厨热全链路供应链计划优化项目

Sponsor ：周军利
厨热金种子：芮涛，薛改改
集团 IT 大数据：林刚，刘力波，李丽，吴晓彬，陶天羽，陈锦基，龙启燕等
业务支持：李黎明（中国区域），吴杰（厨热），段凤鹏（厨热）等
合作单位： LLamasoft 智模
厨房和热水器事业部
9/14/21
目录
一、项目背景

二、项目方法论

三、仓网布局优化

四、库存策略优化

五、动态补货

六、全链路控制塔

七、项目总结与规划
1.1 、项目背景—内销零售转型

 厨热内销 20 年 4 月发文试点代理商模式转运营商模式，通过去中间代理商提升渠道效率以实现零售转型；

变革前—代理商模式
订单流、资金流 订单流、资金流 市场服务

代理商
工厂 政策流、货物流 代理商 政策流、货物流 零售网点

市场需求

变革后—运营商模式
订单流、资金流 市场服务

运营商
美云销直供 零售网点
工厂
政策流、货物流 市场需求

运营商
1.1 、项目背景—用户直供
用
DTC 模式
基于内销零售转型，供应链侧构建用户直供的一盘货敏捷交付体系（ DTC 模式），以零售驱动协同仓备货，以同仓归集补货订单驱动制
造齐套生产。

一盘货系统 前置仓 A1
零售网点 协同仓 A

区域仓
前置仓 A2 送装服务
前 引流 交易 商超连锁
EDI 对接
台 前置仓 B1
退换货服务 用户
销
用户 电商平台
售 协同仓 B 前置仓 B2

APP/ 公众号

抖音 / 快手 / 小红书 CPFR 库存水位拉动备货

供
应
链
中 零售预测 自动补货单创建 最佳供货路径计算 产销平衡与分级量化 预排与结转
台
制
造
后
下线直发 总装齐套生产 部装联动生产 T-4 物料供应
台

变
1 、 AS IS ：面向客户，客户打款备货分销，工厂按客户订单执行 T+3 生产交付；
革
点 2 、 TO BE ：面向用户，用户需求现货满足，工厂根据中心仓销售补货执行生产交付；
1.2 、用户直供 DTC 运作痛点
 用户直供模式运作 2 个月的发现：在当前仓网结构下，通过供应链计划人工制定库存策略，手工下单补货的老路，无法支撑用户
直供 DTC 模式下供应链效率提升的目标
 补货水位设置单一：没有结合货品分层，服务满足率，
需求特征差异化设置高低水位，只有（ 30 天， 45 天）
（ 35 天， 50 天）等几组简单的组合，库存结构较差；
 库存部署不经济：货品分散在各个中心仓，没有针对需求
特征执行集中或分散的差异化存放策略，库存总量高；
 中心仓数量多：线下中心仓 119 个数量多，配送
时效快但仓储物流成本高，备货分仓复杂，货品偏
01 仓网布
仓滞销或缺货情况突出；
局不经济
 仓网层级不清晰：没有在区域、省份、城市之间构
建完整的三级仓库网络，主辅仓关系不清晰，导致
小仓需求少补货零散，现货无法支援；
备注： 1 、 2220 人天工作量 =10 个 T+3 周期 * 单个周期耗时 4 小时 *12 个月 *37 个中心
 手工计算补货量精度差：单 T+3 周期在（ SKU ，仓
库） 维度下有 5.6 万个补货单元，在交货期及未来
需求波动的情况下，使用简单的数学公式及 excel 工
具难以计算出科学经济的补货量，实际操作往往只
02 库存策略
不精细 是到（ SKU ，营销中心）维度再按比例分仓，相对
粗糙；
 手工下单补货效率低：按供应链计划先跨多个业务
系统取数点检 PSI 进销存，再计算补货量，最后再逐
业务痛点
一在 CIMS 手工创建补货订单，效率低下（每年耗费
03 手工
2220 人天）；
补货精度
差效率低  未考虑最佳补货路径：备货订单默认从工厂生产发
货，未提前检查是否可以通过从有冗余库存的仓库
通过自动仓间调拨共享满足，导致部分 SKU 在部分
仓库缺货部分仓库呆滞；
1.3 、用户直供 DTC 模式优化路线
 通过数字化方式改造直供全链路，通过大数据及模型算法实现全链路供应计划优化，并在 20 年及 21 年分两期完成。

基于服务时效及 基于货品分层后的服务满
成本约束，寻找 足率要求，按货品的需求

仓网布局优化

库存策略优化
综合网络成本最 特征及三级仓网结构进行
优的仓网布局 多级库存优化并匹配差异
化的库存优化策略

在库存优化策略基础上
20 年一期项目 ，基于未来销售预测，

动态补货
自动创建中心仓补货订
单并选择最佳供货路径

结合补货订单，制造资源（物料
智能零售分销预 + 产能），在满足快速准时交付

（ S&OP ）
通过差异化的预测模型及 的基础上，寻找综合供应成本最

供需平衡
内外部因子构建，以提升 优的产销平衡方案
测

21 年二期项目 （ SKU ，仓库）维度的零

售分销预测准确性
1.4 、一期项目目标

 通过与 LLamasoft 合作，学习借鉴供应链领域最先进的理念与模型算法，匹配用户直供 DTC 模式特点，对供应链进行数字化改造

库存策略优化

动态补货
仓网布局

按货品的需求特征及服务满足率要 基于库存优化策略及 T+3 模式，

基于服务时效约束，寻找综 求匹配差异化库存策略，通过多级 自动创建补货订单，并通过模型
合网络成本最优的仓网布局 库存优化方式提升库存经济性 算法选择最佳订单交付路径

中心仓由 119 个精简至 81 自动单占比 >80%

库存周转提升 >20%
个，仓库精简率 32%
现货率 >90%
目录
一、项目背景

二、项目方法论

三、仓网布局优化

四、库存策略优化

五、动态补货

六、全链路控制塔

七、项目总结与规划
2.1 、全链路供应计划优化—方法论
 建立数字驱动的“用户直供 DTC 模式交付五步法”方法论

Step5: 通过全链路控制塔实现供应链运作实时掌握，异常自动预警，
全链路控制塔 快读定位各层级问题后执行纠偏

仓网布局优化 库存策略优化 动态补货

货品 ABC 分 三种库存策略
仓库布局 调拨网络 MEIO 多级库 DC-DC 全局 MFG-DC 自
层 BS ， rQ ， s
优化 健全 存优化 最优共享 动补货
需求特征分类 S

Step2: 在（ SKU, 仓库）维度货品特征分类，包括：通

Step1: 基于销售流量分布及安得现有仓网 Step4: 基于库存优化策略自动创建补货订单，通过 MIP
过需求波动、需求间隔进行特征分类；通过销量，价格
结构 , 通过 GA 重心法， LP 线性规划及 混合整数规划选择最佳订单交付路径
维度进行聚类；通过销量及产品定位进行 ABC 货品分层
MIP 混合整数规划进行选址建模，之后进
；
行仓网布局及物流配送路径仿真优化
2.2 、全链路供应计划优化—业务流程
库存优化 自动补货
图例 策略
动态补货
订单
T+3 流程

在库存库存 预测分解到 O
数 计算 3天 动态补货结果 1
P
字 需求特征 库存优 动态补
E
化 分类 化策略 货方案 SKU+ 仓库维 SKU+ 仓库维
在途库存计 调拨时效基 度调拨量 最佳供货路径 N
工
算 础数据 X
具

手动补货
订单型号数 调拨路径不 订单供货路 订单型号数
订单
量修改 可修改 径信息 量信息
供 自动补货单评审修改
应
自动补货单创建 2
链
计
划
3
自动单送审 是否仓 C
不通过 自动评审 发货通知 订单入库
总部 间共享 I
M
否 S

通过 基地现货满足
存销比 总部
产 检查 评审
销
计
划 基地现货不足
发货通知
主要控制点

1 、数字化工具：输入仓网布局，补货型谱，库存分布等基础数据，借助 OpenX 模型算法计算得出库存优化策略及动态补货方案；

2 、自动补货单创建： CIMS 将 OpenX 推送的动态补货策略转化为可在美的业务系统中流转的“中心自动补货订单“；
3 、最佳供货路径： 供货路径优先仓间共享，针对共享订单， CIMS 自动生成发货通知单到大物流系统，由安得配送中心执行；
2.3 、全链路供应计划优化—系统架构
 OpenX 定位为库存优化及自动补货的策略系统；
 运行基本流程：补货参数维护—基础数据 ETL—OpenX 基础数据输入与验证— OpenX 策略参数设置与主函数求解— OpenX 策略结果输出— CIMS
执行；
供
应
链 库存优化
计 及动态补 场景 C
划 货基础参 中心自动补货 CIMS 库存调
1 IM
+
数维护
补货参数维护 订单 拨指令 S
产
销 APP
计
划 OpenX 平台

ETL OpenX

获取基础 是否 是 模型算法策略 运行主求解 策略报表

完整性检查 中间数据运算
产 数据 通过 参数设置 函数 可视化看板 O
P
销
计 否 E
划 4 结果输出 N
X

2 基础数据获取与验证 3 策略运算

主 1 、基本参数维护：供应链计划完成补货型谱及未来销售预测录入，产销计划完成基本补货参数维护（提前期及标准差，补货批量， ABC 分层界限及满足率水平等）

要 ；
流 2 、基础数据获取与验证： OpenX 运行 actions 从美的 ETL 中获取基础数据，生成库存优化策略及动态补货运算需要的中间数据，并进行完整性检查；
程 3 、策略运算：产销计划设置好策略参数后，执行策略模型中的主求解函数；
4 、结果输出：包括三种形式：报表，可视化看板，可推送给 CIMS 的动态补货指令；
2.4 、全链路供应计划优化—模型算法

模 仓网 可视化
库存 动态
块 布局 策略 补货
流 1 、仓网布局构建 3 、动态补货 4 、全链路控制塔
2 、库存优化
程
基于服务时效及成本约 基于库存优化策略，寻 产销运营情况实时掌控，
基于现货率满足要求， 异常自动预警，快速定位
目 束，寻找综合网络成本 寻找库存成本最优的多 找综合成本最优的动态
最优的仓网布局 补货计划 各层级产销运作问题点
标 级库存优化策略

工 • 流量分析 • 货品 ABC 分层 • 销售预测建模

具 • 仓网等级划分 • 需求 - 单价聚类 • 库存共享约束设置
方 • 路由规则定义 • 需求特征分析 • 多源供货路径
法 • 库存策略模拟可视
• 线路模拟仿真 • 基本库存 ,(rQ), • 补货数字化仿真
（ s,S ） • 库存调拨模拟可视
• 全链路控制塔
• 时间序列预测模型 （ H5 ）
• Greenfield Analysis • DBSCAN 聚类
• 永洪大数据看板
模 • MEIO 多级库存优化 • 回归分析预测模型
型 重心法选址分析
• 递归算法 • heuristic algorithm
算 • LP 线性规划
• Quasi-Newton- 启发式算法
法 • MIP 混合整数规划
Methods 拟牛顿法 • MIP 混合整数规划
目录
一、项目背景

二、项目方法论

三、仓网布局优化

四、库存策略优化

五、动态补货

六、全链路控制塔

七、项目总结与规划
3.1 、仓网布局优化范围

 配送费用无明显增加及配送时效无明显下降为前提，从仓库布局优化及调拨共享网络优化两个方面入手优化；
 仓库布局优化：基于销售流量分布及安得现有仓网结构 , 及配送能力，通过 GA 重心法， LP 线性规划及 MIP 混合整数规划进行选
址建模，之后进行仓网布局及物流配送路径仿真优化来调整厨热仓库布局；
 调拨网络优化：补齐基础线路，明确路由规则，健全调拨网络，实现任意两个仓库之间有调拨共享线路；

仓库精简

仓库精简

覆盖范围有优
化
仓网布局优化

三级网络规划

调拨共享网络
优化

路由规则设置
 3.2 、仓库布局优化—仓库精简

厨热原 119 个仓库分布

福建
省
仓

辅
仓
辅
仓
配送成本无明显变化及配送时效不下降的情况
下仓库数量为 81 个（平均 2.7 个 / 中心）
广东

省
仓
1 、绿色代表

辅 100 公里覆盖
仓 ；
辅
仓 2 、黄色代表
3.2 、仓库布局优化—仓库精简

 数字仿真显示按优化后的 81 个仓库，服务时效在 200 公里范围内提升 1 个百分点， 200-300 公里范围内提升 4 个百分点；

 仓库精简及覆盖范围调整从 7-11 月分 5 个批次精简，共涉及 19 个营销中心（占比 51% ），精简 38 个仓库（精简率 32% ， 1.8
万平）；
各中心仓库个数分布
仓库布局 维度 运距分布
3%
运距区间 ≤100KM 100-200KM 200-300KM ＞ 300KM 10%
27%
10%
需求量（方） 704055 266434 126735 101391
原 119 个仓
库
占比 59% 22% 11% 8% 17%
33%

需求量（方） 721566 260099 180992 35958

精简后 81 个
仓库 1个 2个 3个 4个 5个
占比 60% 22% 15% 3%
6个
3.3 、仓网布局优化—调拨共享网络优化
 区域仓：即跨 7 个大区的仓间调拨（北京、成都、合肥、佛山、武汉、沈阳、西安）， 7 个区域仓同时承担所在省份的主仓功能；
 省仓：提供批量性调拨服务，服务范围限定在固定区域内（全国 7 大区），同时具备省内配送功能；
 城市仓：提供批量性调拨服务，服务范围限定在省内，同时具备同城配送功能（单一城市或周边城市）；
调拨业务 配送业务
仓级别
跨区域 区域内 省内仓 跨区域配送 省内配送 同城配送
区域仓 √ √ √ √ √ √
省仓 ╳ √ √ ╳ √ √
城市仓 ╳ ╳ √ ╳ √ √

设仓规则：
1 、调拨业务：全国及区域内调拨，库存设置在区域仓；省内仓调拨需求，库存设置可选择省仓和城市仓；
2 、配送业务：省内配送和同城配送需求，库存设置优先以城市仓为主；
3 、配送业务的仓库优先级原则：优先城市仓配送，其次省仓配送，省仓无库存，需调拨后完成开单配送。

路由规则
A1 城市仓 A1 省仓 B1 省仓 B1 城市仓
仓库等级 仓库类型 仓库个数
A 区域仓 B 区域仓
一级 - 主仓 区域仓 CDC 7 A2 城市仓 B2 城市仓

二级 - 主仓 省仓 RDC 26 A3 城市仓 B3 城市仓

三级 - 辅仓 城市仓 FDC 48 B4 城市仓

A4 城市仓 A2 省仓 B2 省仓
目录
一、项目背景

二、项目方法论

三、仓网布局优化

四、库存策略优化

五、动态补货

六、全链路控制塔

七、项目总结与规划
4.1 、库存策略优化方案—业务
 库存优化包括两部分： MEIO 多级库存优化（库存部署策略，集中或分散），差异化库存策略；

库存优化第一部分： MEIO 多级库存优化

未来分销预测制定 5
MEIO 多
需求特征
1
4 级库存优
2 3 聚类
化
历史销售 供应链计
库存优化 智能分销 库存优化
清洗与统 划分销预
参数设置 预测 策略输出
计 测
6
需求特征 三种库存
分类 策略输出

库存优化第二部分：差异化库存策略

1 、库存优化参数设置：录入库存优化的条件参数，主要包括：总部及中心库存优化（自动补货）型谱， ABC 货品分层及服务满足率，提前期及标准差，未来销售预

测，配送中心信息（位置、等级、覆盖关系、仓间共享调拨管控费率）、基地 - 配送中心信息（时效、运输成本）；
2 、历史日销数据清洗：按（ SKU ，配送中心）组合且符合正态分布的需求， 7σ 之外的历史日销数据进行剔除，避免导致库存水位线设置不合理（过高）；
主
要 3 、智能分销预测：通过需求特征分类匹配相应的预测模型，输出（ SKU ，配送中心）的 M+1 月分销预测结果作为供应链计划制定未来销售预测的参考；
流 4 、供应链计划分销预测：供应链计划结合（ SKU ，配送中心）颗粒度的近三个月分销，智能分销预测结果，促销政策，制定 M+1 月分销预测作为库存优化输入；
程 5 、多级库存优化：区分营销大类按（ SKU ，配送中心）颗粒度通过（需求量，价格）用 DBSCAN 算法进行聚类，最终输出 SKU 在主仓及辅仓库存部署的比例；
6 、差异化库存策略：按（ SKU ，配送中心）通过（需求波动，需求时间间隔）进行需求特征分类（块状，断续，平滑，尖峰），并结合固定成本高低匹配三种差异
化库存策略，包括：基本库存策略，（ r,Q ），（ s,S ）
4.1 、库存策略优化方案—流程

 
仓库 1:
  / 总仓 :
分仓 1

 
仓库 2:
1 、需求分析

最大提前期 服务类型
前置提前期 服务水平 Demand Series
NNZ or Horizon/p <3 NNZ or Horizon/p ≥ 3

Extremely Slow Categorized Demand

σNZ < 10 σNZ ≥ 10

Non-Outlier Dmax < 10µ NZ Outlier Analysis Dmax ≥ 10µ NZ Outlier

Demand Classification

p < 1.32 Demand p ≥ 1.32

[ 𝜇 𝐿𝑇𝐷 , 𝜎 𝐿𝑇𝐷3 ]、提前期

Intermittent
σNZ < 4 σNZ ≥ 4

Non-Intermittent Low Variable High Variable

CVNZ 2 < 0.49 CVNZ2 ≥ 0.49 CVNZ2 < 0.49 CVNZ2 ≥ 0.49 CV NZ2 < 0.49 CV 2 ≥ 0.49
NZ

需求分布
Smooth Erratic Slow Lumpy Slow Lumpy

Di = 1 σNZ ≈ 0.1 σNZ > 0.1

Unit-Sized Clumped Regular

2 、需求分类
µNZ < 1 CV > 5

Extremely
Extremely Small
Variable

SS, ROP Demand Class Inventory Policy

安全 Extremely Slow N/A
Smooth R,Q
SS 库存 Erratic s,S
Slow-LowVariable (batch
BaseStock
size = 1)

风险期 = 1 到 最大提前期 Slow-LowVariable

(batch size > 1)
R,Q
Slow-HighlyVariable s,S
COV
1 2 3 4 Max LT

再订 Lumpy (batch size = 1) T,S

货点 Lumpy (batch size > 1) R,Q
Extremely Small N/A
Depends on the original
Extremely Variable
class

4 、求得库存曲线 5 、 MEIO 多级库存策略优化 6 、库存策略输出

4.1 、库存策略优化方案—系统

库存优化基础
数据预处理 写入输入数据
数据 纠正数据

验证输入数据
美的提供
数据完整？ 显示数据错误
否
1. 数据处理
是

2. MEIO 多级库存优化，按 (SKU ，仓库）的库存部署策略

控制
数据
3. 自动库存策略推荐：基本库存 , (r, Q), (s, S)

4. 输出各类型库存策略下（ SKU ，仓库）库存水位值

5. 输出完整库存策略

数据传入动态补
货 APP
4.2 、库存策略优化参数设置— CIMS 执行系统
库存优化前需维护参数共 5 个大类 12 个小类作为约束条件，主要由总部产销计划完成

参数大类 参数小类 颗粒度 具体内容及作用 维护人 维护频次

标记需要进行库存优化（自动补货）的型号，限定范围（剔 1 次 / 月，过程中有调
库存优化型谱 - 总部 (SKU ，全国） 产销计划
除规划退市，上市不足一个月新品，专供型号，配件等） 整及时更新
CIMS- 型谱范围
在总部库存优化（自动补货）型谱范围内，根据中心操作的 1 次 / 月，过程中有调
库存优化型谱 - 中心 （ SKU, 营销中心） 供应链计划
产品线，标记中心库存优化型谱，限定范围 整及时更新
设置 ABC 类货品分层的边界（按销量排名，默认 A-
ABC 货品分层标准 （ SKU, 全国） 产销计划 1次/月
TOP70%,B-TOP90%,C-TOP100% ），作为分层依据
CIMS-ABC 货品分层
设置 ABC 类货品差异化的满足率（默认 A 为 92% ， B 为
ABC 货品服务满足率 (SKU ，全国） 产销计划 1次/月
90% ， C 为 85% ），作为安全库存制定的约束条件之一

提前期 设置从提单 - 到货全流程周期，作为基本库存制定约束条件

(SKU ，全国） 之一，其中基本库存 = 安全库存 + （全流程交期 + 下单间 产销计划 1次/月
（提单 - 到货周期）
隔） * 日均销量
CIMS- 订单周期及波动 提前期标准差 (SKU ，全国） 　 产销计划 　
设置下单间隔，作为基本库存制定约束条件之一，其中基本
下单间隔 (SKU ，全国） 产销计划 　不变
库存 = 安全库存 + （全流程交期 + 下单间隔） * 日均销量
产品不含税净收（脱敏）口径的价格，作为计算库存总额使
产品价格 SKU 财务 不定期更新
用
CIMS- 价格及费用 费用 - 仓储 仓库 计算库存持有成本（包括资金利息及仓储费）使用 大物流计划 1月/次

费用 - 资金利息 SKU 计算库存持有成本（包括资金利息及仓储费）使用 产销计划 1年/次

区分线上线下，包括：配送中心编码，名称，仓网等级，位
基本信息 （渠道，仓库） 　 　
大数据补录平台 - 仓网 置信息，容积率作为库存优化的基础信息
布局信息 包括：配送中心等级，关联的一级仓及二级仓，作为 MEIO 1 次 / 月，过程中有调
仓网等级 （渠道，仓库） 大物流计划
多级库存优化的约束条件 整及时更新
4.2 、库存优化参数设置—策略系统
 在 Openx 中运行库存策略优化主求解函数之前，需要先设置 3 个大类 10 个小类的参数值作为约束条件，实现多场景库存优化策略

参数大类 参数小类 参数作用 参数设置方法

计划起始日期 限定库存优化的周期范围 起始月份首日代表全月

计划周期数量 限定周期个数 设置为 1
计划周期定义
计划周期长度 限定周期长度 设置为 1
计划周期单位 限定周期单位 设置为 months 月

在需求预测准确率相对较高时选择基于未来（ user forecast

需求数据源 明确库存优化是基于历史需求或者未来需求
upload) ，反之选择基于历史（ historical data)
需求数据设定
历史视野的开始 限定历史数据的起始时间 一般为近三个月的起始日期
历史视野的结束 限定历史数据的终止时间 一般为近三个月的终止日期

none 为不分类， every node 对所有（ SKU, 配送中心）

选择是否进行差异化的需求分类，进而选择差异化
需求分类 组合分类， downstream node only 对三级仓（城市仓）
库存策略
进行需求分类
需求分类设定

COV 阈值 设置 COV 需求波动的阈值 一般为 0.49

ADI 阈值 设置 ADI 需求间隔时间的阈值 一般为 1.32
4.2 、补充：服务满足率
 服务满足率相比于普通的现货率，考虑了零售网点的单次订单批量；
 满足率与库存持有成本正相关，通过货品 ABC 分层平衡满足率与库存持有成本；

库存订单满足率，适用分销，计算复杂
  10+12+20+10 568
𝑭𝑹=1− = =0.92
110+100+140+60+130+80 620
库存水位

目标满足率
品牌 分层 概念
FR

COLMO A类 高端战略品牌 92%

A类 核心货品，分销占前 70% 92%

美的 B类 腰部货品，分销占前 20% 90%

C类 长尾货品，分销占 10% 85%

备注： ABC 类整体服务满足率 FR 值为 90%

10
  12
  20
  10
𝑑  1 =110 𝑑  2 =100 𝑑  3 =140 𝑑  4 =60
𝑑  5 =130 𝑑  6 =80  
时间
4.3 、未来分销预测制定—智能分销预测
大数据提供（ SKU ，仓库）颗粒度近 3 个月月均销量，同时提供 M+1 月智能分销预测结果，最后由供应链计划根据产品政策
、促销等修正分销预测，修正结果作为 M+1 月库存优化策略的输入
 预测系统流程：智能分销预测参考—供应链计划修正  预测建模流程：主要为时间序列预测模型
大数据仓库 大数据预测 业务系统
移动平均
历史数据 模型训练
预测 CIMS 指数平滑
预 ARIMA
产 测
品 模 ……
开始 分 型
类 匹
应用 业务修正
配
预测 需求预
模型预测
修正 测输出

补货算法 业务人员 ① ②

① 产品需求分类：需求特征分类匹配差异化时间序列模型 ② 预测修正：针对模型自身预测偏差较大的，设置规则修正数据

产品需求分类

设定历史上下限

极少需求 其他分类 历史数据规律

设定波动幅度

高需求 低需求
预测结果

历史事件影响度
低波动 高波动 高波动 低波动
活动事件

……
…… 季节性产品 新品 ……
4.4 、库存优化策略— MEIO 多级库存优
化
 目标： 1 、将（ SKU ，辅仓）需求小于阈值的（例如月度需求 <10 台）向上汇聚至主仓供货，平衡呆滞风险与服务时效； 2 、辅仓
需求向上汇聚到主仓供货后，营销中心整体需求不变，但（ SKU ，主仓）预测偏差标准差减小，从而降低安全库存水位；
 措施： 1 、使用 DBSCAN 聚类算法，按营销大类对（ SKU, 仓库）按（需求，价格）进行聚类； 2 、聚类后按特定比例将（ SKU, 辅
仓）需求向主仓汇聚；

0 1 2 3 4 10
产品单价

高 4

中 10 3 1

低 2 0

使用 DBSCAN 算法按营销大类在（ SKU ， DC ）颗粒度

需求量
低 中 高 进行聚类分析， X 轴为需求量， Y 轴为价格

默认需求递归分配比例：主仓： 10% * label ，辅仓： (100 – 10 * label)%

4.4 、库存优化策略— MEIO 多级库存优
化
 主辅仓需求 0 变动：举例被聚类为 10 类的（ SKU ，辅仓）需求转移至主仓后，主仓 + 辅仓总需求不变；
 标准差变化：需求转移至主仓后，标准差下降，带来安全库存降低，最终使得整体库存下降，同时控制辅仓备货的风险；

工厂 工厂
MEIO 后整体库存
MEIO 金额下降 4%
原辅仓需求 5 台，需求聚类为 10
类， 100% 转移主仓
主仓 主仓
需求： 50 需求 55
标准差： 90 标准差： 80

辅仓
辅仓 需求： 0
标准差： 0
按 2 月（ SKU ，辅仓）需求
需求： 5
标准差： 10
，条数占比 57% 被汇聚到主
网点 1 网点 1 仓供货，整体库存金额下降
4%

网点 2 网点 2
4.5 、库存优化策略—需求特征分类
 借助经典需求特征量化分析方法，将历史分销通过 ADI 及 值聚类后将需求特征分为四类：平滑，断续，块状，尖峰 :

ADI

断续 块状 尖峰 块状

1.32
 
平滑 断续

平滑 尖峰

2
𝐶𝑂
  𝑉

:  变异系数平方
0.49
 
ADI: 平均需求间隔时间，举例 A 型号 1 号有需求 2 台， 3 号有需求 3 天（间隔 2 天）， 7 号有需求 5 台（间隔 4 天），则 p=(2+4)/2=3>1.32

备注： 1 、需求特征分类有多种方法，这里选择的是 Syntetos,Boylan&Croston 在 2005 年发表在 Journal of the Operational Research Society 上的经
典分需求分类方法（最佳实践）； 2 、分类数据来源为历史销售出库，周期为 3 个月；
4.6 、库存策略—三种库存策略
基于需求分类及运输固定成本高低，匹配三种库存策略，即基本库存策略，（ r,Q ）策略，（ s,S ）策略
按线路阶梯运费拟合固定成本
需求种类

断续 块状 平滑 尖峰

相对低固定成本的需求占比高

(r, Q) (r, Q)
低固定成本 高固定成本 低固定成本 高固定成本

基础库存策 基础库存策
(s, S) (s, S)
略 略
需求特征 固定成本高低 库存策略 检查期 补货点 补货量 备注
库存 >r 时不补货
断续 + 块状 不考虑成本 (r,Q) 触发式，如 1 天 / 次 库存 <r 时触发补货 补货量 = 固定批量 Q Q 通过拟牛顿算法计算

补货量为近似值，实际补货
平滑及尖峰 低固定成本 基本库存 周期式，如 3 天 / 次 每次检查后必补货 基本库存量 - 当前库存量
中通过 MIP 计算最佳值
库存 >s 时不补货，即不
平滑及尖峰 高固定成本 (s,S) 周期式，如 3 天 / 次 值得支付高固定成本 补货量 =S- 当前库存量 sS 使用拟牛顿法计算
当库存 <s 时触发补货
4.6 、基本库存策略
  适用于：需求特征分类为平滑及尖峰类需求，且固定成本相对较低的（ SKU ，仓库）库存优化组合；
 基本库存 = 周转库存 + 安全库存，周转库存 = （提前期 + 下单间隔） * 日销，是一个相对固定的值（提前期 15-21 天，下单间隔为
3 天）
，基本库存高低由安全库存决定；
 安全库存：为防止未来需求的不确定性因素（如大量突发性订货、交货意外中断或突然延期等）而准备的缓冲库存，安全库存没有闭
式解， 为基于货品 ABC 分层设置的服务满足率， 未来日均需求， : 提前期内需求分布损失函数， s 为安全库存，通过 Quasi-Newton
Method 拟牛顿法近似求解；
库存水位

基本库存
𝑦 

 𝑔 ( 𝑥 )
 𝑥1  𝑥2  𝑥3  𝑥
 𝑦3
周  𝑦2
B
转
库
存  𝑦1
拟牛顿法求解安全库存

安全库存

时间
4.6 、库存策略— (s,S) 策略
 适用于：需求特征为平滑及尖峰的两类产品，且固定成本较高的（ SKU ，配送中心）库存优化组合，是基本库存策略的外延策略；
 补货特点：检查周期 3 天，当库存 >s 时不触发补货，即不值得花费高固定成本；当库存 <s 时触发补货，补货量为固定量 S- 当前库
存
 s= 安全库存 + 提前期内平均需求（如提前期 =2 天，日均需求 =100 ，则提前期平均需求 =200 ），安全库存参考前面的基础库存
策略
 S=s+ 最小补货批量（最小补货批量 =Max （最小订货量，补货间隔时间 * 日均需求））
S

时间

提前期
4.6 、库存策略— (r,Q) 策略
 适用于：需求特征为块状及断续的两类产品，与固定成本高低无关；
 补货特点：当库存 >r 时不触发补货，当库存 <r 时触发补货，补货量为固定量 Q ；
 补货点 r= 安全库存 + 提前期内平均需求（如提前期 =2 天，日均需求 =100 ，则提前期平均需求 =200 ），安全库存参考前面的基
础库存策略
 补货量 Q= Max （最小订货量，补货间隔时间 * 日均需求）
库存水位

Q +r
p2

r p1

时间
目录
一、项目背景

二、项目方法论

三、仓网布局优化

四、库存策略优化

五、动态补货

六、全链路控制塔

七、项目总结与规划
5.1 、动态补货整体方案—业务
 设置动态补货参数并关联库存优化场景结果后，执行动态补货，优先 DC-DC 仓间共享平衡整体库存水位，库存仍然短缺的（ SKU ，配送中心）组合
通过基地 MFG- 中心仓 DC 按 T+3 模式调拨循环补货；

调拨策略
可视化看
关联库存优化场景 动态补货计划生成 板 策略看板辅助人工决策
3 4 调拨计划合理性
1 5
2
MEIO 多 MFG-
动态补货 差异化库 补货业务 DC-DC
级库存优 DC 调拨
参数设置 存策略 数据获取 共享计划
化 计划

调拨策略 CIMS 中
供应链计
推送到 心自动补
划评审
CIMS 货单

1 、动态补货参数设置：主要包括订单交期，下单间隔，结转等待时间，基地 - 中心仓及中心仓线路信息，路由规则，最小批量等；
2 、关联库存优化场景：将（ SKU ，配送中心）组合的库存优化策略（主辅仓布货比例，安全库存水位线，基本库存水位线）作为库存调拨的约束条件输入；
主 3 、补货业务数据获取：获取（ SKU ，配送中心）组合的在手库存，在途库存（含运输在途，结转 T+3 订单，库存评审订单，未处理有效订单）及预计达到时间
要 ETA ；
流 4 、中心仓 DC- 中心仓 DC 共享计划（辅助）：按 (SKU ，配送中心）设置冗余库存水位，在满足库存共享调拨条件（最小批量，费率 <3% ）下优先进行仓间共享
程
调拨，将（ SKU ，配送中心）有冗余的库存共享到（ SKU ，配送中心）有短缺处，实现平衡； DC-DC 共享包括：基础线路的共享及逻辑线路共享（基础线路 + 路
由规则）；
5 、基地 MFG- 中心仓 DC 调拨计划（主要）：当 DC-DC 共享不足以满足（ SKU ，配送中心）补货到正常水位时，由基地 MFG 按 T+3 模式供货；
5.1 、动态补货整体方案—系统

库存优化策略
动态补货参数 数据完整性检验 纠正数据错误
基础业务数据 重启运行

数据完整 数据错误报告
否
1. 获取并验证数据 .
是
控制流
（ sku ，仓库）
数据流

2 输入（ sku, 仓库）基本库存及安全库存，需求，提前期，库存（含在手及在途）

.
3 对于（ sku, 仓库） 滚动规划 30 天并按 T+3 周期计算冗余和短缺库存
.
MIP: 对于（ sku, 仓库），计算全局最优 DC-DC 库存共享计划，无共享或共享后短缺的执行 MFG-DC 补货策
4 略
.
5 处理最佳供货路径的补货计划，输出至应用
.
  (sku, 仓库） 所有产品循环结束？ 输出结果
否 是
5.1 、动态补货整体方案—系统
 基于（ SKU, 仓库）维度的库存优化策略，匹配当前库存后，先通过启发式算法计算合理补货量再通过 MIP 混合整数规划计算最佳补
货路径

使用 MIP 混合整数规划计算（ SKU ，仓库）最佳补货路径

以基本库存策略为例，使用启发式算法计算补货量

库存

基本库存
推单间隔 p2

周
转
库
存

安全库存
提前期 p1
提前期 时间
5.2 、动态补货参数设置—执行系统
自动补货需维护参数共 4 个大类 9 个小类，作为库存调拨的约束条件，主要由产销计划及大物流计划完成

参数大类 参数小类 颗粒度 具体内容及作用 维护人 维护频次

提前期 设置从提单 - 到货全流程周期，计算从发起调拨到预
(SKU ，全国） 产销计划 1次/月
（提单 - 到货周期） 计到货的时间（ ETA ）

下单间隔 (SKU ，全国） 设置下单间隔，作为 CIMS 执行库存优化策略的频率 产销计划 T+3 模式下不变

CIMS- 订单周期

设置结转等待时间，作为计算在途库存 - 未结转 T+3

结转等待时间 (SKU ，全国） 产销计划 1次/月
且未进行库存评审订单的预计到达时间

产品标准价（脱敏），用于计算 DC-DC 共享时费率

CIMS- 价格及费用 产品价格 (SKU ，全国） 财务 不定期更新
是否超标，调拨费率 = 调拨费用 / 产品价格 *100%

区分线上线下，包括：仓库编码，名称，仓网等级， 1 次 / 月，不定期更
基本信息 （渠道，仓库） 大物流计划
位置信息，容积率作为库存优化的基础信息 新
1 、芜湖基地 - 中心仓，顺德基地 - 中心仓； 2 、运
线路：基地 - 中心仓 线路 输时效，用于计算出仓后的订单 ETA ； 3 、运输成 大大物流计划 1次/月
大数据补录平台 - 调 本，用于
拨信息 1 、基本 DC-DC 线路； 2 、 DC-DC 调拨费用用于计
线路：中心仓 - 中心 算 DC-DC 共享时费率是否超标； 3 、 DC-DC 最小起
线路 大物流计划 1次/月
仓 运量，作为调拨约束条件； 4 、 DC-DC 共享费率上
限，作为调拨约束条件；
包括 DC 关联的一级仓、二级仓，用于在 DC-DC
路由规则 仓库 大物流计划 1次/月
（基本线路）基础上生成 DC-DC （逻辑线路）
按 SKU 未来预测月销分级， 1-49 最小批量为 9 天销 产销计划（ 2 月份转移
ETL- 参数 订单批量 (SKU ，全国） 量， 50-99 最小批量为 6 天销量， >100 台最小批量 到 CIMS 前台维护，目 1次/月
为 3 天销量 前在 ETL 中设置）
5.2 、动态补货参数设置—策略系统
 在 Openx 中运行库存策略求解函数之前，需要先设置 3 个大类 8 个小类的参数值；

参数大类 参数小类 参数作用 参数设置方法

计划起始日期 限定动态补货起始日期 默认为从当天开始
计划天数 滚动看 30 天补货计划 设为 30
计划周期定义
库存覆盖天数 N 设置超基本库存多少天（基于未来销售预测）以上为冗余库存 设为 30

设置可补货的方式，分为三种类型：第一， MFG-DC 即只允许从基地补货；第

二， MFG-DC+DC-DC(1hop ），除基地补货外，允许仓间调拨但需基于安得已有的基
允许调拨的类型 默认为 MFG-DC
础路线；第三， ALL 即除第二种方式外，允许 DC-DC logic 即基于基础线路及路由规则
的逻辑线路

分为两种类型：第一， Single source ，即一组（ SKU, 仓库）在某天的需求 100 台只能

动态补货类型 由单点满足（如基地，如某个 DC 短缺 100 台，不允许由 2 个 DC 各供货如 50 台满足；
采购策略 默认为 Single source
定义 第二， Multiple source ，即一组（ SKU ，仓库）在某天短缺的 100 台可以 2 个及以上
　 的 DC 共享满足）
　
设置对待短缺的处理方式，包括两种：第一， Full ，即针对（ SKU ，仓库）某时点的缺
弥补短缺的方式 货，需要全部满足不容许短缺；第二， Partial ，即针对（ SKU ，仓库）某试点的缺货， 默认为 Full
可以部分满足；

分为两种类型：第一， Integer 整数，即通过 MIP 混合整数规划计算全局最优的 DC-DC

默认为 Integer 整数，即通过
调拨变量类型 调拨共享计划；第二， Continuos 连续非整数，即通过显性规划计算 DC-DC 调拨共享计
MIP 模型计算调拨
划，结果四舍五入；
主机，数据库，用户，密
库存优化关联 动态补货是基于库存优化结果，该配置是系统层面关联相应的库存优化数据 　
码，场景 ID
5.3 、动态补货方案—目标与约束

 目标：通过系统按 T+3 周期自动补货实现任意时点（ SKU ，仓库）在手库存保持在合理周转库存区间，平衡库存成本及需求

 约束条件： 1 、 ABC 类产品满足率 92% ， 90% ， 85% ； 2 、补货有提前期且提前期是波动的； 3 、月度销售预测是有偏差的；
4 、日销是有波动的不是月销 /30 ；

冗余库存
• 概念：合理库存外的库存，为平衡库存共享成本，通常设置在基本库存之上，这部分库存会
用于仓间共享（ DC-DC ）
• 冗余库存 = 在库库存 - （基本库存 +N* 未来日销） ,N 为自定义参数，默认 30 天

周转库存 冗余库存
• 概念：维持正常周转的库存量 冗余库存水位 p3
• 周转库存 = （提前期 + 下单间隔） * 历史日均销量，目前常设置的提前期为 20 天，下单 冗余缓冲区
间隔为 T+3 周期 3 天，只要在安全库存及周转库存区间的均为合理周转库存区间 基本库存水位 p2

 安全库存水位线
合理周转库存区间
• 概念：低于该库存水位，在当前的提前期（波动），销售预测（波动）情况下，有缺货（库
存为 0 ）风险
安全库存水位 p1
• 安全库存没有闭式解， 为满足率， 日均需求， : 提前期内需求分布损失函数， s 为安全库存，通过
安全库存
拟牛顿法求解；

基本库存策略下的各库存水位线
5.4 、 DC-DC 共享调拨—约束条件
 补货订单供货路径优先共享有库存冗余的仓库，冗余仓库中共享库龄长的；

是否 是 使用基础线路
仓间共享调拨
有基
（费用，时效， 序号 约束条件 描述
础线
路 批量等）
1 、计算公式：费率 = 总运输费用（开单价口径） / 总
货值（含税口径），运输费有基础线路取基础线路，无
否 1 费率 基础线路的按路由规则分段叠加；
基础线路 + 路由
规则 2 、参数化，可由业务在 CIMS 设置为不同费率上限，
默认费率上限按 3%
1 、基础线路：含费用，时效，起运量，由安得提供；
2 线路支持 2 、临时线路：路由规则 + 基础线路，由 OpenX 系统
生成
临时调拨线路
3 、电商 - 线下：只允许同仓转移
1 、调出仓库有冗余库存；
3 剩余库存 2 、同样冗余库存下，优先调拨长库龄的库存（库龄来
类型 调拨路由规则 备注 源 CIMS 库龄报表， SKU- 仓库颗粒度）；
城市仓 1 和 2 归属同
同省 城市仓 1- 城市仓 2 同时满足两个条件： 1 、安得规划的仓库间的最小调拨
一个省
方位；
城市仓 1 归属省 1 ，
同区域跨省 城市仓 1- 省仓 1- 省仓 2- 城市仓 2 2 、（ 1 ）单仓来源： SKU- 仓库补货单只能由单一仓
城市仓 2 归属省 2 4 批量
库共享；（ 2 ）多仓来源： SKU- 仓库补货量可由多个
城市仓 1 归属省份 1
城市仓 1- 省仓 1- 区域仓 1- 区域仓 2- 城市 其它仓库共享；
跨区域 归属区域 1 ，城市 2
仓2 备注：单仓来源和多仓来源为 MIP 计算中的参数之一
归属区域 2
目录
一、项目背景

二、项目方法论

三、仓网布局优化

四、库存策略优化

五、动态补货

六、全链路控制塔

七、项目总结与规划
6 、全链路控制塔

 抓取核心供应链效率运行指标，通过可视化大屏方式动态展示达成情况，异常自动预警，实现产销大盘运营情况实时掌控，快
速定位品类 / 营销中心等各层级产销运作问题点，推动快速解决问题；
目录
一、项目背景

二、项目方法论

三、仓网布局优化

四、库存策略优化

五、动态补货

六、全链路控制塔

七、项目总结与规划
7.1 、项目收益
 显性：上线 2 个月来，供应链核心指标有快速显著的提升，包括在库周转提升 51% （库存下降 1.5 亿）但 C 端现货率提升
32% 等
 隐性：从项目启动到上线运作，对供应链计划开展了高密度的训练（在线及集中返厂，体系化及专题培训测试，答疑等） >15
场次，通过数据模型算法驱动供应计划制定固化成为了新的工作习惯，为未来供应链数字化迭代奠定了基础
中心仓数量 - 个
在库周转 - 天
140
119 70
120 61
60
100 -34%
78 50
80 -51%
40
60 30 在库库存金额
30
40 下降 1.5 亿
20
20
10
0
20 年 2021 年 4 月 0
20 年 2021 年 4 月
自动补货占比
现货率 80%
68%
100% 70%
32% 86% 60%
80% 50%
65%
60% 40%
30%
40% 20%
10% 0%
20% 0%
20 年 2021 年 4 月
0%
20 年 2021 年 4 月
7.2 、项目推进难点
全链路系统对供应链效率的提升类似于 飞机给出行效率带来的提升，背后需要方法面面的的工作支持才能实现

基础数据及业务数据量大——“跑道”
没有一招鲜吃遍天——“发动机”
• 数据类型多：仓网配送，产品线，销
算法 • 需要做好平衡： GA 仓库选址算法，
售预测，价格，到货时间，各库存等 数据
需要平衡服务时效与管理复杂度
；
• 大量测试寻找最优参数值：如需求特
• 数据量大：基础数据梳理 >12 万条；
征分类中的 ADI 和 COV 值
• 颗粒度细：所有数据要到（ SKU ，仓
库）颗粒度

计划员的理解需要时间——“驾驶员” 需要全链路支持——“地勤”
• 模型算法有一定复杂性，无论是供应 • 源头输入，即（ SKU ，仓库）颗粒度
链计划还是产销计划理解都有一定难 的预测难度大，人工或系统预测准确
推广
度，需要大量的训练； 率 <60%;
• 需要警惕因噎废食：上线初期，受模 全链路
• 工厂端支持系统推送的订单在周期内
型参数设置匹配度，预测不准，交期 按设置的稳定时间交付，过快或者过
不稳定等干扰，需要不断优化，遇到 慢都会带来库存风险
问题第一时间解决，否则挫伤信心
7.3 、项目未来规划

1 月 30 日 5 月 30 日 6 月 15 日 8 月 10 日 8 月 30 日 9 月 30 日 12 月 30 日

算法控制台
合作系统上线 产销平衡 - 分级 自研系统 智能分销零售 产销平衡 - 协同仓集约 自研切换
开发完成
量化上线 上线 & 第一批试点 预测升级完成 排产及直发 完成

1 自研系统：结合协同仓直供模式推广及与 LLamasoft 合作系统的使用， 4 月启动自研系统开发， 8 月完成系统上线，分三批在 12 月完成切

换

智能分销零售预测升级：提升（ SKU ，仓库）预测准确性，在分销预测基础上增加零售预测并基于面向用户的零售进行协同仓补货

2

产销平衡： 5 月完成分级量化上线（原代理商提货模式分级量化不适用），实现自动补货订单自动优先级判定， 9 月完成基于协同仓需求

3 集约的智能排程与下线直发
汇报完毕！