蓝幸软件（上海）有限公司
（https://www.lanxingai.com/）
（简称“蓝幸”）
为什么供应链需要运筹优化的支持？
供应链管理和决策是一个复杂的系统问题，供应链从上游到下游涉及多个业务环节，包括：寻源/采购，生产，配送。而在这些环节上，考虑到网络布局和产品流向的变化，供应链的环节会更多，见图1。
要顺畅管理整个供应链，需要回答大量的问题。
1)在寻源和采购端，需要回答的问题包括：
⬧应该选择哪些供应商？如何分配采购量到不同的供应商
⬧产品最佳采购批量和频率是什么?
⬧从哪个港口进口的服务和成本最佳?
⬧如何权衡不同运输方式的时间、运输成本和库存成本？
⬧......
2)在工厂端，关于网络和产能需要回答的问题包括：
⬧采购的物料应往哪里送，如何分配采购量到不同工厂？
⬧集货仓如何布局?仓库层级关系?
⬧哪些工厂应该生产哪些产品？生产多少？
⬧不同线路上应使用何种运输模式？
⬧如何应对未来业务增长及季节性因素?
⬧......
3)作为供应的蓄水池，库存也是满足供应必不可少的手段而存在于整个供应链中，通常需要回答的问题包括：
⬧是否所有DC都需要存放全品类商品?
⬧如何结合需求分类优化商品的部署策略？
⬧原料、半成品和成品的库存比例如何分配？
⬧补货策略如何设定?安全库存水位、补货频率和批量如何？多长时间需要更新？
⬧......
4)在配送端，关于网络和运输需要回答的问题包括：
⬧配送中心如何布局?仓库层级关系?
⬧如何服务客户?如何平衡服务和成本?
⬧对于不同零售渠道，哪些应该分开/整合?
⬧不同线路上应使用何种运输模式？
⬧如何应对未来业务增长及季节性因素?
⬧是否可以利用门店来满足电商需求?
⬧C端客户应该如何设定服务水平?对应的成本如何?
⬧如何应对退货问题?
⬧......
5)除了常规性的供应链问题需要回答，也需要回答企业持续性运行相关的业务变革和风险应对相关的问题，包括：
⬧如何应对异常/中断事件?添加冗余供应商还是添加常备库存？应该如何选择供应线路和如何设定风险库存水平？
⬧增设新业务或涉及业务收购时，如何最优地整合供应链？
⬧......
这些问题往往涉及到优化决策，需要通过定量分析来实现。但是随着业务的扩展，同样一个问题的回答牵扯的因素越来越多，一个决策涉及的变量也越来越多（见图2），决策结果优劣的判断也越来越难。
以上图为例，供应链的变量通常包括每个线路每个产品的运量，例如供应商A-到工厂1运原材料1的数量可以看成一个变量，则对于上图中复杂的供应链而言，供应链决策变量数量超过191兆。通过人工寻找变量取值的最优组合是不可能。必须要通过运筹优化算法帮助寻找最优的组合。
运筹优化如何支持供应链决策？
传统的运筹优化的步骤是：1）发现问题，2）建立模型，3）选择优化算法，4）根据优化结果做出管理决策。但是在实际的管理过程中，还需要考虑决策的实际执行，和持续跟踪效果并进行改善的步骤（见图3）。这个过程意味着对于同一个问题，需要进行反复的优化，因为在开始的时候，决策人员往往不能充分设定所有需要考虑的因素和规则，这也导致仅靠一两次优化是无法达到最好效果的。而每次规则的增加和调整会对建立模型和优化算法选择提出很大挑战，及其耗时。
对于供应链优化而言，绝大多数优化问题的优化目标和约束都是相似且可以抽象成模板的。例如，优化目标包括，综合服务成本最低，综合服务时效最短，库存持有成本最低，订单按时交付率最高等等，约束则包括，满足产能/作业能力限制，满足库容限制等。这样一来，而这些目标和约束都可以通过混合整数规划来解决。因此如何能够通过标准化建模，将业务当中的所有变化都便捷的包含进去，将成为提高供应链决策效率的重要抓手。例如，如何在建模时快速的扩展供应链的上下游环节，比如增加供应商的供应商，增加客户的客户；如何在建模时快速设定不同仓库的层级及其允许的上下游线路，比如是否可以允许CDC直发客户，是否CDC只能发往特定区域的RDC等。这些都需要对供应链的决策中的所有业务规则和模式的变化有充分的了解。一旦能够实现标准化和产品化的供应链建模，添加这些变化对于用户（决策人员）都不再是难事，也不需要消耗大量算法工程师的精力去建模和优化算法。
标准化供应链优化平台助力供应链快速决策
什么样的标准化供应链平台才能实现供应链的快速决策呢？通常需要包含三个核心要素（见）：应对不同供应链优化问题类型的标准化算法包，不同供应链优化问题需要的标准化数据输入模板，优化场景的快捷搭建和对比分析。
供应链标准算法包，包括用于选址分析的选址算法，用于网络设计和产品流优化的网络算法，用于优化安全库存的多阶安全库存算法，用于计算MPS/MRP的多周期供应优化算法，用于模拟不确定性环境下供应链绩效仿真算法......标准算法包必须包括可能的供应链业务会考虑到的所有业务规则约束、目标和变量类型，以便在调用算法时不再需要额外的算法开发和定制工作。
供应链模型的搭建本质上是准备符合优化算法需要的优化目标、约束和变量。而要实现模型搭建的标准化，需要提供标准的业务数据模板以及，从标准业务数据模板转化为算法所需的目标、约束和变量的过程。而这个转化过程的标准化，意味着不会因为考虑新的规则和业务模式而需要重新开发或定制。但也意味着需要一个能够考虑所有供应链业务决策变化的标准化数据模板，这个模板可以在业务发生变化时，通过不同数据的新增/删减/组合就能够搭建针对对应变化的模型。
除此之外，供应链决策本质是在数字世界做一次充分的沙盘演练，需要把各种不同的情况考虑进去，形成备选的方案，例如，在网络设计过程，一方面可以考虑层级结构变化对于服务和成本影响，例如是否需要增加前置仓，是否允许CDC不经RDC直发客户；另一方面可以考虑物流节点是否选用对于服务和成本的影响，例如关闭/新开某仓库后，其他仓库的吞吐量变化如何，服务的对象范围有什么变化。这些都可能导致非常多的分析对比场景。那么如何在基础模型上快速创建分析场景，并对不同场景优化结果进行对比分析，也成为供应链优化平台的必要能力。创建场景需要通过组合不同规则是否考虑在内，或不同参数的不同取值，快速形成一个分析场景。场景分析对比，则可以通过图/表/地图等丰富的方式，快速比较多个场景结果导出的供应链KPI，以及决策变量的取值等。
供应链优化平台应用案例——风险应对下的供应链快速决策
标准化供应链优化平台在供应链优化决策的应用非常广泛，除了战略规划、业务转型时需要重新对供应链进行设计时使用；还可以考虑不同优化目标下运作层级的计划优化，如考虑不同设备引入和检修计划对供应计划的影响；而目前的趋势更可以看到，风险发生后的最佳应急反应也是供应链优化分析的主要应用场景。以下以一个具体的例子说明如何应用标准化供应链优化平台解决供应链风险问题。
以A公司为例，生产某消费类产品，通过2个工厂服务全国的客户。目前这两个工厂都可以生产全品类产品，由于业务还属于初始上升期，工厂的产能利用率远未达到瓶颈，但是因为投产顺序的不同，武汉工厂的生产成本比北京工厂更低。目前因为工厂的发货能力只支持干线整车的运输，因此所有的成品都先通过干线发到位于长春、重庆、广州和上海的4个配送中心，再由配送中心用零担的方式根据客户订单随时发往遍布全国的客户。具体的供应链分布如图5。很明显因为武汉工厂的生产成本相对更低，到重庆、广州和上海的配送中心更近，因此武汉工厂负责三个DC的供应，北京工厂只负责长春DC的供应。
现在的问题是今年以来，随着奥密克戎新冠病毒的肆虐，不少省市时不时会因为疫情发生区域封控，很多时候封控时间长达1个月。一旦某个工厂所在地发生封控，这意味着封控期间，该工厂无法生产和发货，这样一来，我们应该如何解决供应的短缺问题呢？通过团队的充分讨论，认为可能的解决方案有三种：使用附近地区的OEM作为应急补充，利用另一个工厂远程调运，在配送中心设置常备应急库存。但是到底哪种方式效果最好呢？是否武汉工厂关闭和北京工厂关闭都使用相同的应对策略呢？
在进行基于多场景分析的供应链优化平台前，我们需要了解当前总成本构成情况，以决定优先考虑什么策略的测算。图6中可以看到运输成本在总物流成本中占比最大，将近71.9%，其次是生产成本。这意味着应急策略中可以优先考虑运输成本增长最小的方案，例如使用就近的OEM和常备库存方式运输成本增长最小。其次考虑自有工厂调运方案，可以节约生产成本，因为已知的OEM的生产成本是高于自有工厂的。
运输成本除了与运输距离有关，也与运量有关，控制运量较大的工厂对于运输成本的控制效果更好。图7中，可以看到武汉工厂产量占比达到87%，需要重点关注。
为了分析生产量的多少对于选择OEM还是从其他工厂调运有什么影响，可以创建2个场景，一个场景是北京工厂封控1个月，允许从OEM_石家庄或武汉工厂服务长春配送中心；一个场景是武汉工厂封控1个月，允许OEM_长沙或北京工厂服务重庆、广州和上海配送中心。通过优化计算，可以看到对于北京封控的场景，系统推荐使用武汉工厂服务长春仓库的方式（见图8）；对于武汉封控的场景，系统则推荐使用OEM_长沙服务重庆和广州仓库，而北京工厂服务上海仓库（见图9）。
已知如果与OEM签订应急供应协议，需要承担一个固定启动成本（200万），用于OEM的原料预留和工艺改造；此外因为是临时采购的方式下单，OEM对品牌方有最小采购量要求（100万）和批量采购要求（50万的倍数）。因此产量越小，越倾向于从其他工厂调货。
北京工厂月产量较小，封控一个月，使用OEM不经济，从武汉工厂远程调运相对成本更经济（总成本比无风险时仅增加了200万元，主要来自于工厂运输成本，见表格1）。
武汉工厂则恰好相反，使用OEM分担重庆和广州DC的需求量，上海DC则由北京工厂供应的方式成本最节省（总成本比无风险时增加了770万元，主要来自于运输成本、生产成本和OEM启动成本，见表格1）。
如果考虑在DC常备1个月的风险库存，则运输流向不会有变化，但库存持有成本会大幅增加，其他成本增加幅度相对较小见。
北京工厂封控1个月的情况下，常备库存模式库存成本的增加小于JIT模式下运输成本的增加，北京工厂的封控，更适用于常备库存方式（常备库存模式总成本884.3万，JIT模式总成本884.8万）
武汉工厂封控1个月的情况下，常备库存模式下库存成本的增加大于JIT模式下启动成本、生产成本和运输成本的增加，更适用于利用OEM（常备库存模式总成本892.1万，JIT模式总成本890.5万）
此外，随着风险发生概率的增加，例如封控1个月的发生概率从1年1次变为1年2次，优化的结果（见表格3）显示常备库存的方式更经济，主要原因是JIT模式下运输成本和生产成本因为供货来源调整的时间段增加而增加，而常备库存模式则反而因为常备库存被消耗掉的月份增加而减少，因此更适于解决高概率风险问题。
在风险概率从1年次变为半年1次的前提下，对于北京工厂封控，JIT模式成本从884.8万增加到886.8万，而常备库存模式成本则从884.3万降低到884.1万在风险概率从1年次变为半年1次的前提下，对于武汉工厂封控，JIT模式成本从890.5万增加到896.2万，而常备库存模式成本则从892.1万降低到890.6万可以看到，风险概率越高，常备库存是更好的办法，短缺量越大，越适合与OEM结成战略合作伙伴。
总结
1)实际问题更复杂，算法开发已不足以支持快速决策
⬧如果不同的产品品种的单位运输费率、单位仓储费率、单位时间的库存持有成本有所不同，结果又将如何？
⬧如果每个工厂/OEM可以生产的产品品种不同、单位生产成本也随产品不同，结果又将如何？
⬧如果每个工厂和OEM的产能有限，当前的利用率已经超过80%，仅靠库存是否还可以解决临时供应短缺的问题？
⬧如果需求季节波动性极大，工厂临时封控的影响又有多大？
⬧如果DC也被封控，如何才是最优的风险缓解手段？
⬧......
2)一个完善的决策需要充分考虑业务参数和环境参数的多种变化，而不仅是一个固定参数配置下的优化。
3)支持多场景快速建模的标准化供应链优化平台，才是供应链决策人员日常优化决策的最强辅助。
投票方式
为你心目中的「2022年度OR企业」投上宝贵的一票！
如何投票
关注公众号
后台回复 "投票"
获取投票链接！
更多详情请参考官网：www.lanxingai.com。