作者 | 黃碩

來源 | VCIntegration

供應鏈優化

我們把供應鏈運營分成規劃、計劃和執行，這三個層面大家都知道怎么規劃，或者計劃怎么做，中長期來做，優化空間會比較大，投資回報會更好，我的約束也相對比較少。但問題在于優化要投錢，一旦失敗，影響非常大。而且做出決策，考慮的因素非常多。

舉個小例子，假設我要辦一條生產線滿足華東區域的消費需求，做出這個決策，我要考慮哪些因素？需求的滿足度、服務時效、搬遷成本、搬遷和安裝調試產能上線的時間，這么多因素如何來權衡？這還只是一條生產線，如果是供應鏈的網狀結構有很多的需求權衡，我應該如何來調配？做出這個方案，首先要經過很詳細的測算，怎么樣得到一個優化的方案，拍腦袋或通過電子表格計算沒有辦法達到。這個地方就是我們的專長。我們提供的供應鏈優化方案涵蓋了端到端，從采購、從供應商到多級倉庫再到經銷商，經銷商的經銷商到零售商，整個鏈條上的供應鏈，包括你的網絡結構、產能規劃、倉儲布局、倉儲能力、你的月度的計劃優化我們都提供。

案例：某醫藥公司（J）的生產網絡優化

生產網絡如何來規劃？J的醫療器械是利潤非常過的，這是腔鏡吻合劑，這個手術設備是J自己的技術，但是生產全部是外包的。他為了做2018年到2021年4年的生產計劃，他要考慮我在哪里生產，有很多供應商可以選擇，我在哪里生產，在哪里組裝，在哪里做消毒，這樣的話我要去考慮把訂單分給哪個供應商，如何實現資產效率最優。

我們當時跟J設計了三種方案，這個產品總共有三個大部件，第一個部件是電池；第二個是軸桿；第三個也是最復雜的，具有操作功能的，手柄，它的生產成本最高。一個基礎的方案是三個不同的供應商生產三個部件，再進行統一的包裝、消毒送到強生倉儲；另外一個方案是我們不再統一包裝，我們利用偉創力的手柄生產廠同時做包裝，然后再去消毒；第三個案例是說到了產能要爬坡的時候我們把更多的手柄，因為手柄生產成本很高，我們把更多手柄生產的量放EES去可不可以，這是三種方案。

這三種方案里面方案設計好了以后，供應鏈的專家們或者說是我們的產品經理們想的事情。你想出來這三種方案以后我們怎么來測算。這個地方是我們LLamasoft的工作，我們幫助J把他所有的生產工藝的交貨期、成本、流程全部都進行了一個數字化建模，組合搭配，哪些成本加在一起是最合適的，包括固定投資成本、生產成本、運輸成本、消毒成本，包括最后的包裝成本都包括進去。

我們看一下整體測算出來因為偉創力的手柄生產收費比較高，對于方案A來講成本是最高的。如果說我們把Flex這個關閉或者說讓模型自動給你推薦一個生產網絡方式這個成本是最低的。但是問題是在于從商業角度考慮這是不可行的。因為J跟Flex的合作不僅僅限于手柄這一個產品，從商業角度考慮他必須要維持跟Flex的一個合作關系，必須要把第一年的手柄生產訂單至少安排給Flex，要求在后面4年時間內Flex的這條生產線必須達到85%的產能利用率，這是一個簽約條件。85%的產能利用率，我們都知道一旦外包的話你給的量越多成本就越便宜。所以說這個地方就要求必須是85%。

推薦的方案是C，也就是到了第三年，2020年的時候在EES新加一條手柄的生產線，滿足增長的需求。這邊我們就以方案C為基礎測算了最佳每條生產線的投產開啟時間。灰色的柱狀圖是Flex的生產量，藍色柱狀圖是EES的生產量，黃色的這條折線是Flex的產能利用率，紅色的折線是EES的產能利用率。我們可以看到從2018年開始Flex的產能開始爬坡，到了百分之百以后我們在EES開啟一條生產線，保持Flex的產能利用率穩定在85%，這是我們給模型設定的一個目標，模型就會自動幫你自動計算出來。

然后我們再開啟第二條生產線，到了百分之百的時候開啟第二條產品線，這樣就是一個很詳細，可以精確到月，甚至到旬度的一個產能的開啟計劃。

案例：某家電公司（H）的倉庫布局優化

H當時面臨一個問題是什么呢？H是以技工貿模式起家的，H的銷售公司叫做工貿公司，H的成品網絡結構是一個單層次的庫存結構，這樣帶來的一個特點就是H管理倉庫很簡單，工廠把倉庫的管理權以及庫存的所有權交給每個銷售公司，這樣導致一個問題，這部分庫存沒有辦法在不同的銷售公司之間去進行靈活的調配，導致庫存比較高。我們都知道家電這種產品更新換代的速度還是蠻快的，一旦過了潮流，有新的技術出來，這部分庫存基本上就很難再賣掉了。因此，H打算打造一個以需求驅動的價值鏈網絡。   

為了解決這個痛點，首先要設計改變的一個方向，一個大前提。這個大前提就是打破物權所有，打破分離，把銷售公司和倉庫的所有權以及管理權進行分離，由日日順去管理這個倉庫，由H保留貨權。在此基礎上我們希望尋找新的倉儲結構，希望發現綜合成本的下降以及庫存水平的下降。

有了這個目標以后，我們設計兩個場景，第一個場景是一種分布式的倉儲，我們首先把單層的倉儲結構做成一個雙層的，CDC+RDC。在CDC和RDC里邊分別放置不同的SKU，慢的品放在CDC，快的品放在RDC，直接從工廠把快的品發到RDC去。這是第一種策略。第二種策略是說我們所有的SKU不管你賣得慢還是快全都放在CDC，RDC只是一個交叉轉移中心，理論上來講不放任何貨，這樣能導致庫存水平下降。這是兩種策略。

針對這兩種策略在此基礎上我們怎么做這個工作：

第一步，你現在有101個倉庫，我們看看是不是合理，我們有一個最佳的數目。第一步是我們根據需求，我們測試了兩版需求來看哪一種需求分別對應的貨，你選多少個倉庫。第一個需求是2016年的歷史銷售數據。第二種情況是由H做一個未來的銷售分布的預測。在我們的建議下H還是選擇了一個未來銷售預測，可以按照100公里的覆蓋范圍覆蓋90%的需求量，200公里內覆蓋98%的需求量這個目標會把這個倉庫優化到從101個倉庫減少到67個倉庫，這是第一步。

第二步我們要在67個倉庫里面選擇出來CDC和RDC，把它們分開，當時我們探索的是說你選擇幾個CDC呢？我們測試了7個、8個、9個的方案，再加上策略A和策略B這兩種庫存的方步方案一共有6個場景來進行測算。我們搭建了模型評估了倉儲的成本，評估了出入庫的費用、庫存的水平下降、運輸的成本。左邊這張圖顯示的是倉儲成本以及運輸成本綜合。我們會看到策略B因為它在所有的貨段都用CDC，就意味著成本上升。本來應該它的RDC里邊因為不放貨，所以說他的倉儲成本應該下降了。但是因為他那邊是做交叉轉運的，我們都知道做交叉轉運對物流的管理能力要求比較強，它的出入庫成本就增加了，所以說抵消了那一部分庫存下降對倉儲成本的減少。

所以說綜合來看肯定是方案A最合適。我們來看一下庫存水平的下降，因為我們把SKU分層級來慢，慢消品放在CDC，快消品放在RDC。這就意味著設安全庫存的時候，我們都知道安全庫存是為了應對兩個不準：第一個不準是需求的不準。第二個不準是我們的到貨期的不準。因為我們首先把倉庫的數目減少了，其次庫存放在更上層的倉庫，這就意味著一個風險集聚的效應，這樣的話安全庫存水平就會下降，這部分不能下降，主要是由安全庫存降下來的。最終大家共同選擇方案3，也就是分布式的存儲，但是是9個CDC。

案例：某傳統零售商（A）的電子商務轉型

這是一個國外的公司，一個傳統的零售商。這家公司在2013年之前的銷售模式是這樣的，每個門店前面是柜臺，柜臺上面放著紙和筆、產品目錄，你根據目錄在訂單上面來勾選，后面給你拿貨出來，后面是倉庫。A當年是2萬種SKU，900多家門店，遍布整個英國，蘇格蘭都有。A的900多家門店有大門店，有小門店，你在每個門店中間能放多少的SKU就取決于你后邊的倉庫有多大，這個就意味著每個門店提供的消費體驗是不一樣的，每個門店提供的產品種類是不一樣的。而且因為它是紙制的目錄銷售，就意味著你不可能在目錄上面改換價格，你的產品價格永遠是一個死板的價格。他每年更換兩次目錄，就意味著每年只能降兩次價。

再一個就是說市場環境，易貝在英國改變了線上的消費習慣，這樣讓A在2015年開始面臨很嚴峻的挑戰，市場份額連年下降，于是A提出來一個愿景，是說要更多的選擇，更快地去買。他希望為他所有門店覆蓋的客戶提供明智的消費體驗、更多的產品品類，更快能夠讓客戶拿到貨。這樣，A首先要改變自己的營銷模式，把原來從紙和筆來訂購變成使用電子方式，以及進行靈活的商品的價格調整以及更好地展示，這是第一種；第二種他希望極大的拓展線上銷售。我們都知道對于一個沒有網絡銷售基因的傳統公司，做這個決定是非常嚴肅的。

這個時候要去構建你的新的供應鏈，這個改變這么大，這么嚴重怎么改？首先我們來設計一套供應鏈的模式。A是一個中心門店輻射衛星門店，因為我剛才講了他們有900多家門店，這900多家門店都是他們的資產，這些資產是可以利用的。你為了在小的門店放置更多的品類，你就需要在小的門店對每個單的SKU保持更低的庫存水平，使用小批次多批量補貨的方式，由中心門店做一個供貨倉向小的門店進行每天的串聯補貨，他們要求在一個小時之內到任何一個門店都能夠送到；第二種方式是以中心門店為發貨地向所有的用戶進行上門的送貨，你只要在線上下訂單我要在兩個小時之內把你的貨送到你的家里，這是他們的策略。

我們都知道英國沒有餓了么、美團這種方式，所以說他們要自建物流。這么一個嚴峻的改變放眼當年整個歐美地區都沒有先例可學，甚至說很多物流數據、史上的數據都沒有辦法拿到，怎么做呢？

先在模型里面進行詳細的測試再進行先導性項目來實施，滾動更新迭代，更好地做全球優化。首先我們把他們所有的信息全部要放到我們這邊來，成本信息、門店位置信息、運輸時效全都放進去；第二步我們來分析需求，過去所有的需求密度是怎么樣的，在每一個區塊里面需求的密度是怎么樣的，這些需求的密度就對應了我的每一個門店的補貨時效以及我應該投放多少的運輸資源，以及我的運輸成本會是多少；然后我們再來看你的需求波動，看我應該在每天設置怎么樣的一個配貨的頻率、配貨的時效才能夠達到我們的服務時效的目標。

我覺得剛才許光總講的一點很好，擁有一條好的供應鏈不能僅僅看成本，不能僅僅看你的MOQ這種，要看能不能支持你的商業模式，你的商業模式怎么樣，我供應鏈才能怎么樣，我不是要一定要有最好的成本，而是要在滿足服務時效的前提下要最好的成本。這是我們的模型幫助他們來算的東西。在此基礎上我們再來看，我們先在倫敦進行了試點，我們選擇了6個中心門店，25個衛星門店來做串聯送貨，這是我們一個先導項目。

之后，A去做了項目，反饋過來不同的時間窗口、不同的交通情況、不同的車輛、不同的司機熟練程度帶來的整體結果，我們再來更新我們的模型里邊的參數再去做重新的優化。這樣不斷地更新迭代，從2013年的10月份開始進行第一個項目的實施，到了2014年10月的時候把中心門店與衛星門店這種方式拓展到英國全境的所有門店。在2015年的時候開始了線上的當日達本，送貨上門服務。2015年10月的時候正式發布FastTrack，其實就是他們線上訂單當日下單在兩個小時之內送貨上門這么一個品牌。

同時專門在倫敦設置一個Dark Hub，這個Dark Hub不賣貨，只送貨，這是專門的一個倉庫。因為2015年全面驗證了它的商業模式，市場反應效果很好。所以2016年開始大規模在市場投放廣告獲取更多的市場份額。2017年可以說占領了市場領先的地位在多渠道零售方面。從2015年開始這個案例就獲得了一系列的歐美的供應鏈的獎項，包括Gartner英國的管理學會都獲得了獎項。2017年,原來是2萬種SKU，現在變成了4萬種SKU，其中有2萬種可以在線上下單，你晚上0點下單，早上7到10點之間都可以給你送到。你中午1點，下午2到6點給你送到。如果你晚上6點之前下單是晚上9點到10點給你送到家。這是他們的一個服務時效。

他們現在57億英鎊的年收入50%是來自線上。在整個英國全境他們是排名第三的訪問量的網站。排名第一的是亞馬遜，排名第二的是易貝，他們是排名第三的。而且他們是英國第一家線上銷售能夠超過10億英鎊的企業。

案例：某乳品公司（M）的月底S&OP優化

我們2014年開始跟M合作，是一系列的項目。他們的常溫液奶每旬的計劃怎么做的？M的特點在于好的牧場都在北方，工廠都在北方，牛奶的產奶每旬都是基本平均的，但問題在于經銷商的要貨每旬都是不穩定的，奶牛不會按照你那個節奏產奶的；再者，牛奶也有保質期的。所以M不可能說在上旬先生產牛奶出來，放到下旬你再去買，市場競爭很激烈。怎么辦？強計劃！對于供應鏈的沖突矛盾這么嚴重，我們只能通過強計劃的方式來做。

M的銷售預測不是用統計學預測的，是經銷商調研、提報，是通過年預算的分解到每個月，每個品類，再每個月與經銷商去確認，這種方式形成每個月的需求計劃，這是第一步，需求計劃；這是10號出來的，產生之后在13號的時候各個大區提報完了以后由中央形成一個市場的需求的計劃，要求在18號，5天的時間內生成出來所有的供貨計劃、分銷計劃、物流計劃。在20號的時候要上預備會，總監級別；24號的時候上決策會，副總裁級別。運營階段所有的計劃做的只有5天的時間，這是蒙牛當年的計劃，全部是500多萬是電子表格來做，人工來做，不知道你做的這個計劃好還是壞，沒有一個評價標準，怎么辦？

我們把所有的精細化和成本的測算以及財務對標、財務要求通過軟件的方式在模型里邊統一做出來。首先有了需求計劃，我知道我的可用產能，我來做一個生產計劃。做完生產計劃以后銷售計劃部門就可以做出來一個分銷計劃，物流部門根據這個分銷計劃去做自己的物流方案，去預訂下一個月的物流資源。每一個模式里邊是一環套一環的，我剛才說過他們只有5天的時間所有的部門來做這個計劃。這個計劃是有很多漏洞的，下達下去很多銷售是不滿意的，覺得沒有科學性。

我們做的第一階段優化，把這幾個計劃全部用模型來做。在這個模型里邊來設置，比如說我們生產計劃模型考慮的是這么幾個成本，生產成本、原奶成本和產能利用率，綜合來考慮。所有這些東西我們把它折算成錢，放在這個模型里邊讓它統一運算，算出來一個最佳的綜合成本最優，做出一個合理的生產計劃。

然后我們來考慮分銷，不同的鐵路、班列，有海運、河運、汽運方式，不同的運輸方式有不同的費用，不同的線路有不同的費用。包括不同的客戶會有不同到貨時間的要求，有重點的客戶，有小客戶。這個運費也是要考慮到的，這是一個分銷計劃，來做一個綜合的考量。2016年8月份M自己的結論，通過我們的排產優化，綜合成本結果3000多萬元。

第二步，我們能不能夠把這些模型合在一起？因為我們剛才解決的只是局部優化的問題，不是跨部門優化的問題。我們能不能把它結合在一起，所有的東西放在一起來考慮，我們把生產規則、分銷規則、運輸規則、倉儲規則放在同一個模型里面來做，在不同的場景下，在不同的時間段，在不同的季節直接一次性生成所有計劃，這個最優是在滿足你的業務要求的情況下最優。我們每旬會有單獨的模型，根據每旬的銷售的情況期初的庫存量做新的更好的計劃優化。

這個項目今年7月份的做的，6月份的時候來測算，跟我們上一個點的模型分開的情況來比的話，6月份整體的費用節省580萬，我們看看這個580萬里面其實成品的生產成本是上升的，生產部門你的績效得到了破壞，但是其他部門的績效就好了，整體的生意好了。這是我們跟M合作從2014年開始我們可以看到從供應鏈的規劃到計劃甚至他們的低溫生產的酸奶我們都在幫他們做，從開始一點點做，到現在覆蓋的版圖越來越大。

此文系作者個人觀點，不代表物流沙龍立場

END