数学将我们的经验通过公式归纳到一种理论的高度

-        一个不愿透露姓名的供应链管理老兵对《全面库存管理数学分析》的反馈 -

2022-4-4

程老师，您好：

在看了程老师的第一本书《制造业库存控制技巧》之后，我觉得这是一本最讲究实操的书，因为：

1.     它结合了中国制造企业的现状，包括企业的特点也包括人的特点；

2.     不再是讳莫如深的理论，更多是可具体操作的方法（实操）；

3.     也不单单是具体的细节操作，同时指导我们从整体上管理供应链（ITO，OTD等）

4.     不仅适合新人理解供应链（对新人阅读理解供应链非常友善），也适合有供应链经验的人更上一层楼；

5.     这不是各种“高深”的应用软件或者系统，使用基础工具（比如Excel）也能从整体上提升供应链的管理水平；

 总之非常强烈推荐《制造业库存控制技巧》。

随着工作经历的不断增长，更加迫切的希望能把数学知识应用到供应链中去（计划看到最多的就是数字，而大数据也是一种趋势），只可惜大部分数学知识都还给了老师，市面上有很多数学书，怎奈结合供应链的数学书却凤毛麟角，因此看到程老师的新书《全面库存管理数学分析》，我第一时间就去询问了。

      读了第一章平均数，我想到了：

大概十年前，我们工厂有几千颗成品型号，大几千个材料型号，客户订单提前期1周到1个月而材料采购周期几天到6个月不等，属于手工制造业，国内外节假日是造成需求和供货波动最大因素。大量材料需要通过历史用量推测未来需求提前备料。我们通过高低水位（再订货点）的方式备料和订货，目标是为了减少人为造成的波动（减少牛鞭效应的影响）当时，

• 再订货点（ROP）=预测的平均用量*材料采购提前期*1.3 （额外的0.3为安全库存，采购周期越长这个比例越大），
• 平均用量是通过过去3个月到12个月的平均值来计算（和采购提前期有关）---这也如程老师所Guess的大部分公司对于平均值的理解。
• 当库存值偏高时，安全库存减少1/3。

可以说这是一种非常粗放的备货和库存控制方式，应用了基本的数学公式和更多的经验。现状肯定是在库值的高低起伏循环和不断追料。在应用中，我也有一些疑问，

1.     如何快速判断异常值，并在计算预期平均值时考虑（排除）异常值；

2.     预测平均用量如何计算会更合适？

3.     30%左右的安全库存安全么，会不会太少或者太多？

4.     应对非连续性的或者季节性的或者趋势性的需求又怎么办？

5.     为什么可以按减少1/3的方式调整安全库存？

6.     ……

所以，我就在想，在寻找解决这些疑问的方法。（在此不再扩展到整个供应链系统，单纯举例数学知识在再订货点法中的应用），随后，我了解到：

• 再订货的值=采购提前期*采购周期+安全库存=L*D+SS
• 安全库存=安全因子*标准偏差（*采购提前期的折算），即ss=zσsqrt(L)（简化计算，不考虑供货周期波动）

a.      通过对标准偏差概念的理解，我明白了安全库存安全的程度和原因；

• 关于预测平均值计算的方法：

a.      （移动）平均值法，是大部分人最易理解的，也是我们公司当时使用的；

b.     加权移动平均值法，对于重要的数据赋予更大的权重，比如在预测中通常近期的数据可靠性越大，那么就可以赋予近期的数据更大的权重而更久远的数据较小的权重；

c.      指数平滑法，简化了方法2的计算；

d.     还有一阶指数，二阶指数，季节性调整等等；

• 关于预测准确性的追踪和改善；
• 关于异常值的快速判断，在第一章中程老师介绍了通过分位值快速判断异常值的方法。

显然，如果用这个方法，会比最初的计算方法靠谱，因为有理有据（心里有底气）。这些可以通过系统外计算，也能让系统帮我们计算，这是我第一次强烈感受到数学对我们供应链工作的帮助，这也是我希望进一步学习数学知识在供应链中应用的书。

数学将我们的经验通过公式归纳到一种理论的高度。

但就如预测总是错误的，公式计算的结果也仅仅是将计算的结果更理想一些（现实会更加骨干），重要的是公式可以从理论进一步指导提升工作，比如：

1.     采购周期越长，L*D越大，SS也越大，出问题的可能也越大（越远的远测越离谱），努力缩小采购提前期就是一直要努力的方向；

2.     当多个需求聚合到一个需求时，标准偏差会变小，安全库存也会变小，那么设计产品时的标准化，加工中的延迟加工也更可以理解了；

3.     安全因子越大，安全系数越高，对应的库存持有成本也越高，可以提前预判客户服务和持有成本间的关系；

这是我在看样章时的所得和所想，也是我为什么期待程老师的书，他不仅在教我们理论，更在指导我们通过理论提升管理的水平。

再次感谢程老师用心分享我们他的所得。