存货管理及风险共担.ppt

個案研討：JAM3.1簡介3.2一個單一倉庫存貨的案例3.3風險共擔3.4集中式相對於分散式系統3.5在供應鏈中管理存貨3.6實務課題3.7預測,存貨管理及風險共擔InventoryManagementandRiskPooling,3.3風險共擔3.4集中式相對於分散式系統3.5在供應鏈中管理存貨3.6實務課題3.7預測,第二部份風險共擔RiskPooling,ACME電子公司配銷問題兩個倉庫的配銷策略(分散式)一個倉庫的配銷策略(集中式)繼續維持同樣的服務水準(97%)可以減少多少存貨？,風險共擔個案研討,3.3風險共擔,風險共擔的概念指出：若將不同地點的需求彙總起來，需求的變異性將會降低；因為此舉將可使自某一位顧客的高需求，可能被另一位顧客的低需求彌補。風險共擔的三個觀點：集中存貨減少配銷系統中的安全存貨與平均存貨。變異係數愈高，從集中式配銷系統中所獲得的利益愈大。來自風險共擔的利益，端賴一市場區域和另一市場區域需求行為的相關性，其中負相關將可增加效益。,3.4集中式相對於分散式系統CentralizedversusDecentralizedSystems,比較此兩類配銷系統時，我們必須了解五項權衡互抵(trade-offs)效果：安全存貨(safetystock)取決於不同市場的需求變異與相關性服務水準(servicelevel)增加的幅度取決於不同市場的需求變異與相關性間接成本(overheadcosts)分散式系統較高,3.4集中式相對於分散式系統,權衡互抵效果(續)：顧客前置時間(customerleadtime)分散式系統對顧客的回應時間較短運費(transportationcost)外向(outbound)運輸成本：到顧客端分散式系統較低內向(inbound)運輸成本：到倉庫端集中式系統較低,3.5在供應鏈中管理存貨,考慮同一家公司一個多設施的供應鏈。公司的目的在管理其存貨以降低整體系統成本，因此考慮不同設施間的互動以及這些互動對每個設施所採取存貨政策的影響。單一倉庫服務某些供應商的二項假設：存貨決策由單一決策者制訂，且其目標是使整體系統成本減到最小。決策者可獲取各零售商和倉庫的存貨資訊。,3.5在供應鏈中管理存貨,在這些假設下，存貨政策是根據所謂階層存貨(echeloninventory)進行存貨管理，為一有效的存貨管理系統，並具擴充潛力。在配銷系統中，每一階段層級(亦即倉庫或零售商)被視為一階層(echelon)。因此，此系統中任何階段的階層存貨等於此階層中現有的存貨，再加上所有的下游存貨(downstreaminventory)。倉庫的訂購以倉庫階層存貨為基礎，而個別零售商則以前節介紹方法計算。,3.5在供應鏈中管理存貨,3.6實務課題,物料和存貨經理認為有效降低存貨水準的七項策略：週期存貨檢視政策(periodicinventoryreviewpolicy)每隔固定時間檢查，決定訂購量與確認過時產品使用率、前置時間和安全存貨的嚴格管理減少安全存貨水準可藉減少前置時間達成導入或實施週期盤點作業以每天盤點部份，一年盤點數次取代,3.6實務課題,物料和存貨經理認為有效降低存貨水準的七項策略(續)：ABC法依照存貨的重要性(年使用金額)進行分類(A,B,C)，並採行不同的控制水準。轉移更多的存貨或存貨所有權給供應商如供應商代管存貨(VMI)。計量方法成本計算之類似方法。,3.7預測Forecasting,預測的三項準則特性：預測總是有誤差。預測期間(forecasthorizon)愈長，誤差愈大。彙總性預測(aggregateforecast)正確性較高。,3.7預測Forecasting,預測工具和方法可歸納為四大類：判斷法(judgmentmethods)涉及專家意見的蒐集市場研究法(marketresearchmethods)涉及顧客行為的質化研究時間序列法(time-seriesmethods)一種數學方法，其未來績效是從過去的績效推斷。因果法(causalmethods)一數學方法，預測是依據數個不同系統變數所產生。,3.7.1判斷法JudgmentMethods,判斷法是以系統性的方法綜合不同專家的意見。一組專家可以組合起來以獲取共識，靠溝通與分享資訊。德爾菲法(Delphimethod)是一種結構性的技術。在不集合專家到同一個地點的狀況下，藉問卷方式獲得專家一致的意見。此技術是為避免決策過程中的風險和個人喜好而設計。,3.7.2市場研究法MarketResearchMethods,市場測試法(markettesting)和市場調查(marketsurveys)方法可以有效建立預測。尤其是對新產品的預測。市場測試法：潛在顧客的焦點團體被集合且試用新產品，其反應情況可以用來推斷整個市場對產品的需求。市場調查：包括從不同潛在顧客蒐集產品資料，主要是透過當面訪談、電話抽訪、問卷等方式進行。,3.7.3時間序列法Time-SeriesMethods,時間序列法是利用過去相關資料來預測未來資料。以下為數種常用方法：移動平均法(movingaverage)指數平滑法(exponentialsmoothing)具趨勢性數據的預測法(methodsfordatawithtrends)具季節性數據的預測法(methodsforseasonaldata)更多的複雜方法(morecomplexdata),3.7.4因果關係法CausalMethods,亦稱關聯性預測法(associativeforecastingtechniques)，根據其他非預測資料產生預測值。也就是預測值是其他非預測資料的函數，例如下一季銷售的因果預測值可能是這一季通貨膨脹率、全國生產毛額、失業率、氣候等銷售以外資訊的函數。此類有統計的迴歸分析(regressionanalysis)。,3