执行工作由谁进行(供应链管理——设计、运作与改进第六章)
一、执行工作由谁进行1、执行工作由执行员进行。2、法律依据:《民事诉讼法》第二百三十五条 执行工作由执行员进行。采取强制执行措施时,执行员应当出示证件。执行完毕...
一、执行工作由谁进行
1、执行工作由执行员进行。
2、法律依据:《民事诉讼法》第二百三十五条 执行工作由执行员进行。
采取强制执行措施时,执行员应当出示证件。执行完毕后,应当将执行情况制作笔录,由在场的有关人员签名或者盖章。
人民法院根据需要可以设立执行机构。
二、被执行的财产在外地的怎么执行
1、被执行人或者被执行的财产在外地的,可以委托当地人民法院代为执行。
2、受委托人民法院收到委托函件后,必须在十五日内开始执行,不得拒绝。
3、执行完毕后,应当将执行结果及时函复委托人民法院;在三十日内如果还未执行完毕,也应当将执行情况函告委托人民法院。
4、受委托人民法院自收到委托函件之日起十五日内不执行的,委托人民法院可以请求受委托人民法院的上级人民法院指令受委托人民法院执行。
希望以上内容能对您有所帮助,如果您还有其它问题可以点击下方按钮咨询,或者到蓝箭律师网咨询专业律师。
执行工作由谁进行拓展阅读
供应链管理——设计、运作与改进第六章
第6章 供应链综合计划
先导案例
第6章 供应链综合计划
亨氏公司的Demand Driven S&OP 系统
美国亨氏公司目前在中国有3家子公司,涉及工厂多达12家。亨氏旗下所覆盖的业务包括冷冻食品、婴儿食品以及调味品等几大类,SKU(库存量单位)多达上千,销售网点覆盖全国。由于食品时令性很强、保质期短、缺货成本高等,不仅要求库存合理,同时要求客户响应及时,因而导致其供应链管理难度加大。亨氏公司管理层充分认识到需求管理已经是其供应链管理的薄弱环节,希望借助于专业管理系统全面改善其预测质量长期低迷的现状。特别是在亨氏公司拥有职能完整、业务专业的S&OP 管理团队情况下,希望基于行业需求管理以及S&OP流程的最佳实践,重建其基于需求预测的产销协同管理体系。
为此,亨氏公司选择 Demand Driven系统来突破现有管理工具,以实现公司的需求管理目标。其方案特点如下。
(1)实现了基于多职能角色预测的独立和协同。Demand Driven系统支持销售、市场、计划以及供应链等部门并行预测,互相独立,不同职能将预测在各个不同的产品和区域层次,基于协同规则生成最终预测数据。同时,将供应链产能约束预测同步纳入,将实现具有现实意义的产销平衡,形成真正相互独立又互动融合的协同产销协同管理。
(2)强化了预测团队对预测的直接介入和控制。由于传统预测模式缺乏精细的分解聚合技术以及多维预测视角的支撑,而无法提供基于分公司层面的预测指导建议,无法与销售部门的预测建议实现真正的互动。Demand Driven系统的双向预测模式,可以对预测调整进行控制和追溯,延伸和强化了预测团队对前端市场信息的掌控深度和广度。
(3)历史修正技术使基准预测与促销预测的分离成为现实。Demand Driven系统提供人工修正和自动修正两种技术来满足亨氏对历史数据的修正需求,在支持聚合层的修正同时支持基于不同促销事件的分类修正,而只有基于修正后的历史数据才能实现基准预测。
(4)21种经典统计模型为企业提供了高品质的基准预测。Demand Driven 系统提供的21种经典统计模型,包括季节类和自适应类模型。结合多模型预测模拟,基于统计误差的模型优选、自动预警、趋势衰减和分类预测技术等,为亨氏在SKU层次上提供了平均准确度达到70%左右的高品质的统计预测。
(5)提供促销预测和新产品预测编制方法。Demand Driven系统支持亨氏公司在不同的促销类型和对以往促销效果的评估基础上编制独立的促销预测。同时其强大的新产品模型(类比模型)将为不断推陈出新的产品提供有效基准预测。
资料来源:摘自 http://www.demand-driven.cn/uploadfile/201310/.
155
供应链管理-设计、运作与改进
供应链需求预测是供应链战略规划的前提,也是供应链运作的驱动力;整合的销售与运营计划是供应链协调运作和高效运作的基础,而供应链综合能力计划则是销售与运营计划有效整合的有力手段。本章将介绍供应链需求预测特点和预测过程,需求预测方法与需求风险分析方法;销售与运营计划作用与流程;供应链综合能力优化模型及其逆优化模型以及生产能力调整模型。
6.1 供应链需求预测
6.1.1 需求预测
供应链需求主要是指供应链运营过程所需要满足的最终顾客的产品需求,以及由此导致的沿供应链向上各环节产生的相关需求。如果一个供应链能够协同运作,那么,最终顾客的产品需求就能够基本决定供应链上各环节所产生的相关需求。因此,对最终顾客的产品需求进行预测是所有供应链规划和运作管理的基础。最终顾客的产品需求主要受到季节性因素、宏观经济形势、气候等环境因素以及本企业与竞争对手的产品价格、促销、新产品或替代产品等企业行为因素的影响。供应链的最终顾客需求有以下特点。
(1)需求的时间特性和空间特性。需求的时间特性表现为需求是随时间而变化的,这种变化归因于市场销售量的增长或下降、需求模式的季节性变化以及多种因素导致的波动。需求的空间特性表现为管理者在规划设施位置、平衡物流网络中库存水平、按地理位置分配运输资源时,需要知道需求所发生的空间位置。
(2)需求的不规则性与规则性。不同产品的市场需求随时间而变化的模式是不同的。需求的变动可能是规则性的,也可能是不规则的。导致需求模式规则性变动的因素有长期趋势、季节性因素和随机性因素等。如果随机波动占时间序列中变化部分的比例很小,利用常规预测方法就可以得到较好的预测结果。
(3)需求的派生性与独立性。需求的独立性是指需求来自一些独立的顾客,这些顾客多数是独立采购,其采购量只占企业分拨总量的很少一部分。需求的派生性是由某一特定的生
产计划要求派生出来的,这是一种从属性的需求。如从某供应商处购买新轮胎的数量就是汽车厂要生产的新汽车量的一定倍数。
1.需求预测的特点
需求预测就是基于过去模式的延伸性对整个产品或特定产品的需求量或需求金额,利用现在和过去的历史数据并考虑未来各种影响因素进行的预先估计和推断。需求预测主要有以下特点。
(1)预测总是不精确的,所以必须兼顾预测结果和预测误差。对于大多数供应链来说,预测误差或需求的不确定性必然是一个关键输入信息。
(2)长期预测的精度往往比短期预测低。也就是说,长期预测的标准差相对于均值而言比短期预测要大些,如较短的订货提前期可使管理者能够更加准确地掌握天气等影响产品销售的当前信息。
(3)综合预测往往比分解预测更精确。相对于均值,综合预测的标准差要小于单项预测的标准差,如预测企业的销售收入就要比预测单一型号产品的销售收入的精确度高。
(4)供应链上游企业对市场需求预测的误差要高于下游企业对市场需求预测的误差。
2.需求预测的组成要素
由于需求变化的影响因素主要包括基本需求(B,)、季节性因素(S,)、趋势因素(T,)、周期性因素(C,)、促销因素(P,)和随机因素(I),因此,对需求进行预测就需要将这些因素先进行分解和预测,然后再进行因素综合,其综合模型可表示为
第6章 供应链综合计划
F,=B,xS,xT,xC,xP,+1
(6-1)
式中,F,为时段t内需求预测值。
在这些因素中,基本需求反映了需求在很长一段时期内的平均值,当不存在其他因素的影响时,预测值就是基本需求量;季节性因素反映了对需求的影响所产生的每年上下波动情况;趋势因素反映了一段时期的销售趋势上升或下降的变化情况;周期性因素反映了在一年以上的需求周期性向上或向下的变动情况;促销因素对需求变动的影响来源于企业的市场营销活动;随机因素是指无法归入到其他因素类型的影响因素,包括随机需求或难以预测的需求。对不规则需求几乎不可能对它做出预测。
需求预测就是通过找出各影响因素的规律,对其做出预测,并将不规则因素的影响减小到最低程度。当然,在实际预测中,需要预测的对象不一定包含上述所有类型因素。
3.需求预测的基本过程
需求预测过程主要包括理解预测目标、整合需求计划和预测、识别主要影响因素、选择合适的预测问题、选择合适的预测模型和建立预测绩效标准等步骤,如图6-1所示。
(1)理解预测目标。所有预测结果都是用来支持以预测为基础的决策的,所以明确识别出这些决策很重要。因为这些决策必然会受需求预测的影响。这就要求供应链上相关方应当就产品促销量达成一个共同的预测,并以此为基础确定一个共同的行动方案。
(2)整合需求计划和预测。将预测与整个供应链中所有计划活动联系起来,如产能计划、作业计划、促销计划和采购计划等。通过预测信息共享实现产能计划、作业计划、促销计划和采购计划等的协调一致。
供应链管理-设计、运作与改进
图6-1 需求预测的基本过程
(3)识别预测影响因素。识别需求是增长或衰退趋势还是季节性波动,以便选择预测方法;识别供货提前期变长还是变短,以便决定所需要的预测精确度;识别变型或替代产品的数量对预测的影响,以便决定需要预测的产品数量。
(4)选择合适的预测问题。企业的产品需求预测按照产品和需求区域可分为单一产品分区预测、单一产品需求总量预测、系列产品需求总量预测和多种产品销售总额预测等不同综合水平预测,因此应选择合适的综合预测水平、预测范围和预测变量。
(5)选择合适的预测模型。根据对预测影响因素的识别结果和所选择的预测综合水平,选择合适的预测模型,收集预测所需数据,验证预测模型并做出预测。
(6)建立预测绩效标准。为衡量预测效果,应建立评价预测准确性和时效性的绩效衡量标准。根据评价结果,采取适当方案来降低预测误差或对观察到的预测误差做出响应。
4.需求预测方法分类
需求预测方法按照预测对象的性质和预测模式可分为定性预测法、时间序列预测法和因果关系预测法。
(1)定性预测法。定性预测主要是根据预测人员的专业知识和经验对事物的发展趋势利用判断、直觉、调查或比较分析做出定性的估计。当历史数据缺乏或历史数据与当前的预测相关度很低时,采用定性预测方法更合适。如预测新产品是否成功、政府政策是否变动时,因没有直接的历史数据,定性预测法将是唯一的选择。定性预测法的准确性不高。定性预测方法主要有专家调查预测法、市场调查预测法、领先指标法、类推法等。
(2)时间序列预测法。时间序列预测主要是根据预测对象随时间变化的历史信息(如统计数据、实验数据和变化趋势等),只考虑预测变量随时间的发展变化规律,对其未来做出预
测。如果拥有相当数量的历史数据,时间序列的趋势和季节性变化特征明显,那么时间序列预测法是将这些数据映射到未来的有效预测方法。因此该方法的基本前提就是假设过去的时间模式将会延伸到未来。
(3)因果关系预测法。该方法用于预测对象的变量之间存在着某种因果关系的情形。应用该方法需要找出影响某种结果的一个或几个因素,建立起它们之间的数学模型,并根据自变量的变化预测结果变量的变化。只要能够准确地描述因果关系,因果预测模型在预测时间序列主要变化以及中长期预测时就会非常准确。
6.1.2 时间序列预测方法
常用的时间序列预测方法主要有移动平均法、指数平滑法、趋势外推方法等。
1.移动平均法
移动平均法(Moving Averages)的基本思想是根据时间序列信息,逐项推移,依次计算包含一定项数的序时平均值,以消除周期波动或随机波动的影响,揭示出数据序列的长期趋势。因此,当时间序列值由于受周期变动和随机波动的影响而起伏较大,不易显示出事件的发展趋势时,使用移动平均法可以消除这些因素的影响,显示出事件的发展方向与趋势,然后就可以依据趋势线预测序列值的长期趋势。
设时间序列为y1,y2,y,,,则按数据点顺序逐项推移求出N个数的平均数,即可得到一次移动平均数:
(6-2)
式中,M,为第t周期的一次移动平均数;y,为第t周期的观测值;N为移动平均的项数。
适当选择移动平均的项数N可以提高预测准确性。一般选择使预测误差最小的移动项数N。预测误差即实际值和预测值之差,可采用由全部预测误差总和比上误差个数即平均绝对误差(MAD)来衡量。
由于移动平均可通过平滑数据消除周期变动和不规则变动的影响,使长期趋势得以显现,因而可用第t周期的一次移动平均数作为第t+1周期的预测值,即
(6-3)
当时间序列出现线性变动趋势时,用一次移动平均数来预测就会出现滞后偏差。因此,需要进行修正,修正的方法是在一次移动平均的基础上再做二次移动平均,利用移动平均滞后偏差的规律找出曲线的发展方向和发展趋势,并建立直线趋势的预测模型。
设一次移动平均数为M,则二次移动平均数M,的计算公式为
第6章 供应链综合计划
M2=M+M11++M-N+1 = M21+ N-N N
(6-4)
若时间序列y1,y2,..y,··从某时期开始具有直线趋势,且认为未来时期亦按此直线趋势变化,则此直线趋势预测模型可表示为
P47=(2M-M2)+2(M,-M3)
(6-5)
供应链管理--设计、运作与改进
式中,t为当前时期数;T为由当前时期t到预测期的时期数;4为第t+T期预测值。
在实际应用移动平均法时,移动平均项数N的选择十分关键,它取决于预测目标和实际数据的变化规律。
示例6-1 基于移动平均数的汽车销售量预测
某汽车4S店的过去一年汽车销售量如表6-1所示。
表6-1 汽车销售量及移动平均预测值
月份 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 1 |
销售量 10 | 12 | 13 | 16 | 19 | 23 | 26 | 30 | 28 | 18 | 16 | 14 | |
预测值 | 11.7 | 13.7 | 16 | 19.3 | 22.7 | 26.3 | 28 | 25.3 | 20.7 | 16 |
在此例中,采用3个月的移动平均,所得移动平均数及预测值如表6-1所示。
2.指数平滑法
指数平滑法(Exponential Smoothing)是利用平滑系数来修正上一期预测误差而调整上一期预测值得到新估计值的方法,包括一次指数平滑预测法、二次指数平滑预测法和高次指数平滑法。该方法简单、易用、预测精度较高,只需很少数据量就可以连续使用。一次指数平滑预测模型可表示为
F41=α·y,+(1-α)·F
(6-6)
式中,F4为t+1时刻经过一次指数平滑的预测值;F,为t时刻的预测值;α为平滑指数(0≤α≤1),适当选择平滑指数可以提高预测准确性;y,为t时刻的实际值。
初始值F一般要通过一定的方法选取。如果时间序列数据较多且比较可靠,可以将已有数据中的某一部分的算术平均值或加权平均值作为初始值F;若历史数据较少或数据的可靠性较差,则可采用定性预测法选取F1,如采用专家评估法确定。
一般应选择使预测误差最小的平滑指数。平滑指数α的选择需要一定的主观判断。α值越大,对近期数据影响越大,模型对时间序列的变化就越敏感,但α过大可能使预测结果只跟踪时间序列的随机波动,而不是根本性变化;α值越小,则对近期数据影响越小,使历史数据的权重越大,可以消除随机波动性,但只能反映长期发展趋势。
如果数据表现出明显的长期趋势,基本模型内在的滞后性就会造成很大的预测误差,因此必须对预测模型式(6-6)加以修正,其修正过程按以下方程组进行:
(S41=α·y,+(1-α)·(S,+T) T41=β·(S+1-S,)+(1-β)·T, F41=S41+T41
(6-7)
式中,F4为第t+1期校正趋势后的预测值,S,为第t期的最初预测值,T,为第t期的趋势,β为趋势平滑指数。
示例6-2 基于指数平滑法的服装销售量预测
某品牌户外服装专卖店2013年到2014年前2个季度的服装销售量如表6-2所示。请预测2014年第三季度服装销售量。
表6-2 服装销售量及预测值
季度 1 | 2 | 3 | 4 |
2013年 1200 | 700 | 900 | 1100 |
2014年 1400 | 1000 | ||
预测值1 1000 | 1080 | 1064 | |
预测值2 1008 | 1117 | 1118 |
在此例中,先用一次指数平滑预测模型式(6-6)进行预测,为此,可根据经验选定α=0.2,并将去年4个季度的需求平均值作为预测初值,即F。=975。然后由模型式(6-6)可以得到2014年1~3季度的预测值,见表6-2中预测值1所在行的数值。
再用修正指数平滑预测模型式(6-7)进行预测,为此,可根据经验选定α=0.2,趋势平滑系数β=0.3,初始趋势T。=0。然后由模型式(6-7)可以得到2014年1~3季度的预测值,见表6-2中预测值2所在行的数值。
3.具有趋势和季节变化的预测法(趋势外推方法)
当时间序列存在趋势和季节性成分时,一个月到另一个月的变化可能是一种趋势或是季节变化或是随机波动。利用中心移动平均法(Centered Moving Average)确定季节性指数可以避免将由趋势引起的变化认定为由季节性引起。
用CMA计算季节指数的步骤:
①计算每个观测值的CMA;
②计算季节性比率=观测值/CMA;
③对季节性比率做平均得到季节指数。
若季节指数总和不等于季节数,可将每个季节指数乘以相应的季节数,再除以季节指数之和。
用季节性指数分离时间序列中趋势和季节因素的步骤:
①为每个季度计算季节指数;
②将每个数据除以季节指数得到调整后数据;
③根据调整后数据建立趋势预测模型并预测;
④将预测值乘以相应的季节指数。
示例6-3 空调销售量的趋势预测
某品牌空调专卖店在过去3年每季度销售量如表6-3所示。
表6-3 空调销售量与季节性指数
季度 1,1 | 1,2 | 1,3 | 1,4 | 2,1 | 2,2 | 2,3 | 2,4 | 3,1 | 3,2 | 3,3 | 3,4 |
销售量 108 | 125 | 150 | 141 | 116 | 134 | 159 | 152 | 123 | 142 | 168 | 165 |
CMA 季节比率 | 132.0 | 134.1 | 136.4 | 138.9 | 141.1 | 143.0 | 145.1 | 147.9 | |||
1.136 | 1.051 | 0.851 | 0.965 | 1.127 | 1.063 | 0.848 | 0.960 | ||||
季节指数 0.85 | 0.96 | 1.13 | 1.06 | 0.85 | 0.96 | 1.13 | 1.06 | 0.85 | 0.96 | 1.13 | 1.06 |
趋势数据 127.1 | 130.2 | 132.7 | 133.0 | 136.5 | 139.6 | 140.7 | 143.4 | 144.7 | 147.9 | 148.7 | 155.7 |
第6章 供应链综合计划
供应链管理-设计、运作与改进
在此例中,先用中心移动平均法计算中心移动平均数如表6-3中CMA所在行数据,如第一年的第三季度移动平均值的公式如下:
CMA(1,3)=1/(0.5x108(,1)+125(1.2)+150(,3)+141(0,4)+0.5x116(,5))
按销售量/CMA 计算季节性比率见表6-3中季节比率所在行数据,并对季节性比率求和做平均数可得到季节指数,见表6-3中季节性指数所在行数据。
然后,将每个销售数据除以季节指数得到调整后数据,如表6-3中趋势数据所在行数据,根据调整后数据按式(6-5)建立趋势预测模型:
+1=124.78+2.34xT
按上式进行预测,得到第四年第一季度销售额为155.2(季节调整之前),将预测值乘以相应的季节指数得到调整后预测值131.92(155.2/0.85)。
对于具有趋势和季节变化的需求预测还可以通过对指数平滑模型式(6-7)进行修正并直接预测,其修正模型为
S.1=a./1+(1-a)-(5,+7) T441=B·(S41-S,)+(1-β)·T
(6-8)
式中,F41为第t+1期对趋势和季节性因素进行校正后的预测值;y为季节性指数的平滑系数;1,为第t期的季节性指数;L为一个完整的季节周期,如一年4个季节重复一次。
6.1.3 回归分析预测法
常用的因果关系预测方法主要是回归分析预测法。回归分析预测法就是根据事物内部因素变化的因果关系来预测事物未来发展趋势的方法。根据回归分析模型中考虑的自变量个数,可分为一元回归分析和多元回归分析;按变量之间的关系,又可分为线性回归和非线性回归。大多数的非线性回归问题可以转化为线性回归的问题进行处理,因此,这里只介绍线性回归预测方法。
回归分析预测法用于对事物之间的不确定的相关关系通过数理统计方法建立变量间的回归方程来描述变量间的相关程度,并实现对变量回归的估计和预测。
考虑预测变量(因变量)y有m个影响因素,用自变量x,,x2,,x表示,做n次实验的观测值为(x1,x2,,x;y)(k=1,2,···,n),则y与x,x2,·,x之间的线性关系可描述为
y=ba+b,x1+b2x2+···+bxm
(6-9)
式中,b。为待定的常数,b,,b2,···,b为回归系数。
根据最小二乘原理,应使预测值与实测值y之间的离差平方和最小,预测值用式(6-9)等号右边的表达式代入,即
min (x.&34;x·q-9-3 k=1
对上式中的回归参数求偏导,并令其等于零,经整理后得:
{41·b1+12·b2+···+l,·b,+···+lm·bm=10
l21·b1+l22·b2+··+l2,·b,+··+/2m·bm=120 1n·b1+l2·b2+···+l·b,+··+1m·bm=1。1m·b1+1m2·b2+·.·+1m·b,+.-+1m·bm=1mo
式中,
110=(x4-x)(%-y),i=1,2·..m;
于是,回归系数b,,b2,·,b由式(6-11)给出:
(b1,b2,·.·,b)=L&34;=-&39;o.=<=θ.&34;0)33+(1+0.03=
TCT=
1=1 t=1 i=1
产品分销成本TCD为
TCD=
(6-18)
(6-19)
(6-20)
(6-21)
(6-22)
(6-23)
于是,供应链综合能力优化模型的总成本目标函数TC为:
TC(x,,x2,,x)=TCP(x,,x2,·x;4,I2,·I)+TCC(x,,x2,··x;,I2,···I)
+TCI(x1,x2,·x;4,I2,·I)+TCM(x,,X2,·x;4,I2,···I) (6-24)
+TCT(x,x2,x)+TCD(x,,x2,·x,)
在供应链综合能力优化模型中,对计划期产品生产计划x,,x2,,x,·,x,的约束条件主要包括:
各零部件供应商的零部件生产能力约束:
第6章 供应链综合计划
M-(x+1)≤P,J=1.2...m
式中,P,为供应商的零部件生产能力。
产品制造商的生产能力约束:
x,+1,≤Q,,i=1,2,··.,n
式中,Q,为制造商产品生产能力。
配送中心的仓储能力约束:
M≥(1+x)3 1-1
式中,W为产品仓储能力。
分销商的产品分销能力约束:
N,
x≤D,i=1,2,.,n
1=1
综上所述,可以得到供应链综合能力优化的线性规划模型:
Max R= y-(x)v3-x·s3 =1
5.t.M,(x,+I)≤P
x+1,≤0
(x+1)≤W
(6-25)
(6-26)
(6-27)
(6-28)
(6-29)
t=1
x,≥0,i=1,2,...,n
j=1,2,···,m;t=1,2,··.,N,
式中,A,(x,x2,x,)表示产品i的销售总成本,包括零部件生产运输成本、产品生产成本、产品仓储成本、产品从制造商经过配送中心到各个分销商的运输成本。
A。表示供应链上各个企业或组织的固定成本,以及由于应对需求波动性所产生与安全库存产品相关的运输、生产、仓储成本。
供应链管理-设计、运作与改进
i=1 j=1 s=1 2F+2F+F2+F
+(1-(y·1+&39;)+(1&34;8)(&34;1333= t=1
s=1
通过对式(6-29)求解可以获得在供应链上各企业现有能力条件下各品种产品的最佳产量(x,x2,,x),将最佳产量与销售计划中各品种产品的计划产量相比,就可以判断出哪种产品的生产能力能够满足销售计划的需要,哪种产品的生产能力不能满足销售计划的需要。同时,将最佳产量(x,x2,··,x)代入式(6-25)至式(6-28),通过判断约束条件是否为0来识别能力瓶颈。
6.3.3 综合能力的逆优化模型
由于供应链的综合能力优化模型中各供应商的零部件生产能力、制造商的产品生产能力、仓库的产品存储能力和分销商的产品销售能力等参数作为决策变量更有利于满足销售计划的要求,有利于提高目标函数的优化水平。因此,可构建以零部件生产能力、产品生产能力、产品存储能力和产品销售能力等参数为决策变量,以式(6-29)的互补最优性条件作为约束条件,使销售计划所确定的产品组合成为最优解的逆优化模型。
设x,x,··,x,为销售计划所确定的产品组合,y为式(6-29)的对偶模型的最优解,并记J={;>0},J={g=0},T={g>0},T={dx=0},1={x>0},I={/x=0}, 则模型式(6-29)的逆优化模型为
MinP-p+-+-+-
S.1.M,(X+I)≤P,jeJ 亡Mg(x+I)=P,jeJ (+1)≤(1-4) 39;x)3 1=1 Źx≤D,tEī2x=D,1ET 1=1 X+I,≤9,ieT; X+I=0,ieI
(6-30)
式中,P、W、D、,为由销售计划确定的产品组合x,x,···,x,所要求的零部件生产能力、产品仓储能力、产品分销能力和产品生产能力,μ取值0或1,若y+=0,则取0;否则,取1。
令P1=P,+σ,-β,,j=1,2,··,m,这里σ,≥0和β,≥0分别表示P,的增量和减量; W=W+σmн-βm,这里σ≥0和β+≥0分别表示W的增量和减量;D,=D,+σ,-B,, t=1,2,···,N,,这里σ,≥0和β,≥0分别表示D,的增量和减量;g=Q,+σ,-β,, i=1,2,··.,n,这里σ,≥0和β,≥0分别表示的增量和减量。考虑到||o」-B,||≤||」+β|、
(即向量模数的一种)的情况下,经整理式(6-30)后可写成如下形式:
MinLo,+ΣB,+μm++(1-μ)·βm41+o,+ΣB,+σ,+Σβ
=1
S.t.M,(X+I)-σ,≤P,jeJ
M,(X+I)-o,≤P,jEJ
M,(+1)+B,≥P,jeJ
(x+1)-σ≤W·(1-μ) 1=1
1=1
第6章 供应链综合计划
(6-31)
x-o,≤D,tET
1=1
2x-σ,≤D,tET
1-1
Zx+B,≥D,IET
1=1
x+L-σ,≤Q,ieI
x+1,-σ,≤Q,iel
x+1,+β,≥Q,ieI
σ,,m+1,σ,,σ,≥0;β,,βm+·β,B,≥0
逆优化模型式(6-31)表明,为使产品产量由x,x2,·,x调整为x,x,··x,供应链上各供应商的零部件生产能力P1、产品仓储能力W、产品分销能力D,和制造商的产品生产能力0,应该调整到P、W、D,和才能使供应链整体效益达到最优。
6.3.4 生产能力调整模型
利用供应链综合能力的逆优化模型式(6-31)可以确定供应链上各企业或组织的生产能力调整目标值。进一步,对于确定供应链上每个企业或组织的生产能力调整方案,可以根据影响生产能力的人员数量、设备数量、劳动时间、设备运转时间、劳动定额水平、设备完好率、设备开动率、设备生产效率和生产利用率等因素的变化特点调整可能性,构建以生产能力的调整成本最低为优化目标,以影响生产能力的人员、设备和库存等因素的变化为优化变量,以生产能力的影响因素调整可能性为约束条件构建优化模型。
设企业生产能力调整优化模型参数如下:
n为计划期长度;
W为员工正常工作时间每小时劳动工资;
W。为员工加班工作时间每小时劳动工资;
175
供应链管理设计、运作与改进
H为每月单位产品库存持有成本;
C.为每月单位产品缺货或延期交付成本;
C为单位产品成本;
Cs为单位产品转包成本;
CE为雇佣或培训一名员工的成本;
C。为解雇一名员工的成本;
T为正常时间生产单位产品所需工时;
T。为加班时间生产单位产品所需工时;
T为每人每月允许的加班时间;
L。为初始员工数量;
I。为初始库存水平;
D,为第1个月的产品需求量。
模型的优化变量:
L,为第1个月的员工数量;
L,为第t个月初雇佣的员工数量;
L,为第1个月初解雇的员工数量;
0,为第1个月的产品生产数量;
05为第1个月的产品转包数量;
1,为第t个月末库存水平;
U,为第1个月末缺货数量或延期交付数量;
O,为第t个月的加班工时数。
企业生产能力调整方案的优化目标就是使计划期内产品生产成本最小化。产品生产成本主要包括以下几个部分。
(1)正常时间的劳动力成本。若每月正常劳动时间按20天、每天8小时计算,则正常时间的劳动力成本(LC)为
LC= 160.W·L
(6-32)
(2)加班时间的劳动力成本。计划期加班时间的劳动力成本(OC)为
0.m3=00 t=1
(6-33)
(3)雇佣和解雇员工的成本。计划期雇佣员工的成本(EC)和解雇员工的成本(DC)为
EC+DC=
t=1
(6-34)
t=1
(4)库存持有成本与缺货成本。计划期库存持有成本(HC)与缺货成本(UC)为
(6-35)
HC+UC= t=1 t=1
(5)生产成本与转包成本。计划期生产成本(PC)与转包成本(SC)为
PC+SC= 0.03+0.03 1=1 1=1
(6-36)
产品生产能力总成本就等于上述各项成本之和,即
(6-37)
企业生产能力调整的约束条件包括以下几点。
(1)员工数量关系约束。本期员工数量由上一期期末员工数量加上本期雇佣的员工数量减去本期解雇员工数量所确定,即
第6章 供应链综合计划
L1=L1-1+L-L
(6-38)
(2)产品生产数量约束。每一期由企业自己生产的产品数量不能超过由正常工作时间和加班时间所决定的产品生产能力,即
Q,≤160./7+2/6
(6-39)
(3)库存平衡关系约束。本期产品可用数量应与总需求量平衡。本期产品可用数量由本期企业自己生产的产品数量、本期外包出去的产品数量和前一期期末库存量构成,本期产品总需求量由本期需求量加上前一期延期交付的产品数量,再加上本期期末库存量减去本期延期交付的产品数量构成,即
&39;1+&39;n+&39;'1
(6-40)
(4)加班时间约束。本期加班时间应该满足能力调整目标值,并不超过一定限制,即
(D,-160./7)·T。≤0,≤Tg·L
(6-41)
这样,由式(6-37)和式(6-38)至式(6-41)所构成的生产能力调整优化模型是一个线性规划模型,可以采用Excel规划求解工具确定生产能力调整方案。
上述优化模型主要考虑了劳动力数量变化、劳动力工作时间变化、库存水平变化以及生产转包等因素对生产能力的影响。在实践中,可以根据实际需要引入设备数量、调整设备工作时间或组织管理水平等。
6.3.5 建模过程应用
在实践中,不同的供应链其结构所建立的综合能力优化模型及其逆优化模型也就不同。供应链综合能力优化模型及其逆优化模型的建模与应用过程如图6-4所示。
从图6-4中可以看到,对供应链综合能力进行优化建模过程如下。
(1)问题分析。对供应链网络结构进行分析,识别出供应链上各企业或组织的生产能力和运行的固定成本、供应链网络中可能运输线路的单位运输成本以及供应链上各企业生产能力等结构参数;同时,为适应销售计划对供应链综合能力的要求,将供应链上各企业生产能力作为可控制参数。
(2)数据收集。为建立供应链综合能力优化模型需要对供应链上各企业或组织的生产能力和运行的固定成本、供应链网络中可能运输线路的单位运输成本以及供应链上各企业生产能力等数据进行收集和整理。
供应链管理-设计、运作与改进
图6-4 逆优化模型的建模与应用过程
(3)优化建模。根据供应链网络结构的分析结果以及网络结构参数,建立以供应链运营成本为优化目标,以不同品种产品生产数量为优化变量,以供应链上各企业的生产能力为约束条件的供应链综合能力优化模型及其对偶模型,并采用运筹学方法求解。
(4)逆优化建模。根据供应链综合能力优化模型及其对偶模型互补最优性条件,构建以销售计划确定的产品销售量为目标点,以供应链上各企业或组织的生产能力为优化变量、以各企业生产能力变化最小为优化目标的逆优化模型。
(5)逆优化模型应用。采用运筹学方法求解供应链综合能力逆优化模型,以确定满足销售计划需要的各企业生产能力调整目标;依据其求解结果建立供应链上有关企业的生产能力调整方案优化模型,进而确定有关企业的生产能力调整方案。
示例6-6 供应链综合能力优化
某供应链在计划期内可生产3种产品A、B、C,制造商在计划期内的固定成本为50000元;3种产品共有9种零部件,由4家供应商生产,经配送中心组织供应,配送中心的固定成本为10000元;这3种产品由3家分销商分销。供应链上有关参数如表6-9至表6-16所示。其中,D,可以通过表格中各个分销商的分销能力综合取得。
表6-9 参数F、F、W值
(单位:元、件)
F. | 1 20000 | 2 18000 | 3 15000 | 20000 |
F1 | 5000 | 6000 | 7000 | |
W | 600 |
表6-10 参数M的取值
W A | 1 1 | 2 0 | 3 3 | 4 2 | 5 0 | 6 0 | 7 4 | 8 3 | 9 0 |
B | 0 | 4 | 4 | 0 | 3 | 2 | 0 | 0 | 1 |
C | 3 | 3 | 0 | 2 | 5 | 0 | 2 | 0 | 5 |
表6-11 参数V3的取值
V 1 | 1 10 | 2 0 | 3 0 | 4 25 | 5 12 | 6 0 | 7 6 | 8 6 | 9 0 |
2 | 13 | 10 | 0 | 0 | 11 | 20 | 0 | 0 | 5 |
3 | 0 | 0 | 8 | 20 | 0 | 19 | 6 | 0 | 0 |
4 | 15 | 11 | 0 | 23 | 0 | 0 | 5 | 7 | 5 |
表6-12 参数δ的取值
δ1 1 | 1 0.400 | 2 0.000 | 3 0.000 | 4 0.300 | 5 0.480 | 6 0.000 | 7 0.350 | 8 0.540 | 0.000 |
2 | 0.340 | 0.520 | 0.000 | 0.000 | 0.520 | 0.490 | 0.000 | 0.000 | 0.500 |
3 | 0.000 | 0.000 | 1.000 | 0.370 | 0.000 | 0.510 | 0.290 | 0.000 | 0.000 |
4 | 0.260 | 0.480 | 0.000 | 0.330 | 0.000 | 0.000 | 0.360 | 0.460 | 0.500 |
表6-13 参数C的取值
C 1 | 1 0.5 | 2 0 | 3 0 | 4 1 | 5 0.5 | 6 0 | 7 0.2 | 8 0.1 | 9 0 |
2 | 0.6 | 0.5 | 0 | 0 | 0.4 | 0.8 | 0 | 0 | 0.1 |
3 | 0 | 0 | 0.2 | 1 | 0 | 0.8 | 0.4 | 0 | 0 |
4 | 0.7 | 0.5 | 0 | 0.9 | 0 | 0 | 0.2 | 0.2 | 0.1 |
表6-14 参数C、V、Da的取值
A | Cn 5 | C2 4.7 | Cn 5.2 | Va 20 | V2 25 | 18 | Da 35 | D2 30 | Da 35 |
B | 7.5 | 7 | 7.2 | 25 | 30 | 27 | 50 | 55 | 55 |
C | 8 | 7.5 | 8.5 | 35 | 30 | 35 | 70 | 80 | 60 |
表6-15 参数T、、L、C、V、Q的取值
A | T1 1 | r 0.5 | 1 10 | C 6 | Vi 120 | Q 120 |
B | 1 | 0.7 | 20 | 5 | 160 | 180 |
C | 4 | 0.5 | 30 | 3 | 200 | 230 |
表6-16 参数CP的取值
CP | 1 850 | 2 1400 | 3 1100 | 4 750 | 5 1700 | 6 350 | 7 900 | 8 350 | 1400 |
若产品A、B和C的销售价格分别为350、450、500,将表6-9~表6-16中数据代入优化模型式(6-28)中,求解可得到产品A、B和C的最优产量为(100,155,200)。
根据产品A、B和C的最优产量(100,155,200),产品A、B和C在计划期的销售计划产量为(95,150,210),求解供应链综合能力的逆优化模型式(6-31),可以得到零部件生产能力P1、产品生产能力Q1、产品仓储能力W和产品分销能力D,的优化结果,如表6-17和表6-18所示。
第6章 供应链综合计划
供应链管理-设计、运作与改进
表6-17 零部件生产能力优化结果
P1 | 増加量σ 0 | E8 13 | 优化结果 837 |
P2 | 0 | 0 | 1400 |
P3 | 0 | 53 | 1047 |
P4 | 0 | 30 | 720 |
P3 | 5 | 0 | 1705 |
P6 | 0 | 5 | 345 |
P7 | 0 | 0 | 900 |
P8 | 0 | 18 | 332 |
P9 | 0 | 15 | 1385 |
表6-18 产品生产能力、仓储能力和分销能力优化结果
W | 増加量σ 0 | 减少量β 43 | 优化结果 600 |
01 | 0 | 8 | 120 |
O2 | 0 | 5 | 180 |
Q3 | 5 | 0 | 230 |
D1 | 0 | 0 | 155 |
D2 | 0 | 0 | 165 |
D3 | 0 | 0 | 150 |
优化结果表明,当供应链生产的产品A、B和C在计划期目标产量为(95,150,210)时,零部件生产能力、产品生产能力和产品仓储能力达到表6-17和表6-18中相应数据,整个供应链的运营成本才能达到最优。
本章讨论了供应链需求预测的特点、影响因素、预测过程和预测方法,销售与运作计划的特点、作用和实施过程,供应链综合能力优化与调整模型。
1.供应链需求预测
供应链需求:主要是指供应链运营过程所需要满足的最终顾客的产品需求,以及由此导致的沿供应链向上各环节产生的相关需求。
供应链需求特点:需求的时间特性和空间特性,需求的不规则性与规则性,需求的派生性与独立性。
需求预测:基于过去模式的持续性对整个产品或特定产品的需求量或需求金额,利用现在和过去历史数据并考虑未来各种影响因素进行预先的估计和推断。
需求预测特点:预测总是不精确的,长期预测的精度往往比短期预测低,综合预测往往比分解预测更精确,供应链上游企业的市场需求预测误差要高于下游企业。
需求预测影响因素:主要包括基本需求、季节性因素、趋势因素、周期性因素、促销因素和随机因素。需求预测需要将这些因素分解并预测其值后再进行综合。
需求预测过程:主要包括理解预测目标、整合需求计划和预测、识别影响需求预测的主要因素、选择合适的预测问题、选择合适的预测模型和建立预测绩效标准等步骤。
需求预测方法:按照预测方法的性质可分为定性预测法、时间序列预测法和因果关系预测法。时间序列预测法主要包括移动平均法、指数平滑法、趋势外推方法等;因果关系预测方法主要是回归分析预测法。
需求风险分析:主要考虑未来可能的随机因素对预测结果的影响。
2.销售与运作计划
销售与运作计划:通过对市场、研发、采购、生产和财务等部门的沟通和协调,做出对市场变化具有快速响应的决策,以适应市场需求的变化和供需平衡。
销售与运作计划特点:主要有跨职能部门的综合性、总量与分量的平衡性、汇总与明细的协调性和战略与作业的衔接性。
销售与运作计划作用:将各个部门的运作与经营计划联系起来,使所有部门都朝向同一个目标努力,进而,提供了一个满足企业经营目标的可行运作计划,提高了主生产计划和物料需求计划的可执行性。
销售与运作计划实施过程:主要包括准备销售预测报告、编制销售计划、编制生产运作计划、编制资源需求计划、协调可用资源和资源需求以及审批和确定销售和运作计划等步骤。
3.供应链综合能力
供应链综合能力:供应链上各企业或组织的生产能力综合。
生产能力影响因素:主要包括人员能力、设备能力和管理能力。
综合能力平衡:供应链综合能力与销售计划平衡策略主要有以生产能力为杠杆的应急策略,以生产效率为杠杆的柔性策略,以周转库存为杠杆的均衡策略和以需求调节为杠杆的主动策略。
综合能力优化模型:以每种产品产量为变量,以供应链上各企业或组织的生产能力为约束,以供应链运营成本最小化为目标的优化模型,通过模型求解来衡量供应链综合能力,评估综合能力是否能满足销售计划的需要,并识别出供应链上能力的瓶颈。
综合能力逆优化模型:以零部件生产能力、产品生产能力和产品存储能力和产品销售能力等参数为决策变量,确定供应链上各企业或组织的生产能力调整目标。
生产能力调整模型:以影响生产能力的人员、设备和库存等因素的变化为优化变量,确定生产能力调整方案。
1.需求预测在像戴尔公司这样的按照订单生产的制造商的供应链中起到什么作用?
2.你认为在巧克力市场的需求中会有怎样的系统需求和随机需求?
3.当一个预测者声称自己基于历史数据的预测结果不存在误差时,为什么会引起管理者的质疑?
4.若利用往年的销售数据而不是需求数据进行第二年的预测,会有什么影响?
5.列出几个需求呈现出季节性变动的商品的例子。
第6章 供应链综合计划
供应链管理-设计、运作与改进
6.需求预测有哪些定量预测和定性预测方法?说明它们各自的特点和适用范围。
7.就生产商而言,分析分布式生产和集中式生产的在供应链管理上优缺点,哪些生产商做这种选择是合理的,举例说明。
8.讨论公司如何能让生产部门和营销部门一起协作来控制供给和需求,以达到利润最大化的共同目标。
9.供应链综合能力计划如何在需求不确定性较大的环境中使用?
10.数据信息如表1所示。(1)运用二次指数平滑法进行销售预测,其中α=0.2,β=0.5,最初的基数为38,趋势系数为2。(2)预测至第15个周期。
表6-19 预测数据信息
周期 1 | 销售量 39 | 周期 6 | 销售量 47 |
2 | 46 | 7 | 46 |
3 | 40 | 8 | 55 |
4 | 43 | 9 | 54 |
5 | 50 | 10 | 60 |
宝钢的综合销售计划系统
宝钢的综合销售计划系统的任务就是要根据其市场营销战略和财务绩效目标的要求,合理分配计划期的生产能力,制订计划期分品种、分去向的销售计划,并据此生成计划期各工序的生产计划。其最主要功能就是通过主计划模型和效益优化模型,获得企业的效益最大化。
宝钢的综合销售计划主要包括价格制订、资源计划、生产计划、资源分配计划等内容。价格制订由销售部负责,主要考虑钢材供求关系、竞争对手价格、价格走势、成本数据等因素制订期货、现货等大类的指导价格和最低限价;资源计划编制也由销售部完成,以可用生产能力为主要依据并结合市场需求汇总。销售部还依据资源计划制订生产计划,并结合市场情况、公司战略等编制资源分配计划;出厂中心编制运输计划。
宝钢的综合销售计划系统在市场和生产之间扮演着协调者的角色,一方面结合生产能力对销售计划提供指导,另一方面根据需求和能力,通过主计划模型和效益优化模型,在满足用户需求的条件下,追求企业价值的最大化。
宝钢目前生产的产品牌号总计已超过1000种,每个牌号下不同规格的组合预计达到102的数量级。如果把所有的产品对象都作为综合销售计划模型的计划优化对象,可能会使模型的规模和求解的时间达到不可容忍的地步,并对基础数据的收集和整理带来不可估计的难度。为简化问题的规模和降低模型的计划对象个数,可以考虑只对当前生产的产品进行优化或者对相似产品归类,相似产品归类原则可以从销售、成本、能力、工艺等方面考虑。
宝钢产品的生产工艺路径十分复杂,如果在综合销售计划系统中考虑宝钢所有的生产工序,即使采用了上述的简化计划对象的措施,其模型规模和运行效率也将受到影响。因此,
为降低模型的复杂程度,即降低模型的约束条件,可采用瓶颈工序约束的方法,即分析目前已有的瓶颈工序或将要成为瓶颈的工序或机组,对其进行约束和优化。
在宝钢的各成品生产厂,除了产品库和原料库外,还有大量的中间库,每个机组前后各有一个仓库。在进行库存管理时不仅需对各物理库的总量进行控制,还必须对各物理库的逻辑库存进行控制(即对物理库中产品结构进行控制)。由于宝钢产品不仅产量大,而且产品种类多,要保证物理库和逻辑库的平衡是十分困难的。因此,需要采用不同的库存控制策略对物理库和逻辑库进行管理和控制,以达到计划与物流平衡。
宝钢产品的生产周期十分长,因此,在建立综合销售计划模型时,必须考虑到生产周期的问题。生产周期不仅是产品在每个加工工序的加工周期,也包括计划生产时间和产品冷却时间等。这样,就可以根据产品工艺路径,逆向推出各产品在各工序的加工量、加工时间和加工时间段。
在综合销售计划系统的支持下,综合考虑库存、需求、能力和效益等要求,建立库存、需求、能力和效益四维一体的线性规划模型,在满足需求、能力和库存目标的前提下,追求企业的效益最大化。
(1)宝钢的综合销售计划是如何优化宝钢供应链管理效益的?
(2)通过研究宝钢的综合销售计划对你有何启示?
资料来源:陈文明,苏冬平.宝钢供应链管理中的综合销售计划模型.宝钢技术,2003(5).
第6章 供应链综合计划
以上就是关于执行工作由谁进行(供应链管理——设计、运作与改进第六章)的所有内容,希望对你有所帮助。