来讨论一下spare parts logistics

supivan

的确，原来列算过一个公式：
1、对于可以维修的备件
其年采购量=上年与本年预计单位时间发货量的差值(个/月)*周转周期+维修损耗+其他损耗

周转周期=在途周期+在库周期+维修周期

Re:对于可维修类不同时期的返修量是不一样的；而且还有个保固期的问题，感觉每年的差异会很大，而且准备备件也不可能准备一年，那样库存就爆了啊

2、对于不可维修的备件
其年采购量=单位时间发货量(个/月)*12

单纯以发货量来考量也是个办法，但量会很大啊，同样遇到要平衡库存的问题

miaorun

最初由 supivan 发布
[B]的确，原来列算过一个公式：
1、对于可以维修的备件
其年采购量=上年与本年预计单位时间发货量的差值(个/月)*周转周期+维修损耗+其他损耗

周转周期=在途周期+在库周期+维修周期

Re:对于可维修类不同时期的返修量是不一样的；而且还有个保固期的问题，感觉每年的差异会很大，而且准备备件也不可能准备一年，那样库存就爆了啊

2、对于不可维修的备件
其年采购量=单位时间发货量(个/月)*12

单纯以发货量来考量也是个办法，但量会很大啊，同样遇到要平衡库存的问题 [/B]

所以，这公式不是做库存计划用滴，是预估成本用地。

miaorun

最初由 gere 发布
[B]


最早研究备件物流的大牛来自兰德公司的科学家，他提出了Metric
模型——备件物流中最为经典的多级库存模型，但是它的研究对象是美国空军的备件物流体系，所以其中的
许多特性与日常耐用消费品（如汽车、家用电器、IT等）是不同的，我只是提供这样的参考意见而已，并非要求所有的搞备件物流
的人都这样用才行。 [/B]

关于兰德的Metric模型和多级库存理论，想听听，您受累给讲讲？！

gere

最初由 miaorun 发布
[B]

关于兰德的Metric模型和多级库存理论，想听听，您受累给讲讲？！ [/B]

midea_sampan

各位探讨很多是一致的，我想树立这样的一个概念，对于物流管理水平分级的问题：
研究特定产品如何有序满足客户的物流管理为初级阶段，解决用什么产品满足客户的物流管理为高级阶段。
所以要做好备件物流，更多的努力应当放在备件计划上，但是作为LSP，如果你的客户不愿意将备件计划交给你做就非常困难，实际上目前也不会交给LSP。
各位谈到的模型、泊松分布这类高级的管理工具，让我受益匪浅，但是这里各位忽略了一个条件，对于备件的管理，历史数据大部分企业是缺乏的，尤其是国内企业，因此，这些工具从实际上来说，可行度不高，最终计划也好、多级库存也好、网络优化也好，懵的成分多些，但可以肯定懵的水平越来越高。
很多东西建议不要分离系统来考虑追求最优，考虑一些约束理论（TOC）的东西，具备一些有效产出的理念，尽量做一个全面分析的专家。

miaorun

[B]最初由 5分 发布[/B]

[QUOTE]最初由 Miaorun 发布

1、新备件但和已有备件通用：
这种短期内不用考虑什么返修率，用老件储备。Microsoft的鼠标是鼠标，Logitech的鼠标也是鼠标阿。
2、新备件/不通用但为供应商的成熟产品：
一般企业采购原材料、部件时，考虑到自身产品质量的稳定性会尽可能采购供应商相对成熟的产品，所以供应商一定有相关返修率数据，而且是有参考价值的。
3、新备件/不通用无返修率数据参考：
同一备件类的坏损率可以参考。拿电脑来说，虽然日新月异但是国内多是组装，用到的基本还是N年前的主板+内存+CPU+显示器+鼠标+键盘，不同部件之间的返修率差距会较大，但是同种部件之间的返修率差距相对会小。
4、全新备件：
很多定性预测的方法：头脑风暴法、德尔菲法

[B]
   从上面的分析来看，上面第1种情况可不用考虑储备，直接用老品替代即可，即可不用再考虑计划的问题；这样新品的备件计划其实就剩下一种了，即找到故障率（来源是厂家/同类物料的返修率或是预估），根据故障率和安装量来预测需求量即可。
   其中在核算同类物料的故障率时可用一些常用的统计方法来销减同类物料的故障率波动。
个人认为，做新品计划时相对于成熟产品来说会更困难，如何做好新品的计划即满足备件的命中率又不产生冗余确实是一门比较高深的学问。
普遍新品上市都存在以下特征：
        订货批量较小
        故障率的不确定性
        后期更改部分设计、部件或功能
   这样在正常故障率核算出来的大样本预测值往往与小样本情况发生较大的偏差。产品性能好则可能故障率低，提留的备件产生冗余；性能差则可能短时间内产生大量坏损，导致备件供应不足，对新品销售影响很大。
    有些计划人员在首批下单时，往往将提留比例放大若干倍，用于削减故障异常产生的备件需求，寄希望于未来产品增量时销减订量达到整个库存的平衡。好处是搞风险能力增加，问题是在如果出现产品滞销或产品故障，就会带来备件的冗余。
    有些计划人员在首批下单时按订量和平均坏损率来提留备件时，又可能出现较多情况的命不中。这种情况在小批量订单时体现最明显，建议可以订一最小库存量以保证备件的供应。
    在新品下单时还要考虑备件的可修复性。可修复的备件要考虑备件的周转周期，不可修复的则适量提留。
    在新品下单时还要考虑的一个因素是备件的最低起订量，在起订量大于一定限量时，要考虑一次性提留足量，防止后期因起订量限制而无法满足备件需求的情况。
   至于算法嘛，在实际工作中是在故障率/装机量作完需求预测的基础之上再根据上述影响因素和经验作一些调整，但总感觉不够专业。
   一直在研究这方面的预测模型，哪位大侠有的话，不妨说来一起讨论一下。 [/B][/QUOTE]

gere

最初由 miaorun 发布
[B]
[B]
   从上面的分析来看，上面第1种情况可不用考虑储备，直接用老品替代即可，即可不用再考虑计划的问题；这样新品的备件计划其实就剩下一种了，即找到故障率（来源是厂家/同类物料的返修率或是预估），根据故障率和安装量来预测需求量即可。
   其中在核算同类物料的故障率时可用一些常用的统计方法来销减同类物料的故障率波动。
个人认为，做新品计划时相对于成熟产品来说会更困难，如何做好新品的计划即满足备件的命中率又不产生冗余确实是一门比较高深的学问。
普遍新品上市都存在以下特征：
        订货批量较小
        故障率的不确定性
        后期更改部分设计、部件或功能
   这样在正常故障率核算出来的大样本预测值往往与小样本情况发生较大的偏差。产品性能好则可能故障率低，提留的备件产生冗余；性能差则可能短时间内产生大量坏损，导致备件供应不足，对新品销售影响很大。
    有些计划人员在首批下单时，往往将提留比例放大若干倍，用于削减故障异常产生的备件需求，寄希望于未来产品增量时销减订量达到整个库存的平衡。好处是搞风险能力增加，问题是在如果出现产品滞销或产品故障，就会带来备件的冗余。
    有些计划人员在首批下单时按订量和平均坏损率来提留备件时，又可能出现较多情况的命不中。这种情况在小批量订单时体现最明显，建议可以订一最小库存量以保证备件的供应。
    在新品下单时还要考虑备件的可修复性。可修复的备件要考虑备件的周转周期，不可修复的则适量提留。
    在新品下单时还要考虑的一个因素是备件的最低起订量，在起订量大于一定限量时，要考虑一次性提留足量，防止后期因起订量限制而无法满足备件需求的情况。
   至于算法嘛，在实际工作中是在故障率/装机量作完需求预测的基础之上再根据上述影响因素和经验作一些调整，但总感觉不够专业。
   一直在研究这方面的预测模型，哪位大侠有的话，不妨说来一起讨论一下。 [/B]

[/B][/QUOTE]




新品的备件需求量的确很难确定，不过可以参考可靠性方面的数据，即各种部件的失效率（规范的定义不说了，实际中往往采用发生故障的部件数除以装机总数而确定），可靠性有国军标（偏于保守），和bellcore的民用标准（偏于乐观），但终究是聊胜于无吗。不过效果也不会非常好，毕竟备件需求分布的无规律是常态。
这里面有一个nice trick ，你可以多储备一些低值消耗品，而少储备一些高值可修复的备件，这样在fill rate 上不会太吃亏，但同时使整个备件库存的资金占压成本下降。但是，如果你的上司的fill rate 是基于备件价值而定的（即备件增加一个价格的权重的话），这种方法就没有什么吸引力了。Good luck！

hzauer110

唉~
回想之前一个客户,那里大型挖掘机的一些维修备件,非要日本的工程师来了才能安,光自己备也没用,专业的人、专业的工具和专业的备件（其实备件制造并不难）。按照Just in case的做法，很耽误工期的，而且从上海飞到武汉，完成一次服务需要的成本over 4000。

后来他们自己有个老师傅自制了相关备件，然后研究了工艺，买了部分专业工具，实现了自给自足。这就解决了他们自己的关键备件问题。

事实上，后来统计他们其它的维修备件需求大致可以发现，在5~10月份，赶工期的时候，机器维修非常频繁，而且部件更换很频繁。但可以值得称赞的是他们估计出了多少小时的工作之后就必须更换特定部件，而根据他们的统计数据，可以很容易发现一个问题：实际上很多部件并没有完全到达它的使用寿命极限，但因为不能停车，因此他们必须估计出一个在出现故障（我们认为是其使用寿命极限）之前的有效使用时间（出现故障更换上备件的时间要远长于直接更换还可以使用的部件的时间）。事实上，在工地现场就备有维修备件和工具库，其损耗和温度、地质硬度、操作员熟练程度等成一定关系，但统计后认为按照师傅们自己的估计，其实远比我们统计的数据要来的实用，我们只能统计到一个很长的时间段内的需求（这种需求数据可以考虑作为采购计划和自制计划），但他们可以根据经验判断出每日的大体需求。

而且特别的是，由于工地在这座城市的不同地方，因此需要从这个城市相隔较两个库分别进行供应工作，每天都会有人根据前一天的要求，将备件准备好，然后进行类似MILK RUN的办法拜访不同工地，而因为维修工具的数量很少，配备的维修工也不多，因此也需要在经过不同工地的时候将工具在不同工地之间进行调配。但可以发现，维修工具在不同工地间调配的物流成本之高也是他们难以承受的。

在近70个大小工地间调配很成问题，导致很多项目工期延误，但是维修工具的价值非常高，不可能大规模装备，而且维修工人手缺乏。并不是说一个小工地的工作，就不如一个大工地的工作重要，可以说都要全面照顾。

在这个CASE里，需求预测基本不是问题，问题是精确到不同的工地，并配合不同的工期要求就非常难。

最后，在这样的约束条件下，我也只能说通过统计工期要求和开挖计划，将on hand的项目分类管理，并将工地分群，可以说有些改善，但并不明显。而且每一天都要对计划进行排序，同时他们对天的概念非常模糊，经常是要避开车流高峰开挖，所以24小时全天工作，后半夜才工作的情况大大存在。

这个项目已经结束，它虽然不是物流管理咨询项目，但其出现的问题我想是有代表性的，也是很有意思的。

其实后来，我们又提出了一个内部发包的做法，将工具和备件的经营权外包，并将相关工地群的服务进行内部发包，同时作为独立实体的存在，可以对外承接采购和自制项目。有效解决了成本压力问题，但出现了对方面对企业内部、城市外围和周遍地区需求的抉择问题。做过的人才知道里面实在是一言难尽。

虽然不是数码产品，但是维修备件和维修工具的保有和配送也应该是非常值得研究的，不知道各位DX有什么高见？

DTLC

我们做零配件供应物流，基本上有五年的工作经验，主要是电子行业的，还有一些汽车方面的。我的感觉就是品种多，供货急。
我们是第三方物流服务商，服务对象基本上是世界500强企业。各个公司都有自己的特殊需求。特别在VMI和JIT供货方面对我们的要求非常高。在实际工作中我认为一个强大的物流管理系统是非常重要的，没有一个很好的系统，应付客户的需求将会太困难了。

lansiluoh

这其中就涉及到WMS拉!!!!
   主要先看你的服务对象在你公司物流的环节上所涉及的资金有多大咯!!!
   如果足够大的话可以考虑一下使用WMS,这样会省很多工夫!!!
   虽然对于购买WMS是一项支出,但是绝对比你费工夫在那方面的好!!!