SCHOOL OF ECONOMICS & MANAGEMENT, TSINGHUA UNIVERSITYNOTE03: 配送管理l 本文由清華大學經濟管理學院劉麗文教授完成，僅用于教學參考。l 2001年清華大學經濟管理學院版權所有。未經許可，禁止復制、存儲、引用或以其它任何形式傳播。供應鏈上的配送環節是指產品制造完成之后，從制造商、批發商、經銷商、零售直至到達最終顧客手中的一系列環節。很多產品出廠后，尤其是消費品，都需要經過這一系列過程才能到達最終顧客，即產品的使用者手中。配送管理與物料采購管理相比，其重要意義在于，由于成品的附加值遠遠高于零部件的附加值，該環節任何冗余的庫存、時間上的延誤、制造商和經銷商之間的不友好關系都會給鏈上的各個成員帶來更高額的成本。該環節的鏈條越長，該環節對于產品在最終市場上的競爭能力的影響越大。著名的管理學家P.F.德魯克曾指出：“配送、流通是工業的黑色地帶，是可以大量節省成本的地方。”配送管理中需要考慮的幾個重要問題是：如何設定合理的流通配送環節？如何與整個流通配送環節中的各個節點上的企業保持合作伙伴關系？如何合理設定各個環節的庫存，以及如何防止牛鞭效應（Bullwhip Effect）。本文討論其中的一些重要概念和基本策略。很多企業已經成功地運用了這些概念和策略，但是，必須指出，這些概念和策略的運用必須與具體的供應鏈結構及其特點相結合，進行具體的分析。一、 流通配送環節的設定集中型與分散性配送系統考慮某公司的配送系統。該公司制造和分銷配送電子設備，其有兩大配送中心，位于相隔一定距離的兩地，分別供應其周圍的兩個市場。兩個市場的顧客（主要是零售商）直接從各自的配送中心得到產品，而兩個配送中心則都由同一個制造基地供貨（見圖1）。從制造基地到兩個配送中心的供貨周期分別為一周，假定制造基地有足夠的生產能力滿足配送中心的任何要貨要求。現在的配送管理方針要求有97%的顧客服務水平，即每個配送中心必須保持一定的庫存水平，從而對顧客的缺貨率不超過3%。無法滿足的顧客需求將被競爭對手奪走，而不可能延遲供貨。該公司大約有500種不同規格型號的產品，所服務的零售商有一萬家左右。 現有的配送系統是七年前設計的，公司現在想考慮一種新的配送策略：將兩個配送中心合二為一，用單一的配送中心服務全部市場（見圖2）。制造基地配送中心I配送中心II顧客顧客圖1 分散型配送系統制造基地配送中心顧客圖2 集中型配送系統 我們把圖1所示的系統稱為分散型系統，把圖2所示的系統稱為集中型系統。這兩種系統各有什么特點呢？很顯然，與集中型系統相比，分散型系統的一個最大好處是可以更靠近自己的顧客，從而縮短供貨時間，運輸成本也較低。但是，集中型系統也有很大好處：它可以使企業用更少的庫存來達到97%的顧客服務水平，或在相同總庫存量的條件下達到更高的顧客服務水平。集中型系統之所以有這種結果是因為，雖然來自各個顧客的需求是隨機的，波動有可能是很大的，但總需求量的變化波動相對而言是穩定的，有一個平均值。在集中型系統的情況下，某一個顧客高于平均值的需求與另一個顧客低于平均值的需求一累加，就有可能產生一種互補效應，從而總需求量仍然接近于平均值。一個配送中心服務的顧客數越多，這種效應就越明顯。但是，如果確實采用集中型系統，且仍然保持97%的顧客服務水平的話，系統的總庫存量究竟能降低多少呢？讓我們通過兩個產品：A和B來做進一步的分析。但請讀者記住，在實際的運作系統中，是應該對全部產品進行分析的。假定A、B兩種產品從制造基地的訂貨費用都是每次60元，庫存持有費用為單位產品每周0.27元。在現有系統之下，產品從配送中心到顧客的運輸成本為平均每一產品1.05元。按照估計，在集中型系統的情況下，運輸費用將增至1.10元。為便于分析，假定兩種系統之下的供貨時間差別不大。表1和表2分別提供了A、B兩種產品的歷史數據，即過去8周以來每個市場每周分別對兩種產品的需求。從表中可以看出，對產品B的需求比對A的需求要小得多。表3還提供了兩種產品周需求的平均值和標準偏差，以及需求的變異系數（標準偏差與平均需求之比值）。表1 過去8周以來每個市場對產品A的需求周12345678市場I3345373855301858市場II4635414026481855合計79807878817836113表2 過去8周以來每個市場對產品B的需求周12345678市場I02300130市場II24003100合計26303230表3 兩種產品周需求的統計數據產品平均需求標準偏差變異系數市場IA39.313.20.34市場IB1.1251.361.21市場IIA38.612.00.31市場IIB1.251.581.26合計A77.920.710.27合計B2.3751.90.81需要指出的是，必須注意標準偏差和變異系數之間的區別。雖然二者都用來反映顧客需求的變動性，但是標準偏差表示顧客需求的絕對變動性，而變異系數表示相對于平均需求的變動性。例如，在上述所分析的兩種產品中，我們可以看到，產品A的標準偏差比產品B要大得多，而產品B的變異系數比A要大得多。這一特點在最終分析中將起到重要作用。此外，還應注意到，對于每種產品來說，集中型系統所面臨的平均需求等于分散型系統下兩個配送中心各自的平均需求之和。但是，集中型系統的需求變動性（無論是用標準偏差還是用變異系數來衡量）比分散型系統下兩個配送中心的相應數據之和小得多。這種特點將對供應鏈上游的生產系統產生重要影響。參照庫存管理的有關方法* Production and Operations Management: Manufacturing and Services (8/e), Richard B. Chase, Nicholas J. Aquilano, F. Robert Jacobs, Mcgraw-Hill, 1998 （英文影印版，機械工業出版社） Operations Management, Jay Heizer, Barry Render, Prentice hall, 2001 （英文影印版， 清華大學出版社）進行計算，可將這種影響概括為如表4。表94 兩種產品的庫存水平產品周平均需求安全庫存每次訂貨量最大庫存分散型市場IA39.325.08132158市場IB1.1252.582526市場IIA38.622.8131154市場IIB1.2532427集中型A77.939.35186226集中型B2.3753.613337從該表可知，在分散型系統之下，產品A在配送中心II的平均庫存為88個（安全庫存+Q/2），在配送中心I的平均庫存為91個。而在集中型系統之下，平均庫存為132個。這樣，如果該公司采用集中型系統，則產品A的平均庫存能減少26%。同樣，在分散型系統之下，產品B在兩個配送中心的平均庫存分別為15個，而在集中型系統之下，平均庫存為20個，減少33%。以上事例說明了供應鏈管理中的一個重要概念：“Risk Pooling”，即“風險吸收池”。這個概念是說，多個地點需求總和的變動性小于各個地點需求的變動性。因為各個地點的需求是隨機變動的，一個地點的需求高峰與另一個地點的需求低谷一累加，就有可能使總需求的變動性減小。這樣，需求變動性的減小可使安全庫存減少，從而降低平均庫存水平。例如，在上述的集中型系統中，其需求的變動性無論是用標準偏差還是用變異系數來衡量，都減少了。從這一事例中，我們可以概括出“風險吸收池”的三個要點：（1） 集中型庫存可同時減少系統中的安全庫存和平均庫存。因為在一個集中型系統中，如果原來兩個分散市場的需求一個高、一個低，集中型系統可以很容易地將原先準備供應給一個市場的產品轉而供應給另一個市場。而這一點在分散型系統的情況下很難作到，或者說需要付出高額成本才能作到。（2） 需求的變異系數越大，從集中型系統中的獲益越大。也就是說，“風險吸收”的程度越高。這是因為，平均庫存實際上由兩部分組成：一部分對應于需求的平均值（即Q），另一部分對應于需求的變動（即安全庫存）。由于平均庫存的降低主要是通過降低安全庫存來實現的，所以變異系數越大，安全庫存對整個庫存減少的影響越大。（3） “風險吸收”的效應還取決于不同市場需求變化模式的相關性。如果一個市場的需求高于平均值另一個市場也同樣，或一個市場的需求低于平均值另一個市場也同樣，則這兩個市場有一種正相關的關系。在正相關的情況下，“風險吸收”的效應將減弱，反之則增強。 二、 牛鞭效應1、什么是牛鞭效應配送管理中另一個重要問題是防止“牛鞭效應”（Bullwhip effect）。所謂牛鞭效應，是指訂貨量的波動在從零售商到批發商、批發商到制造商，直至制造商又到零部件供應商的過程中，不斷地增大。這種效應曲解了供應鏈中的需求信息，使各個節點對需求都作出了不同估計，其結果，只好在供應鏈上層層增大庫存，以緩解放大的需求波動。這種做法無疑導致了整個供應鏈上擁有龐大的庫存，從而導致了整個供應鏈的損失。很多企業在其供應鏈中都發現了牛鞭效應。例如，P&G公司發現，它的一個主要產品嬰兒紙尿布的生產量的計劃波動很大，從而向供應商訂購的原材料有相當大的波動。但是沿供應鏈往下再研究零售點的銷售量， 卻發現波動很小，即市場上對紙尿布的需求實際上是相對穩定的。這樣，雖然對最終產品的需求是穩定的，但是供應鏈上游訂單的波動卻很大，且越往上越大。這樣給制造商以及原材料供應商滿足訂貨要求帶來了很大困難，同時也增加了成本。又如，HP公司在其打印機供應鏈中也發現，在沿著從零售商到批發商、從批發商到HP的打印機制造部門，直至其集成電路采購部門的整個供應鏈中，訂單的波動在不斷放大。這使得HP按時履行訂單合同的難度大為提高，并帶來了成本的增加。此外，在對服裝、食品、甚至汽車工業的研究中，也發現了類似現象。 2、牛鞭效應的原因分析引起牛鞭效應的原因有多種，這些原因往往與供應鏈的構造方式以及各節點之間的信息溝通方式有關。其中一些主要原因如下。（1）多級需求預測。大部分分銷配送系統的結構是多級的。供應鏈上的每個企業為了安排生產日程、采購計劃、運輸計劃等，都要進行需求預測，而預測的基礎則是其下游直接客戶的訂貨數據。傳統做法是供應鏈分銷配送環節的每一節點將其自身需求的預測結果經過整理以訂單的形式向上一級報告。上一級將其下游所有直接節點的訂單進行匯總和整理，然后再向其上一級發出訂單。對產品需求的預測信息就以訂單的形式一級一級地向供應鏈上游流動。然而，由于各個節點出于自身利益考慮，會根據自己既定的庫存補充方針、顧客服務水平等對其下游企業需求預測數據進行人為的整理和“修改”，再形成自己向上一級的訂單，導致對產品需求信息的波動被逐步放大，從而導致了供應鏈中牛鞭效應的發生。例如，一個由當地經銷商、地區銷售分公司，銷售總公司所組成的三級分銷配送環節，每一個環節均根據其直接下游環節最新的訂貨記錄（對于當地經銷商來說，則根據當月的銷售數量）保持能夠供應兩周的庫存量，以此計算向上游環節的訂貨量。當市場需求為穩定的每周20個時，三級流通環節的期初庫存、期末庫存和訂貨數量都相對穩定 (見表5)。但是，假設市場需求變化了5，即從每周需求20個變為每周19個，如表6所示，其上游環節就會引起一層比一層更大的波動。這種波動用圖來表示，如圖3所示。 表5 多級分銷配送環節的運行(1) 項目產品數量當地經銷商期初庫存40每周銷售量20期末庫存20期望庫存*40訂貨數量20地區銷售分公司期初庫存40每周銷售量20期末庫存20期望庫存*40訂貨數量20銷售總公司期初庫存40每周銷售量20期末庫存20期望庫存*40訂貨數量20 *注：期望庫存為本周銷售量的兩倍。表6 在需求變動5情況下各環節訂貨數量的波動第一周第二周第三周第四周第五周市場需求當地市場需求量2019191919需求量波動百分比05000當地經銷商期初庫存4040383838每周銷售量2019191919期末庫存2021191919期望庫存4038383838訂貨數量2017191919訂貨數量波動百分比0-1511.800地區銷售分公司期初庫存4040343838每周銷售量2017191919期末庫存2023151919期望庫存4034383838訂貨數量2011231919訂貨數量波動百分比0-45109.1-17.4%0%銷售總公司期初庫存4040294638每周銷售量2011231919期末庫存202962719期望庫存4022463838訂貨數量200401119訂貨數量波動百分比0-100%+ -72.5%72.7%地區銷售分公司訂貨量010203040第一月第二月第三月第四月第五月時間訂貨量銷售總公司訂貨量010203040第一月第二月第三月第四月第五月時間訂貨量當地經銷商訂貨量010203040第一月第二月第三月第四月第五月時間訂貨量圖3 銷售量、訂貨量波動圖(2) 批量訂貨。供應鏈中每個企業都依照一定的控制規則來進行庫存管理并補充訂貨。雖然隨著銷售，產品庫存量每天都會減少，但企業不會馬上就向其上游供應商訂貨，而是等庫存的減少積累到一定數量后，才會向供應鏈的上一級提出訂貨要求。例如，一個按照定量控制系統進行庫存管理的分銷配送商只有在某種產品的庫存量低于再訂貨點時才會向其供應鏈上游企業訂貨。供應鏈上每一節點采取批量訂貨的主要原因是為了節省訂貨成本和利用批量帶來的價格折扣，但是，無疑這種做法會“扭曲”需求的真正信息，使供應鏈上游企業所獲得的需求信息同市場真正的需求信息產生出入。同時，企業每次的訂貨量也會隨市場需求情況的變化而變化。由于訂貨批量的影響，企業訂貨量波動幅度要遠大于該企業自己所面對的市場需求的波動幅度。其表現形式往往是企業某一個月的訂貨量特別大，而下個月則可能根本不會訂貨。因此，定期批量訂貨也放大了訂貨量的波動幅度，這是產生牛鞭效應的另一個重要原因。此外，供應鏈上的每一企業都幾乎會同時面對下一級的多個分銷配送商或零售商。如果下一級這些企業中的大部分有著相同的訂貨周期，例如都集中在月初或月末，則對上一級企業來說。所接到的訂單就會出現顯著的周期性峰值，則牛鞭效應有可能會被再次加劇。(3) 價格波動。產品促銷的有效手段之一是在特定時期內為顧客提供特價優惠。盡管這一促銷方式能夠暫時擴大企業的銷售量，但從長遠來看，采取這一策略對企業來說并非是明智之舉。在企業為顧客提供特價優惠的時候，只要庫存成本低于這一價格差異值，很多分銷配送商都會借機大量增加采購量，將以較低價格購進的產品儲備起來用于以后的銷售，同時很多顧客自然也要購買多于實際需求量的產品儲備起來供家庭或個人日后消費之用。如此一來，企業提供特價優惠銷售的一個直接后果是供應鏈下游企業“自愿地”增加了庫存量，這顯然不利于整條供應鏈的優化。同時，這一價格波動還帶來了更為嚴重的間接后果：低價優惠促銷策略使得經銷商和消費者提前購買他們當時并不需要的產品，這使得企業經銷商和顧客的購買行為與其消費行為并不吻合，而企業也無法準確區分增加的購買量中有多少是顧客因低價而當時增加的消費，多少是顧客儲備起來以供日后消費所需。這最終導致消費者的購買波動遠大于其實際消費量的波動，使得企業在較長時間內面臨著較大的需求波動。(4) 產品短缺時按比例供應的策略。當市場上出現產品供不應求的情況時，供應鏈上游的企業往往會按下游的分銷配送商或零售商的訂貨量占總訂貨量的比例來分配供給他們的產品數量。但這樣一來，供應鏈下游的要貨方就有可能故意加大訂貨數量，即使供應商只給他們一部分，他們也仍然得到了實際所需數量。這種做法對于上游供應商準確預測市場對其產品的真正需求顯然是不利的。例如，HP公司就曾因對其LaserJet III打印機采用了產品短缺時按比例供應的策略而蒙受了巨大損失。當市場對惠普LaserJet III打印機的需求量大于惠普公司的供貨能力時，惠普公司就采取了按上述比例給經銷商提供打印機數量的做法。結果，惠普公司收到的訂單訂貨數量劇增。在惠普公司投入大量人力、物力加緊生產LaserJet III打印機時，獲得了惠普公司按比例供給的打印機數量就已經基本滿足的經銷商開始大量取消先前人為增加的訂單量，結果導致惠普公司因產品積壓和不必要的生產能力擴充而蒙受了巨大損失。 3、減小牛鞭效應的對策與措施如果明確了產生牛鞭效應的原因，接下來就可以考慮相應的對策和措施。以下討論一般的對策和措施，但是在實際應用中，企業必須根據自己的實際情況靈活使用和組合使用這些措施。（1） 提高信息精度 牛鞭效應產生的根本原因是需求信息在沿供應鏈的傳遞過程中的失真和波動放大。因此，不言而喻，提高信息精度是最主要的一項措施。 提高信息精度的一個方法是分享POS數據。引起供應鏈上牛鞭效應的一個基本原因是供應鏈上各級企業都用下游的訂單數據來預測需求，這種多級需求預測的方法導致信息每經過一個環節，波動就被放大一些。但實際上，整個供應鏈中真正需要滿足的只是最終顧客的需求，這種需求通常可由零售商的POS數據反映出來。這樣，如果直接與顧客打交道的零售商能夠與供應鏈上的其他環節分享POS數據，則各個環節就可以在同一基礎上進行需求預測，從而減少牛鞭效應。很多企業現在已經成功地實現了這種信息共享，例如，戴爾計算機公司，P&G公司以及沃馬特公司等，避免了不必要的訂單波動。除了POS數據以外，供應鏈上各環節的還需要分享其它的有關信息。例如，一個零售商一月份的需求很大，因為其進行了促銷，如果在接下來的二月份沒計劃促銷，則零售商的需求量和制造商的預測結果就有可能不同，即使二者分享了DOS數據。在這種情況下，制造商還必須知道零售商的促銷計劃，從而及早做好準備。 （2）由單一節點控制補充供貨如果在整個供應鏈上由單一節點控制補充供貨，也有助于減少牛鞭效應。因為如上所述，引起牛鞭效應的一個關鍵原因是供應鏈上每一節點使用來自直接下游節點的訂貨數據作為需求數據，每一節點都自己向直接上游節點訂貨。這樣就導致各個節點的要求供貨量是不一致的，從而增大整個供應鏈上的庫存。如果采用單一節點控制整個供應鏈的補充供貨，就可以消除各個節點之間的這種不一致，達到整個供應鏈的協調。對于象Dell這樣直接面向顧客的銷售商，單一節點的控制是自動實現的，因為在制造商和顧客之間不存在中間節點，制造商自動變成了補充供貨的單一控制者。當銷售是通過多個環節的經銷商、零售商來進行時，就需要采取一種有效的方法來實現單一節點控制。近年來發展起來的一種方法被稱為“賣方管理庫存”（Vender-managed inventory, VMI）或“連續補充供貨”（Continuous Replenishment Programs, CRP），即供應鏈的上游企業（供應方）根據下游企業的POS數據和庫存數據有規則地向下游補充供貨，這就相當于由原來供應鏈上的企業各自管理各自的庫存改為由上游企業統一管理下游企業的庫存管理下游企業（要貨方）的庫存。在類似于日用品、食品等消費品行業的供應鏈中，諸如納比斯克，沃馬特，K馬特，P&G等很多企業都采用了這種方法來減少牛鞭效應，降低庫存，取得了很好的績效。（3） 減小訂貨批量訂貨批量的減小可以減少供應鏈上任意兩個節點之間可能積累起來的需求波動。但是，批量的減小會帶來訂貨次數的增加和小批量運輸成本的增加等問題。因此，要想減小批量，必須采取措施減小與訂貨、運輸以及收貨等相關的固定成本。批量減小帶來的成本之一是由于訂貨次數增加，所需的下訂單、收貨等相關業務量的在那國家，從而帶來交易成本的增加。克服這個問題的方法之一是利用計算機輔助訂貨（Computer-assisted ordering, CAO）。CAO是指使用計算機來準備訂單，實現“無紙化”作業。今天，已經有越來越多的企業利用EDI、因特網等技術來進行訂貨業務，這一方面降低了商品買方的訂貨成本，另一方面也降低了商品供應商的供貨成本。從運輸費用的角度來說，小批量零擔運輸的成本比大批量整車運輸的成本要高得多，因此，要想減小批量，還必須克服批量減小帶來的運輸成本上升的問題，一種既減小批量又不至于帶來運輸成本提高的方法是“Cross docking”，即把多種小批量商品匯集在一起，拼成整車運輸批量。例如，沃馬特向其零售店的商品配送就廣泛采用了這一方法。日本最大的零售連鎖店之一“SevenEleven”店也成功地運用了這一方法，其一輛運貨車上，按食品所需的不同溫度分別組合，這使得7-11可以既保持送往每一零售店的商品的多樣性，同時又實現整車運輸，減少了送貨所需車輛。批量減小所遇到的另一個問題是：如果訂貨和送貨批量減小，則收貨作業的頻數和成本則會上升。為此，還需采取措施，例如，利用某種技術使收貨作業簡化，從而降低收貨成本。例如，利用電子手段確認裝運內容，數量，到貨時間，從而減小卸貨時間，增加交叉裝運的效率。裝貨托盤上的條形碼也有助于貨物接收作業效率的提高。（4） 產品短缺情況下的分配策略與信息共享在產品短缺情況下，傳統的做法是根據每個零售商（要貨方）的訂貨要求，按一定比例供給他們。但正如前面所提到的，這樣一來，要貨方就會加大訂貨數量，即使供應商只給他們一部分，他們也仍然得到了實際所需數量。要貨方的這種夸大了的訂貨數量使得牛鞭效應更嚴重。因此，現在的一種新方法是，不是按照要貨方的要貨數量，而是按照過去的銷售業績，將可供的產品按比例供貨。這樣就促使要貨方在需求低谷時銷售更多的產品。很多企業，諸如GM，HP等，現在都采取了這種作法。還有一些