基于仿真的動態(tài)補貨算法在服裝供應(yīng)鏈中的研究

潘　璐，盧　燕，董愛華

(東華大學 信息科學與技術(shù)學院， 上海 201620)

基于仿真的動態(tài)補貨算法在服裝供應(yīng)鏈中的研究

潘璐，盧燕，董愛華

(東華大學 信息科學與技術(shù)學院， 上海 201620)

摘要：為改善服裝供應(yīng)鏈性能，提出了一種動態(tài)補貨算法，并設(shè)計了一個庫存仿真平臺，應(yīng)用該仿真平臺對常見的庫存策略以及動態(tài)補貨算法進行了仿真分析．仿真結(jié)果表明，動態(tài)補貨算法應(yīng)用于服裝供應(yīng)鏈可以在確保顧客服務(wù)水平的基礎(chǔ)上提高庫存周轉(zhuǎn)率．

關(guān)鍵詞：服裝供應(yīng)鏈； 動態(tài)補貨算法； 仿真

近些年來，由于信息技術(shù)的快速發(fā)展，服裝業(yè)也在追尋信息改革的熱潮，隨著計算機科技和供應(yīng)鏈優(yōu)化管理的發(fā)展，庫存信息化管理已經(jīng)在服裝零售行業(yè)引起了廣泛的關(guān)注．如何有效進行服裝庫存信息化管理和分析，對提升服裝零售店的企業(yè)影響力和經(jīng)濟效益至關(guān)重要．

過去的20年間，不同學科的研究人員對供應(yīng)鏈管理領(lǐng)域進行了大量研究．文獻[1]模擬了一個汽車售后市場運作的戰(zhàn)略供應(yīng)鏈計劃結(jié)果，研究結(jié)果表明，供應(yīng)鏈管理對行業(yè)的競爭定位十分重要．然而有研究人員[2]指出，不同產(chǎn)品或行業(yè)的供應(yīng)鏈模式不盡相同．盡管如此，當今對供應(yīng)鏈背景下的服裝業(yè)的研究甚少.大多數(shù)關(guān)于服裝供應(yīng)鏈的文獻采用非數(shù)學的方法分析供應(yīng)鏈的性能．例如，文獻[3]通過對傳統(tǒng)的實踐和快速反應(yīng)(QR)的比較，分析了美國紡織服裝流水線并從服裝供應(yīng)商調(diào)查數(shù)據(jù)中得出結(jié)論，采用了綜合改進的企業(yè)在訂單補給方面比其他企業(yè)表現(xiàn)要好得多．文獻[4]詳述了美國服裝和紡織工業(yè)的變化，從主要的紡織企業(yè)和服裝生產(chǎn)商給出的數(shù)據(jù)中可以看到，當零售商與供應(yīng)商交換信息，并要求他們迅速補充訂單時，制造商就必須重塑自己的經(jīng)營策略．還有研究者采用案例研究方法對意大利紡織公司進行調(diào)查，研究質(zhì)量管理及其對單個企業(yè)和整個供應(yīng)鏈網(wǎng)絡(luò)的影響[5].在國內(nèi)，文獻[6]指出我國服裝供應(yīng)鏈管理目前存在的問題，并提出了我國服裝供應(yīng)鏈實施快速反應(yīng)對策應(yīng)采用先進信息系統(tǒng)，并引入第三方物流等．文獻[7]通過對我國服裝供應(yīng)鏈具體特點的分析，對傳統(tǒng)的服裝供應(yīng)鏈進行了改進，把傳統(tǒng)的由下至上的訂單下達方式改變?yōu)橛缮现料碌南逻_方式．文獻[8]通過 SCOR模型(supply-chain opeartions reference-model)對我國服裝業(yè)供應(yīng)鏈進行分析優(yōu)化，以求其能對市場需求做到快速反應(yīng)并提高服裝業(yè)的核心競爭力．

仿真是一種解決和分析復雜的系統(tǒng)或過程的決策支持工具[9]，其重要性體現(xiàn)在它能夠通過建立模型以及之后的實驗來模擬實際系統(tǒng)的行為．模型創(chuàng)建和實驗的結(jié)合，使設(shè)計人員和管理人員可以“描述系統(tǒng)的行為，提出理論或假說來解釋所觀察到的行為，并且使用該模型來預測未來的行為，即通過改變系統(tǒng)或其操作方法產(chǎn)生的效果[10]”．

在服裝業(yè)中，仿真系統(tǒng)已被廣泛使用于流水線[11]、模塊化制造系統(tǒng)[12]等．有研究小組提出了一種用仿真技術(shù)來評估一組給定的輸入條件的零售商采購策略[13]，研究了一種在有限貨架期內(nèi)與服裝快速反應(yīng)零售相適應(yīng)的新型服裝供應(yīng)體系．在隨后研究[14]中，該團隊又使用隨機計算機仿真模型進行量化分析，比較了QR系統(tǒng)與傳統(tǒng)系統(tǒng)的性能．

盡管前人已經(jīng)有一些對服裝供應(yīng)鏈的研究，但這些研究都有一定的局限性．由于服裝零售業(yè)受季節(jié)和時間等變化影響較強，很多管理方法都難以及時準確地根據(jù)時間變化進行動態(tài)補貨，實時性較差．為改善服裝供應(yīng)鏈系統(tǒng)的庫存管理效果，本文提出了一種基于補貨算法的庫存管理方法，設(shè)計了一個仿真平臺，再應(yīng)用該庫存平臺對常見的庫存策略(如沒有補貨機會的庫存策略)、靜態(tài)安全庫存策略和定量補貨庫存策略進行仿真分析，在此基礎(chǔ)上進一步提出動態(tài)補貨算法，以優(yōu)化現(xiàn)有庫存策略．

1顧客服務(wù)水平及庫存周轉(zhuǎn)率

影響庫存管理的因素有很多，對于零售商的庫存管理效果，可以用顧客服務(wù)水平和庫存周轉(zhuǎn)率來表示．

顧客服務(wù)水平[15](customer service level，用CSL值來衡量) 是指在整個銷售過程中顧客需求被滿足的程度．很顯然，在控制成本的條件下，高CSL值代表更多的市場和利潤．有兩種方式計算CSL值，即分別用有貨或者缺貨來計算CSL值．有貨是指當顧客來買這件衣服時，這件衣服是有的，而缺貨是指庫存中沒有這件衣服．如果一個時間段內(nèi)某件衣服并沒有需求，那么這段時間內(nèi)這件衣服的缺貨則不會引起CSL值的下降．因此這里用缺貨來計算CSL值更準確，如式(1)所示.

(1)

庫存周轉(zhuǎn)率用來評判補貨策略的優(yōu)劣，庫存周轉(zhuǎn)率(inventory turnover，用IT值來衡量)又可稱為績效值，是指某時間段的出庫總金額(總數(shù)量)與該時間段庫存平均金額(或數(shù)量)的比．對零售商而言，IT值越大，意味著企業(yè)效益越好．本文定義IT值如式(2)所示，即用銷售量對平均庫存水平的比值作為IT的度量值．

(2)

一般影響CSL和IT值的因素有實際顧客需求(customer’s demand，簡稱D)、需求預測(demand forecast，簡稱F)、銷售時間長短(length of sales seasons，簡稱SL)以及補貨策略(replenishment strategy，簡稱RS)．顧客服務(wù)水平與這4個影響因素的關(guān)系可以通過式(3)表示.

CSL=f1(D,F,SL,RS)

(3)

其中，補貨策略主要由補貨周期、補貨提前時間和安全庫存3因素來決定．補貨周期(replenishment cycle，用RC值衡量；周)是重復性補貨中連續(xù)兩次補貨的間隔時間.提前時間(lead time，用LT值衡量；周)是對零售商從下訂單到收到此批貨物的時間段的定義，是貨品下單、生產(chǎn)、運輸以及到貨的一個過程時間段.安全庫存(safety stock，用SS值衡量；周)是指為了防止不確定性因素而預計的幾周保險儲備量(緩沖庫存)．補貨策略與影響其因素關(guān)系表示如下

RS=f2(RC,LT,SS)

(4)

2動態(tài)補貨算法

2.1常見補貨算法

常見庫存補貨算法有3種[16-17]，即沒有補貨機會的庫存策略、靜態(tài)安全庫存策略和定量補貨庫存策略．

沒有補貨機會的庫存策略是指在零售時間段不補貨，在零售開始階段有一定量的庫存以滿足銷售階段．由于沒有補貨機會，在銷售最初零售商就需要準備足夠的庫存來面對接下來的銷售階段，同時選擇適當?shù)膸齑媪恳匀〉米畲罄麧櫍@種策略必須在需求確定且不變的較理想化條件下，才能保持零售過程的順暢．即使如此，這種策略仍然會產(chǎn)生巨大的庫存成本，影響企業(yè)經(jīng)營利潤．

靜態(tài)安全庫存策略是先設(shè)定一個具體的安全庫存值，當某一貨物的庫存數(shù)量低于這個貨物的安全庫存值時，就會報警并提醒零售商訂貨．對于某些需求且生產(chǎn)長期穩(wěn)定的商品，靜態(tài)安全庫存是很好的解決方法．但對于隨季節(jié)、時間變化較頻繁的服裝而言，該策略的庫存管理效果并不好．

定量補貨庫存策略，顧名思義，是指每次補貨量都采用相同的補貨算法，使用定量補貨策略的情況不多，一般需求變化不大的商品會采用此種方法.由于需求比較固定，采用定量補貨的零售商一般結(jié)合以往經(jīng)驗就能確定貨品補貨量．

2.2動態(tài)補貨算法

安全庫存的存在可以提高顧客服務(wù)水平，為防止由于需求量的突然改變而導致的缺貨問題，一般零售商都會留有一定的安全庫存．當然安全庫存過多會導致庫存成本上升，平均周轉(zhuǎn)率IT值降低．

本文所采用的動態(tài)補貨算法考慮了安全庫存，即生產(chǎn)商提供給零售商的初始庫存以及后續(xù)的每次補貨量都依據(jù)預測放置SS周的安全庫存．此外，由于預測和實際需求存在誤差，在確認訂單量的過程中，結(jié)合實際銷售情況以及需求預測來應(yīng)對這種誤差，從而實現(xiàn)動態(tài)補貨算法．安全庫存周數(shù)SS從1周開始，如果放1周的安全庫存達不到預期的顧客服務(wù)水平要求，可以把安全庫存周數(shù)加1，直到達到要求為止．之所以需要調(diào)節(jié)安全庫存周數(shù)，因為顧客服務(wù)水平與銷售總量、銷售季節(jié)的長度、預測誤差、補貨周期、提前期以及具體的補貨算法等密切相關(guān)．

圖1為補貨和到貨情況的示意圖，假設(shè)采用每周補1次貨(RC=1周)，提前時間為2周(LT=2周)，安全庫存周數(shù)為1周(SS=1周)的一個銷售背景．在銷售周期開始階段，零售商已擁有4周的貨物，以滿足第一批補貨貨品到貨前的顧客需求．在第1周結(jié)束后，需要根據(jù)第1周的銷售情況和對接下來幾周的顧客需求預測以及當前的庫存情況下補貨訂單，此次補貨量應(yīng)該滿足直到第二次訂單到貨前的一段時間消耗量，即從第2周到第4周的顧客需求．依此類推，第2周結(jié)束的時候又為訂貨時間，需要訂貨量和目前庫存的總數(shù)能滿足接下來的3周需求量，再此基礎(chǔ)上，再加1周安全庫存．值得注意的是，由于在接下來的2周中，會有一次訂單貨品的到達，所以在計算訂貨量時，必須減去當前庫存量和中間到貨量，以確保沒有重復訂貨．

圖1　動態(tài)補貨算法示例圖Fig.1　The example of dynamic replenishment algorithm

式(5)和(6)給出了動態(tài)補貨算法中每個庫存量單位(stock keeping unit，簡稱SKU)的需求量Dm和實際訂單量Dt的計算方法．

(5)

Dt=Dm-Ts-In

(6)

其中：POS數(shù)據(jù)是算法中模擬顧客對各個SKU的上一周購買情況，即上一周實際銷售值.而分子和分母部分都采用需求預測曲線(即時間分布百分比)中的數(shù)值來表示，有關(guān)該需求預測曲線詳見本3.1節(jié)；訂單滿足周數(shù)為(LT+RC+SS)周，即初期已擁有(LT+RC+SS)周的貨物，這部分貨物的總量表示為從當前周開始往后LT+RC+SS周預測曲線的百分比之和；上周的預測量為預測曲線中上周所占的百分比，即每次補貨時都對接下來的LT+RC+SS周顧客對某個SKU的需求做如下估計，依據(jù)上一周該SKU的銷售量，以及最初對銷售季節(jié)分布預測曲線來計算.如假設(shè)當前是第4周末，第4周某個SKU的銷售量是4，預測曲線分布中第4周是2%，而LT=2周，RC=1周，SS=1周，接下來從第5周到第8周預測曲線分布加起來占總分布的10%，則第5周初得到的接下來4周該SKU的需求量Dm為4×10%/2%=20件．當然，實際的訂單量還要根據(jù)式(6)減去當前的庫存量In，以及在發(fā)出訂單到貨物真正到達零售店時這段時間中的到貨量Ts.本文所指的動態(tài)補貨算法的意義也正是體現(xiàn)在這里，即每次補貨都依據(jù)上一周的銷售值來調(diào)整后幾周的補貨值．

3仿真實驗及分析

3.1仿真方法

本文所實現(xiàn)的仿真算法從服裝零售商管理庫存角度出發(fā)，模擬每周進行的銷售、到貨、提交訂單、更新庫存、記錄銷售量和缺貨量等流程．該算法對每種SKU都有預測量和需求量的表達，其中預測量包括總數(shù)、需求預測曲線(即時間分布百分比)以及各個SKU的百分比分布．需求量為預測量和誤差之和，在給定總量誤差、需求預測誤差和SKU分布誤差后可以得到模擬的顧客需求[14]．本文假設(shè)總量誤差、需求預測誤差和SKU分布誤差均為中等程度．

這是給出了一個預測量總數(shù)為50 000件及其SKU分布的仿真實例，其中包括6種款式、7種顏色以及6種尺碼規(guī)格，具體分布見表1所示. 例如，就款式而言，6種不同款式分別占整體的分布比例為0.10/0.15/0.25/0.30/0.15/0.05．需求預測曲線在仿真平臺設(shè)計時分成了3種，分別是陡的峰值出現(xiàn)在前期、中期或后期．需求量分布是由一組百分數(shù)組成的，一周一個百分數(shù)，表示在銷售季節(jié)開始前，生產(chǎn)商和零售商預計的每周顧客購貨量占總銷售量的百分比，12周之和為1.峰值代表節(jié)假日或促銷活動所在的周，也可以由用戶自定義季節(jié)分布的每周所占的百分比值.

表1　庫存仿真系統(tǒng)需求量化分布表

3.2仿真流程

首先由用戶輸入預測總量、需求預測曲線、銷售周期、安全庫存周數(shù)、補貨周期以及補貨提前時間等信息，系統(tǒng)根據(jù)輸入信息進行運算，通過模擬真實零售店進行周銷售，結(jié)合補貨算法，模擬每周顧客對各個SKU的購買情況，記錄實際銷售量和缺貨量，并依據(jù)不同補貨算法計算補貨量，更新到貨量，以此類推，直到整個銷售季節(jié)結(jié)束．得出每個SKU的每周補貨量、實際銷售量和缺貨量，并依據(jù)式(1)和(2)計算出所有SKU的總CSL和IT值，繪制出該時間段的庫存動態(tài)變化圖、顧客服務(wù)水平曲線以及庫存周轉(zhuǎn)率曲線，從而分析庫存管理的優(yōu)劣．具體動態(tài)補貨算法仿真流程如圖2所示，仿真程序依據(jù)希望得到的CSL值，調(diào)整安全庫存周數(shù)．安全庫存周數(shù)從1周開始，如果安排1周的安全庫存不夠，即達不到預期的CSL值要求，則仿真程序可以把安全庫存周數(shù)加1，直到達到要求為止．

圖2　動態(tài)補貨算法仿真設(shè)計流程圖Fig.2　　　　The simulation design flow chart of 　　　dynamic replenishment algorithm

3.3仿真平臺及界面

利用上述仿真原理，結(jié)合C#編程語言和數(shù)據(jù)庫進行仿真設(shè)計，得出不同條件下的仿真結(jié)果，具體界面如圖3所示.模擬曲線面板中，選擇不同的銷售時間和需求預測曲線(時間分布百分比)，可從圖3右下方的圖示區(qū)域得出具體曲線分布，模擬條件面板中可選庫存策略、安全庫存周數(shù)、補貨周期、補貨提前時間等，然后點擊模擬進行仿真，得到仿真結(jié)果界面，如圖4所示．分別點擊圖4左邊的實際需求曲線、服務(wù)水平、績效圖以及庫存動態(tài)變化圖按鈕，右邊圖示區(qū)域則會相對應(yīng)地顯示出曲線分布，同時左下角顯示出平均顧客服務(wù)水平和平均庫存周轉(zhuǎn)率的統(tǒng)計結(jié)果．

圖3　庫存模擬仿真條件界面Fig.3　The interface of inventory simulation

圖4　模擬效果圖Fig.4　The effect diagram of simulation

3.44種庫存策略仿真比較

為了比較不同補貨算法的優(yōu)劣性，本文利用仿真平臺對動態(tài)補貨算法以及上文提到的3種比較常見策略進行仿真，其結(jié)果對比如表2所示．把不同算法中的預測量和誤差值調(diào)成了同一值．

表2　動態(tài)補貨算法庫存策略與常見庫存策略對比

沒有補貨機會的庫存策略因其沒有補貨過程，所以沒有安全庫存、補貨周期、提前期等補貨相關(guān)輸入?yún)?shù)，其余庫存策略輸入?yún)?shù)均為12周的銷售時間，選擇中期高峰需求曲線作為預測曲線，1周安全庫存，每周進行補貨，提前期為2周．根據(jù)要求，期望能滿足90%顧客需求，即CSL平均值大于0.9．從表2中可以看到，在4種庫存策略中，只有靜態(tài)安全庫存策略由于其自身的補貨滯后性導致CSL平均值為0.882 7， 沒有滿足CSL平均值為0.9的要求，其余3種均達到CSL平均值大于0.9的要求.這3種庫存策略在平均周轉(zhuǎn)率的比較中，沒有補貨機會的庫存策略的庫存周轉(zhuǎn)率最低，定量補貨庫存策略其次，動態(tài)補貨算法的庫存策略最高．在3種常見庫存策略的比較中，靜態(tài)安全庫存的IT平均值較大，但由于其CSL平均值未達到仿真標準，所以無法確定其優(yōu)于其他算法．在所有庫存策略比較中，動態(tài)補貨算法的IT平均值遠遠高于其余庫存策略且擁有CSL平均值高達0.997 2，可見動態(tài)仿真算法的優(yōu)良性．

4結(jié)語

本文針對庫存管理系統(tǒng)的相關(guān)概念進行詳細闡述，論述了庫存以及庫存模型的概念和特點，提出了一種動態(tài)補貨算法，設(shè)計了基于補貨算法的服裝零售庫存仿真平臺，仿真結(jié)果顯示，這種補貨算法在適當?shù)陌踩芷?、較短的補貨周期和提前期等條件下可以改善系統(tǒng)的庫存策略，在滿足一定的顧客服務(wù)水平的同時提高庫存周轉(zhuǎn)率，有利于提升服裝零售商的效益，對促進服裝零售業(yè)智能化發(fā)展具有一定的借鑒意義．

參考文獻

[1] HAMNANT J, DISNEY S M, CHILDERHOUSE P, et al．Modeling the consequences of a strategic supply chain initiative of an automotive aftermarket operation[J]．International Journal of Physical Distribution and Logistics Management, 1999, 29(9):535-550．

[2] KINCADE D H, VASS D, CASSILL N L. Implementation of technology and relationships to supply chain performance: Apparel manufacturer’s perspectives[J]. International Reviews of Retail, Distribution and Consumer Research, 2001, 11(3):301-327.

[3] HEWITT W C, HUNTER N A, KING R E．Analysis of the benefits of quick response implementation for the domestic retail[R]．Apparel and Textile Industries, North Carolina State University, NCSU-IE-Technical Report-90-8, 1991:108-121．

[4] ABERNATHY F H, DUNLOP J T, HAMMOND J H, et al．A stitch in time, lean retailing and the transformation of manufacturing-lessons from the apparel and textile industries[M]．England: Oxford University Press, 1999:234-256．

[5] ROMANO P, VINELLI A.Quality management in a supply chain perspective, strategic and operative choices in a textile-apparel network[J]．International Journal of Operations and Production Management, 2001, 21(4): 446-460．

[6] 張剛, 王洪鑫, 周彥婷．淺議服裝企業(yè)供應(yīng)鏈快速反應(yīng)[J]．企業(yè)活力,2008(8)：76-77.

[7] 辛磊, 孫保華, 高元平．服裝供應(yīng)鏈的優(yōu)化設(shè)計研究[J]．北方經(jīng)濟,2013(10):33-34．

[8] 蔣清泉, 郝鷺捷．基于快速反應(yīng)的我國服裝業(yè)供應(yīng)鏈優(yōu)化研究[J]． 生產(chǎn)力研究,2014(4):76-81．

[9] HARRELL C R, BATEMAN R E, GOGG R J, et al．System improvement using simulation [M]．Utah:Promodel Corporation, 1995: 1-11．

[10] PEGDEN C D, SHANNON R E, SADOWSKI R P．Introduction to simulation using siman [M].2nd ed．New York:McGraw-Hill, 1995: 1-5．

[11] WHITAKER D． A study of a production line in the garment industry[J]．Clothing Institute Journal, 1973,21(4): 113-120．

[12] WANG J, SCHROER B J, ZIEMKE M C．Understanding modular manufacturing in the apparel industry using simulation[C] //Proceedings of the 1991 Winter Simulation Conference. 1991: 441-447．

[13] HUNTER N A, KING R E, NUTTLE H. An apparel-supply system for QR retailing[J]． Journal of Textile Institute, 1992, 83(3): 462-471．

[14] HUNTER N A, KING R E, NUTTLE H L W． Evaluation of traditional and quick-response retailing procedures by using a stochastic simulation model[J]．Journal of Textile Institute, 1996,87(1):42-55．

[15] DONG A H, WONG W K, YEUNG K W,et al．Development of a portfolio simulation system for apparel supply chain[J]．Journal of Donghua University(English Edition),2009,26(2):207-215．

[16] 李靜一，王曉鋒．基于Kalman濾波器的服裝零售業(yè)庫存控制策略[J]．紡織學報, 2010, 31(5):131-136．

[17] 盧燕．基于無線射頻和動態(tài)補貨算法的服裝零售庫存管理[D]．上海：東華大學信息科學與技術(shù)學院,2014：29-33．

Research of a Dynamic Replenishment Algorithm Based on Simulation in Apparel Supply Chain

PANLu,LUYan,DONGAi-hua

(College of Information Science and Technology，Donghua University，Shanghai 201620，China)

Abstract:In order to improve the performance of apparel supply chain, a dynamic replenishment algorithm is put forward． Based on the algorithm, a stock simulation platform is designed．Several common inventory strategies and dynamic replenishment algorithm are simulated and evaluated on the simulation platform． Simulation results prove that the proposed dynamic replenishment algorithm can improve the customer service level and inventory turnover in apparel supply chain．

Key words:apparel supply chain; dynamic replenishment algorithm; simulation

文章編號：1671-0444(2016)02-0273-06

收稿日期：2015-01-13

基金項目：中央高?；究蒲袠I(yè)務(wù)費專項基金資助項目

作者簡介：潘璐(1992—)，女，安徽六安人，碩士研究生，研究方向為供應(yīng)鏈優(yōu)化與仿真. E-mail：panludh@126.com 董愛華(聯(lián)系人)，女，副教授，E-mail:dongaihua@dhu.edu.cn

中圖分類號：TP 13

文獻標志碼：A