复盘某大型快消品企业的MPS项目,我们发现一个有意思的现象:真正让大家反复纠结的,往往不是算法本身,而是几个更朴素、也更难回答的问题:
问题一:要不要做主计划?如果把执行计划做得足够细,是不是就不用单独做了?
问题二:如果要做,用什么方法?运筹法,还是规则法?
问题三:用运筹法,会不会太复杂?
问题四:把现在的做法原样写成代码,风险是不是反而更可控?
这些问题,没有一个能靠一次技术选型答完。本文就顺着这条真实的纠结,从第一个问题开始,一个一个拆开。
一、为什么“要不要做主计划”会成为一个问题?
先看一个更根本的问题:主计划,到底要不要做?这个问题之所以纠缠不清,根源在于主计划的定位被做反了。
企业把主计划这个“重要不紧急”的东西,做成了一件“紧急不重要”的事。大多数企业,其实没有一个明确的主计划,只有执行计划。严格说,没有哪家企业是完全不做主计划的,只是很多企业把它做得太简单——全局规划总归是要做的,只是它常常被忽视,被默认为“经理、总监拍个脑袋就行”。
比如某家企业,经理就按最简单的“就近规则”去分配需求;哪个需求地来吵,就安排计划员(或自己)临时指一个地方。这样一来,一个本该“长思考”的问题,就变成了一次“短思考”的及时响应。
图1:定位错位:“长思考”被做成“短思考”的代价
这张图里的三个代价,在现实中几乎是配套出现的:资源损失被忽视、救火成了业绩、计划职能被质疑。中长期资源配置的问题不会消失——它只是换了个地方,在执行层每天重复上演。
二、把执行计划做细,能不能不做主计划?
定位一错,企业就形成了一个判断:执行计划能替代主计划。主计划本来是一个规划层面的问题,却被长期当成响应层面的问题来做。于是企业觉得:如果我把执行计划做得足够细、细到“日”,把这些“日”汇集起来,是不是就等于“主计划到月”了?我还要不要单独做主计划?
注意,这已经不是“算到多细”的问题,而是“要不要主计划这个模块”。要回答它,得先过三关。
1. 主计划 VS 执行计划:谋定后动,还是先动后谋?
第一关,是两者的生成逻辑不同。主计划是谋定后动(先想清楚方向、定下规则,再排计划);执行计划是先动后谋(先把眼前的事排出来,再适配规则)。
拿个人举例。我要先定义清楚“工作重要还是家庭重要”,然后才去排一个月的计划——大方向先定,这叫主计划;而具体到今天做什么,是我先排了今天要做的事,再去考虑几点吃饭、有没有特殊安排——先有计划、后适配规则,这叫执行计划。
图2:谋定后动 vs 先动后谋:先定方向,还是先定动作
一个APS厂商说得更直白:他们做计划,都是先排日程计划,再在工厂层级慢慢磨合,最终才定下规则。几十年了,从来没有一家企业能先定出一个规则、再照着规则做计划的。
而MPS公司则相反,一定要求企业先给出方向(成本优先还是交付优先、哪个渠道更重要),先有策略,后有计划。
主计划承担的是战略与策略在企业体系中的落地,它必须谋定而后动(先于眼前的具体场景,把方向和优先级定下来)。执行计划承担的是计划在执行结果上的落地,它往往是先动而后谋(基于当下,边做边适配)。所以,你不可能用执行计划汇集出一个有效的主计划,只能反过来,拿主计划去指导执行计划。
2. 数据有效性,撑不起“日颗粒度”
第二关,是数据有效性不支持。有人会说,那我把执行计划做得足够好、磨合好了,还融入了策略(比如成本优先),是不是就能替代主计划了?理论上可行,实际上问题一大堆。
很多信息,根本没有足够细颗粒度的数据,尤其是远期数据。拿预测来说,你能做到“日”,也就是最近一个月;两个月以后的数据,实际上已经没有意义。
你当然还会反问:那我直接拆行不行?拿“月”的数据拆到“天”,做一个半年的日颗粒度数据。也有公司这么干,但问题更多:很多数据在“月”颗粒度上才有意义。比如8月预计卖5万,拆到天,就成了“8月1日卖2000”——这没有意义,甚至有害,因为你得为这2000去配套资源。
这两种配套,完全不是一回事。为“8月卖5万”配套供应资源,是有利的:5万是供需双方的月度框架,大家在这个总量上达成一致,据此去准备,准备得再细也有依据。为“8月1日卖2000”配套,则是拿一个不明确的需求,去拉一个不明确的供应。供应商真的给了,这2000到底是不是8月1号要?——是会一直变的。
图3:为月度框架配套 vs 为拆出来的“日”配套
同类的例子还有:A产品的安全库存要多备一个月,但并不是需要每天、每时每刻都维持一个月的量。
并不是越细越好——有意义的细,才有意义;无意义的细,是有害的。数据、策略、规则,都需要打造一套“在日颗粒度上有意义、且真实存在”的值。计划一旦纳入了无意义的值,只会变得有害,而不是更精准。
3. 松耦合还是硬连接:规划与执行的边界
第三关,退一万步讲,就算数据问题解决了,也不可行。首先,这种假设几乎不存在——几乎没有企业能完成“日颗粒度、有意义”的主计划短中长期数据需求。但我们退一万步,假定AI时代真的实现了它:企业全数字化,产能数据精确到天,工人都是机器人,行为都能在日颗粒度上定规则,市场里的企业也都如此。到那一步,本质上就是“规划与执行的硬连接(紧耦合)”。
可现实中,我们要的恰恰是“规划与执行的松耦合”。就像“家庭比工作重要”,但某个月可以多投入工作,两者并不冲突。一旦硬连接,你就得写入大量规则内容,甚至去修改大方向(“家庭比工作重要,但8月份例外”),这种表述其实就已经没有意义了。
一个如出一辙的教训,出现在另一家企业的项目复盘里:主计划与执行计划被“强联动”锁死——执行一有差异,就反向去改主计划,改到两者一致,最后把两个计划都“绕死”了。
图4:松耦合 vs 强联动:主计划与执行计划的两种连接方式
正确的做法是保持松耦合:物料损耗率、产品良率这些概率性数据,落到执行必然有偏差——靠定期的闭环监控去发现差距、定位根因、优化调整,而不是让两个计划直接联动、互相锁死。
三、回到问题本身:主计划要不要做?
所以,回到最初的问题:主计划到底要不要做?
答案很明确:要做。因为主计划和执行计划,本来就不是一回事。
定位不同:一个承担战略与策略的落地,一个承担执行结果的落地。
数据需求不同:主计划在月、周上有意义,执行计划才需要到日。两者不能硬连接:只能松耦合,主计划指导执行计划,执行计划不反向改写主计划。
如果你不做主计划,并不是问题消失了——只是你用了一个简单的方法(例如就近供应),把公司的整体利润牺牲掉、把问题简单化了。问题不会消失,只会跑到执行层面去解决,也就是第一章节看到的那些救火和争吵。
下一篇:既然要做,那用什么方法?运筹法还是规则法——先看策略和需求两个维度。
近期培训
12月10日-12日 上海开课|第六期《AI+OR双擎驱动最优决策,让产销协同真正发生》
12月17-19日 上海开课|总第三十五期《CDMP需求预测管理规划师认证培训》
作者简介
【赵玲老师新书《供应链计划管理与产销协同实践方法论》持续热卖中】
关于驭策供应链
驭策供应链致力于为复杂制造业产销协同管理提供定制化解决方案,不仅帮助你发现问题,更帮助你解决问题,不仅以PPT晓之以“理”,更以算法动之以“利”。驭策供应链不仅以流程和经验来优化协同,更是以算法和模型来精算协同。以流程和经验协同,则粗放低效,因人而异。以数据和算法协同,则精准高效,持续优化。驭策供应链掌握产销协同核心技术,基于算法和策略构建决策引擎,是一家能真正让数字化产销协同从PPT中落地到日常实践中的公司,驭策供应链已经帮助多家业界标杆企业实现决策领域数字化转型。驭策供应链帮助你构建协同之“神”而非强化协同之“形”。
邮箱:info@demand-driven.cn
电话(微信):13681867311 梁老师

