供应链优化

供应链优化 (SCO) 旨在确保制造和分销供应链的最佳运行。这包括在供应链中优化库存，xxx限度地降低运营成本，包括制造成本、运输成本和分销成本。优化通常涉及使用计算机软件应用数学建模技术。它通常被认为是供应链工程的一部分，尽管后者主要关注数学建模方法，而供应链优化也可以使用基于管理的定性方法进行。

通常，供应链经理试图xxx限度地提高其制造和分销供应链的盈利能力。这可能包括诸如最大化库存投资毛利率回报 (GMROII) （平衡供应链中所有点的库存成本与客户可用性）、最小化总运营费用（运输、库存和制造）或xxx化毛利率等措施通过供应链分配的产品利润。供应链优化解决了以最低总成本和最高利润向客户交付产品的一般供应链问题，权衡库存、运输、分销和制造成本。此外，

供应链优化适用于制造和/或分销商品的所有行业，包括零售、工业产品和包装消费品 (CPG)。

经典的供应链方法一直试图通过基于历史需求和预测的未来事件应用统计趋势和最佳拟合技术来尽可能准确地预测未来的库存需求。这种方法的优点是它可以应用于在相当高的水平上聚合的数据（例如商品类别、每周、按客户组），需要适度的数据库大小和少量的操作。然后通过设置安全库存水平来管理需求的不可预测性，例如，分销商可能会持有两周的需求稳定的商品供应，但对于需求更加不稳定的商品，供应量可能会增加一倍。普遍接受的统计方法，例如标准偏差和平均xxx偏差，通常用于计算安全库存水平。

然后，使用此预测需求，创建供应链制造生产计划和分销计划，以制造和分销产品，以最低成本（或最高盈利能力）满足此预测需求。该计划通常解决以下业务问题：- 每种产品每天应生产多少？- 每个制造工厂应该生产多少每种产品？- 哪些制造厂应该为哪些仓库补充哪些产品？- 仓库补货和客户发货应该采用什么运输方式？

更快速地记录和操作大型数据库的技术能力现在催生了一种新型的供应链优化解决方案，这些解决方案能够进行更精细的预测（例如，每天每个客户的每篇文章）。一些供应商正在将最佳拟合模型应用于此数据，并应用安全库存规则，而其他供应商已开始将随机技术应用于优化问题。他们为零售客户计算每家商店的每件商品最理想的库存水平，权衡库存成本与销售预期。由此产生的优化库存水平被称为模型库存。满足模型库存水平也是需要优化的领域。因为产品的移动以满足模型库存，称为库存转移，需要在经济运输单位中，例如完整的单位装载或整车装载，必须做出一系列决定。许多现有的配送需求计划系统将数量四舍五入到最接近的完整运输单位。例如，作为经济运输单位的卡车装载需要优化系统，以确保满足轴约束和空间约束，同时能够以无损坏的方式实现装载。这通常通过继续添加时间分段要求直到负载满足某个最小重量或立方体来实现。更复杂的优化算法考虑了可堆叠性约束、装载和卸载规则、码垛逻辑、仓库效率和装载稳定性，目的是减少运输支出（xxx限度地减少“空运”）。

优化解决方案通常是公司补货系统配送需求计划的一部分或与之相关联，因此可以自动生成订单以维护模型库存概况。使用的算法与金融投资决策中使用的算法相似；这个类比非常准确，因为库存可以被认为是对预期销售回报的投资。

供应链优化可能包括在产品生命周期的各个阶段进行改进，以便以不同的方式优化新的、正在进行的和过时的项目，并适应不同类别的产品，例如季节性商品。它还应考虑经常影响全球供应链效率的风险和意外限制，包括燃料成本的突然飙升、材料短缺、飓风等自然灾害以及全球政治的不稳定。

虽然大多数软件供应商将供应链优化作为打包解决方案提供并集成到 ERP 软件中，但一些供应商作为应用服务提供商代表其客户运行软件。

首先，据称应用于供应链优化的技术在学术上是可信的。由于研究项目而创建的大多数专业公司都在学术机构或咨询公司中：他们指出研究文章、白皮书、学术顾问和行业评论来支持他们的可信度。

其次，声称这些技术在商业上是有效的。两家公司发布案例研究，展示客户如何在减少库存和降低物流成本水平方面取得显着和可衡量的收益，同时通常通过更好的可预测性和提高可用性来维持或改善客户服务。除了这些案例研究之外，已发表的数据有限，而且一些从业者不愿意公布他们成功的细节（这可能是商业敏感的），因此很难获得确凿的证据。最后，同样重要的是，独立顾问或基准显示了特定子行业的粘性和收益。

总之，供应链优化中的不同程序已达到成熟状态，并允许公司通过提高效率和可衡量的节省来获得竞争优势。

也称为直接装运，工厂直接装运 (DPS) 是一种将货物从工厂直接交付给客户的方法。同时，地理位置优越的区域中心为xxx数量的客户提供隔夜货运服务。这种交付方案降低了运输和储存成本。