世界石油公司(2)分解

1、天津工业大学管理学院专业硕士期末试卷2014-2015 学年第二学期供应链管理课程开放式案例分析年级：研 1401 学号：1431068004 姓名：彭燕成绩评定:案例一：美太医疗器械公司美太（MeditechMeditech）从母公司拆分出来仅 3 3 年，就占领了内窥镜相关医疗器械 的主要市场。国家医疗器械公司是其主要的竞争对手，在 1010 年前就已经创造了 8 8 亿美元的市场规模，但是美太通过开发新型革新性的器械，并通过最好的销售 队伍进行销售，与其对手进行激烈的竞争。 两方面结合带来的好处， 使美太在短 期内获得了显著地成功。尽管取得了成功，但顾客服务和配送部的经理丹弗兰 克林（D

2、anDan FranklinFranklin）注意到顾客的满意度在下降。美太最近推出了几个新产品， 这几个新产品是美太整个产品线中主推的产品。 新产品的推出是美太快速产品研 发战略中国重要的环节， 它需要谨慎的推出， 以保护美太的声誉和其他产品的销 售，但是美太常常不能在一开始订单蜂拥而至的时候及时满足顾客的需求。 产能 变得紧张， 顾客需要等 6 6 个星期以上才能收到货物。 交付服务的不足在医疗行业 中是致命的，也危及美太的声誉。 （详细内容见资料一）案例问题讨论 1 1美太在推出新产品过程中有什么问题？所有产品的制造过程都存在这些 问题吗？2 2从系统和组织角度考虑，是什么造成了这些问题

3、？ 3 3为什么顾客服务经理首先认识到这个重要的问题？ 4 4你将如何解决这个问题？本论文主要通过对美太公司在推出新产品过程中的问题、造成问题的原因、 首先发现问题的人员及如何解决问题这四个方面进行论述， 分析美太公司新产品 推出的案例。通过对案例的分析， 正如大多数制造过程都存在的问题， 美太公司在推出新 产品的过程中出现了供应短缺和高库存问题， 造成该现象的原因主要是美太公司 存在以下问题：（1）在生产制造过程中，美太公司没有对市场需求的预测，没有对市场行情发 展的数据收集。（2）经销商的“恐慌性订购” ，导致了总的需求大于供应。（3）仓库本身的分散性质，经销商几乎无法控制各个仓库的实际订

4、货，并且不能形成一个 统一的模型。当然，美太在推出新产品过程中存在的问题， 不单单只因为某一个方面的问 题，而是要从不同的角度的来考虑和分析。具体情况如下：在新产品推出时经常会出现订单蜂拥而至，交付服务不足（客户需要等待 6 6 周才能收到订货），难以满足客户需求，客户满意度下降。具体需求变动情况如 案例中给出的数据分析图所示：蜀浄订单-O- JB净订电1 6序产器叔出右翼塑的嘛貳傑扎，产品握第四冏束正扎扭（1）如上图所示：新产品推出后需求遵循一定模式，在最初的几周内达到高峰，但随 后立即变的相对稳定啊）产少*出（2）如上图所示：生产计划的变动经常大于需求的变动总的来说，出现这些情况的原因大体

5、可以总结为以下几点：（1）新产品推出时候服务水平低（2）预测不准确（3）恐慌性订货（4）库存过高在制造过程中存在的问题：（1）、在装配阶段，零部件的提前期大约为216个星期，应缩短提前期，有效的利用零部件从而节约库存费用。（2）、由下图知：在3、4、5月份，FG库存为负，由于没有及时的包装消毒，所以产出的 最终成品无法满足极具增加的即时需求而导致供不应求。得不到满足的医疗机构可能会由于某些紧急需求而选择寻找其他合作企业，这将使得企业失去一部分的新老顾客，并且顾客满意度也会随之下降。7(H)060005000400030002000100OO -1(X)0-2000-3000-4000从系统角度

6、出发来看主要原因有：（1）产品的生产和销售预测系统不完善（2）经销商和联署企业的“恐慌性订购”从组织角度来看原因是：各个地区公司的沟通和连接不完善。美太的信息存在于公司不同地区的不同系统中，没有一种固定的方式可以找到某个特定产品即将到来的需求、库存或生产率，而且也没有一个通用的数据格式。在预测过程中需求预测的不确定性：（1）糟糕的信息系统（2）没有合理关注需求（3）没有人为预测错误负责（4）内部推卸责任倾向（5）库存的延误（6）每月仓促制定计划（7）由于预测的错误而导致的规划的过分放大在企业对顾客满意度变化的感知过程中，因为客服代表长期处理从突发性顾客投诉到简历改善交付服务策略等工作，客服代表

7、直接与医院保持联系，由于职责因素，客服部经理直接处理突发性顾客投诉，建立改善支付服务策略等工作。同时还处理库存与物流， 可以与顾客进行直接接触、 联系，能够及时了解产品交付计划和发生的问题。客服经理能够掌握客户信息的第一手资料。由于感知到顾客满意度的降低，而导致医疗企业和美太的合作关系 发生动摇，对企业造成负面的影响，因此顾客服务经理能够首先认识到这个重要的问题。为了解决上述所出现的问题，归纳的解决方法如下：（1）完善信息系统，对预测准确度进行数据收集、跟踪、保存，并采用定性定量等分析法 对数据进行预测，提高预测的准确度和服务水平。（2）优化组织结构，营业单位之间进行专业化分工，使每个单位只负

8、责其中一项或几项工 作，以便于管理，提高生产效率，能够达到职责到个人的生产模式。（3）组建内拉式系统消除批量库存，所谓库存是万恶之源，一个企业内部的库存水平将直 接反应一个企业的管理水平。（4）增加企业与经销商及联属企业的信息透明度，最大限度减少恐惧性订货。（5）取消地方仓库，在全国重点区域建立辐射范围广的货物集散中心，对于大批量的订单=39月-挣订-实际女措Y1FC；库存直接配送货物，小批量订购使用第三方物流。总结：本案例说明了企业的供应链是企业的一个巨大的挑战， 现过高的库存以及较低的服务水平，并且案例公司缺乏市场数据，的规划体系掩盖了实际存在的问题。企业应当及时找出问题并做出诊断。而美太

9、在新产品供应时出 模式有些陈旧，典型常用案例二：世界石油公司世界石油公司是一家全球性加工和经销汽车、飞机、卡车和船舶用燃油的企业、经销点的形式是服务站和散装供油设施。如何供应1000多个经销点是企业经营中的主要难题。由于燃油收入构成其主要收入，而且其对客户服务水平（产品可得率）的要求高，所以企业主要考虑的是保证汽车加油站有足够的库存。良好分销运作的关键因素之一是这些加油站对产品的使用量。特别是，油罐车要要准确预测燃油的使用量来安排到加油站的运货以避免缺货。加油站的运营：加油站经营三种或四种的燃油，包括87、89和92号辛烷和柴油。这些燃油储存在地下储存罐中。由于各加油站运量不同，储存罐的容量有

10、限，补货的频率从每天2至3次到每星期仅 几次。每个油罐只能装一种燃油。加油站的工作人员定期将带有刻度的小棍深入到储存罐中 测量剩余的燃油量，另一些先进一些的加油站在储存罐中装有电子测量仪。补货时使用的油罐车一般有四个储油单元格。预测问题：每个加油站不同级别的燃油都代表一个具体的预测情况。这里要讨论的是某一家销售量很少的加油站，销售87号辛烷。该加油站每星期只需补货几次，所以预测每天的用量就够了因为用量随每周各天有所不同，所以一周内某一天的预测会与其他任何一天的预测有所不 同。表1列举了该加油站过去2年内每星期一87号辛烷的历史使用量。图1是按用量描出的时 间序列图。问题：1、请为该加油站制定预

11、测流程，说说你为什么选择这种预测方法。2、预测时如何处理促销期间、假日或其他时间燃油用量偏离正常模式的情况。3、预测一下星期一的用量，说明预测准确度。首先，根据原始数据（表1），书上给出了时间序列图图1,还可以将前两年的的数据以图2形式画出来，可得到如图2所示：表1:某低销量汽车加油站87号辛烷每周一用量的历史数据第一年第二年今年153066079025706408603560810promoti on8904530790promoti on7805510820promoti on8106560650?7610710856070095806701061069011650730127007301

12、3670760147007901576081016730870177608901882087019780890209008802184093022770980238209002480086025760890267608802777087028790840297608603074091031720870326708603369084034470holiday540holiday356707803669075037620780386507603961071040620730416407504259075043610710446007504563072046600770476307404864075

13、0496107605059078051610800526303469085041030图2:某低销量汽车加油站过去两年中每周一的燃油用量对比图根据图2的展示结果，我们可以初步得到结论如下：首先，图2能清楚看出数据的对比效果，并且图2比图1更容易看清数据的变化规律 八其次，图2的数据画出的折线图中，两年的使用量以答题相似的趋势在变动，但是却几乎不 存在交点。数据的平均值，第二年比第一年高。从第二张图中我们能看到，搞出来的部分似乎是相加型的高。但是具体我们还是应该计算得到精确结果。从图中可看出数据波动与一年中各个时期变化的关系比较密切。而非随机的总体上升或下降，结合图和数据可看出，除了促销活动和节

14、假日对数据波动有影响外，季节性因素也是一个必须要考虑的重要因素。初步判断：用经典时间序列分解将会是比较好的选择。因为这一类预测模型注重周期性变化和季节 性变化以及趋势。由于我们有充分的数据，数据的准确性也比较可靠，便于我 们推断出较为准确的变动周期和变化趋势等。为了验证我们的初步判断。我们仍要通过比较精确的分析计算来说明。我们将在EXCEL中比较以下4种预测模型，此处参照网络上比较常用的几种方法如下：a.a.一次指数平滑法图1:某低销量汽车加油站过去两年中每周一的燃油用量第一年第二年b.b.加入了季节性因素的一次指数平滑法c.c.带趋势的时间序列分解在以下方法中，我们需要对数据进行处理，一般采

15、用残差分析。 残差是指实际观察值与A回归估计值的差，即e二yi -yi i =1,2，n，有多少对数据，就有多少个残差。残差分 析就是通过残差所提供的信息，分析出数据的可靠性、周期性或其它干扰。故本案例中我们需要分析预测数据与实际数据的残差是否符合某一规律(一般为正态分布)，并计算出其在一定置信度下的置信区间，最后剔除异常数据。我们可以通过Matlab来进行分析残差，分析过程中使用的代码示例如下：x=1 2 3 4 5 6 7 8 9 10 11 12 13 14;/该数组放置序列数X=ones(109,1) x;/建立一个109行2列的数组Y=530 570 560 530 510 560

16、610 560 580 610 650 700 670;/该数组放置燃油用量b,bint,r,rint,stats=regress(Y,X)/*计算残差r、残差置信区间rint,回归系数b,回归系数置信区间bi nt，以及检测回归模型的统计量r2、F直、F寸应的概率P*/rcoplot(r,rint)/绘制残差图(1)一次指数平滑法需求预测是库存管理的基础，为库存决策提供了依据。因此，需求预测在库存管理中占 有重要的作用，物流需求有时间特性，需求随时间的变化归因于销售的增长和下降、需求模式的季节性变化以及多种因素导致的一般性波动，而指数平滑法就是一种将实际测量值分解成水平因素、趋势因素和周期因

17、素三部分，然后综合起来进行预测，能有效地反映季节变动 的影响。具体计算方法如下：我们设时间序列为严勺Jr，则根据一次指数平滑公式：. 巴斓式中St为第t周期的一次指数平滑值；二为加权系数，ov1。由此可见St实际上是 二八的加权平均。加权系数分别为:,匕：1一th匕i :-Z,，是按几何级数衰减的，愈近的数据，权数愈大，愈远的数据,权数愈小，且权数之和等于1。其预测模型为： 入弘叭+Q-皈作图方法：最简单的方法是根据上述模型在EXCEED利用分析工具里的指数平滑工具来 计算出预测值，以第t周期的一次指数平滑值作为第t+1期的预测值，然后将原始数据和实际 数据绘制出折线图。对比后可得知：则从上式

18、可以看出，新预测值是根据预测误差对原预测值进行修正得到的。 的大小 表明了修正的幅度。值愈大，修正的幅度愈大， 值愈小，修正的幅度愈小。因此，匸值既代表了预测模型对时间序列数据变化的反应速度，又体现了预测模型修匀误差的能力。在实际应用中，匕值是根据时间序列的变化特性来选取的。若时间序列的波动不大，比 较平稳，则 .应取小一些，如0.10.3;若时间序列具有迅速且明显的变动倾向，则应取大一些，如0.60.9。实质上，:是一个经验数据，通过多个:值进行试算比较而定，哪个:值引起的预测误差小，就采用哪个。通过不同的a值的调试，加以修正，最终发现当a= 0.6时，在这种方法下，MAD=38.1。预测值

19、和实际值的折线图如图3。可以看到有比较严重的滞后性。且在特殊值的预测方面有 较大不足。此处其实还可以用二次指数平滑法， 该修正的方法也是在一次指数平滑的基础上再作二 次指数平滑，利用滞后偏差的规律找出曲线的发展方向和发展趋势，然后建立直线趋势预测模型。但是由于该方法所预测出来的数据不如一次指数平滑法的准确，故此处就不展示改种方法，只给出计算模型如下：设一次指数平滑为 ，则二次指数平滑-】的计算公式为：模型为：一总 + 叮 _-：|：式中t为当前时期数；T为由当前时期数t到预测期的时期数；厂为第t+T期的预测值；为截距，为斜率，其计算公式为：务=邮-炉妇娜普)(2)加入了季节性因素的一次指数平滑

20、法处理方法是这样的。经过计算发现，两年在节假日之时，相加因子分别为222和310,图3:预测数据与实际数据对比图相乘因子分别为0.67和0.63。因此在节假日选择了相乘式季节变动，加以处理，在指数平滑值的基础上再加一个趋势值，因子=0.65。而在促销阶段，则表现出比较稳定的+170,+150,+180，因此选择相加式，相加成分=170。经过以上处理的一次指数平滑法在几个关键点减小了绝对误差，从而使MAD进一步下降，MAD=29.5。图3:加入季节因素的预测数据与实际数据对比图（3）经典时间序列分解根据我们之前的判断，选用时间序列分解模型是因为这一类预测模型注重周期性变化 和季节性变化以及趋势。

21、那么究竟是否比一次指数平滑法好现在我们通过时间序列的变动分析，建立定量分析的数学模型，配合一条较为理想的 趋势线来测定数列变化的趋势。模型如下：直线趋势方程：y ycaFtaFt曲线趋势方程:整理后的标准方程为:、y = na b t ty二a t b t2我们要算出趋势：首先我们要把系数求解出来。原数列的实际值与趋势值的离差平方2和为最小，即a （y-yc）二最小值，原数列的实际值与趋势值的离差之和等于零，即最终得到公式为:带。关键数据如下:= y - bt原始数据N=109Dt*t=4583350t2=437635D=732.5688t=551.775554634.9131图5:趋势计算关键数据MAD=26.4。根据两年的季节因子的平均数，可以得到新的预测模