演講人簡介

百世物流供應鏈優化總監 蘇冠

蘇冠先生在端到端供應鏈優化、數字化供應鏈系統架構與實施領域擁有超10年的豐富經驗，他曾為 TOLL Logistics、Vodafone、國藥控股、Bayer、Coca-Cola、無限極等行業領先企業提供管理咨詢服務。他領導的 WMS / TMS / Control Tower、網絡優化、多級庫存優化等項目幫助客戶供應鏈取得戰略競爭優勢。蘇冠于2017年加入百世物流，負責為集團戰略客戶提供從方案到運營落地的端到端咨詢服務。

本篇內容最先由蘇冠先生于8月9日在上海LLamaCon供應鏈優化與設計大會上發表，蘇總以“供應鏈優化背后的科學與邏輯”為主題，圍繞網絡優化、預測與庫存兩個話題與來賓分享了四個精彩案例，以下為我們摘錄的演講內容。

圖01. 演講內容梗概

案例一

感謝LLamasoft的邀請，今天在這里我也見到了很多新老朋友。我分享的第一個案例是一家大型醫藥分銷企業，當時這家企業并購了大量的分銷商，通過這種方式迅速做大了中國區的市場，然后上了市。上市以后增長非常快，每年20%-30%的速度，不過他們的物流發現了一個問題，隨著物流量的上升，單位的物流成本并沒有下降，這是出乎他們意料的。我們做供應鏈的都知道，供應鏈無非就是規模效應，貨量上升后勢必會拿到更低的供應商價格。那為什么會出現這種情況呢？

他們找出了兩個原因，可以看下片子右邊的部分（圖02）。第一個原因是大量的并購，并購后并沒有完全把被并購方的供應鏈整合進整體公司，我記得是60%的采購量仍然是地采，意味著被并購的公司仍然維持著它之前的采購模式，供應商用非常小的單量，直接向這些地方公司進行供貨。大家也知道，單量小價格就肯定不會好，物流成本會比較高。

圖02. 激進的并購策略帶來的物流挑戰

另外一個原因是，雖然上市之后集團投入非常大，在北京、上海、成都、廣州、武漢都設立了RDC，但是由于種種原因，80%的集團集采的貨量都集中在了上海和北京發貨。直觀來看，就是80%的集團集采物資都是由自己的藥廠，不管藥廠自己的分布在哪兒，直接發到北京和上海，再由北京、上海發全國，對于零擔運輸來說距離非常長。他們的供應鏈副總給我看了這樣一張圖（圖03），是他們自己內部未來五年的規劃，他說我們公司希望在未來五年建立全中國最大的醫藥分銷網絡。這個網絡由兩級的倉儲構成：RDC和FDC，未來整個集團80%的貨量，都通過集團集采、統采。所有上游的藥廠也好，醫療器械的供應商也好，或者其它的醫藥代理商、經銷商也好，都會將他們的貨發至相應的RDC，再由RDC發至各個省內的分倉，然后由分倉對客戶的終端進行服務。

圖03. 未來的解決策略

他說這樣的模式未來勢必能提升供應鏈的效率，但他不知道的是效率到底能提升多少？這些RDC又應該布在哪兒？覆蓋的范圍怎么樣？每一個RDC吞吐量怎樣？規模如何？恰好這時候一家很大的醫藥行業基金公司給了他們十個億的投資，他們的CFO也亟需這樣一個財務分析，幫他在三個月內決定未來這筆錢應該花在哪兒，應該在哪兒設立一個更大的RDC。我們幫他做了兩件事，第一件是幫他建立了基線。建立基線的過程如何呢？我們沒有先找物流部門，我們先去財務部門拿到了每一條線路、每個運單的物流成本信息，費率信息和貨量信息，再和物流部門核對相應的物流信息是否準確，以及每個現在的倉儲節點的庫存信息。我們用基線模型模擬他過去一年時間中每天實際發生的倉儲作業成本、物流運輸成本，最后將這個模型輸出的成本和財務、CFO那邊拿到的數字進行比對，確保這兩個數字是一模一樣的。之后我們告訴模型：我想未來同樣滿足這1400億的銷售額，但我整體的物流路徑都得改。不再是供應商直發各個FDC，要求80%的貨量要發往RDC，從RDC轉發到FDC，然后再到終端的客戶。經過這樣的模式改變后，我們花了兩到三天的時間，就模擬出了未來不同的場景，我們當時得出的結論是基本上未來的場景和現狀相比，有20%的整體成本節約。

圖04. 網絡優化節省了20%的成本

這里節約的主要來源是大幅度減少了零單長距離運輸成本。當然因為設立了RDC，會增加固定資產的投入以及相應的庫存，還有增加的搬運成本。但正是因為有這樣的一個tradeoff，所以像LLamasoft這樣的軟件可以在非常短的時間內給予我們的董事會、CEO非常詳細可靠的財務分析，幫助我們的董事會在更短時間內做出更快的決策。因為這個項目是12年，我記得12年我們給他前前后后做了三個月，做完后到現在，去年他們的財報是2700億，基本就和當時做項目的預測一模一樣，2700億的時候他們整體的物流成本target，是想要比當時12年的target下降15%，目前是下降了18%，這些數據我們也可以線下進行交流。

案例二

下一個案例也和網絡規劃相關，這是一家做防水涂料的民營化工企業。之前發展得特別快，每年都是20%-30%的復合增長率，直到前年的時候，他們發現增長在變緩，原因在于他們之前服務的客戶都是大型的基建、大型的公寓開發商，他們供應鏈服務的對象是直接將貨發到工程的現場。可以看到這樣的供應鏈其實對時效的要求不高，但是為了企業更好的發展，董事長說我未來想服務的是民用裝修市場。民用裝修市場的特點是一定要走經銷商的模式，要借助經銷商幫他把貨賣給像我們在座的各位，我們做家裝可能就需要防水的涂料。

他要通過這樣的模式來保證他未來業務的增長，但是這個模式對他現有的供應鏈提出了非常大的挑戰，兩個方面：第一個方面，我要服務于我的經銷商，而經銷商每次的訂貨量會遠遠小于一個大開發商的訂貨量。此外，經銷商的訂貨頻次會更高，一周可能要一到兩次。然后經銷商還會要求更好的服務時效，全國四十八小時送達，雖然不是所有的貨量，但他們的要求是80%。那時候他們的物流總監說，我老板讓我把這個服務時效給搞定了，但成本還不能上升太多，因為化工行業薄利。我就說那你把相應的物流數據給我看一下，把一年的運單拿過來，這就形成了這張圖（圖05），我們看到的紅色點是它全國的工廠布局，綠色點是在全國各個城市的銷量，點越大代表銷量越高。我當時拿到這張圖就覺得很奇怪，其實化工行業大家都清楚，基本是就近生產，就近服務，我就說你布了11個點，為什么還達不到48小時的時效啊？我覺得太奇怪了。

圖05. 重新分配產能以提升供應鏈服務水平后來我們拿到他每條運單運輸距離的數據，就是左邊的這張餅圖（圖05），大家可以看到，31%的貨量的配送距離超過了500公里，這就和我過往職業生涯的經驗相左。原因其實很簡單，后來我要了他們產能分布的數據，我們看左邊這張柱狀圖（圖06），JIST是他們的一條產線，這是在各個工廠的產能utilization的分布，可以看到是忙的忙死，閑的閑死，產能分布明顯不均勻。最后導致的結果就是右邊這張圖（圖06），可以看到更本沒有任何規律可言，經常北京的工廠會發新疆、發整個西北，上海也是發全國。后來算下來，11個工廠基本上每個都要發全國，很奇怪對不對？

圖06. 產能分布不合理帶來了高昂的物流成本

但后來我發現這并非不可理解，因為企業之前的發展很快，投產的時候上游供應商的資源還沒跟上，他就覺得我的供應商大多都在北京和上海兩個地域，那我就把北京上海華東這些產線多利用一些，最后就導致了這樣的結果。

我們為他做了幾件事，第一件是告訴LLamasoft要考慮每個SKU，每一條生產線在每一個城市的產能約束，同時改變它的物流模式，不再是工廠直發。工廠都會發到工廠倉，每個工廠倉變成了一個RDC。假設未來當地的工廠不能再滿足未來的庫存需求或需求的波動，那我們會從就近的工廠提前進行prebuild，再通過干線運輸放到相應的工廠倉，最后由RDC來覆蓋周邊相應的城市。

通過模式的更改和模型的計算，最后得出的結果是之前的成本是219元/噸，這代表的是從工廠端到最后的經銷商的門店，優化后變成了196元/噸，同時整體的服務水平達到了要求，也就是80%。

圖07. 實現15%的成本節約

之后我們還進一步給它做了優化，因為我們發現每一條產線都是有通用性的，不僅可以生產A產品，也可以生產B、C這種大類型一樣的產品。我說你給我放寬一點產能的約束，然后就是因為放寬了這個約束，我們發現整體的物流成本可以繼續下探到170元/噸，所以基本上是20%的成本下降，而且同時也達到了企業的戰略需求。

根據剛才的兩個案例，可以發現網絡優化的工具往往和企業的戰略需求相關，這個戰略需求有時是為我們解決M&A帶來的供應鏈整合的一些弊端，又或者是為了拓展新的市場渠道，提升服務時效，如何通過更低的成本和更好的供應鏈布局來應對新的市場挑戰。

剛才說的是通過網絡優化設計整個供應鏈的骨架，接下來就是我們每天要應對的工作了。我要對每個SKU未來一個月、未來一周的銷量作相應的預測，然后根據預測結果來做相應的庫存部署。所以下面的兩個例子都和庫存以及預測相關。

案例三

和人相比，算法在預測方面占據了絕對的優勢。優勢體現在哪兩個方面呢？可以看這張圖。一般一位很有經驗的Demand Planner，有十多年的工作經驗，當他要做產品預測的時候，他會用Excel拿過去一年的數據，我們看左邊這張圖（圖08），上面有Trend、Seasonality、產品的生命周期，可能還外加一些隨機的因素。

圖08. 與人相比算法在預測方面更占優勢

因為他有15年的經驗，所以可能基于數據和他的一些直覺，可以把這塊預測做得比較好。但是目前我們都要面對的是電商市場頻繁的促銷，如果要考慮促銷對未來需求波動的影響，從人的經驗上已經不能幫他做這個事情了。但正好是圖的右邊（圖08）有個叫“Casuals”的技術術語，它就特別善于找出過往不同的促銷事件和未來一周到兩周對這個SKU未來銷量之間的影響correlation。我兩年前加入了百世，加入后花一年時間就做了一件事，我們為百世自己的新零售部門搭建了一套智能預測和補貨的系統。稍微介紹一下背景，我們是一個在線的B2B平臺，和阿里的零售通，京東的新通路基本上就是位列前三的平臺。在全國覆蓋五十多個城市，兩級RDC的網絡，每年的收入在35億到40億之間。它的模式就是上游連接一線的快消品品牌商，下游將我的貨賣給夫妻老婆店或者說區域型的小型連鎖便利店。

圖09. 某零售企業概況

我在前年九月份入職，十月份的時候拿到了過去三年的銷售記錄以及所有的促銷記錄，我們做的就是把這個模型建起來，然后我做了一件事。我們公司內部有一個叫做供管，其實就是Inventory Planner的角色。我讓他與模型比賽，看誰對下一周的SKU預測做得更準。最后我們做了7300個SKU，進行了三個月的跟蹤。這里是紅牛的一個例子，就是紅色的折線，能看到由人來做預測時常常產生的矛盾是他相比灰色折線，也就是實際的需求，有一個滯后效應。

圖10. 預測結果對比

其實很簡單，假設我賣紅牛，在上周做了一些促銷，導致上周的銷售額特別好，那下周作為一個管理人員，Inventory PLanner到底該補多少貨呢？因為我下周也要做這個促銷了，那我是否要備點以免缺貨。這是多數情況下人會做的決定，但是通過機器學習我們會發現，如果在那樣的時間節點，那樣的天氣條件下，同時你要做之前做過的促銷，如果緊接著再做一個促銷，至少從百世自己的數據來看，那很可能其實下周的demand已經被透支了。正因如此，我們經常在旺季促銷的時候多訂貨，最后通過降價促銷的方式來出售，從而極大地影響到我們的利潤率。藍色的線是我們算法計算出來的，越往后它學習的東西越多，和灰色線段的擬合程度也越高，最后7300多個SKU，算法完全自動化，沒有任何人工的干預，算出來了這樣一個準確率，大概在80%-90%之間，之前的人，如果預測一個SKU到下一周的話，準確率在60%，也有好的到85%之間，非常的不確定。

預測做好了以后，因為我們大都是單級的庫存，我們發現把這個系統在浙江省最先落地之后，可以看到左邊這張圖（圖11），紅色的是用系統之前的整體庫存的情況，藍色的是用系統之后，20%的庫存節約。這是我們實際運營的數據，我們用了三個月測試這個系統，目前這套系統在全國都已經開始鋪開了。

圖11. 同時達成庫存和服務水平目標

庫存下降的同時，我們看右邊（圖11），也是一個實際數據的記錄，底端的紅色折線是一個礦泉水的每日實際銷售波動，綠色折線是前一天相應庫存的結余，大部分情況下庫存結余都是能夠cover住相應的銷售波動的，但在落地系統之前，與之并行的庫存情況大概是灰色的陰影面積。所以用了一年的時間，我們證明了算法雖然聽起來比較虛無縹緲，但確確實實在預測方面比人做得好。

后來我把這個案例講給我的一位客戶聽，他是一家大型保健食品制造商，他說你現在做的只是單級庫存的問題，我們更希望解決的是多級庫存。我這位客戶是中國區的供應鏈總監，他擔心的不只是產品在某個RDC的庫存，他更關心的是從供應商到工廠，再到下游的RDC，甚至FDC，每一個地方，到底應該放多少庫存，終端的服務水平和整體這一條鏈路的庫存之間的關系又到底是怎樣的。這個問題怎么解決呢？

圖12. 端到端庫存優化如何實現比較幸運的是LLamasoft在這方面的算法特別得成熟，我們把這個工具叫做多階庫存優化，它幫我們解決了問題。當我們輸入對終端服務水平的要求，也就是缺貨率的要求后，它會自動根據需求波動幫我們確定每個供應鏈節點相應的庫存水位，而且保證各個水位都相應合理，肯定比人工做得好。

案例四

我們看下一個案例，這是我剛入職的時候，一家北美的咨詢公司在給德州儀器因為年代比較久遠可以直接說名字了，他們那時候遇到了很大的庫存問題。電子行業有一個特性，元器件特別特別貴，而且他們又是主板和CPU的高級集成商，他要做一個主板的話，整個上游供應鏈可能有七到八級不同的供應商，每一級供應商都可能有庫存的成本。同時因為產品的生命周期短，如果今年因為技術上的換代，舊產品賣不出去，到明年就會巨虧。這時候他們找到了之前說的那家咨詢公司，問有沒有什么先進的技術可以幫我探討這個問題。

圖13. 企業現狀梗概

我們先看一下這邊的圖例講解（圖14），每個方框代表一家工廠或者說一條產線，圖例的右邊會有紅色的柱狀圖，紅色越多代表這個節點的庫存越多。我們看到的是假設我們要生產一塊電腦主板，可以看到整個工序特別復雜，綠色的這些方框都是在美國本土的一些工廠和產線，黃色的方框是國外的，有澳洲的、新西蘭的，有整個亞太地區一些小國的產線。

圖14. AS-IS庫存策略他們之前做的所謂庫存計劃，是把更多的安全庫存備在一級供應商那邊，我覺得從直覺上也是非常好理解的，作為一個整體供應鏈的主管，我當然希望我的一級供應商都備有足夠的庫存，來幫我的工廠應對未來的需求波動，但這個是不是合理呢？其實供應鏈主管自己也知道這是拍腦袋決定的庫存策略，可能存在問題，他就想是否能通過模型，來幫助自己模擬不同的場景。而且這些場景之間都是聯動的，像這樣一個復雜的供應商制造網絡，任意改變網絡中某個節點的庫存，任何其它節點的庫存都會隨之變動，所以因為網絡非常復雜，我就不可能再讓我的小朋友的團隊，讓他們幫我模擬一下不同的場景，然后我從當中選一個優秀的來做實施計劃，因為這肯定是要從上百萬種場景中找出最優的。

這時候我們就通過多級庫存的算法來幫助他們進行測算，最后整個系統建議的策略是什么呢？相信大家在學校的時候都學過惠普的postponement戰略，打印機的postponement戰略，盡量地推遲成品生產的時機。當然，這只是一個定性的戰略，如何量化就要靠我們的多階庫存。我們可以再看這張圖里面（圖15），和上面相比，一級供應商的庫存已經大大減少了，我會放更多的庫存在海外倉里，因為長途的跨國跨洋運輸有非常大的不確定性，同時生產周期較長的一些工廠也會備相應的庫存。

圖15. 優化的庫存策略：postponement戰略

做這樣的一個簡單改變，整體的供應鏈庫存、生產庫存往下降了60%，而且這只是一個SKU，我看是降了60000美金吧，他們整個主板內的SKU有好幾百個。

其實網絡規劃現在在國內已經非常普及了，但是真正從一個供應鏈副總的角度來說的話，多階庫存的優化國內還很少有企業做這么深入的探討，而且目前來看整個市場未來兩三年每家企業面對的挑戰都比較大，如何從庫存的角度釋放更多現金流，這是我們每個供應鏈副總都要考慮的問題。所以我希望如果明年大家繼續參會的話，我希望能有在座的企業來上臺分享多階庫存的案例，當然也是由我們的LLama來協助這個案例的落地。

總結

其實我剛才講的四個案例背后是有邏輯的，當我們要設計任何一條供應鏈或者要解決CEO提出的供應鏈要求時，就需要分解他的需求。背后的邏輯就是，任何一條供應鏈都是為了支持企業未來的戰略目標，比如我剛才提到的化工行業做防水涂料的公司，他的目標就是要進入一個新的銷售渠道，一塊新的市場。那他的戰略目標就得分解為對供應鏈的時效和成本的新要求，再通過網絡規劃的工具，幫他設計出供應鏈的骨架，以及整個產能的分布。

為什么說網絡規劃很重要？相信這也是大家今天參會的原因，因為它是連接整個企業的競爭戰略和實際運營策略的關鍵紐帶。有了這條強勁的紐帶，當我們的網絡布局都已經定下來后，接下來就需要通過基于算法的預測以及多階庫存的工具，幫我解決未來每天面對的供應鏈計劃問題，釋放更多的現金流，從而幫助我在銷售端給予客戶更大的價值，進一步為企業戰略提供更多競爭優勢。到最后才是我們的執行端，我們這張圖最底下灰色部分（圖16）估產內部的MPS排程、倉庫內部的作業優化，或者是TMS里面的路徑優化，更多的還是執行端。當我們要優化一條供應鏈，一定要注意頂層的設計。所以這就是整個供應鏈設計背后的邏輯體系。

圖16. 供應鏈策略決定最終成本如果從另一個角度，我們經常談的digital supply chain，你自己的實施路徑就不能從上往下，之前的陳偉總也提到過，做任何的上游供應鏈規劃都離不開數字化，所以我們一定要打好基礎。我們的TMS、WMS或者我們工廠端的MTS，這些都要有非常好的基礎。就是因為有了這些數據，我們才能用LLama這樣的工具，幫我們做更好的決策優化，實現我們的競爭優勢。

根據我過往十年應用像LLama這樣的優化工具的經驗，做網絡規劃的ROI或者說cost-production大概是10%-30%，取決于你們目前現狀的成熟度；多級庫存在10-15%之間；最后就是TO，我們的實際派車路徑的優化，15%-30%。

圖17. 優化成果以上就是我今天分享的所有內容，如果大家有任何問題，可以和我進行線下的討論。

問答環節

問：非常感謝精彩的分享，我的問題還是在于多階庫存。想跟您確認一下我的理解是否正確。既然是多階庫存的話，如果是指定的供應商，那么供應商與供應商之間的商務流，還有供應商的管理，他的權責如何劃分？我光是這樣想一下，看起來算法上、邏輯上一定是走得通的，但真正實施落地，從管理上，從商務流，從資金流包括賬期的匹配，包括去管理我客戶指定的供應商，再一級級地下去的話，我覺得對于實施的人員會有無數的挑戰。

答：我覺的這是一個非常好的問題，因為要看實施端嘛。這個項目首先它會給我們策略上的指導，說我可以這樣做，有了這么一個方向后，他們再從商務上和他的上游供應商進行更加有量化目標的談判。之前我們LLama的同事也有分享，物流供應商的合作也是同樣，當我知道了自己最優化的路徑選擇之后，可以和我的物流商更好地進行議價，所以他們當時采用的是這樣的策略。然后第二點我補充一下，電子元器件行業是非常看重貨主企業的，也就是整個供應鏈的owner，像德州儀器或者三星這樣的企業，對上游供應商的把控特別強，同樣的情況在汽車行業也非常相似。但是如果是快消或零售行業的話，那你們可能優化的地方更多在于對供應商的庫存預備計劃如何能合作地更好，同時如何更好地管理自己下游outbound的RDC、DC、工廠的產品庫存，你們在這方面會更有cost-saving的機會。問：那么請問在這個過程當中，這些庫存成本最終的承擔方是哪一方呢？答：在這個項目中肯定是德州儀器。（完）LLamasoft 智模軟件

為眾多世界500強、國內500強企業提供供應鏈設計優化軟件和服務。LLamasoft智模軟件公司成立于1998年，是當今全球最領先的供應鏈優化和智能解決方案提供商，為企業提供軟件與專業的服務咨詢，幫助企業設計并改善其供應鏈的運作。LLamasoft于2015年收購IBM ilog和Barloworld CAST &OPTIMIZA，進一步奠定在供應鏈優化和智能解決方案方面的領導者地位。公司主營產品是著名的“供應鏈優化大師”（Supply Chain Guru） ，當今全球市場上最領先的供應鏈設計、規劃和優化軟件。它可以讓企業迅速建模，優化，并模擬其供應鏈運作，從而大幅度降低運輸/庫存/采購和生產成本。