一、核心概念与挑战
配件供应链计划是只为了支持产品（主机）的售后服务、维修、促销等活动，而对备用零件、组件和耗材进行的需求预测、库存规划、补货与配送等一系列管理活动。
1.1、传统主机生产供应链的对比与挑战
|-------|---------------|-------------------------|----------------------------|
| 维度 | 主机（生产）供应链 | 配件供应链 | 挑战 |
| 需求驱动 | 预测+订单，相对连续、稳定 | 高度不确定，间歇性、随机性（坏时才需） | 难以使用传统预测模型，存在大量"慢流件"和"不动件" |
| 需求模式 | 平滑、可预测，有趋势 | "块状"需求，可能突然来一大批，然后长期为零 | 经典的正态分布需求假设很难起作用 |
| 产品SKU | 相对较少 | 海量SKU（成千上万，甚至百万级），生命周期长 | 管理复杂度呈指数级增加，需要对物料进行分类策略管理 |
| 服务目标 | 成本、效率、交互周期 | 服务水平（现货满足率），如95% | 基于不良数据的计划的效果很小，数据清洗和治理非常重要 |
二、配件供应链计划的核心流程
一个成熟的配件计划体系需要有一个闭环管理流程，核心工作流与决策点如下如所示
步骤一：需求预测
这是所有计划的基石，也是最困难的一步。
1、数据准备与清洗
-
- 收集内部历史消耗数据：包括销售、促销、报废等数据；
- 收集影响因子：设备台套数，故障率（MTBF）,生命周期，其他如天气之类的因子等数据。
2、算法计算需求预测
至少需要计算一个周期范围内的需求预测，需求预测计算算法分为常用的时序预测模型如移动平均、加权平均、指数平滑等和高阶算法arima自动指数平滑、间歇性需求预测等算法。
步骤二：分类
ABC分类：一半按照资金占用成本或者需求价值分类
-
- A类：高价值（~20%SKU，占用~80%的价值）二八定律
- B类：中价值
- C类：低价值
XYZ分类：按需求频次（波动）分类
-
- X类：需求稳定，易预测
- Y类：需求波动大，频次不稳定
- Z类：需求不稳定，极难预测
ABC与XYZ进行组合分析:
形成一个矩阵，对不同类型的配件才去不用的预测算法结果和配置不同的库存策略，例如，AX类采用时序预测算法即可满足比较精准的预测与连续补货，CZ类配件可能就采用简单的打底库存策略和上限控制需求。
预测模型选择
-
- 快流件（AX，AY）：使用时序预测算法，如指数平滑等
- 中慢流件（BY，CY）：使用专门针对间歇需求预测的模型，如TSB方法等
- 不动件/新品件：使用简单库存策略等
当然，在实际的业务场景来说，快流件、中慢流件、不动件、新品一般都是基于历史销售记录来定义，不同领域不同场景可能定义不一致。比如说传统制造业中：快流件可能定义最近12个月内动销频率达到10以上，中流件5-10，慢流件1-4，不动件最近没有动销之类的定义。
步骤三：库存策略与优化
确定每个配件在每个库存节点（中央仓、区域仓、本地仓）应保持多少库存水位。具体计算逻辑可以参考另一篇文章
1、选择库存策略
根据物料在不同地区的一个销量数据和预测数据，选择不同预测库存策略，包括（打底库存、控制库存、目标平衡、保供优先）等策略。
2、设定服务Level目标
定义物料在不停地区的一个可接受的现货满足率，这个目标应该按照配件的不同重要性进行分级设定，比如重要配件的满足率95%，此等级85%，依次递减的方式设置
3、计算库存参数
-
- 库存限制：如最大最小库存水位
- 安全库存：用于需求波动和供应不确定性
- 再订货点（rop）：当库存水位低于此点时，触发补货
- 目标库存：这是补货建议需要达到的库存水位
步骤四：补货计划
将库存策略转化为具体的补货计划，并执行补货操作。
1、生成补货建议
系统每天执行一次，检查所有配件的库存水位（综合物料的进销存数据，在途、在库、延交等数据）
当补货日的库存位置低于再订货点时，自动生成补货建议，补货建议数量为：目标库存与现有库存水位数据的综合差值
2、补货来源决策
配件一般是两种补货来源，向上发补货需求，或者向周边发调拨申请
这需要综合交付及时率，运输成本，清关政策等等多方面去选择
3、异常处理情况
计划员需要审核系统的建议，处理异常情况。如突发的的需求、供应商延迟、质量问题、促销或者其他异常场景时，需要提供异常补货建议的处理与审核机制。
步骤五：盘点与反馈
盘点：呆滞/冗余库存盘点
考核：现货满足率与交付及时率
分析库存与缺货原因，反馈是预测数据不准，还是库存策略设置不合理等等，反向调整预测模型和库存策略设置参数。