库存ABC及预测模型

前言

在供应链管理中有很多方法是成熟的，如何应用到电商系统中是值得思考与学习的，ABC分类法是大家熟知的，预测补货几种方法在不同的公司有不同的应用，这里简单把学习到的内容总结一下和大家共同学习。

ABC分类法

ABC分类法(Activity Based Classification) ，全称应为ABC分类库存控制法。又称帕累托分析法、柏拉图分析、ABC分析法，也可以叫“80/20”法则。这个大家都知道世界上80%的财富掌握在20%人的手里，在库存管理中也同样遵循此规则，这样才能对商品进行更好的经营与管理。

上图中的数据，首先根据金额计算出占比，即每个物料的 金额/总金额*100%,然后根据占比按大小排序，整理到下面的结果图。
按照“80/20”法则，可以确定哪些属于A类，哪些属于B类，哪些属于C类，不知道你所在的公司商品有没有进行过这样的统计？

对于ABC分类法的应用和数据日常监控是关键，可以结合分析数据进行商品的控制，从而指导补货预测。

预测的三种方法

这几种方法是在“供应链管理专栏”学习到的，这里只是进行了简单的汇总，与大家一块学习，三种预测方法是指数平滑法、移动平均数法、幼稚法。

几种预测方法的比较，见下图。

一个简单的补货策略

自动补货公式：补货量=目标周转天数*DMS*(下单周期+到货天数)*促销系数-商品库存-订单占有库存-在途库存


a)  目标周转天数这个参考库存周转天数来设定，可以按品类进行设定目标周转天数。库存周转天数＝360/存货周转次数=（平均存货×360）/产品销售成本存货周转次数＝销售成本/（（期初库存成本+期末库存成本）/2）
b)  下单周期根据系统录入的下单时间计算，补货当前天（包含当天）往后推至下一个补货下单日期的天数；例如系统录入每周一下单，那么下单周期为7天；如每周一、周三下单，则周一的下单周期为2天（周一、周二）、周三的下单周期为5天（周三、周四、周五、周六、周日）
c)  预计送货天数这个可以自己维护，一般是指供应商接到需求后开始到货物到仓库的天数。
d)  DMS(DAILYMEAN SALES)DMS，日均销量，分仓库计算每一商品有效销量（出库-退货）/有效库存天数（累计有效库存天数，排除无可订量天数）有效库存天数：系统每天0点统计到前日0点可订量是否大于0，如满足则有效库存天数加1。在这里，采用的是日均销量，实际上就是上面的“移动平均法”，也可以换成“移动指数平滑法”。
e)  促销系数可以调整，默认是1，这个系统主要是用以调整促销的影响。
f)  安全库存安全库存＝VLT*DMS  VLT(有效日期）＝下单周期+到货天数
g)  商品库存取系统中商品的正品库存（包括赠品），仓库里的商品分为正品、残次品，对于残次品不予考虑。
h)  订单占用量指已经下单成功，但是未发货出库的占有数量，此部分要根据OMS的订单来获取（是否所有订单都要考虑要定义好）i)  在途库存采购订单已经生效，但是未到货的商品数量，这个需要根据SCM中的采购管理来统计。对于预测的准确性判断，还要借助于很多知识去不断调整，学习了之后才了解到方差等实际的场景中应用的广泛性，也知道了自己知识的匮乏。下面把这几个的相关概念一并粘出来。

需要了解的几个概念

1.均方误差（mean-square error, MSE）是反映估计量与被估计量之间差异程度的一种度量。设t是根据子样确定的总体参数θ的一个估计量，(θ-t)2的数学期望，称为估计量t的均方误差。

发现没有，方差与我们要处理的数据的量纲是不一致的，虽然能很好的描述数据与均值的偏离程度，但是处理结果是不符合我们的直观思维的。 举个例子：比如一个班男生的平均身高是170cm,标准差是10cm,那么方差就是100cm^2。可以进行的比较简便的描述是本班男生身高分布是170±10cm，方差就无法做到这点。

5.协方差如果随机变量X和Y的方差DX>0,DY>0成立，则称E[(X-EX)(Y-EY)]为随机变量X与Y的协方差，记为Cov(X,Y)，即： Cov(X,Y)=E[(X-EX)(Y-EY)]=E(XY)-EX*EY 其中：   

总结

本篇的内容都是学习过程的一个归纳，少量的内容是个人的总结；对于商品的库存管理、自动补货是每个公司都应该具备的，但是真正在现实中好多采购的同事似乎更多的依赖经验，其实这也是一种方法，即行Delphi德尔菲预测法；将真正的模型算法应用于业务才是最终的目标，感谢您的阅读！