第三章 存貨管理及風險共擔 Inventory Management and Risk Pooling 個案研討：JAM 電子公司服務水準危機 3.1 簡介 3.2 一個單一倉庫存貨的案例 3.3 風險共擔 3.4 集中式相對於分散式系統 3.5 在供應鏈中管理存貨 3.6 實務課題 3.7 預測

3.1 簡介 長期以來，存貨管理、存貨決策協調的需要及運輸政策的重要性已是顯而易見。在複雜的供應鏈中，管理存貨是相當困難且可能對顧客服務水準及供應鏈整體系統成本有顯著的影響。 一個典型的供應鏈包含供應商、將原料轉變成製成品的製造商，以及配銷中心和將製成品配銷給顧客的倉庫。這隱含了存貨在供應鏈中以數種形式存在： 原料存貨 在製品存貨(WIP) 製成品存貨

3.1 簡介 為何要持有存貨？其中一些理由包括： 因應顧客需求的非預期變動。 許多供應的數量和品質、供應商的成本和配送時間等出現明顯的不確定情況。 運輸公司提供的規模經濟，鼓勵公司運輸大量貨品，因此也持有大量的存貨。

3.1 簡介 存貨管理的2個重要議題： 需求預測 訂購量計算

3.2 一個單一倉庫存貨的案例 影響存貨政策的主要因素為何？ 3.2 一個單一倉庫存貨的案例 影響存貨政策的主要因素為何？ 第一且最重要的是顧客需求，它可能預先得知或具隨機性。在後者之情況下，預測工具可以用於歷史資料可取得的情況下，來估計平均顧客需求，以及顧客需求的變異性(通常以標準差衡量)。 補貨前置時間，可於訂貨時得知，但也可能是不確定的。 倉庫中不同產品儲存的數目。 規劃期間的長度。

3.2 一個單一倉庫存貨的案例 影響存貨政策的主要因素為何？ 成本，包含訂購成本及存貨持有成本。 3.2 一個單一倉庫存貨的案例 影響存貨政策的主要因素為何？ 成本，包含訂購成本及存貨持有成本。 通常通常訂購成本包含2個組成元素：產品成本及運輸成本。 存貨持有成本包含： (1)州稅、財產稅及存貨保險。 (2)維修成本。 (3)過時成本，是由於商品可能因市場改變而失去其部份價值的風險所造成的。 (4)機會成本：投資存貨以外之其他標的物，可能獲得的投資報酬(例如：股票市場)。 要求的服務水準。在顧客需求不確定的情況下，通常不可能每次都滿足顧客的訂購要求，所以管理當局必需具體指定一個可接受的服務水準。

3.2.1 經濟批量模式 (The Economic Lot Size Model) 經濟批量模式於1915年由Ford W. Harris提出，是一簡單的模型，說明訂購成本(ordering cost)及存貨成本(inventory cost)間的互抵效果。

3.2.1 經濟批量模式 (The Economic Lot Size Model) 試探討一間倉庫對單一商品的穩定需求。此倉庫對 供應商下訂單，且假設產品的供應數量沒有限制。 這個模式作了以下的假設： 每天的需求為D，且保持穩定。 每次訂購量為固定，以Q表示(Q的數量保持固定)，亦即每次倉庫訂一次貨為Q個數量。 固定設置成本(setup cost) ，K，於每次倉庫訂貨時發生。 存貨持有成本h，由每天所持有的每單位存貨產生。 前置時間，從下訂單到收到貨品間的時間，為0。 期初存貨為0。 計劃期間為長期的。(無窮的)

3.2.1 經濟批量模式 (The Economic Lot Size Model) 因為固定成本於每次訂購時都必須支付，持有 成本可被視為每一單位產品單位期間的持有成 本h、平均存貨水準Q/2，及週期長度T之乘 績。

3.2.1 經濟批量模式 (The Economic Lot Size Model) 因為在長度T的週期中，存貨水準從Q變為0，且需求以每單位時間D的比率產生，則Q=TD。因此我們可以將總成本以T或Q/D除，來計算單位時間每一單位的平均總成本，為： 使用簡單的計算，較容易表示出使上列成本最小化之最適訂購量公式為： 此一數量稱為經濟訂購量(EOQ) 。

3.2.1 經濟批量模式 (The Economic Lot Size Model) 這簡單模式提供2個重要觀點： 一個最佳政策是達到每一單位時間存貨持有成本和每一單位時間設置成本間的均衡。最適訂購量將發生於每一單位時間存貨設置成本(KD/Q)等於每一單位時間存貨持有成本的點上，也就是： 或 總成本對於訂購量較不敏感。也就是訂購量的改變，相對地對於每年的設置成本及存貨持有成本有較小的影響。

3.2.1 經濟批量模式 (The Economic Lot Size Model) 圖3-2 經濟批量模式：單位總成本

3.2.2 需求不確定性的影響 許多公司認為世界是可預測的，而以先前銷售季節的需求預測來制訂生產及存貨決策。雖然這些公司進行預測時，已知道需求的不確定性，但他們卻依此設計他們的規劃程序，好比其原先的預測是事實的精確表示。在此情形下，必須了解下列預測時的準則： 預測永遠是錯的 預測期間越長，錯誤程度越高 彙整性的預測是比較正確的。

3.2.2 需求不確定性的影響 泳裝生產案例結論： 最適訂購量不一定要等於預測或平均需求。事實上，最適訂購量是根據多出售一單位之邊際利潤及邊際成本間的關係來決定。 當訂購量增加，平均利潤也會增加，直到生產數量達到某一個數值，在此數值之後，平均利潤開始減少。 當我們增加生產數量，風險(也就是產生大額損失的可能性)通常也會增加。同時產生大額利潤的可能性也會增加，這就是風險/報酬間的互抵效果。

3.2.3 供應合約 供應合約中，買方和供應商通常會規範以 下條款： 價格和數量折扣 最小與最大訂購量 運輸前置時間（交期） 產品或原料品質 3.2.3 供應合約 供應合約中，買方和供應商通常會規範以 下條款： 價格和數量折扣 最小與最大訂購量 運輸前置時間（交期） 產品或原料品質 退貨政策

3.2.3 供應合約 數種不同的供應合約可用來達到風險分擔的效 果，並增加供應鏈中各個成員的利潤： 3.2.3 供應合約 數種不同的供應合約可用來達到風險分擔的效 果，並增加供應鏈中各個成員的利潤： 買回合約 (Buy-Back Contracts) 營收分享合約 (Revenue-Sharing Contracts) 數量彈性合約 (Quantity-Flexibility Contracts) 銷售回扣合約 (Sales Rebate Contracts)

3.2.3 供應合約 有效供應合約提供供應鏈夥伴足夠的誘因，以全面性最佳化（追求供應鏈利潤最大化）取代傳統策略（追求每個成員自身利潤的最佳化）。但全面性最佳化的困難在於要求將決策權交給理性的決策者 供應合約，藉由容許購買商與供應商共同承擔風險和分享可能的收益，可幫助企業達到全面性最佳化，而不需要一個理性的決策者。

3.2.3 供應合約

3.2.4 多重訂購機會 在許多實際的情況，決策者可能在一年中任何時間重複訂購產品。 3.2.4 多重訂購機會 在許多實際的情況，決策者可能在一年中任何時間重複訂購產品。 如電視機配銷商的個案。配銷商面對產品的隨機需求，且從製造商取得供應品。當然，製造商無法即時滿足配銷商的訂購 ─ 無論何時，當配銷商下一訂購單，運送都必須有一固定的前置時間。因為需求是隨機、無規則的，且製造商有一固定的運送前置時間，即使訂購產品不須支付固定的設置成本(setup cost)，配銷商仍需持有存貨。

3.2.4 多重訂購機會 至少3個理由可解釋為什麼配銷商要持有 存貨： 滿足前置時間期間內發生的需求 因應需求的不確定性。 3.2.4 多重訂購機會 至少3個理由可解釋為什麼配銷商要持有 存貨： 滿足前置時間期間內發生的需求 因應需求的不確定性。 平衡年存貨持有成本及年固定訂購成本。

3.2.5 持續補貨政策 每天檢視存貨水準並作成是否訂購即訂購多少的決定。 3.2.5 持續補貨政策 每天檢視存貨水準並作成是否訂購即訂購多少的決定。 此外，我們需對存貨狀態(inventory position)觀念下定義。在任何時點的存貨狀態是倉庫中實際存貨加上配銷商已訂購但未送達的項目。 額外的假設 ： 每日的需求是隨機的，且按照常態機率分配。換句話說，我們假設每日需求的機率性預測會依循著名的鐘形曲線。 配銷商每次向製造商訂購電視機，配銷商支付和訂購數量成比例的金額。沒有固定訂購成本。 每單位時間每一項目都需計算存貨持有成本。 假如接到顧客訂購時，供應商手中沒有存貨(亦即缺貨時) ，此訂單即為一損失。 配銷商詳細載明要求的服務水準。這服務水準是在前置時間內不缺貨的機率。

3.2.5 持續補貨政策 為了描繪配銷商應採用存貨政策的特性，我們需 要以下的資訊： AVG = 配銷商面臨的平均每日需求 3.2.5 持續補貨政策 為了描繪配銷商應採用存貨政策的特性，我們需 要以下的資訊： AVG = 配銷商面臨的平均每日需求 STD = 配銷商面臨每日需求的標準差 L = 從供應商到配銷商依日數計算的補貨 前置時間。 h = 配銷商持有一單位產品一天的存貨成本 α= 服務水準。這隱含了缺貨的可能性是1-α。

3.2.5 持續補貨政策 第一個是補貨前置時間內的平均存貨，即平均每日需求及補貨前置時間的乘績。這確保直到下一次的訂購送達前，將有足夠的存貨使用。因此補貨前置時間內的平均需求為： 第2個組成元素為安全存貨，即配銷商需在倉庫及通路中維持的存貨數量，來因應前置時間期間內平均需求的誤差。這一數量的計算如下：

3.2.5 持續補貨政策 這裡z是一個和服務水準相關的常數。因此，訂購量上限等於： 3.2.5 持續補貨政策 這裡z是一個和服務水準相關的常數。因此，訂購量上限等於： 常數z是從統計表中選出，為確保前置時間內缺貨的可能性為 。這隱含了訂購量上限必須滿足：

3.2.5 持續補貨政策

3.2.5 持續補貨政策 訂購量上限的數值S依循經濟批量模式發展出的直覺計算。訂購量等於： 訂購量上限等於：

3.2.5 持續補貨政策

3.2.6 變動的前置時間 在許多情況下，運送至倉庫的運輸前置時間被假設是固定的，而且是預先知道，實則不然。在許多實際情況下，運送至倉庫的前置時間，必須假設為常態機率分配，平均前置時間以AVGL表示及標準差以STDL表示。在此情況下，再訂購點s的計算如下： 其中AVG ×AVGL表示平均前置時間內的平均需求，而 為平均前置時間內的平均需求標準差。

3.2.6 變動的前置時間 因此，應維持之安全存貨為： 如前述，訂購量上限為安全存貨加上Q和前置時間內平均需求的最大值，也就是：

3.2.7 週期補貨政策 存貨水準乃每隔一固定期間(r)加以檢視，再訂購一適切的數量，例如在每個月初或每週末檢視存貨，再訂購不足的。 3.2.7 週期補貨政策 存貨水準乃每隔一固定期間(r)加以檢視，再訂購一適切的數量，例如在每個月初或每週末檢視存貨，再訂購不足的。 倉庫先設定一個目標存貨水準（即基本存貨水準）及檢視週期，再定期檢視存貨狀態，並訂購足夠數量將存貨狀態提升到基本存貨水準。(圖3-12)

3.2.7 週期補貨政策

3.2.7 週期補貨政策 安全存量為 目標存貨水準 而進貨的前一刻變只剩安全存量 因此平均存貨水準是此兩值的平均值，即等於：

3.3 風險共擔 Risk Pooling 風險共擔提出：假如我們把不定點的需求彙總起來，需求變異性將會降低，因為當我們把不同地點的需求彙總時，來自某一位顧客的高需求將更可能被另一位顧客的低需求彌補掉。 風險共擔的3個重要觀點： 集中存貨減少了配銷系統中的安全存貨和平均存貨。 變異係數愈高，從集中式配銷系統中所獲得的利益愈大。 來自風險共擔的利益，端賴一市場區域和另一市場區域需求行為的相關性。

3.4 集中式相對於分散式系統 Centralized versus Decentralized Systemx 在比較集中式和分散式配銷系統時，我們必須了解什麼是互抵效果(trade-offs)。 安全存貨(Safety stock) 服務水準(Service level) 間接成本(Overhead costs) 顧客前置時間(Customer lead time) 運費(Transportation cost)

3.5 在供應鏈中管理存貨 我們考慮一個多設施的供應鏈，並屬於同一家公司。公司的目的在管理其存貨以降低整體系統成本；因此考慮不同設施間的互動及這些互動對每個設施應採取存貨政策的影響是很重要的。 為此，我們作了二項重要且合理的假設： 存貨決策由單一決策者制訂，且這決策者的目標是使整體系統成本減到最小。 決策者有獲取各零售商和倉庫存貨資訊的管道。

3.5 在供應鏈中管理存貨 在這些假設下，存貨政策是根據所謂階層存貨(echelon inventory)進行存貨管理，是一個有效的存貨管理系統。 在配銷系統中，每一階段或層級(亦即倉庫或零售商)被視為一階層(echelon)。因此，這系統中，任何階段或層級的階層存貨(echelon inventory)等於此階層中現有的存貨，再加上所有的下游存貨(downstream inventory)。

3.5 在供應鏈中管理存貨

3.6 實務課題 在最近的一項調查報告中，物料和存貨經理被 問到去確認有效降低存貨的策略。在這調查報 告中，七項居首的策略如下： 3.6 實務課題 在最近的一項調查報告中，物料和存貨經理被 問到去確認有效降低存貨的策略。在這調查報 告中，七項居首的策略如下： 週期存貨檢視政策(Periodic inventory review policy) 使用率、前置時間和安全存量的嚴格管理。 減少安全存貨水準。 導入或實施週期盤點作業 ABC法 轉移更多的存貨或存貨所有權給供應商 計量方法

3.7 預測 Forecasting 預測工具和方法可歸納為以下四大類： 判斷法(Judgment methods)涉及專家意見的收集。 市場研究法(Market research methods)涉及顧客行為的質化研究。 時間序列法(Time-series methods)是一種數學方法，其未來績效是從過去的績效推斷。 因果法(Causal methods)是一種數學方法，預測是依據數個不同系統變數所產生。

3.7.1 判斷法 判斷法是意系統性的方法綜合不同專家的意見。 一組專家可以組合起來以獲取共識。 3.7.1 判斷法 判斷法是意系統性的方法綜合不同專家的意見。 一組專家可以組合起來以獲取共識。 德爾菲法(Delphi method) 是一種結構性的技術，在不巨集專家到同一個地方的狀況下，得到專家一致的意見。此技術的設計是為避免各決策過程中的風險和個人喜好。

3.7.2 市場研究法 市場測試法(market testing)和市場調查(market surveys)可以是有效的方法建立預測。尤其對新產品而言。 市場測試法：潛在顧客的焦點團體被集合且試用新產品，其反應情況可以用來推斷整個市場對產品的需求。 市場調查：包括從不同前在顧客來收集這些資料，主要是透過當面訪談、電話抽訪、問卷等方式。

3.7.3 時間序列法 時間序列法是利用過去相關資料來預測未來資料。以下為幾種常被使用方法： 移動平均法(moving average) 3.7.3 時間序列法 時間序列法是利用過去相關資料來預測未來資料。以下為幾種常被使用方法： 移動平均法(moving average) 指數平滑法(exponential smoothing) 具趨勢性數據的預測法(methods for data with trends) 具季節性數據的預測法(methods for seasonal data) 更多的複雜方法(more complex data)

3.7.4 因果關係法 根據其他非預測資料產生預測值，也就是預測值是其他非預測資料的函數，例如下一季銷售的因果預測值可能是這一季通貨膨脹率、國家生產毛額、失業率、氣候等銷售以外資訊的函數。

3.7.5 選擇適合的預測技術 為此決策提出三個問題： 什麼是預測的目的？預測值應如何使用？ 欲預測的系統之動態性為何？ 3.7.5 選擇適合的預測技術 為此決策提出三個問題： 什麼是預測的目的？預測值應如何使用？ 欲預測的系統之動態性為何？ 歷史資料對推斷未來有多重要？