什么是平均订货点,平均订货量
![](/wenda/images/newWd/search.png)
问题已解决
所属话题:
#实务#
![](http://member.chinaacc.com/homes/resources/images/home/avatar/1.jpg)
84784961 | 提问时间:2023 06/17 05:55
01
平均需求
首先,我们再回忆一下我们的再订货点公式:

如果我问大家,公式当中的代表什么含义,相信大家都能很快的说出是“平均需求”,但是更进一步,如果要问是多少需求数据按照什么样的颗粒度进行平均的,就又会摸不着头脑了。
因为计算平均需求需要确定至少两个维度,取数的区间与计算的颗粒度,换言之颗粒度就是我究竟算月平均,还是周平均,还是日平均,而区间就是,我是算一年365天的日平均,还是一个月30天的日平均,还是一周7天的日平均。确定了这两个维度,我们才能对平均需求进行计算。所以,在计算“平均需求”这个看似简单的东西时,该如何正确的选择计算的维度,当中有多少需要注意的细节,接下来就让我们细细道来。
02
平均需求取值区间的判断方法
总的来说,不论是取值区间,还是计算颗粒度,其依据的都是我们实际的业务。先从取值区间开始说起,回忆一下正态分布的定义,平均值在正态分布中是一个关键参数,一个正态分布曲线只会有一个平均值,而算出这个平均值的基础就是形成这个正态分布曲线的所有样本值。换成业务的语言进行描述的话,取数的区间,取决于我们的库存管理策略,我们制定了再订货点多久更新一次的库存策略,我们的取值区间就是多长,即:假如我们每个月更新一次再订货点,那么我们就取一个月的数来求平均,假如我们每个季度更新一次再订货点,那么我们就取三个月的数来求平均,以此类推。公式的取值方式一定要与我们的实际业务策略相结合,不然取到的数字是无法对实际业务起到指导作用的。
03
平均需求计算颗粒度的判断方法
那么接下来就是颗粒度要如何判断了。而颗粒度具体的取值方式,则与我们另一个关键参数提前期有关。
直接说结论的话,计算平均需求的颗粒度应该与计算提前期的颗粒度相同!那么看到这里,反应快的同学就会问了,时间的颗粒度是可以相互转换的,同样的6天,我可以记作是0.9周,或者0.2个月,又或者是0.07个季度,反过来也可以是144个小时!那么到底应该用哪一个时间单位呢?
要回答这个问题,同样要回到我们的实际业务当中,而这里的判断标准,就是在对提前期进行向上取整的过程中,所造成的误差是否可以被公司所接受!举个例子,假设我们的提前期是100个小时,那么如果按天进行取整,就是5天,120个小时。如果按周进行取整,就是1周,168小时,如果按月进行取整,就是1个月,720个小时。
我们可以发现,随着时间颗粒度的增大,我们的误差也越来越大,按天是20个小时,按周是68个小时,而按月则达到了620个小时,而这多出来的这么多的时间,可以近似的理解为我们需要额外付出的库存成本,所以随着颗粒度的增大,我们的误差也就会越大。
那么这个时候就有同学肯定会问了,那我的提前期恰好就是一周,或者一个月呢,是不是就可以用这个颗粒度了?答案是不行,因为我们还要考虑提前期的波动幅度,若波动的幅度在取整后所带来的误差同样可以被接受,那么就可以这么做。例如当提前期本身是整数周,并且提前期的波动也是按照整数周进行时,这样取周颗粒度进行计算所带来的误差就可以忽略。
那么聪明的同学肯定又会说,那我就直接在小时的层面进行计算,这样误差最小。思路没有错,但是在计算颗粒度变的更小的同时,标准差也会变得更大,导致波动变得更加剧烈,从另一方面减少了公式的稳定性,所以这其实也是一个业务上的平衡过程。通常建议在天的颗粒度上进行计算,但在遵循上述规则的同时,其实也可以取一些中间颗粒度,例如两天一取整,或者三天一取整等。而对于为什么提前期必须要取整,这个我们将在接下来介绍提前期时,再详细进行解答。
04
需求该从哪里取
在了解了如果确定平均需求的取值范围与计算颗粒度之后,其实还有一个很关键的问题就是,那我应该从哪里获得需求数据呢?这里其实也就只有两个选择,历史数据与需求预测。
简单来说,我推荐使用需求预测,因为从业务角度讲,我们储备库存,并且设计再订货点,是为了更好的服务未来的业务,而不是去影响过去。所以除非是完全没有做预测的公司,不然都建议从需求预测中进行取数。
结语
平均需求,这个看似简单的概念,到了实际运用的时候,还是有如此多需要注意的地方。不仅需要与业务实际情况进行紧密结合,还会受到其他参数取数方式的影响,并且进而也会去影响其他参数,这些都是再订货点公式在使用过程中所需要注意的细节。
2023 06/17 06:08
相关问答
查看更多最新问答
查看更多