在響應市場波動的基礎上 如何優(yōu)化海外零配件庫存

自上世紀九十年代起，外資汽車品牌紛紛實現(xiàn)在中國合資落地生產(chǎn)。發(fā)展迅速的國內(nèi)消費市場和規(guī)模龐大的汽車產(chǎn)業(yè)，促成了合資汽車品牌市場的百花齊放。然而，受海外供應商長期合作關系、質量控制和技術壁壘的制約，汽車零部件，尤其是關鍵零部件的進口量一直居高不下。

一方面，以海運為主導的進口件運輸方式，使得運輸時間依附于供應商和承運商構成的運輸網(wǎng)絡；而天氣、國內(nèi)外節(jié)假日差異等因素，又造成了進口件長期以來運輸周期長、到貨時間不穩(wěn)定的特點。

另一方面，由技術壁壘所造成的庫存成本高、價格高等痛點長期以來未得到有效的解決。

大多車廠最初在制定進口件采購和庫存策略時，通常依賴車廠自身過往經(jīng)驗，通過大量堆積庫存，輔以緊急空運補貨，來彌補需求的不穩(wěn)定。但這種粗放的備貨模式通常又會造成大量的資金占用和庫存積壓，可如果盲目減少庫存，一旦進口件無法滿足生產(chǎn)需求導致生產(chǎn)停線，代價往往會更大。

庫存掩蓋的問題

于是，如何在及時響應市場波動的基礎上，平衡進口件的庫存成本和空運成本，優(yōu)化進口件的安全庫存量，是目前很多國產(chǎn)化程度相對較低的車廠的重點研究議題。

傳統(tǒng)零售行業(yè)應對庫存優(yōu)化所使用的策略通常為：以安全庫存計算方式——經(jīng)典SS（Safety Stock）公式為主，輔以簡單的經(jīng)驗法則。但汽車行業(yè)與零售業(yè)畢竟不同，汽車進口件采購運貨周期波動大，零配件特性積累會顯著影響需求量，經(jīng)典SS（Safety Stock）公式此時就無能為力了。

對汽車行業(yè)而言，最常用的進口件采購優(yōu)化方式通常為固定周期訂貨模式。這種訂貨方式要求確定一個比較恰當?shù)膸齑骖~，庫存額包含采購提前期內(nèi)的正常消耗量和安全庫存量，這兩個量又分別取決于需求的預測值、采購的提前期和服務水平。具體方式主要體現(xiàn)為：在每個周期將要結束時，業(yè)務人員對存貨進行盤點，基于庫存額決定訂貨量。

基于汽車行業(yè)的特殊性，我們在經(jīng)典SS（Safety Stock）公式的基礎上，將進口件采購特性轉換為約束條件，引申出OPIO模型TM（Overseas Parts Inventory Optimization Model），有效地幫助了國內(nèi)主機廠解決進口件庫存優(yōu)化難題。

該模型將零部件周期性的訂貨量描述為一個由時間、零部件、運輸節(jié)點構成的三維變量，以訂貨成本、運輸成本、庫存成本、缺貨懲罰成本等構成的綜合成本值作為模型的目標。約束條件則主要包括：

1、訂貨方式和訂貨策略 

不同訂貨方式的需求特征不同。舉個例子，零件級別的訂貨方式認為每個零件都是特殊的，因此會以單個零件的實際庫存和質量作為模型變量求解的依據(jù)；一旦該零件發(fā)生非正常的消耗，會及時反應到該零件的需求預測——即基于單個零件測算安全庫存策略。一般情況下，訂貨量總是要求訂滿某個固定值的整數(shù)倍，這也會作為模型的約束之一。

2、網(wǎng)絡結構

供應網(wǎng)絡的差異主要反映在倉庫或配送中心的數(shù)量和結構上。若只存在一個中心倉庫，網(wǎng)絡結構相對簡單，變量會從三維直接降到二維；但若存在多個配送中心，則除了優(yōu)化的對象變多外，每個對象的提前期也會自下而上形成影響，加大模型復雜度。

3、歷史需求

庫存的不確定性通常來源于提前期和需求的不確定，這兩類信息決定了庫存優(yōu)化模型的基調。在模型訓練的過程中，歷史需求的數(shù)據(jù)量不斷累積，新鮮的“血液”也會不斷注入。

例如，在歷史需求里收集到新的零件報廢率特征后，系統(tǒng)會自動將其作為影響需求的因素之一，作用到模型的下次訓練中?；谔崆捌诤蜌v史消耗情況，系統(tǒng)可以自動升級優(yōu)化，完善后期安全庫存策略輸出結果。

4、服務水平

服務水平的確定需要綜合多方面的因素，歷史的進口件生產(chǎn)需求滿足率以及完備率是核心因素。車廠是無法站在一個客觀的角度來判定滿足與否的——對車廠而言，只要生產(chǎn)還在繼續(xù)，就不存在需求沒有被滿足的情況。但站在數(shù)據(jù)分析的角度，一旦出現(xiàn)臨時或高成本的非常規(guī)性補貨措施，例如空運補貨，便視為是一次需求未滿足的情況，其所對應的是不同的服務水平。

OPIO模型

可見，為實現(xiàn)進口零配件優(yōu)化，需考慮多方面因素。OPIO模型的優(yōu)勢主要體現(xiàn)在：當所有業(yè)務特征轉換為約束條件被納入模型后，系統(tǒng)可根據(jù)定期的數(shù)據(jù)輸入，為業(yè)務人員提供周期性的訂貨策略，有效地預測未來需求，降低物料風險和成本，從根本上節(jié)省車廠的人力物力成本。

我們認為，隨著汽車行業(yè)步入數(shù)字化時代，車企在加快零部件國產(chǎn)化進程的同時，在算法的有力支持下，實現(xiàn)零部件供應鏈的完善升級，完成從粗放的進口件訂貨和庫存模式的優(yōu)化轉型，是現(xiàn)時最好的可行方案。