什么是库存优化?应该如何利用它？
来源： / 作者： / 时间：2023-01-09
库存优化是一个经常使用的短语，但它究竟是什么，你如何实现它，你实际上甚至需要它吗?作为一家公司，我们的使命是帮助企业从库存优化中获得价值，这是一个非常贴近我们内心的话题。
在这篇文章中，我们认为库存优化是应用数学技术来定义理想的库存水平。这种理论模型在实践中并不容易应用。一款软件可以让你简单而自动地优化你的库存，这种想法很有吸引力，但目前还远远不可能。
我们相信，库存优化技术的最大价值在于向您展示您的库存可以有多好，而对这些信息的正确解释和应用可能需要您改变管理库存的方式。
在数学中，优化意味着从一组选项中选择最佳选项。当谈到库存时，这可以归结为确定满足你的目标的最佳库存数量。库存优化从数学上寻求在过多和不足之间找到最佳点。
这是一个简单的概念，可以在原则上掌握，但不能在实践中应用。为了从数学上计算出最优水平，你需要考虑许多不同的因素，其中一些因素本身就很难量化。
假设你想在纯经济原则上进行优化——什么会让你获得最大的利润?要做到这一点，你需要能够量化，一方面，库存的真实持有成本，另一方面，短缺的成本，这可能包括延迟订购成本，加速成本，销售损失和市场份额损失的成本，甚至是品牌受损的成本。注意到这些成本是相互交织的。这并不是说不可能做到，但这很费力，而且有些不精确。
事实上，公平地说，很少有人，如果有的话，真的试图计算这个。相反，通常的做法是设置一个目标服务水平(隐式或显式)，然后在保持或高于该服务水平的情况下尽量减少库存。这是一个很好的、务实的举措，它确定了一个较难设置的参数。然而，即使有了预先定义的目标服务水平，仍有许多工作要做，以计算最佳库存水平。
当涉及到改善库存时，我们喜欢区分优化和基于改变给定的改进。优化包括使用给定的工作。给定条件是什么?它们是你需要作为库存优化计算输入的参数。我们已经将目标服务水平视为给定的，但这只是这类参数范围中的一个。
不同类型的库存不仅需要不同的优化计算，还需要不同的规划方法。
对于上面的第一个例子，我们可以考虑一个确定性规划模型。当你非常确定地知道未来的需求是什么，或者至少它将与过去有显著不同时，这是合适的。在这种情况下，您的订单和批量大小可以设置为所需的大小，原则上您不应该需要安全库存，尽管您可能需要一些安全库存来防止供应的变化，例如延迟交付或生产中的质量问题。
对于第二个例子，我们可以考虑补充模型。这适用于从制造到库存的成品和从购买到库存的原材料，因为这些产品的需求不是太断断续续，而是具有可变性。在这种情况下，应使用EOQ模型或其变体之一来计算最佳订单/批量大小。安全库存可以使用目标服务水平、需求和交货期的标准差以及交货期本身来计算。
然而，这种可能是基于最广为人知的教科书方程的补充模型具有重要的敏感性。例如，安全库存方程最常见的版本假设需求是正态分布的，平均需求是不变的，当可变性非常高时，它也会失效。你有时会发现有人说这些方程“不管用”，但这通常只是他们对方程的理解遇到了一些他们不理解或无论如何不知道如何解决的障碍。
请注意，不同的模型可能在供应链的不同位置工作得最好。例如，根据您的具体情况，您可以选择成品的补充模型和原材料的确定性模型。为了真正优化你的库存，你可能需要针对不同类型的库存采用不同的策略。
这两个例子远远不是你可以持有的唯一类型的股票。例如，您可能有定制产品，客户承诺的时间比总供应周期短。你可能有一些零星需求的备件，但这些备件需要按需供应。等等。每种不同类型的库存都需要适当的优化方法。
为了充分优化你的库存，上面所有的因素都需要考虑到你库存的每一件物品。到目前为止，我们只讨论了数学优化。此外——这也是一个挑战——你必须考虑哪些流程、系统和人员已经到位，以及为了交付和维护优化，他们需要如何改变。
根据CPDA数据分析师多年的实战案例教学的经验，最大的差距往往在于人们本身以及他们如何习惯工作。优化技术以及如何利用这些技术的知识在材料规划者中是一种罕见的商品，而数据科学家并不一定对业务的实用性有必要的理解，从而使他们的模型能够实际应用。技术有时被视为绕过这个问题的一种方法——尽可能地将人从等式中移除——但我们距离一个令人满意的解决方案还有很长的路要走。
在这篇文章中，我们认为库存优化是应用数学技术来定义理想的库存水平。这种理论模型在实践中并不容易应用。一款软件可以让你简单而自动地优化你的库存，这种想法很有吸引力，但目前还远远不可能。
我们相信，库存优化技术的最大价值在于向您展示您的库存可以有多好，而对这些信息的正确解释和应用可能需要您改变管理库存的方式。
CPDA数据分析师在课程中指出克服这些挑战的好处是巨大的。库存优化可以让你释放流动资金，减少短缺和过时，减少你的环境足迹，增加供应链的流量，通常是显著的。
在数学中，优化意味着从一组选项中选择最佳选项。当谈到库存时，这可以归结为确定满足你的目标的最佳库存数量。库存优化从数学上寻求在过多和不足之间找到最佳点。
这是一个简单的概念，可以在原则上掌握，但不能在实践中应用。为了从数学上计算出最优水平，你需要考虑许多不同的因素，其中一些因素本身就很难量化。
假设你想在纯经济原则上进行优化——什么会让你获得最大的利润?要做到这一点，你需要能够量化，一方面，库存的真实持有成本，另一方面，短缺的成本，这可能包括延迟订购成本，加速成本，销售损失和市场份额损失的成本，甚至是品牌受损的成本。注意到这些成本是相互交织的。这并不是说不可能做到，但这很费力，而且有些不精确。
事实上，公平地说，很少有人，如果有的话，真的试图计算这个。相反，通常的做法是设置一个目标服务水平(隐式或显式)，然后在保持或高于该服务水平的情况下尽量减少库存。这是一个很好的、务实的举措，它确定了一个较难设置的参数。然而，即使有了预先定义的目标服务水平，仍有许多工作要做，以计算最佳库存水平。
当涉及到改善库存时，我们喜欢区分优化和基于改变给定的改进。优化包括使用给定的工作。给定条件是什么?它们是你需要作为库存优化计算输入的参数。我们已经将目标服务水平视为给定的，但这只是这类参数范围中的一个。
你如何优化你的库存?
不同类型的库存不仅需要不同的优化计算，还需要不同的规划方法。
对于上面的第一个例子，我们可以考虑一个确定性规划模型。当你非常确定地知道未来的需求是什么，或者至少它将与过去有显著不同时，这是合适的。在这种情况下，您的订单和批量大小可以设置为所需的大小，原则上您不应该需要安全库存，尽管您可能需要一些安全库存来防止供应的变化，例如延迟交付或生产中的质量问题。
对于第二个例子，我们可以考虑补充模型。这适用于从制造到库存的成品和从购买到库存的原材料，因为这些产品的需求不是太断断续续，而是具有可变性。在这种情况下，应使用EOQ模型或其变体之一来计算最佳订单/批量大小。安全库存可以使用目标服务水平、需求和交货期的标准差以及交货期本身来计算。
然而，这种可能是基于最广为人知的教科书方程的补充模型具有重要的敏感性。例如，安全库存方程最常见的版本假设需求是正态分布的，平均需求是不变的，当可变性非常高时，它也会失效。你有时会发现有人说这些方程“不管用”，但这通常只是他们对方程的理解遇到了一些他们不理解或无论如何不知道如何解决的障碍。
请注意，不同的模型可能在供应链的不同位置工作得最好。例如，根据您的具体情况，您可以选择成品的补充模型和原材料的确定性模型。为了真正优化你的库存，你可能需要针对不同类型的库存采用不同的策略。
这两个例子远远不是你可以持有的唯一类型的股票。例如，您可能有定制产品，客户承诺的时间比总供应周期短。你可能有一些零星需求的备件，但这些备件需要按需供应。等等。每种不同类型的库存都需要适当的优化方法。
为了充分优化你的库存，上面所有的因素都需要考虑到你库存的每一件物品。到目前为止，我们只讨论了数学优化。此外——这也是一个挑战——你必须考虑哪些流程、系统和人员已经到位，以及为了交付和维护优化，他们需要如何改变。
根据CPDA数据分析师多年的实战案例教学的经验，最大的差距往往在于人们本身以及他们如何习惯工作。优化技术以及如何利用这些技术的知识在材料规划者中是一种罕见的商品，而数据科学家并不一定对业务的实用性有必要的理解，从而使他们的模型能够实际应用。技术有时被视为绕过这个问题的一种方法——尽可能地将人从等式中移除——但我们距离一个令人满意的解决方案还有很长的路要走。
京公网安备 11010502034401号
课程体系 
试听申请 
复听申请 
在线报名 
考试大纲 
考试报名 
准考证打印 
