單元三、供應鏈需求規劃.

Presentation on theme: "單元三、供應鏈需求規劃."— Presentation transcript:

1 單元三、供應鏈需求規劃

2 需求預測流程 協同規劃預測補貨模式 (Collaborative Planning, Forecasting, and Replenishment , CPFR) 9-Steps Process Model 協同規劃 買賣雙方關鍵角色架構 (Key CPFR Scenario Lead Roles) 建立合作的關係 建立聯合商業計劃 協同預測 銷售預測

3 基本原則 零售商與供應商間: 建立一致且有效率的需求預測與規劃 資訊共享與風險共擔的營運方式 交易流程整合 制度化例外狀況處理

4 主要內容 企業間商務流程定義與規範 CPFR導入規範 績效評估指標 標準商業訊息 Nine-Step Process Model
Roadmap of CPFR 績效評估指標 Metrics, Key Performance Indicators 標準商業訊息 CPFR XML EAN.UCC CPFR XML

5 九步驟協同預測流程模式

6 CPFR 合作情境(Scenarios) 基於不同系統特性選擇不同的CPFR scenario 參考
買賣雙方皆參與planning, forecasting 過程 但Planning, Forecasting, Order Generation 決策權單一化 買方主導-red process 賣方主導-dark blue process 共同-yellow process

7 概觀9步驟流程模式

8 買賣雙方共同建立商業協定 CPFR之推動藍圖 合作目標之共識 正式的協議 (confidentiality arrangements)
Step 1 建立合作的關係 買賣雙方共同建立商業協定 合作目標之共識 正式的協議 (confidentiality arrangements) 共享的資料 合作計劃可動用的資源 例外狀況判定的法則 CPFR之推動藍圖

9 Step 1 建立合作的關係

10 買賣雙方交流營運計劃以發展出合作產品的營運計劃 共同定義之品項角色、品項銷售目標、達成目標的戰術
Step 2 擬定共同的營運計劃 買賣雙方交流營運計劃以發展出合作產品的營運計劃 共同定義之品項角色、品項銷售目標、達成目標的戰術

11 如何定義一個品類 我的消費者是怎麼想的 產業的一般定義 品類是一組商品或服務, 在消費者心目中, 這組商品或服務是互相關聯
或可互相替代來滿足需求 產業的一般定義 市調公司 其它零售商 製造商 是如何定義這個品類 容易管理的 定義出的品類範圍 是否屬於同一部門? 同一陳列區? 資訊/ 財務上能分析嗎 品類定義

12 品類定義的內容 1. 用一句話來描述這個品類 2. 畫出這個品類的樹狀結構 從消費者的角度,消費者對這個品類的需求是什麼?
定義這個品類的範圍 (包括那些產品) 2. 畫出這個品類的樹狀結構 品類 Category 次品類 Sub-Category 微品類 Segment

13 品類定義(Category Definition)-美髮用劑
美髮用劑是指清潔、美容及保養頭髮的各種化學產品; 其中包含洗髮、潤髮、護髮、生髮及創造髮色髮型時所使用的造型染燙髮產品,能使頭髮達到乾淨亮麗之效果。 Anti-Dandruff 抗頭皮屑 General 一般 Others 其他 Shampoo 洗髮類 Conditioner 潤髮類 Treatment 護髮乳 Mousse 慕絲 Mist 定型液 Smooth 順髮露 Gel 髮雕 Spray 髮霧 Stying 造型整髮 Gray-Hair Coloring 白髮染 彩染 Permanent 永久染 Temporary 暫時染 Bleach 漂白劑 Coloing 染髮 Hair care 美髮用品 沖洗 免沖洗 wash Non-wash 燙髮 Perm 生髮水 Hair Tonic

14 日常性品類(R)：便當, 其他飯麵類, 炒飯, 炒麵 便利性品類(C)：湯, 飲料
品類角色不僅只應用在零售業…... 代表形象(招牌菜), 料要新鮮, 一定要比別家更好吃, 即使豬肉漲價, 賠本也要維持高品質 有一家小吃店叫做阿明排骨大王 是主要的收入和利潤的來源, 要有不錯的品質, 但不用像招牌菜那樣獨特 目的性品類(D): 排骨飯, 麵 日常性品類(R)：便當, 其他飯麵類, 炒飯, 炒麵 便利性品類(C)：湯, 飲料 季節(臨時性)性品類(O)：粽子(端午節), 冰品(夏天）, 紅豆湯(冬天） 不是店內主要的販賣項目, 但客人吃飯常起會順便點, 有賣的話客人才會吃得盡興 不是店內主要的販賣項目, 特別時節才有賣, 有助於提升店的營業額, 也讓客人覺得餐飲的內容有變化

15 品類在不同通路可能所扮演的角色 可能的品類角色, 因零售商本身的策略不同, 所指派給某品類的角色也不同

16 目的地角色 有空間即可 Destination 日常性角色 Routine Occasional\ Seasonal 產品組合 貨架安排
臨時\季節性角色 Occasional\ Seasonal 產品組合 Range 貨架安排 Space Mgmt 訂價 Pricing 促銷 Promotion 便利性角色 Convenience 商品供應應有盡有 -含蓋所有細分類 Complete Variety - All Segments Represented 具市場領導 優勢之訂價 Leadership 最佳的貨架位置及空間 Prime Shelf location and Space 高度的促銷頻率 High Level of Frequency Duration 廣泛的商品供應 -含蓋各個細分類. Broad Variety 具競爭性的 一致性訂價 Competitive Consistent Pricing 一般的貨架位 置及空間 Average Shelf Location and Space 一般水準的促銷頻率 Average Level of Frequency Duration 配合時機性的產品供應 -僅含蓋部份分類 Timely Variety - Some Segments Represented 具競爭性的季節性之訂價 Competitive Seasonal Pricing 好的位置\ 主動線上 Good Location High Traffic 季節性\應景的商品化活動 Seasonal/Timely Activity 選擇性的產品供應 -僅含蓋主要分類 Minimum Variety - Major Segments Represented 頗具競爭性之訂價 Close to Competition Pricing 有空間即可 Space Available 鮮少的促銷頻率 Low Level of Frequency Duration

17 Step 2 擬定共同的營運計劃

18 使用消費資料(consumption data)預測品項特定期間之銷售
Step 3 建立銷售預測 使用消費資料(consumption data)預測品項特定期間之銷售 消費資料: POS data, DC withdraw, manufacturer consumption data, causal information, planned events 因果資訊分析: 銷售相關因素分析 基於scenario產生最後之銷售預測

19 Step 3 建立銷售預測

20 Step 4 定義銷售預測例外事件 列出銷售預測 可能出現問題 的例外品項

21 Step 5 解決品項銷售預測例外狀況問題

22 結合銷售預測、因果資訊 與存貨政策產生未來特定時間特定地點品項的訂單預測
Step 6 建立訂單預測 結合銷售預測、因果資訊 與存貨政策產生未來特定時間特定地點品項的訂單預測 基於訂單預測的結果， 供應商可進行產能需求規劃

23 Step 6 建立訂單預測

24 Step 7 定義訂單預測例外事件 列出訂單預測 可能出現問題 的例外品項

25 Step 8 解決品項訂單預測例外狀況問題

26 Step 9 訂單執行 根據凍結期間的 訂單預測結果產生訂單

27 CPFR導入流程 (Roadmap) Step 1. Evaluate the Current Conditions
合作的企業文化 對於IT運用的優先順序 實務方案的採用狀況, CPFR推動之遠景, 交易夥伴參與能力的評估 Step 2. Define Scope and Objectives 參與者責任設定 階段性專案範圍設定 績效評估指標 Step 3. Prepare for Collaboration 合作所需資源、企業流程 及異常事項處理原則的細部規劃

28 CPFR導入流程 Step 4. Execute 執行合作的程序項目 資訊科技的部署 檢討會報 Step 5. Assess Performance and Identify Next Steps 合作關係 營運流程 支援合作之資訊科技之績效評估 下一階段之計劃

29 Define Scope and Objectives

30 Extending CPFR

31 Key Performance Indicators
買賣雙方須同意 指標所使用的資料來源 指標的定義與計算方式 執行評估的頻率 設定執行評量的負責單位

32 Key Performance Indicators
來源: ECR Europe

33 CPFR-KPI 範例

34 Key Performance Indicators

35 需求預測的型態 由上而下的預測（Top-Down Forecasting) 由下而上的預測（Bottom-Up Forecasting）
目標導向的預測 彙整性 採每月或每季進行的方式 由下而上的預測（Bottom-Up Forecasting） 由各業務單位輸入該產品線或產品模式之銷售預測 彙總各單位之數據成為總銷售預測 每週的方式進行 應以已發生的實際需求修正對下一週的預測

36 特殊狀況需求預測 新產品的進入與舊產品退出 行銷規劃 相依需求預測

37 預測的型態

38 預測的方法論 定性法（Qualitative） 時間序列法（Time Series） 預測人員依個人主觀的判斷進行預測
常應用在缺乏歷史資料時透過專家進行主觀的預測 時間序列法（Time Series） 假設過去之需求資料是未來需求良好指標下，使用歷史資料進行預測，適合當需求環境穩定、無劇烈變動時進行

39 需求預測的方法論 因果關係法（Causal） 模擬法（Simulation）
假設需求與環境中某些因素是高度相關，藉由發現需求與環境因素的相關性去估計未來的需求 模擬法（Simulation） 模仿消費者的選擇，這些選擇將會產生需求，因而導出預測，模擬時常結合時間序列法、因果關係法以分析一些事件（如:降價促銷、對手在鄰近區域開分店等）對於需求的影響

40 時間序列法 需求組成 系統需求組成 系統需求（systematic component） 隨機需求（random component）
水準（level） 去除季節性因素下的平均需求 趨勢（trend） 相對本期，下一個週期需求成長或衰退的比例 季節性因素（seasonality） 因季節產生需求變動的部分 自我相關性(autocorrelation) 現在的值和過去的值有高度相關性

41 系統需求組成關係型式 相乘 相加 混合 系統部分＝水準 × 趨勢 × 季節性因素 系統部分＝水準 ＋ 趨勢 ＋ 季節性因素
系統部分＝（水準 ＋ 趨勢）× 季節性因素

42 時間序列預測方法之型態 靜態法（static） 適應法（adaptive） 視未來預測誤差為隨機部分
對於需求之系統部分（水準、趨勢、季節性因素）估計一次後，即使觀測到新的需求數字亦不再重新估計而去更新系統部分的結果。 適應法（adaptive） 假設誤差的一部份乃因系統部分不正確的估計所造成，剩餘的才是真正的隨機部分 因此每做一次需求預測都會對需求的系統部分做修正

43 時間序列預測—範例 A公司產品季需求（1998.2~2001.1）

44 時間序列預測--範例

45 時間序列預測--範例 範例資料分析： 產品之需求有季節性的現象 每年度之第二季為全年度需求最低之時
需求皆是從每年度之第二季遞增至下年度之第一季 此需求變化呈現週期現象，每個週期為一年 三個週期的需求水準有逐漸上升的趨勢

46 時間序列預測 — 靜態法 三項系統組成估計的程序 去除季節性因素的系統需求部分 估計季節性因素的需求部分(St)
進行迴歸分析估計出需求的水準與趨勢成分 定義季節循環的週期數 訂定去除季節性因素的需求 線性迴歸功能進行估計去除季節性因素之需求與時間之線性關係(L,T) 估計季節性因素的需求部分(St) 將參數代入公式得出預測需求(Ft)

47 靜態法範例 本例 p＝4為偶數，則對於期間t＝3之去除季節因素需求:

48 靜態法範例

49 靜態法範例 L:時間0的去除季節性因素之需求 T:去除季節性因素之需求成長率 可用Excel之線性迴歸功能進行估計L與T之估計值
估計季節性因素

50 靜態法範例 S1＝ ( )/3 S2＝ 0.68 S3＝ 1.17 S4＝ 1.67 F13=（L＋13T）S =（ ×524） =11868 F14= （L＋14T）S14 = 17527 …

51 適應性預測的方法 移動平均法（moving average） 簡單指數平滑法（simple exponential smoothing）
當需求資料沒有明顯的趨勢與季節性因素現象時使用 需有連續且大量歷史資料 期數的選取是關鍵 簡單指數平滑法（simple exponential smoothing） 當需求資料無明顯的趨勢與季節性因素現象時使用 使用很少之歷史資料 為最常使用之方法 使用資料為 ：最近一期之預測值、最近一期之實際值、平滑常數 平滑常數反映需求變化劇烈的程度 預測值=前n期實際值之平均 預測值=前期預測值+ (前期預估誤差)

52 適應性預測的方法 趨勢修正指數平滑法（Holt model） 趨勢和季節性修正的指數平滑法（Winter model）
當需求資料有明顯的趨勢但無明顯季節性因素現象時 趨勢和季節性修正的指數平滑法（Winter model） 當需求資料有明顯的趨勢與季節性因素現象時 時間序列分解 當需求資料具有明顯的趨勢與季節性因素現象時

53 適應性預測的方法--Holt model 依據線性迴歸找出 產生預測值

54 預測誤差 類型 偏差的原因 偏差(bias)與隨機誤差(random error) 未涵蓋正確之變數 錯誤的變數關係 錯誤的趨勢線
錯誤的季節需求修正 未發現的長期趨勢

55 預測誤差指標 平均誤差（mean square error, MSE）
平均絕對誤差（mean absolute deviation, MAD） 取n期誤差絕對值之平均數 平均絕對百分比誤差（mean absolute percentage error, MAPE） 取n期絕對誤差對需求百分比之平均

56 預測誤差指標 偏態（bias） 追蹤指標（tracking signal, TS） 為n期誤差值之總和 為偏態與平均絕對誤差的比值

57 Homework—小組期末報告I Ch4. 練習題4
針對表4.8中ABC公司之每月需求量，分別採用移動平均、簡單指數平滑、Holt 模式、Winter模式預測2001年每個月份的需求 使用MAD與TS評估前述各項方法之偏態 做出本題推薦之預測方法

58 參考資料 S. Chopra and P. Meindl, Supply Chain Management, Strategy, Planning, and Operation, 2001, Prentice-Hill, New Jersey, ch4 盧舜年，鄒坤霖，供應鏈管理的第一本書，商周，2002