预测需求时的集装箱运输优化
首页 » 知识库 » 此处
作者：Joannès Vermorel，上次更新时间：2015 年 5 月
在库存控制中，区分这两个不同阶段常常很有用：首先是对未来需求的预期，即需求预测；其次是根据订货限制对再订货数量的优化。集装箱运输涉及到一种供应限制，这种限制一般在进口商品时会遇到。在这篇短文中，我们将详细介绍利用需求预测处理集装箱运输时再订货商品所采用的方法。
估计集装箱填充率
集装箱运输存在固有的限制，可能会导致两个问题。首先，无论何时考虑再订货，Contoso 都需要估计任何指定的集装箱是否会装满，或者是否会发生货物剩余的情况。其次，由于交付周期取决于未来需求，所以在一定程度上，它是不确定的。实际上，销售增加会减少触发下次运输的延迟时间，反之，销售下降则会延迟下次发货的时间。
估计“集装箱填充率”的方法有很多种。Contoso 选择了一种简单的方法，即每个项目关联一个“填充系数”，“填充系数”是一种反映任何给定单位项目体积（有时是重量）的任意单位。根据经验，Contoso 知道每种产品的大概体积，一个 20 英尺高的集装箱可以容纳 33 立方米的货物。在考虑再订货时，Contoso 会计算要再订货的数量总和，并将每种数量乘以体积。Contoso 根据经验来确定发货，即集装箱目标填充率应固定在其标准容量的 80% 左右，以保证所有商品刚好适合集装箱。Contoso 没有试图 100% 地利用集装箱的所有容量，因为这样做太过复杂，但收益甚微。Contoso 采用直观推断来作为集装箱大致已满的指标；这个指标可以产生相当满意的结果。
估计两次发货之间的时长
此外，为了使预测过程生成根据相应的交付周期进行调整的预测结果，应估计两次集装箱运输之间的时长。实际上，如果当天触发了发货，Contoso 甚至不需要知道发货“日期”，只需要知道截至下次发货的时间框架。下次集装箱运输的日期是基于自身的预测。然而，很少有预测解决方案能够提供针对这个值的内置预测。但 Contoso 从经验中知道每售出 X 件商品就要进行集装箱运输。手动预测成千上万件商品的需求异常枯燥，但利用 Excel 表来编译过去三年中每周销售量以及相应的运输日期，以此估算下次集装箱运输相对来说比较简单。Contoso 着眼于每周总销售量，而这是相对平滑的时序。此外还会使用两个系数，一个是季节性系数，一个是趋势系数。季节性系数通过考量过去几年的相应周期进行计算。趋势系数则是一项输入，由对市场的高级演化通常有着更深洞察的营销部门和销售部门共同确定 (*)。鉴于预测过程只要求计算一个周期，所以 Contoso 制定了一个流程，在此流程中，每周会手动修订两次连续发货之间的可能时长，这个过程利用一张较小的 Excel 表只需要花 20 分钟左右就可以完成。
(*) 由于 Contoso 考量的是每周总销售量，所以在本例中可以应用此类过程来估计发货情况。大部分不确定的行为进行了全面平滑，每周总销售量成为了相对平滑的时序且具有清晰可见的季节性。如果从项目级别考虑销售，此类过程可能导致结果欠佳。此外，由于只要计算一个周期，安排一名专员花上大量时间来进行估算也是能够接受的。如果要在项目级别应用相同流程，那么负责预测的从业者每次预测可能只需要花不到 30 秒的时间就可以得到令人满意的准确度。
在每周开始时，估算出连续两次发货之间最可能的时长后，Contoso 可以按照 Lokad 的定义来计算适用的交付周期。在计算 Lokad 交付周期时，两次连续发货之间的时长和运输时间本身都要考虑进来。在本例中，两次发货之间的延迟时间估计为 10 周，从中国到加拿大的运输延迟时间估计为 5 周。因此，Lokad 交付周期为 (10+5) x 7 = 105 天。
刷新每周预测
在这里，Contoso 将把最新的销售数据载入其预测系统。此外还会更新交付周期以反映当前的发货预期。预测方法不同，集装箱的构成也会不同：- 如果采用传统预测（例如每周预测），那么将对交付周期内的预期需求相加，除此之外还要加入安全库存。如果总数减去现有存货和订购存货后超出集装箱的容量，将订购新集装箱运输。
- 如果采用分位数预测，这个过程与上面的过程将会十分相似，不同的是不会涉及到安全库存：安全库存已整合到分位数估计中。此外这是一个阈值流程，一旦达到集装箱的容量，便会订购新的集装箱运输。
- 如果采用分位数网格，每次刷新预测，集装箱都会根据采购优先级列表来填充到最大容量。然后会建立经济指标来了解集装箱运输的收益性。一旦收益性达到特定阈值，就会订购新的集装箱运输。
在实践中，只要是涉及到集装箱运输，我们都建议采用基于分位数网格的预测过程，因为此类预测对于供应限制具有高得多的亲和性。