智慧供應鏈實現(xiàn)的探索性研究

——以上海邁創(chuàng)的邁創(chuàng)供應鏈為例

作者:曹布陽

摘要

本研究項目來源于同濟大學軟件學院與上海邁創(chuàng)電子有限公司（Maitrox）的智慧供應鏈合作項目。

項目背景：

智慧供應鏈項目是邁創(chuàng)供應鏈針對國產(chǎn)品牌手機及消費類電子廠商提供的售后供應鏈整理解決方案中的IT支撐系統(tǒng)。在整個供應鏈解決方案中，旨在利用高效、低成本的IT系統(tǒng)來打通品牌商、OEM廠商、倉庫、轉(zhuǎn)運點、服務站、維修廠等各環(huán)節(jié)上的數(shù)據(jù)節(jié)點，為備件計劃、運營、調(diào)撥、配送等服務提供決策支持。提高維修達成率及客戶滿意度，并在此基礎上有效管理備件生命周期，減少庫存資金占用，最終達到降低售后綜合服務成本的目的。

本項目針對邁創(chuàng)供應鏈物流、倉儲等供應鏈服務中的數(shù)據(jù)庫管理、流程規(guī)劃、倉儲預警管理和運輸管理等方面的業(yè)務需求，對邁創(chuàng)供應鏈進行全局規(guī)劃和數(shù)據(jù)管理等關(guān)鍵技術(shù)上的支持和創(chuàng)新，從而為邁創(chuàng)供應鏈提供更加高效、合理的供應鏈決策方面的信息支持，提高邁創(chuàng)供應鏈供應鏈管理的信息化和智能化水平。

供應鏈整體效率的高低不僅基于基礎設施的完善水平，還與整個供應鏈上下游的銜接水平以及供應鏈各環(huán)節(jié)的信息化、智能化、協(xié)同化密不可分。本項目旨在通過對邁創(chuàng)供應鏈實際業(yè)務中大量數(shù)據(jù)的整理和分析工作，深入挖掘供應鏈中各環(huán)節(jié)的數(shù)據(jù)關(guān)聯(lián)，實現(xiàn)數(shù)據(jù)同步，聯(lián)動管理，通過預警、倉儲、運輸?shù)饶Ｐ蛢?yōu)化實際業(yè)務的運營效率，提高供應鏈的信息化和智能化水平，并最終通過友好的交互管理界面，提高日常業(yè)務管理的效率和便捷化程度。

對邁創(chuàng)的供應鏈系統(tǒng)而言，完善信息化及智能化程度、提升數(shù)據(jù)庫管理效率、補強物流和智慧供應鏈管理信息系統(tǒng)是重中之重。對于企業(yè)運營來而言，這也是彌補邁創(chuàng)供應鏈薄弱環(huán)節(jié)、打破制約效率瓶頸的重要工具，而其中完善的物流數(shù)據(jù)挖掘技術(shù)是提升物流效率和管理信息化水平的重要創(chuàng)新點和關(guān)鍵所在。高效、便捷的智慧供應鏈管理信息系統(tǒng)對于提高其自身的管理水平和核心競爭力具有非常重要的實際意義和應用價值。

1、引言

在如今互聯(lián)網(wǎng)高度發(fā)達、大數(shù)據(jù)日益膨脹的年代，傳統(tǒng)的供應鏈服務已然不能滿足客戶和供應商的需求。傳統(tǒng)供應鏈由于存在大量的人工干預，因此供貨效率低下、智能化水平低，不能有效的面對復雜多變的倉儲運輸需求狀況[2]。

本課題項目在邁創(chuàng)供應鏈實際供應鏈業(yè)務的基礎之上，通過分析業(yè)務需求，設計了配件損耗率預測、倉儲預警、運輸優(yōu)化、物流信息系統(tǒng)構(gòu)建等幾大系統(tǒng)對供應鏈進行全局優(yōu)化。其中損耗率預測模型處于供應鏈上游，為整個供應鏈業(yè)務量提供數(shù)據(jù)預測功能；倉儲預警和運輸優(yōu)化處于供應鏈中游，為邁創(chuàng)實際業(yè)務操作提供便利化服務，降低運營成本；物流信息系統(tǒng)為全局系統(tǒng)，涵蓋供應鏈上中下游各環(huán)節(jié)的各類物流信息，在提高邁創(chuàng)業(yè)務信息化水平基礎上，為業(yè)務智能化提供數(shù)據(jù)支持。各系統(tǒng)在供應鏈不同環(huán)節(jié)進行優(yōu)化服務，又密切協(xié)作，服務于供應鏈整體。

圖1. 1傳統(tǒng)供應鏈

通過構(gòu)建智慧供應鏈，我們旨在通過互聯(lián)網(wǎng)、數(shù)據(jù)庫操作、運籌學、可視化等相關(guān)技術(shù)，通過網(wǎng)絡數(shù)據(jù)庫的遠程操作進行數(shù)據(jù)的處理和傳輸，根據(jù)邁創(chuàng)實際業(yè)務，運用運籌學內(nèi)相應的倉儲策略模型和運輸優(yōu)化模型，對整體供應鏈的關(guān)鍵環(huán)節(jié)加以優(yōu)化，構(gòu)建一套根據(jù)現(xiàn)有數(shù)據(jù)的供應鏈優(yōu)化系統(tǒng)，通過數(shù)據(jù)分析和構(gòu)建模型，對于整個供應鏈的供疏情況進行預測、建模，并最終通過地圖和業(yè)務流程等可視化技術(shù)加以呈現(xiàn)，為管理人員提供庫存預警和管理信息、以及運輸優(yōu)化方案和決策支持服務。

圖1. 2智慧供應鏈

該智慧供應鏈服務的主要目的是減少人工干預，在節(jié)省人力成本的基礎之上，提高管理的規(guī)范化水平，提升供應鏈的運作效率，通過提供便捷化的供應管理和可視化的運輸策略，為決策提供參考支持。

本文參考邁創(chuàng)供應鏈的手機配件采購詳情，提出一整套構(gòu)建智慧供應鏈的想法并在供應鏈整體考慮的基礎上研究細節(jié)問題具體的實現(xiàn)策略。

2、設想的提出

構(gòu)建智慧供應鏈是一個復雜的課題，關(guān)鍵在于疏理并有效構(gòu)建智慧供應鏈的服務功能。

邁創(chuàng)供應鏈在供應鏈上下游的功能定位，是負責從香港等發(fā)貨點往亞洲一些國家配送手機配件,工作流程如下：

（1）、采購的零部件從國內(nèi)內(nèi)陸市場供應商運至發(fā)貨點倉庫，然后發(fā)貨點再轉(zhuǎn)運往國外服務商，并配送至各國家具體的維修點（簡稱正向運輸）。

正向物流運輸?shù)?/span>具體業(yè)務流程如下：邁創(chuàng)供應鏈參照配件預測模型和經(jīng)驗數(shù)據(jù)，整理出SR單（備件申請單），然后向企業(yè)和開放市場發(fā)出PO單（訂貨單），采購相應類型的配件，之后參照配件的運輸時間、費用要求，運送到指定倉庫點（Warehouse）進行庫存管理、并根據(jù)庫存配件信息結(jié)合配件損耗預測模型整理出的需求單，向供應商和開放市場采購，完成業(yè)務循環(huán)。而在倉庫中的配件經(jīng)過調(diào)撥和分批運往服務點（Vender），或者直接裝運，送往零售點。部分服務點兼具配件維修功能，能夠維修從客戶手中返修的零配件，這些服務點將維修過的零配件和新采購的零配件（統(tǒng)稱好件）再返回給客戶，并將從服務點向客戶之間傳送配件的信息錄入CRM系統(tǒng)，完成正向物流環(huán)節(jié)。

（2）、壞件（損壞的配件）回流流程如下：先從海外各地客戶處收集產(chǎn)生壞件維修的需求，并運回當?shù)鼐S修點，在本地維修高維工廠維修或送往國內(nèi)維修廠進行維修，維修成功的好件再次經(jīng)服務點出售，而未修理好的壞件則返回倉儲點，并產(chǎn)生新的配件需求，由計劃部門通知采購部直接到生產(chǎn)廠商和開放市場上進行采購，采購成功則再次匯入正向物流。

圖2. 1運輸路徑優(yōu)化

參照現(xiàn)代化供應鏈主要組成部分的功能，邁創(chuàng)供應鏈現(xiàn)階段主要的功能瓶頸在于倉儲的人工管理成本高昂、信息化水平不足，缺乏有效的倉儲預警機制和詳細分類目的倉儲管理系統(tǒng)，包括預測需求、制定庫存方案、進貨預警、采購方案、訂購線路等；對于物流選擇，由于邁創(chuàng)在運輸方式選擇、線路選擇、運輸時效與倉儲管理時效的同步上存在許多管理方式復雜的問題，降低了運輸環(huán)節(jié)的效率。參照以上具體問題，從整個功能劃分上來說，我們將制定三個系統(tǒng)：預測系統(tǒng)，庫存系統(tǒng)，運輸系統(tǒng)，分別對應于預測模型，庫存模型，運輸模型。

3、解決方案

首先我們對于供應鏈中的組成部分, 即預測系統(tǒng)，庫存系統(tǒng)，運輸系統(tǒng)的功能進行簡單介紹，接著詳述如何把三者有機融合,以充分體現(xiàn)智慧供應鏈的在提升供應鏈效率中的作用。

預測系統(tǒng)，顧名思義，就是對于未來某時間段的需求進行預測。將歷史數(shù)據(jù)作為訓練集，建立預測系統(tǒng)，輸入某一類手機配件和時間參數(shù)，系統(tǒng)給出該手機配件在某一時間段的需求量，并將預測結(jié)果傳遞給庫存系統(tǒng)。

庫存系統(tǒng)根據(jù)物流以及庫存信息建立一套庫存模型。手機配件缺貨有單位損失費，每次進貨會有固定費用，但一次進貨太多則造成貨物積壓，又會導致存儲費上升。采用不同的存儲策略構(gòu)建不同的存儲模型都會對進貨策略造成影響。庫存系統(tǒng)接收預測系統(tǒng)傳遞的預測結(jié)果，判斷某一種手機配件在未來一段時間內(nèi)是否缺貨，缺貨量為多少，并發(fā)出預警信息，并將預警信息傳遞給運輸系統(tǒng)。預警信息包括在未來某段時間t和缺貨量d。

運輸系統(tǒng)收集物流信息、配件成本費，關(guān)稅等，并根據(jù)時間約束（預警信息中包含的時間段t）計算最優(yōu)路徑或者最優(yōu)的配送方案（快遞公司的選擇）。運輸系統(tǒng)將計算的結(jié)果進行整理展示，作為一種決策提供給決策者參考。

圖3. 1三個系統(tǒng)的銜接

由上圖可以看出，模式的發(fā)起點在于預測。預測的有效性與準確性直接影響智慧供應鏈的功能。

預測之所以如此重要的原因在于：

（1）、缺貨時不能保證有某個倉庫一定有缺少的手機配件。

一種保證不缺貨的方案是，盡可能多的儲備貨物。但這會造成倉促費激增，資金積壓。因此，預測某段時間某種手機配件會缺貨，倉庫提前備貨。

（2）、訂貨提前期。

并不是有了需求預測后，缺貨的情況就不會發(fā)生，因為貨物從采集市場運往倉庫還需要時間。例如，預測系統(tǒng)告知倉庫，5天后電池可能會缺貨，這時，物流人員去采購卻發(fā)現(xiàn)電池最快只能在7天后送達。訂貨提前期的存在要求我們在做預測時必須將訂貨準備時間和運輸時間添加到預測時間段內(nèi)。

接下來分別介紹三種系統(tǒng)的具體細節(jié)和實現(xiàn)方案。

3.1 預測系統(tǒng)

預測系統(tǒng)的核心是預測模型。在大數(shù)據(jù)理論和實踐快速發(fā)展的今天，科學家建立了大量的預測方法和模型。再加上近年數(shù)據(jù)挖掘的快速發(fā)展，預測不再是那么一項艱巨的任務?；旧希⒘祟A測模型，使用訓練數(shù)據(jù)訓練模型，并用測試數(shù)據(jù)計算錯誤率?；阱e誤率，我們就可以對現(xiàn)實的情況進行預測了。

下圖展示了建立預測模型的過程。該過程是數(shù)據(jù)挖掘、機器學習的一般化步驟。

圖3. 2建立預測模型的過程

首先我們對于收集到的歷史數(shù)據(jù)進行劃分——訓練數(shù)據(jù)和測試數(shù)據(jù)，兩者比例一般是7:3。

通過使用R語言進行線性回歸分析，回歸擬合曲線、卡方優(yōu)度檢驗、K-means聚類分析等分析方法，分析出手機配件損耗率的關(guān)鍵因素。

1. 在保量

   當在保量數(shù)據(jù)小于2000時，手機配件的損耗率隨著在保量的增加而減小，變化比較明顯，當在保量的數(shù)據(jù)大于2000以后，手機配件的損耗率趨近與平穩(wěn)。但是在保量的數(shù)據(jù)量大部分都在5000一下，通過聚類分析，在保量在第一個聚類中心1546時，聚類的大小已經(jīng)為14902，在21596條數(shù)據(jù)中已經(jīng)占了近75%，而在這個范圍內(nèi)，手機配件損耗率隨著在保量變化明顯。所以在保量是影響手機配件損耗率的一個關(guān)鍵因素。

2. 國家或地區(qū)

   通過卡方優(yōu)度檢驗方法，假設手機配件的損耗率與國家和地域無關(guān)，得出的概率值P<0.01，所以假設不成立，手機配件的損耗率和國家/地域有關(guān)，另外通過分析結(jié)果也可以看出，每一個國家或者地區(qū)手機配件的損耗率都不同。

   另外從影響手機配件的損耗率的因素考慮，不同的國家/地域，在保量的大小不同，溫濕度不同等等，也可以看出，國家/地域是影響手機配件損耗率的一個關(guān)鍵因素。

3. 售出時長

   通過分析手機售出時間長度，根據(jù)回歸擬合曲線可以看出，手機配件的損耗率是隨著時間的變化而變化的。比如到售出產(chǎn)品7個月的時候，故障率會達到一個峰值，這個時候是手機返修比較多的時候，所以在手機配件的時候，也會注意到什么時候備貨量應該比較多。

   所以售出時長也是影響手機配件損耗率的一個關(guān)鍵因素。

4. 配件種類

使用R語言單獨分析手機的每一種配件可以發(fā)現(xiàn)，不同種類的手機配件故障率是不同的，而且每一中配件的變化情況也是不相同的，而且每種配件的保修期，保修數(shù)量，故障情況也是不相同的。所以手機配件種類也是影響手機故障率的一個關(guān)鍵因素。

參考圖3.2，建立預測模型的過程簡述如下：

1. 選擇并建立預測模型。

   常見的預測模型有貝葉斯預測模型、平均值模型、回歸模型、時間序列法、灰色預測模型等。具體到邁創(chuàng)供應鏈手機配件運輸項目上，選用貝葉斯預測模型和時間序列法，給定時間參數(shù)和配件參數(shù)就能得到預測的需求。

   將訓練數(shù)據(jù)輸入預測模型后就得到了具有實際預測功能的模型了。

2. 計算錯誤率。

   將測試數(shù)據(jù)輸入建立好的預測模型。將預測結(jié)果與實際結(jié)果進行對比，計算錯誤率（error rate）。

   

   必須強調(diào)的是，所謂錯誤并不是指預測結(jié)果≠實際結(jié)果，比如，預測需求為100但實際需求為101。我們不能因此判斷預測結(jié)果不準確。在使用假設檢驗的基礎上，我們才能在合理的置信區(qū)間內(nèi)對預測結(jié)果進行評估。

3. 預測實際需求。

   輸入時間參數(shù)和預測的手機配件種類。模型返回該手機配件的預測需求。

最后，部署模型。模型按照接口規(guī)范對外提供了數(shù)據(jù)調(diào)用接口傳入模型，調(diào)用方式可通過公司內(nèi)部管理應用系統(tǒng)輸入?yún)?shù)調(diào)用，也可通過第三方Web服務應用輸入?yún)?shù)調(diào)用。該預測數(shù)據(jù)相對于工作人員通過經(jīng)驗來進行備貨具有較高的準確性和可靠性，目前，該套預測系統(tǒng)已經(jīng)在公司服務器部署試運行，可直接調(diào)用預測數(shù)據(jù)。

3.2庫存系統(tǒng)

庫存系統(tǒng)的核心是庫存模型。單獨的倉庫管理系統(tǒng)只能起到記錄貨物數(shù)量，管理配件信息的作用。為了使庫存系統(tǒng)新增預警功能，我們必須設定貨物的存儲策略。不同的存儲策略適用于不同的配件類型。因此，我們首先應該對于配件進行分類。

3.2.1 配件分類

分類的主要目的是通過對品種，規(guī)格極為繁多的庫存物資進行分類，使得企業(yè)管理人員把主要注意力集中在金額較大，最需要加以重視的產(chǎn)品上，達到節(jié)約資金的目的。

傳統(tǒng)的分類或者稱之為管理方法有ABC庫存分類法。

簡言之就是：

A類物資——占總品種的10%以下，年金額占全部庫存物資的年金額的60%到70%。特點是品種數(shù)量不多，但價格高，需求不穩(wěn)定。

B類物資——占全部庫存物資總品種的20%到30%，年金額占全部庫存物資的年金額的20%左右，需求量一般。

C類物資——占全部庫存物資總品種的60%到70%，年金額占全部庫存物資的年金額的10%到20%。特點是品種數(shù)量多，單價低，需求量大、穩(wěn)定。

除了傳統(tǒng)的ABC庫存分類法外，我們也可以使用數(shù)據(jù)挖掘的技術(shù)對貨物進行分類。由于這里我們討論的分類數(shù)據(jù)并不具有明確的類標號，即現(xiàn)實中我們并不清楚該種物資分為哪一類，因此實質(zhì)上，我們這里所說的分類是指無監(jiān)督的分類，即聚類。

聚類方法紛繁復雜，我們在這里只討論一種具體的實現(xiàn)——k均值（k-Means）。

K均值聚類用于n維連續(xù)空間中的對象。為了簡便，我們假設對貨物分類時只考慮兩個屬性：貨物的種類和單價?；谶@兩個數(shù)據(jù)，對配件的模擬分類結(jié)果如下：

圖3. 3貨物分類結(jié)果

如圖3.3所展示的，紅色點分布趨向于種類少而單價貴，因此代表A類，綠色點分布趨向于種類偏多而單價偏貴，因此代表B類，藍色點分布趨向于種類多而單價低，因此代表C類。

實際分類中不可能只根據(jù)單價和種類這兩個數(shù)據(jù)，還必須考慮實際業(yè)務需求。

3.2.2存儲策略

分類后，我們對不同類型的手機配件應用不同的存儲策略。

通常存儲策略分為以下三類：

圖3. 4三種存儲策略

t-循環(huán)策略：每隔時間t補充存儲量Q。適用于需求穩(wěn)定的C類貨物。

S,s策略：當前庫存量q > s時不補充，q <= s時，立刻補充存貨。補貨量Q = S–q。適用于需求隨機、不穩(wěn)定的系統(tǒng)。

S,s,t策略：每隔時間t檢查一次，當存量q > s時不補充，當存量q <= s時，補充量Q = S–q。適合需求隨機的系統(tǒng)。

模型中的各個參數(shù)需要用到實際的業(yè)務數(shù)據(jù)計算得出。這些業(yè)務數(shù)據(jù)可能包括：需求率、單位存儲費、訂購費、訂貨量、單位缺貨費等。其中有些數(shù)據(jù)并不是原始數(shù)據(jù)，需要根據(jù)業(yè)務需求得出。

三種存儲策略各有優(yōu)劣。從實用性上來看，似乎S,s策略最好，因為S,s策略隨時監(jiān)控倉庫存儲，一旦缺貨立即補貨，不太可能產(chǎn)生缺貨情況。但若對所有C類配件都采用S,s策略，計算出的最低庫存s可能偏低甚至接近0而最大庫存S可能過高，因為C類配件種類多，單價便宜，需求量大，因此適合大量進貨且缺貨帶來的損失小。

綜上，我們可以得出初步的結(jié)論：C類貨物采取t循環(huán)策略，B類貨物采取S,s,t策略，A類貨物采取S,s策略。

但實際中我們往往不這樣做。首先隨時監(jiān)控對系統(tǒng)資源的開銷太大，且沒有必要，因為在實際的運送中，時間沒辦法精確的到小時或者更細的顆粒度。具體落實到邁創(chuàng)供應鏈的實際業(yè)務，考慮效率和成本上的影響，計劃人員不可能在貨物缺貨的任意時刻都立刻對貨物進行補充。因此我們假設業(yè)務人員每天在固定的時刻統(tǒng)一對所有缺少的貨物進行配送。在該時刻過后新產(chǎn)生的缺貨預警則留到第二天處理。庫存系統(tǒng)每天只需要定時對所有貨物進行檢查一次即可。如下圖：

圖3. 5系統(tǒng)每天檢查一次是否缺貨

考慮到邁創(chuàng)供應鏈的業(yè)務和實際應用情形，我們建議采取S,s,t策略來管理預警貨物。因為該庫存策略最能適應公司紛繁復雜的業(yè)務需求。

實際上，配件分類并不是建立庫存模型的必要步驟。分類的目的是為了更好的管理，更好地適應庫存模型，若公司本身就有一套對于配件的分類機制，那么不建議對貨物配件進行重新分類。

同理對于存儲策略，也不僅僅局限于以上三種，需要明確的是建立存儲策略的根本目的是建立預警機制,在下一節(jié)我們將詳細討論有關(guān)的預警機制。

3.2.3 預警機制

首先需要討論的是，為什么需要預警機制。正如前文所介紹，并不是任何時候都可以進貨，貨物的配送需要時間（訂貨提前期），這使得我們需要提醒計劃人員何時進貨以及進貨量。預警的真正目的是：在合適的時間將預測需求反饋給計劃人員。

如何計算預警的時間？如前所述，我們需要訂貨提前期。這里我們假設訂貨提前期是一個固定的值t，下一節(jié)將會詳述訂貨提前期。

以S,s庫存策略為例，當庫存降低至s時，我們需要立刻補充貨物。那么我們自然是希望，當運貨運送至倉庫的那一刻，當前庫存剛好降低至s。于是我們需要提前t天訂貨。但相對應的問題是，雖然我們知道要提前多少天，但我們無法直接得出具體的訂貨日期，因為我們也不知道那一天庫存剛好降低至s。

這時就需要預測系統(tǒng)了。我們將訂貨提前期t輸入預測系統(tǒng)，系統(tǒng)會計算未來t天的需求量Q_t，若當前庫存Q-Q_t≤s，那么根據(jù)預測，我們會得出結(jié)論：t天后，庫存將降低至安全庫存s以下；如果我現(xiàn)在進貨，那么當貨物送達時，庫存剛好降低至s，庫存得到補充。

對于需求不確定的配件，預測模型需要每天都重新計算一次需求，因為從第一天開始經(jīng)過t天后的需求和從第二天開始經(jīng)過t天后的需求不同。

但對于需求穩(wěn)定的配件，從任意時刻開始的任何相等的時間段內(nèi)需求都相同，這時，我們只需要根據(jù)當前庫存量來判斷是否進貨：當前庫存Q≤s+Q_t時進貨，否則不進貨。如下圖3.6.

圖3. 6預警指示圖

另外需要討論的是加強預警模型的預測條件。在以上討論中，我們將訂貨提前期等同于運輸時間，但實際中，兩者是包含關(guān)系。訂貨提前期還包括準備時間、貨物采集時間、裝卸貨時間等。于是，將這些為了訂貨而開銷的時間都考慮進來，我們可以采取二次預警機制，即在訂貨提前期的基礎上在增加一個時間段t₀，t₀可以根據(jù)實際情況進行假設，比如設為固定值3天。在訂貨的前三天就發(fā)出一次預警，提醒計劃人員可以開始準備采購計劃了。若在三天內(nèi)該預警沒被處理，則發(fā)出二次預警，表示必須立即備貨，否則可能面臨庫存降低至安全庫存線s下的風險，影響到運輸?shù)绕渌麡I(yè)務的運行效率。

預警系統(tǒng)的建立將極大改善系統(tǒng)的智能化，因為企業(yè)不必每次等到庫存降至0時才去進貨。且不用面臨缺貨損失費。

比如，我們假設單位缺貨損失費為2，單位庫存為1，每天的需求為10，運輸時間為10。那么當庫存為100時，就發(fā)出進貨預警并即刻進貨。10天后，貨物送達，庫存剛好降至為0。

在此期間，總的損失費為：庫存量×單位庫存費×存儲時間=1×100÷2×10=500

但若當庫存降至0時才開始進貨，則不僅存在庫存費，還將面臨缺貨損失費：庫存費+缺貨損失費=500+10×10×2=700.當然損失的不僅僅是費用，還有客戶的信賴和期望。

3.3 運輸系統(tǒng)

運輸系統(tǒng)的核心是運輸模型。串聯(lián)庫存模型和運輸模型的是訂貨提前期。

3.3.1 訂貨提前期

在上文的庫存模型討論中，我們?yōu)榱撕啽銓⒂嗀浱崆捌谄洚敵晒潭ㄖ涤懻摗Ｕ缜拔乃?，訂貨提前期并不是一個固定值。在運輸系統(tǒng)中，運輸時間是通過模型計算得出的，因此是一個變量。

然而，訂貨提前期的改變會對庫存模型的實際庫存量產(chǎn)生微小的震動。比如，庫存模型假設訂貨提前期是10天，而貨物在8天內(nèi)就送達了，因此貨物送達時，當前庫存并沒有降至安全庫存線s以下。

圖3. 7提前送達造成貨物積壓

這就增加了倉庫費用，因為最好的訂貨時間是提前8天而并不是提前10天，多出來的2天會增加額外的存儲費。

一種簡單的解決方案是放任不管。即在庫存模型中假設訂貨提前期為固定值而不管實際的運輸時間是多少。當倉庫成本很低而物流成本很高時這是一種較好的策略。因為，我們沒有必要為了高額的物流費用而必須使得運輸時間和預期的訂貨提前期一致，雖然這樣可以降低微不足道的倉儲費。這種策略要求我們優(yōu)先考慮運輸費用，而后考慮運輸時間。

另外，庫存系統(tǒng)將需求傳遞給運輸系統(tǒng)時，會傳遞一個時間參數(shù)——訂貨提前期。對于運輸系統(tǒng)來說，得到的訂貨提前期就是時間限制，即運輸系統(tǒng)計算出的最優(yōu)路徑（可能不止一條）其運輸時間可以小于等于訂貨提前期，但不能大于訂貨提前期，否則倉庫會面臨缺貨的風險。因此，對于運輸系統(tǒng)來說，他的任務就是計算出一條運輸時間小于等于訂貨提前期且運輸費用最少的線路，我們稱之為最優(yōu)路線。

當庫存費用不能忽視時，我們就需要考慮另一種優(yōu)先考慮時間后考慮運輸費用的策略了。

3.3.2最優(yōu)訂購時間

優(yōu)先考慮倉庫費用，我們可以采取迭代的思想。

庫存系統(tǒng)首先假設訂貨提前期為t，此時通過運輸模型計算出在滿足運輸時間小于等于訂貨提前期t的所有線路中，運輸費用最小的運輸線路所需的運輸時間是否恰好為t。若是，則發(fā)出預警。否則不發(fā)出預警，因為我們有理由認為，當前并不是訂貨的最佳時機，而應該經(jīng)過一段時間再選用該最優(yōu)的運輸線路。

然而，采取以上策略面臨該最優(yōu)線路可能不存在的風險。如下如：

圖3. 8選擇合適的送貨時機

庫存模型預計，t₁時刻經(jīng)過訂貨提前期t后（到達t₄時刻）庫存將剛好降低至安全庫存線下。因此將需求信息發(fā)送給運輸系統(tǒng)。運輸系統(tǒng)計算的最優(yōu)路徑其運輸時間小于t，為t’，如上圖。因此，采取在t₂時刻發(fā)貨。易得，t2=t₁+t-t’。按照假設，t₂時刻配送，經(jīng)過時間t’后貨物剛好在t₄時送達。但問題是，我們無法保證在t₂時刻原來的最優(yōu)線路還存在，因為原來的最優(yōu)線路是在t₁時刻計算出來的。

具體應用中，我們不必具體到每分每秒。庫存系統(tǒng)每天檢查一次倉庫，基于此，我們可以讓運輸系統(tǒng)每天都檢查一次最優(yōu)路徑，查看最優(yōu)路徑是否發(fā)生變化。在圖3.8的基礎上，我們對于當前策略進行改進，如下圖:

圖3. 9迭代計算最優(yōu)路線

對圖3.9的展示進行說明如下：

在day1時，庫存系統(tǒng)向運輸系統(tǒng)發(fā)出請求運輸線路的需求（包含時間約束t和貨物運量等），要求運輸系統(tǒng)給出最優(yōu)線路。此時運輸系統(tǒng)計算出滿足時間約束的最優(yōu)路徑所需運輸時間為t₁(見圖3.9中紅色時間段)，t₁小于t。因此，庫存系統(tǒng)判斷現(xiàn)在不必進貨，因為我們可以再庫存降到安全線下前，以最優(yōu)路徑將貨物送達。

于是，day1的庫存系統(tǒng)任務結(jié)束。

到第二天，重復day1的流程，不同的是，庫存模型發(fā)送給運輸系統(tǒng)的時間約束為(t-1)（因為經(jīng)過了一天），庫存模型仍然判斷不必進貨（因為t₂<t-1）。同理第三天也如此。

第四天，庫存模型向運輸系統(tǒng)發(fā)出請求最優(yōu)運輸線路的需求（時間約束為t-3），此時計算得出最優(yōu)線路的運輸時間為t₄，且t₄=t-3（見圖中綠色時間段），即此時采用最優(yōu)線路運輸貨物恰能在在庫存降到安全線以下運到。故在day4這一天發(fā)出預警需求。

由此我們能歸納出該過程的流程圖或算法：

圖3. 10迭代計算最優(yōu)線路

從實際角度考慮，運輸線路的費用一般為固定值，故某一段時間內(nèi)計算的最優(yōu)路徑一般都會是同一條，前提是該路徑的發(fā)貨點有貨——這就是為什么運輸系統(tǒng)每天都會計算一次的原因，因為，我們不能保證今天的最優(yōu)路徑到明天后還存在，比如該路徑的發(fā)貨點在今天被調(diào)出了一批貨物而存儲不足。

從實踐的角度而言, 沒有那一種策略是最好的，只有最適合的。從簡單考慮，我們可以直接采用3.3.1節(jié)中提到的放任不管的策略。

訂貨提前期的計算是為了和庫存系統(tǒng)形成對接，上文的討論無形中對運輸系統(tǒng)的功能提出了要求——根據(jù)時間約束計算出最優(yōu)路徑。下面一節(jié)進入運輸系統(tǒng)的正式構(gòu)建階段。

3.3.3 模型構(gòu)建

首先明確運輸系統(tǒng)的作用——根據(jù)時間約束計算最優(yōu)路徑。在所要求解的運輸問題中, 除了要考慮費用因素外，還需要考慮運輸風險、機會成本、人工成本等。往細了說，我們建立一套積分模型，對于各種因素打分，評估出一套對運輸線路打分的模型（類似于銀行的征信系統(tǒng)）。但實際中，最直接的優(yōu)劣判斷就是運輸帶來的費用，這可能包括：運輸費、海關(guān)費、裝卸費等。這些費用都是由于運輸產(chǎn)生的，我們可以將其合并為運輸費。

圖3. 11費用合并

圖3.11中，c代表該線路的運輸費用，c₁,c₂,c₃分別代表從Philippines,Thailand,Malaysia運往India的運輸費，c₀代表海關(guān)費。將c₀分別添加到c₁,c₂,c₃上，作為整體的運輸費用。

除了費用，還需要考慮運輸時間，即整條線路上的運輸時間和必須小于時間約束。因此，線路規(guī)劃的目標就是：找出滿足時間約束條件的費用最小的線路。

到這里，我們已經(jīng)建立了運輸網(wǎng)絡的模型。這是一個有向圖，每條邊上有兩個權(quán)值。

庫存系統(tǒng)向運輸系統(tǒng)傳遞的預測需求中還包含另一個參數(shù)——貨運終點，即告訴運輸系統(tǒng)那個倉庫缺貨。從這層意義上說，運輸系統(tǒng)只知道線路的終點，并不知道起點。潛在的起點是那些存儲該種手機配件的倉庫。

因此，運輸系統(tǒng)的任務就簡化成從多個已知（哪些倉庫存儲該種配件顯然已知）起點中計算出到終點的最優(yōu)線路。不失一般性，我們只需要單獨計算從指定起點到指定終點的最優(yōu)路徑，再比較這些最優(yōu)路徑，從中選擇一條最優(yōu)路徑即可。

因此，運輸系統(tǒng)的任務可以簡化為：求解帶時間約束的最短路徑問題。

圖3. 12運輸系統(tǒng)的任務

圖3.12中，運輸系統(tǒng)首先生成左圖的運輸網(wǎng)絡圖，并指定起終點。運輸網(wǎng)絡圖中包含運輸線路的時間和費用。時間和費用分別是該路段的運輸時間和運輸費用。右圖是運輸模型計算得出的最優(yōu)的運輸線路及其運輸方式（藍色線條表示）。

對于帶時間約束的最短路徑問題，有許多不同的解法，最簡單的蠻力法首先計算兩點間的所有路徑，這可以通過深度優(yōu)先遍歷來實現(xiàn)。然后計算每條路徑的總時間和總費用并比較得出最優(yōu)路徑。

該種算法的時間復雜度是O(n²)，對于該算法的優(yōu)化，可以考慮動態(tài)規(guī)劃、剪枝等策略。我們建議將運輸模型中的核心算法做成一個模塊，這樣可以隨時切換算法，使用不同的算法來比較運算時間。

為了能更深刻地說明問題，我們舉一個例子實際計算實例來展示運輸系統(tǒng)的作用。

如圖3.12所示，圖中每個圓表示貨運點，圓之間的連線表示路徑，路徑上標有運輸方式（sea，海運，air，航空，highway,公路，train,鐵路）。每種運輸方式后面帶有兩個數(shù)字表示該邊上該運輸方式的權(quán)值：時間和費用。

需求的目標是：在規(guī)定時間（Timelimit）內(nèi)將貨物從HK運到TH，使得總運輸費用最少。

由上圖可得，從HK到TH一共有四條路徑：

HKàTH;

HKàINàTH;

HKàIDàTH;

HKàIDàPHàTH

每個路段又有多種運輸方式，因此綜合考慮運輸方式，所有情況考慮如下：

HKàTH(3種運輸方式的組合)

① HKà(air)àTH;② HKà(train)àTH;③ HKà(highway)àTH

HKàINàTH(2種運輸方式的組合)

④ HKà(air)àINà(air)àTH;⑤ HKà(air)àINà(sea)àTH

HKàIDàTH(1種運輸方式的組合)

⑥ HKà(air)àIDà(highway)àTH

HKàIDàPHàTH(2種運輸方式的組合)

⑦ HKà(air)àIDà(air)àPHà(air)àTH;⑧ HKà(air)àIDà(sea)àPHà(air)àTH

即綜合共有8中不同的運輸方式。

我們計算出每種運輸方式的總時間和總費用。并按費用優(yōu)先降序，時間第二降序，排列如下：

③ time:7;cost:4

⑤ time:5;cost:5

⑧ time:7;cost:5

⑦ time:3;cost:6

② time:4;cost:6

⑥ time:6;cost:6

① time:3;cost:8

④ time:2;cost:9

時間限制（Timelimit）為6，故滿足時間限制的最少運輸費用為方案⑤（總時間為5<6）。

3.4 其他問題

以上步驟并不是必須的，在很多時候我們需要聯(lián)系業(yè)務來設定系統(tǒng)目標。雖然我們想盡量獨立業(yè)務考慮一種通用的企業(yè)級解決方案，但現(xiàn)實中無論如何還是要面臨紛繁復雜的業(yè)務。

首先是預測模型。作為解決方案的起點，預測模型的預測結(jié)果是智慧供應鏈最能體現(xiàn)“智慧”一詞的產(chǎn)物。未來的需求沒有人能百分百掌握，雖然統(tǒng)計學和數(shù)據(jù)挖掘在這塊領(lǐng)域大有作為，但實際的預測結(jié)果僅僅是比經(jīng)驗預判高了幾個百分點而已。我們必須正視預測不準可能帶來的后果：庫存偏高或偏低，貨物送達時間過早或過遲。

運輸費用的不確定性同樣是需要注意的問題。實際業(yè)務中，費用的計算過程甚至有一套專門的公式。如何將所有費用集中到一條線路中，對于不同的業(yè)務是個不小的挑戰(zhàn)，雖然在3.3.3節(jié)中我們介紹了一種簡單實用的想法，但實際中，這種方法未必行的通。

說到運輸系統(tǒng)，另外一點是，對于運輸線路中的大部分計算可能都是無用的。根據(jù)邁創(chuàng)供應鏈的實際運輸顯示，最優(yōu)線路往往就是直接從起點運往終點的那條，幾乎不存在從起點反復曲折經(jīng)過不同的運輸方式才到終點的線路是最優(yōu)路徑這種情況。這意味著，我們在求最優(yōu)路徑時，優(yōu)化方案并不在于運輸方式或者運輸線路，而在于運輸點的選取。

4、總結(jié)

本文主要目的是參考邁創(chuàng)供應鏈的手機配件配送，構(gòu)建一個具有實際可操作性的智慧供應鏈，并針對供應鏈的低效環(huán)節(jié)加以優(yōu)化以提高整個供應鏈的的效率。對于對此，我們構(gòu)建了三個系統(tǒng)——預測系統(tǒng)，庫存系統(tǒng)，運輸系統(tǒng)。三個系統(tǒng)具有高內(nèi)聚低耦合的特性，兩兩間通過預測需求和訂貨提前期串接起來。預測作為庫存方案和運輸選擇的依據(jù)，它的存在為合理有效的管理配件提供了基礎。運輸系統(tǒng)和庫存系統(tǒng)相互交換數(shù)據(jù)，相互影響，致力于達到運輸和庫存的平衡高效。

通過預測、庫存、運輸系統(tǒng)的協(xié)作，以及正向物流和逆向物流的結(jié)合，我們可以實現(xiàn)一種動態(tài)平衡的智能化的供應鏈運行模式。三個系統(tǒng)的實現(xiàn)細節(jié)不一定與本文相同，但都需要用到統(tǒng)計學、數(shù)據(jù)挖掘、線路優(yōu)化等相關(guān)的知識，本文也在適當?shù)臅r候?qū)ζ渥龀隽擞懻?。本文所描述的方案距離全面高效運行的供應鏈系統(tǒng)可能還有一段路要走，但可以作為開發(fā)中的指導思想和模型優(yōu)化的依據(jù)。

總的來說，在我國整體供應鏈效率不高、物流成本居高不下的大環(huán)境之下，研究企業(yè)的供應鏈運作模式和運營效率，在供應鏈全局觀念下，考慮制約整體效率的各重要環(huán)節(jié)，并在信息化的基礎之上對這些關(guān)鍵環(huán)節(jié)加以優(yōu)化，這些工作是必要的，也是提升供應鏈效率的根本途徑。對于供應鏈研究，不論在公司還是在整個行業(yè)層面來講，都具有非常重要的應用價值和現(xiàn)實意義。

5、參考文獻

[1]傅家良. 運籌學方法與模型[M]. 復旦大學出版社,2005,09:96-116.

[2]何榮宣. 傳統(tǒng)物流向現(xiàn)代供應鏈管理轉(zhuǎn)變的策略[J]. 企業(yè)經(jīng)濟,2011,09:41-43.

[3]朱清華. 基于供應鏈的管理信息系統(tǒng)構(gòu)建[D].西南大學,2007.

[4]Pang-Ning T, Michael S, Vipin K. Introduction to Data Mining[M]. 人民郵電出版社, 2011 :310–320.

[5] Jun-Yeon Lee, Richard K. Cho, Seung-Kuk Paik, Supply chain coordination in vendor-managed inventory systems with stockout-cost sharing under limited storage capacity, European Journal of Operational Research, Volume 248, Issue 1, 1 January 2016, Pages 95-106, ISSN 0377-2217.

[6] Younjung Kim, Youngho Lee, Kyung-Yong Chung, Kang-Dae Lee, An investigation on the information systems research in supply chain management: an analysis of research topic and methodology, October 2015, Volume 74, Issue 20, pp 8849-8860.

邁創(chuàng)是一家專業(yè)的供應鏈公司，通過此文的具體描述覺得還是不錯的。

供應鏈管理不同于滅火,出路在于強化管理.讀完本編文章，感覺供應鏈是需要一個團體協(xié)作，對于一個國內(nèi)企業(yè)走出去戰(zhàn)略，起到了不可小視的作用。