MIT供應鏈管理框架 - 庫存管理 第十三課

繼續深入了解(s, Q)策略

上次我們提到了根據周期服務水平來計算安全系數k,從而設定安全庫存,今天我們把剩下的3個參數說完。

CSOE(Cost Per Stockout Event),如果我們知道每次缺貨導致停產或者客戶損失,比如每次10萬人民幣,總成本最小化的時候,優化函數會讓

1) 安全庫存增加或者減少

2) 缺貨成本計算在內

所以總成本的公式變成這樣,

通過導數求解,計算出K與已知變量的關系為

看起來好復雜,好恐怖。

還是回到實際的例子中同樣的例子,產品的需求是滿足正態分布,預期年度需求均值是62,000個,標準差是8,000個。每一個產品的成本是100元,庫存持有成本是年化15%,計算出的經濟批量訂貨數量Q是5200個,交貨期是2周。管理層沒有規定周期服務水平,而是給出了每次缺貨導致公司損失50,000元,請給出(s,Q)庫存策略的具體方案。

之前計算的mean_DL = 2385 個;SD_DL = 1569 個

根據上述公式,計算K = Sqrt(2*ln(10.1)) = 2.15

因此,s = mean_DL + k*SD_DL = 2385 + 2.15*1569 = 5758,

那么庫存策略就是:

在庫存水平小于5758的時候,

訂購5200個產品。

IFR (Item Fill Rate) 訂單行滿足率

他的意思是客戶訂單從庫存可以直接滿足的比率,也等于是1-缺貨的比例。

IFR = 1 - E[short]/Q, 每次訂購Q數量的庫存,預期缺貨的數量是E[Short], 因此訂單行滿足率就是 1- 缺貨

在正態分布的需求里面,E[Short] = SD_DL*G(k)

那么,推導出來的G(k)就是上面這個怪物

還是回到實際的例子中同樣的例子,管理層沒有規定周期服務水平,沒有給出每次缺貨的損失,而是給出了IFR= 99%,請給出(s,Q)庫存策略的具體方案。

求解G(k) = 5200/1569 * (1-99%) = 0.0331

查詢正態分布表,k = 1.45

因此,s = mean_DL + k*SD_DL = 2385 + 1.45*1569 = 4660,

那么庫存策略就是:

在庫存水平小于4660的時候,

訂購5200個產品。

CIS (Cost per Item Short)單個產品缺貨成本,同樣,可以根據總成本公式,求導數,可以計算出最佳的Cs

還是回到實際的例子中同樣的例子,管理層沒有規定周期服務水平,沒有給出每次缺貨的損失,沒有給出IFR,而是給出了每件缺貨成本是45元/年,(s,Q)庫存策略的具體方案。

計算k

P[x>=k] = 1 - P[X

查表或者用excel的函數可知 k = 1.91.

因此,s = mean_DL + k*SD_DL = 2385 + 1.91*1569 = 5382,

那么庫存策略就是:

在庫存水平小于5382的時候,

訂購5200個產品。

上面說了多,最關鍵的就是求解出最佳的k安全系數,反過來講,如果我知道了k,那么對應的CSL, IFR, CSOE, CIS都可以知道,這個涉及很多公式推導,下次內容再講述。

看到了這么多公式是否惶恐,是有那么一點,如一盆冷水而下,這個應該是庫存管理里面最公式化的一部分了。

?著作權歸作者所有,轉載或內容合作請聯系作者
平臺聲明:文章內容(如有圖片或視頻亦包括在內)由作者上傳并發布,文章內容僅代表作者本人觀點,簡書系信息發布平臺,僅提供信息存儲服務。
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市,隨后出現的幾起案子,更是在濱河造成了極大的恐慌,老刑警劉巖,帶你破解...
    沈念sama閱讀 228,646評論 6 533
  • 序言:濱河連續發生了三起死亡事件,死亡現場離奇詭異,居然都是意外死亡,警方通過查閱死者的電腦和手機,發現死者居然都...
    沈念sama閱讀 98,595評論 3 418
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人,你說我怎么就攤上這事。” “怎么了?”我有些...
    開封第一講書人閱讀 176,560評論 0 376
  • 文/不壞的土叔 我叫張陵,是天一觀的道長。 經常有香客問我,道長,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 63,035評論 1 314
  • 正文 為了忘掉前任,我火速辦了婚禮,結果婚禮上,老公的妹妹穿的比我還像新娘。我一直安慰自己,他們只是感情好,可當我...
    茶點故事閱讀 71,814評論 6 410
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著,像睡著了一般。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發上,一...
    開封第一講書人閱讀 55,224評論 1 324
  • 那天,我揣著相機與錄音,去河邊找鬼。 笑死,一個胖子當著我的面吹牛,可吹牛的內容都是我干的。 我是一名探鬼主播,決...
    沈念sama閱讀 43,301評論 3 442
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了?” 一聲冷哼從身側響起,我...
    開封第一講書人閱讀 42,444評論 0 288
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后,有當地人在樹林里發現了一具尸體,經...
    沈念sama閱讀 48,988評論 1 335
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 40,804評論 3 355
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發現自己被綠了。 大學時的朋友給我發了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 42,998評論 1 370
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖,靈堂內的尸體忽然破棺而出,到底是詐尸還是另有隱情,我是刑警寧澤,帶...
    沈念sama閱讀 38,544評論 5 360
  • 正文 年R本政府宣布,位于F島的核電站,受9級特大地震影響,放射性物質發生泄漏。R本人自食惡果不足惜,卻給世界環境...
    茶點故事閱讀 44,237評論 3 347
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧,春花似錦、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 34,665評論 0 26
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至,卻和暖如春,著一層夾襖步出監牢的瞬間,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 35,927評論 1 287
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人。 一個月前我還...
    沈念sama閱讀 51,706評論 3 393
  • 正文 我出身青樓,卻偏偏與公主長得像,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 47,993評論 2 374

推薦閱讀更多精彩內容