最近出差，在飞机上看完了最新的电影《三少爷的剑》，非常失望，改编得不伦不类。事实上古龙原著的小说，是相当精彩的，也间接地反映出古龙当时那种厌倦和落寞的心态。故事里另一个相当有分量的角色，燕十三，尽管有着令江湖人士佩服的夺命十三剑，然后进化出第十四种变化，但于三少爷—神剑谢晓峰的眼中，都不足以威胁，他点评道：“前十三剑只不过根，第十四剑充其量也只是枝叶，只有第十五剑，才是盛开的花，假如使出那一剑的话，我也无法可破。”

    我思考了很久，握住了一些要素，编写了一个订货的表格来制定订货的策略，然后又增加了一些因素，但是正如三少爷所言，这些不过是根，充其量也只是添加了枝叶，我也希望通过大家的参言，意见，能够悟出我的“第十五剑”！

    且回正话。

    说说这个订货表格的行业背景。

    处理的货物是面向汽车产业的原材料，公司在最终用户汽车制造厂商中属于二级甚至三级的供应商。而原料的供应商一般都是按MTO（按订单生产）来处理。其流程就是车厂给下级供应商（也即是公司的客户）提供内示（即非正式的提示），然后下级供应商（也即是公司的客户）同样根据生产进度等自我计算后，提供内示给公司。公司根据内示，按照一定的安全库存基数计算出订货数量后，发送订单给原料供应商，原料供应商按照订单生产。

    大致可以如下图理解。

    但是这样的订货情况下，经常发生一些问题，有些型号的货物库存太高，周转不好，库存天数可以长达半年甚至一年以上，而更有部分由于某些车厂制造的车型不好卖，导致停车，从而有些原料无法消耗，导致变成死库存，只能当废品处理。汽车行业的原料都是专用为主，很难说这个车型不用的话，就用在第二种车型上。缺少通用性的。

    又有些材料，突然库存不足，为了赶上交货期，只能空运对应，物流成本上扬非常厉害。

公司现有订货数量是基于一个系数而订的。（如下图）

    库存系数（stock level）是某些高层或者某个负责人，根据个人经验，感觉等，和客户（零部件供应商）商谈达成的默契，协议下，订立的一个系数。比如最低系数是2。

    而这个系数是本月（比如13年12月）的月底库存数字17238，除以下个月的预计出库数字7517（该预期数字实际就是零部件供应商提供的内示数据，一般零部件供应商会提供连续三个月的内示数据）从而得出2.29的系数。意即备有2.29个月的库存量。

   公式：17238/7517=2.29

   为了2014年1月的库存系数还是高于2的系数，所以根据订货者的经验和感觉判断，结合零部件供应商提供的内示数据，把1月到货的数字确认为5440，从而使2月的库存系统达到2.43，考虑到提前期是1个月的话，12月安排订货5440.

    那么有些什么原因导致这样的订货情况下依然发生种种问题，并且频繁发生呢？

1.由于车厂的内示是根据市场销售状况等计算而出的预测数，同时经过一层或者多层零部件生产商的情况下，牛鞭效应之下，公司从上一层拿到的内示数据，需求变异遭到了放大。所以参考性相当不足，最终实际出货的数据和内示数据往往存在相当大的偏差性

2.根据经验，感觉判断库存系数。根据修正，再判断的机制。由于内示数据的偏差，以为备有2个月以上的库存数据，实际上用量和内示偏差的较大，容易变成库存不足或者库存过剩

3.没有理解清楚提前期和核查提前期的准确性。比如原料供应商提出提前期是40天，虽然订立的条款是CIF，却把握不清楚这40天是意味生产的提前期，还是加上物流提前期交货到指定港口的时间？由于运输时间，往往也因为提前期长短导致库存用量的把握不清楚。

再涉及清关因素，货物质量因素，破损保险因素等等，叠加之下，使得库存无法应付需求或者库存过多的现象总是出现。

基于以上，笔者就制作出以下订货表格。

由于公司处于供应链前端，末端市场数据层层传递，导致前端得出的内示牛鞭效用叠加，失真非常厉害，假如作为订货的重要依赖点，那么由此安排的订货库存策略非常不恰当，最终要不库存不足，要不库存过剩。

因此我的订货策略，是尽可能地根据实际数据出发。先回顾下订货表格是如何的。

    首先我们应该注意过去六个月的出货实际数据，也就是过去六个月的实际销售业绩。由7月到12月份的数据。

    并且可以计算出这六个月的平均数据。如订货数据效果图，蓝色折线就是这过去六个月的出货数据，而红色线则是这六个月的平均线。通过折线图我们更加容易敏感出货的波动性，有时光看数字或许容易忽略。当然，这个还可以通过我之前所讲的XYZ分析法（点击即可阅读：九宫格来看待订货策略）来看它的波动性。

    然后我们再录入客户提供的未来三个月的内示数据，可以有一个直观的了解。

    此对应订货数据效果图的红色柱状数据。

    我们由此需要思考。

1.过去六个月平均用量在2400左右，其中10月上涨到3000多，11月则回落到1200多，那么当中原因是什么？是否10月赶货期，从而把11月的量提前使用？

2.除了异常的10月和11月波动幅度大外，普遍稳定在2300-2500之间，那么内示数据提供在2000和1650，是否外部市场销售状况不理想，从而减产？又或者年初节日关系，开工率有所减少从而产能降低，导致需求量减少？

    订货是一个群体策略的问题。是必须结合所有信息综合考虑下作出的决策。经过各方面研究讨论后，综合得出一系列彼此都认同的观点。

1. 客户的内示数据可信性有保留

    

   

   

从过去六个月的出货实际数据和当时客户提供的内示比较，可以得出客户内示和实际没有相当的吻合性，甚至在11月发生极大的偏差，误差达到87%以上。关于这个内示和实际的表格的相关信息，以后有机会另文分享。

2.   10月和11月数据的异常幅度大，是为了圣诞新年促销，从而要赶货期，11月的生产相当部分提前到10月，那么实际上客户的使用量基本稳定在2300到2500之间。

3.   考虑到提前期，由于现在身处12月要准备3月的订货，而农历新年是在2月的，很有可能节后追赶货期，客户-也就是生产厂商需求量突然上升。

      所以各方面最后把服务目标水平订立在1这条线。也就是说，根据过往六个月的实际，最高为10月的3600。而我的订货策略是基于实际数据而出发的，因此接下来的订货是以此为基础，把3月份的库存推到能够满足3600的需求量上，从而减少突然需求增加而导致库存不足的可能性。

       所以当我们设立1的服务目标水平时，意味着我们挑选出过去六个月的实际出货数据中最高数据那个，以此为基准乘以1，就是我们希望3月份的库存量都能够满足到这个基准线。可以参考订货数据效果图的绿色线。

笔者这个的模式的计算逻辑是基于过往历史业绩而作出的订货预测，因为过往历史业绩是是与用户密切结合的实实在在的存在，是对需求的一个客观性的反映，同时实绩也是一个对未来趋势的指标性反映数据，对于订货具有非常重要的参考意义。

  其公式可以简单理解为：

  建议订货量 = 标准库存量- 现存库存- 在途库存 + 追加订单

现存库存：货物现存于各仓库并能够发送给客户的可用库存，不包含破损，不良等

在途库存：是指上一期订单发送后未交付的库存，是用来针对本期到货而言的。

追加订单：是应对紧急情况，由于估算本期交货不足而临时增加的补充订单

其中

   标准库存量 = 月均需求 X （订单周期 + 到货周期 + 安全库存周期）

订单周期和到货周期合并理解为LEAD TIME(提前期)，意指当订单下到给供应商，到货物能够自主支配发送给客户的周期时间。其中订单周期可以理解为准备，制作，发送订单给供应商，供应商处理订单并完成生产准备安排物流发货的周期，而到货周期就是供应商处发出，到达本公司指定位置（仓库）的周期。安全库存周期就是可能发生意外导致供货不足的一个周期时间。

通过以下我们就可以理解，这些加起来就是我们需要的货量，笔者称之为标准库存量。

（注：SSQ ：标准库存量Standard Stock Q’ty

             MAD：月平均需求 Month Average Demand

              L/T: 提前期 Lead Time /

              O/C: 订单周期 OrderCircle

              S/S：安全库存 Safe Stock）

在这个情况下，要考虑两个变量问题：

1. 就是预测的不准确性，尽管客户给了未来的3个月（1-3）的预测数据，分别是2000,1650和2700，但是实际上根据历史分析（参见前述），实际发货的波动性是非常大的。

2. 就是提前期的波动性。由于是进口材料，在船期和清关因素下，提前期都有一定大的波动性，根据统计过去6个月，提前期分别是2,2.1,1.95,2.4,2.31和2.02（个月），而平均值是2.13个月。

  首选为了弥补提前期的风险，也如同出货的目标服务水平一样，在过去6个月的提前期数据中取最高值的百分比来计算下一期提前期的预计，由于考虑到下一期有公众假日，所以

SS FOR LT （提前期安全系数）= 过去6个月提前期最高值 * LT目标水平

2.4 *1.05 = 2.52 （个月）

  为了弥补预测不准确而带来的风险，因此把服务目标水平定义在1（即100%），对此目标的覆盖量就是3600，也就是意味着按照过去6个月的最高的发货数值的100%来取值。

  接着对此转换成SS FOR DEMAND（需求的安全系数）的系数，公式为

SS FOR DEMAND（需求的安全系数）=（目标覆盖-月平均出货）/ 月平均出货*提前期的安全系数

           （ 3600- 2412 ）/2412 * 2.52= 1.24

  这意味着在2.52个月提前期内，要想达到3600的目标出货水平，需要在平均出货2412的基础上提高1.24（124%）的水平。

   然而由于公司的订单作业有一个延迟性的问题，比如1月是订3月的，但是并非在1月1日或者以前来下达订单，有可能是1月10日，也有可能是1月22日，所以笔者在此基础上做了一个LT推移的参数。

   比如本月总共有31日，而下订单的日子是1月19日，距离月底还有12日。12日/31日=0.38

   因此笔者作推移，利用过往6个月的平均出货数据作为计算基准，剩下的0.38个月推测出货为2412* 0.38 = 916

因此，最终的标准库存量公式则为

  月平均出货 * （提前期安全系数 + 需求的安全系数+   LT推移 ）

  得出标准库存量是9988， 减去在途在库和现有库存等，并且SKU的标准是25，所以最终的建议订货量则为575

最后，我们回顾整个订货计算公式，可以层层拆分如下

整个结构就这样一下子清晰明了。至于L/T推移怎么计算，由于篇幅限制（当然笔者也懒惰，就不列出了，可以参考上面解释。）

最后，笔者想说明的，这个订货计算是基于汽车行业特点和公司的一些性质特点而构成的，实际上每一个行业，每一种产品或者每一间公司，由于所处环境的不同，影响订货量的因素都会有所不同，或者强弱不同，所以理解而结合自己特色去计算订货量，才是正确之举。

  一切就正如李小龙先生说过的：“以无法为有法，以无限为有限。”

作者：林梦龙       来源：林梦龙