趙立馬 王立雯

摘?要：從供應(yīng)鏈的角度來看，庫存保有單位（stock keeping unit，SKU）用于計劃、制造、采購或分銷。隨著業(yè)務(wù)的全球化，企業(yè)不得不進(jìn)入多元化的市場，庫存保有單位的數(shù)量也難以避免地膨脹。從而，造成批量需求減少，管理的復(fù)雜度增加，經(jīng)濟規(guī)模效益受到損害。為了有效地控制庫存保有單位，一個系統(tǒng)的庫存管理和控制方法可以提高公司運營能力的靈活性和滿足客戶需求的效率。文章研究的A公司，由于其運營戰(zhàn)略的調(diào)整，如新舊產(chǎn)品迭代、目標(biāo)市場變化以及生產(chǎn)線的轉(zhuǎn)移等，使庫存保有單位的數(shù)量成倍增長，且增加了運營和庫存管理的復(fù)雜度。文章提出了一種基于需求分類矩陣和卡拉杰克組合矩陣分類技術(shù)的參數(shù)方法來識別需求模式和確定合適的庫存訂單策略，從而根據(jù)當(dāng)前的供應(yīng)基礎(chǔ)來設(shè)計理想的庫存水平。通過改變客戶服務(wù)水平和補貨提前期的參數(shù)來計算平均庫存，從而得出補貨提前期對庫存有更大影響的結(jié)論。

關(guān) 鍵 詞：庫存管理;需求分類;供應(yīng)分類

中圖分類號：F252.24?文獻(xiàn)標(biāo)識碼：A?文章編號：2096-7934（2020）09-0101-28

一、引言

（一）研究意義

一個典型的供應(yīng)鏈由供應(yīng)商、制造商和客戶組成。從供應(yīng)商那里購買原材料，在制造企業(yè)轉(zhuǎn)化為成品，通過配送中心和倉庫儲存，并將成品交付給客戶。庫存處于供應(yīng)鏈的任何地方，并被分為三種主要類型：原材料庫存、在制品庫存和成品庫存（Stevenson and Cao， 2007）。

在供應(yīng)鏈中持有庫存的原因有很多。關(guān)于驅(qū)動庫存決策的基本原則：庫存持有的目的是提供有競爭力的、可預(yù)測的和可靠的客戶服務(wù)（Gattorna， 1996）?？蛻舴?wù)可能會受到供應(yīng)、需求和流程的不確定性以及較長的交貨周期的影響。庫存可以用來緩沖這些問題。此外，庫存持有還可能是因為訂購政策、激勵措施和指標(biāo)、信息系統(tǒng)，以及其他原因。

Feigh（2011）認(rèn)為，供應(yīng)鏈中有效庫存管理的目標(biāo)是在合適的時間和地點保持適當(dāng)?shù)膸齑嫠?，以最小化總運營成本，同時滿足客戶服務(wù)需求。不同規(guī)模的組織可能有數(shù)以千計或更多的庫存。然而，現(xiàn)有的資源，包括資金、時間和勞動力，通常不足以管理這些庫存。控制庫存或給予適當(dāng)?shù)年P(guān)注并不容易，也不一定富有成效，優(yōu)化庫存最合適的方法是根據(jù)庫存的重要性來分配可用資源。為了有效地控制庫存保有單位（stock keeping unit，SKU），系統(tǒng)的庫存管理和控制方法可以提高公司生產(chǎn)能力的靈活性和滿足客戶需求的效率（Kabir and Hasin， 2011）。訂貨政策的制定仍然是供應(yīng)鏈設(shè)計中最重要的決策之一，其中，一些庫存策略的選擇是基于分類方案的。因此，本文旨在通過先進(jìn)的庫存分類參數(shù)方法來勾勒出期望的庫存水平。

（二）公司背景

本文所研究的A公司屬于倫敦證券交易所上市的技術(shù)公司的分公司。該公司主要為電梯行業(yè)提供廣泛的安全和通信產(chǎn)品，包括電梯光幕、緊急電話、連接解決方案、顯示器和物聯(lián)網(wǎng)解決方案。公司主要運營地點根據(jù)目標(biāo)市場劃分，總部設(shè)在英國，生產(chǎn)基地分別設(shè)在中國、捷克、西班牙和新加坡。該公司在全球14個地點設(shè)有銷售辦事處。對于中國工廠，其運營服務(wù)于中國國內(nèi)市場，并支持關(guān)聯(lián)公司之間的業(yè)務(wù)往來。

（三）研究問題

從2016財年到2018財年，該中國工廠有較好的財政收益，其銷售增長速度為14%。因此，運營的首要任務(wù)是確?？焖僭鲩L所需的充足供應(yīng)，并保持較高的客戶服務(wù)水平。但由于新安全標(biāo)準(zhǔn)EN81-28的出臺，在新舊產(chǎn)品交替的過程中，運營的復(fù)雜性大大提高。大量的產(chǎn)品變種和不準(zhǔn)確的需求預(yù)測使得工廠庫存在過去的兩年里以每年26%的速度持續(xù)增長。與此同時，中國工廠的ERP系統(tǒng)SKU數(shù)量已超過5600個，在兩年內(nèi)增長了15%。在產(chǎn)品轉(zhuǎn)移與轉(zhuǎn)型過程中，新產(chǎn)品的SKU有缺料現(xiàn)象; 與此同時，老產(chǎn)品的SKU存在呆滯物料。

在市場方面，作為電梯整梯廠關(guān)鍵零部件的原裝設(shè)備制造商（OEM）或解決方案提供商，中國工廠定位為光幕產(chǎn)品的二級供應(yīng)商和顯示產(chǎn)品的三級供應(yīng)商。最新的商業(yè)策略是改變行業(yè)產(chǎn)業(yè)鏈的位置，逐漸成為一級供應(yīng)商。所以目標(biāo)客戶將從電梯廠轉(zhuǎn)移到房地產(chǎn)業(yè)主、物業(yè)管理公司、建筑承包商等。因此，可以預(yù)期，客戶的需求將變得更加不可預(yù)測和高響應(yīng)。所以，新的業(yè)務(wù)戰(zhàn)略需要敏捷的運營和供應(yīng)鏈戰(zhàn)略。A公司的決定和行動之一是關(guān)閉新加坡的工廠，將新加坡的所有生產(chǎn)運營轉(zhuǎn)移到中國。與此同時，該產(chǎn)品的制造也將從馬來西亞的外包轉(zhuǎn)向中國的內(nèi)部制造。A公司運營的基本原則是哪里銷售哪里生產(chǎn)，這使產(chǎn)品盡可能地接近客戶，從而優(yōu)化成本和保持較高的客戶服務(wù)水平。但顯示產(chǎn)品將是一個例外， 新加坡將是全球顯示器業(yè)務(wù)研究與設(shè)計中心。除此之外，中國將轉(zhuǎn)型為制造中心，不僅滿足國內(nèi)需求，也將有能力服務(wù)全球的顯示器業(yè)務(wù)，從而進(jìn)一步提高運營的復(fù)雜性。

在A公司的庫存管理中，需求模式將是快速移動和緩慢移動的組合。由于缺乏訂單模式的可預(yù)測性或行業(yè)中對客戶的控制力，導(dǎo)致客戶訂單或合同項目的高度不確定性，需求預(yù)測的質(zhì)量將具有挑戰(zhàn)性。近年來，這種極不規(guī)律的需求已經(jīng)對A公司的庫存成本產(chǎn)生了負(fù)面影響，其中新加坡工廠的庫存周轉(zhuǎn)最小。此外，供應(yīng)管理也是至關(guān)重要的，因為供應(yīng)商和關(guān)聯(lián)公司提供不同的商品，并且分布在廣闊的地理區(qū)域。由于生產(chǎn)轉(zhuǎn)移，中國運營需要接管所有新加坡供應(yīng)商。這些都影響了對客戶需求的響應(yīng)，增加了庫存管理的復(fù)雜性。

因此，本文將考慮以下研究問題：

（1） 如何正確認(rèn)識和分析需求？

（2）如何確定一個合適的庫存訂單策略？

（3）如何整合需求預(yù)測和供應(yīng)管理，然后預(yù)測期望的庫存水平，以滿足公司的重點業(yè)務(wù)戰(zhàn)略？

（四）研究目標(biāo)

在需求模式跨度大、供應(yīng)基礎(chǔ)多樣化的情況下，本文的主要研究目標(biāo)是在現(xiàn)有供應(yīng)基礎(chǔ)上估算庫存水平，以保持較高的客戶服務(wù)水平。為了實現(xiàn)這些目標(biāo)，采取了雙管齊下的方法。一是，供應(yīng)鏈需要正確地認(rèn)識需求并確定合適的訂單策略。二是發(fā)展參數(shù)化的方法，以分析和設(shè)計庫存水平基于目前的供應(yīng)基礎(chǔ)的物料分類。為了實現(xiàn)這一點，將探索需求預(yù)測和庫存管理技術(shù)。預(yù)期庫存水平的初始結(jié)果將用于展示如何通過這種參數(shù)化方法有效地管理庫存。這種方法可以使公司經(jīng)理根據(jù)不同的參數(shù)制定采購策略，如交貨期、檢查周期和訂單政策，以實現(xiàn)供應(yīng)鏈效率和企業(yè)的財務(wù)利益優(yōu)化。

二、文獻(xiàn)綜述

研究者和實踐者指出，在庫存分類和訂貨策略的實踐和研究方面存在著差距。Wagner （2002）注意到逐漸增加的數(shù)學(xué)研究并沒有增強實踐。隨后，Cavalieri et al.?（2008）開發(fā)了一個決策框架，用于評估維護(hù)備件庫存管理問題。提出了零件編號編碼、零件特征分類、零件需求預(yù)測、庫存管理策略和策略測試驗證五步?jīng)Q策框架。Bacchetti and Saccani（2012）意識到在商業(yè)實踐中存在研究—實踐差距的問題及其原因。圖1所示為備品部件分類、需求預(yù)測、庫存管理和績效考核的物料管理集成方法框架。這是一個閉環(huán)的庫存分析和管理，所以本文的文獻(xiàn)綜述將遵循這個框架，并依次研究每個理論。

（一）物料分類

單一標(biāo)準(zhǔn)庫存分類（SCIC），即傳統(tǒng)的ABC分析是基于單一標(biāo)準(zhǔn)即年用量金額（ADU）將存貨分為三類。該方法假設(shè)20%的SKU占80%的年用量金額。A類是年用量金額最高的類別，需要引起更多的關(guān)注。它們約占總貨號的15%，但占年使用總金額的80%。B類相對不那么重要，占總數(shù)的30%，但占年用量金額的15%。相反，C類被認(rèn)為是最不重要的組成部分;按年用量金額計算，只占類別總數(shù)的約50%，但占年用量金額的5%。因此，公司可以保持較高的庫存水平的B類和C類，而不是A類，因為A類需要進(jìn)行高頻率的檢查。

由于單一標(biāo)準(zhǔn)ABC方法的局限性，許多其他維度被用于分類。在多準(zhǔn)則庫存分類中，考慮了產(chǎn)品成本、提前期、商品、報廢率、零件臨界性、訂單規(guī)模要求、年訂單數(shù)量、稀缺性、可維修性、耐久性、需求分布、庫存能力和缺貨懲罰等因素，將多準(zhǔn)則庫存分類設(shè)為一個或多個維度。Gajpal et al.（1994）提出了一種采用層次分析法（AHP）的多準(zhǔn)則決策工具。然而，該方法在兩兩比較SKU時需要主觀判斷。Cui and Luo（2004）采用加權(quán)線性優(yōu)化方法對庫存排序，引入了優(yōu)化模型及其擴展模型，如R-model （Ramanathan， 2006）、Ng-model（2007）、Hadi-model （Hadi-Vencheh， 2010）和ZF-model （Rezaei， 2010）。同時采用遺傳算法和人工神經(jīng)網(wǎng)絡(luò)等人工智能方法來解決MCIC問題。Guvenir and Erel（1998）使用了一種名為多標(biāo)準(zhǔn)庫存分類（GAMIC）的遺傳算法來學(xué)習(xí)權(quán)重標(biāo)準(zhǔn)以及AB類和BC類的截止值。Yu（2011）基于多重判別分析（MDA）的分類技術(shù)，對三種人工智能方法進(jìn)行了比較;對k近鄰（k-nearest neighbor， kNN）、反向傳播網(wǎng)絡(luò)（BPNs）和支持向量機（SVM）進(jìn)行了基準(zhǔn)測試。從分類結(jié)果來看，人工智能技術(shù)比MDA技術(shù)具有更好的準(zhǔn)確率，而支持向量機技術(shù)在每個基準(zhǔn)分類中都表現(xiàn)優(yōu)異。隨著數(shù)字化時代的到來，機器學(xué)習(xí)（ML）被應(yīng)用到工業(yè)4.0的供應(yīng)鏈和制造中。Kartal et al.（2016）開發(fā)了一種集成了機器學(xué)習(xí)算法的混合方法。利用貝葉斯網(wǎng)絡(luò)、神經(jīng)網(wǎng)絡(luò)和支持向量機等多準(zhǔn)則多屬性庫存分析決策技術(shù)，結(jié)合數(shù)據(jù)分析模型研究MCDM方法在ABC分析中的應(yīng)用。結(jié)果表明，支持向量機性能優(yōu)越，在不平衡數(shù)據(jù)和平衡數(shù)據(jù)下均無顯著變化。在Lolli et al.（2017）的相關(guān)文獻(xiàn)中，作者通過使用監(jiān)督分類器，如決策樹和隨機森林，逐步提供了一種詳盡的多標(biāo)準(zhǔn)庫存分類模擬方法。

針對定數(shù)分類存在的明顯缺點，提出了基于多目標(biāo)的最優(yōu)分類數(shù)組，優(yōu)化庫存策略。Ketkar and Vaidya（2014）提出了一種庫存控制方法，使用簡單的附加重量（SAW）將材料分類為多個組，傳遞與組織愿景和使命相關(guān)的各種重要部分。Lopez-Soto et al.（2017）提出了短語多分類多屬性的分類方法（Multi-class multi-attribute classification MCMAC），將MCIC問題看作是在一定情況下的MCMAC問題。Wang et al.（2019）在利用數(shù)據(jù)挖掘技術(shù)開發(fā)一種新的多屬性庫存分類方法的同時，研究了SKU的多屬性。該方法將分類組與需求和性能屬性相結(jié)合，以支持和改進(jìn)自主庫存計劃，特別是在數(shù)字化供應(yīng)鏈中。

研究問題表明，需求波動和供應(yīng)基礎(chǔ)的多樣性具有挑戰(zhàn)性，采用少數(shù)標(biāo)準(zhǔn)或少數(shù)類別組將過于絕對化和單一性。本文將采用多類多屬性分類方法。

（二）需求預(yù)測

備件需求模式的認(rèn)識和研究已有多年。間歇需求的模式是由Williams（1984）提出的。后來，間歇需求模式被描述為零星需求，有完全沒有需求的時期。此外，非零需求不能保持恒定，是可變波動（Syntetos and Boylan， 2006）。Teunter et al.（2011）發(fā)現(xiàn)，在供應(yīng)鏈的任何層次上，任何組織提供的產(chǎn)品范圍內(nèi)都可能存在間歇性的需求項目。研究表明，大約60%的庫存價值可能是由間歇項目組成的，特別是在軍工、汽車、航空航天和IT行業(yè)。其主要特點之一是庫存報廢風(fēng)險高。對于A公司來說，目標(biāo)客戶發(fā)生了變化，銷售模式將轉(zhuǎn)向合同銷售或項目銷售，即從大批量少型號向小批量多型號的轉(zhuǎn)變，導(dǎo)致需求無法累加，更加地時斷時續(xù)。

對于具有零需求期的間歇需求，傳統(tǒng)的簡單移動平均法或簡單指數(shù)平滑法都不適合采用。其原因是這些方法忽略了需求規(guī)模和需求區(qū)間這兩個要素，這是建立間歇需求模式的事實。需求模式可以用變異系數(shù)平方（CV2）和平均需求間區(qū)間（ADI）的值來表征。在Ghobbar and Friend（2003）以及Syntetos?et al.（2005）的論文中，需求分類矩陣描述如下：平滑需求是指在一個有規(guī)律的需求周期內(nèi)，需求量變化較小。間歇需求是指在單一需求數(shù)量上沒有顯著的變異性，而是相當(dāng)分散的需求時期。不穩(wěn)定的需求模式是一種數(shù)量變化大，但需求周期不變的現(xiàn)象。如果在數(shù)量上有很大的變化，而在零需求時期大量出現(xiàn)，則是波動需求。

此外，對每個象限提出了合適的預(yù)測方法。對于平滑類需求，Croston（1977） 提出了用SES更新平均需求規(guī)模和區(qū)間估計的克羅斯頓法（Croston method）。對于其他類別，則建議使用Syntetos-Boylan法，近似（SBA）使用乘數(shù)（1- α）調(diào)整克羅斯頓法的偏差（Boylan et al.2008）。

參數(shù)預(yù)測方法需要一個需求分布假設(shè)。Silver et al.（2016）討論了庫存管理關(guān)于預(yù)測需求分布擬合的方法是正態(tài)分布或泊松分布。Nenes?et al.（2010）通過檢驗擬合優(yōu)度，采用了Gamma（快速移動）和Poisson（緩慢移動）分布。

Syntetos et al.（2011）通過分析分布形態(tài)的良好擬合性，試圖將需求分布假設(shè)與需求分類方案聯(lián)系起來。其中一項研究發(fā)現(xiàn)，存貨績效并不包括符合良好的需求分配假設(shè)所表現(xiàn)出來的優(yōu)于需求分配假設(shè)。Rego and Mesquita（2015）討論了提前期需求分布，并利用了Gamma分布，因為其分布形狀覆蓋范圍廣。Turrini and Meissner（2019）觀察到Gamma分布在提前期需求上有良好的表現(xiàn)，而且，使用分類方案擬配發(fā)現(xiàn)庫存表現(xiàn)較差。

（三）庫存管理

不同種類的物料應(yīng)適當(dāng)?shù)胤峙涞讲煌膸齑婵刂撇呗灾?。Adrodegari?et al.（2014）總結(jié)了庫存政策的傳統(tǒng)建模方法。連續(xù)檢查策略更多地被采用，大約占31%，例如一對一補貨的 （S-1，S）庫存訂貨策略; 19%的固定再訂貨點的 （s，S）訂貨策略; 14%的固定再訂貨點和固定訂貨數(shù)量策略（S，Q）。另外8%的情況是使用固定檢查間隔 （R，S）的定期檢查策略。采用統(tǒng)一的存貨計算方法，可以提高方法的客觀性和可控性。但在實踐中，一個企業(yè)組織的庫存政策往往會隨著供應(yīng)商的特點而變化，因此有必要加強對供應(yīng)商的管理，如尋源策略和采購實踐。因此，本文對庫存和供應(yīng)商管理做了更多的文獻(xiàn)綜述。

Caniels and Gelderman（2005）的論文中，對于全球?qū)用娴墓?yīng)鏈管理，供應(yīng)商的地理距離不僅是管理復(fù)雜性的挑戰(zhàn)，而且由于提前期變長，不確定性增加，庫存水平更高。為了激勵下游的供應(yīng)鏈，以定期訂單間隔向上游下大量訂單。同時，Mehdizadeh（2020）討論的供應(yīng)鏈協(xié)作管理的另一種類型，考慮到規(guī)模經(jīng)濟的概念，采用大批量采購來減少訂單數(shù)量，從而導(dǎo)致攤銷訂貨成本。Golini and Kalchschmidt（2011）研究了全球供應(yīng)鏈管理對庫存水平的影響。他們發(fā)現(xiàn)，庫存水平與供應(yīng)鏈管理戰(zhàn)略和全球采購之間存在正相關(guān)關(guān)系。

Kraljic（1983）提出了一個全面的戰(zhàn)略采購方案，推進(jìn)了采購實踐，使采購和采購方法從逐個案例發(fā)展為戰(zhàn)略計劃和動態(tài)方法。根據(jù)卡拉杰克矩陣（Kraljic matrix），供應(yīng)商或者物料可以分為普通、瓶頸、戰(zhàn)略和杠桿四個象限，這兩個維度是戰(zhàn)略重要性和供應(yīng)風(fēng)險（Schiele， 2019）。Gelderman and Van?Weele（2003）提出了矩陣的維度，并將其修改為利潤影響和供應(yīng)風(fēng)險。

普通物料是可由多渠道提供的標(biāo)準(zhǔn)化產(chǎn)品。他們的特點是附加值小，對產(chǎn)品或經(jīng)營的關(guān)注少，因為質(zhì)量在一定水平，供應(yīng)商切換成本通常很低。挑戰(zhàn)在于與運輸、運輸和接收相關(guān)的費用不僅僅是物品本身。采購部門的目標(biāo)應(yīng)該是減少投入且集中管理資源，使采購交易成本最小化，提高效率。

杠桿物料比普通物品產(chǎn)生更多的附加值。它們處于高價值低供應(yīng)風(fēng)險的位置。一般買家更傾向于短期合同，以便采取主動尋找低價解決方案。通過大量購買、積極采購和轉(zhuǎn)向低價供應(yīng)商，這些商品得到了充分利用。主要目標(biāo)是降低采購總成本，特別是直接材料成本。

戰(zhàn)略物料往往具有高供應(yīng)風(fēng)險和高利潤影響。該象限中的產(chǎn)品為最終產(chǎn)品增加了競爭優(yōu)勢價值。因此，與供應(yīng)商建立長期的合作和發(fā)展關(guān)系是必要的。也就是說，要與目標(biāo)供應(yīng)商建立戰(zhàn)略聯(lián)盟或縱向合作關(guān)系。

此外，由于涉及高風(fēng)險，瓶頸中的物料并沒有較高的價值。這些物品只從一個供應(yīng)商處獲得，或者，這些物品的交付是不穩(wěn)定的，或?qū)ω攧?wù)結(jié)果的影響相對較小。產(chǎn)品規(guī)格可以通過內(nèi)部創(chuàng)新活動重新設(shè)計。通過重新設(shè)計研發(fā)，將材料從瓶頸物料轉(zhuǎn)變成普通或杠桿物料。

Looman et al.（2002）討論了訂貨和庫存管理方法，它被定義為對已購物品發(fā)出補貨訂單的一種特殊的組合方法。供應(yīng)商根據(jù)卡拉杰克矩陣確定訂單數(shù)量和產(chǎn)品及時交貨。Vinish and Velmurugan（2014）利用卡拉杰克組合模型優(yōu)化庫存，實現(xiàn)庫存成本降低10%。Zhang et al.（2019）利用相似矩陣作為卡拉杰克組合模型，建立了基于策略與物品分類匹配的庫存管理模型。

（四）績效評估

庫存管理績效的評估已從業(yè)務(wù)層面廣泛引入到財務(wù)層面，如需求預(yù)測準(zhǔn)確性、服務(wù)水平、庫存波動、付款周期、投資回報和物流效率等。庫存管理者總是試圖最小化總庫存成本，同時最大化客戶服務(wù)水平（Silver et al.， 2016）。客戶服務(wù)水平和庫存成本標(biāo)準(zhǔn)被Syntetos and Boylan（2006）用來評估間歇性需求庫存績效。Teunter et al.（2010）考慮了一種使總成本最小化的多項目庫存系統(tǒng)，該總成本包括安全庫存和周期庫存的庫存持有成本和短缺成本，且每個SKU的周期服務(wù)水平大致遵循報童最優(yōu)狀態(tài)。

（五）小結(jié)

上述研究涵蓋了物料分類、需求預(yù)測和庫存管理等各個領(lǐng)域，為處理不同需求和供應(yīng)模式的物料提供了前沿的概念和實踐。目前對物料分類的研究主要集中在需求分析和分類算法上，而對供應(yīng)管理方面的研究較少。本文將制定一個框架，把需求分析與供應(yīng)管理，特別是采購策略聯(lián)系起來。

在需求預(yù)測方面，采用Syntetos-Boylan近似法，通過對需求模式特征（CV 2和ADI）進(jìn)行分類來確定需求規(guī)模和需求區(qū)間。

在庫存管理方面，雖然供應(yīng)策略對庫存水平有顯著影響，但缺乏基于供應(yīng)管理的庫存政策制定。因此，利用卡拉杰克矩陣提出庫存策略，確定補貨提前期。這種方法可實現(xiàn)對采購策略和庫存持續(xù)改進(jìn)進(jìn)行閉環(huán)管理。

本文的目的是在現(xiàn)有的供應(yīng)基礎(chǔ)上，利用參數(shù)化方法分析和設(shè)計庫存水平，并建立一個框架，通過分類建立需求預(yù)測和供應(yīng)商管理之間的橋梁，以及通過平均庫存金額來評估庫存績效。

三、方法

在本文中，為了配合A公司業(yè)務(wù)戰(zhàn)略轉(zhuǎn)型和經(jīng)營轉(zhuǎn)移，將通過需求分類、供應(yīng)分類、供求分類和平均庫存計算，系統(tǒng)地分析和設(shè)計庫存水平。該方法的框架如圖2所示。

（一）需求分類

SKU需求模式差異化大，對需求的識別和預(yù)測提出了挑戰(zhàn)。使用Syntetos-Boylan近似法根據(jù)需求模式對SKU進(jìn)行分類，推導(dǎo)出新的需求大小和需求分布。

步驟1：分析SKU特性。

對于每個具有已知歷史使用記錄的SKU，應(yīng)該對其材料進(jìn)行審查并識別需求行為，需求行為從不移動到快速移動都是不同的。本文通過SKU類型、年使用金額、SKU數(shù)量的材料分類分析以及主要產(chǎn)品族的需求模式來認(rèn)識需求。

步驟2：用Syntetos-Boylan近似法對需求進(jìn)行二維分類，需求大小和需求區(qū)間。

根據(jù)Boylan and Syntetos（2008）提出的研究間歇需求通過平均需求區(qū)間（ADI）和變異系數(shù)平方（CV2）兩種標(biāo)準(zhǔn)，對SKUs需求模式進(jìn)行分類。平均需求區(qū)間定義為兩個連續(xù)需求之間的平均時段數(shù)。同時平方變異系數(shù)表示需求標(biāo)準(zhǔn)差除以一段時間內(nèi)的平均需求（Kocer and Tamer， 2011）。

當(dāng)需求模式產(chǎn)生時，對需求規(guī)模和頻率之間的關(guān)系進(jìn)行了具體的評估。這四類是根據(jù)Ghobbar and Friend（2002）討論的ADI（1.32）和CV2（0.49） 的標(biāo)準(zhǔn)闕值進(jìn)行分類的。

平滑需求（ADI<1.32 且 CV2<0.49）：指數(shù)量變化有限的時期內(nèi)的常規(guī)需求。

間歇性需求（ADI≥1.32 且 CV2<0.49）：需求極具偶發(fā)性，需求量波動不大，但連續(xù)兩個需求周期間的變化幅度較大。

不穩(wěn)定需求（ADI<1.32 且 CV2≥0.49）：周期性需求產(chǎn)生于需求量變化較大的時期。

波動型需求（ADI≥1.32 且CV2≥0.49）：需求形態(tài)在數(shù)量和周期上均存在較大變化。

步驟3：推斷新的需求規(guī)模。

為了減少零需求期的影響，需要根據(jù)需求分類結(jié)果采用具體的需求預(yù)測方法。如前文文獻(xiàn)綜述中所述，平滑需求采用克羅斯頓法，間歇、波動和不穩(wěn)定的休息類采用Syntetos-Boylan近似法（SBA）。

克羅斯頓法為：

因此，可以得到需求分類矩陣的四個象限以及其預(yù)測方法，如表1所示。

（二）供應(yīng)分類

Baier et al.?（2008）提出，采購戰(zhàn)略對企業(yè)層面的業(yè)務(wù)戰(zhàn)略（戰(zhàn)略聯(lián)合）和采購能力（采購效率）的一致性有重要影響。采購與供應(yīng)管理是實現(xiàn)財務(wù)成功的有效途徑，因此，有效的采購與供應(yīng)管理需要制定相應(yīng)的戰(zhàn)略，以適應(yīng)當(dāng)前的環(huán)境。為了實現(xiàn)這一目標(biāo)，有必要對供應(yīng)商策略進(jìn)行分類?？ɡ芸碎_發(fā)了一個確定采購策略的概念模型，并被Caniel and Gelderman（2007）廣泛接受，采用程度也在不斷提高。

步驟1：設(shè)計卡拉杰克組合矩陣（KPM）。

卡拉杰克組合矩陣可以快速了解買賣雙方關(guān)系之間的差異，并分配適合的庫存政策給關(guān)鍵的供應(yīng)商，以響應(yīng)公司的需求，從而滿足公司業(yè)務(wù)戰(zhàn)略的變化。維度、標(biāo)準(zhǔn)和測量方法的選擇在這一步進(jìn)行分析和選擇。

卡拉杰克組合矩陣中的供應(yīng)商映射取決于利潤影響和供應(yīng)風(fēng)險的各種標(biāo)準(zhǔn)。Pieters et al.（2005）表示在一個組織中采購戰(zhàn)略的重要性在于發(fā)現(xiàn)由于采購活動的增值，采購對盈利的影響。供應(yīng)風(fēng)險有市場復(fù)雜性、供應(yīng)市場的稀缺性、技術(shù)創(chuàng)新的變化速度、新供應(yīng)商進(jìn)入的障礙、物流成本等。利潤影響和供應(yīng)風(fēng)險的標(biāo)準(zhǔn)很多，很難用單一的和定量的方法來定義。本文分類標(biāo)準(zhǔn)如表2所示。

利潤影響維度選擇了三個標(biāo)準(zhǔn)，定義如下：

（1）物料類別（即電氣元件、電纜、型材等）的占比定義為：

物料類別的百分比= i種物料類別的采購金額公司總采購金額×100%

（2）質(zhì)量的一致性：每個供應(yīng)商的分?jǐn)?shù)來自供應(yīng)商質(zhì)量績效報告。

（3）供應(yīng)商采購金額占比定義為：

第j個供應(yīng)商的百分比 = 第j個供應(yīng)商的采購金額公司總采購金額×100%

供應(yīng)風(fēng)險維度選取了12個標(biāo)準(zhǔn)，定義如下：

（1）可用性/稀缺性是指在現(xiàn)貨市場上很容易買到的標(biāo)準(zhǔn)產(chǎn)品，或者是高附加值的產(chǎn)品，甚至是定制產(chǎn)品。

（2）供應(yīng)商數(shù)量意味著公司議價能力，表現(xiàn)為公司購買金額占供應(yīng)商總銷售額的百分比。

第j個供應(yīng)商的議價能力 = 第j個供應(yīng)商的采購金額第j個供應(yīng)商的總銷售×100%

（3）供應(yīng)商相關(guān)性有兩個因素組成：

第j個供應(yīng)商在第i個物料分類的百分比=?第j個供應(yīng)商的采購金額第i個物料類別的采購金額×100%

（4）靈活性（對變化的響應(yīng)）。通常，生產(chǎn)能力表明供應(yīng)商有能力處理緊急訂單或需求浮動。供應(yīng)商規(guī)模越大，其生產(chǎn)高產(chǎn)量的能力就越高。

（5）交付績效。在供應(yīng)商績效報告中，每個供應(yīng)商的得分代表其準(zhǔn)時交貨水平。

準(zhǔn)時交付率 = 第j個供應(yīng)商的完美訂單行數(shù)第j個供應(yīng)商的總訂單行數(shù)×100%

（6）關(guān)稅或海關(guān)規(guī)定。隨著全球采購的發(fā)展，國際貿(mào)易的報關(guān)和關(guān)稅管理變得復(fù)雜并影響到總成本。

（7）溝通的便捷性。語言障礙或文化差異會誤導(dǎo)和降低生產(chǎn)力。供應(yīng)商與公司之間的良好溝通將建立成功的合作關(guān)系。

（8）財務(wù)狀況。使用付款條件來評估供應(yīng)商的財務(wù)狀況，以防預(yù)付款存在風(fēng)險。

（9）地理位置或物流成本表明供應(yīng)商距離，因此使用運輸術(shù)語來評估國際貿(mào)易術(shù)語的物流成本。

（10）提前期是從下訂單到收到訂單的整個周期時間，包括訂單處理時間、生產(chǎn)時間和運輸時間。

（11）管理的SKU數(shù)量。管理大量SKU的供應(yīng)商對采購訂單管理的影響更大。

（12）技術(shù)能力。供應(yīng)商能夠?qū)?chuàng)新需求做出快速反應(yīng)，減少了產(chǎn)品報廢損失，降低了庫存數(shù)量的保持成本。

除了定量的標(biāo)準(zhǔn)外，其他標(biāo)準(zhǔn)均為定性的，需要由專家（即本次研究中的材料經(jīng)理或采購經(jīng)理）根據(jù)他們的經(jīng)驗主觀評估。表3列出了評估標(biāo)準(zhǔn)的量表。

步驟2：根據(jù)利潤影響和供應(yīng)風(fēng)險對供應(yīng)商進(jìn)行分類。

卡拉杰克組合矩陣是區(qū)分供應(yīng)商位置的一種有效工具，但矩陣的維數(shù)高度抽象和概括，沒有一種系統(tǒng)的方法來協(xié)調(diào)有效地度量矩陣的維度，這使得矩陣的定性具有主觀性和應(yīng)用局限性。對于多準(zhǔn)則決策（MCDM），Hwang and Yoon（1981）表明逼近理想解排序法（TOPSIS）被廣泛采用以解決所提出的問題。此外，Rodrigues et al.（2014）對逼近理想解排序法和層次分析法兩種技術(shù)方法進(jìn)行了比較評價。結(jié)果表明，逼近理想解排序法在方案變更的充分性、決策過程的準(zhǔn)確性和可操作性以及準(zhǔn)則和備選供應(yīng)商的數(shù)量限制方面都有較好的效果。更重要的是，逼近理想解排序法顯示了一個非常一致的結(jié)果。本文采用逼近理想解排序法作為卡拉杰克組合矩陣的分析方法來確定供應(yīng)商的位置。

步驟3：將庫存策略映射到每個類。

不同的物料需要不同的庫存管理策略，本文通過卡拉杰克組合矩陣的特性來建立適當(dāng)?shù)膸齑娌呗裕绫?所示。

1.普通物料供應(yīng)商：（s，Q）庫存政策

一般型物料供應(yīng)商提供低成本、更通用的材料，并擁有平衡的買賣雙方的力量。采購策略注重采購管理，提高效率，可以將庫存水平設(shè)置高一點，提高采購效率。因此，（s，Q）即兩箱策略是適合采用的。在庫存模型中，需要設(shè)置三個參數(shù)，即庫存檢查周期R，再次訂貨點s，訂單數(shù)量Q。

（1）訂單周期時間 T

在實際操作中，庫存是逐步消耗的，對庫存進(jìn)行連續(xù)核查是不可行的，尤其是對來自不同供應(yīng)商的物料庫存。因此，有必要確定庫存檢查周期R，它與生產(chǎn)計劃保持一致，并與物料需求計劃保持一致。

（2）再次訂購點 s

在這個兩箱模型中，當(dāng)在手庫存等于或小于訂貨點s， 材料采購需求將被觸發(fā)， 所以庫存訂貨點應(yīng)該滿足兩個需求：一個是平均需求提前期，另一個是基于確?？蛻舴?wù)水平的安全庫存。

（3）訂貨數(shù)量 Q

普通供應(yīng)商的目標(biāo)之一是提高采購效率，因此將訂單數(shù)量簡單定義為訂單周期內(nèi)的平均需求。

2.瓶頸供應(yīng)商： （s， S）庫存政策

瓶頸供應(yīng)商由于風(fēng)險高，利潤低，有復(fù)雜性高，專業(yè)性強的特點。供應(yīng)鏈人員必須充分了解導(dǎo)致瓶頸材料的庫存狀況。此外，它們必須制定優(yōu)先考慮安全庫存的政策，同時執(zhí)行高安全庫存戰(zhàn)略;因此，（s， S）策略通常被稱為最小—最大方法，因為庫存水平分別在最小和最大的位置，s和S之間變化。

（1）訂單周期T

與（s，Q）庫存策略相似，（s， S）也為連續(xù)檢查模型，因此庫存檢查周期為0，但實際上，訂單周期T由庫存檢查周期R和每個SKU相關(guān)的提前期L組成。

（2）再次訂購點 s

再次訂貨點設(shè)置與（s，Q）政策相同，當(dāng)庫存下降到再訂貨點s或更低時進(jìn)行補貨。

（3）最大庫存水平 S

在最大庫存水平方案下使用可變數(shù)量補貨，與（s， Q）的情況不同，該策略使庫存位置將被提高到一個預(yù)定的水平Q。然而，當(dāng)實際需求和預(yù)測需求一致時，這兩種政策是相似的。這種結(jié)果的無差異是由于策略要求在庫存水平為s時產(chǎn)生重新訂貨，即：S=s+Q。

（4）訂單數(shù)量 Q

實際上，物料消耗很少與預(yù)測一致，這使得補貨數(shù)量變得不可確定。庫存策略是訂貨到S，所以補充數(shù)量Q等于最大庫存水平減去即時庫存。表示法和方程如下。

3.戰(zhàn)略供應(yīng)商：（R，S）庫存政策

戰(zhàn)略性供應(yīng)商提供成本高、專業(yè)性強、高附加值的材料，而且供應(yīng)商具有更強的議價能力和影響力。采購策略以供應(yīng)管理為主，與供應(yīng)商建立良好的合作關(guān)系，盡量保持低庫存水平。因此，可以采用庫存策略（R，S），在（R，S）庫存策略中檢查訂單周期R，設(shè)定最大庫存水平S;有三個參數(shù)需要確定：訂單周期T，最大庫存水平S和訂單數(shù)量Q。

（1）訂單周期T

訂單周期T是一個固定的周期時間，由庫存檢查間隔時間R和與戰(zhàn)略供應(yīng)商約定的補貨提前期L決定。

（2）最大庫存水平 S

S應(yīng)滿足訂單周期t的需求，同時考慮安全庫存，防止需求的不確定性。

（3）訂單數(shù)量 Q

庫存策略是訂貨數(shù)量到最大值S，所以訂單數(shù)量Q等于最大庫存水平減去即時庫存。表示法和方程式如下：

4.杠桿供應(yīng)商（R，s， S）庫存政策

杠桿供應(yīng)商提供成本高、通用性強的材料，具有較高的議價能力。采購策略以物料管理和多渠道化為主，將庫存水平控制在一定水平。因此（R，s， S）策略更適合被采用。（R，s， S）策略是結(jié)合（s， S）和（R，S）策略的綜合策略，比固定訂單檢查周期（R，S）策略和固定訂單數(shù)量（s， S）策略更加靈活。根據(jù)該策略，對庫存進(jìn)行定期檢查，每個SKU采用獨立和定期（s， S）政策。

（1）訂單周期T

與（R，S）政策相似，訂單周期T是固定的，由庫存檢查間隔時間R和與戰(zhàn)略供應(yīng)商協(xié)商的補貨提前期L決定。

（2）最大庫存水平 S

最大庫存水平S應(yīng)滿足訂單周期T的需求。同時，為了防止需求的不確定性，必須考慮安全庫存。

（3）再次訂購點 s

與持續(xù)檢查的政策不同，再次訂貨點要求在相應(yīng)的時間內(nèi)從庫存中滿足需求;因此，再訂貨點與兩個周期一致：庫存再次訂貨周期和交貨期再訂貨周期。在這個方案下，庫存位置在R單位時間間隔檢查，如果庫存水平在或低于再訂貨點s，則采購請求會被激活。同樣地，如果庫存水平高于再訂貨點，則在下一個審查期間之前不會激活訂單。

（4）訂單數(shù)量 Q

一旦訂單被觸發(fā)，訂購的數(shù)量就足以將其提高到S，因此訂單數(shù)量Q等于最大庫存水平減去即時庫存。表示法和方程式如下：

因此，利用卡拉杰克矩陣組合推導(dǎo)出供應(yīng)分類矩陣，并推導(dǎo)出各類別的庫存政策，具體如表5所示。

（三）需求供應(yīng)分類矩陣

在平均庫存成本的公式中，另一個參數(shù)訂貨周期需要明確。訂單周期包括各供應(yīng)商的檢查間隔時間和每個物料的補貨提前期。在分別分析了需求矩陣和供給矩陣后，將需求矩陣和供給矩陣合并為需求—供給矩陣，研究需求變化、需求區(qū)間、利潤影響和供給風(fēng)險四個維度下的訂單周期。從庫存價值的角度來看，需求變化和利潤影響更值得關(guān)注。因此，表6所示的需求—供應(yīng)分類矩陣，將會根據(jù)實際需要，用于評估訂單周期。

（四）庫存計算

根據(jù)前文對四組庫存策略的分析，安全庫存、周期庫存和平均庫存如表7所示。在連續(xù)檢查庫存策略中，如果整體需求庫存是在同一水平下，則保持相同數(shù)量的補貨訂單，對應(yīng)庫存水平都是相等的，所以連續(xù)檢查庫存的兩個策略是完全一致的。 即，當(dāng)庫存水平在s時，這兩個策略設(shè)置相同的庫存計算方法。在定期檢查庫存策略中，（R，s，S） 策略是（R，S） 策略的擴展，因此其庫存計算采用（R，S）策略。

此外，如果滿足表8中所示的轉(zhuǎn)換，（s，Q）策略可以等同于（R，S）。

因此，可以得到統(tǒng)一的庫存計算，四組庫存策略如表9所示。

平均庫存成本由全年周期庫存和安全總庫存組成。年度總周期庫存（TACS）和總安全庫存（TSS）的定義如下：

（五）數(shù)據(jù)收集

來自A 公司的數(shù)據(jù)集包括物料主數(shù)據(jù)和2018年1月至2019年12月財政年度的月度歷史使用量。主數(shù)據(jù)包括SKU編號、物料類別、庫存類型、產(chǎn)品族、庫存成本、交貨期和材料狀態(tài)。在歷史使用數(shù)據(jù)中，它包含了每個SKU的實際每月使用情況，這些用量由已完成的工作訂單和已發(fā)貨的銷售訂單生成。根據(jù)歷史使用數(shù)據(jù)計算SKU的年使用量和標(biāo)準(zhǔn)差。A公司不僅從原始設(shè)備制造商處購買制造的原材料，還從關(guān)聯(lián)公司那里購買用于高端市場的半成品。本次研究將重點關(guān)注采購SKU的原材料、半成品和成品，所以購買SKU的總數(shù)是6959。

四、實例分析

（一）需求分類

1.?需求分類中的SKU特征

購買零件包含了一個復(fù)雜生產(chǎn)過程中的幾乎所有部件，因此購買零件的種類和數(shù)量非常重要。如表10所示，采購的零部件范圍很廣，從電氣供應(yīng)商到機械供應(yīng)商。重點公司根據(jù)指定的商品類別，將相近的采購物料按照主觀技術(shù)人員對物質(zhì)商品定義的解釋歸類。

采購物料的需求模式各不相同，從無需求到快速移動。即使在物料類別中的采購材料，需求模式也可能是不同的。圖3-圖5顯示了關(guān)聯(lián)公司、顯示器和電子元件商品的一系列需求模式。

對于圖3中的關(guān)聯(lián)公司的產(chǎn)品線，63%的庫存SKU在前兩年內(nèi)沒有消耗，而用量較快的關(guān)聯(lián)公司產(chǎn)品每周或每兩周消耗1000件。

對于圖4中的顯示器產(chǎn)品，庫存SKU中有87%左右在兩年內(nèi)沒有需求。此外，有需求的周數(shù)更集中在0～5和10～30兩個范圍，這表明顯示需求模式更不規(guī)則或零星，因為訂單跟隨項目承包商。

對于圖5中的光幕產(chǎn)品，無需求SKU仍在60%以上，但可以看到，較活躍的SKU幾乎每周都消耗。為了最大限度地提高生產(chǎn)能力效率，PCBA的設(shè)計具有較強的通用性，從而減少換線時間，對電氣元件SKU的需求也進(jìn)行了聚合。

大部分SKU并非每周都被消耗，在三種商品中看到的緩慢和間歇性的行為是整個物料需求模式的代表。

2.需求分類矩陣

在傳統(tǒng)的方法中，慢動和間歇的需求可以用時間間隔和數(shù)量變化來表征。在中國工廠，62%的采購零件在前兩年沒有需求，15%的采購零件只有一次需求。剩余的SKU需求模式可以根據(jù)Boylan and Syntetos（2008）提出的研究間歇需求通過平均需求區(qū)間（ADI）和變異系數(shù)平方（CV2）兩種標(biāo)準(zhǔn)進(jìn)行分類。

圖6為A公司的采購物料需求模式。9%的SKU被歸類為波動型，5%的SKU被歸類為平滑型，這表明了公司在商業(yè)策略的需求模式方面所面臨的復(fù)雜性。

3.需求大小

如前文文獻(xiàn)綜述中所述，平滑需求采用克羅斯頓法，間歇、波動和不穩(wěn)定類采用Syntetos-Boylan近似法（SBA）。

通過α=0.2的簡單指數(shù)平滑法和過去12個月的數(shù)據(jù)資料來計算新需求的預(yù)測值，同時排除了所有無需求或單一事件需求的SKU。表11給出了各需求分類類別的典型樣本和基于需求分類矩陣的預(yù)計需求。由表11可知，傳統(tǒng)的預(yù)測涉及零需求期，導(dǎo)致需求被低估，與實際使用相較有滯后性。本研究將使用預(yù)測的需求來計算庫存量。

4.需求分布假設(shè)

在庫存計算應(yīng)用中，一般采用90%～95%的客戶服務(wù)水平來計算預(yù)測需求分布，為了成功實現(xiàn)庫存管理系統(tǒng)，其中關(guān)鍵部分是選擇合適的擬合分布模型。因此，本文將采用基于經(jīng)典庫存模型的正態(tài)分布。

（二）供應(yīng)分類

1.?卡拉杰克組合矩陣

在26種不同物料類別中，A公司有122家供應(yīng)商。根據(jù)帕累托原則，矩陣的標(biāo)準(zhǔn)由46家公司年度采購支出為99%的供應(yīng)商進(jìn)行評估，同時公司間交易被視為庫存移動，因此不列入清單以減少分析干擾。

圖7為卡拉杰克組合矩陣中供應(yīng)商定位的TOPSIS結(jié)果，供應(yīng)商占公司購買金額的99%。供應(yīng)商被分為四個象限：20%的瓶頸供應(yīng)商，22%的杠桿供應(yīng)商，28%的普通供應(yīng)商和30%的戰(zhàn)略供應(yīng)商。

2.卡拉杰克投資組合矩陣的啟示

卡拉杰克組合矩陣中的供應(yīng)商定位本身并不是好的或壞的，在Hesping and Schiele（2016）看來，隨著公司經(jīng)營戰(zhàn)略的變化，供應(yīng)商的定位反映了公司與供應(yīng)商之間的某種關(guān)系，如監(jiān)督、協(xié)作等新的指導(dǎo)方針。此外，該定位必須以公司的實際利益為依據(jù)。

以卡拉杰克對采購策略的啟示為基礎(chǔ)，針對四個象限對A公司重點供應(yīng)商的位置進(jìn)行分析。

在所有被選中的供應(yīng)商中，戰(zhàn)略象限中的供應(yīng)商數(shù)量約占30%。在這一象限中，買賣雙方的力量是均衡的，幾乎不可能降低供應(yīng)風(fēng)險，因此需要一個戰(zhàn)略伙伴關(guān)系，從而可以貢獻(xiàn)競爭優(yōu)勢。如電纜組件或型材的供應(yīng)商，通過早期的供應(yīng)商參與，保持長期的合作關(guān)系。公司研發(fā)部門在構(gòu)建產(chǎn)品原型時，可能會更多地聽取供應(yīng)商的意見，進(jìn)行成本控制。

22%的供應(yīng)商處于有利的杠桿象限，因為供應(yīng)商的數(shù)量和市場的良好條件，買方的權(quán)力大于賣方。其策略是通過競爭性采購活動來降低總成本，從而達(dá)到成本最低的政策。降低這一象限中大多數(shù)產(chǎn)品供應(yīng)風(fēng)險的一個策略是改變產(chǎn)品的規(guī)格以適應(yīng)行業(yè)的變化。對于電子元器件的供應(yīng)商，公司不斷尋找替代供應(yīng)商，以審核或更新供應(yīng)商報價，并在批準(zhǔn)的供應(yīng)商名單下有更多的替代元器件。與供應(yīng)商的關(guān)系是一種基于短期合同的關(guān)系，因為供應(yīng)商更換更有利。供給風(fēng)險和利潤影響的維度應(yīng)大大降低。

其中，28%的普通供應(yīng)商，采購流程和管理成本引起了人們的關(guān)注。采購效率可以通過將盡可能多的普通物料集中起來并由供應(yīng)框架協(xié)定加以利用來提高。維護(hù)和運營物料的供應(yīng)商在此象限內(nèi)，應(yīng)減少這些供應(yīng)商的數(shù)量，以實現(xiàn)集中采購，可通過電子商務(wù)或在線平臺進(jìn)行集中采購。另外，降低采購管理成本的另一個策略是通過大量采購來提高庫存水平。

供應(yīng)商瓶頸帶來了巨大的問題和風(fēng)險。如果供應(yīng)商在這個象限，供應(yīng)管理策略是與供應(yīng)商有一個穩(wěn)定和長期的協(xié)議，以確保交付。因此，可以提高庫存水平，以彌補由于低成本導(dǎo)致的風(fēng)險，如特殊的電子零部件的缺貨風(fēng)險?；蛘?，例如一家LCD組裝和面板商品的供應(yīng)商，交貨時間大約是4個月，比一般商品要長得多。供應(yīng)商的位置可以通過部件規(guī)格標(biāo)準(zhǔn)化轉(zhuǎn)移到非關(guān)鍵類別以減少供應(yīng)風(fēng)險，也可以通過采購集中化轉(zhuǎn)移到戰(zhàn)略類別以增加購買力。

（三）需求供給分類矩陣

利用需求—供給矩陣對訂單周期進(jìn)行評估，其中包括檢查間隔時間和補貨提前時間。表12顯示了基于需求和供給分類矩陣的年用量金額占總支出的百分比;矩陣之間的分布是不同的。戰(zhàn)略和關(guān)聯(lián)公司的支出占81%。另外，平滑型需求為總用量金額的65%，這意味著重點企業(yè)的需求是有共性的。

1.檢查間隔

檢查間隔是庫存計算的一個主觀可控的參數(shù)。檢查間隔時間以周、雙周或月為基準(zhǔn)，如圖8所示。在連續(xù)檢查庫存時，評審時間間隔應(yīng)設(shè)為零，但在采購實踐中，時間間隔設(shè)為每周。在定期評審政策中，將其設(shè)置為月度，以與計劃周期保持一致，但對于平滑型、間歇型的物料類別，因其需求波動較小，所以將其設(shè)置為周或雙周，以增加補貨頻率。

2.補貨提前期

補貨提前期是指從下采購訂單到物料交付的整個周期時間。一般來說，補貨提前期是供應(yīng)商報價中加上運輸提前期的標(biāo)準(zhǔn)提前期。在初始庫存計算中，將采用圖9所示的基準(zhǔn)平均庫存計算標(biāo)準(zhǔn)。

（四）基線平均庫存

假設(shè)基線客戶服務(wù)水平為95%，在表13中，基線平均庫存為1430萬元，基于年使用金額的庫存周轉(zhuǎn)率為2.88。關(guān)聯(lián)公司的產(chǎn)品為37.71%的庫存， 28.51%的年使用金額，庫存周轉(zhuǎn)率為2.18。其中一個原因是海運的交貨期較長。另一個原因是它的高庫存成本;這些SKU是高端市場的高價值產(chǎn)品。戰(zhàn)略供應(yīng)商產(chǎn)品庫存占平均總庫存量的37.24%，庫存周轉(zhuǎn)率4.29。

（五）小結(jié)

供應(yīng)鏈?zhǔn)瞧髽I(yè)優(yōu)化運營、控制成本、提高利潤和保持增長的核心。管理結(jié)果總是與整個庫存息息相關(guān)。這個參數(shù)方法為管理提供了庫存組成的基本要素。此外，本文還將對庫存參數(shù)進(jìn)行合理調(diào)整，以證實是否會比基準(zhǔn)庫存有重大改善。

五、討論

（一）客戶服務(wù)水平

在存貨概率模型中，顧客服務(wù)水平是影響的因素?；诒敬窝芯康拇尕浤Ｐ?，在正態(tài)分布下，顧客服務(wù)水平被設(shè)為三個不同的數(shù)字（98%，95%，90%）。在表14中，安全庫存和平均庫存金額分別變化了14%和-12%。

（二）補貨提前期

除了關(guān)聯(lián)公司SKU之外，由于戰(zhàn)略和瓶頸供應(yīng)商主導(dǎo)了37.24%和15.35%的主要庫存，所以A公司利用與戰(zhàn)略和杠桿供應(yīng)商更緊密的、長期的關(guān)系更有利。因此，在圖10所示的矩陣中選擇了10家戰(zhàn)略型供應(yīng)商和一家杠桿型供應(yīng)商，以協(xié)商一個合適的補貨提前期，使庫存以一周或一個月的頻率補充。

結(jié)果如表15所示，平均庫存金額提高了1201萬元，庫存周轉(zhuǎn)率為3.45，增加了20%。杠桿型和戰(zhàn)略型的平均庫存分別減少了101萬元和55萬元（70%和37%）。結(jié)果表明，采用供需分類方法可以提高庫存效率。

另外，由于采用海運，公司間產(chǎn)品庫存一直處于較高水平，因此假設(shè)將運輸方式改為鐵路運輸，運輸提前期減少30天。矩陣如圖11所示。

由此，如表16所示，關(guān)聯(lián)公司產(chǎn)品庫存下降到380萬元，庫存周轉(zhuǎn)率上升到3.85。總平均庫存增加1043萬元，庫存周轉(zhuǎn)率為3.97，增長38%。庫存的改善更加顯著。

[23] KABIR G， HASIN M.?Multiple criteria inventory classification using fuzzy analytic hierarchy process [J]. International journal of industrial engineering computations， 2012， 3（2）： 123-132.

[24] KARTAL H， OZTEKIN A， GUNASEKARAN A， et al.?An integrated decision analytic framework of machine learning with multi-criteria decision making for multi-attribute inventory classification [J]. Computers & industrial engineering， 2016， 101： 599-613.

[25] KETKAR M， VAIDYA O S.?Developing ordering policy based on multiple inventory classification schemes [J]. Procedia-social and behavioral sciences， 2014， 133： 180-188.

[26] KOCER U U， TAMER S.?Determining the inventory policy for slow-moving items： a case study [C]. Proceedings of the World Congress on Engineering.London： International Association of Engineers，2011： 6-8.

[27] KRALJIC P.?Purchasing must become supply management [J]. Harvard business review， 1983， 61（5）： 109-117.

[28] LOLLI F， ISHIZAKA A， GAMBERINI R， et al.?Decision trees for supervised multi-criteria inventory classification [J]. Procedia manufacturing， 2017， 11： 1871-1881.

[29] LOOMAN A， RUFFINI F A J， DE BOER L.?Designing ordering and inventory management methodologies for purchased parts [J]. Journal of supply chain management， 2002， 38（1）： 22-29.

[30] LPEZ-SOTO D， ANGEL-BELLO F， YACOUT S， et al.?A multi-start algorithm to design a multi-class classifier for a multi-criteria ABC inventory classification problem [J]. Expert systems with applications， 2017， 81： 12-21.

[31] MEHDIZADEH M.?Integrating ABC analysis and rough set theory to control the inventories of distributor in the supply chain of auto spare parts [J]. Computers & industrial engineering， 2020， 139： 105673.

[32] NAN-FANG CUI， XUE LUO.?ABC classification based on AHP in servicing spare part [J]. Industrial engineering and management， 2004， 6： 33-36.

[33] NENES G， PANAGIOTIDOU S， TAGARAS G.?Inventory management of multiple items with irregular demand： A case study [J]. European journal of operational research， 2010， 205（2）： 313-324.

[34] NG W L.?A simple classifier for multiple criteria ABC analysis [J]. European journal of operational research， 2007， 177（1）： 344-353.

[35] GLCKNER H-H， PIETERS R， DE ROOIJ W.?Importance of the kraljic matrix as a Strategic tool for modern logforum [J]. Log Forum，2005，1（1）.

[36] PRABHU R V，VELMURUGAN C.?Inventory optimization in a pump industry using Kraljics Matrix [J]. International journal of innovative research in science， engineering and technology， 2014， 3（3）： 1166-1170.

[37] RAMANATHAN R.?ABC inventory classification with multiple-criteria using weighted linear optimization [J]. Computers & operations research， 2006， 33（3）： 695-700.

[38] REZAEI J.?A note on multi-criteria inventory classification using weighted linear optimization [J]. Yugoslav journal of operations research， 2010， 20（2）： 293-299.

[39] SCHIELE H.?Purchasing and supply management [M]//Operations， logistics and supply chain management.Cham： Springer， 2019： 45-73.

[40] SILVER E A， PYKE D F， THOMAS D J.?Inventory and production management in supply chains [M]. Boca Raton：CRC Press， 2016.

[41] STEVENSON W J， HOJATI M， CAO J.?Operations management [M]. New York： McMcGraw-Hill Irwin， 2007.

[42] SYNTETOS A A， BOYLAN J E.?On the stock control performance of intermittent demand estimators [J]. International journal of production economics， 2006， 103（1）： 36-47.

[43] SYNTETOS A A， BOYLAN J E， CROSTON J D.?On the categorization of demand patterns [J]. Journal of the operational research society， 2005， 56（5）： 495-503.

[44] SYNTETOS A A， BABAI M Z， LENGU D， et al.?Distributional assumptions for parametric forecasting of intermittent demand [M]//Service parts management.London：?Springer，2011： 31-52.

[45] TEUNTER R H， SYNTETOS A A， BABAI M Z.?Intermittent demand： linking forecasting to inventory obsolescence [J]. European journal of operational research， 2011， 214（3）： 606-615.

[46] TEUNTER R H， BABAI M Z， SYNTETOS A A.?ABC classification： service levels and inventory costs [J]. Production and operations management， 2010， 19（3）： 343-352.

[47] TURRINI L， MEISSNER J.?Spare parts inventory management： new evidence from distribution fitting [J]. European journal of operational research， 2019， 273（1）： 118–130.

[48] WAGNER H M.?And then there were none [J]. Operations research， 2002， 50（1）： 217-226.

[49] WANG F， NG H Y， NG T E.?Novel SKU classification approach for autonomous inventory planning [C]//2018 IEEE International Conference on Industrial Engineering and Engineering Management （IEEM）.?IEEE， 2018： 1441-1445.

[50] WILLIAMS T M.?Stock control with sporadic and slow-moving demand [J]. Journal of the operational research society， 1984， 35（10）： 939-948.

[51] YU M C.?Multi-criteria ABC analysis using artificial-intelligence-based classification techniques [J]. Expert systems with applications， 2011， 38（4）： 3416-3421.

[52] ZHANG Z L， WANG Y F， LI Y.?Inventory control model based on multi-attribute material classification： an integrated grey-rough set and probabilistic neural network approach [J]. Advances in production engineering & management， 2019， 14（1）： 93-111.