宝洁的库存管理变革 打造灵活供应链 _ 工业工程网
宝洁难题这边厢库存堆积，那边厢产品脱销。解决：打造灵活应变、顾客导向的供应链。
对绝大部分公司来说，分销体系中的大量库存都是个令人头疼的问题，因为它占用了巨大的流动资金。对于宝洁（P&G）来说，这意味着38亿美元的成本。
小修小补不足以为库存问题提供突破性的解决方法，为此，宝洁在咨询公司BiosGroup的帮助下，找到了更为激进的方法，打造了一个灵活性和适应性更高、以顾客为中心的供应网络。
几年前，有两个数字让宝洁的高层寝食难安。一个是库存数据：在宝洁的分销体系中，有价值38亿美元的库存。另一个是脱销量。在零售店或折扣店中最重要的2,000种商品中，任何时刻都有11%的商品脱销。宝洁的产品在其中占有相当的比重。有时没找到所需商品的客户会推迟购买，但很多客户会买别的品牌或干脆什么都不买。
令人不解的是，系统中的大量库存并未降低脱销量。事实上，货架上脱销的商品常常堆积在仓库中。虽然库存系统表明有货，库存管理人员却无法找到佳洁士牙膏或Charmin纸巾的包装箱。库存堆积如山，而顾客却经常买不到宝洁的产品。
虽然尽了很大努力，公司尝试过的对策都无法永久地改变这一矛盾。于是，宝洁的经理们开始探索更激进的、突破性的解决方法。宝洁定下了目标：在不恶化脱销问题的前提下，减少10亿美元库存。
这是在三年前的故事。去年，宝洁的库存成本下降了，并预期今年会进一步下降6亿美元。不仅如此，宝洁在通往动态生产、规划和供应系统的道路上更进了一步，离成为具有适应性的企业的目标也越来越近了。如果说宝洁过去采取的是"批量"流程，生产周期很长并造成库存堆积，新的宝洁则更趋向于根据需求来生产。
合作：寻求适应性
几年前，宝洁的经理人花三天时间拜访了好几个公司，接触研究人员和咨询顾问，寻求供应链管理中最近的创新。其中一个公司是BiosGroup，这是一家利用新科技解决复杂商业问题的咨询及软件开发公司。刘易斯（John Lewis）是当时宝洁的物流副总裁，他很欣赏BiosGroup的合伙创始人、理论生物学家考夫曼（Stuart Kauffman）所著的《宇宙为家》一书。在此书中，考夫曼研究了类混沌状态的生物领域中的"自组织"的潜在原则，并探讨了如何将这些原则应用在{词语被屏蔽}的领域（从进化论的观点来说，自组织是指一个系统在遗传、变异和优胜劣汰机制的作用下，组织结构和运行模式不断地自我完善，从而不断提高其对于环境的适应能力的过程---编者注）。
BiosGroup将供应链看作复杂的适应性系统，并在这方面进行了领先的探索。他们的一个专长领域是创建电脑模型，证明企业如何模仿自然界的自组织，分析各种刺激源如何影响这些模型，并提出战略手段提高企业的效率。
急剧变化的环境要求宝洁公司的管理层变得更加敏捷、快速和高效，公司意识到，必须拥有更加具有适应性的供应链。而现有的做法无法缩短订货至发货的循环周期，削减不必要的安全存货（safety inventory，是指公司为了避免供应短缺而保留在手上的超出定购量的库存），并且向快速流通配送（flow-through）的方向转变。
传统的供应链管理方法无法降低库存，而BiosGroup则可能帮助宝洁做到这一点，为此宝洁要求BiosGroup将库存减少50%。
以往的供应链管理软件提供了允许企业规划和管理产品流动、设计运输网络并安排生产的方案，BiosGroup的解决方案却大相径庭。该公司的研究人员创建了一个模型，形象地描绘了虚拟世界里产品在系统中的流动。通过创建和操纵这一虚拟世界，BiosGroup和宝洁能比以前更准确地测量各种需求变化和分销决策的影响。
建模：模拟供应链
为了模拟宝洁的供应链，BiosGroup运用了被称为"基于供应链实体（agent）的建模"技术。在模型建立的过程中，小的软件模块代表了系统中各种实体组成部分。一个实体代表生产线，{词语被屏蔽}实体则代表货车、仓库、客户和消费者。BiosGroup首先为去头屑洗发水产品建立了运输和后勤模型。
模型代表了一个理想的情形，其中的消费者每天都在同样的商店购物，每次购买一瓶洗发水，支付同样的价格。在这个理想世界中，每件事情都有条不紊地平稳发展着，供应链就像瑞士手表一般以精确和可预测的方式工作。BiosGroup公司将这种效率称为"层流（Laminar Flow）"---这是一个流体力学的术语，物理学的这个分支研究的是水和{词语被屏蔽}液体的运动和作用。
为了更好地理解层流的概念，请想象一条安静的河流，没有激流或瀑布，一切都平稳地向前流动。而如果是"湍流"，水的流动就很难预料，要么突然停止，或者发生{词语被屏蔽}改变。如果它停止，就像一个划独木舟的人突然被困在漩涡中。商业上类似的情况则是存货在仓库中堆积。层流可以防止堆积；在任何时候，一切都流畅地移动。纯粹的层流在供应链中是不可能实现的，但它可以作为一个目标。
在创建了在消费者方面没有不稳定状况的理想模型后，BiosGroup开始引入不稳定性，并测量其影响。这被称为"基于事件的模拟器"，这些模型是根据消费者行为的概率分布（比如他们何时购物、购买多少）以及货架的状态（即产品是否脱销）来建立的。
该模拟器也来自特别促销活动的概率分布：当产品为通常价格时，一个消费者会买一个产品，而当产品是特价时，他可能购买两到三个。BiosGroup也考虑了在宝洁洗发水脱销时，消费者购买竞争对手的产品的可能性等等，力图把握供给和需求的复杂性。
当模型中加入了真实世界的不稳定性，BiosGroup便能测量，当宝洁变动供应链的各部分，整个系统会如何表现。该项目团队进行了数千次模拟，希望向宝洁展示，应如何做出改善，以求变得更有效率并将存货成本减半。
突破：惯例的束缚
项目中一个主要的关注领域是，宝洁在零售合作伙伴买进整车商品时给予折价的做法。定价政策基于一个很简单的问题：如何优化运输成本。道理是显而易见的，只要把货车装满就能用最少的车辆来运送货物。因此，为了减少成本，货车应完全装满，并应采取价格刺激来鼓励客户购买整车数量的商品。
然而，这一政策有重要的缺陷。宝洁的客户经常推迟订货，直到他们能购买整车货物，甚至因此导致脱销也在所不惜。也就是说，宝洁从不为不到满车的货品提供折扣。最后宝洁认识到，这种不灵活的做法事实上既损害了宝洁自身，又对客户不利。
于是，BiosGroup分析了如果宝洁在装车要求上灵活处理时会发生什么情况。结果清楚地表明，当客户必须遵守严格的规则---即必须订购整车货品时，他们承担了高于其需求的存货，因为他们倾向于把需求量"化零为整"之后再下订单。这一多余的存货导致两个主要问题。
一是产品老化：如果渠道中有太多库存，客户必须在市场营销周期的末尾从零售商处回收，而增加的产品处理导致更多的货物受损。此外，与通常的逻辑相反，多余的库存事实上导致产品难以获得，因为零售商的库存空间有限，而产品如果淹没在拥挤的仓库中就更难找到了。
BiosGroup咨询公司还发现，像沃尔格林（Walgreens，美国著名零售商）或者Safeway（英国著名零售商）这样的客户，当它们每次不得不等待订货量的累积以便装满货车时，宝洁都丢失了一些重要的数据，它无法得知真正的需求。此外，客户可能将订货推迟到真正需要进货时，从而造成脱销状况。要求客户大量订货的政策在减少运输成本方面有帮助，但它却阻碍了供应链的{词语被屏蔽}部分。
研究表明，如果宝洁允许客户更及时地订货，并且稍微放松有关满车的**，会产生令人惊讶的效果。虽然宝洁将不得不让并未装满的货车发货，并因此大幅增加运输成本，但允许火车只装满95%时，将把系统的总体不稳定性降低30%之多。宝洁的建模工作使得公司对此问题的看法来了个180度的大转弯，从要求满车装载到认识到不将货车装满的好处。
另一个分析领域是后期分销。在后期分销流程中，商店每晚检查其存货，每天将需求发送到总部。如果商店经理在一周的开始阶段发现卖出了三瓶潘婷洗发水，他便将订单发送给总部，总部将订单转送到宝洁---但这一产品从分销体系中返回要花7到10天。
很多零售商在商品到达分销中心时会严格按照商店的订货量装运。但那时数据可能已经是10天前的，商店处于与其在订货时完全不同的存货状况。因此BiosGroup分析了如果送货车到达城里的所有零售商，从库存过多的商店装货送到库存不足的商店时的情形。
这就像小镇里拥有两三家店面的杂货店，商品每周送一次，员工开着卡车在店面间来回平衡库存。现在，有了能提供先进的透明度的软件和流动性良好的分销中心，就能向着按需运送而不是按订单运送的理想状况靠近。
解决：顾客导向，按需生产
在BiosGroup建模的基础上，宝洁开始建立消费者驱动的供应网络。"顾客驱动"这一称呼本身就反映了宝洁进行了重大的重新定位。首先，现在供应链始于消费者而非供应者。宝洁所做的一切都是为了满足消费者需求，因此"供应链"的称呼其实是措词不当的；宝洁的新流程并非围绕供应方，并且也非链状。"链"意味着长时间的按顺序的交接，对于这一流程，这恰恰是错误的术语。而宝洁正在建造的，是能灵活改变、快速适应的网络。
宝洁通过与BiosGroup共同工作，正在建立有着多个组成部分的系统，并正在开始采取以下的举措：
建立实时需求启动装置。例如，可以从零售商的条码扫描器上直接获取销售点的信息。宝洁 这个要关注一哈哈 你们觉得楼主有我萌吗？`(*∩_∩*)′ 加油！加油~ 求粉~好人一生平安 其实我是奉吧主大人之命来顶贴的... 学习了，谢谢分享 不要看不起我... 我是个好孩子 谁陪我一起水咩？？？ 尼玛甚是无聊啊