叶京生 | 需求驱动的补货模式

需求驱动的方法根植于丰田公司半个世纪前证明的看板逻辑，通过颠倒流动来回答这个问题。根据每件物料实际需求波动性设计的动态库存缓冲区，吸收传统预测方法未能成功消除的波动性，日常补货由真实需求驱动，按照需求消耗的库存“出货几个补几个”，补货与需求形成强相关性，而不是根据几周前不准确的预测补货。

预测的作用转变为评估性，而非指令性，变成企业测试他们配置的运营模式是否适合应对业务指标的工具。

需求驱动补货DDR（Demand Driven Replenishment）模式的关键是设置动态缓冲区，缓冲区由红色、黄色和绿色三个区域组成，红色区域用来处理需求和交货的波动性；黄色是保证交货期的需求量；绿色则是订货周期内的需求量，或最小订货量。与三箱模型的区别在于，动态缓冲区不是一次计算形成，而是随着需求和交货的波动而动态调整。

举例来说，补货中最重要的时间窗口是补货周期，即订货间隔和交货时间之和。假设企业的补货周期为10天，某种零件每天平均需求量为5件，那么动态缓冲区绿色和黄色区域之和就是50件，考虑到95%可用性的安全库存（红色区域）也是10天需求量，则动态缓冲区的初始设置是20天需求量（100件），这足以保证：

1. 95%的概率条件下的零件可用性；

2. 补货量就是上次补货后出库量之和；

3. 在补货周期内恢复缓冲区水位，确保不缺货。

图1：需求驱动的补货模型

图1 是根据某代理商一年中实际需求数据和需求驱动补货模式进行的仿真。对比图左边的周需求曲线与右边的周补货曲线，二者的区别在于：当库存水位处于绿色区域时，说明库存仍充足无需补货，这保证了库存量不会过高，又能满足实际需求，补货与需求同步，由实际需求触发，而非基于预测。

DDR方法唯一需要做的就是保证服务水平的前提下，尽量最小化动态缓冲区，从而把补货从基于预测的推式系统，变成基于需求的拉式系统，完全改变补货模式。

如果企业有某种零件每周（天）的历史需求数据，就可以使用DDR方法仿真计算能实现的服务水平、平均库存水位和库存周转率等，与实际运营结果比较可以得出改善的效果，与其它算法比较可以不同方法的优劣，以便选择更适合的算法。仿真算法是一种强大的工具，帮助企业评估库存规划软件。

图2：用DDR模式10年间库存仿真结果

图2是用需求驱动补货模式，根据某种零件10年间需求历史数据的仿真结果，补货周期3周，平均库存水位96件，零件满足率（Fill-Rate）为96.4%，库存周转率28.3次/年，与《干货 | 库存算法应用比较（上）》的结果比较，效果更好。

动态缓冲区内的三个区域会根据需求变化而自动调整，以便吸收更高的波动性，让补货机制更符合实际需求。“大致正确总比精确的错误更好”，正是停止追求预测准确性的原因，额外预测精度带来的增量库存收益有限。

这里的杠杆不是预测引擎，而是补货机制：缓冲区的位置、大小、补货触发条件、对比测试，以及当库存变化时企业的反应。当库存水位下降时，只要在补货周期内及时恢复库存水位，就能避免缺货，实现库存规划的目标。由于缓冲区是根据补货机制精确计算的，确保了库存水位最小化，避免了过剩库存风险。

需求驱动补货模式的关键，不是“预测有多准确”，而是“如何确保库存能满足实际需求，同时以最小的营运资金实现？”

三箱库存模型补货至缓冲区上限，安全系数更高，而需求驱动补货模式则是“出货几个补几个”，实际库存水位比三箱模型低很多，同时保持了库存可用性。不久前，当我谈到需求驱动的库存规划时，有读者留言：“发一补一是很难做到的。”明明知道发一补一是理想的结果，“不可能实现”的想法却限制了我们创造力。

研究服务后市场配件库存规划十几年后，我终于明白：做好配件库存规划必须放弃预测驱动的规划模式。看来，配件库存规划的方法需要改变，我的配件库存规划培训讲义和算法也需要重写了。