IBM跨企业的供应链管理模式

IBM电脑部和其他部门的供给链管理GRACELIN,MARKUSETTL

STEVEBUCKLEY,SUGATOBAGCHIIBMT,J.沃森研究中心约克镇Heights,纽约10598DAVIDD.YAO哥伦比亚大学

纽约，纽约州10027BRETL.NACCARATOIBM印刷系统公司

Endicott，纽约13760ROBALLAN,KERRYKIM

LISAKOENIGIBMPersonal

研究三角公园，卡罗莱纳州277091994年，IBM开场重组它的全球供给链。它希望以最少的库存到达对顾客的快速响应。为了支持这一工程，我们开发了一个跨企业供给链的分析工具，资产管理工具〔AMT〕。AMT将图形化流程建模、解析解的性能优化、仿真、基于行为的本钱核算以及企业数据库连通性集成在一个允许对跨企业供给链进展定量分析的系统中。IBM已经采用AMT研究类似于库存预算、周转目的、顾客效劳目的以及新产品介绍等问题。我们已经将它施行于大量的IBM的商业单位和渠道合作伙伴。1998年AMT已经在原材料本钱和价格保护费用上节省了7.5亿多美元。作为世界上最大的计算机硬件、软件和效劳的提供商，IBM消费各种不同的产品，包括半导体、处理器、硬盘、个人电脑、打印机、工作站以及大型机。它的制造点与世界各地成千上万的供给商和分销渠道保持着联络。一条产品线可能包含数以千计的零件，而这些零件要涉及到多级原材料清单、各式各样的提早期和本钱以及成百上千的由不同的运输形式连接的制造和分销地点。面对着日益剧烈的竞争，高科技的迅猛开展，持续的价格下降的挑战，公司在1993年开场了一个内部重组工程，理顺业务流程，以改善物流和信息流。这一重组工程通过进步将产品传递到市场上的速度、可靠性和有效性，致力于改良顾客满意度和市场竞争力。作为整个重组工程的一部分，1994年，IBM开场了一个资产管理重组的开发，其目的是定义供给链构造、确定战略库存和顾客效劳目的，以优化库存的分配和存放，并在满足顾客效劳目的的同时减少企业的库存。公司成立了一个跨部门的团队，成员是来自制造、研发、财务、市场、效劳和技术部门的代表。这个团队确定了五个需要建模用于支持决策的领域：〔1〕在每一个商业单元内减少库存的方法的设计；〔2〕用于高层管理的为获得库存目的的选择方法的开发；〔3〕在每个商业单元内开发和施行一个协调管理库存和顾客效劳目的的流程，包括工具的采纳和调度。〔4〕在全球供给链网络中对类似于效劳零件、消费原材料和成品这样的资产进展充分的估价。〔5〕对跨品牌产品和单元协作进展评价，以改善库存和风险管理。针对这些问题，我们开发了资产管理工具〔AMT〕，这是一个战略性的决策支持工具。AMT和其它资产管理重组方法的整合已经使跨企业的供给链管理在IBM得到了成功的应用。资产管理工具〔AMT〕 跨企业的供给链是一个由互相关联的设施组成的网络，企业通过这些设施进展采购、消费、配送，并将产品和效劳传递给它的顾客。由于采购、消费和销售变得越来越全球化，大公司的供给链也愈加复杂，并且互相依赖的程度也越来越深。今天的跨企业的供给链实际上是由代表了许多公司利益的多个供给链组成的网络，包括供给商的供给商到顾客的顾客。由于存在这种互相依赖的关系，一个具有扩展供给链的企业只有与它的供给商和零售商通力合作，才会获得良好的业绩和开展。一个具有扩展供给链的企业只有与它的供给商和零售商通力合作，才会获得良好的业绩和开展。在高科技产业中，跨企业供给链的管理变得非常重要。在管理得好的情况下，它可以使公司运作本钱很低，而利润很高。而一个管理糟糕的供给链却恰好相反，利润减少、企业失去创新精神，企业的商业成长受到阻碍。在我们最初的工作中，我们意识到有两个根本的环节可以用来检查IBM的供给链情况。第一，我们必须减少和管理不确定性，以促进更准确的预测；第二，我们必须改良供给链的灵敏性，促使其迅速适应市场的变化。从一开场，我们就致力于研究一条跨企业的供给链潜在固有的互相依存关系。我们认识到只有当我们的系统反映了我们的供给商和渠道采用的策略和流程，并且将他们的价值链与我们自己的集成考虑，我们的这一系统才可能运行成功。这一观点帮助我们形成了这样的看法：在跨企业的供给链中，必须采用集成的建模和分析工具。它将是一种采用新的方法论来处理需求、提早期、供给商可靠性和其它因素内在固有不确定性的工具。它将是可晋级的，这样，它就可以处理代表某行业的大量描绘产品构造、供给链流程和部件库存信息的数据。最后，这一新工具在对供给链策略的根本类型及其交互作用的建模中也同样有效，因为不同的企业可能使用不同的政策。我们设计AMT来解决所有这些问题。它是一个用于战略和战术供给链方案的建模和分析系统，源自各种各样IBM早期的内部重组研究[Bagchietal.1998；Buckley1996；BuckleyandSmity1997；Feiginetal.1996]。它支持用于多层次库存系统量化分析的先进的建模、仿真和优化才能，以及类似于企业数据库连通性和基于Internet的沟通这样的特点。AMT基于六个功能模块：一个数据建模模块、一个图形用户界面、一个实验管理器、一个优化引擎、一个仿真引擎和一个报告生成器。数据建模模块提供了一个关联数据接口，包括产品构造、提早期、本钱、需求预测和相关变量的信息。它内置有原材料清单的发出和数据精简才能、可以自动检查数据的完好性。通过数据桥〔databridges〕，它允许对IBM的国际和当地运作数据库的进展访问。图形用户界面〔GUI〕将供给链建模与基于会话的供给链数据输入结合起来。它允许用户通过拖放模型组件建立供给网络，比方将制造点、配送中心、运输节点置于工作区上。实验管理器用于组织和管理与供给链实验相关的数据集。它允许用户查看并交互地修改参数和策略。除此之外，它提供对实验中生成的输出数据的自动访问，并且支持各种各样的文件管理操作。优化引擎工具执行了AMT的主要功能，量化地权衡了供给联网络中的客户效劳目的和库存。这一模块可以通过GUI的下拉菜单访问，或者由仿真引擎调用。仿真引擎模拟了供给链在不同参数、策略和网络构造下运行得到的结果，包括供给商、制造商以及配送中心的数量和位置；库存和制造策略，例如平安库存控制、供货时间、按库存消费、按订单消费，以及连续或周期性的补充策略等。仿真引擎包含了一个动画模块，可以帮助用户想象供给链的运作，并在监控仿真输出报告的同时改变参数和策略。报告生成器对所研究的供给链的性能提供了一个综合的观察，包括平均周转时间、顾客效劳程度、出货情况、订单完成率和库存。它还能生成财务报告，包括销售收入、库存占用资金、原材料本钱、运输本钱和基于活动的本钱，比方原材料的处理和制造。 优化引擎优化引擎的核心功能，是分析在一条跨企业的供给链中顾客效劳和库存投资之间的权衡。目的是确定供给链中每个节点中的每种产品的平安库存，以期最小化在总体库存上的投资。我们把供给链看作是一个多层的网络，将其中的每个库存节点作为一个排队系统进展建模。除了通常的排队建模，我们在模型中结合了一个库存控制政策：平安库存控制策略，将平安库存程度作为决策变量。为了量化地评价这样一个网络，我们开发了一种基于分解算法的方法。其核心思想是单独分析网络中的每一个库存节点，并通过所谓的实际提早期，获取不同库存节点之间的联络。我们将每个库存节点看成一个具有复合泊松到达、无限个效劳台，效劳时间服从一般分布的队列，用排队符号表示。为了做到这一点，我们必须详细说明到达和效劳过程。通过基于消费构造，采用标准的MRP需求生成技术，我们在每个节点获得到达过程。复合泊松到达过程有三个主要参数：到达率、批量的均值和方差。因此它可以包含多种形式的需求数据；例如，某一特定时期的需求可以由它的最大值、最小值、以及最可能的值来描绘。效劳时间是每个库存节点的真实提早期。一个库存节点的真实提早期可以通过它的名义提早期〔比方制造或运输时间〕以及它的供给商的满足率来求得。特别的，当一个供给商出现缺货时，我们必须将由此产生的延迟加到实际提早期中去。这一延迟是供给商用来消费满足订单的下一个单位所用的时间。在我们的模型中，我们通过Markov链分析得到附加的延迟。随着到达和效劳过程确实定，我们可以分析队列，并得到类似库存、缺货、满足率和顾客效劳程度这样的性能指标。在对库存节点i的分析中，关键值是队列中的作业数量，以Ni表示，这个值可以从标准的排队论的结论[Liu,Kashyap,和Templeton1990]中得到。为了减轻大规模应用中的计算负担，我们用一个正态分布来近似Ni。这样，我们只需要得到Ni的均值和方差，而这二者都依赖于实际的提早期，即排队模型的效劳时间。图1是一个库存节点的动态变化的简图。优化模型的目的是最小化供给网络中的总期望库存资本。这一总量是所有库存节点的总和，而每个节点持有两种类型的库存：成品〔在持〕库存和在制品〔在订〕库存。优化模型的约束是要求的顾客效劳目的。他们由顾客订单在给定期限之前满足的概率来表示，例如95或99％。我们的公式允许用户分别为每一类需求流指定顾客效劳目的。首先对于每种最终产品，我们得到可以满足要求的顾客效劳目的的满足率。这些满足率通过网络的材料清单构造以及实际提早期，与所有上游库存节点的实际提早期建立联络。模型因此得到了不同库存节点的互相关系，特别是平安库存程度和满足率对于顾客效劳程度的影响。供给链和配送网络的相关模型包括了Lee和Billington[1993]模型，Atntzenetal,[1995]，Cammetal.[1997]，Kruger[1997]，Graves,Kletter,以及Hetzel[1998]、Andersson,Axsaeter和Marklund[1998]。图1：在这个描绘一个库存节点动态性能的简图中，平安库存程度是9，当有四个单位库存时，其它的五个单位已经由早期的订单所供给，并且已经转化为流程中的五个作业。为了使优化可以快速执行，我们得到准确形式的解析梯度估计，并且实现了一个梯度搜索算法用来生成最优解。这一工作的技术细节参见Ettletal.[1998]及附录。除了梯度搜索，我们还开发了一个基于产品聚类的启发式优化过程。为了使解法有效，我们将它与许多搜索方法在解决中等规模的测试问题时进展比拟。对于大规模的，产业规模的应用，这一模型也已经在IBM的几个商业单元中得到广泛测试。仿真引擎仿真引擎允许用户对不同的供给链策略进展模拟，特别的，可以用来验证和微调由优化引擎生成的解决方案的性能。我们基于Simprocess[Swegles1997]建立仿真引擎，Simprocess[Swegles1997]是一个用于通用目的的商业流程模拟器，由IBM研究中心和CACI产品公司结合开发。仿真引擎在参加供给链建模功能的同时，保存了Simprocess的功能。特别的，它为下面的供给链流程提供了建模功能：顾客流程代表了基于所模拟的顾客需求，向供给链提交订单的外部顾客。它还能对关于期望顾客效劳目的和顾客优先级的信息进展建模。制造流程对装配组装过程、库存策略和补充策略进展建模。它还能被用于对供给商建模。配送流程对配送中心建模并且可以用来对零售店建模。运输流程对运输时间、车辆装载和运输本钱进展建模。预测流程代表了产品预测，包括将来阶段的促销和随机需求。库存方案流程对周期性的库存目的程度设置进展建模。这个流程的本质是基于要求的顾客效劳目的，计算出供给链中各个库存节点的建议库存程度的AMT优化引擎。仿真引擎允许用户在监控输出报告的同时，改变一系列输入参数，来获得最正确的输出值。所有的输入和输出参数存在于AMT模型数据库中。用户以随机变量的形式，通过随机分布为仿真提供输入参数；包括制造提早期，运输时间，原材料处理延迟时间、需求预测、原材料清单单上要求的产品数量和供给商的可靠性。支持的随机分布函数包括β，爱尔朗，指数、γ、正态、正态对数、泊松、三角、均匀、韦伯和用户定义的分布。我们设计了仿真引擎来进展基于情景的分析。在这一分析中，像供给商、制造商、配送中心的数目和位置、库存程度、以及制造、补充以及运输策略〔按方案消费、按订单消费、按订单装配、持续补充、周期性补充、满载运输、非满载运输等等〕这样的供给链参数在仿真过程中不断变化。对于每一次的仿真，用户都可以指定一个方案期，重复情景〔样本运行〕的数量以及一个不用保存统计数据的预热阶段。方案期的长度取决于特定的被讨论的实际应用，以及历史需求预测的有效性。通常我们取6-12个月作为方案期。仿真运行的结果以指标报告的形式输出，这些指标包括周转次数、顾客效劳、满足率、缺货率、出货、收入、平安库存以及在制品库存。为了分析财务方面的影响，用户可以使用以下条目，其中的所有条目都可以再仿真中监控：原材料本钱；产品销售收入；基于活动的本钱，例如原材料处理和制造本钱；库存持有本钱；运输本钱；错误满足或者推延向顾客发送的惩罚本钱；因被错误满足或者从供给商处推延发来货物的补偿；由顾客返还货物产生的本钱；将货物返还给供给商的补偿。系统集成与技术创新我们将AMT的六个功能模块集成在一个足够灵敏的系统构架中，它可以满足用户不同的计算需要。这种构架是基于一个客户端－效劳器规划模型的，在这个模型中，可以利用计算机网络的资源进展试验〔见图2〕。AMT的客户端提供了一系列功能，用于查看用户图形界面和对话框形式的数据录入。而AMT的效劳器端——通常处在一台功能强大的工作站或中型机上——提供了完好的建模和分析功能。在我们为使用功能较弱的计算机〔如膝上型电脑〕的用户建立的构架中，AMT客户端那么以独立于平台的Java应用程序形式存在；联网的客户端那么允许用户通过网络阅读器访问AMT。图2为了管理供给链运作，AMT需要产品在不同阶段与流程中的相关数据。这些数据可以通过一个相关模型数据库〔它经由关联界面与效劳器相连接〕得到。数据库存储了与各种建模情形相关的信息，包括供给链构造、产品构造、制造数据，以及需求预测。对每种最终产品，通过自上而下的材料清单，可以生成它的产品构造。我们所有的产品数据都是从公司数据库以及当地站点数据资源中提取的。为了方便数据提取，我们开发了许多数据库连通性模块，提供对数据库的自动访问，提取消费数据，并把它们注入模型数据库中。所有的连通性模块都有内置的材料清单生成功能。为了检测因原材料清单信息遗漏或不完备导致的数据记录不一致现象，我们参加了数据库的一致性检验，这样可以产生遗漏数据报告，并将数据集缩小到可以被保持一致地下载到模型数据库的程度。数据搜集的过程允许用户在相关的表格中提供遗漏的数据，这些表格可与清单的输出结果合并。为了将原材料采购清单的复杂性控制在可以管理的范围内，我们实现了数据减少程序，通过这些程序，我们可以根据零件的价值等级或年需求本钱自动消除非关键组件。AMT的图形用户界面允许建模者在工作域内拖放通用供给链组件，来为多种供给链建立供给网络〔见图3〕。复杂的算法封装在组件内部。例如，点击“PSG制造〞节点，就会翻开让用户指定参数和策略的窗口，例如延迟时间、制造提早期、原材料清单，以及按订单消费或按方案消费这样的制造策略。AMT也支持分级过程建模。用户可以“下行〞来包含供给链的其他层，给建模过程增加可扩展性。顾客节点捕获需求、预测和客户效劳要求。我们置入了动画，来帮助用户将订货、商品以及卡车在节点间的运行这些供给链活动可视化。在仿真运行过程中，用户可以查看报告，例如效劳或库存报告，理解仿真目前的状况。除了这些实时报告，AMT还提供我们前面讨论过的财务和性能报告。图3AMT的一个重要特征就是优化和仿真引擎这些附加功能。使用优化引擎，用户可以进展迅速而深化的假设分析，这是超出任何标准仿真工具才能以外的。使用仿真引擎，用户可以在仿真动态的供给链流程和策略的同时，调用库存模块进展阶段性的最优库存程度重算。用户可以在优化解决方案的根底上进展仿真，观察不同节点采用的不同的供给链策略是怎样影响供给链的性能的。仿真结果也可以用来调整仿真或者优化过程的参数。在仿真引擎和优化引擎之间有一个自动接口，允许用户在仿真运行中周期性的调用优化引擎，例如，根据最新需求预测重算目的库存程度。用户还可以在推拉混合型环境中，使用优化引擎周期性地产生方案方案——结合考虑效劳目的和系统不确定性。总之，AMT包含了创造性的优化，性能评价以及仿真的结合，集成了数据连通性和一个基于因特网的建模框架。这使得它成为一个功能强大的通用工具，可以用于获取大规模行业供给链的随机动态环境。我们将跨企业供给链作为一个库存排队网络进展建模，使用分解算法和排队分析来获取每个库存节点的性能，。我们开发了多层、有约束的库存优化算法，采用变化梯度和启发式搜索，使其有效地应用于大规模的问题。我们建立了一个供给链仿真库，其中包含供给链流程和策略的广泛的集合，利用这个集合，可以用少量的编程工作为不同的供给链环境建模。它提供了性能指标、财务报告，以及深化到每个库存持有单元的基于活动的本钱。它还为用户提供了使供给链参数生效和基于分析结果微调参数的方法。IBM个人系统组中跨企业的供给链管理IMB个人系统组〔PSG〕负责个人电脑的研发、制造、销售和效劳〔例如，商用型台式电脑，消费型台式电脑，挪动产品，工作站，PC效劳器，网络PC，以及相关外围设备〕。PSG在全世界雇用了18500以上的工人。销售及营销队伍分布在大城市，而制造工厂位于美国、拉丁美洲、欧洲和亚洲。1998年，PSG卖出了大约7,700,000台计算机，这些计算机使用类似于IBMPC、Aptiva、ThinkPad、InteliStation、Netfinity、以及网络工作站这样的品牌。来自戴尔和Gateway这样的PC制造商的竞争日益增强，它们采用直销的、按订单消费的商业形式。这促使PSG在1997年重新评价自己的业务表现以及与其供给链合作伙伴的关系。目的是设计施行一种综合的商业形式，结合直销形式〔按订单消费，根据客户要求配置，库存最小化〕和非直销形式〔固定配置，高质量顾客效劳和技术支持〕的优点，通过多种渠道进展销售。在1997年四月，PSG成立了一个跨功能单位的团队，其任务是在现有的商业形式和其他不同的方案中，量化顾客效劳和扩展供给链中库存之间的关系。我们利用PSG的商用台式机产品的一个子集的消费数据，建立了AMT中的根底供给链模型。该模型是由最终用户的需求、零售商定购行为、IBM制造与库存策略、供给商性能以及提早期可变性触发的。我们从22个零售商那里搜集了五个月的实际最终用户销售数据。零售商定购行为是被许多因素影响的，例如对策策略、市场鼓励、对供给商可靠性的信心，以及为满足大客户采购的库存储藏。对每一个因素进展建模未免太过复杂了。我们的模型通过使用替代性的定购政策，获得每个PSG零售商的总定购量，来代表现有渠道的销售才能程度。例如，假如某个零售商平均持有60天的库存量，模型就为它建立一个相当于60天渠道库存的目的平安库存程度。为了观测当零售商改变它们订货策略时的情况，我们在AMT模型中改变渠道库存程度，并进展不同情况下假设分析。对于每种定货策略，我们假定一个零售商将按照给定供给天数的程度来保持产品库存。在正常商业流程中，PSG根据13周滚动程度来预测它的制造才能。当前一周的预测作为消费方案，然后此方案推动PSG的制造地消费的产品流向分销仓库，然后它们存储在那里，直至被零售商定购，或者说拉动。这种补充库存策略抓住了PSG的结合推拉式制造与定购系统的特征——PSG按照预测制造产品，将它们作为成品存在仓库中，直到从零售商那里得到订单为止。这个系统并非真正的拉式系统，因为产品的可获得性会影响零售商的定购。同样，它也并非真正的推式系统，因为零售商的定购也会影响PSG制造点的日程安排。为了有效的把握由于部件短缺、才能约束以及最小订货批量要求所造成的多变性，我们分析了对将来13周的预测。PSG制定了一个在95％的可能内三日内送货给顾客的目的，这个目的直接转化成AMT的优化引擎所需要的顾客效劳约束。结合仿真引擎和优化引擎，模型根据最新的可得到的需求预测，每周计算平安库存，使顾客订单中的95％在3天内满足。这个供给策略形成了PSG供给商定购部件和组件，并进展后续制造活动的根底。在工程的第一阶段，我们使用简化的数据集来建立一个PSG供给链的简化原型来检验假设，研究各种建模算法，更好的理解AMT应用中可能的局限。在工程的第二阶段，我们开发了更详细的建模方案，可以改变渠道库存，并结合零售商处的渠道装配策略。PSG给他的零售商们提供了两种类型的产品：〔1〕标准机型模型〔MTMs〕：已完成并经检测合格的计算机；〔2〕开放式机型：没有功能，只包括计算机最根本的部分，没有内存，硬盘文件和CD-ROM，这些开放式的机型允许零售商根据顾客的特殊需求进展组装。我们发现有的零售商把这些开放式机型在需要的时候组装成标准机型，卖给顾客，这是一个表达出灵敏性的例子，因为零售商可以用当前的开放式机型库存满足对标准机型的订单，而不仅仅是储存这些库存去满足非标准机型的订单。有的零售商库存大量开放式机型，一旦有了标准机型的订单，他们向厂家订货，而不是利用现有的零部件组装，这就是不够灵敏的表现。两种方法都会影响库存和顾客效劳。因为零售商的灵敏性不可以准确地定义，我们设计了不同仿真试验集，在100%灵敏和100%不灵敏两种极端的情况下，界定或构造渠道装配策略的实际影响。通过将仿真结果与PSG历史数据的比拟，我们来验证AMT模型的准确性。我们根据需要调整我们的消费模型和参数，在不同的参数和策略下进展屡次仿真。这项研究的主要结果是如下几个方面：基于PSG现有的产品构造、小批量的市场环境、以及现有的供给链策略，采用渠道装配几乎没有减少其库存。〔不灵敏的零售商渠道行为〕允许零售商用他们库存的部件组装成任何标准机型，可以改善效劳2％，减少12％的库存。〔灵敏的零售商渠道行为〕把22个装配点的需求集中成3种大的类别，可以改善6％的效劳程度且减少5％的库存。在现有的推－拉式的供给链策略根底上，PSG可在不影响顾客效劳程度的根底上，减少50％的库存。目前，整个供给链上的库存程度远远高于保持PSG效劳目的所需要的最优库存。这个工程及随后的工程集中了4个功能团体——市场和销售，消费，配送，开发——寻求公司范围内对PSG战略方向及随后行动的一致。我们的研究对于PSG的先进的订单满足创新〔AFI〕直接起到了奉献作用，AFI致力于通过改良PSG产品的通用性，进步零售商渠道的灵敏性[Narisetti1998]。同样，PSG的管理层也认可了减少组装地点的数量，这是由于价格保护渠道的环境发生变化的结果。特定的条件和环境主要决定于AMT模型的输出结果，在对后勤流程进展了一系列加强改善后，于1997年11月施行这个工程。 PSG已经基于ATM的分析结果，对于如何分配工程优先权和库存管理渠道库存方面，作出了许多决策。虽然1997年就作出了PSG初始商业转型的分析，但是是在1998年产生了实际的商业效益。一个零售商预测的越准确，效劳的程度就越高。从1997年底到1998年底PSG削减了超过50％的库存。这次削减库存的直接结果就是PSG销售渠道的贴补费用比1997年减少了1亿美元。贴补费用是指支付给分销商和商业合作伙伴的费用，这些费用是为了补偿价格变化而对他们的库存产品所产生的影响。另外，由于产品的销售实际与部件制造时间又缩短了4－6周，使得PSG节省了另外5％－7％的消费本钱。这相当于每年节约6.5亿美元。 在最初评估后的几个月内，我们进展了进一步的供给链研究，包括分析〔1〕将供给链上的合作者结合进来；〔2〕在建模中考虑地理分布情况；〔3〕评价将总装延迟至销售商的配送点这一做法对库存和消费者效劳影响；〔4〕估计削减消费周期对库存的影响。这些研究已经帮助PSG的商业合作伙伴制定更及时的关于供给链策略的决策。特别的，这些研究已经使得IBM和他的主要合作伙伴建立了一个合作场所政策。在合作场所政策中，合作伙伴将它的配送点置于IBM内部，消除了在不同地点之间昂贵的周转费用。最后，因为我们发现预测的准确程度在很大程度上影响着库存和消费者效劳程度，PSG用AMT来决定向商业合作伙伴承诺的效劳程度，而这种承诺主要基于他们提供准确预测的才能。零售商预测地越准确，PSG提供给零售商的效劳程度就越高。这种政策在行业中是史无先例的，受到了PSG的商业合作伙伴的欢送。总而言之，PSG相信AMT在开发和应用世界程度的供给链管理策略上，已经成了一个无价的资产。IBM中其他的AMT应用AMT同样应用在IBM的其他制造部门中，包括印刷系统部门〔PSC〕，中型机部门〔AS/400〕，办公室工作站部门〔RS/6000〕，存储系统部门〔SSD〕，大型机部门〔S/390〕和PSG的欧洲市场。PSG的一些商业合作伙伴也已经使用了AMT，包括Pinacor，GECapital和BestBuy。IBM的行业解决方案单位对外采用这个工具来进展咨询应用。下面是AMT最新的三个应用的概述：IBM的印刷系统公司〔PSC〕是提供企业打印机解决方案的主要供给商。产品线包括办公室打印机和大量的消费印刷。这个公司雇用了大约4，550个员工，1998年拥有19.5亿的毛利润。1996年，PSC用5个月的时间对AMT进展了大量的测试过程。在评估报告中，检验小组认为AMT产生了准确的结果，与现有的供给链管理和库存工具相比，可以进步消费力，并且改善了PSG在确认和生成库存预算和周转率目的时的准确性。此后，PSC使用AMT来研究预测准确度、产品构造、建造一个新的配送中心、以及其他商业活动对不同产品族的供给网络性能的影响。据报告，仅在一个例子中，就节约了160万的库存本钱，占总库存持有本钱的30％。1998年PSG本钱节约超过7亿5000万IBM的AS/400公司制造中等规模的商用计算机和效劳器，提供150多种型号和到达1000个之多的性能方面的晋级。组装这些系统需要几千个独一无二的零部件，大约1000个左右要在装配的最后阶段——就在全部完成一个系统之前——用到。假如给客户提供灵敏性，让他们可以挑选功能特性来定制个性化的产品，那么无疑就会对消费的复杂性和效率带来挑战。公司使用AMT来分析和量化诸如减少功能部件、功能部件替代、部件通用性、延迟个性化等一系列方案对于库存和准时运送的影响。结果说明，消除小批量的零件可使库存周转率进步15％，替代和延迟最后的总装可以使库存周转率进步大约30％。从1998年开场，AS/400削减了大约30％的功能部件数量，其总销售额稳定增长。1995年，IBM建立了一套快速反响效劳工程，为购置中等规模数量的计算机内存、外存和功能部件的顾客提供快速运送效劳。1998年9月，IBM开场将快速反响工程作为一种前沿实验对象8，为主要商业合作伙伴提供真正的电子商务。IBM用AMT来分析权衡效劳与库存之间的关系，从而找到了一个最优性能的结合点，此后还用它来分析快速反响工程对于消费和配送中心之间库存分配的影响。这些结论帮助IBM实现了商业效率的最大化，并且使由快速反响产生的收入增长在1998年翻了一番。结论AMT使用了先进的运筹学技术，将技术创新与实用的战略性的应用结合起来，在业界产生了深远的影响。IBM已经采用AMT来处理广泛领域内的商业问题，包括库存管理，供给链配置，产品构造，补充策略等等。AMT已经在许多IBM的业务单位及他们的商业伙伴中得到了施行。施行AMT后仅1998年就带给PSG7亿5000多万的本钱节约。此外，AMT还帮助IBM的商业伙伴可以以低得多的库存程度满足客户需要，并且与很多商业伙伴达成了合作场所政策。AMT已经成为许多供给链重组创新方法的根底，几个IBM的商业伙伴把AMT分析看作是同IBM合作优化跨企业供给链的关键里程碑。致谢我们对下述人员所提供的辛勤劳作和鼎力支持表示衷心的感谢，他们是：ChaeAn,RayBessette,RickBloyd,HaroldBlake,RichardBreitwieser,J.P.Briant,BobChen,FengCheng,ArthurCiccolo,DanielConnors,IanCrawford,AnthonyCyplik,JohnEagen,BrianEck,GerryFeigin,AngelaGisonni,JohnKonopka,TomLeiser,TonyLevas,NikornLimcharoen,JoeMagliula,BarbaraMartin,LarryMcLaughlin,BobMoffat,GerryMurnin,NitinNayak,JimNugent,LynnOdean,KrystalReynolds,RichardShore,MukundanSrinivasan,JayashankarSwaminathan,DavidThomas,BillTulskie,BurnieWalling,Wen-LiWang,JamesYeh。附录基于平安库存控制策略的多层供给网络优化这里我们简单的回忆一下优化引擎中数学模型的关键点。Ettl，Feigin，Lin和Yao[1998]给出了全部细节，包括一些这里没有涉及的问题，比方非平稳需求的处理，相关的滚动方案的施行，梯度的求法以及许多施行前后的步骤。我们用产品的物料清单构造来制定供给网络的配置。网络中的每个节点要么是一个工厂，要么是一个配送中心。同每个节点以及该节点中处理的每一种产品相关联的，是一个多层的物料清单。每个节点都有存储区域，我们把它看作库存点，存储出如今物料清单中的部件以及最终产品，分别对应于输入库存点和输出库存点。下标i和j表示库存点，S表示整个网络中所有库存点的集合。我们假设采用一个分布式的库存控制体系，每个库存点都遵循平安库存控制策略管理库存。该策略描绘如下：当库存点i的库存位置〔现有库存加上在订库存减去缺货〕降至某个事先给定的平安库存程度以下时，该库存点即去订货。在我们的模型里，是一个决策变量。每个库存点i都有一个给定分布的名义提早期Li，该名义提早期是指，当任何上游库存点没有因为缺货而发生延迟交货的情况时，这个库存点所在节点的消费时间或是运输时间。而实际提早期那么考虑了由于缺货可能造成的延迟，Li是给定的数据，而那么是推导出来的性能指标。为了分析每个库存点i的性能，我们采用一个库存排队模型，参见Buzacott和Shanthikumar’s[1993]。特别的，我们将平安库存控制策略与MX/G/∞排队模型结合在一起，在MX/G/∞排队模型中，到达服从到底率为λi的泊松分布，每次到达包含Xi个单位或订单。复合泊松过程很好地平衡了一般性与可操作性。需要特别注意的是，它提供了至少3个参数来为需求数据建模：到达率和到达批量的一阶矩和二阶矩〔而简单泊松到达过程只有一个参数〕。为了得到每个库存点i的性能指标，我们首先要为MX/G/∞队列产生一个输入进程。为了做到这一点，通过层层分析物料清单的构造，在每一层根据提早期调整时间参数，就可以把每一类相关的需求流〔无论是预测的还是真实的〕分解为每个库存点的需求过程。这个过程与标准MRP分析中的生成与偏移步骤非常相似。队列所需的第二组数据是效劳时间，这里我们以实际提早期来模拟。令Ni表示平衡状态下MX/G/∞队列中工作的总数，根据标准排队结论[Liu,Kashyap,Templeton1990]，我们可以得到Ni的均值和方差，分别记做μi和σi2。然后我们将Ni近似成一个正态分布：〔1〕其中Z服从标准正态分布。从而我们将平安库存程度表示如下：〔2〕其中ki被称作平安系数。Ri和ki通过上式互相关联，二者任取其一可为决策变量。令Ii表示库存点i持有库存程度，Bi表示缺货量，它们与Ni和Ri有如下关系：〔3〕其中[x]+=max(x,0)，得到如下期望：〔4〕其中〔5〕是Z的密度函数。另外，记为Z的分布函数，，我们得到库存点i发生缺货的概率pi和满足率fi：〔6〕所有上述的性能指标都涉及到库存点i的实际提早期，我们将其表示为：〔7〕其中S>i表示所有为库存点i消费供给部件的库存点的集合，τj表示在属于集合S>i的库存点j处产生的额外延迟。由于一般τj很难计算，根据排队论分析，我们可以作如下近似：〔8〕直观上看，E(Bj)/pj就是j点在有缺货发生的条件下的平均缺货量，每次这样的缺货需要的平均时间去满足，也就是说，平均来讲，在缺货发生时，平均有(Rj+1)个已发出的订单正在处理。用户需求是由最终产品库存点的集合，网络中的边界库存点S0来满足的。考虑一个特殊的客户群，其需求由一个末端库存点i满足，iS0。令Wi表示接收一个订单的等待时间，那么所要求的客户效劳目的可表示为：〔9〕其中αi和βi是给定的数据。假如需求只是由现有库存来满足，那么延迟仅仅是将产成品运至顾客手中的运输时间Ti，这个时间也是给定的；否那么，就有一个额外延迟τi，因此为了使上式不小于αi，我们必须设定满足率fi为〔10〕根据公式〔8〕，上式右边的τi可表示为。由于ri与Bi，Ri有关，而后两者都是ki的函数，那么fi也是ki的函数，这里我们需要求解一个由〔8〕式定义的不动点问题以得到fi〔或ki〕。然而在优化过程的循环中，假如我们简单地以上一个循环中ri的结果做为下一个循环中ri的初始值，那么这个问题就可以防止。一旦我们得到了fi〔或ki〕，就可以通过式〔2〕和式〔6〕得到平安库存程度和缺货概率。我们的优化模型的目的是在满足要求的顾客效劳程度前提下，使供给网络中总的期望库存资金最小化。每个库存点都有两种库存：在持库存和在制品库存〔WIP〕〔WIP包括正在运输途中的库存〕，从上边的讨论中我们可以看到，库存点i的期望持有库存为E[Ii]=σiH(ki)，WIP的期望为E[Ni]=μi。因此，目的函数具有如下形式：〔11〕其中ci和ci’分别表示在持库存和在制品库存的单位库存资本，假设ci给定，ci’可以根据BOM由ci求出。我们的目的是在对所有的终端库存点：iS0S，在满足〔10〕式中的满足率要求下，使C(k)最小化。这是一个有约束的非线性优化问题，通过上述导出的关系，得到偏导∂/∂kjC(k)。将这些结论用于共轭梯度的搜索规那么，见Pressetal.[1994]。由于目的函数值变化很大，为了防止出现部分最优，我们还用到了几种启发式搜索。例如，评价一系列随机生成的初始值而后选取一个最好的开场梯度搜索。参考文献Andersson,J.;Axsaeter,S.;Marklund,J.1998,“Decentralizedmulti-echeloninventorycontrol,〞ProductionandOperationsManagement,Vol.7,No.4,pp.370-386.Arntzen,B.C.;Brown,G.G.;Harrison,T.P.;Trafton,L.L.1995,“GlobalsupplychainmanagementatDigitalEquipmentCorporation,〞Interfaces,Vol.25,No.1,pp.69-93.Bagchi,S.;Buckley,S.;Ettl,M.;Lin,G.1998,“Experienceusingthesupplychainsimulator,〞ProceedingsoftheWinterSimulationConference,Washington,DC,December,pp.1387-1394.Buckley,S.1996,“Supplychainmodeling,〞ProceedingsoftheAutofactConference,Detroit,Michigan,pp.749-756.Buckley,S.andSmith,J.1997,“SupplyChainSimulation,〞GeorgiaTechLogisticsShortCourse,Atlanta,Georgia,pp.1-17.Buzacott,J.A.,Shanthikumar,J.G.1993,StochasticModelsofManufacturingSystems,Prentice-Hall,EnglewoodCliffs,NewJersey.Camm,J.D.;Chorman,T.E.;Dill,F.A.;Evans,J.R.;Sweeney,D.J.;Wegryn,G.W.1997,“BlendingOR/MS,judgment,andGIS:RestructuringP&G’ssupplychain,〞Interfaces,Vol.27,No.1,pp.128-142.Ettl,M.;Feigin,G.;Lin,G.;Yao,D.D.1998,“Asupplynetworkmodelwithbase-stockcontrolandservicerequirements,〞OperationsResearch,forthcoming.Feigin,G.;An,C.;Connors,D.;Crawford,I.1996,“Shapeup,shipout,〞ORMSToday,Vol.23,N