文/于洋

引言

在进行系统辅助的自动化补货及配货过程中，企业会遇到很多问题：

n  常见的情况是，自动补货、自动分配的算法是分离的，仓库自动补货、门店自动补货也是分离的，而且相关人员也都是分开的，都是各想各的，模型设置都是各成体系，互不相干，造成了经验不能复用，成本投入巨大。

n  很多模型都是零售企业自己想出来的算法，具体合不合用也不知道，摸着石头过河，而且是一个人摸出点门道，又换个人摸，经验无法积累下来。

n  系统的支持力度不够，基本都是在系统外人工或者用报表算好了导进去，人工定期导入，每次导进去后处理，如果忘记调整了，后面就出问题了。

n  使用的算法比较简单，复杂一点的算法取数据就麻烦了，而且人员理解起来很困难，同时计算量很大，很难坚持，所以基本都采用最简单的静态补货算法。

n  有些企业采用了动态算法，但是经常因为参数设置得不好，效果也不理想。

n  使用了一种算法，想变更为其他算法或者局部调优都非常麻烦。

n  往往有些企业，因为模型计算出来的数据很不准确，或者效果也不明显，草率地就放弃了，还是采用最原始的人工补货方式，耗时耗力不说，也很难保证补货质量。

n  对于比较复杂的情况，如季节品、新品、新开店都是人工指定补货数量的，而且要获取参考信息很困难，基本都是凭经验预估，有很大的随机性，和人员能力也有很大关系。

分析一下根本原因，主要有两方面：一方面是因为大家往往强调补货及配货模型的差异性，而忽略了这几者之间的统一性，另一方面在模型设置过程中，算法的变化不足，对各种场景的适应性较弱。海鼎在新一代产品中优化了这2点，进而可大大提高自动补货及配货的准确性，也可以降低企业在应用自动补货及配货时的人力成本。

 一、自动补货与自动配货的模型融合

?  自动补货与自动配货作业在本质上是相似的，具体可以从业务抽象、算法模型、商品来源、操作动作四方面来看，具体见下图。

图，自动补货与自动配货的相似性

自动补货和自动配货一直以来进行分离，可能的原因是自动补货的采购配送量较大，采购配送周期较长，考量因素较多，而自动配货则相对配送量较小，配送周期较短，考虑因素较少，不过这些都可以在统一模型的基础上做参数的调整。

海鼎认为，将自动补货及自动配货进行融合有助于从宏观角度实现上下游协同，实现从供应商、到配送中心、再到门店的整体供应链优化，对于模型配置和算法调优也有很大的帮助。

因此，取消了原来自动补货、自动配货的称谓，而是按照对象分为仓库自动补货、门店自动补货。对于门店而言，总部可以为其进行自动补货，同时支持门店确认总部的补货建议数；对有权限的门店，门店还可以自己进行自动补货。

?  模型部分做统一设定，不区分仓库自动补货、门店自动补货，在实际应用的时候两个场景都可以选用，根据应用场景不同，会自动取相关数据源进行计算。

二、建立并配置统一补货模型

自动补货和自动配货模型融合后，采用创新性的引导设置模式，按步骤选择，逐步细化参数配置过程，帮助使用者针对各种情况进行配置。采用引导的方式，同时在引导过程提供很多辅助信息，供使用者快速理解相关参数的用途，让模型的推广更加容易，降低企业内部推广成本。

企业可建立多个模型，可区分仓库、门店，区分不同的类别、商品灵活定义，在不同的场景下选用，模型新建界面如下图所示。

模型设置分为3步：

概要配置——》定货条件——》定货数量

也可以不启动定货条件，主要应用于门店库存不准或者默认门店库存为0的情况下，不考虑门店库存，默认每次都进行定货的场景下。

图 补货模型新建界面

在定货条件模型的设置过程中，从“当前可用业务库存 < 启动库存”开始，有各类参数可以进行细化配置，基于上一步的配置，会得到下一步的结果，最终确定定货条件的具体规则。具体可见下面2个图所示。

图，定货条件设置第1步

图，定货条件设置第2步

和定货条件类似，在定货数量模型的设置过程中，从“建议定货量 = 按定货规格取整 { 补货库存 - 当前库存 -  在途库存 } ”开始，有各类参数可进行细化配置，基于上一步的配置，会得到下一步的结果，最终确定定货数量的具体规则。具体可见下面2个图所示。

图，定货数量设置第1步

图，定货数量设置第2步

模型的变化非常丰富，可以满足各个层次用户的需求，可以简单，也可以复杂。

三、可针对仓库及门店设置相应模型参数

对于仓库及门店可设置一些参数，这些参数可以为固定值，也可设为公式，自动计算并更新。这些参数的设置都是针对仓库、门店分别设置的，也可以根据不同应用场景进行选择使用。

仓库或门店通用的参数主要有：

?   最低、最高库存量；

?   最小起订量或最小起订金额；

?   定货周期、送货天数；

?   安全库存，是到货当日该单品的最低剩余库存数量，在门店通常为最小陈列量，在仓库为最低保有量；

?   季节系数，可结合季节变化和品类特点进行设置；

?   到货安全库存天数，指为了防止不确定性因素而储备商品的可销天数，可在定货条件模型中使用；

?   定货安全库存天数，指为了防止不确定性因素而储备商品的可销天数，可在定货数量模型中使用，会影响补货的经济批次，主要用于调整多长时间送一次货，及一次送货量的。

对于仓库也可以单独设置以下参数：

?   最高库容，控制或者提醒不要超过仓库容量；

?   采购预算，和财务成本控制息息相关；

?   货仓假期，将假期剔除，确保平均销量/配货量的计算更加准确。

对于门店也可以单独设置以下参数：

?   分配属性，用于门店上下限修改权及叫货权的控制，可分为统管、必配、选配；

?   门店最高库容，和仓库库容类似，多应用于加盟门店；

?   替代商品方案，有两种应用场景：对于启动了门店自动补货，但是总部定位为淘汰期的商品，寻找替代品，进行配货；原门店自动补货商品库存不足，寻找替代品，补足缺货部分，进行配货。除了以上参数以外，对于一些特殊商品或者特殊门店，也可启用以下两个参数：

?   参考商品，针对没有销售参考数据或者数据不足的商品（通常指新品）可以启用，在商品计算补货数量时以参考商品进行计算（针对采用销售数量计算的场景），同时对于多个参考商品，按照参考比例作为参考商品的权重进行计算；

?   参考门店，针对新开店，门店商品没有销售的情况下，取参考门店的销售信息。

四、应用示例及预期效果

补货模型在实际使用过程中可以灵活配置，企业在使用的过程中，可以很方便地进行调整，下面举几个简化模型的例子。

1、采用的是静态算法，整体可简化为：

定货条件：

当前可用业务库存 < 最低库存

定货数量：

建议定货量 = 按定货规格取整 { 最高库存 - 当前可用业务库存 - 在单量}

2、采用的是动态算法，整体可简化为：

定货条件：

当前可用业务库存 <日平均销量×变量系数×（送货天数+到货安全库存天数)+安全库存

定货数量：

建议定货量 = 按定货规格取整 { 日平均销量×变量系数×(定货周期+送货天数+定货安全库存天数) +安全库存- 当前可用业务库存 - 在单量}

3、不考虑当前业务库存及在单量，即不考虑定货条件时，简化为：

定货数量：

建议定货量 = 按定货规格取整 { 日平均销量×变量系数×(定货周期+送货天数+定货安全库存天数) +安全库存}

或

建议定货量 = 按定货规格取整 { 最高库存 }  等等

基于事先配置好的模型及对应参数，企业相关人员可以很方便获得补货建议。同时对于补货建议也可以调整，海鼎新系统还提供了丰富的参考信息帮助决策。

对于未定货商品（如没达到最小订货量的商品等）及异常商品（如目前属于促销期的商品；补货日非今日的供应商但是目前商品处于缺货状态等）也会提示出来，避免人为疏忽而遗漏了这部分商品。

图，门店补货建议确认界面

结语

将自动补货及配货模型统一后，算法高度融合，对于一个企业而言，可以针对不同的对象，在不同的时间、场景、类别、供应商等要素下，选择不同的模型，并进行参数设定，大大提高了算法的通用性、灵活性，降低了在不同对象应用自动补货的成本，且转换或调优模型变得简洁易行。

         同时，海鼎在模型的设计过程中，将业内领先企业的各类算法进行了统筹考虑，充分确保算法模型、业务参数的完备性、严谨性，相信可以满足零售企业的各类经营需求。