认识配送中心物流信息特征

一、 配送中心物流、 资金流与信息流的相互关系

（一） 配送中心物流与资金流

配送中心运作过程中存在着物流、 资金流和信息流。 这三种流程， 有一些是交叉的， 有一些是共有的。 三种流程的共同运动， 使配送中心不断运转。 商品从供应商处运出， 商品的所有权发生了转移， 同时这一批商品从到达、 拆卸入库、储存、 出库、 拣货、 包装、 配送， 直到客户手中， 这一连串的运动就构成了物流。 在物流的同时， 配合着商品的到达、 储存、 配送， 会有一连串的付款、 收款动作， 现金的流入到流出， 就构成了所谓的资金流， 配送中心的经营， 由于固定投资庞大， 因此回收的货款、 充分地利用设备， 是维持配送中心现金周转正常的主要因素。

在商品的流动过程中， 配送中心的管理工作可以划分成三大部分， 由供应商出货到货物运到配送中心， 属采购部分， 是第一大块工作， 这部分的工作包括供应商管理、 订购管理、 保管管理及付款管理， 其目的是保证配送中心商品货源供应。 商品到货拆柜、 入库、 储位管理、 加工管理、 拣货到包装完成准备出货， 这些作业是配送中心内的基本工作， 这是第二大块工作， 此外将订单排序， 满足客户所要求的品相与数量， 也属于这块工作中的内容。 商品包装好了之后， 按照客户所在地点或指定地点， 将商品送达客户手中， 如果有问题时就要及时处理， 这是配送中心发货或是配货工作， 是配送中心的第三大块工作， 工作的主要内容有客户管理、 订单管理、 配送管理、 回收管理、 收款管理与客户投诉处理。 配送中心所划分出来的各个作业单位， 都是管理商品移动的一部分， 因此作业协调得好坏， 直接影响到配送中心营运的效率与竞争力， 各项作业除了要维持物流的顺畅外， 更要考虑时间的因素， 如何缩短动线的长度、 减少处理时间， 是对每个配送中心最大的挑战。

（二） 配送中心物流与信息流

在物流与资金流运转的同时， 还有信息流。 信息流是指适时、 准确、 快速地由控制点输入信息， 经过处理分类后， 再适时、 准确、 快速地送达信息需要的地方。 在配送中心的运作中， 物流与资金流运转的基础， 其实就是一套有效的管理信息系统。 从商品的订购开始， 订购部门就需准确地知道现有的库存量， 已订购数量及预测客户需求的速率， 这样才能以最小的库存量来满足客户， 任何作业点的信息不足或错误， 都会造成积压库存或是缺货。 在储存管理方面， 更是不能缺少信息， 从商品入库就需明确地指示每个栈板的存放位置， 出货前需要知道每种商品本次拣货的总需求量和目前货架上尚有的数量， 以便计算出需要补货的品项与数量， 否则拣货时遇有缺货， 就会大大减低出货的效率。 在配售方面， 业务员在接受客户订单时， 必须立即清查手中尚余数量， 以确定是否可满足客户的需求， 若有缺货， 要立即告知客户， 何时会有货、 何时可送达。 这些动态的经营管理运作的指令， 都需要有效的信息系统支援。

配送中心运作得顺畅与否， 取决于信息流是否能有效运行。 配送中心所处理的商品， 少则数百项， 多则数千项， 其信息的传送， 靠人工和表单是绝不可能的事， 所以在配送中心的规划中， 一个合理、 完整而有效的信息系统规划， 是绝对必要的。 未来配送中心的竞争， 就是建立在信息系统之上的。

配送中心信息流的处理， 远比物流与资金流的处理来得困难、 复杂。 物流与资金流的运转是有实体可依循的， 而信息流的处理比较抽象， 也没有明确的指标可以衡量一个信息系统的好坏， 而在物流与资金流衡量中却有许多指标， 如存货周转率、 储位利用率、 账款回收时间等， 可以用这些指标来比较流程的有效程度。 在信息流方面， 各个公司处理方式都不相同， 什么是好的信息系统， 没有明确的定义， 勉强找出一些指标， 如信息错误率、 当概率等， 也不能完全表示出信息系统的绩效； 同时信息流的处理， 还有一个较困难之处是当系统软硬件选定、开发、 上线后， 如果有错误， 调整、 修改也比较困难， 因为信息系统的运作牵涉人员的训练、 处理的习惯、 各单位间的配合， 所以必须事先做好信息系统的规划。

二、 配送中心物流信息的特性

各个不同业态的信息系统都有不同的特性， 如证券交易所的信息系统对可靠性的要求就非常高； 银行的信息系统则对可靠性及当机率的恢复性要求严格， 绝对不能漏失任何一笔交易。 配送中心的信息系统也是同样。 在流通业， 基本上是以服务客户为主的行业， 对本身各项商品状态的掌握与客户需求信息的提供， 都是首要考虑的因素。 一般而言， 物流业的信息系统， 具有下列特性。

（一） 信息收集的密集性

在配送中心， 商品的移动与处理， 每一步骤都要有记录， 这也就是前面所说的控制点。 如大家熟知的DHL或Federal Express， 自收件后就通过条码一路记载其位置状态， 任何时间客户询问都可回答出物品在何处、 何时可送到， 而不是仅知道在递送中， 配送中心的营运也是如此。 信息系统应能追踪每张订单目前的处理状态、 货品还需要的处理时间， 以便回答客户的询问， 并精确地掌控送货时间， 以满足客户的需求。

（二） 信息的详细性

在配送中心的日常运营中， 各个管理阶层都需要详细的信息来做决策， 不像大多数信息系统仅对高层管理人员提供完整的信息， 如银行各分行对总行仅提供存放款总额， 总行各阶层管理者不需要知道分行中各户头的进出情况。 可是在配送中心绝大多数的情形下， 管理各阶层都需要了解到底哪种商品缺货， 或是哪条路线送货延误， 哪个客户的订单有投诉， 知道了真正的原因后， 才能采取改善的措施。 对于每个客户而言， 每个项目、 每张订单都很重要。 所以配送中心完整的信息如储位空间比率、24小时订单运送率等， 是在分析长期经营策略时才有用，平时更多的是需要提供详细的信息。

（三） 信息的动态性

配送中心的信息系统除了提供各种商品的库存量、 配送时间、 价格、 已订购商品等信息外， 最主要的功能是随着营运状态的变化， 随时提供最新的信息。 例如接订单时， 掌握了库存信息后， 还需扣除已接受但尚未到货的数量， 再加上下批次拣货前可能的到货数量， 这样才能决定是否有足够的数量满足新订单需求。当然最好还能预估下批次拣货的时间、 总重量与数量， 检查配送车辆的载运能力是否能满足要求， 计算出订单的可能送货时间， 甚至通过无线电话或是全球定位系统随时掌控每辆货车的位置， 这种高度动态性的要求并非一般管理信息系统所需要的， 但在配送中心这正是为客户提供完整而及时的服务的关键所在。

（四） 数学模型的使用

一般的信息系统通常仅将交易资料做成一些报表， 很少在作业研究上用到数学模型， 如线性规划、 动态规划、 最佳路径、 系统模拟等， 但这些模型对配送中心的日常营运却十分有用。 例如， 储位管理中提到每一商品栈板的摆放位置， 需要考虑该项商品客户需求的频率。 日常需要的应放置于靠近出口处， 希望能在长时间运转下， 吊车取货的平均行走距离或取货时间最短。 但因商品不停地进出，订单到达与需求量都是随机的， 所以必须有数学模型来统计分析目前的状态， 以决定每一商品栈板的最佳摆放位置， 碰上商品数目变更， 或订单状态改变， 还需要不停地调整。 其他的如拣货时间的预估、 各订单包装材料的预估、 配送车辆路线的弹性调度， 都不是人力可以判断的。 借助良好的数学模型与电脑快速的计算能力， 就可以减少误差。 数学模型的建立与使用， 是配送中心信息系统中能够直接支援第一线决策， 达到提升效率的重要手段， 这与一般信息系统在决策支援高层管理时才使用模型预测与分析是不同的。 了解了配送中心信息系统的特性后，在信息系统的规划、 开发与上线， 甚至维护上， 就可以做较为安全的设计。

案例

配送计划建模软件

做销售预测， 嘉实多既不倚重人的主观经验， 也不过多凭借信息系统， 而是有一套环环相扣的计划机制。 在过去的一个多世纪， 嘉实多润滑油在行业内的领先地位是不可撼动的。 它生产和研发的尖端产品在经历F1赛场的检验之后， 再回归民用， 当这些竞赛等级的润滑油用于日常的机车运行时， 产品的卓越品质已自不待言。 但是客户对嘉实多还是有怨言， 因为公司在供应链方面的表现远不能与其产品相匹配： 一方面， 经常的缺货和拖沓的配送削弱了客户对其产品的满意程度； 另一方面， 过剩的库存长久以来也让嘉实多的物流经理伤透脑筋。

嘉实多欧洲地区物流经理Alesandro Tenaglia说： “客户调查显示， 客户最头疼的问题之一就是库存不足。 很多时候， 他们订10个单位的货， 而我们能马上发货的只有5个单位， 从其他库里调配2个单位， 再从工厂补足另外3个单位。这种情况对客户和我们都不是好事， 不能一次而是分三次发齐， 肯定会让客户不满， 不得不安排的紧急运输也加大了我们的成本。 最让人生气的是， 我们的库存不足只是在某些产品， 很多时候我们的产品库存是过剩的。” 掌握客户需求， 从而确定一个合理库存， 并以此更好地满足客户， 同时实现最经济的产品周转， 这个道理虽然不难理解， 但它确实就像Tenaglia所说， 这是供应链管理中一个经典难题， 要理清问题的千头万绪不是一件容易的事情。

Tenaglia说： “这些数据只是使我们的生产具备了一定的反应能力。 但是我们有太多的工厂、 太多的仓库， 如果我们不能提前做好所有计划， 就不能有效‘减肥’。 我们真正要做的是提高对市场需求的理解能力， 改善销售和生产两个部门的沟通， 以及生产部门、 采购部门和分拨中心的沟通。”

理顺内部的改革思路之后， 第二步是借助外力。 嘉实多安装的是阿姆斯特丹Tools Group公司的库存优化软件， 名为DPM （配送计划建模软件）。 Tenaglia知道技术只是解决方案的因素之一， 在了解了软件的功能之后， 嘉实多开始了硬件组织的改变——创建供应链计划部门， 把这个部门完全从原来的执行层面中分离出来。

第三步的工作是对人的旧有思维方式的改造， 这是一项长期的挑战， 这步工作如果做得不到位， 前两项的努力也就毫无意义了。 这个阶段， Tenaglia要做的是要求销售部门今后做销售预测时， 要学会使用DPM这个工具。 工具的分析结果将替代个人的判断， 而个人的经验和智慧将退居二位， 成为改进和提高统计预测准确性的补充。

服务和库存的平衡点是新成立的计划部门的第一项工作， 同时也是一项优先权。 就是负责改进每一个SKU安全库存的算法， 以满足客服水平和库存需求水平两方面的协调一致。 首先， 计划部门必须决定哪个货种是为了库存而生产， 哪个是为了订单而生产。 然后运用DPM软件， 把为库存而生产的货种分为三个等级： A级、 B级和C级， 而每一个等级的货种背后附带的是特定服务。 Tenaglia说： “当A级服务水平达到99％时， 意味着每100个A级货种中有99个是必须提供A级服务的， 仓库里必须常有备货， 只有一个订单的货种不能马上提货， 或是必须等待库存被再次补充时才会有货。” 也就是说， 高等级的货种越多， 就需要更多的库存来支持它。 DPM使用特有的运算法则来平衡最优化库存和特定服务等级之间的关系， 它是通过在最优化服务水平和最小化另外一个假设因素之间取一个标准值来实现的， Tenaglia说： “这个假设因素可以是库存的成本， 或是仓库的空间或是收益等。”

这样复杂的算法仅凭经验和手工是无法做到的， Tenaglia说： “DPM能帮助我们细分货种， 哪些是战略上的需要考虑给予高水平服务的， 哪些是客户可以接受断货情况， 可以考虑适当降低服务水准的。” 他说， “我们会因此节省出大量的库存空间， 那些销得慢的货种会适当撤出仓库， 而那些销得很快的货种则保证不会出现断货局面。” 关注结果如果具备量化服务成本的能力， 那么很多决定就会变得容易得多。 相反， 如果不能正确对待成本和服务之间的内在联系， 在决定对待不同产品和不同客户应该采取何种水平的服务时， 必定会掺杂进很多主观因素， 影响结果的正确性。 很多公司在做决定时的情形多类似于后者， 嘉实多曾经也是这样。

因此， 在计划制订出来并被执行之前， Tenaglia要求其结果一定要被不断测试和论证， 同时不断调整和改进计划， 测试和调整的过程是通过Tools Group的系统来实现的。 过去， 当计划和执行部门的意见相左导致局面混乱时， 相关人员就会很容易忘掉大的原则和目标， 为摆脱当时的困境急得团团转， 不惜代价地去补救。 而事后， 人们大多会想到要重新制订生产计划， 而很少会重新审视这个系统， 去修正事故产品从订货到交货时间之间每一步运作的精确性。 其结果就是这个系统的仿真精确度降低， 系统的作用也大打折扣， 系统因为并非自身的原因变得越来越不可靠， 而人们开始重新依赖人和个人的判断。 Tenaglia说： “这是一个怪圈， 很容易陷进去却很难出来。” 解决这个问题的办法是事前作为， 不要等到陷入之后再去就系统的可行性展开辩论。

首先， 将计划和执行两个部门区分开， 两个部门对如何才能使系统最精确地预测结果负相应的责任。 除了人为因素， 另外一个影响市场需求预测结果精准程度的是形形色色的促销活动， 促销会对某个时间段、 某个地区的市场需求带来冲击。 基本上， 市场对润滑油的需求是比较平稳的， 但嘉实多在欧洲所有国家和地区的销售部门经常通过促销活动以提高销售额， 这样的促销活动每年都有数十次之多， 使得对货量需求的预测变得极其复杂和困难。 “预测促销行为带来的影响并不是嘉实多在和Tools Group谈合同时提出的条件， 但Tools Group在为嘉实多设计系统时， 还是把这个情况考虑进去了。” Tenaglia说， “DPM系统中就有为某种产品在每年某时段、 某种类型促销中的销售情况的建模功能。” DPM类似的功能可以实现通过对造成市场需求波动较大的因素进行分析， 从而改善预测能力，提高计划的成功率。 “我们的系统不仅仅是给出一个预测数据，” Tools Group的营销副总裁Jeff Bodenstab说， “它实际上能根据一系列结果， 测算出某种机会可能出现的概率。” 比如说对订单频率的预测。 对订单频率的准确预测有助于减轻和消除销售旺季的忙乱情况， Bodenstab举了一个汽车轮胎的简单例子： “假设某个销售点每四个月就会接到一个定购四个轮胎的订单。 一般而言， 这个需求预测的结果会被视为每个月一个轮胎。 但我们的系统预测的结果更侧重于订单的频率， 根据它分析的结果， 该销售点在某个时间段存储的轮胎就会是多于四个而不会是一个， 不会发生缺货的情况。” 这种情况对于那些碰巧了解这个订单情况的销售人员来说很好理解， 但在现实世界里， 需要管理的是成千上万的具有不同特点的SKU， 某些货种是小订单， 某些是大批订货——靠人力去跟踪所有订单的情况是不可能的。 但如果了解某个货种的订单频率， 就能调整库存目标以更好地适应订单， 也就是说， 并不一定需要增加库存就能实现更高级的服务水平。 计划是嘉实多重整供应链的关键， 而预测的能力则是计划成功的前提， Tenaglia说对嘉实多预测能力影响最大的是引进了DPM： “它能以SKU为单位做出今后18个月销售预测， 使嘉实多的计划真正告别了手工作业。 解放出来的人力可以去完成更多有价值的事情。” DPM前期项目启动后， 嘉实多的库存利用率得到了极大的提高。 Tenaglia说： “头一年库存减少了20％， 第二年又节省了20％。 大部分节省的库存是在原材料部分的原油、 添加剂、 标签和包装物。 生产计划一旦能平稳运行起来， 往日原材料堆积如山的场面就再也见不到了。” 在重整供应链这个过程中， 借助外力固然重要， 但要达到理想的状态还是要倚重自己的专家队伍， 这是嘉实多总结出来的经验。 打造一个核心专业团队是一项长期的工作， 而且成本很高， 但效果是很好的。 Tenaglia说： “熟悉企业业务特点的技术力量， 可以更深入、 更灵活地运用整个系统， 使之更好地服务企业的业务。 建立一支由自己人组成的技术团队是成功的关键。 当然， 对这个团队的管理， 是要求有专业技巧的，否则一旦出现人才流失的状况， 公司会很被动， 金钱上有损失， 业务也会受到影响。”

第二轮挑战开始， 人员的变动并不是DPM项目执行的唯一难题， 在项目实施的过程中， 嘉实多碰到的一个最大难题出现在2000年7月， 它被BP收购了。由于是被收购的一方， 所以不可能将自身的运作原则强加给对方。 在被收购的头几年， 嘉实多的DPM计划实际上是被搁置了， 直到BP方面开始理解嘉实多为什么一再强调销售和生产的计划性。 随着和BP达成共识， DPM项目的投入和实施进入了第二次高潮， 系统的使用范围进一步扩大， 嘉实多在欧洲和南美25个国家的29个安装系统上使用Tools Group的解决方案。 在这个阶段， 嘉实多对供应链改造的要求提高了， 如果前一阶段强调的是要有计划的意识， 那么在第二阶段则是强调计划的能力。 这是一项挑战， 尤其是当检验的范围被扩大到全球时。 当各分部关于订单的履行报告送达总部时， Tenaglia总能看到99％的订单处理是被高质量且按时完成的。 Tenaglia说： “但这是不可能的， 我相信任何一个分部的断货记录要比日历还厚。” 嘉实多在欧洲20个国家有业务分支， 使用的ERP系统多达10个版本。 “当我向这些部门征询一个KPI时， 即使我的要求被描述得非常严谨精确， 但还是很难得到相同的结果。 在系统语言相互沟通的方面， 我们还有很多工作要做。” 在一次测试中， Tenaglia要求嘉实多在8个不同国家分部的经理根据同一个原始数据用全球通用的公式计算出预测数据， 他得到了8种答案。虽然这个公式很简单， 但由于每个人做事的方式和习惯有所不同， 有的人不喜欢小数点后面跟着一连串数字干脆就化零为整， 有的人认为测试的货种是需要特殊处理， 有的人则认为不同的业务需要区别对待等。 Tenaglia说： “系统的功能往往取决于使用者是否严格执行工作流程。” 目前， 嘉实多公司正在开发一套新的KPI， 它将能更好地反映流程过程。 Tenaglia认为， 预测的精确性取决于三个因素： 需求的可变性， 这是企业不能控制的； 市场人员在深入了解促销、 价格变化和竞争性活动对市场的影响之后， 所具备的预测能力； 产品本身的复杂性。 “我们尝试在每一种上述变化的情况下计算出KPI。 但是， 我们在衡量相关员工的能力时， 并不以预测的准确度为标准， 而是以提高统计预测的能力为标准。” 当企业用KPI作为衡量员工业绩的标准之一时， 它有可能会产生负面作用。 “因为，相对于公司的业绩而言， 人们更关心自己的业绩情况。”