多少是在途的库存,那往后四个月我应该怎么做下单的工作,那通常在做物料的时候,我这个系统建议他买A料,其实SAS经营一些料,就是公用料的部分可去做采购,那这个就是库存管理,纬创把不同的库存分门别类,这个就是客户订单大于他的库存,MONITOR的意思是库存太多,实际上后面分的更复杂,需求大于他的库存的时候,有一些这些紧急的订单是什么,我一个物料规划人员碰到这个紧急的订单我怎么做处置,这个上面就是替代料出货,这是他们简单打的,我如果这个客户的需求,我的物料A已经不够了。那当我用物料A去质监他库存的状态是怎么样?这个就是整个替代料,那最后主管还要做一件事情,就是每个员工的绩效,过去主管要用Excel通过这个系统他想要看的是谁,所负责的那些据点,我要进来看,他每一个物料,主管就可以从上面到下面在规划或者在处理每一个需求的订单时候怎么做处理的,他可以一手掌握。那最后刚刚前面每个礼拜做物料规划,如果我们要做比较长的需求趋势,我们用第二个步骤去看看过往last

time

buy第三个步骤就去执行,那最后一个步骤根据预测的结果再看看现在的订单库存有多少,第五个步骤去产生的订单,那我再把第一个图给做大,这个要做那真正第三个步骤在执行last

time

buy的时候,他有建议的,有系统建议的趋势,这个是多少,然后系统选了多少,那最后通过高级主管来看整个库存绩效的表现,包含预测包含库存的优化,这是一个预测的KPI。那今天跟大家分享报告在我们台湾做的制造业的库存规划的案例报告到这边,不知道大家有没有什么问题?

提问:系统会自动选取一些模型,请问是不是在刚才画面右上角色那些他会自动挑选这些,也就是说系统根据这五十个模型选出最好的,那我想请问一下最好是什么最好以及怎么挑选最好的,最好的是什么?

陈新铨:你的问题非常好,事实上在统计上面有很多做模型判断的标准,是MAPE绝对平方误差,其实我用这个范例来说明,刚刚没有特别讲这条线,其实白色的这个点就是我们实际的词,蓝色的浅浅模型跑出来最好的,黑色值的这条线网格面做推估的,我们怎么挑最好的,五十几个模型跑过来滞货,全部的点加起来平均最接近,所以为什么把它平方,平方的意思你有多的,全部都是一个正的值,以同样的标准去看这五十几个模型点和模型跑出来的点,最接近的,那挑一个最好的,系统自己会挑,挑完之后会做预测,一般的业务分析的人员大概看到这里就可以了,看到下面的数字就可以了,那我预测的系统其实也可以给比较高深的,他可以有另外的界面去修改这个预测的系统,所以到底这五十几个模型,它不是黑盒子,你可以看到他挑了那个模型或者是他通过哪些事件。

提问:我想问一下预测和库存优化数据,预测传给的值是区间呢?

陈新铨:你讲的执行区间是?

提问:信贷区间。

陈新铨:我这样说,看我理不理解您的问题,继续还是用这个图,黑色的线后面还有下面有蓝色浅浅的线及这个就是区间,当我们再做预测的时候,我们的推估值很重要,上面的界限信贷区间是95%,这个就是95%的信贷期间归有上下结,一般我们在做绝对值以外,像我们再做库存优化的时候,当我们在做库存优化里面的安全库存,其实就是看需求的便利,还记得吗,其实库存优化里面就是一个期间,这个区间就是我们安全库存的基础,安全库存怎么算出来的,预测系统提供给我们系统优化,同时也会给他一个需求,系统出来一个一起去做这些。

提问:还是像这个图,你的历史数据然后去做未来的推测,那么我想请问一个比较,历史数据在哪个区间比较适合,多少区间比较合适,这个是一个月作为一个比较合适还是周参考比较合适?

陈新铨:其实您的问题应该根据业务需求来做的决定,如果你采购的周期是每一周的,你就要做周的预测,要预测多久就是看你最长的是多长,你要采购一个料它要四个月才会到,你是不是要往后退四个月,跟你前置时间要多久,多少的时间简单的一个判断如果要我要预测四个月,我应该要前面八个月的资料,我才预测未来四个月,如果你是周,你要有前面八周的资料,才是比较精准的,因为他有你往后面做四周,所以当你有四个区间的话,你就会有一个简单的,就可以往后面的推估,数字如果不足够的话,只要有数据,我们有要拿来做预测,预测是一个科学化的标准,你再怎么做判断好,也一定比你用Excel做的好,我记得早上陈教授讲的,我们一定要及时赶快去做这些预算,所以不管怎么样…

提问:我是上海通用汽车的,准确率是66%,如果说第一个问题就是66%的前几项准确率安全库存,如果对一个企业是承受的零部件的特别大,第二个如果在做一个敢保因子你怎么来考虑的,数学模型的时候,你这个市场竞争对手细分上怎么来划分,你怎么来考虑的?

陈新铨:敢保因子,你比如说冰淇淋的溶化跟天气有关系,车子的数量会根据油价的影响而有波动,如果你的企业里面有收集这些数据都可以纳入到我们会做相关检定往后面做推估,那当然针对敢保因子分析在我们预测引擎里面,如果要在做更负责一点,事实上可以整合的方法去做很多转换和整理,你可以先检查是不是有相关性,那你可以再做一个分析,方法很多,可是因为我们要讲求的是比较快速去产生预测的结果,精准度可能是重要的之一,我不是要求最精准或者比你现在的很多模型精准,我其实就达到了预测的价值。

那第一个问题是说如果预测不精准,比如说有66%的准确率,还有33%的误差率,怎么做这些风险,我们怎么样管控,刚刚做的预测有一个很重要的点,预测最终不是一个结果,没有任何一件事情,如果预测没有结合后面的事情,我预测很准,然后假设在跟库存做结合,预测影响你的补货计划,预测给你一个区间,要求一个百分之三十几的误差,我的意思是说预测很重要之前一个参考因素,你才会做的更精准,这个就如同我们在这个范例如说,为什么纬创可以提升14个,那其实就是有误差,他就会根据结果,这个库存的备料我们讲的安全库存的概念。还是有一些预测的误差,可能我们私底下再讨论或许我的中国的中文说的不太好。

评论(0)

您可以在评论框内@您的好友一起参与讨论!

<--script type="text/javascript">BAIDU_CLB_fillSlot("927898");