國 立 交 通 大 學
工業工程與管理學系
碩 士 論 文
TOC 配銷管理模擬器之開發
Develop Demand-Pull Management Simulator
研 究 生：蔡佳玲
指導教授：李榮貴 博士
TOC 配銷管理模擬器之開發
Develop Demand-Pull Management Simulator
研 究 生：蔡佳玲 Student：Chia-Ling Tsai
指導教授：李榮貴博士 Advisor：Dr. Rong-Kwei Li
國 立 交 通 大 學
工 業 工 程 與 管 理 學 系 碩 士 班
碩 士 論 文
A ThesisSubmitted to Department of Industrial Engineering and Management College of Management
National Chiao Tung University In
partial Fulfillment of the Requirements for the Degree of
Master in Industrial Engineering June 2008
Hsinchu, Taiwan, Republic of China
TOC 配銷管理模擬器之開發
研 究 生：蔡佳玲 指導教授：李榮貴 博士
國立交通大學工業工程與管理學系碩士班
中文摘要
傳統的供應鏈中，其補貨模式是利用預測以及推式管理的方式來運作，劇烈 變動的消費性市場特性與越來越短的產品生命週期，不適當的庫存管理必將造成 跌價的損失，反而侵蝕獲利水準。 本研究以限制理論 (Theory of Constraints，TOC)為基礎，討論庫存管理方法 的改變可能：包含以拉式需求(Demand-Pull)取代過去以預測之生產；以及動態庫 存管理（Buffer Management）來管控庫存水準等。並使用 Excel-VBA 建構一配 銷管理模擬系統，希望能透過理論的探討、系統的模擬與實際資料的驗證，讓企 業了解採行限制理論運作確實能有助於不同產業公司因應市場景氣波動之對 策，避免產生大量的庫存損失，進而提昇企業之彈性應變能力，提高獲利。Develop Demand-Pull Management Simulator
Student : Chia-Ling Tsai Advisor : Dr. Rong-Kwei Li
Department of Industrial Engineering and Management
National Chiao Tung University
Abstract
Once the market trend turn down, company has to face the fact of much higher
inventory which can significantly affect to profit margin, especially in the drastically
changed digital consumer market and short life time products.
Based on the Theory of Constraint (TOC), this paper is trying to study if there are
other alternatives to get better result in inventory management field. Which includes：the study of Demand-Pull way vs. Forecast way and “real time inventory level monitoring
method” in inventory management , etc. We are trying to develop a simulator with those
theories and use a company’s history data. Then, we might able to say if these methods are
able to reduce a company’s inventory loss, enhance its flexibility to market demand and
increase its profit as well.
致謝
時間過的真快，轉眼間就要畢業了，從資工領域轉到工工領域，兩個完全不 同的領域，遇到了許多不同的人，回想起求學的這段時間雖然過的很快，但是也 過的相當充實。在這兩年期間，承蒙遇到了許多貴人相助，讓我可以順利在短短 的兩年之間完成論文的寫作，並且修完許多困難的課程。 本研究論文可以順利完成，首先要先感謝我的指導老師李榮貴老師，在這兩 年之間，不論我做些什麼決定，老師都會全力的支持我；在論文的寫作上，也給 我許多寶貴的意見，若沒有老師的全力幫忙，論文也沒辦法順利完成，在此致上 最崇高的敬意；此外也要感謝評審委員蔡志弘教授以及張盛鴻教授在口試的時候 提出的寶貴意見，讓學生的研究可以更加完善，在此一並致上最真誠的謝意。 在這兩年的研究生活，要感謝研究室的夥伴陪伴我一起成長茁壯，讓我從苦 悶的研究生活中得到快樂。首先感謝碩一的小龜、春捲、ㄚ威以及志瑋，在我碩 二修課的時候給予了我不少幫助，讓我可以在修課的同時繼續寫作我的論文，接 著要感謝碩二一起打拼的朋友們，小美、小蔣、凱文以及老大，從碩一開始我們 五個就幾乎一起上課、一起做報告，在學術上的旅程真的非常感謝你們的幫助， 在休閒的時候，大家一起研究牌藝、出外踏青，讓我的碩士生活過的很開心，再 來要深深的感謝專班的蕭伯年學長，每個禮拜一直耐心的指導我論文盲點，在此 對你們獻上最高的謝意。 最後感謝一直辛苦陪伴在我身旁的家人，在這兩年期間沒有你們的體諒與支 持，讓我在求學的路途上沒有後顧之憂，在此由衷的對你們獻上最高的謝意。目 錄
中文摘要...i Abstract...ii 致謝... iii 目 錄...iv 表目錄...v 圖目錄...vi 第一章 研究動機與目的...1 第二章 文獻探討...5 2.1 傳統的存貨管理政策...5 2.2 供應商管理庫存 VMI...92.3 寄銷存貨模型 Consignment Stock (C&VMI) ...12
2.4 TOC 的存貨管理政策...13 2.5 Demand-Pull 模式 ...14 2.6 限制理論的績效衡量指標...17 第三章 模擬系統工具介紹...18 3.1 配銷管理模擬系統的整體架構...18 3.1.1 環境設定模組...18 3.1.2 資料分析模組...19 3.1.3 情境選擇模組...19 3.1.4 績效分析模組...25 3.2 目標庫存更動方式...25 3.3 配銷管理模擬器之執行流程...28 3.4 系統紀錄表與操作說明...31 第四章 個案研究與模擬驗證分析 ...32 4.1 個案公司介紹...32 4.2 個案公司過去的管理方法與實際庫存水準...32 4.3 限制理論的解決方案應用在個案公司之評估...34 4.4 以個案公司之歷史資料來驗證有效性...37 第五章 結論與未來研究方向 ...45 5.1 結論...45 5.2 未來研究方向...45 參考文獻...47 附錄 供應鏈配銷模擬器操作手冊 ...48
表目錄
表 2-1 永續盤存制與定期盤存制之比較 ...9 表 2-2 VMI 對零售商和供應商的影響...11 表 3-1 本研究所設計的環境參數 ...18 表 3-2 本研究所設計的資料欄位...19 表 3-3 三大情境之情境條件表 ...24 表 4-1 A 公司產品線 M 之預測準確度、實際出貨量與存貨週轉天數 ...33 表 4-2 A 公司產品線 M 之庫存水準(2007.9~2008.2) ...37 表 4-3 各種模擬試算之模擬條件表 ...39 表 4-4 各種模擬條件試算所得之彙整表 ...39 表 4-5 A 公司產品線 M 之歷史資料(僅列部分) ...41 表 4-6 A 公司產品線 M 調整過後之歷史資料(僅列部分) ...42 表 4-7 各種模擬條件試算所得之彙整表(數據調整後) ...43圖目錄
圖 1-1 傳統配銷系統的惡性循環關係...1 圖 1-2 典型庫存管理衝突...2 圖 1-3 研究方法流程圖...4 圖 2-1 物料供應通路中的不同儲存點...5 圖 2-2 (s，Q)補貨策略系統...6 圖 2-3 (s，S)補貨策略系統 ...7 圖 2-4 (R，S)補貨策略系統 ...8 圖 2-5 (R，s，S)補貨策略系統...8 圖 2-6 VMI 作業流程 ...10 圖 2-7 Consignment Stock 的運作模式...12 圖 2-8 典型庫存管理衝突...13 圖 2-9 供應源頭預測變異較小...14 圖 2-10 補貨頻率增加可降低在庫庫存量...15 圖 2-11 Demand-Pull 模式示意圖...15 圖 2-12 各緩衝區示意圖...16 圖 2-13 調整目標庫存之機制示意圖...16 圖 3-1 配銷管理模擬系統之整體架構圖...18 圖 3-2 三大情境策略的分類...19 圖 3-4 庫存修正示意圖一...26 圖 3-5 庫存修正示意圖二...27 圖 3-6 庫存修正示意圖三...27 圖 3-8 配銷商倉庫流程示意圖...29 圖 3-9 零售商倉庫流程示意圖...30 圖 4-1 A 公司產品線 M 之預測與出貨實績比較圖...33 圖 4-2 A 公司產品線 M 之預測準確度與存貨週轉天數之趨勢圖...34 圖 4-3 A 公司產品線 M 之實際出貨量與平均庫存量之變化圖...38 圖 4-4 A 公司產品線 M 之缺貨次數與缺貨數量之變化圖...38 圖 4-5 各模擬條件試算所得之平均庫存與庫存週轉率之曲線圖...40 圖 4-6 各模擬條件試算所得之缺貨次數與缺貨量之曲線圖...40 圖 4-7 各模擬條件試算所得之平均庫存與庫存週轉率之曲線圖(數據調整後) ..43 圖 4-8 各模擬條件試算所得之缺貨次數與缺貨量之曲線圖(數據調整後) ...43第一章 研究動機與目的
在傳統供應鏈的運作模式中，為了避免補貨時間超越顧客(零售商)可忍耐的時間， 企業往往會在接近顧客的地區建區域配銷中心(或倉庫)，並依據顧客過去需求狀況備庫 存以滿足顧客需求。區域配銷中心會彙整客戶預測需求對工廠下生產訂單，工廠則依區 域配銷中心的訂單生產後送至區域配銷中心滿足客戶需求，此運作模式稱為「推式生產」 (Push)的補貨觀念﹝1﹞。 然而因為預測往往是不準確的，加上許多變異因素如供應商不可靠或生產補貨時間 太長等，導致需求波動的現象，所以越往上游需求扭曲越大，最後形成所謂的「長鞭效 應」﹝4﹞。導致供應鏈系統運作如圖 1-1 所示的惡性循環關係。 圖 1-1 傳統配銷系統的惡性循環關係 在長鞭效應的影響之下，每個區域配銷中心為了能百分百確保銷售單位之需求量要 求，必須建立較高之庫存水準來因應可能的變動；而越高的庫存，意味著企業投入了更 多的資金、未來可能面對庫存跌價損失，而為了使企業賺錢，應該設法降低庫存成本、 維持較低庫存。所以便落入了應該建立高或低庫存的爭議與衝突之中，如圖 1-2 所示。 經常下緊急訂單以補不足 市場需求資訊以預測為基礎 以push方式交貨 以push方式交貨 工廠 產能規劃總 配銷商 零售商 是處於不穩 某些產品 總是缺貨 存貨總是不符合市場 或是不足市場需求圖 1-2 典型庫存管理衝突﹝10﹞
Eliyahu M. Goldratt 博士為了解決上述的問題，自限制理論 (Theory of Constraints、
TOC) 中提出了以下幾個重要的改變做法：
(1) 建立“工廠中央倉庫＂（Plant Warehouse）來供應各“區域倉庫＂所需，取代了
原先由工廠分別供應給各區域倉庫的做法。由於補貨所需時間（Replenishment time）等於訂單時間（Order lead time）＋ 生產時間（Production lead time）＋ 運
輸時間（Transportation lead time）。這麼做之後，各“區域倉庫＂補貨所需時間 只剩“運輸時間＂，而“工廠中央倉庫＂所面對之變異也會更小。 (2) 以“拉式＂（Pull）代替“推式＂（Push）供給，只有在區域倉庫真正消耗掉該 產品時才依實際消耗量補貨。並且利用電腦科技做到讓區域倉庫每天回報銷耗量 （下單）並由工廠中央倉庫實施頻繁密集的補貨。如此做法，可使工廠不再需以 (A) 做好庫存管理 (B) 讓成本(總庫存金額)控 制到最低 (C) 盡可能賣出最多產品 (減少缺貨次數) (B’) 備較小庫存 (C’) 備較大庫存 假設： 預測不準確 供應商不可靠 補貨時間長 假設： 多些庫存就要多些投資，現金流量 更受壓力，貨品更多過時報廢
不準確的預測生產，也不需要應付小量急單。 (3) 設定各產品應有之庫存量，並以實際生產消耗變化（非預測）來監控庫存量是否 在合適區間或者已經過高或過低了，然後因應需要來調整庫存目標。 (4) 以（TDD、IDD）來作為績效衡量指標，使每個環節能因為有正確的衡量指標而 做出正確的因應動作，達到整體最高的效益，也使管理者易於管理。其中 TDD（Throughput-Dollar-Day）＝有效產出的價值 × 訂單延誤天數； IDD（Inventory-Dollar-Day）＝存貨的價值 × 停留在倉庫的天數； 而目標是，在將 IDD 最小化的同時追求“零＂TDD。 此改變做法確保可以在需求預測準確性低的情況依然可以有不錯的庫存管理績效。 Dr.Goldratt 提出將原本“推＂(Push)的做法改成以顧客需求為主“拉＂(Pull)的觀 念，但此種觀念真的可以讓企業整體的庫存下降並且滿足顧客的需求嗎？目前缺乏有利 的證據可以證明，加上企業因風險問題不敢貿然的作巨大的改變，使得 TOC 拉式的補 貨方法仍未廣泛的採用，甚為可惜。由於企業均會保存其歷史資料，因此我們認為如能 架構一個完整的配銷模擬系統，把 TOC 思維與提出的新改善方案融入在系統中，以顧 客端消耗量與庫存變化來進行模擬，藉由模擬後的績效表現，使企業可以輕易比較出企 業目前運作作法與採用 TOC 思維運作後的差異。進而找出有助於不同企業因應市場景 氣波動之對策，使企業能夠以合理的庫存滿足客戶的需求，提高獲利。此乃本研究的目 的。 研究方法如圖 1-3 所示，首先建構一個以 TOC 運作為主的模擬系統，系統完成後， 再透過企業歷史資料進行結果驗證，經由系統分析原有運作績效及模擬各種 TOC 情境， 最後評估此兩者間的績效表現，使企業能快速且深刻的體會原有與 TOC 運作之間的差 異性。
圖 1-3 研究方法流程圖 本論文分為五章，第一章敘述研究的動機與目的；第二章為文獻探討，主要在蒐集 與彙整與本研究相關的文獻，分為傳統的存貨補貨政策、供應商管理庫存模式（VMI） 與 TOC 存貨補貨政策；第三章為配銷管理模擬系統之設計介紹，主要在介紹本研究所 設計的模擬系統各架構功能；第四章為個案研究與模擬驗證分析，將本研究所探討的情 境以公司的個案資料進行模擬，分析與比較模擬的結果；第五章為結論與未來研究方 向。 TOC配銷管理系統 Simulator -資料分析 Simulator -情境分析 績效評估 顧客歷史資料
第二章 文獻探討
2.1 傳統的存貨管理政策
存貨的管理問題經常必須考量到物料移動所經之一系列存貨地點。如圖 2-1 中的零 售業者保有自己的存貨，存貨不足時向其供應商發出補貨需求，供應商再向工廠發出補 貨需求，工廠倉庫則向製造部門發出補貨需求。如果供應鏈中的任一環節缺貨，則可能 延宕零售物流業者的補貨作業。 圖 2-1 物料供應通路中的不同儲存點 良好的存貨管理可使製造成本降低，進而提高企業對外的競爭優勢。而存貨管理的 主要問題有二：一是何時需要補貨，另一個則是每次需要的補貨量；前者即所謂的再訂 購點(Reorder Point)，後者則為訂購量。如果補貨的時間太早或數量太多，則容易積壓資 金；反之，若補貨太慢或數量太少，則可能失去客戶或停工待料。因此，存貨管理的目 的就是「如何以適當的成本，適當地提供適量之物料，以供生產或銷售」。 在確定性需求下，因為知道每一時點的存貨狀態，透過經濟訂購模式(Economic Order Quantity，EOQ)可輕易決定出存貨水準；而何時下補貨訂單則只要存貨下降至事 先設定存貨水準參數值便啟動下單；但面對需求的隨機變動，以及不確定的交貨前置時 間，我們很難去規範訂購數量與訂購時點這兩變數。 傳統上學者一般將存貨制度分為兩類：一類為永續盤存制(perpetual inventorysystem)；另一類為定期盤存制(periodic review system)，本研究將此兩類分別敘述如下： 零售 業者 原料工廠 供應商 倉庫 工廠 倉庫 儲存點 儲存點 儲存點 儲存點
永續盤存制必須經常檢查存貨紀錄，當存貨水準低於訂購點時，則將存貨補充一固定 數量亦或是補充至最高上限，因此永續盤存制可分為兩項﹝7﹞： 1. (s，Q)補貨策略：當庫存量降低至再訂購點 s 時，訂購一固定的數量 Q，如圖 2-2 所示。通常 Q 的訂單量至少要大於補貨前置時間內的平均需求量，不然容易導致缺 貨發生；而 s 則依設定的服務水準而定。其優點是簡單不易發生錯誤，而缺點是無 法有效應付當交易量大於訂購量 Q 時的情境，此時即使以 Q 量補貨，也無法將存 貨水準提升回到再訂購點 s 的水準，必須將訂單量加大為 nQ 的量才足以應付需求。 圖 2-2 (s，Q)補貨策略系統﹝6﹞ 2. (s，S)補貨策略 當庫存量降低至再訂購點 s 時，則發出補貨訂單使存量回至最大量上限 S。補貨量 是變動的，如圖 2-3 所示。此系統又稱為最小—最大系統(min-max system)，存貨水 準一直維持再訂購點 s 與最大存量 S 之間。其優點為(s，S)系統所計算的總成本較 (s，Q)系統小，而缺點為訂購量為一變動的數，容易造成上游供應數量的錯誤，同 時若再訂購點 s 訂的太低而無法滿足補貨前置時間內需求時則容易導致缺貨。
圖 2-3 (s，S)補貨策略系統﹝6﹞ 定期盤存制是每隔一段時間 R 檢查存貨紀錄，在檢查後將存貨數量補充一固定數量 亦或是補充至最高上限，因此定期盤存制可分為三項： 1. (R，S)補貨策略 在固定檢視期間 R 的檢視點，訂購不一定的數量使存貨回到最大上限 S，如圖 2-4 所示。此系統又稱為補貨週期系統。不過當需求型態隨時間而改變時，在定期檢視 期 R 才有機會調整最大上限量 S。其優點為需求是隨著時間改變的，而缺點是一旦 在檢視期間與補貨前置時間內(R+LT)的總需求超過最大上限量 S，在一個檢視循環 末端容易發生缺貨機率。
圖 2-4 (R，S)補貨策略系統﹝6﹞ 2. (R，s，S)補貨策略 此為(s，S)與(R，S)兩種補貨策略的結合，在固定檢視期間 R 的檢視點，可用存貨 量小於或等於 s 則訂購足夠量使存貨量回至最大上限量 S，若未達 s 則等到下一固 定檢視期間 R 再檢視是否低於再訂購點 s，如圖 2-5 所示。其優點為總成本較其他 系統低，而缺點是不容易了解使用。 圖 2-5 (R，s，S)補貨策略系統﹝6﹞
3. (s，Q，R)補貨策略 此系統為(s，Q)補貨策略的修正形式。每隔一段時間 R 檢查庫存量，當存貨低於再 訂購點 s 時，訂購一固定數量 Q；若存貨未低於再訂購點 s 則不訂購。 在介紹完兩個基本的存貨制度，本研究比對這兩個存貨制度的特性，做一彙整比較 如表 2-1 所示。 表 2-1 永續盤存制與定期盤存制之比較 特性 永續盤存 定期盤存 訂購數量 Q-固定 Q-變動 訂購時點 R-當存貨量降至再訂購點即訂購 T-當檢查期間到達時 紀錄保存 任何時間之收發均紀錄 在檢查時記錄 存貨數量 存貨數量較少 存貨數量較多 存貨項目形式 A 類，價格高或重要的存貨項目 C 類，價值較低之存貨項目
2.2 供應商管理庫存 VMI
傳統補貨大多是以單一存貨點計算各點的補貨量與再訂購點的水準，供應鏈以單點 存貨決策方式運作，忽略整體的運作考量，如在以各階獨立的存貨狀況及局部績效目標 為建構基礎，除了各局部目標衝突外，同時在缺乏互信的合作存貨管理（coordinated inventory management）模式，容易導致「長鞭效應」現象。越往上游需求變易擴大現象 越嚴重，造成存貨過高、誤導產能規劃、無效運送、生產排程失誤及降低客戶服務水準； 何況位於供應鏈上游的供應商需要時間來認知市場需求變動，使得整體供應鏈對客戶需 求反應變慢，供應鏈反應力變慢，對於重客戶服務的市場是相當危險的。 傳統的庫存管理模式直接導致了供應鏈的成本增加或回應速度緩慢。基於這個觀 點，所以逐步發展出了供應商管理存貨(Vendor Managed Inventory，VMI)系統，VMI 庫 存管理模式則有效的克服了這種缺陷，突破了傳統的庫存管理模式。VMI 是一種決策支援系統，即供應商對每個下游零售商提供每期銷售預測，並提供
適當數量給零售商，這種系統幫助供應商及下游各個零售商，共同設定想要達成的顧客 服務水準和存貨週轉率目標。其機制為供應商接收到下游顧客的銷售資料及現在的存貨
水準後，再依據預先制訂的存貨水準來補充下游顧客的存貨。因此，供應商可以安排其 物料運送、建立生產排程，並且能減少其訂購單數量及次數以滿足供應商本身在運輸和 存貨上的需求。而 VMI 所展現的是供應商及其下游顧客間的一種合作關係，它可以降 低人工作業的成本、最適化的產品運送數量及保持較高的服務水準。 藉由資料的交換，VMI 產生了補貨的作業，其補貨的過程為：經銷商在每一固定期 間(每日或每星期)送出正確的商品資料給供應商，供應商接收到經銷商傳送的商品活動 資料並對此資料與商品的歷史資料利用統計的方法來做預測，再根據市場情報、銷售情 形適當的對預測做調整。供應商按照調整後的預測量加上補貨系統預先設定的條件、配 送條件、客戶要求的服務等級、安全庫存量等，產生最有效益的訂購量，再藉由自動貨 物裝載系統計算得到最佳運輸配送。供應商將根據以上得到的最佳訂購量，在供應商內 部產生經銷商所需的訂單，產生訂單確認資料後並傳送給經銷商，通知經銷商補貨。其 作業流程如圖 2-6 所示。 圖 2-6 VMI 作業流程 顧客或 經銷商 供應商 確認訂單 訂單管理系統 訂單管理系統 建議訂單 VMI 訂單管理系統 訂單管理系統 建議訂單 存貨水準 銷售資訊 補貨計畫
供應鏈管理最重要的不外是降低存貨成本及提升顧客服務水準兩方面，以下針對這 兩面作說明： 1. 降低成本：需求是變化無常的，這對於供應鏈是一個主要的問題，且會引響到顧客服 務和存貨成本，造成管理上的錯誤決策而產生存貨過多或是缺貨等現象，透過 VMI 可 以讓補貨週期縮短，提高補貨頻率，進而降低每次補貨批量，使供應有較平滑的需求， 避免過多存貨積壓，因此存貨成本即可降低。 2. 改善服務：一般情況來看，當零售商發現庫存不足時才向上游下訂單，這時間上的延 遲會造成缺貨而失去銷售機會，而且更重要的是顧客服務水準也同時降低，這是業者最 不願見到的損失；當使用 VMI 時，供應商獲得正確的需求資訊，判斷零售商的存貨已 接近一定水準時，即進行補貨動作，以達到適時且適量的配送行動，避免零售商產生缺 貨現象。 VMI 對零售商及供應商都會產生優缺點，如下表 2-2 所示。 表 2-2 VMI 對零售商和供應商的影響 優點 缺點 零售商 1. 有效率的存貨管理、提高存貨 週轉率、降低成本及提升服務 水準。 2. 導入這個系統時，在模型的發 展和客製化可以達到經濟規 模。 1. 需將自己的銷售資料或未來的銷 售策略告知供應商。 2. 導入 VMI 及相關資訊系統的成 本很大。 供應商 1. VMI 對供應商而言是增加本身 競爭力的一種方法。 2. 藉由 VMI 系統，供應商能夠更 確實的掌握下游顧客的訂單。 3. 藉由 VMI 系統，供應商和零售 商的夥伴關係會更密切，會使 得零售商更依賴供應商而不會 輕易更換合作夥伴。 1. 為了要做到持續補貨及快速回 應，供應商必須負擔更大的運送 成本。 2. 導入 VMI 及相關資訊系統的成 本很大。
2.3 寄銷存貨模型 Consignment Stock (C&VMI)
寄銷存貨與 VMI 相同，都是供應商從零售商接收電子資料，這些資料代表了零售 商銷售和庫存的真實資訊。然後，供應商透過處理和分析這些資訊得知零售商倉庫裡每 一種貨物的庫存情況和市場需求，就可以根據它們為零售商制定和維護庫存計畫。訂單 是由供應商產生的，而不是由零售商完成的。不同的地方在於當貨物送到零售商處後， 供應商仍保持對庫存的所有權，直到貨物被售出之後，才得到零售商支付的貨款。因此， 這些庫存應算做供應商的寄存庫存。 由此可見，VMI 是一種在客戶和供應商之間的庫存合作策略，在雙方簽訂的協議 下，由供應商來管理庫存，制定庫存策略和計畫，對庫存進行維護和補充。這些庫存在 被客戶售出之前，所有權仍歸供應商，一但售出，經銷商需要向供應商支付貸款。為了 建立一種持續改進的運作環境，這一協議需要不斷監督和修正。 寄銷存貨模型 Consignment Stock 的運作模式可分為以下三種，如圖 2-7 所示： (1)補貨倉：供應商在自己的倉庫，為製造商設立備料的 VMI 倉。通常該倉庫的存貨多 半為原料或半成品。 (2)發貨中心：供應商在製造商附近設立一發貨倉，以就近供應製造商所需。一般是屬於 供應商自己的通用倉，會委由第三方物流管理的倉庫，以便於直接配送至 客戶工廠或客戶指定之 VMI 倉庫。 (3)寄存倉：供應商在製造商所在地設立的 VMI 倉，根據製造商的預測需求，就近備貨 到 VMI 倉庫。 圖 2-7 Consignment Stock 的運作模式2.4 TOC 的存貨管理政策
限制理論是以色列的物理學家及企管顧問 Dr.Goldratt 於 80 年代初創，其原本主要是 應用於生產方面，而現今限制理論已經擴展到其他層面，包括作業管理、財務管理與績 效評估、專案管理、配銷與供應鏈管理、行銷、銷售、人員管理及公司策略和戰略等八 個層面。 在配銷及供應鏈管理上，Dr.Goldratt 認為普遍存在著一個衝突，如圖 2-8 所示。每一 位經理人的目標都是做好庫存管理(A)，為了做好庫存管理就必須做到成本或是總庫存 金額控制到最低(B)，也可以是盡可能賣出最多的貨品或是降低缺貨次數(C)，但是為了 讓成本控制到最低，就必須備較小的庫存(B’)；同時為了盡可能賣出最多的貨品或是降 低缺貨次數，就必須備較大的庫存(C’)，因此產生了衝突。Dr.Goldratt 認為衝突發生時， 不是在衝突中尋找妥協解決方案，而是去尋找衝突背後存在的假設，並設法打破假設激 發解決方案，取得雙贏解﹝3﹞。 圖 2-8 典型庫存管理衝突﹝10﹞ (A) 做好庫存管理 (B) 讓成本(總庫存金額)控 制到最低 (C) 盡可能賣出最多產品 (減少缺貨次數) (B’) 備較小庫存 (C’) 備較大庫存 假設： 預測不準確 供應商不可靠 補貨時間長 假設： 多些庫存就要多些投資，現金流量 更受壓力，貨品更多過時報廢為了改善以上衝突的發生，Dr.Goldratt 認為應該改變以往的存貨管理模式，並找出 一個新的存貨管理模式，可以在預測不準確、補貨時間太長以及供應商不可靠等前提假 設下，還可以使得存貨管理保持良好的績效。於是，限制理論提出了 Demand-Pull 及緩 衝管理(Buffer Management)的方式來改變過去企業的作業模式，而在績效衡量方面 Dr.Goldratt 將過去配銷常用的績效衡量指標如存貨週轉率、缺貨率等等，修正為有效產 出元．天(Throughput-Dollar-Days，TDD)與存貨元．天(Inventory-Dollars-Days，IDD)， 於後兩節將介紹這些模式的運作方式﹝2﹞﹝5﹞﹝12﹞。
2.5 Demand-Pull 模式
Demand-Pull 模式有四個主要方法，分別為庫存拉回源頭、增加補貨頻率、拉式生 產以及利用緩衝管理(Buffer Management)的方式來管理存貨，基本定義如下。 1. 庫存拉回源頭 Demand-Pull 打破過去企業將大部分的庫存放在最接近消費者的觀念，主張將大部 分的產品拉回至源頭也就是上游工廠內。認為若在上游需求的匯集處做預測，由於統計 波動的減緩，其預測的準確度將遠大於在下游各銷售點所預測的總合，如圖 2-9 所示。 由於預測的準確度提高，持有的庫存得以降低。將大部分的庫存放置在供應源頭，各區 域倉庫只需要持有補貨時間內的需求量即可，大幅縮減了各區域倉庫的庫存，且將生產 時間與運送時間分離，補貨時間只剩運送時間，大大減短了補貨時間且提高補貨的可靠 度。 圖 2-9 供應源頭預測變異較小﹝9﹞ 供給點 需求點 需求點 需求點 需求點 供給點 需求點 需求點 需求點 需求點2. 增加補貨頻率 庫存可以分為在庫庫存以及在途庫存，當補貨頻率增加時，在途庫存會因此增加， 在庫庫存會減少。舉例來說，若每個月的需求量是 20 單位，如果每個月訂一次的話， 那麼在庫庫存最多也為 20 單位；另外，若是增加訂貨頻率到每星期訂一次貨，每次訂 5 單位，則庫存大部分會存在運送的途中，因此在途庫存會增加，但在庫庫存會減少為最 多為 5 單位，比起每個月訂一次貨可以降低許多在庫庫存，如圖 2-10 所示。因此 Demand-Pull 主張，補貨頻率越高越好，各區域倉庫只需要持有補貨時間內的需求量即 可，因此當補貨頻率高時，各區域倉庫的在庫庫存可以降到最低。 圖 2-10 補貨頻率增加可降低在庫庫存量﹝9﹞ 3. 拉式生產 而補貨的數量則是由顧客在補貨時間內所消費的數量來決定，為用多少補多少的 「拉式生產」(Pull)觀念。舉例來說，若兩天補一次貨，第一天顧客下單 6 件產品、第二 天顧客下單 8 件產品，則向上游下單的補貨量為 6+8=14 件，因此，就可以避免利用預 測來決定補貨的數量，並且降低各倉庫之庫存量，其運作示意圖如圖 2-11 所示。 圖 2-11 Demand-Pull 模式示意圖﹝9﹞
4. 緩衝管理(Buffer Management)運作模式 限制理論中的緩衝管理是一個監控工廠及區域倉庫存量的方法，在運作之前，會先 設定一個目標庫存量，限制理論定義目標庫存量應該等於補貨時間(製造前置時間+運輸 前置時間+訂單前置時間)內經理人預期的最大需求量。目標庫存決定後再將其依比例分 成三個部分，分別為紅色緩衝區、黃色緩衝區以及綠色緩衝區，其緩衝區大小皆為目標 庫存量的三分之一，如圖 2-12 所示。 圖 2-12 各緩衝區示意圖 在限制理論中其做法是當期末庫存長時間位於綠色緩衝區時就應該適時的調降目 標庫存量；相反的，若期末庫存長時間位於紅色緩衝區時就應該適時的調高目標庫存 量，而調高與調降的比率皆為目標庫存量的 1/3；此外，若期末庫存量位於黃色緩衝區 則表示庫存的狀況良好，不用去對目標庫存量做任何調整，如圖 2-13 所示。由此緩衝 管理的辦法，就可以讓庫存量維持在一定的水準下，避免缺貨的發生，而當需求發生變 動時，可及時的做出調整回應，避免庫存量太高或是過低。 圖 2-13 調整目標庫存之機制示意圖﹝9﹞ 1*目標庫存量 2/3*目標庫存量 1/3*目標庫存量 綠色緩衝區 黃色緩衝區 紅色緩衝區
2.6 限制理論的績效衡量指標
1. 有效產出元．天(Throughput-Dollar-Days，TDD) TDD 主要是考慮交貨的可靠度，因此當公司或是部門間對顧客訂單所承諾的交期 無法達成時，便開始計算 TDD 的值來顯示沒有達成的程度；其計算方式為(有效產出的 價值×訂單延誤天數)，因此當 TDD 值越大時，代表訂單延遲越久，對公司造成嚴重的 損失，因此公司必須追求 TDD 值為零。除此，公司利用 TDD 值來決定出貨順序，因為 價值越高的訂單貨延誤天數越久的訂單，其 TDD 值會比較高，所以當在做出貨的決策 時，為了降低 TDD 值，自然就會將以上兩種的訂單優先出貨，方便公司正確做出出貨 的決策。 2. 存貨元．天(Inventory-Dollars-Days，IDD) IDD 主要是考慮公司存貨的效率，當公司存貨越高時，將會造成物料的浪費，以及 存貨費用的提升；其計算方式為(存貨的價值×停留在倉庫的天數)，當存貨價值越高時其 IDD 值也越高，同樣的當存貨在倉庫中停留越久時，IDD 值越高。而公司的目的就是盡 量降低 IDD 值，使公司可以有效率的做好存貨管理。第三章 模擬系統工具介紹
3.1 配銷管理模擬系統的整體架構
配銷管理範疇內的倉庫大致可分為工廠倉庫、配銷倉庫與零售商倉庫三大類，本研 究所提出的配銷管理模擬器，主要應用在配銷管理的分析與模擬，使用者可以輕易設定 或調整與配銷有關的決策變數，透過系統動態模擬資料，讓使用者便於觀察模擬過程的 變化，整體架構規劃如圖 3-1 所示，主要共分為「環境設定模組」、「資料分析模組」、「情 境選擇模組」與「績效分析模組」四大部分，分述如下： 圖 3-1 配銷管理模擬系統之整體架構圖3.1.1 環境設定模組
此模組主要功能在於讓使用者提供模擬系統所需的基本環境參數以及資料欄位，如 表 3-1、3-2 所示。有了這些配銷環境的資料，系統便可依據這些資料，架構出真實情境 的畫面，方便使用者觀察模擬的過程。 表 3-1 本研究所設計的環境參數 倉庫定位 產品資料 倉庫資料 工廠倉庫 產品售價 期初庫存量 配銷倉庫 是否缺貨後補 目標庫存量 客戶倉庫 生產/運輸 前置時間 生產/下單 頻率 配 銷 管 理 模 擬 器 (1) 環境設定模組 (2) 資料分析模組 (3) 情境選擇模組 (4) 績效分析模組表 3-2 本研究所設計的資料欄位 工廠倉庫 配銷倉庫 零售商倉庫 期間 期間 期間 本期生產量 本期進貨量 本期進貨量 本期訂單量 本期訂單量 本期銷售量 本期岀貨量 本期岀貨量 本期採購量 本期工單量 本期採購量 期末庫存 期末庫存 期末庫存 缺貨量 缺貨量 缺貨量 本期預測量 本期預測量 本期預測量
3.1.2 資料分析模組
取得所有環境的資料後，透過此分析模組，分析企業目前運作模式的績效，並利用 此績效初步分析該企業在現今運作上可能的缺失。3.1.3 情境選擇模組
此模組將 TOC 管理模式分成不同情境，讓使用者直接透過模擬體驗採用 TOC 管理 模式後的改善結果，本研究依照各種情境策略的不同，將其劃分為三大類，如圖 3-2 所 示，而此三大情境所包含的變數則如表 3-3 所示。 圖 3-2 三大情境策略的分類 三 大 情 境 策 略 (1) 情境一 Demand-Pull 策略 (2) 情境二 Demand-Pull＋Buffer Management 策略 (3) 情境三 自訂參數＋Demand-Pull＋Buffer Management 策略1. 情境一 - Demand-Pull 因應 TOC 提出的 Demand-Pull 觀點，對情境一提出以下運作方式： (1). 期初庫存：系統開始前，必須先訂定期初庫存，期初庫存量＝公司給予庫存量。 (2). 目標庫存：目標庫存量＝公司原先訂定的庫存量。 (3). 零售商與配銷商依據每次訂購點前的需求量總和來下單，製造商則根據實際 需求來生產，使用多少庫存便生產多少數量。 (4). 必須遵守下游訂購多少，便供貨多少的運作方式。
2. 情境二 - Demand-Pull 加上 Buffer management (動態緩衝管理)
因應 TOC 提出的 Demand-Pull 和動態庫存緩衝管理觀點，對情境二提出以下運作 方式： (1). 期初庫存：系統開始前，必須先訂定期初庫存，期初庫存量＝公司給予庫存量。 (2). 目標庫存：目標庫存量＝公司原先訂定的庫存量。 (3). 零售商與配銷商依據每次訂購點前的需求量總和來下單，製造商則根據實際需求 來生產，使用多少庫存便生產多少數量。 (4). 第一次訂單到達時間前的方式為「使用多少數量，便生產多少數量」，不需要修 正訂購量。 (5). 於表格的「期末庫存」欄位，有提供 Buffer management 的庫存狀況顯示，當庫 存顏色為黃色時，保持「需求多少，下單多少」的下單方式；當期末庫存長時間 呈現紅色時，且累積侵蝕紅色區域的數量大於一定數量(紅色緩衝區量)，則向上 修正目標庫存，並提高訂購量；當期末庫存長時間呈現綠色時，且積侵蝕綠色區 域的數量大於一定數量(綠色緩衝區量)，則向下修正目標庫存，並減少訂購量。 (6). 必須遵守下游訂購多少，便供貨多少的運作方式。
3. 情境三 –自訂參數加上 Demand-Pull 加上 Buffer management (動態緩衝管理)
雖然 TOC 提出 Demand-Pull 和動態庫存緩衝管理觀點，但如何實際運作，TOC 並 未提出嚴謹的程序與方法來回答如何做好緩衝管理，因此本研究針對緩衝管理運作延伸 一些相關議題，主要有三個問題：
z 緩衝管理中目標庫存量的決定對庫存之影響。 目標庫存的大小對公司的庫存有很大的影響，當目標庫存設定過高時，公司必須付 出更多的成本及積壓過多庫存的風險；當目標庫存設定過低時，公司或許無法應付 緊急需求而造成缺貨的發生，因此在緩衝管理中多少的目標庫存才是合適的庫存 量？ z 觸發目標庫存調整的機制對庫存之影響。 在緩衝管理中並沒有一個明確的觸發目標庫存調整的機制，若觸發目標庫存調整之 機制不佳，則可能在該調目標庫存的時候不調，或是不該調目標庫存的時候調整， 造成缺貨發生或是庫存過剩的危機，因此何時該觸發調整目標庫存機制才是最適當 的？ z 目標庫存調整量的大小決定對庫存之影響。 依據限制理論所言，當目標庫存降低至紅區時要將庫存適當的調升；當目標庫存升 高至綠區時要將庫存適當的調降，然而調升或調降的量為多少卻無實際的作法，當 調整的幅度過大時，是否會因為過度反應而造成存貨過剩或缺貨危機；然而調整幅 度過小時，是否會造成過度頻繁的調整？因此在緩衝管理中調多少的庫存量才是最 適當的？ 希望透過提出以下的改善方案，將其結合至系統，以加強緩衝管理在運作上得到績 效： z 提供不同的目標庫存量之決定準則。 z 提供不同的觸發目標庫存調整機制。 z 提供不同的目標庫存調整量之決定準則。 基於上述改善方案，對情境三提出以下管理方式。 (1). 訂定「期初庫存」：系統開始時，必須先訂定期初庫存，期初庫存量＝max(到 第一次訂單到達時間內的預測總需求量)，系統依服務水準提供四種選項： ○1 服務水準 99%：平均需求 × 運輸時間 × 係數(2) ○2 服務水準 90%：平均需求 × 運輸時間 × 係數(1.5)
○3 自訂：讓使用者自行輸入想要的期初水位 ○4 不變：沿用公司原本的期初水位 (2). 訂定「目標庫存」：目標庫存＝max(平均補貨時間內的預測總需求量，同時要考慮 上游供應的不確定性)，系統依服務水準提供四種選項： ○1 服務水準 99%：平均需求 × 補貨週期 × 係數(2) ○2 服務水準 90%：平均需求 × 補貨週期 × 係數(1.5) ○3 自訂：讓使用者自行輸入想要的目標庫存水位 ○4 不變：沿用公司原本的目標庫存水位 (3). 補貨頻率：系統提供四種選項： ○1 每天：提供每天下補貨訂單 ○2 每週：提供一個禮拜下一次補貨訂單 ○3 自訂：讓使用者自行輸入想要的補貨頻率(以天數為單位) ○4 不變：沿用公司原本的補貨頻率 (4). 零售商與配銷商依據每次訂購點前的需求量總和來下單，製造商則根據實際需求來 生產，使用多少庫存便生產多少數量。 (5). 第一次訂單到達時間前的方式為「使用多少數量，便生產多少數量」，不需要修正 訂購量。 (6). 於表格的「期末庫存」欄位，有提供 Buffer management 的庫存狀況顯示，系統提 供三種調整選項： ○1 遇紅/綠即調機制：當庫存顏色為黃色時，保持「需求多少，下單多少」的下 單方式；當期末庫存長時間呈現紅色時，且累積侵蝕紅色區域的數量大於一定數 量(紅色緩衝區量)，則向上修正目標庫存，並提高訂購量；當期末庫存長時間呈 現綠色時，且積侵蝕綠色區域的數量大於一定數量(綠色緩衝區量)，則向下修正 目標庫存，並減少訂購量。 ○2 拉急單機制：當庫存顏色為黃色時，保持「需求多少，下單多少」的下單方式； 當期末庫存長時間呈現紅色時，且侵蝕紅區數量超過紅區一定數量(紅區的
1/3)，則拉急單，而當累積急單數量大於一定數量(補貨時間)，則向上修正目標 庫存，並提高訂購量；當期末庫存長時間呈現綠色時，且積侵蝕綠色區域的數量 大於一定數量(綠色緩衝區量)，則向下修正目標庫存，並減少訂購量。 ○3 參考預測機制：當庫存顏色為黃色時，保持「需求多少，下單多少」的下單方 式；當期末庫存長時間呈現紅色時，且期末庫存與預測目標庫存相差超過一定數 量(預測目標庫存 1/3)，則向上修正目標庫存，並提高訂購量；當期末庫存長時 間呈現綠色時，且期末庫存與預測目標庫存相差超過一定數量(預測目標庫存 1/3)，則向下修正目標庫存，並減少訂購量。 (7). 必須遵守下游訂購多少，便供貨多少的運作方式。
表 3-3 三大情境之情境條件表 情境條件 意義 情境一 僅依每期進出貨做調整 單純 Demand-Pull 情境二 依每期進出貨做調整，加上 Buffer management z 侵蝕紅區數量累積超過紅區(1/3)時-往上調整 buffer(1/3) z 侵蝕綠區數量累積超過綠區(1/3)時-往下調整 buffer(1/5) 評估 Demand-Pull + 反應期及調整量 情境三 調整參數設定 z 生產/下單頻率 z 期初庫存 - 依服務水準 z 目標庫存 - 依服務水準，加上 依每期進出貨做調整，加上 Buffer management z 遇紅/綠即調 - 侵蝕紅區數量累積超過紅區(1/3)時-往上調整 buffer(1/3) - 侵蝕綠區數量累積超過綠區(1/3)時-往下調整 buffer(1/5) z 拉急單機制 - 侵蝕紅區數量超過紅區(1/3)時，拉急單 - 急單次數超過前置時間，往上調整急單平均數 - 侵蝕綠區數量累積超過綠區(1/3)時-往下調整buffer(1/5) z 參考預測 - 期末庫存與預測目標庫存相差大於預測目標庫存(1/3) - buffer 往上調整預測目標庫存(1/3) -期末庫存與預測目標庫存相差小於預測目標庫存(1/3) - buffer 往下調整預測目標庫存(1/3) 評估不同參數調整 + Demand-Pull + 合適反應期及調整量
3.1.4 績效分析模組
系統經分析與模擬完後，針對每次結果，均需要明確的評估指標來決定成果的優 劣。本研究規劃由績效分析模組負責的評估指標如下所示： ○1 總平均庫存 ○2 月平均庫存 ○3 庫存週轉率 ○4 缺貨率 ○5 缺貨量 ○6 TDD 值 ○7 平均 IDD 值 所有指標均以數據及長條圖來顯示。3.2 目標庫存更動方式
以下將討論 TOC 利用 Buffer Management 將庫存三等分的觀念，提出修正目標庫存 的方式，並將其結合在系統情境中。 當庫存長時間處於紅色位置時，如圖 3-3 所示，要考慮提高目標庫存。當期的下單 量必須增加為(當期需求量＋目標庫存增加量)，並且下一期訂購量仍是需求多少便訂購 多少，等到這次的補貨完成，讓提高的訂貨量反映到實際需求量後，再觀察一次補貨時 間內的需求量變動，才可以做下一階段的目標庫存更動，以下將對於修正目標庫存步驟 做細部的說明。
圖 3-3 庫存狀態示意圖
資料來源：TOC Insights into Project Management and Engineering/Eliyahu M,Goldratt
步驟一：
假設補貨時間為四天，可每天下單；當第八天決定增加目標庫存時，當期的訂單量＝當 期銷售量＋目標庫存增加量，下一期仍是賣多少訂多少。因此第八天的訂購量＝當天銷 售量＋提高的目標庫存量；第九天的訂購量＝當天銷售量，如圖 3-4 所示。
圖 3-4 庫存修正示意圖一
資料來源：TOC Insights into Project Management and Engineering/Eliyahu M,Goldratt
步驟二：
當調整完目標庫存量，且到貨後，還須觀察一個補貨時間內的庫存變化。例子中第八天 提高的訂單於第十一天到貨，補貨前置時間為三天，因此觀察第十一天過後，三天內的 庫存狀態。例子中存貨再第十二天~第十四天仍是在紅色區域，因此要再次提高庫存， 如圖 3-5 所示。
圖 3-5 庫存修正示意圖二
資料來源：TOC Insights into Project Management and Engineering/Eliyahu M,Goldratt
步驟三：
第十四天時發現庫存仍然多處於低標，決定再次調整，訂購量為當天銷售量＋預期提升 的目標庫存量，如圖 3-6 所示。
圖 3-6 庫存修正示意圖三
資料來源：TOC Insights into Project Management and Engineering/Eliyahu M,Goldratt
如果再補貨前置時間內的期末庫存量，均是處於綠色區域，就便需要向下修正目標 庫存，開始減少訂單數量，讓庫存降低，直到降到新設的目標庫存量為止。並且當要繼 續下一次向下修正時，必須要等到現有庫存降到新目標庫存的綠色範圍時，才能繼續向 下修正。
3.3 配銷管理模擬器之執行流程
系統流程圖以下圖 3.7、圖 3.8、圖 3.9 為示 上期是否 缺貨 下游廠商下單， 需求產生 紀錄本期缺貨量 是否 缺貨後補 倉庫是否 滿足需求 依需求數量出貨 決定補貨數量， 下訂購單，轉交上游廠商 決定是否 補貨 判斷是否須 調整庫存 依生產時間， 產出工單上之數量 檢查進貨量與期 末庫存，決定出貨 檢查進貨量與期末庫存， 決定出貨量 決定補貨數量， 下訂購單，轉交上游廠商 是 否 是 是 是 否 否 是 否 圖 3-7 工廠倉庫流程示意圖﹝8﹞圖 3-8 配銷商倉庫流程示意圖﹝8﹞ 上期是否 缺貨 下游廠商下單， 需求產生 紀錄本期缺貨量 是否 缺貨後補 倉庫是否 滿足需求 依需求數量出貨 決定補貨數量， 下訂購單，轉交上游廠商 決定是否 補貨 判斷是否須 調整庫存 上游依到貨時間， 出貨訂購單上之數量 檢查進貨量與期 末庫存，決定出貨 檢查進貨量與期末庫存， 決定出貨量 決定補貨數量， 下訂購單，轉交上游廠商 是 否 是 是 是 否 否 是 否
圖 3-9 零售商倉庫流程示意圖﹝8﹞ 上期是否 缺貨 每期於零售端隨機產 生需求 紀錄本期缺貨量 是否 缺貨後補 倉庫是否 滿足需求 依需求數量出貨 決定補貨數量， 下訂購單，轉交上游廠商 決定是否 補貨 判斷是否須 調整庫存 上游依到貨時間， 出貨訂購單上之數量 檢查進貨量與期 末庫存，決定出貨 檢查進貨量與期末庫存， 決定出貨量 決定補貨數量， 下訂購單，轉交上游廠商 是 否 是 是 是 否 否 是 否
3.4 系統紀錄表與操作說明
系統為達到方便使用者紀錄存貨與訂貨情況，並且快速運算庫存、成本等數據，利 用 excel 製作專屬的紀錄表，細部說明與操作程序則置於本論文附錄的模擬系統操作手 冊中。執行此系統時可利用此操作手冊，讓使用者了解此系統的操作步驟。
第四章 個案研究與模擬驗證分析
4.1 個案公司介紹
A 光電公司是一家專業的 TFT- LCD 設計公司，該公司成立至今，積極投注研發， 目前已經是全球 TFT- LCD 的領導廠商。而且該公司非常重視研發、技術工作，成立了 自家的科技中心，是國內最大之光電研發中心，研發技術包括 TFT-LCD 與 LTPS 等顯示 技術。在 TFT- LCD 領域，A 公司提供各式產品，並且獲得國內外相關領導廠商之採用， 在該領域擁有非常高的市佔率。其研發的能力與領先的程度，可以說已經是世界級領導 廠商，在國內無人能出其右。但同時也吸引了許多其他競爭者與其培養出來的大陸低價 製造商投入此一市場，造成價格混亂與市場過度被炒作，雖然 A 公司還是有很高的市佔 率，但其所面對的已經是一個價格變化更劇烈、顧客忠誠度更低且市場預測更不準確的 殺戮戰場。所以，本研究認為該公司有必要對其配銷庫存的管理方法進行檢討，看是否 可以透過限制理論的建議，結合系統模擬找出更好的方法，建立在研發之外的另一個優 勢。4.2 個案公司過去的管理方法與實際庫存水準
A 公司再過去幾年中一直都是以業務單位的銷售預測做為生產投單的依據。業務單 位會給未來四到五週之可能總需求量做為產能準備概估數量，再切分成未來每週之總出 貨量，最後再細分成每日之預測出貨量做為投單依據。生產單位便依據這些數字來做產 能之預備及實際投產。 雖然上述流程看起來似乎合理，且這樣的做法在 A 公司也行之有年，但此做法和一 般企業並無差異，而先前討論的幾樣現象：“不準確的預測＂、“不可靠的供應鏈＂與 “太長的補貨時間＂，在 A 公司也都成為了不穩定因素，以下依 A 公司之實際情況分 述如下： 1.不準確之預測：由於市場景氣波動大此因素，常常造成實際出貨數與預測數有相當的差異。以過去半年產品線 M 之出貨實績比較如圖 4-1 所示。 2.不可靠的供應鏈：雖然各家代工廠商都是以最優先的順序來處理 A 公司之產品，在 這方面 A 公司已經有相對於其他公司之優勢。但是，市場景氣變化的力量更大於此，即 便是 A 公司也同樣面對到預定的產能被減單、漲價的問題，一樣拿不到完整的預定產能。 M11 0 10000 20000 30000 40000 50000 60000 70000 80000 90000 9 10 11 12 1 2 月份 數量 預測量 實際出貨量 圖 4-1 A 公司產品線 M 之預測與出貨實績比較圖 也就是因為這些不穩定的因素，A 公司的生管人員必須不斷地跟相關業務人員作溝 通、不斷的修正預測值、不斷的修改工廠之生產計劃。但是計劃永遠趕不上變化，人力 有限、產品種類又多，常常最後的結果是，已經大量投單的產品實際出貨量遠小於預測， 而未投單的生產的產品又幾乎要短缺。人仰馬翻之外，庫貨週轉率也跟著大幅震盪。以 下統計圖表(表 4-1、圖 4-2)便可清楚說明此一現象，而這也是本研究之動機與探討之對 象。 表 4-1 A 公司產品線 M 之預測準確度、實際出貨量與存貨週轉天數 單位：K pcs 月份 9 10 11 12 1 2 預測量 82110 50060 18910 16970 1350 37120 預測百分比 116% 96% 87% 79% 0% 77% 實際出貨量 70728 52399 21673 21528 0 48024 庫存週轉率 6 20 14 10 0 6 附註：預測百分比＝預測量 / 當月實際出貨量
產品線M之預測與存貨變化 0 5 10 15 20 25 9 10 11 12 1 2 0% 20% 40% 60% 80% 100% 120% 140% 存貨週轉天數 預測量 圖 4-2 A 公司產品線 M 之預測準確度與存貨週轉天數之趨勢圖
4.3 限制理論的解決方案應用在個案公司之評估
經由前面相關文獻與個案公司之探討，可以了解不論是長鞭效應或是預測的本質都 訴說一些基本的事實，就是預測總是不準、如果預測未來的時間點越遠，則結果會是越 不準確。加上 A 公司所處的光電產業本身就有景氣變化劇烈、產品生命週期短等特性。 所以，如果不可能再去藉由尋找更精準之預測模型來改善既有的現況，那將會是徒勞無 功的。因此本研究嘗試藉由 Dr.Goldratt 所提出的限制理論內容，來探討 A 公司如何能 做到不尋求一套準確的預測系統、犧牲利潤或增加投資、或教育供應商，而經由改變運 作方式來達到降低補貨時間、改善供應商的可靠度、降低庫存水準等目的，藉由模擬的 結果使其比較改善的前後差異。以下將由限制理論之配銷想法出發，與 A 公司之實際狀 況結合來逐一討論相關做法在 A 公司之可行性。 做法 1：縮短補貨所需時間(Replenishment time)，補貨時間等於“訂單時間＂(Order lead time)＋“生產時間“(Production lead time)＂ ＋運輸時間＂(Transportation leadtime)。
討論 1：由於 A 公司的“運輸時間“和＂生產時間＂都已經相當的短，佔整體“補 貨時間＂的比例也是相對的小，再做改善的空間相當有限。所以最明顯可以改善的部
分，是 A 公司下單的方式。應該教育相關人員，只需保護瓶頸並在瓶頸前建立適當緩衝 量即可，而不應該每個人為了保護自己的績效，而提早數週下單或多下單。 做法 2：決定大部分庫存的存放位置，以建立“工廠中央倉庫＂(Plant Warehouse) 來供應各“區域倉庫＂所需，取代一般由工廠分別供應給各區域倉庫的作法。 討論 2：對 A 公司而言，其做法是在中部設置成品倉，然後由其下游廠商直接透過 貨運公司拉貨至顧客端，本質上已經是一虛擬之“工廠中央倉庫＂(Plant Warehouse)。 所以從成品的角度來看，這一點已經符合，不需要再做改變。 做法 3：決定合適之庫存目標水準，並以“拉式“(Pull)生產代替＂推式＂(Push)供 給。 討論 3：A 公司目前控制安全目標庫存水準的做法是以每天保有 2~3 天的庫存量， 此數量便是生管人員心目中的“安全庫存水準＂，大概以每天 3,500K 左右做為經驗參 考值。然而，這樣的做法所得到的數字，並不是可以掌握的目標。只要預測不準確，庫 存水準便會隨之暴增暴減。所以合適之目標庫存水準，不應該是個固定的數字。一但採 以拉式“(Pull)生產代替＂推式＂(Push)供給之後，就可以排除“未來四~五週之總需求 預測量＂這個不確定因素，庫存水準只是單純的“目前成品＋在製品(WIP)＋已下工單 的量＂，不但更容易掌握，也更接近財務上所定義的“庫存＂。作法上除了剛生產之新 產品必須依經驗或預估來抓到一個初始值之外，量產後便應該依實際生產與消耗量來修 正，找出合適之庫存水準。 做法 4：動態庫存緩衝管理，以生產與消耗之變化來監控庫存量是否在安全區間(以 顏色作為庫存監控指標：紅色區－低庫存；黃色區－適量庫存；綠色區－高庫存)，必 要時調整庫存目標水準，以確保維持適量的庫存。 討論 4：目前 A 公司並未實行這樣的管理方式，就如前所述目前在控制庫存水準的 做法是每天保有 2~3 天的庫存量。這樣的做法，雖然不準確但也可以得到一個參考值，
而實際上 A 公司之生管人員也會依據當時的結果回頭要求工廠做出相對應的增產或減 產動作，似乎也符合這項要件。然而因為每位生管人員須負責多數產品，又沒有電腦化 的輔助程式來幫助自動檢查，僅能個人依手邊資料自行以 Excel 等軟體來試算，常常是 1~2 週才檢查一次，錯失了許多可以及時修正的機會。 做法 5：增加補貨頻率，依實際銷售下單補貨，頻率越快越好。 討論 5：目前 A 公司在沒有電腦化程式輔助的幫助下，其檢討的頻率也不夠密集， 相對因應市場變化的速度也就比較慢。這一點可以藉由資訊技術補強。A 公司之補貨頻 率可以依工廠可接受之最小數量，每天小量投單來取代以往依預測連續投 5~7 天工單之 做法。如此做法，不但可以增加補貨頻率同時也可以減少庫存。 做法 6：找出衡量績效的指標，確保計畫與要求被確實地執行，以(T、I、OE) 來作為績效衡量指標，使每個環節能因有正確的衡量指標而做出正確的因應動作。 討論 6：對 A 公司的生管單位，目前公司對他們的績效衡量指標是“每月庫存天 數＂，而生管單位對代工廠的績效衡量指標則是“交期準確率＂。然而 A 公司的各個產 品價格均不等。所以這幾個指標的高低與表現好壞，並不能真實的反應對公司整體的損 失為何。這樣的規則，更容易導致相關人員去衝高一些好做的產品來美化成果，至於是 否顧及高單價之重要訂單及是否有因為要彌補錯誤而造成較高的營運損失(例如下急 單)，這些目前在 A 公司的檢討指標中是看不出來的。雖然如此，但在與 A 公司討論後 發現，同一個各戶可能同時要高單價與低單價之產品，對客戶而言，到底哪一個才比較 重要，這一點是有爭議的。對生管人員而言，他們也擔心如果對代工產改用 TDD 來衡 量，小量的急單容易被忽略。 由前述，我們可以簡單歸納各項建議作法對於 A 公司之應用評估如下：(1)縮短補 貨所需時間，改由每天下工單，取代依預測連續下 5~7 天的工單；(2)建立“工廠中央倉 庫＂，A 公司目前已經是如此的作法；(3)決定合適之目標庫存水準，並以“拉式“(Pull) 生產代替＂推式＂(Push)供給，對還是習慣以“預測＂(Forecast)來進行生產規劃作業的
A 公司而言是很大的改變；(4)動態庫存緩衝管理，若能加上電腦系統輔助，更可以幫助 生管人員快速反應；(5)增加補貨頻率，A 公司之補貨頻率與批量都可以再細緻一點，增 加整體之應變彈性；(6)找出衡量績效的指標，A 公司已經有自己的一套衡量指標，至於 是否要改以(T、I、OE)來做為指標，還有爭議。
4.4 以個案公司之歷史資料來驗證有效性
根據前節衡量 A 公司之實境狀況後，歸納建議作法，對其採行「找出合適之目標庫 存水準，並以“拉式＂(Pull)生產取代“預測＂(Forecast)＋動態庫存緩衝管理＋增加補 貨頻率」的改變，並利用其歷史資料與系統進行模擬，來看看如果 A 公司採取這些改變 的話，其結果是否會有所不同。比較模擬對象：A 公司之“產品線 M＂在 2007 年 9 月 至 2008 年 2 月之銷售預測、實際出貨量、缺貨量及其庫存量等歷史資料，如表 4-2、圖 4-3、圖 4-4 所示。 表 4-2 A 公司產品線 M 之庫存水準(2007.9~2008.2) 期初庫存量：10,657K 目標庫存量：3,500K 單位：K pcs 月份 9 10 11 12 1 2 預測量 82110 50060 18910 16970 1350 37120 預測百分比 116% 96% 87% 79% 0% 77% 實際出貨量 70728 52399 21673 21528 0 48024 缺貨次數 1 5 1 1 1 0 缺貨數量 4397 9423 218 1297 1306 0 平均庫存量 11481 2656 1604 2173 3 8329 庫存週轉率 6 20 14 10 0 6 附註：預測百分比＝預測量 / 當月實際出貨量產品線M-實際出貨量與平均庫存量之變化圖 0 20000 40000 60000 80000 9 10 11 12 1 2 月份 數量 實際出貨量 平均庫存量 圖 4-3 A 公司產品線 M 之實際出貨量與平均庫存量之變化圖 產品線M-缺貨次數與缺貨數量之變化圖 0 1 2 3 4 5 6 9 10 11 12 1 2 月份 次數 0 2000 4000 6000 8000 10000 數量 缺貨次數 缺貨數量 圖 4-4 A 公司產品線 M 之缺貨次數與缺貨數量之變化圖 從這個歷史資料我們可以看到實際出貨量與預測量常有正負的誤差出現。由於生管 人員很努力的做調整因應，可以清楚的看到，A 公司庫存水位幾乎很符合公司的要求(2~3 天的需求量)。不幸的是，A 公司在控制庫存的前提下卻造成了多次缺貨，造成公司大 量的損失。本研究嘗試以各種狀況對上述之個案資料進行模擬，為了方便模擬，我們採 取了以下幾個假設條件：(1)投產後隔天可順利產出；(2)供應產能無上限；(3)庫存有貨 即可順利出貨。 根據個案歷史資料及上述假設，將其套入以下各種模擬條件，來求其各績效指標， 看看是否能得到比 A 公司原來純粹根據預測來規劃還要好的結果，這裡所投入之模擬狀 況，如表 4-3 所示。
表 4-3 各種模擬試算之模擬條件表 模擬條件 意義 模擬一 僅依每期進出貨做調整 單純 Demand-Pull 模擬二 依每期進出貨做調整，加上 Buffer management z 侵蝕紅區數量累積超過紅區(1/3)時-往上調整 buffer(1/3) z 侵蝕綠區數量累積超過綠區(1/3)時-往下調整 buffer(1/5) 評估 Demand-Pull +反應期及調整量 模擬三(1) 依每期進出貨做調整，加上 Buffer management (遇紅/綠即調) z 侵蝕紅區數量累積超過紅區(1/3)時-往上調整 buffer(1/3) z 侵蝕綠區數量累積超過綠區(1/3)時-往下調整 buffer(1/5) 評估 Demand-Pull +合適反應期及調 整量 模擬三(2) 依每期進出貨做調整，加上 Buffer management (拉急單機制) z 侵蝕紅區數量超過紅區(1/3)時，拉急單 -急單次數超過前置時間，往上調整急單平均數 z 侵蝕綠區數量累積超過綠區(1/3)時-往下調整 buffer(1/5) 評估 Demand-Pull +合適反應期及調 整量 模擬三(3) 依每期進出貨做調整，加上 Buffer management (參考預測) z 期末庫存與預測目標庫存相差大於預測目標庫存(1/3) - buffer 往上調整預測目標庫存(1/3) z 期末庫存與預測目標庫存相差小於預測目標庫存(1/3) - buffer 往下調整預測目標庫存(1/3) 評估 Demand-Pull +合適反應期及調 整量 所有上述模擬條件經試算後，可與 A 公司之歷史資料一起比較其結果，如表 4-4 圖 4-5、圖 4-6 所示。 表 4-4 各種模擬條件試算所得之彙整表 績效分析 公司 模擬一 模擬二 模擬三(1) 模擬三(2) 模擬三(3) 總平均庫存 4314 6603 4128 4128 5232 5375 庫存週轉率 49 31 50 50 39 38 缺貨次數 9 2 2 2 2 2 缺貨量 16641 8018 9606 9606 9204 8952 TDD 值 22798314 4762692 5705964 5705964 5467176 5317488 平均 IDD 值 325962 626510 349269 349269 473160 463441
0 1000 2000 3000 4000 5000 6000 7000 公司 模擬一 模擬二 模擬三(1)模擬三(2)模擬三(3) 數量 0 10 20 30 40 50 60 庫 存周轉率 平均庫存 庫存週轉率 圖 4-5 各模擬條件試算所得之平均庫存與庫存週轉率之曲線圖 0 1 2 3 4 5 6 7 8 9 10 公司 模擬一 模擬二 模擬三(1)模擬三(2)模擬三(3) 次數 0 2000 4000 6000 8000 10000 12000 14000 16000 18000 數量 缺貨次數 缺貨數量 圖 4-6 各模擬條件試算所得之缺貨次數與缺貨量之曲線圖 由以上模擬結果發現，使用 TOC 方式改善後還是會有缺貨的情形發生，於是追朔 到歷史資料分析造成的原因，由歷史資料可以得知，如表 4-5(僅列部分)，在 9 月 6 日 (14,583K)與 9 月 30 日(8,705 K)下游均大量拉貨，數量為最小訂單量(1,449K)的 6~10 倍， 造成即使採用 TOC 用多少補多少的補貨方式仍無法避免此兩次的缺貨。
表 4-5 A 公司產品線 M 之歷史資料(僅列部分) 期間 本期進貨 本期訂單量 本期出貨 本期採購量 期末庫存 預測量 9 月 1 日 3,891 1,056 3200 9491 3500 9 月 2 日 4,668 3200 14159 3500 9 月 3 日 6,940 1,342 3000 21099 3500 9 月 4 日 1,217 1,680 1,680 3200 20636 3500 9 月 5 日 2634 20636 3500 9 月 6 日 14,583 6,120 1600 14516 3500 9 月 7 日 2,026 2,899 1,392 2166 15150 3500 9 月 8 日 2,160 2,899 5,808 3200 11502 3500 9 月 9 日 3,670 2,899 3200 15172 3500 9 月 10 日 2,968 2,899 3200 18140 3500 9 月 11 日 2,922 2,899 5,040 3200 16022 3500 9 月 12 日 4,128 2,899 6,264 4200 13886 3500 9 月 13 日 2,901 2,899 2,976 2200 13811 3500 9 月 14 日 2,700 2,899 3,240 3200 13271 3500 9 月 15 日 3,534 2,899 5,256 1600 11549 3500 9 月 16 日 2,156 2,899 2600 13705 3500 9 月 17 日 1,727 2,899 15432 3500 9 月 18 日 615 1,449 3,912 12135 3500 9 月 19 日 1,449 12807 3500 9 月 20 日 370 1,449 1,344 11833 3500 9 月 21 日 1,449 5,232 6601 3500 9 月 22 日 133 3,288 4200 3446 3500 9 月 23 日 2,784 4400 6230 3500 9 月 24 日 1,887 1,449 2860 8117 3500 9 月 25 日 3,294 2,686 6,720 2900 4691 3500 9 月 26 日 2,750 2,686 48 3500 7393 3500 9 月 27 日 3,113 3,140 5,952 1600 4554 3500 9 月 28 日 1,538 4,077 3,120 1200 2972 3500 9 月 29 日 1,141 4,077 2,952 5215 1161 3500 9 月 30 日 3,147 8,705 3585 4308 3500 10 月 1 日 3,770 8078 3500 10 月 2 日 1,353 8,064 1367 3500 由於和 A 公司協調，建議將此兩次(9 月 6 日與 9 月 30 日)的大量訂單以最小訂單量 (1,449K)平均分散在當週其它需求訂單中(9 月 3 日~9 月 9 日與 9 月 24 日~9 月 30 日)，
當週的總需求量不變，如表 4-6(僅列部分)，調整過後的數據再經由上述模擬條件試算 後，與 A 公司之歷史資料一起比較其結果，如表 4-7、圖 4-7、圖 4-8 所示。 表 4-6 A 公司產品線 M 調整過後之歷史資料(僅列部分) 期間 本期進貨 本期訂單量 本期出貨 本期採購量 期末庫存 預測量 9 月 1 日 3,891 1,056 3200 9491 3500 9 月 2 日 4,668 3200 14159 3500 9 月 3 日 6,940 1,342 3000 21099 3500 9 月 4 日 1,217 1,680 1,680 3200 20636 3500 9 月 5 日 4,348 2634 20636 3500 9 月 6 日 5,888 6,120 1600 14516 3500 9 月 7 日 2,026 4,348 1,392 2166 15150 3500 9 月 8 日 2,160 4,348 5,808 3200 11502 3500 9 月 9 日 3,670 4,348 3200 15172 3500 9 月 10 日 2,968 2,899 3200 18140 3500 9 月 11 日 2,922 2,899 5,040 3200 16022 3500 9 月 12 日 4,128 2,899 6,264 4200 13886 3500 9 月 13 日 2,901 2,899 2,976 2200 13811 3500 9 月 14 日 2,700 2,899 3,240 3200 13271 3500 9 月 15 日 3,534 2,899 5,256 1600 11549 3500 9 月 16 日 2,156 2,899 2600 13705 3500 9 月 17 日 1,727 2,899 15432 3500 9 月 18 日 615 1,449 3,912 12135 3500 9 月 19 日 1,449 12807 3500 9 月 20 日 370 1,449 1,344 11833 3500 9 月 21 日 1,449 5,232 6601 3500 9 月 22 日 133 3,288 4200 3446 3500 9 月 23 日 2,784 4400 6230 3500 9 月 24 日 1,887 2,898 2860 8117 3500 9 月 25 日 3,294 4,135 6,720 2900 4691 3500 9 月 26 日 2,750 4,135 48 3500 7393 3500 9 月 27 日 3,113 3,140 5,952 1600 4554 3500 9 月 28 日 1,538 4,077 3,120 1200 2972 3500 9 月 29 日 1,141 4,077 2,952 5215 1161 3500 9 月 30 日 3,147 4,358 3585 4308 3500 10 月 1 日 3,770 8078 3500 10 月 2 日 1,353 8,064 1367 3500
表 4-7 各種模擬條件試算所得之彙整表(數據調整後) 績效分析 公司 情境一 情境二 情境三(1) 情境三(2) 情境三(3) 總平均庫存 4314 6559 3843 3843 3843 4907 庫存週轉率 49 31 53 53 53 42 缺貨次數 9 0 0 0 0 0 缺貨量 16641 0 0 0 0 0 TDD 值 22798314 0 0 0 0 0 平均 IDD 值 325962 626201 338058 338058 338058 433368 0 1000 2000 3000 4000 5000 6000 7000 公司 情境一 情境二 情境三(1) 情境三(2) 情境三(3) 數量 0 10 20 30 40 50 60 平均週 轉率 平均庫存 庫存週轉率 圖 4-7 各模擬條件試算所得之平均庫存與庫存週轉率之曲線圖(數據調整後) 0 1 2 3 4 5 6 7 8 9 10 公司 情境一 情境二 情境三(1)情境三(2)情境三(3) 次數 0 2000 4000 6000 8000 10000 12000 14000 16000 18000 數量 缺貨次數 缺貨數量 圖 4-8 各模擬條件試算所得之缺貨次數與缺貨量之曲線圖(數據調整後)
由以上兩種模擬結果，可以看到採用 TOC 運作的績效表現比 A 公司原有作法還要 好。如果參考各種模擬之間條件差異與其結果的關係，可以得到以下幾點初步結論： 1. 不能完全只看近期之 pull 量來補貨，由於市場變化大，實務上還是需要參考未 來預測量，提前因應。 2. 設立合適的管制目標之上下限作為檢討時機，有助於庫存水準之管理。(即當維 持一段時間是在管制目標之上下限以外時，以超出或低於上下線的量來進行庫 存調整) 3. 觀察一段合適的時間(補貨時間)做一次修正，會比過短或過長修正的結果好。 4. 預測之準確度還是會影響模擬結果，可以依信心水準比例來修正預測值，如此 可能可以得到更準確之結果。 5. 與合作廠商協調，建議以等量拉貨，避免突然大量拉貨所造成的缺貨情形。 總而言之，本研究系統掌握了 TOC 的幾點建議：「找出合適之目標庫存水準＋ Demand-Pull 的觀念＋動態庫存緩衝管理＋增加補貨頻率」，並由數據證實 TOC 的思維 確實可以用來改善 A 公司之庫存、缺貨狀況。
