第五章 緩衝管理績效指標修正
6.1 個案背景說明
本個案為一家健康器材公司，在該公司 2001 與 2002 年所銷售的產品中，
選擇其中的 15 種產品做驗證比較。15 種產品中有 10 種次年將繼續銷售，另外 5 種則只銷售至 2003 年的產品。
為便於比較，訂單前置時間，生產前置時間與運輸前置時間皆一樣，採用 公司目前實際的補貨條件：
1. 訂單前置時間為 15 天，
2. 生產前置時間 30 天以及運輸前置時間 30 天，
3. 另外加上預防發生「Murphy」現象的 15 天寬限，
因此，本研究 Demand- Pull 補貨模式的緩衝目標庫存量設定為每 90 天內的 最大需求量。整個比較模擬採取四種不同情境下的比較：
情境(一)：為公司目前的運作模式與本文所提 Demand pull 補貨模式比較；
情境(二)：Demand pull 補貨模式與傳統補貨策略的比較。
情境(三)：當產品即將結束時如何做緩衝管理。
此案例公司的銷售明顯有淡、旺季之分，因此，必須對庫存量之調整提前 進行，其應用 Demand pull 補貨模式的步驟詳細說明如下：
步驟 1：確定補貨前置時間
Demand- Pull 補貨模式每隔 15 天發一次訂單，訂單的量等於 15 天內的實際
需求量，而訂單將於 60 天後入區域倉庫，因此補貨前置時間為 90 天。
步驟 2：確定緩衝區調整設定
因為補貨前置時間為 90 以，所以監視視窗長度為 90 天。依第三章每次目標 庫存量調升（降）1/5。
步驟 3：目標庫存量設定
由於個案公司的產品有明顯的淡、旺季之分，因此在計算目標庫存量時，也 將目標庫存量分為淡季與旺季的目標庫存量兩種。個案公司產品的淡季大約是 4 月至 10 月，而旺季大約是 11 月至 3 月，因此分別累積淡、旺季每 90 天內的需 求量，經由 Excel 的樞紐分析表可得到淡、旺季每 90 天內的最大需求量，再將 此淡、旺季每 90 天內的最大需求量分別為淡、旺季的目標庫存量。
步驟 4：事前規劃已知需求趨勢改變的目標庫存量
由於訂單從訂購至入庫需花費 60 天的時間，因此在淡、旺季的目標庫存量 之設定上，必須提早兩個月的時間，意謂每年的 2 月必須將存貨目標從旺季的目 標庫存量調降為淡季的目標庫存量，同樣每年的 9 月必須將目標庫存量從淡季的 目標庫存量調降為旺季的目標庫存量。
步驟 5：
計算平均庫存、TDD、IDD 與 EVD 值，評估其績效。
6.2 個案公司目前運作模式與 Demand pull 補貨模式比較
目前個案公司存、補貨運作模式是採預測的方式進行，也就是依據預測的需 求量做生產補貨。而 Demand-Pull 補貨模式則是依據實際銷售的數量做生產補 貨。
0 200 400 600 800 1000 1200 1400 平均庫存
E3 2 0 0 E3 6 0 0 HRT3 E4 0 0 0 E3 1 0 0 3 R2 6 0 0 HRT3 R2 0 0 0 3 R2 1 0 0 3 R2 2 0 0 3 T9 5 0 0 HRT X6 6 0 0 HRT3
產品別 原廠 demand- pull
圖 6-1 以平均存貨比較實例公司與 demand-pull 補貨方式
由 IDD 的值可以了解公司目前補貨模式較 Demand-pull 補貨模式來的高，
是因為以預測的方式運作時，當預測比實際需求高時容易堆積過多的存貨，以至 於存貨放在倉庫的時間過長，所以 IDD 值也隨著上升。
$100.00
$1,000,100.00
$2,000,100.00
$3,000,100.00
$4,000,100.00
$5,000,100.00
E3200 E3600HRT3 E4000 E31003 R2600HRT3 R20003 R21003 R22003 T9500HRT X6600HRT3
產品別
金額（千元）
原廠IDD demand-pull IDD
圖 6-2 以 IDD 值比較實例公司與 demand-pull 補貨方式
結果比較可歸納下列幾點：
(一)、 公司運作模式與 Demand-Pull 模式都沒有發生缺貨的情形，但在相同 不缺貨的情況下 Demand-Pull 模式卻可以以較低的平均庫存量滿足顧客的需 求，因此驗證了以賣多少補多少的觀念是可行的且可以為公司降低高庫存的風險 及減少成本的付出。
(二)、 Demand-Pull 模式是累積兩個星期的需求量之後，以賣多少補多少的 方式運作，而公司目前運作模式以預測的方式下訂單及以批量的生產，因此在平 均庫存的表現上 Demand-Pull 模式較公司目前運作模式來的低。
(三)、 由 IDD 的值可以了解公司目前運作模式較 Demand-Pull 模式來的高，
是因為以預測的方式運作時，當預測比實際需求高時容易堆積過多的存貨，以至 於存貨放在倉庫的時間過長，所以 IDD 值也隨著上升。
6.3 Demand-pull與傳統補貨策略比較
為證明 Demand-Pull 會比其他補貨策略可以得到較佳的績效，本節將跟傳統 常用的 5 種存貨補貨方式: (s,Q)、(s,S)、(R,S)、(R,s,S) 、(R ,s,Q)做比較。五種 傳統補貨策略參數值的設定如附錄一所列，結果如圖 6-3 所示。
0 100 200 300 400 500 600 700 800
Demand-pull (s,Q) (s,S) (R,S) (R,s,S) (s,Q,R) Demand-pull (s,Q) (s,S) (R,S) (R,s,S) (s,Q,R) Demand-pull (s,Q) (s,S) (R,S) (R,s,S) (s,Q,R) Demand-pull (s,Q) (s,S) (R,S) (R,s,S) (s,Q,R) Demand-pull (s,Q) (s,S) (R,S) (R,s,S) (s,Q,R) Demand-pull (s,Q) (s,S) (R,S) (R,s,S) (s,Q,R) Demand-pull (s,Q) (s,S) (R,S) (R,s,S) (s,Q,R) Demand-pull (s,Q) (s,S) (R,S) (R,s,S) (s,Q,R)
E3 2 0 0 E3 6 0 0 HRT3 E4 0 0 0 E3 1 0 0 3 R2 6 0 0 HRT3 R2 0 0 0 3 R2 1 0 0 3 R2 2 0 0 3
平均存貨
圖 6-3 Demand-pull 與各傳統補貨方式的平均存貨比較
$0.00
$200,000,000.00
Demand-pull (s,Q) (s,S) (R,S) (R,s,S) (s,Q,R) Demand-pull (s,Q) (s,S) (R,S) (R,s,S) (s,Q,R) Demand-pull (s,Q) (s,S) (R,S) (R,s,S) (s,Q,R) Demand-pull (s,Q) (s,S) (R,S) (R,s,S) (s,Q,R) Demand-pull (s,Q) (s,S) (R,S) (R,s,S) (s,Q,R) Demand-pull (s,Q) (s,S) (R,S) (R,s,S) (s,Q,R) Demand-pull (s,Q) (s,S) (R,S) (R,s,S) (s,Q,R) Demand-pull (s,Q) (s,S) (R,S) (R,s,S) (s,Q,R)
E3200 E3600HRT3 E4000 E31003 R2600HRT3 R20003 R21003 R22003
圖 6-4 Demand-pull 與各傳統補貨方式 TDD 值的比較
$0
$10,000,000,000
$20,000,000,000
Demand-pull (s,Q) (s,S) (R,S) (R,s,S) (s,Q,R) Demand-pull (s,Q) (s,S) (R,S) (R,s,S) (s,Q,R) Demand-pull (s,Q) (s,S) (R,S) (R,s,S) (s,Q,R) Demand-pull (s,Q) (s,S) (R,S) (R,s,S) (s,Q,R) Demand-pull (s,Q) (s,S) (R,S) (R,s,S) (s,Q,R) Demand-pull (s,Q) (s,S) (R,S) (R,s,S) (s,Q,R) Demand-pull (s,Q) (s,S) (R,S) (R,s,S) (s,Q,R) Demand-pull (s,Q) (s,S) (R,S) (R,s,S) (s,Q,R)
E3200 E3600HRT3 E4000 E31003 R2600HRT3 R20003 R21003 R22003
圖 6-5 Demand-pull 與傳統補貨方式 IDD 值的比較
由圖 6-3、圖 6-4 及圖 6-5 的結果在服務水準為 100%的情形下，TOC 補貨 不會有缺貨的情形發生，而傳統存貨補貨政策卻會產生缺貨的情形，TOC 補貨 中對存貨的監控調整方式，也就是在 Demand-pull 補貨模式裡當存貨降至紅色區 時，目標庫存會隨著提高，不會導致缺貨的情形發生。並且在不缺貨的情形之下
Demand-pull 在平均庫存、TDD 與 IDD 方面的結果都比其他 5 種傳統存貨補貨政 策來的優異。
6-4 停售產品的運作模式
因案例公司產品中有五類產品將在隔年停止出售，在面臨產品準備停售時，
以 Demand-Pull 模式為基礎的模擬在此情境下緩衝量的管制，其實施步驟如下：
步驟 1：在最後一年的 9 月不調高目標緩衝庫存量為旺季的緩衝庫存量。
步驟 2：由後倒推三個月，開始停止發出訂單，例如若是 12 月為銷售的最 後一個月，則從 10 月開始停止訂購。
步驟 3：由後倒推五個月，將目標緩衝庫存量調降原有目標緩衝庫存量的 1/5。
表 6-1 停售產品運作結果
公司運作模式 Demand-pull 模式
期末庫存 平均庫存 TDD IDD 期末庫存 平均庫存 TDD IDD T9250 98 1134.3 $0.0 $58,456,113,495.0 60 990.96 $0.0 $454,467,255.0 T9300 42 498 $0.0 $26,004,805,360.0 72 394.23 $0.0 $21,390,843,780.0 T9450HRT 36 866.59 $0.0 $58,117,942,770.0 58 599.96 $0.0 $41,270,538,995.0 T9600HRT 100 1358.8 $0.0 $114,866,771,835.0 141 1037 $0.0 $80,380,170,185.0 X6200HRT3 126 659.13 $0.0 $5,266,995,810.0 13 443.24 $0.0 $2,418,541,225.0
由表 6-1 的結果可知，在 Demand-Pull 模式較頻繁的訂購方式下，透過目標 緩衝庫存量適時的調降以及掌握停止訂購的時機，雖然有些期末庫存還是較公司 運作模式高，但還是在可以接受的範圍內，因此驗證上述步驟的可行性。
透過實例數據驗證了 Demand-pull 補貨方式的可行性，同時在績效上透過 TDD 值與 IDD 值獲得比原來工廠以預測方式作為的生產補貨為佳。證明透過 TOC 用多少補多少的簡化補貨方式是可行而具優越性。在與傳統式的存、補貨 方式的模擬演算比較中，其整體的表現也是優於不論是定期或是連續的補貨方 式，同時對於即將停售的產品也可以利用 Demand-pull 補貨方式作為存貨控管。
透過緩衝區監視視窗監控存貨水準的變化藉以調整存貨目標，而補貨量以 Demand-pull 的補貨觀念，去除繁雜計算而輕易啟動補貨運作機制，同時在與傳 統的補貨方式比較中本文所提的補貨方式也對存貨的管理績效優越。
第七章 結論與未來研究方向
本文提出強化 Demand-pull 的緩衝管理模式， 提出一套較為嚴謹的法則與 程序使緩衝管理三要素更為簡潔，清楚與容易使用。另外透過修正 TDD、IDD 兩指標與增加 EVD 新指標，使供應鏈緩衝績效評估更加透明與有效。本論文所 提的強化觀念與方法經由實際個案的驗證，證明所提出的觀念與方法是可行且有 效的，與傳統的補貨策略做比較也得到較優的績效表現。
本研究雖對 TOC Demand-pull 緩衝管理與 TDD、IDD 做了強化探討，但是 對於強化 TOC Demand-pull 理論基礎仍有兩大問題值得有興趣的人士後續研究：
(1) TOC 建議庫存放在源頭，意即工廠。然而是不是每一供應鏈系統庫存皆 應放在工廠？如不是應放在哪裡最有效？TOC 並未有明確的解答。
(2) TOC 認為供應鏈要能成功運作必須所有成員能建立互信。TOC 提出上 下游成員要分別以 TDD (Throughput Dollar Day)與 IDD (Inventory Dollar Day)互相評估。然而如何做？TOC 並也未有進一步的說明值得後續研 究。
參考文獻
Anupindi, R., T. E. Morton, and D. Pentico, (1996), “The Non-stationary Stochastic Lead-Time Inventory Problem: Near-Myopic Bounds, Heuristics, and Testing,”
Management Science, 42(1), 124-129
Archibald, B. and E. A. Sliver, (1978), “(s, S) Policies under Continuous Review and Discrete Compound Poisson Demands with Lost Sales,” Management Science, 24(9), 899-909.
Archibald, R., (1981), “Continuous Review (s, S) Policies with Lost Sales,”
Management Science, 27(10), 1171-1177
Askin, R.G. 1981, “ A Procedure for Production Lot Sizing with Probabilistic Dynamic Demand,” AIIE Transactions, 13(2), 132-37.
Achabal, D.D., Mcintyre, S.H., Smith, S.A., & Kalyanam, K. (2000), “A decision support system for vendor managed inventory,” Journal of Retailing, 76(4), 430-454.
Axsäter,S., (1985), “Control Theory Concepts in Production and Inventory Control,”
Int. J. systems Sci., 16, 161-169.
Banerjee, A., Burton, J.S. and Banerjee, S. (1996), “Heuristic Production Triggering Mechanisms under Discrete Unequal Inventory Withdrawals,” International Journal Production Economics, 45, 83-90.
Banerjee, A., Burton, J.S., (1994), “Coordinated vs. Independent Inventory Replenishment Polices for a Vendor and Multiple Buyers,” International Journal Production Economics, 35, 215-22
Baganha, M.P. and. Cohen, M.A (1998), “The Stabilizing Effect of Inventory in Supply Chains,” Operations Research, 46, 3, 72-83.
Bollapragada and Morton (1993), The Non-Stationary (s, S) Inventory Problem:
Near-Myopic Heuristics, Computational Testing, Carnegie-Mellon.
Berry, D., Naim, M.M. and Towill,D.R., (1995) “Business Re-engineering An Electronic Products Supply Chain,” IEE Proceedings- Science, Measurement and Technology, 142(5), 395-403.
Baganha, Pyke, M. P., D. F., and Ferrer, G., (1996), “The Undershoot of the Reorder Point: Test of an Approximation,” International Journal Production Economics, 45, 311-320.
Bourl and, Powell K. S., and Pyke, (1996),“Exploiting Timely Demand information to Reduce Inventories,” European Journal of Operational Research, 92, 2, 239-253.
Christopher, M. (1992), Logistics and Supply Chain Management-Strategies for Reducing Cost and Improving Services. Pitman Publishing, London.
Cottrill, K (1997), “The Supply Chain of the Future,” Distribution, Vol.96, Iss.11, 52-54.
Chaouch, A.B.(2001), “Stock levels and delivery rates in vendor-managed inventory programs,” Production and Operations Management, Muncie, Spring,10(1), 31-45.
Cachon, G.P., (1999), “Managing Supply Chain Demand Variability with Scheduled Ordering Polices,” Management Science, 45(6), 843-856.
Cachon, G.P., (2001), “Exact Evaluation of Batch-Ordering Inventory Policies in Two-Echelon Supply Chains with Periodic Review,” Operations Research, 49, 1, 79-98.
Chen, F., (2000), “Optimal Policies for Multi-Echelon Inventory Problems with Batch Ordering,” Operations Research, 48, 3, 376-389.
Cox, J.F, Blackstone, J.H., and Spencer, M.S(Eds),(1995), APICS Dictionary (8th ed.), American Production and Inventory Control Society, Falls Church, VA.
Chen, F.L, Cai, S.D. and Hong Y.R.,(2000), “A Distribution with Integration of Supply and Demand,” Journal of the Chinese Institute of Industrial Engineers, Vol.17, No. 6, 671-681.
Chen, F.Z., Drezner, J.R., and D Simcchi-Levi, (2000), “Quantify the Bullwhip Effect in a Simple Supply Chain; The Impact of Forecasting, Lead Times, and Information,” Management Science, 46, 3, 436-443.
Chiang, C. and Gutierrez , G.J., (1996), “A Periodic Review Inventory System with Two Supply Modes,” European Journal of Operational Research, 94, 389-403.
Chiang, C. and Gutierrez , G.J., (1998), “Optimal Control Policies for a Periodic Review Inventory System with Emergency Orders,” Naval Research Logistics, 45, 187-204.
Cheung, K.L., and Hausman, W.H., (2000), “An Exact Performance Evaluation for the Supplier in a Two-Echelon Inventory System,” Operations Research, 48 4, 646-653.
Cohen, M., Kamesam, P.V., Kleindorfer, P., LEE H., and Tekerian A., (1990),
“Optimizer: IBM’s Multi-Echelon Inventory System for Managing Service Logistics,” INTERFACES, 20(1), 65-82.
Chin-Hung Tsai, Yu-Hsin Lin, Yeong-Hoang Lee, (1998), “A TOC-Based Analysis Approach for Supply Chain Management,” Journal of Commercial Modernization, Vol.1, No. 1, 35-50.
Debra A. Smith, (2001), “Linking the Supply Chain Using the Theory of Constraints Logistical Applications and a New Understanding of the Role of Inventory/
Buffer Management, ” Premier Issue TOC Review, 50~54.
Disney S.M., and Towill D.R., (2003), “On the Bullwhip and Inventory Variance Produced by an Ordering Policy,” Omega, 31, 157-167.
Dong, Y., and Xu, K.(2002), “A supply chain model of vendor-managed inventory,”
Transportation Research Part E, 38, 75-95.
Ellram, L. and Cooper, M. (1993), “Characteristics of supply chain management and the implications for purchasing and logistics strategy,” International Journal of Logistics Management, Vol.4, No.2, 1-10.
Ehrhardt, R., and Mosier, C., (1984), “Revision of the Power Approximation for Computing (s, S) Policies,” Management Science, 30(5), 618-22.
Ernst, R., and Powell, S.G., (1995), “Optimal inventory policies under service-sensitive demand,” European Journal of Operational Research, 87, 316-327.
Federgruen, A. and Zipkin, P (1984), “An Efficient Algorithm for Computing Optimal (s, S) Policies,” Operation Research, 32(6), 1268-1285.
Federgruen, A. and. Zheng, Y.S., (1992), “An Efficient Algorithm for Computing an Optimal (r,Q) Policy in Continuous Review Stochastic Inventory Systems ” Operation Research, 40(4), 808-813.
Forrester, J. Industrial Dynamics, , (1961),MIT Press, and John Wiley & Sons, Inc., New York.
Fisher, M.L., Hammond, J., Obermeyer W., and Raman, A., (1994), “Making Supply Meet Demand in an Uncertain World,” Harvard Business Review, May-June, 83-93.
Fisher, M.L., (1997), “What is the right supply chain for your product,” Harvard Business Review 75, 105-116.
Garry, M.(1994), “Is there life after CRP ?” Progressive Grocer, Vol.4, No.9, 73-74.
Gallego, G. (1996), “New Bounds and Heuristic for (r,Q) Policies,” Management Science, 40(6), 347-356.
Goldratt, E.M., 1990, “Theory of Constraints”, North River Press.
Goldratt, E.M., and Cox, J., 1992, “ The Goal” 2nd edition, North River Press.
Goldratt, E.M., 1997, “Critical Chain”, North River Press.
Grubström, R.W. and Wiker, J., (1996), “Inventory Trigger Control Policies Developed in Terms of Control Theory,” International Journal Production Economics, 45, 397-406.
Heisig G., (2001), “Comparison of (s, S) and (s, nQ) Inventory Control Rules with
Heisig G., (2001), “Comparison of (s, S) and (s, nQ) Inventory Control Rules with