物流管理之配送管理.docx

编号：时间：2021年x月x日书山有路勤为径，学海无涯苦作舟页码：第12页 共12页SCHOOL OF ECONOMICS & MANAGEMENT, TSINGHUA UNIVERSITYNOTE03: 配送管理l 本文由清华大学经济管理学院刘丽文教授完成，仅用于教学参考。l 2001年清华大学经济管理学院版权所有。未经许可，禁止复制、存储、引用或以其它任何形式传播。供应链上的配送环节是指产品制造完成之后，从制造商、批发商、经销商、零售直至到达最终顾客手中的一系列环节。很多产品出厂后，尤其是消费品，都需要经过这一系列过程才能到达最终顾客，即产品的使用者手中。配送管理与物料采购管理相比，其重要意义在于，由于成品的附加值远远高于零部件的附加值，该环节任何冗余的库存、时间上的延误、制造商和经销商之间的不友好关系都会给链上的各个成员带来更高额的成本。该环节的链条越长，该环节对于产品在最终市场上的竞争能力的影响越大。著名的管理学家P.F.德鲁克曾指出：“配送、流通是工业的黑色地带，是可以大量节省成本的地方。”配送管理中需要考虑的几个重要问题是：如何设定合理的流通配送环节？如何与整个流通配送环节中的各个节点上的企业保持合作伙伴关系？如何合理设定各个环节的库存，以及如何防止牛鞭效应（Bullwhip Effect）。本文讨论其中的一些重要概念和基本策略。很多企业已经成功地运用了这些概念和策略，但是，必须指出，这些概念和策略的运用必须与具体的供应链结构及其特点相结合，进行具体的分析。一、 流通配送环节的设定集中型与分散性配送系统考虑某公司的配送系统。该公司制造和分销配送电子设备，其有两大配送中心，位于相隔一定距离的两地，分别供应其周围的两个市场。两个市场的顾客（主要是零售商）直接从各自的配送中心得到产品，而两个配送中心则都由同一个制造基地供货（见图1）。从制造基地到两个配送中心的供货周期分别为一周，假定制造基地有足够的生产能力满足配送中心的任何要货要求。现在的配送管理方针要求有97%的顾客服务水平，即每个配送中心必须保持一定的库存水平，从而对顾客的缺货率不超过3%。无法满足的顾客需求将被竞争对手夺走，而不可能延迟供货。该公司大约有500种不同规格型号的产品，所服务的零售商有一万家左右。 现有的配送系统是七年前设计的，公司现在想考虑一种新的配送策略：将两个配送中心合二为一，用单一的配送中心服务全部市场（见图2）。制造基地配送中心I配送中心II顾客顾客图1 分散型配送系统制造基地配送中心顾客图2 集中型配送系统 我们把图1所示的系统称为分散型系统，把图2所示的系统称为集中型系统。这两种系统各有什么特点呢？很显然，与集中型系统相比，分散型系统的一个最大好处是可以更靠近自己的顾客，从而缩短供货时间，运输成本也较低。但是，集中型系统也有很大好处：它可以使企业用更少的库存来达到97%的顾客服务水平，或在相同总库存量的条件下达到更高的顾客服务水平。集中型系统之所以有这种结果是因为，虽然来自各个顾客的需求是随机的，波动有可能是很大的，但总需求量的变化波动相对而言是稳定的，有一个平均值。在集中型系统的情况下，某一个顾客高于平均值的需求与另一个顾客低于平均值的需求一累加，就有可能产生一种互补效应，从而总需求量仍然接近于平均值。一个配送中心服务的顾客数越多，这种效应就越明显。但是，如果确实采用集中型系统，且仍然保持97%的顾客服务水平的话，系统的总库存量究竟能降低多少呢？让我们通过两个产品：A和B来做进一步的分析。但请读者记住，在实际的运作系统中，是应该对全部产品进行分析的。假定A、B两种产品从制造基地的订货费用都是每次60元，库存持有费用为单位产品每周0.27元。在现有系统之下，产品从配送中心到顾客的运输成本为平均每一产品1.05元。按照估计，在集中型系统的情况下，运输费用将增至1.10元。为便于分析，假定两种系统之下的供货时间差别不大。表1和表2分别提供了A、B两种产品的历史数据，即过去8周以来每个市场每周分别对两种产品的需求。从表中可以看出，对产品B的需求比对A的需求要小得多。表3还提供了两种产品周需求的平均值和标准偏差，以及需求的变异系数（标准偏差与平均需求之比值）。表1 过去8周以来每个市场对产品A的需求周12345678市场I3345373855301858市场II4635414026481855合计79807878817836113表2 过去8周以来每个市场对产品B的需求周12345678市场I02300130市场II24003100合计26303230表3 两种产品周需求的统计数据产品平均需求标准偏差变异系数市场IA39.313.20.34市场IB1.1251.361.21市场IIA38.612.00.31市场IIB1.251.581.26合计A77.920.710.27合计B2.3751.90.81需要指出的是，必须注意标准偏差和变异系数之间的区别。虽然二者都用来反映顾客需求的变动性，但是标准偏差表示顾客需求的绝对变动性，而变异系数表示相对于平均需求的变动性。例如，在上述所分析的两种产品中，我们可以看到，产品A的标准偏差比产品B要大得多，而产品B的变异系数比A要大得多。这一特点在最终分析中将起到重要作用。此外，还应注意到，对于每种产品来说，集中型系统所面临的平均需求等于分散型系统下两个配送中心各自的平均需求之和。但是，集中型系统的需求变动性（无论是用标准偏差还是用变异系数来衡量）比分散型系统下两个配送中心的相应数据之和小得多。这种特点将对供应链上游的生产系统产生重要影响。参照库存管理的有关方法* Production and Operations Management: Manufacturing and Services (8/e), Richard B. Chase, Nicholas J. Aquilano, F. Robert Jacobs, Mcgraw-Hill, 1998 （英文影印版，机械工业出版社） Operations Management, Jay Heizer, Barry Render, Prentice hall, 2001 （英文影印版， 清华大学出版社）进行计算，可将这种影响概括为如表4。表94 两种产品的库存水平产品周平均需求安全库存每次订货量最大库存分散型市场IA39.325.08132158市场IB1.1252.582526市场IIA38.622.8131154市场IIB1.2532427集中型A77.939.35186226集中型B2.3753.613337从该表可知，在分散型系统之下，产品A在配送中心II的平均库存为88个（安全库存+Q/2），在配送中心I的平均库存为91个。而在集中型系统之下，平均库存为132个。这样，如果该公司采用集中型系统，则产品A的平均库存能减少26%。同样，在分散型系统之下，产品B在两个配送中心的平均库存分别为15个，而在集中型系统之下，平均库存为20个，减少33%。以上事例说明了供应链管理中的一个重要概念：“Risk Pooling”，即“风险吸收池”。这个概念是说，多个地点需求总和的变动性小于各个地点需求的变动性。因为各个地点的需求是随机变动的，一个地点的需求高峰与另一个地点的需求低谷一累加，就有可能使总需求的变动性减小。这样，需求变动性的减小可使安全库存减少，从而降低平均库存水平。例如，在上述的集中型系统中，其需求的变动性无论是用标准偏差还是用变异系数来衡量，都减少了。从这一事例中，我们可以概括出“风险吸收池”的三个要点：（1） 集中型库存可同时减少系统中的安全库存和平均库存。因为在一个集中型系统中，如果原来两个分散市场的需求一个高、一个低，集中型系统可以很容易地将原先准备供应给一个市场的产品转而供应给另一个市场。而这一点在分散型系统的情况下很难作到，或者说需要付出高额成本才能作到。（2） 需求的变异系数越大，从集中型系统中的获益越大。也就是说，“风险吸收”的程度越高。这是因为，平均库存实际上由两部分组成：一部分对应于需求的平均值（即Q），另一部分对应于需求的变动（即安全库存）。由于平均库存的降低主要是通过降低安全库存来实现的，所以变异系数越大，安全库存对整个库存减少的影响越大。（3） “风险吸收”的效应还取决于不同市场需求变化模式的相关性。如果一个市场的需求高于平均值另一个市场也同样，或一个市场的需求低于平均值另一个市场也同样，则这两个市场有一种正相关的关系。在正相关的情况下，“风险吸收”的效应将减弱，反之则增强。 二、 牛鞭效应1、什么是牛鞭效应配送管理中另一个重要问题是防止“牛鞭效应”（Bullwhip effect）。所谓牛鞭效应，是指订货量的波动在从零售商到批发商、批发商到制造商，直至制造商又到零部件供应商的过程中，不断地增大。这种效应曲解了供应链中的需求信息，使各个节点对需求都作出了不同估计，其结果，只好在供应链上层层增大库存，以缓解放大的需求波动。这种做法无疑导致了整个供应链上拥有庞大的库存，从而导致了整个供应链的损失。很多企业在其供应链中都发现了牛鞭效应。例如，P&G公司发现，它的一个主要产品婴儿纸尿布的生产量的计划波动很大，从而向供应商订购的原材料有相当大的波动。但是沿供应链往下再研究零售点的销售量， 却发现波动很小，即市场上对纸尿布的需求实际上是相对稳定的。这样，虽然对最终产品的需求是稳定的，但是供应链上游订单的波动却很大，且越往上越大。这样给制造商以及原材料供应商满足订货要求带来了很大困难，同时也增加了成本。又如，HP公司在其打印机供应链中也发现，在沿着从零售商到批发商、从批发商到HP的打印机制造部门，直至其集成电路采购部门的整个供应链中，订单的波动在不断放大。这使得HP按时履行订单合同的难度大为提高，并带来了成本的增加。此外，在对服装、食品、甚至汽车工业的研究中，也发现了类似现象。 2、牛鞭效应的原因分析引起牛鞭效应的原因有多种，这些原因往往与供应链的构造方式以及各节点之间的信息沟通方式有关。其中一些主要原因如下。（1）多级需求预测。大部分分销配送系统的结构是多级的。供应链上的每个企业为了安排生产日程、采购计划、运输计划等，都要进行需求预测，而预测的基础则是其下游直接客户的订货数据。传统做法是供应链分销配送环节的每一节点将其自身需求的预测结果经过整理以订单的形式向上一级报告。上一级将其下游所有直接节点的订单进行汇总和整理，然后再向其上一级发出订单。对产品需求的预测信息就以订单的形式一级一级地向供应链上游流动。然而，由于各个节点出于自身利益考虑，会根据自己既定的库存补充方针、顾客服务水平等对其下游企业需求预测数据进行人为的整理和“修改”，再形成自己向上一级的订单，导致对产品需求信息的波动被逐步放大，从而导致了供应链中牛鞭效应的发生。例如，一个由当地经销商、地区销售分公司，销售总公司所组成的三级分销配送环节，每一个环节均根据其直接下游环节最新的订货记录（对于当地经销商来说，则根据当月的销售数量）保持能够供应两周的库存量，以此计算向上游环节的订货量。当市场需求为稳定的每周20个时，三级流通环节的期初库存、期末库存和订货数量都相对稳定 (见表5)。但是，假设市场需求变化了5，即从每周需求20个变为每周19个，如表6所示，其上游环节就会引起一层比一层更大的波动。这种波动用图来表示，如图3所示。 表5 多级分销配送环节的运行(1) 项目产品数量当地经销商期初库存40每周销售量20期末库存20期望库存*40订货数量20地区销售分公司期初库存40每周销售量20期末库存20期望库存*40订货数量20销售总公司期初库存40每周销售量20期末库存20期望库存*40订货数量20 *注：期望库存为本周销售量的两倍。表6 在需求变动5情况下各环节订货数量的波动第一周第二周第三周第四周第五周市场需求当地市场需求量2019191919需求量波动百分比05000当地经销商期初库存4040383838每周销售量2019191919期末库存2021191919期望库存4038383838订货数量2017191919订货数量波动百分比0-1511.800地区销售分公司期初库存4040343838每周销售量2017191919期末库存2023151919期望库存4034383838订货数量2011231919订货数量波动百分比0-45109.1-17.4%0%销售总公司期初库存4040294638每周销售量2011231919期末库存202962719期望库存4022463838订货数量200401119订货数量波动百分比0-100%+ -72.5%72.7%地区销售分公司订货量010203040第一月第二月第三月第四月第五月时间订货量销售总公司订货量010203040第一月第二月第三月第四月第五月时间订货量当地经销商订货量010203040第一月第二月第三月第四月第五月时间订货量图3 销售量、订货量波动图(2) 批量订货。供应链中每个企业都依照一定的控制规则来进行库存管理并补充订货。虽然随着销售，产品库存量每天都会减少，但企业不会马上就向其上游供应商订货，而是等库存的减少积累到一定数量后，才会向供应链的上一级提出订货要求。例如，一个按照定量控制系统进行库存管理的分销配送商只有在某种产品的库存量低于再订货点时才会向其供应链上游企业订货。供应链上每一节点采取批量订货的主要原因是为了节省订货成本和利用批量带来的价格折扣，但是，无疑这种做法会“扭曲”需求的真正信息，使供应链上游企业所获得的需求信息同市场真正的需求信息产生出入。同时，企业每次的订货量也会随市场需求情况的变化而变化。由于订货批量的影响，企业订货量波动幅度要远大于该企业自己所面对的市场需求的波动幅度。其表现形式往往是企业某一个月的订货量特别大，而下个月则可能根本不会订货。因此，定期批量订货也放大了订货量的波动幅度，这是产生牛鞭效应的另一个重要原因。此外，供应链上的每一企业都几乎会同时面对下一级的多个分销配送商或零售商。如果下一级这些企业中的大部分有着相同的订货周期，例如都集中在月初或月末，则对上一级企业来说。所接到的订单就会出现显著的周期性峰值，则牛鞭效应有可能会被再次加剧。(3) 价格波动。产品促销的有效手段之一是在特定时期内为顾客提供特价优惠。尽管这一促销方式能够暂时扩大企业的销售量，但从长远来看，采取这一策略对企业来说并非是明智之举。在企业为顾客提供特价优惠的时候，只要库存成本低于这一价格差异值，很多分销配送商都会借机大量增加采购量，将以较低价格购进的产品储备起来用于以后的销售，同时很多顾客自然也要购买多于实际需求量的产品储备起来供家庭或个人日后消费之用。如此一来，企业提供特价优惠销售的一个直接后果是供应链下游企业“自愿地”增加了库存量，这显然不利于整条供应链的优化。同时，这一价格波动还带来了更为严重的间接后果：低价优惠促销策略使得经销商和消费者提前购买他们当时并不需要的产品，这使得企业经销商和顾客的购买行为与其消费行为并不吻合，而企业也无法准确区分增加的购买量中有多少是顾客因低价而当时增加的消费，多少是顾客储备起来以供日后消费所需。这最终导致消费者的购买波动远大于其实际消费量的波动，使得企业在较长时间内面临着较大的需求波动。(4) 产品短缺时按比例供应的策略。当市场上出现产品供不应求的情况时，供应链上游的企业往往会按下游的分销配送商或零售商的订货量占总订货量的比例来分配供给他们的产品数量。但这样一来，供应链下游的要货方就有可能故意加大订货数量，即使供应商只给他们一部分，他们也仍然得到了实际所需数量。这种做法对于上游供应商准确预测市场对其产品的真正需求显然是不利的。例如，HP公司就曾因对其LaserJet III打印机采用了产品短缺时按比例供应的策略而蒙受了巨大损失。当市场对惠普LaserJet III打印机的需求量大于惠普公司的供货能力时，惠普公司就采取了按上述比例给经销商提供打印机数量的做法。结果，惠普公司收到的订单订货数量剧增。在惠普公司投入大量人力、物力加紧生产LaserJet III打印机时，获得了惠普公司按比例供给的打印机数量就已经基本满足的经销商开始大量取消先前人为增加的订单量，结果导致惠普公司因产品积压和不必要的生产能力扩充而蒙受了巨大损失。 3、减小牛鞭效应的对策与措施如果明确了产生牛鞭效应的原因，接下来就可以考虑相应的对策和措施。以下讨论一般的对策和措施，但是在实际应用中，企业必须根据自己的实际情况灵活使用和组合使用这些措施。（1） 提高信息精度 牛鞭效应产生的根本原因是需求信息在沿供应链的传递过程中的失真和波动放大。因此，不言而喻，提高信息精度是最主要的一项措施。 提高信息精度的一个方法是分享POS数据。引起供应链上牛鞭效应的一个基本原因是供应链上各级企业都用下游的订单数据来预测需求，这种多级需求预测的方法导致信息每经过一个环节，波动就被放大一些。但实际上，整个供应链中真正需要满足的只是最终顾客的需求，这种需求通常可由零售商的POS数据反映出来。这样，如果直接与顾客打交道的零售商能够与供应链上的其他环节分享POS数据，则各个环节就可以在同一基础上进行需求预测，从而减少牛鞭效应。很多企业现在已经成功地实现了这种信息共享，例如，戴尔计算机公司，P&G公司以及沃马特公司等，避免了不必要的订单波动。除了POS数据以外，供应链上各环节的还需要分享其它的有关信息。例如，一个零售商一月份的需求很大，因为其进行了促销，如果在接下来的二月份没计划促销，则零售商的需求量和制造商的预测结果就有可能不同，即使二者分享了DOS数据。在这种情况下，制造商还必须知道零售商的促销计划，从而及早做好准备。 （2）由单一节点控制补充供货如果在整个供应链上由单一节点控制补充供货，也有助于减少牛鞭效应。因为如上所述，引起牛鞭效应的一个关键原因是供应链上每一节点使用来自直接下游节点的订货数据作为需求数据，每一节点都自己向直接上游节点订货。这样就导致各个节点的要求供货量是不一致的，从而增大整个供应链上的库存。如果采用单一节点控制整个供应链的补充供货，就可以消除各个节点之间的这种不一致，达到整个供应链的协调。对于象Dell这样直接面向顾客的销售商，单一节点的控制是自动实现的，因为在制造商和顾客之间不存在中间节点，制造商自动变成了补充供货的单一控制者。当销售是通过多个环节的经销商、零售商来进行时，就需要采取一种有效的方法来实现单一节点控制。近年来发展起来的一种方法被称为“卖方管理库存”（Vender-managed inventory, VMI）或“连续补充供货”（Continuous Replenishment Programs, CRP），即供应链的上游企业（供应方）根据下游企业的POS数据和库存数据有规则地向下游补充供货，这就相当于由原来供应链上的企业各自管理各自的库存改为由上游企业统一管理下游企业的库存管理下游企业（要货方）的库存。在类似于日用品、食品等消费品行业的供应链中，诸如纳比斯克，沃马特，K马特，P&G等很多企业都采用了这种方法来减少牛鞭效应，降低库存，取得了很好的绩效。（3） 减小订货批量订货批量的减小可以减少供应链上任意两个节点之间可能积累起来的需求波动。但是，批量的减小会带来订货次数的增加和小批量运输成本的增加等问题。因此，要想减小批量，必须采取措施减小与订货、运输以及收货等相关的固定成本。批量减小带来的成本之一是由于订货次数增加，所需的下订单、收货等相关业务量的在那国家，从而带来交易成本的增加。克服这个问题的方法之一是利用计算机辅助订货（Computer-assisted ordering, CAO）。CAO是指使用计算机来准备订单，实现“无纸化”作业。今天，已经有越来越多的企业利用EDI、因特网等技术来进行订货业务，这一方面降低了商品买方的订货成本，另一方面也降低了商品供应商的供货成本。从运输费用的角度来说，小批量零担运输的成本比大批量整车运输的成本要高得多，因此，要想减小批量，还必须克服批量减小带来的运输成本上升的问题，一种既减小批量又不至于带来运输成本提高的方法是“Cross docking”，即把多种小批量商品汇集在一起，拼成整车运输批量。例如，沃马特向其零售店的商品配送就广泛采用了这一方法。日本最大的零售连锁店之一“SevenEleven”店也成功地运用了这一方法，其一辆运货车上，按食品所需的不同温度分别组合，这使得7-11可以既保持送往每一零售店的商品的多样性，同时又实现整车运输，减少了送货所需车辆。批量减小所遇到的另一个问题是：如果订货和送货批量减小，则收货作业的频数和成本则会上升。为此，还需采取措施，例如，利用某种技术使收货作业简化，从而降低收货成本。例如，利用电子手段确认装运内容，数量，到货时间，从而减小卸货时间，增加交叉装运的效率。装货托盘上的条形码也有助于货物接收作业效率的提高。（4） 产品短缺情况下的分配策略与信息共享在产品短缺情况下，传统的做法是根据每个零售商（要货方）的订货要求，按一定比例供给他们。但正如前面所提到的，这样一来，要货方就会加大订货数量，即使供应商只给他们一部分，他们也仍然得到了实际所需数量。要货方的这种夸大了的订货数量使得牛鞭效应更严重。因此，现在的一种新方法是，不是按照要货方的要货数量，而是按照过去的销售业绩，将可供的产品按比例供货。这样就促使要货方在需求低谷时销售更多的产品。很多企业，诸如GM，HP等，现在都采取了这种作法。还有一些企业试图通过在整个供应链上实现信息共享来减少产品短缺情况的发生，例如，有些公司向其大顾客提供提前订货的优惠，这种信息使得公司可以改进预测精度，并据此安排自己的生产能力。如果生产能力能够合理地分配给各种产品，则能减少产品短缺情况的发生，这样就能起到抑制牛鞭效应的效果，从这个意义上来说，灵活的生产能力也有助于牛鞭效应的缓减。（5）利用适当的价格策略来稳定需求可采用的价格策略之一是讲传统的批量价格优惠改为数量价格优惠。如果企业采用以批量为基础的价格优惠，则零售商倾向于增大批量，以利用这种优惠，而以数量为基础的价格优惠是指以一定时期内（例如一年）购买的数量总和为基础的价格优惠。采用后一种方法，可以避免单一订单的大批量，而是小批量多订单，这样就可以减少供应链上订单的波动。但这种方法的使用需要注意一点：如果以数量为基础的价格优惠有一个固定的截止日期，有可能在此日期之前引起大批量的订购，因此，一个更好的方法是采用滚动时间周期，以减少这种订购波动。可采用的另一种价格策略是“稳定价格（Stabilizing Pricing）”,即去掉促销，而改用“每日低价”（Every Day Low Pricing， DELP）。如果没有周期性或临时性地促销，零售商就不会集中在此期间大量订购，而是按照顾客需求来订购，P&G以及一些其它日用品公司都实施了这种策略。另一种方法是把给零售商的促销优惠额与其销售额相挂钩，而不是与其采购量相挂购。这样零售商得不到提前购买的好处，而仅只是购买他们能够销售出去的量，这样也可显著地缓解牛鞭效应。（6）建立合作伙伴关系与信任以上所讨论的减少牛鞭效应的很多方法都需要供应链上的各个企业协力合作和相互信任才能够做到。因为，首先，只有合作才有可能共享供应链上各节点的信息，从而更好地使供应链上的供需吻合。其次，相互之间的更好的关系也可以节省交易成本，例如，如果一个供应商能够相信来自零售商的预测和订货信息，则可以省却自己进行预测工作。类似地，如果零售商信任供应商的供货质量和交货时间，就可省却自己的催促，验货等收货工作。一般来说，在相互信任和友好关系的基础上，供应链上各节点的很多重复性工作都可以省却。伴随精确信息共享而来的交易成本的降低也可以帮助缓解牛鞭效应。从这个意义上来说，建立供应链上的合作和信任关系是减小牛鞭效应、改进整个供应链管理绩效的前提。第 12 页 共 12 页