基于仿真的动态补货算法在服装供应链中的研究

潘　璐，卢　燕，董爱华

(东华大学 信息科学与技术学院， 上海 201620)

基于仿真的动态补货算法在服装供应链中的研究

潘璐，卢燕，董爱华

(东华大学 信息科学与技术学院， 上海 201620)

摘要：为改善服装供应链性能，提出了一种动态补货算法，并设计了一个库存仿真平台，应用该仿真平台对常见的库存策略以及动态补货算法进行了仿真分析．仿真结果表明，动态补货算法应用于服装供应链可以在确保顾客服务水平的基础上提高库存周转率．

关键词：服装供应链； 动态补货算法； 仿真

近些年来，由于信息技术的快速发展，服装业也在追寻信息改革的热潮，随着计算机科技和供应链优化管理的发展，库存信息化管理已经在服装零售行业引起了广泛的关注．如何有效进行服装库存信息化管理和分析，对提升服装零售店的企业影响力和经济效益至关重要．

过去的20年间，不同学科的研究人员对供应链管理领域进行了大量研究．文献[1]模拟了一个汽车售后市场运作的战略供应链计划结果，研究结果表明，供应链管理对行业的竞争定位十分重要．然而有研究人员[2]指出，不同产品或行业的供应链模式不尽相同．尽管如此，当今对供应链背景下的服装业的研究甚少.大多数关于服装供应链的文献采用非数学的方法分析供应链的性能．例如，文献[3]通过对传统的实践和快速反应(QR)的比较，分析了美国纺织服装流水线并从服装供应商调查数据中得出结论，采用了综合改进的企业在订单补给方面比其他企业表现要好得多．文献[4]详述了美国服装和纺织工业的变化，从主要的纺织企业和服装生产商给出的数据中可以看到，当零售商与供应商交换信息，并要求他们迅速补充订单时，制造商就必须重塑自己的经营策略．还有研究者采用案例研究方法对意大利纺织公司进行调查，研究质量管理及其对单个企业和整个供应链网络的影响[5].在国内，文献[6]指出我国服装供应链管理目前存在的问题，并提出了我国服装供应链实施快速反应对策应采用先进信息系统，并引入第三方物流等．文献[7]通过对我国服装供应链具体特点的分析，对传统的服装供应链进行了改进，把传统的由下至上的订单下达方式改变为由上至下的下达方式．文献[8]通过 SCOR模型(supply-chain opeartions reference-model)对我国服装业供应链进行分析优化，以求其能对市场需求做到快速反应并提高服装业的核心竞争力．

仿真是一种解决和分析复杂的系统或过程的决策支持工具[9]，其重要性体现在它能够通过建立模型以及之后的实验来模拟实际系统的行为．模型创建和实验的结合，使设计人员和管理人员可以“描述系统的行为，提出理论或假说来解释所观察到的行为，并且使用该模型来预测未来的行为，即通过改变系统或其操作方法产生的效果[10]”．

在服装业中，仿真系统已被广泛使用于流水线[11]、模块化制造系统[12]等．有研究小组提出了一种用仿真技术来评估一组给定的输入条件的零售商采购策略[13]，研究了一种在有限货架期内与服装快速反应零售相适应的新型服装供应体系．在随后研究[14]中，该团队又使用随机计算机仿真模型进行量化分析，比较了QR系统与传统系统的性能．

尽管前人已经有一些对服装供应链的研究，但这些研究都有一定的局限性．由于服装零售业受季节和时间等变化影响较强，很多管理方法都难以及时准确地根据时间变化进行动态补货，实时性较差．为改善服装供应链系统的库存管理效果，本文提出了一种基于补货算法的库存管理方法，设计了一个仿真平台，再应用该库存平台对常见的库存策略(如没有补货机会的库存策略)、静态安全库存策略和定量补货库存策略进行仿真分析，在此基础上进一步提出动态补货算法，以优化现有库存策略．

1顾客服务水平及库存周转率

影响库存管理的因素有很多，对于零售商的库存管理效果，可以用顾客服务水平和库存周转率来表示．

顾客服务水平[15](customer service level，用CSL值来衡量) 是指在整个销售过程中顾客需求被满足的程度．很显然，在控制成本的条件下，高CSL值代表更多的市场和利润．有两种方式计算CSL值，即分别用有货或者缺货来计算CSL值．有货是指当顾客来买这件衣服时，这件衣服是有的，而缺货是指库存中没有这件衣服．如果一个时间段内某件衣服并没有需求，那么这段时间内这件衣服的缺货则不会引起CSL值的下降．因此这里用缺货来计算CSL值更准确，如式(1)所示.

(1)

库存周转率用来评判补货策略的优劣，库存周转率(inventory turnover，用IT值来衡量)又可称为绩效值，是指某时间段的出库总金额(总数量)与该时间段库存平均金额(或数量)的比．对零售商而言，IT值越大，意味着企业效益越好．本文定义IT值如式(2)所示，即用销售量对平均库存水平的比值作为IT的度量值．

(2)

一般影响CSL和IT值的因素有实际顾客需求(customer’s demand，简称D)、需求预测(demand forecast，简称F)、销售时间长短(length of sales seasons，简称SL)以及补货策略(replenishment strategy，简称RS)．顾客服务水平与这4个影响因素的关系可以通过式(3)表示.

CSL=f1(D,F,SL,RS)

(3)

其中，补货策略主要由补货周期、补货提前时间和安全库存3因素来决定．补货周期(replenishment cycle，用RC值衡量；周)是重复性补货中连续两次补货的间隔时间.提前时间(lead time，用LT值衡量；周)是对零售商从下订单到收到此批货物的时间段的定义，是货品下单、生产、运输以及到货的一个过程时间段.安全库存(safety stock，用SS值衡量；周)是指为了防止不确定性因素而预计的几周保险储备量(缓冲库存)．补货策略与影响其因素关系表示如下

RS=f2(RC,LT,SS)

(4)

2动态补货算法

2.1常见补货算法

常见库存补货算法有3种[16-17]，即没有补货机会的库存策略、静态安全库存策略和定量补货库存策略．

没有补货机会的库存策略是指在零售时间段不补货，在零售开始阶段有一定量的库存以满足销售阶段．由于没有补货机会，在销售最初零售商就需要准备足够的库存来面对接下来的销售阶段，同时选择适当的库存量以取得最大利润，这种策略必须在需求确定且不变的较理想化条件下，才能保持零售过程的顺畅．即使如此，这种策略仍然会产生巨大的库存成本，影响企业经营利润．

静态安全库存策略是先设定一个具体的安全库存值，当某一货物的库存数量低于这个货物的安全库存值时，就会报警并提醒零售商订货．对于某些需求且生产长期稳定的商品，静态安全库存是很好的解决方法．但对于随季节、时间变化较频繁的服装而言，该策略的库存管理效果并不好．

定量补货库存策略，顾名思义，是指每次补货量都采用相同的补货算法，使用定量补货策略的情况不多，一般需求变化不大的商品会采用此种方法.由于需求比较固定，采用定量补货的零售商一般结合以往经验就能确定货品补货量．

2.2动态补货算法

安全库存的存在可以提高顾客服务水平，为防止由于需求量的突然改变而导致的缺货问题，一般零售商都会留有一定的安全库存．当然安全库存过多会导致库存成本上升，平均周转率IT值降低．

本文所采用的动态补货算法考虑了安全库存，即生产商提供给零售商的初始库存以及后续的每次补货量都依据预测放置SS周的安全库存．此外，由于预测和实际需求存在误差，在确认订单量的过程中，结合实际销售情况以及需求预测来应对这种误差，从而实现动态补货算法．安全库存周数SS从1周开始，如果放1周的安全库存达不到预期的顾客服务水平要求，可以把安全库存周数加1，直到达到要求为止．之所以需要调节安全库存周数，因为顾客服务水平与销售总量、销售季节的长度、预测误差、补货周期、提前期以及具体的补货算法等密切相关．

图1为补货和到货情况的示意图，假设采用每周补1次货(RC=1周)，提前时间为2周(LT=2周)，安全库存周数为1周(SS=1周)的一个销售背景．在销售周期开始阶段，零售商已拥有4周的货物，以满足第一批补货货品到货前的顾客需求．在第1周结束后，需要根据第1周的销售情况和对接下来几周的顾客需求预测以及当前的库存情况下补货订单，此次补货量应该满足直到第二次订单到货前的一段时间消耗量，即从第2周到第4周的顾客需求．依此类推，第2周结束的时候又为订货时间，需要订货量和目前库存的总数能满足接下来的3周需求量，再此基础上，再加1周安全库存．值得注意的是，由于在接下来的2周中，会有一次订单货品的到达，所以在计算订货量时，必须减去当前库存量和中间到货量，以确保没有重复订货．

图1　动态补货算法示例图Fig.1　The example of dynamic replenishment algorithm

式(5)和(6)给出了动态补货算法中每个库存量单位(stock keeping unit，简称SKU)的需求量Dm和实际订单量Dt的计算方法．

(5)

Dt=Dm-Ts-In

(6)

其中：POS数据是算法中模拟顾客对各个SKU的上一周购买情况，即上一周实际销售值.而分子和分母部分都采用需求预测曲线(即时间分布百分比)中的数值来表示，有关该需求预测曲线详见本3.1节；订单满足周数为(LT+RC+SS)周，即初期已拥有(LT+RC+SS)周的货物，这部分货物的总量表示为从当前周开始往后LT+RC+SS周预测曲线的百分比之和；上周的预测量为预测曲线中上周所占的百分比，即每次补货时都对接下来的LT+RC+SS周顾客对某个SKU的需求做如下估计，依据上一周该SKU的销售量，以及最初对销售季节分布预测曲线来计算.如假设当前是第4周末，第4周某个SKU的销售量是4，预测曲线分布中第4周是2%，而LT=2周，RC=1周，SS=1周，接下来从第5周到第8周预测曲线分布加起来占总分布的10%，则第5周初得到的接下来4周该SKU的需求量Dm为4×10%/2%=20件．当然，实际的订单量还要根据式(6)减去当前的库存量In，以及在发出订单到货物真正到达零售店时这段时间中的到货量Ts.本文所指的动态补货算法的意义也正是体现在这里，即每次补货都依据上一周的销售值来调整后几周的补货值．

3仿真实验及分析

3.1仿真方法

本文所实现的仿真算法从服装零售商管理库存角度出发，模拟每周进行的销售、到货、提交订单、更新库存、记录销售量和缺货量等流程．该算法对每种SKU都有预测量和需求量的表达，其中预测量包括总数、需求预测曲线(即时间分布百分比)以及各个SKU的百分比分布．需求量为预测量和误差之和，在给定总量误差、需求预测误差和SKU分布误差后可以得到模拟的顾客需求[14]．本文假设总量误差、需求预测误差和SKU分布误差均为中等程度．

这是给出了一个预测量总数为50 000件及其SKU分布的仿真实例，其中包括6种款式、7种颜色以及6种尺码规格，具体分布见表1所示. 例如，就款式而言，6种不同款式分别占整体的分布比例为0.10/0.15/0.25/0.30/0.15/0.05．需求预测曲线在仿真平台设计时分成了3种，分别是陡的峰值出现在前期、中期或后期．需求量分布是由一组百分数组成的，一周一个百分数，表示在销售季节开始前，生产商和零售商预计的每周顾客购货量占总销售量的百分比，12周之和为1.峰值代表节假日或促销活动所在的周，也可以由用户自定义季节分布的每周所占的百分比值.

表1　库存仿真系统需求量化分布表

3.2仿真流程

首先由用户输入预测总量、需求预测曲线、销售周期、安全库存周数、补货周期以及补货提前时间等信息，系统根据输入信息进行运算，通过模拟真实零售店进行周销售，结合补货算法，模拟每周顾客对各个SKU的购买情况，记录实际销售量和缺货量，并依据不同补货算法计算补货量，更新到货量，以此类推，直到整个销售季节结束．得出每个SKU的每周补货量、实际销售量和缺货量，并依据式(1)和(2)计算出所有SKU的总CSL和IT值，绘制出该时间段的库存动态变化图、顾客服务水平曲线以及库存周转率曲线，从而分析库存管理的优劣．具体动态补货算法仿真流程如图2所示，仿真程序依据希望得到的CSL值，调整安全库存周数．安全库存周数从1周开始，如果安排1周的安全库存不够，即达不到预期的CSL值要求，则仿真程序可以把安全库存周数加1，直到达到要求为止．

图2　动态补货算法仿真设计流程图Fig.2　　　　The simulation design flow chart of 　　　dynamic replenishment algorithm

3.3仿真平台及界面

利用上述仿真原理，结合C#编程语言和数据库进行仿真设计，得出不同条件下的仿真结果，具体界面如图3所示.模拟曲线面板中，选择不同的销售时间和需求预测曲线(时间分布百分比)，可从图3右下方的图示区域得出具体曲线分布，模拟条件面板中可选库存策略、安全库存周数、补货周期、补货提前时间等，然后点击模拟进行仿真，得到仿真结果界面，如图4所示．分别点击图4左边的实际需求曲线、服务水平、绩效图以及库存动态变化图按钮，右边图示区域则会相对应地显示出曲线分布，同时左下角显示出平均顾客服务水平和平均库存周转率的统计结果．

图3　库存模拟仿真条件界面Fig.3　The interface of inventory simulation

图4　模拟效果图Fig.4　The effect diagram of simulation

3.44种库存策略仿真比较

为了比较不同补货算法的优劣性，本文利用仿真平台对动态补货算法以及上文提到的3种比较常见策略进行仿真，其结果对比如表2所示．把不同算法中的预测量和误差值调成了同一值．

表2　动态补货算法库存策略与常见库存策略对比

没有补货机会的库存策略因其没有补货过程，所以没有安全库存、补货周期、提前期等补货相关输入参数，其余库存策略输入参数均为12周的销售时间，选择中期高峰需求曲线作为预测曲线，1周安全库存，每周进行补货，提前期为2周．根据要求，期望能满足90%顾客需求，即CSL平均值大于0.9．从表2中可以看到，在4种库存策略中，只有静态安全库存策略由于其自身的补货滞后性导致CSL平均值为0.882 7， 没有满足CSL平均值为0.9的要求，其余3种均达到CSL平均值大于0.9的要求.这3种库存策略在平均周转率的比较中，没有补货机会的库存策略的库存周转率最低，定量补货库存策略其次，动态补货算法的库存策略最高．在3种常见库存策略的比较中，静态安全库存的IT平均值较大，但由于其CSL平均值未达到仿真标准，所以无法确定其优于其他算法．在所有库存策略比较中，动态补货算法的IT平均值远远高于其余库存策略且拥有CSL平均值高达0.997 2，可见动态仿真算法的优良性．

4结语

本文针对库存管理系统的相关概念进行详细阐述，论述了库存以及库存模型的概念和特点，提出了一种动态补货算法，设计了基于补货算法的服装零售库存仿真平台，仿真结果显示，这种补货算法在适当的安全周期、较短的补货周期和提前期等条件下可以改善系统的库存策略，在满足一定的顾客服务水平的同时提高库存周转率，有利于提升服装零售商的效益，对促进服装零售业智能化发展具有一定的借鉴意义．

参考文献

[1] HAMNANT J, DISNEY S M, CHILDERHOUSE P, et al．Modeling the consequences of a strategic supply chain initiative of an automotive aftermarket operation[J]．International Journal of Physical Distribution and Logistics Management, 1999, 29(9):535-550．

[2] KINCADE D H, VASS D, CASSILL N L. Implementation of technology and relationships to supply chain performance: Apparel manufacturer’s perspectives[J]. International Reviews of Retail, Distribution and Consumer Research, 2001, 11(3):301-327.

[3] HEWITT W C, HUNTER N A, KING R E．Analysis of the benefits of quick response implementation for the domestic retail[R]．Apparel and Textile Industries, North Carolina State University, NCSU-IE-Technical Report-90-8, 1991:108-121．

[4] ABERNATHY F H, DUNLOP J T, HAMMOND J H, et al．A stitch in time, lean retailing and the transformation of manufacturing-lessons from the apparel and textile industries[M]．England: Oxford University Press, 1999:234-256．

[5] ROMANO P, VINELLI A.Quality management in a supply chain perspective, strategic and operative choices in a textile-apparel network[J]．International Journal of Operations and Production Management, 2001, 21(4): 446-460．

[6] 张刚, 王洪鑫, 周彦婷．浅议服装企业供应链快速反应[J]．企业活力,2008(8)：76-77.

[7] 辛磊, 孙保华, 高元平．服装供应链的优化设计研究[J]．北方经济,2013(10):33-34．

[8] 蒋清泉, 郝鹭捷．基于快速反应的我国服装业供应链优化研究[J]． 生产力研究,2014(4):76-81．

[9] HARRELL C R, BATEMAN R E, GOGG R J, et al．System improvement using simulation [M]．Utah:Promodel Corporation, 1995: 1-11．

[10] PEGDEN C D, SHANNON R E, SADOWSKI R P．Introduction to simulation using siman [M].2nd ed．New York:McGraw-Hill, 1995: 1-5．

[11] WHITAKER D． A study of a production line in the garment industry[J]．Clothing Institute Journal, 1973,21(4): 113-120．

[12] WANG J, SCHROER B J, ZIEMKE M C．Understanding modular manufacturing in the apparel industry using simulation[C] //Proceedings of the 1991 Winter Simulation Conference. 1991: 441-447．

[13] HUNTER N A, KING R E, NUTTLE H. An apparel-supply system for QR retailing[J]． Journal of Textile Institute, 1992, 83(3): 462-471．

[14] HUNTER N A, KING R E, NUTTLE H L W． Evaluation of traditional and quick-response retailing procedures by using a stochastic simulation model[J]．Journal of Textile Institute, 1996,87(1):42-55．

[15] DONG A H, WONG W K, YEUNG K W,et al．Development of a portfolio simulation system for apparel supply chain[J]．Journal of Donghua University(English Edition),2009,26(2):207-215．

[16] 李静一，王晓锋．基于Kalman滤波器的服装零售业库存控制策略[J]．纺织学报, 2010, 31(5):131-136．

[17] 卢燕．基于无线射频和动态补货算法的服装零售库存管理[D]．上海：东华大学信息科学与技术学院,2014：29-33．

Research of a Dynamic Replenishment Algorithm Based on Simulation in Apparel Supply Chain

PANLu,LUYan,DONGAi-hua

(College of Information Science and Technology，Donghua University，Shanghai 201620，China)

Abstract:In order to improve the performance of apparel supply chain, a dynamic replenishment algorithm is put forward． Based on the algorithm, a stock simulation platform is designed．Several common inventory strategies and dynamic replenishment algorithm are simulated and evaluated on the simulation platform． Simulation results prove that the proposed dynamic replenishment algorithm can improve the customer service level and inventory turnover in apparel supply chain．

Key words:apparel supply chain; dynamic replenishment algorithm; simulation

文章编号：1671-0444(2016)02-0273-06

收稿日期：2015-01-13

基金项目：中央高校基本科研业务费专项基金资助项目

作者简介：潘璐(1992—)，女，安徽六安人，硕士研究生，研究方向为供应链优化与仿真. E-mail：panludh@126.com 董爱华(联系人)，女，副教授，E-mail:dongaihua@dhu.edu.cn

中图分类号：TP 13

文献标志码：A