行業(yè)資訊
news information
- 聯(lián)合沃爾沃 Uber在舊金山正
- 車輛控制器標(biāo)實不符 工信
- 共交付707輛車 蔚來公布
- 再收10億 比亞迪3月共收補
- 達成銷量目標(biāo) 蔚來即將發(fā)
- 代駕司機變身快遞員 滴滴
- 小鵬汽車推出超充合伙人
- 出資11億 滴滴成為現(xiàn)代財
- 互助出行 滴滴上線“順路
- 發(fā)力車聯(lián)網(wǎng)安全 銀基安全
聯(lián)系我們
contact us
-
地址:山東省濟南市歷下區(qū)解放路華強廣場A1307
-
電話:15666328617
-
座機:400-0304-588
-
郵箱:jishubu@xianshu.com
自上世紀(jì)九十年代起,外資汽車品牌紛紛實現(xiàn)在中國合資落地生產(chǎn)。發(fā)展迅速的國內(nèi)消費市場和規(guī)模龐大的汽車產(chǎn)業(yè),促成了合資汽車品牌市場的百花齊放。然而,受海外供應(yīng)商長期合作關(guān)系、質(zhì)量控制和技術(shù)壁壘的制約,汽車零部件,尤其是關(guān)鍵零部件的進口量一直居高不下。
一方面,以海運為主導(dǎo)的進口件運輸方式,使得運輸時間依附于供應(yīng)商和承運商構(gòu)成的運輸網(wǎng)絡(luò);而天氣、國內(nèi)外節(jié)假日差異等因素,又造成了進口件長期以來運輸周期長、到貨時間不穩(wěn)定的特點。
另一方面,由技術(shù)壁壘所造成的庫存成本高、價格高等痛點長期以來未得到有效的解決。
大多車廠最初在制定進口件采購和庫存策略時,通常依賴車廠自身過往經(jīng)驗,通過大量堆積庫存,輔以緊急空運補貨,來彌補需求的不穩(wěn)定。但這種粗放的備貨模式通常又會造成大量的資金占用和庫存積壓,可如果盲目減少庫存,一旦進口件無法滿足生產(chǎn)需求導(dǎo)致生產(chǎn)停線,代價往往會更大。
庫存掩蓋的問題
于是,如何在及時響應(yīng)市場波動的基礎(chǔ)上,平衡進口件的庫存成本和空運成本,優(yōu)化進口件的安全庫存量,是目前很多國產(chǎn)化程度相對較低的車廠的重點研究議題。
傳統(tǒng)零售行業(yè)應(yīng)對庫存優(yōu)化所使用的策略通常為:以安全庫存計算方式——經(jīng)典SS(Safety Stock)公式為主,輔以簡單的經(jīng)驗法則。但汽車行業(yè)與零售業(yè)畢竟不同,汽車進口件采購運貨周期波動大,零配件特性積累會顯著影響需求量,經(jīng)典SS(Safety Stock)公式此時就無能為力了。
對汽車行業(yè)而言,最常用的進口件采購優(yōu)化方式通常為固定周期訂貨模式。這種訂貨方式要求確定一個比較恰當(dāng)?shù)膸齑骖~,庫存額包含采購提前期內(nèi)的正常消耗量和安全庫存量,這兩個量又分別取決于需求的預(yù)測值、采購的提前期和服務(wù)水平。具體方式主要體現(xiàn)為:在每個周期將要結(jié)束時,業(yè)務(wù)人員對存貨進行盤點,基于庫存額決定訂貨量。
基于汽車行業(yè)的特殊性,我們在經(jīng)典SS(Safety Stock)公式的基礎(chǔ)上,將進口件采購特性轉(zhuǎn)換為約束條件,引申出OPIO模型TM(Overseas Parts Inventory Optimization Model),有效地幫助了國內(nèi)主機廠解決進口件庫存優(yōu)化難題。
該模型將零部件周期性的訂貨量描述為一個由時間、零部件、運輸節(jié)點構(gòu)成的三維變量,以訂貨成本、運輸成本、庫存成本、缺貨懲罰成本等構(gòu)成的綜合成本值作為模型的目標(biāo)。約束條件則主要包括:
1、訂貨方式和訂貨策略
不同訂貨方式的需求特征不同。舉個例子,零件級別的訂貨方式認為每個零件都是特殊的,因此會以單個零件的實際庫存和質(zhì)量作為模型變量求解的依據(jù);一旦該零件發(fā)生非正常的消耗,會及時反應(yīng)到該零件的需求預(yù)測——即基于單個零件測算安全庫存策略。一般情況下,訂貨量總是要求訂滿某個固定值的整數(shù)倍,這也會作為模型的約束之一。
2、網(wǎng)絡(luò)結(jié)構(gòu)
供應(yīng)網(wǎng)絡(luò)的差異主要反映在倉庫或配送中心的數(shù)量和結(jié)構(gòu)上。若只存在一個中心倉庫,網(wǎng)絡(luò)結(jié)構(gòu)相對簡單,變量會從三維直接降到二維;但若存在多個配送中心,則除了優(yōu)化的對象變多外,每個對象的提前期也會自下而上形成影響,加大模型復(fù)雜度。
3、歷史需求
庫存的不確定性通常來源于提前期和需求的不確定,這兩類信息決定了庫存優(yōu)化模型的基調(diào)。在模型訓(xùn)練的過程中,歷史需求的數(shù)據(jù)量不斷累積,新鮮的“血液”也會不斷注入。
例如,在歷史需求里收集到新的零件報廢率特征后,系統(tǒng)會自動將其作為影響需求的因素之一,作用到模型的下次訓(xùn)練中?;谔崆捌诤蜌v史消耗情況,系統(tǒng)可以自動升級優(yōu)化,完善后期安全庫存策略輸出結(jié)果。
4、服務(wù)水平
服務(wù)水平的確定需要綜合多方面的因素,歷史的進口件生產(chǎn)需求滿足率以及完備率是核心因素。車廠是無法站在一個客觀的角度來判定滿足與否的——對車廠而言,只要生產(chǎn)還在繼續(xù),就不存在需求沒有被滿足的情況。但站在數(shù)據(jù)分析的角度,一旦出現(xiàn)臨時或高成本的非常規(guī)性補貨措施,例如空運補貨,便視為是一次需求未滿足的情況,其所對應(yīng)的是不同的服務(wù)水平。
OPIO模型
可見,為實現(xiàn)進口零配件優(yōu)化,需考慮多方面因素。OPIO模型的優(yōu)勢主要體現(xiàn)在:當(dāng)所有業(yè)務(wù)特征轉(zhuǎn)換為約束條件被納入模型后,系統(tǒng)可根據(jù)定期的數(shù)據(jù)輸入,為業(yè)務(wù)人員提供周期性的訂貨策略,有效地預(yù)測未來需求,降低物料風(fēng)險和成本,從根本上節(jié)省車廠的人力物力成本。
我們認為,隨著汽車行業(yè)步入數(shù)字化時代,車企在加快零部件國產(chǎn)化進程的同時,在算法的有力支持下,實現(xiàn)零部件供應(yīng)鏈的完善升級,完成從粗放的進口件訂貨和庫存模式的優(yōu)化轉(zhuǎn)型,是現(xiàn)時最好的可行方案。