ERP ： 物料控制--独立需求

库存的补充
新物品的首次订货是库存管理的特殊情形。这类物料管理的原理与技法在第６
章讨论。本章讨论常规使用中的物料被不断地补充或定期成批地补充的情形。
第３章的ＥＯＱ概念回答每一次发出补充订单应订货多少的问题。回答这一问
题中，订货成本要同库存持有成本相平衡以给出最小的总成本。在库存控制中，另
一必须回答的基本问题是该补充订单必须在何时发出。回答这个问题中，库存投资
成本必须同所希望的客户服务水平或缺货成本相平衡。显然，如果补货订单不能及
时发出，物料将不会及时到货，在新批收到之前就会把剩余物料用完。反之，如果
订单发出过早，库存将过高。
由于重订货技法的选择最终地确定所提供的客户服务水平，这一决定通常对管
理人员比批量的决定要重要得多。不良的客户服务通常比订货或库存成本更快而且
更有力地引起管理人员的注意。实际上，这一事实的后果是作出的决定往往以高库
存为代价大大地偏向于客户服务。
原理１５．正确地回答一物品何时需要的问题比确定要订多少货重要得多。
任何库存控制系统，不管多么简陋，总有一些内在的决策规则。每周购买一次
食品的主妇按照告诉她们何时重新订货的直觉规则来确定她的购物单。其中有些规
则是相当切合实际的。主妇多半能相当准确地预报每餐要使用的肉类的数量，并多
半在需要重新购买时用完上周的肉类的最后余量。另一方面，化妆纸可能服从一非
常无规律的需求──也许取决于家中有无某一成员伤风感冒。主妇可能决定在衣橱
里应当常备一盒擦面纸。当这一盒被打开时，她将在每周购物时购买另一盒。香草
精难得一用，当用完时，该主妇可能决定暂时不买直到下次计划烘烤什么时再说。
减价出售的廉价货的采购则要受有没有钱的限制，也要受水箱、冷冻室或食品柜存
储容量的限制。
这些是实际上很有效的简单规则，虽然它们可能甚至得不到始终如一的应用。
在购买食品与杂货时，主妇通常不注意库存（食品与杂货）的投资同缺货的机会之
间的平衡。倘若她偶而让一常用物品用光了，由于商店就在邻近或可从邻居暂借一
下，这不方便通常是小的。
对大多数日常生活中作出的库存决定这是真的。这类日常用的重订货系统可以
非常松弛，因为其提前时间短库存投资小，即使缺货时所带来的不方便也较小。在
企业中有许多库存──例如办公用品──可以相当成功地用类似的简单决策规则来
加以控制。
然而，还有许多其它物品，它们涉及巨额的库存投资，万一缺货要付出极高代
价或补货提前时间很长。为了恰当地控制这些库存，可以用一些高效率的重订货方
法。它们有许多形式，但通常同下列五种方法之一有关：
１、两箱法：
此系统中，一特定物品的存货以某一预先确定的数量被放在一边（往往放在分
开的第二个箱子中）不予接触，直到该物品的主要存货被用完。当后备供应量被打
开时，即有通知书被送到库存控制办公室并发出一补货订单。（详见“两种简单订
货方法”）
２、目视评审法：
定期地用目视法核对存货水平，每次评审后在需把存货水平恢复到某一预先确
定的现有库存与已定购量之和的最大值的场合就发出补货订单。（详见“两种简单
订货方法”）
３、订货点法（固定订货量──可变订货周期制）：
当提货使一物品在永续盘存记录上的库存下降到一预先确定的叫做订货点的水
平时，发出补货订单（通常订货量为预先计算好的ＥＯＱ）
４、定期评审法（固定周期──可变订货量制）：
在定期评审中，库存记录被定期地评审，也许每周一次或每月一次，并定期地
订货使现有库存加上已订货量的库存总量恢复到预先确定的最高水平。（详见“定
期评审技法”）。
５、物料需求计划（ＭＲＰ）：
在ＭＲＰ中，物料按能满足使用物料的物品的预先制订的生产计划所需的数
量与交货日程来订货。（详见第６章）。
所有这些方法在概念上都是紧密联系的。显然，例如两箱法，虽然它并无库存
记录，却同订货点法非常相似，因为第二只箱子里存放的就是订货点数量。同样地，
众所周知的极小与极大法只是订货点法的一种变态。该极小值实际上就是订货点，
而极大值就是订货点加上订货量。然而，订货点法在工业的库存控制中并未获得普
遍的应用。事实上，这一技法──以及刚才列出的第１到第４种有关的方法──对
成品库存与库存中持有的维修零件有极好的应用，例如，在该物品的需求倾向于连
续的而且不依赖于任何其它库存物品的场合。然而，在需求倾向于间歇的而且需求
量的变化取决于一更高层装配件的需求水平的场合，补充这种组件与子装配件的库
存，通常以使用ＭＲＰ更为有效。上述重订货技法都将进一步讨论，本章讨论前４
种。
订货点法被深入地讨论，因为它为用来对付重订货系统中不确定性的方法
提供了最好的例子。ＭＲＰ将在第６章叙述。
在所有这些讨论中，需求是指在一给定期间中对一物品的总需要量。提前期是
从确定必须发放一份补货订单起到该订单中的物料被收进存货并可供使用为止所经
历的时间。这是一物品最易受缺货伤害的期间，因为库存正处于最低点。
订货点法的基础
订货点法，包括对提前期中需求的估计，加上一些储备存货
用来对付无论需求还是提前期都不能被肯定地预报这一事实。假设使用率是固定的
，库存将沿着斜线下降，达到订货点时发出一补货订单，订货量为ＥＯＱ，如垂直
的虚线所示。在提前期中，库存继续下降，到提前期末，收到了补充订货；于是库
存增加了ＥＯＱ，库存的升降循环又重新开始。另一必要的假设是补货是即时完成
的。
不幸的是，在大多数实际的库存情况中，无论提前期还是需求都不能准确地预
报。其结果是，简单地根据提前期中的平均需求来确定的订货点将不能为防止缺货
提供足够存货，因为需求的波动有一半时间要超过平均值。于是，一个主要问题就
是在订货点法中需要配备多大的储备存货。
头两个周期都未触及储备存货。然而，在第三个周期，使用率变大了，如图中
更陡的斜线所示。由于这一较高的需求，在收进新的供应量之前，库存掉进了储备
存货。倘若需求增长得更多或提前期变得更长，则库存可能降低到零──这就会产
生缺货。
这一技法有下列注意事项：
１、订货量（诸ＥＯＱ）通常是固定的，而且仅当预期有显著的需求变化时才
被重新计算。
２、实际上，订货点在太多的情况下是固定的而且难得被核对。本章在后面将
提出以每周或更长的间隔来更新订货点的技法，以保持它们同预期的需求或提前期
的变化相协调。
３、两次补货订货之间的间隔期不是常数，它随使用率而变：需求越高，订货
间隔期短（因此得名为固定订货量──可变周期）。
４、库存的储备存货部份通常被认为平均起来一年到头都是现有库存。
５、库存的相当于满订货量的周期性存货部份只有在它刚刚被收进时才是现有
库存。平均起来，只有订货量的一半将一年到头在库，因为假设使用率是均匀的。
６、平均总库存的计划量等于订货量的一半加上储备存货。
用目视法寻找订货点
在一物品的平均需求是每周１００件与预期的提前期为６周的情况下，通过察
看过去的活动──如库存记录所示──可能发现由于提前期比预期的要长或需求比
预期的要高而使提前期中的需求有时可高达８００件。如果这样的查看表明提前期
中的需求难得超过８００件，则把订货点设在８００件就可获得成功的服务。这在
事实上已建立了２００件的储备存货用来对付需求与提前期二者的变化。
该订货点是两个要素之和：提前期中的预期需求与储备存货。前节所讨论的例
中： 订货点＝６００件＋２００件＝８００件
虽然用查看法确定订货点是简单而吸引人的，但有一个主要的实际问题。为了
通过观察来确定订货点必须有大量的数据；但在典型的商业情况中，数据越老，它
们对当前情况的代表性就越差，对将来可能发生什么的代表性就更差。
确定一个订货点要求对其两个构成因素提前期中的需求与储备存货量作出估计。
一个期间的预期需求必须通过某种预测来确定，其技法已在第４章中讨论过。然后
必须把这一需求量扩展到提前期上，提前期通常不同于预测期间。其技法在本章后
面讨论。
确定恰当的储备存货是一个困难问题，并无容易的解法。应用经验法则将造成
许多物品的库存过多而另一些物品库存不足。更为严格的方法也最多只能稍微减少
这些过多或不足。所要求的储备存货量是主要由下列要素构成的一个函数：
１、准确地预测需求的能力
２、提前期的长度
３、准确地预测或控制提前期的能力
４、订货量的大小
５、所希望的服务水平
某些统计技法──以不受清规戒律拘束的实用观点与方法去应用时──可以相
当有效地用于实际去确定有用的储备存货。本章下面几节讨论的方法在工业中有着
广泛的应用并对专业经理是有帮助的。
原理１６．由于不确定性不能被消除，订货点法要求有储备存货。
预测误差的估计
图５－２所示为２个物品，物品Ｔ与物品Ｖ的１０周销售史。物品Ｔ的数据表
明，虽然预测每周１０００件，而且平均销售量１０２０非常接近预测值，但实际
销售量曾高达１４００，而且另有二周是１２００。物品Ｔ合理的订货点将是１２
００件，预期当一周的补货期中的需求超过１２００时将有时出现缺货。
该订货点构成如下：
订货点＝提前期中的预期需求＋储备存货 （５－１）
＝１０００＋２００＝１２００
如果不允许缺货，则订货点将必须设在１４００以上。当然，不能保证在未来
销售量有时不会大大超过１４００──因为一个１０周的销售史是相当小的一个样
本。

          ┏━━━━┳━━━━━━━┳━━━━━━━┓
          ┃第 几 周┃  物  品  Ｔ  ┃ 物  品  Ｖ   ┃
          ┣━━━━╋━━━━━━━╋━━━━━━━┫
          ┃   １   ┃     １２００ ┃    ４００    ┃
          ┣━━━━╋━━━━━━━╋━━━━━━━┫
          ┃   ２   ┃     １０００ ┃    ６００    ┃
          ┣━━━━╋━━━━━━━╋━━━━━━━┫
          ┃   ３   ┃       ８００ ┃  １６００    ┃
          ┣━━━━╋━━━━━━━╋━━━━━━━┫
          ┃   ４   ┃       ９００ ┃  １２００    ┃
          ┣━━━━╋━━━━━━━╋━━━━━━━┫
          ┃   ５   ┃     １４００ ┃    ２００    ┃
          ┣━━━━╋━━━━━━━╋━━━━━━━┫
          ┃   ６   ┃     １２００ ┃  １０００    ┃
          ┣━━━━╋━━━━━━━╋━━━━━━━┫
          ┃   ７   ┃     １１００ ┃  １５００    ┃
          ┣━━━━╋━━━━━━━╋━━━━━━━┫
          ┃   ８   ┃       ７００ ┃    ８００    ┃
          ┣━━━━╋━━━━━━━╋━━━━━━━┫
          ┃   ９   ┃     １０００ ┃  １４００    ┃
          ┣━━━━╋━━━━━━━╋━━━━━━━┫
          ┃ １０   ┃       ９００ ┃  １１００    ┃
          ┣━━━━╋━━━━━━━╋━━━━━━━┫
          ┃ 总  计 ┃ １０，２００ ┃  ９８００    ┃
          ┣━━━━┻━━━━━━━┻━━━━━━━┫
          ┃ １、两物品的每周预测均为１０００件     ┃
          ┃ ２、订货量为１０００件                 ┃
          ┃ ３、提前期为一周                       ┃
          ┗━━━━━━━━━━━━━━━━━━━━┛
                图５－２    １０周的销售史
    
       物品Ｖ表现出更为不规则的需求；事实上，如果物品Ｖ的订货点设在１２００，
    则将发生三次缺货，因为有三周提前期中的需求超过了订货点。这种情况在工业中
    是常见的；对于低量物品或当订货的客户较少时，通常其需求的变动性较大。许多
    公司，除了直接把产品卖给消费者之外，还要以稍有不同的配置为邮购商店或其它
    大分销商供货。他们通常发现直接卖给许多客户的物品具有更为可预报的模式，而
    较少的大量需求趋向于小得多的可预报性。为了保持同样的服务水平，物品Ｖ的订        
    货点将显然要比物品Ｔ高许多。这两种物品倘若采用相等的储备存货将使物品Ｔ持
    有过多库存或使物品Ｖ给出较差的服务。
        可用信息的小样本也带来严重的问题，因为没有保证物品Ｖ的销售量有时不会
    高达２２００件或物品Ｔ不可能有高达１９００件的销售量。因此，在订货点概念
    的实际应用中需有某种相当可靠而始终一贯的方法根据小样本数据来确定储备存货
    。对于许多物品，处理这种计算的一个非常有用的概念是正态分布。
        正态分布是最著名的统计关系之一──大多数人都熟悉钟形曲线。
        计算订货点时，对正态分布的两个特征有兴趣：
        １、中值或平均值
        它相当于钟形曲线的最高点，它是最可能发生的值。
        ２、标准偏差，它度量值围绕平均值的变化或分散。
        这相当于钟形曲线的宽度，它度量这些个别值如何紧紧地围绕平均值而分布。
        要应用正态分布必须满足下列条件：
        １、需求数据是单峰的
        这只是说该需求趋向于分布在一个平均值的周围。如果需求可能接近每周５００
    件或约每周１５００ 件但不大可能取二者中间的任何值， 则该需求将具有两种最
    频繁地出现过的状态，正态分布将不能恰当地描述为样的需求数据。
        ２、假设该需求数据的分布是对称的
        换句话说，该分布中需求小于预测２００件与大于预测２００件的可能性是刚
    好一样的。这一假设在计算订货点时有一些实际问题。例如，倘若预测的需求是每
    周２０件，它不可能少于零，然而可能多达１００件或１５０件。换句话说，平均
    值离地板很近，而离天花板很远。有两种办法来处理这一问题：
        ａ、当预测值如此之低，以致正的变差将比负的变差大得多时，可忽略所有负
    的变差，而在标准偏差或平均绝对偏差的计算中则包括正的变差。
        ｂ、对小量需求的某些类型，另一特殊的叫做泊桑分布的统计分布往往给出好
    的结果。详见本章后面。
        ３、使用正态分布时，假设实际平均值将等于预测的平均值（即假设预测是准
    确的）。最好的保险是使用一种技法，例如使用指数平滑法，定期地去更新预测并
    使用一跟踪信号去指示何时此预测正在工作得不能令人满意，详见本章后面。
        图５－４所示为图５－２中物品Ｔ的预测误差的标准偏差的计算
    
    ┏━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━┓
    ┃                      物               品      Ｔ                     ┃
    ┣━━━┳━━━━━━┳━━━━━━━┳━━━━━┳━━━━━━━━━━┫
    ┃第几周┃  预    测  ┃ 销   售   量 ┃ 偏 差 Ｄ ┃        Ｄ2         ┃
    ┣━━━╋━━━━━━╋━━━━━━━╋━━━━━╋━━━━━━━━━━┫
    ┃  １  ┃    １０００┃    １２００  ┃－２００  ┃   ４０，０００     ┃
    ┣━━━╋━━━━━━╋━━━━━━━╋━━━━━╋━━━━━━━━━━┫
    ┃  ２  ┃    １０００┃    １０００  ┃－－－－－┃    －－－－－      ┃
    ┣━━━╋━━━━━━╋━━━━━━━╋━━━━━╋━━━━━━━━━━┫
    ┃  ３  ┃    １０００┃      ８００  ┃  ２００  ┃   ４０，０００     ┃
    ┣━━━╋━━━━━━╋━━━━━━━╋━━━━━╋━━━━━━━━━━┫
    ┃  ４  ┃    １０００┃      ９００  ┃  １００  ┃   １０，０００     ┃
    ┣━━━╋━━━━━━╋━━━━━━━╋━━━━━╋━━━━━━━━━━┫
    ┃  ５  ┃    １０００┃    １４００  ┃－４００  ┃ １６０，０００     ┃
    ┣━━━╋━━━━━━╋━━━━━━━╋━━━━━╋━━━━━━━━━━┫
    ┃  ６  ┃    １０００┃    １２００  ┃－２００  ┃   ４０，０００     ┃
    ┣━━━╋━━━━━━╋━━━━━━━╋━━━━━╋━━━━━━━━━━┫
    ┃  ７  ┃    １０００┃    １１００  ┃－１００  ┃   １０，０００     ┃
    ┣━━━╋━━━━━━╋━━━━━━━╋━━━━━╋━━━━━━━━━━┫
    ┃  ８  ┃    １０００┃      ７００  ┃  ３００  ┃   ９０，０００     ┃
    ┣━━━╋━━━━━━╋━━━━━━━╋━━━━━╋━━━━━━━━━━┫      
    ┃  ９  ┃    １０００┃    １０００  ┃－－－－－┃     －－－－－     ┃
    ┣━━━╋━━━━━━╋━━━━━━━╋━━━━━╋━━━━━━━━━━┫
    ┃１０  ┃    １０００┃      ９００  ┃  １００  ┃   １０，０００     ┃
    ┣━━━╋━━━━━━╋━━━━━━━╋━━━━━╋━━━━━━━━━━┫
    ┃总  计┃１０，０００┃１０，２００  ┃１６００* ┃ ４００，０００     ┃
    ┣━━━┻━━━━━━┻━━━━━━━┻━━━━━┻━━━━━━━━━━┫
    ┃Ｄ2的均值＝400,000÷10＝40,000       *忽视正负号                      ┃
    ┃      ────                                                        ┃
    ┃σ＝√40,000 ＝200＝标准偏差                                          ┃
    ┃另一种方法：                                                          ┃
    ┃      平均绝对偏差（ＭＡＤ）＝Ｄ的均值＝1600÷10＝160                 ┃
    ┃      σ＝ＭＡＤ×1.25＝160×1.25＝200                                ┃
    ┗━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
                   图５－４    标准偏差的计算
    
        计算预测误差的标准偏差要使用下列步骤：
        １、从预测值减去每周的实际销售量得出偏差值
        ２、将偏差值平方
        ３、对偏差的平方求和
        ４、确定偏差平方的均值
        ５、将偏差平方的均值开方，就得出标准偏差
        标准偏差的精确计算要求将偏差平方的和数除以（ｎ－１），其中ｎ是观察的
    次数。本章为了简化，用ｎ代替了（ｎ－１）。详见任何统计学教科书。