测试供应链性能

Lokad 供应链性能测试


首页 » 资源 » 此处 作者:Joannes Vermorel,2017 年 1 月

供应链计划的 ROI 取决于软件技术的性能以及执行计划本身的人员的能力。然而,ROI 很大程度上也取决于当前的供应链性能;性能越差,改善空间越大。下面我们将提供一个只需几分钟即可完成的简单测试,以评估贵公司当前的供应链性能。尽管这项测试很简单,但我们的经验表明,这项测试能够提供比大部分深层次的供应链基准更准确的观点。

供应链性能 12 问

回答这 12 道问题比市场上提供的几乎所有基准和审计更能传达有关您供应链性能的信息。这项测试只需花费大约 5 分钟的时间。

  1. 能否在不使用 Excel 的情况下运作供应链?
  2. 是否认为 ABC 分析过时?
  3. 供应团队是否记录了所有相关数据?
  4. 是否记录了历史库存水平?
  5. 供应链团队是否监督数据质量?
  6. 是否预测交付周期?
  7. 是否阻止手工介入预测?
  8. 是否将 MOQ 等运营限制作为数据?
  9. 是否量化供应链失败的成本?
  10. 决策系统能否将无人照管状态保持一周?
  11. 能否在一个小时内重新计算所有决策?
  12. 所有决策是否针对彼此来确定优先级?

如果贵公司对其中至少 10 道问题的回答不是,那么供应链计划就有潜力实现相当大的 ROI。如果有 8 道问题的回答不是肯定的,那么预计 ROI 会非常大。如果贵公司肯定的回答不足 6 个,那么在我们看来供应链优化甚至还未开始。

1. 能否在不使用 Excel 的情况下运作供应链?

如果供应链团队使用 Excel 表来生成日常供应链决策 – 例如确定采购数量,那么其实可以视为是通过 Excel 来运作的。尽管偶尔使用 Excel 来浏览数据或调查过去几乎未关注的供应链问题相当合理,但在日常决策过程中纳入 Excel 是不合理的。如果公司想实现可靠的供应链流程,Excel 不是每天生成成千上万乃至数百万种决策的合适工具。如果供应链决策依赖于 Excel,这就意味着这些决策几乎未进行原本的优化。

2. 是否认为 ABC 分析过时?

ABC 分析可以归结为将贵公司所售的成千上万种产品按照其近期的销量来分成 3 到 5 类。但是,这些 ABC 类别未添加任何信息。相反,它们只是粗浅地反映历史需求,因为大部分原始信息丢失。ABC 分析及其所有变体代表了一种较薄弱的分析方法,这种方法试图通过非常粗糙的近似法来减轻供应链的复杂度。如果供应链决策依赖于涉及 ABC 类别的规则,那么这些决策可以通过消除 ABC 类别并引入对预期的未来需求粒度更高的响应来加以改进。

3. 供应团队是否记录了所有相关数据?

这道问题的重要部分在于由撰写文档。供应链数据(包括销售历史记录、采购历史记录、库存水平和产品类别)常常文档甚少乃至没有文档。然而,即便存在此类文档,也可能不是由供应链团队亲自撰写,而是由 IT 团队撰写。数据文档需要从供应链的角度撰写,否则势必会遗漏许多与公司供应链流程相关的细枝末节。缺乏数据文档会妨碍许多(即便不是大部分)修复长期、持续的供应链小问题的尝试。实际上,这些小问题通常与边缘案例有关,原本可以通过实施专门用于处理这些特殊案例的精准规则来妥善处理的。但是,由于缺乏供应链驱动的准确文档,公司往往在实施这些修复时以失败告终。

4. 是否记录了历史库存水平?

没有衡量就没有优化;衡量越精准,优化越容易。供应链需要留存许多历史数据集:销售历史记录、采购历史记录、库存周转历史记录等等。但太多时候,历史库存水平未妥善记录。尽管 ERP / MRP /WMS 供应商可能会辩解,认为这项数据会增加系统负担。但鉴于当今的数据存储能力,记录此类数据不再是难题。因此,如果您的供应链系统未记录历史库存水平,那么很有可能是没有制定应对机制来处理库存水平本身引入的偏差。

5. 供应链团队是否监督数据质量?

这道问题的重要部分仍在于由进行监督。供应链数据的质量是保持供应链顺利运作的一个关键要素。然而太多时候,供应链团队没有或几乎没有办法来监督其数据质量并在 KPI 开始偏离其原始路线时做出行动。价值取决于旁观者。监督供应链数据并主动解决逐渐出现的问题的任务不能托付给 IT 团队。这应当是供应链的主要职责之一。如果供应链不承担这一责任,许多小问题就会无从察觉,不可避免地转变为给公司带来成本高昂(虽然一般很分散)的错误。

6. 是否预测交付周期?

没有良好的交付周期预测,良好的需求预测就不值一文。实际上,要想在正确的时间购买或生产数量合适的产品,公司不仅需要正确预计未来需求,也要正确预计所涵盖的时间框架。与需求一样,交付周期也是不断变化的,它们表现出许多统计模式,例如季节性和不确定性。举个例子,在中国境内制造时,春节期间会增大交付周期。如不预测交付周期,供应链对变化的交付周期的反应欠佳,因为这些变化未在计划之内。交付周期的统计预测直面这一挑战,从而能够充分利用“先于”交付周期预测生成的需求预测。

7. 是否阻止手工介入预测?

如果统计预测有误,则应当修复基础统计模型。如果统计模型缺乏供应链从业者手中具备的某些关键数据,那么应当录入此数据以便系统使用此数据。如果统计模型无法利用这额外的信息,那么应当改变此模型以支持能够考虑这种额外信息的更出色模型。没有充分的理由容忍对预测乃至预测模型进行手工干预:不只是因为太浪费时间,也是因为会让供应链从业者分心,不会一开始就将注意力放到解决需要手工干预的基本问题上面。

8. 是否将 MOQ 等运营限制作为数据?

除了销售历史记录之类的交易数据,还有其他许多数据集对于制定供应链决策很重要,例如 MOQ(最小订单量)、运输成本、最大集装箱容量、供应商价格间断、商业限额、合同规定的罚款等等。假设供应链日常运作依赖于这些数据,那么这些数据就应当作为生产数据。然而太多时候,上述许多数据甚至未在生产 IT 系统中妥善跟踪。相反,这些数据一般保留在 Excel 表或 Access 数据库中,它们对于 IT 部门很大程度上是未知的。不将所有这些数据纳入核心 IT 系统通常意味着生产依赖于不可靠的数据源,例如 Excel 表或 Access 数据库。因此,供应链未经充分优化,不能最有效地应对上述限制类型。

9. 是否量化供应链失败的成本?

供应链常常未能实现目标:缺货一直在发生,积压库存也无时不有。毫无疑问,降低这种失败的频率和程度不仅合乎需要而且几乎总是可能的,但尽善尽美并非合理的目标。一定程度的供应链失败总是会发生的,因为追求完美(例如零失败)的代价远远高于失败本身。存货成本和缺货成本之间可以找到平衡。如果与供应链失败相关的经济成本未经量化,就无从知晓公司实际承担的风险是太低还是太高。实际上,这意味着公司未正确优化与供应链相关的风险。

10. 决策系统能否将无人照管状态保持一周?

任何大型的供应链每周都需要做出数百万种决策。尽管供应链团队可能会为 IT 系统提供支持,但前者不能对每个决策都进行合理地微观管理,原因很简单 – 这些决策太多了!因此,所有现代化的供应链都通过至少一定程度的自动化来运作,可能通过与最小/最大库存一样粗略原理进行。如果供应链决策系统不能保持无人看管状态一周,则意味着这些系统势必会产生有损贵公司的荒唐决策。实际上,它还意味着一直在做出“荒唐”决策,因为往往无人可以手动覆盖这些决策。因此,如果贵公司不相信自身的自动化能保持顺利运作一周,那么修复供应链自动化的“荒唐”部分的空间颇大。

11. 能否在一个小时内重新计算所有决策?

灵活性是供应链的根本。我们时刻需要了解商业环境变化和各种可能的情形。在改变核心假设(例如空运或海运商品)时,获得系统实时响应常常是没有意义的。但对于供应链模式而言,在一个小时内左右获得响应非常重要。供应链管理层应当能够在测试方法的同一天内获得反馈,至少从模拟角度而言要这样。由于模拟通常需要进行几次尝试才能“获得正确”的设置,除非所有模式都能在一小时内重新执行,否则就不能在当天获得这样的反馈。不能针对变化的假设重新生成所有供应链决策的公司也将无法探索他们所能利用的供应链选项。因此使得许多潜力未加以利用。

12. 所有决策是否针对彼此来确定优先级?

许多传统供应链系统强调筒仓:做出局部决策,未考虑大局。举个例子,如果仓库中某款产品的库存很少,那么最好确保将一些库存单位分配给最需要的门店。如果孤立地做出决策,那么一个门店可能会再订货大量该种产品,因而导致仓库缺货,而该门店在这个特定的时间点其实并不真正需要再订货这么多产品。孤立做出供应链决策的公司由于忘记了大部分供应链决策趋向于产生非局部的后果,因而在系统上未能取得更全局的观点。所以,除非您的供应链决策已有系统地根据彼此确定了优先级,否则确定此类优先级就能产生性能收益。