Chapter 2 存貨管理與風險共擔

內容 2.1 簡介 2.2 單一階段的存貨控制 2.3 風險共擔 2.4 集中式 vs. 分散式系統 2.5 管理供應鏈中的存貨 2.1 簡介 2.2 單一階段的存貨控制 2.3 風險共擔 2.4 集中式 vs. 分散式系統 2.5 管理供應鏈中的存貨 2.6 實務議題 2.7 預測

2.1 簡介 供應鏈的有效存貨管理目標是 存貨在供應鏈中的型態 滿足顧客服務需求。 在正確的地點與時間用適當的存貨。 2.1 簡介 供應鏈的有效存貨管理目標是 滿足顧客服務需求。 在正確的地點與時間用適當的存貨。 極小化供應鏈系統的成本。 存貨在供應鏈中的型態 原物料庫存 在製品庫存 完成品庫存

持有存貨的原因 顧客需求的非預期改變 在許多情況下顯著的不確定性 前置時間 運輸公司提供的規模經濟 產品生命週期短 市場上存在許多競爭產品 供應的數量與品質 供應商的成本與運送時間 前置時間 運輸公司提供的規模經濟

存貨政策 存貨政策 決定如何管理存貨的策略、方法或技術。 需考慮的供應鏈特性： 顧客需求 補貨前置時間 不同產品品項 規劃期間的長度 成本 服務水準需求

2.2 單一階段的存貨控制 在單一供應鏈階段的存貨管理中，依據該階段的特性，有各種能有效管理的方法。

2.2.1 經濟批量模式 經濟批量模式(economic lot size model) 1915年，Ford W. Harris提出。 2.2.1 經濟批量模式 經濟批量模式(economic lot size model) 1915年，Ford W. Harris提出。 說明訂購成本與持有成本之間的取捨 為真實存貨系統的極簡化版本

經濟批量模式 情境 存貨目標 極小化年訂購成本和持有成本，且滿足所有消費者需求。 考慮一個面臨單一品項固定需求的倉庫。此倉庫向供應商訂購，假設此供應商的產品數量為無限。 存貨目標 極小化年訂購成本和持有成本，且滿足所有消費者需求。

經濟批量模式 基本假設 每日的需求率(D)固定 訂購量(Q)固定 設置成本(K)固定 前置時間(L)為0 期初存貨為0 計畫期間為長期（無限時間）

以存貨水準為時間的函數

經濟批量模式 週期長度為T時，總存貨成本為 每單位時間的平均總成本 成本最低的最佳政策發生在 時，此時，可解得

經濟批量模式 此模型提供了兩個概念 最佳政策可以平衡每單位時間的存貨持有成本（ ）與每單位時間的設置成本（ ）。 最佳政策可以平衡每單位時間的存貨持有成本（　）與每單位時間的設置成本（　）。 總存貨成本對訂購量較不敏感。

經濟批量模式：每單位時間的總成本

2.2.2 需求不確定性的影響 真實世界下需求會變動，需要預測。 預測時的三項原則： 預測總是錯誤的。 預測時期愈長，預測愈不正確。 2.2.2 需求不確定性的影響 真實世界下需求會變動，需要預測。 預測時的三項原則： 預測總是錯誤的。 預測時期愈長，預測愈不正確。 總合預測是較正確的。

2.2.3 單期模式 基本假設 廠商可用歷史資料，辨別幾種需求情境與發生機率，求出特定訂購數量的期望利潤。 2.2.3 單期模式 基本假設 需求(D)為變動的。 產品只有一次訂購機會。 廠商可用歷史資料，辨別幾種需求情境與發生機率，求出特定訂購數量的期望利潤。 最佳政策是訂購極大化期望利潤的數量。

單期模式 範例：銷售夏季流行泳衣的公司。 在夏季開始前6個月，必須確認所有產品之生產數量。 附加資訊 固定生產成本(FPC)＝10萬美元 變動成本(VC)＝80美元／每單位 販售價格(P)＝125美元 未售完泳衣可賣給折扣商店（殘值）＝20美元

範例：銷售夏季流行泳衣的公司 假設製造商生產10,000件，而需求為12,000件 假設製造商生產10,000件，而需求只有8,000件 利潤＝夏季銷售額－變動成本－固定生產成本 　　＝125(10,000) －80(10,000) －100,000 　　＝350,000 假設製造商生產10,000件，而需求只有8,000件 利潤＝夏季銷售額+殘值－變動成本－固定生產成本 　　＝125(8,000) +20(2,000) －80(10,000) －100,000 　　＝140,000

例2-3：機率預測

範例：銷售夏季流行泳衣的公司 根據市場需求預測 依同樣方法，可算出每一情境在生產10,000件泳衣時可獲得之利潤。 需求8,000件，利潤14萬美元，機率11%。 需求12,000件，利潤35萬美元，機率27%。 依同樣方法，可算出每一情境在生產10,000件泳衣時可獲得之利潤。 期望或平均利潤是以每一情境發生機率為權重所計算出的總利潤。

例2-3：平均利潤與生產量之間的函數圖形

單期模式 有趣的是，極大化總期望利潤的訂購量並不一定等於平均需求。 那麼，最佳訂購(生產)數量與平均需求之間的關係？

單期模式 比較訂購一單位額外產品的邊際利潤與邊際成本： 產品被賣出，其邊際利潤是每單位賣價與每單位變動訂購成本之差額。 產品未賣出，則邊際成本是變動訂購成本與每單位的殘餘價值的差額。 如果邊際成本大於邊際利潤，那麼最佳訂購數量一般會小於平均需求量。

範例：銷售夏季流行泳衣的公司 最佳訂購量＝12,000件 平均需求量＝13,000件 夏季賣出 邊際利潤＝P－VC ＝125－80＝45元 　　　　　＝125－80＝45元 夏季未賣出 邊際成本＝VC－殘值 　　　　　　＝80－20＝60元 邊際利潤＜邊際成本→最佳生產數量＜平均需求

單期模式 此模式透露的概念 最佳訂購數量不一定等於預測或平均需求。 當訂購量增加，平均（期望）利潤開始增加，直到某一數值，平均利潤開始遞減。 增加生產數量，造成損失的機率和獲得較大利潤的機率都會增加。

2.2.4 期初存貨 基本假設 取捨 廠商已有上一期留下的產品存貨。 需求(D)為變動 擁有有限存貨但避開支付成本。 2.2.4 期初存貨 基本假設 廠商已有上一期留下的產品存貨。 需求(D)為變動 取捨 擁有有限存貨但避開支付成本。 支付固定成本因而有較高存貨水準。

範例：銷售夏季流行泳衣的公司 製造商有5,000件期初存貨。 泳衣需求與去年相同，製造商是否該生產？ 不生產 生產 沒有額外的固定成本 最多銷售5,000件 生產 固定成本產生 需生產多少件？

例2-6：利潤與期初存貨的影響 實線為沒有支付固定成本的利潤 虛線則為支付生產固定成本的利潤

範例：銷售夏季流行泳衣的公司 不生產（實線） 生產（虛線） 如何判斷何時該生產？ 平均利潤＝225,000＋5,000 × 80＝625,000 生產（虛線） 應將存貨增加至12,000件（利潤最大） 生產數量＝12,000－5,000＝7,000件 平均利潤＝371,000＋5,000 × 80＝771,000 如何判斷何時該生產？

(s, S)政策 審視存貨時，若存貨水準低於某一數值s，我們會訂購存貨提升到S的水準，稱之為(s, S)政策，或最小最大政策(min max policy)。 s稱為再訂購點(reorder point)，或最小存貨水準。 S稱為訂購量上限(order-up-to-level)，或最大存貨水準。

範例：銷售夏季流行泳衣的公司 我們可在前例中採用以下的(s, S)政策 進行生產可以得到的最大利潤為37萬5,000元，與期初存貨8,500件而不生產產品的利潤相同。 因此可訂出再訂購點s為8,500。 訂購量上限S，即之前所求出為12,000。

例2-7：利潤與期初存貨的影響

2.2.5 多重訂購機會 決策者可於一年中任何時間重複訂購。 配銷商需要持有存貨 此時存貨政策可區分成兩種政策 滿足在前置時間內所發生的需求 2.2.5 多重訂購機會 決策者可於一年中任何時間重複訂購。 配銷商需要持有存貨 滿足在前置時間內所發生的需求 因應需求的不確定性 平衡年存貨持有成本與固定訂購成本 此時存貨政策可區分成兩種政策 持續檢視(補貨)政策 週期檢視(補貨)政策

2.2.6 持續檢視政策 基本假設 存貨水準：倉庫內存貨＋配銷商已訂購未送達貨物－缺貨待補的數量。 每日需求為隨機，呈常態分佈。 2.2.6 持續檢視政策 基本假設 每日需求為隨機，呈常態分佈。 存貨水準為持續檢視 AVG＝配銷商面對的平均每日需求 STD＝配銷商面對的每日需求之標準差 L＝從供應商到配銷商的補貨前置時間 H＝配銷商持有一單位產品一天的成本 α＝服務水準 存貨水準：倉庫內存貨＋配銷商已訂購未送達貨物－缺貨待補的數量。

持續檢視政策 (Q, R)政策：配銷商可以在每當存貨水準降到再訂購點R時，訂購Q數量的貨品。 ，由兩要素組成 補貨前置時間內的平均存貨 安全庫存

服務水準與服務因子z z為安全因子，對應一特定服務水準。

不同時間下的存貨水準(Q, R)政策

持續檢視政策 最小存貨水準為接到訂單之前瞬間 最大存貨水準為接到訂單後瞬間，為 平均存貨水準＝

2.2.7 變動的前置時間 假設前置時間的機率分佈是常態分配，平均值為AVGL，標準差為STDL。 再訂購點R的組成為： 訂購數量Q仍為 2.2.7 變動的前置時間 假設前置時間的機率分佈是常態分配，平均值為AVGL，標準差為STDL。 再訂購點R的組成為： 前置時間內的需求平均值 前置時間內的需求標準差 訂購數量Q仍為

2.2.8 週期檢視政策 基本假設 週期較短時之最佳政策 存貨水準每隔一段固定期間檢視。 其餘與持續檢視政策之假設相同。 2.2.8 週期檢視政策 基本假設 存貨水準每隔一段固定期間檢視。 其餘與持續檢視政策之假設相同。 週期較短時之最佳政策 修正後的(Q, R)政策，但存貨水準有可能降至再訂購點R以下。 克服此問題，須定義兩個存貨水準s與S，若存貨水準降低到s以下，須訂購足夠的量來提升存貨水準到S。 估計s與S的值，視其為持續補貨模式，設 s＝R, S ＝R＋Q

週期檢視政策 若檢視週期期間較長，則每次檢視存貨後進行訂購，訂購產品產生的固定成本可視為沉沒成本而忽略。 此環境不需考慮固定成本，存貨政策僅受基本存貨水準所影響。 週期較長時之最佳政策 倉庫設定一個目標存貨水準，以及檢視週期。檢視存貨狀態後，訂購足夠的存貨提升到基本存貨水準(base-stock level)。

週期檢視政策 r 為檢視週期的長度，L為前置時間，AVG為倉庫面對的每日需求，STD是每日需求的標準差。 有效的基本存貨水準，包含兩部分 安全庫存

週期檢視政策之存貨水準

週期檢視政策 最大存貨水準發生於接到訂單的瞬間，為 最小存貨水準發生於接到訂單前的瞬間，為 平均存貨水準為兩者的平均，即

2.2.9 最適服務水準 廠商有時可以自行選擇適當的服務水準。 服務水準與存貨水準的關係： 當服務水準愈高，存貨水準也愈高。 2.2.9 最適服務水準 廠商有時可以自行選擇適當的服務水準。 服務水準與存貨水準的關係： 當服務水準愈高，存貨水準也愈高。 在存貨水準相同的情形下，前置時間愈長，廠商可提供的服務水準變愈低。 對服務水準的邊際影響會隨存貨水準的增加而降低。

服務水準與不同前置時間下的存貨水準之間的取捨

2.2.9 最適服務水準 零售業決定每個SKU（品項）的服務水準之可行策略，著重極大化所有產品的期望利潤。 2.2.9 最適服務水準 零售業決定每個SKU（品項）的服務水準之可行策略，著重極大化所有產品的期望利潤。 具備以下幾項狀況的產品，會有較高的服務水準： 高利潤邊際。 高的數量。 低的變異性。 短的前置時間。

每個SKU的最適服務水準

2.3 風險共擔 用於對付供應鏈內變異性的一個有力工具是風險共擔(risk pooling)。 2.3 風險共擔 用於對付供應鏈內變異性的一個有力工具是風險共擔(risk pooling)。 若將各區域的需求彙整起來，可降低需求的變異性。因為某一顧客的高需求可能跟另一顧客的低需求互相抵銷。 需求的變異係數可測量相對於平均需求的變異

風險共擔 三個風險共擔的重要觀點 集中存貨可以降低在系統中的安全庫存與平均存貨。 變異係數愈高，從集中式配銷系統所獲得的利益愈大。 風險共擔的利益，決定於一市場區域與另一市場區域需求行為的相關性。 當兩個市場需求關係愈正向，其風險共擔的利益愈低。

2.4 集中式 vs. 分散式系統 在比較集中式和分散式配銷系統時，我們必須考慮哪些取捨： 安全庫存 服務水準 間接成本 顧客前置時間 運輸成本

2.5 管理供應鏈中的存貨 屬於單一公司之多設施連串的供應鏈有一連串的階段，每一階段供應一個下游階段，直到最後的階段面對顧客。 2.5 管理供應鏈中的存貨 屬於單一公司之多設施連串的供應鏈有一連串的階段，每一階段供應一個下游階段，直到最後的階段面對顧客。 在一個配銷系統中，每個階段或層級(倉庫或零售商)通常被稱為階層。 此系統中每個階層的 階層庫存＝此階層中現有的存貨，加上所有下游存貨 階層庫存狀態＝為此階層的階層存貨，加上已訂購但尚未送達的數量，減去缺貨待補的數量

線型供應鏈

管理供應鏈中的存貨 公司目標為管理其存貨以降低整體系統成本。 兩項重要且合理的假設： 存貨決策由單一決策者制訂，並以極小化整體系統成本為目標。 決策者有獲取各零售商和倉庫存貨資訊的管道。

管理供應鏈中的存貨 零售商存貨有效管理方法是用(Q, R)政策來管理。 每當零售商存貨狀態低於R，則訂購數量Q的產品。 L 為零售商下訂單到接收商品的期間 假設倉庫有足夠的庫存 每當零售商存貨狀態低於R，則訂購數量Q的產品。

管理供應鏈中的存貨 對配銷商也計算再訂購點R和訂購數量Q ＝階層前置時間，為零售商與配銷商之間前置時間 ＋配銷商與供應商之間的前置時間 AVG＝在零售商的平均需求 STD＝在零售商的平均標準差 每當配銷商存貨狀態低於R，則訂購數量Q的產品。

2.6 實務議題 在最近的一項調查報告中，物料和存貨經理被問到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 2.6 實務議題 在最近的一項調查報告中，物料和存貨經理被問到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 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

2.7 預測 預測工具和方法可歸納為以下四大類： 判斷法(judgment methods) ：專家意見的蒐集。 2.7 預測 預測工具和方法可歸納為以下四大類： 判斷法(judgment methods) ：專家意見的蒐集。 市場研究法(market research methods)：顧客行為的質化研究。 時間序列法(time-series methods)：一種數學方法，從過去的績效推斷未來績效。 因果法(causal methods)：一種數學方法，預測是依據數個不同系統變數所產生。

預測 判斷法是有系統地蒐集不同專家的意見。 有以下兩種方法： 專家群法(panels of experts) 聚集一群專家來獲取共識。此方法假設，藉由溝通與公開分享資訊，一個較好的預測可被產生。 Delphi法(Delphi method) 一種有結構性的技術來獲取專家的共識，但此不將專家聚集在一個地方。此技術是被設計來消除一個或幾個意見較強的專家來主導決策過程。

預測 市場測試(market testing)與市場調查(market surveys)是發展預測之有用工具，尤其是在新產品的引進。 市場測試是蒐集潛在顧客的焦點團體，測試他們對新產品的反應，這些反應被用於推斷整個市場，進而估計其對產品的需求。 市場調查則包括從潛在顧客蒐集資料，通常是透過訪談、電話訪問以及填寫問卷等方式。

預測 時間序列法 移動平均法(moving average)：每個預測值是一些過去需求點的平均。 指數平滑法(exponential smoothing)：每個預測值是利用上一個預測值與最上一個需求點之值的加權平均。 具有趨勢性數據的預測法：如果資料具有趨勢，迴歸分析法(regression analysis)與Holt’s 法(Holt’s methods)會較有用，因為它們會考慮資料的趨勢。

預測 時間序列法 具有季節性數據的預測法：幾個方法考慮季節性的需求變化。如季節性分解法(seasonal decomposition)從資料中移除季節型態，再應用上述方法於這些修正的資料；Winter法(Winter’s method)則是一種考慮趨勢性與季節性的指數平滑法。 更多複雜的方法：有幾個更複雜的方法已提出。但這些方法通常不用於實務，而且有證據指出複雜方法並未優於簡單方法。

預測 因果法 回想在時間序列的方法，預測是依據之先前數值來進行。 因果法  回想在時間序列的方法，預測是依據之先前數值來進行。 相對的，因果法是根據所欲預測的資料以外的其他資料來做預測。更明確地說，其預測是其他資料的函數。

2.7.5 選擇適合的預測技術 可提出三個問題以助決策： 什麼是預測的目的？預測值應如何使用？ 所預測的系統之動態性為何？ 2.7.5 選擇適合的預測技術 可提出三個問題以助決策： 什麼是預測的目的？預測值應如何使用？ 所預測的系統之動態性為何？ 歷史資料對估計未來有多重要？