基于SAP的石油企业非油田智能补货管理系统

王小亮和冬梅

（中国石油天然气股份有限公司规划总院）

通过多年的信息化建设，某石油公司已实现了对加油站便利店非油品业务的采购、库存、销售一体化管理，提高了企业内部与外部资源协同运作的效率。随着市场竞争日益激烈，要求企业不仅要加强业务的日常管理，保证非油商品在加油站的正常销售，而且对缩短补货周期、增加利润增长点、降低非油品库存成本提出了迫切需求。因此，根据业务发展要求，研究出基于SAP（企业管理解决方案软件）系统［1］的便利店非油品智能补货系统。目前，该智能补货系统已在某石油公司下属的部分一级销售公司得到初步应用。

1 智能补货业务流程

便利店补货流程主要涉及便利店、中央仓、销售公司（分为一级销售公司、二级销售公司）及供应商4个实体对象。一级销售公司非油业务总部包括4个主要部门，分别为非油采购管理、非油计划管理、中央仓管理及非油营销管理。其中，非油采购管理主要管理非油品的供应商，包括供应商入围及非油商品的采购价格等信息；非油计划管理主要对该一级销售公司管辖的加油站制订销售计划；中央仓为该一级销售公司管辖的便利店进行补货。

现行的大部分加油站便利店非油品补货业务流程为：由便利店发起采购需求；二级销售公司对采购需求进行审核后，根据是否达到供应商的最低采购数量生成配送单，二级销售公司汇总配送单后生成供应商订单；一级销售公司审核供应商订单，并将供应商订单提交给供应商；供应商确认订单后，向一级销售公司的中央仓发货；中央仓完成收货后，自动分拣配送单，将商品下发给便利店。

为降低员工劳动强度，提高运营的准确率和效率，智能补货业务流程将便利店的采购需求上报改为由信息系统根据每个便利店的销售出库情况及每个商品分配的预测模型进行需求预测，系统再结合便利店的可用库存情况及商品在途情况生成配送单，省去了便利站员工上报需求这一环节，避免了便利站的盲目采购，大大减少了库存。加油站便利店非油品补货业务流程如图1所示，图1中实线部分为智能补货业务流程。

图1 加油站便利店补货业务流程

2 销售预测原理及实现方案

2.1 销售预测原理

基于SAP系统的加油站便利店非油品智能补货系统采用的预测模型主要有一阶指数平滑法、二阶指数平滑法、移动平均模型、加权移动平均模型、自动选择模型等。本文主要介绍一阶、二阶指数平滑模型的原理，并对其预测结果进行对比分析。

2.1.1 一阶指数平滑法［2］

一阶指数平滑法适用于历史数据较为平稳的事件预测，其基本思想是以第n-1期的一次指数平滑值作为第n期的预测值，其计算公式为：

以某便利店销售的某品牌汽油机油为例，采用2014年第12周到2014年第27周的实际销售数据与经过一次指数平滑模型预测的销售数据进行对比验证。根据经验，时间序列间隔为周时，应取α=0.2。销售数据拟合曲线见图2。

由图2可以看出，汽油机油的销售量一直相对平稳。根据对预测数据与实际数据的比较，预测数据比较能反映汽油机油销售的真实情况。

图2 一阶指数平滑法预测曲线

2.1.2 二阶指数平滑法［3］

二阶指数平滑法是对一阶指数平滑值作再一次指数平滑的方法。它不能单独地进行预测，必须与一阶指数平滑法配合建立预测的数学模型。二阶指数平滑法实质上是将历史数据进行加权平均，作为未来时刻的预测结果。该方法计算简单，样本要求量较少，适应性较强，结果较稳定。其计算式为：

以某便利店销售的加多宝为例，采用2013年第28周到2014年第9周的实际销售数据与经过模型预测的销售数据进行对比验证。分别利用一阶指数平滑模型和二阶指数平滑模型进行销售预测，销售数据拟合曲线及对比见图3。

图3 一阶、二阶指数平滑法预测曲线

由图3可以看出，对于加多宝这一快速消费商品，实际销售情况变化十分迅速，一阶指数平滑预测曲线只能缓慢地跟随实际销售曲线而变化，而二阶指数平滑模型相对一阶指数平滑模型能够更加快速地跟随快速消费商品的销售变化。由此可知，一阶指数平滑模型预测曲线相对平缓，适用于需求变化比较平稳的商品，如，包装润滑油等；二阶指数平滑模型适用于需求变化较快的商品，如，香烟、饮料等快速消费商品。因此，为了更准确地进行销售预测，不同种类的商品应选择不同的预测模型。

2.2 系统实现方案

非油品智能补货系统平台共包括主数据管理模块、销售预测模块、配送优化模块及配送管理模块4个模块。

2.2.1 主数据管理模块

主数据管理模块的主要功能包括商品主数据管理、商品地点主数据管理、安全库存管理。

商品存储视图中可显示商品自动补货的MRP（物料需求计划）类型、安全库存、目标覆盖范围、销售存储的时间范围及预测模型。为了便于用户维护安全库存、计划日期和收货日期，开发了批量修改商品主数据的功能［4］，同时，系统界面上设有低于安全库存的商品提示信息，具有库存提醒的功能。

2.2.2 销售预测模块

销售预测模块的主要功能包括预测参数设置、历史销售数据统计、销售预测模型选择、销售预测结果评估。

系统根据用户选择的销售预测模型及历史销售数据进行销售预测，并且可显示实际销售数据与预测数据的曲线，便于用户查看预测的准确性。为了更好地评估预测效果，系统提供了评估预测数据准确性的方法：平均绝对误差（MAD）。平均绝对误差是所有单个观测值与算术平均值的偏差的绝对值的平均值。与平均误差相比，平均绝对误差由于离差被绝对值化，不会出现正负相抵消的情况，因而，平均绝对误差能更好地反映误差的实际情况。若MAD值偏大，应调整模型，再进行预测计算。

2.2.3 配送优化管理模块

配送优化模块的主要功能包括时间参数设置、可用库存统计、销售预测数据统计。

根据销售预测得到便利店每个商品未来几周的销售量需求后，再根据本站商品的在途库存、可使用库存及未来的销售情况进行分析。系统将在保持便利店库存水平最低的原则下，综合考虑商品的计划交货时间及收货处理时间等因素，确定便利店的补货数量。根据商品的主数据信息，系统自动计算出补货需求，并产生采购申请。

2.2.4 配送管理模块

配送管理模块的主要功能包括配送单创建与审批、配送单汇总、供应商订单创建与审批、采购订单打印、中央仓收货、便利店收货。

3 应用案例

基于SAP的加油站便利店非油品智能补货管理系统是建立在科学、经验分析基础上的预测。通过科学和准确的订货，不但可为未来的正常营运供应充足而适量的商品，同时，还可减少库存积压资金、加快资金周转。

某一级销售公司下属的加油站便利店应用智能补货管理系统前后的具体运行结果见表1。其中，周转天数表示在一个会计年度内，存货从入账到销账周转一次的平均天数（平均占用时间）；断货率是指在配送周期内，由于中央仓配送不及时造成的断货商品占便利店经营商品的比率；库存金额是指某个商品在便利店的库存价格。

表1 智能补货前后便利店库存变化

从表1可以看出，使用智能补货管理系统后，周转天数由原来的10～13d降至5～7d，断货率由原来的8%～12%降至3%～7%，库存金额由原来的15万～20万元降至8万～10万元。

4 结语

基于SAP系统的非油品智能补货管理系统应用了先进的主动配送理念，实现了从中央仓到便利店整个配送过程的计算机优化管理，为非油品业务带来了一定的经济效益。便利店平均库存水平下降约50%，中央仓总体成本下降约20%。

由于SAP系统是一个与业务为核心的系统，因此，在模型选择及补货因素方面的考虑较少，销售预测的准确性有待进一步提高。今后，可考虑在业务系统的基础上引入专业的销售预测软件，将预测的销售情况反馈到SAP系统中，可进一步加快库存周转率、减少商品缺货率、提高中央仓的工作效率。

[1] 吴秋果.SAP应用集成研究[D].北京:北京交通大学,2007.

[2] 徐建新,严勇,严富海.指数平滑法在典型城市GDP预测中的应用[J].水利科技与经济,2008,14(7):551-553.

[3] 吴新生,张晓芳.指数平滑法在连锁超市销售额预测中的应用[J].商丘师范学院学报,2007,23(6):46-48.

[4] 黄佳.SAP高级应用开发[M].北京:人民邮电出版社,2008.