伴随着全球经济增速放缓以及日趋严重的地缘政治冲突，集团型重资产企业如何在复杂多变的市场环境中，既要保证绿色低碳的供应链转型，又要保证物资供应链的稳定性，是目前高库存、低周转的集团重资产企业面临的一大挑战，英诺森认为，合理的物资储备是降低供应链管理难度和成本的最简单最可靠的方式，可以极大地提升供应链的柔性，应对各种潜在的风险。
物资储备定额是指为了应对供应链的波动，保证企业生产的稳定性，对必备物资制订最合理、经济的库存储备数量标准。物资的储备定额一般分为经常性储备和安全性储备两部分。制定物资储备定额的基本方法如下：
图1：物资储备定额分类
其中：经常性储备定额，是指企业前后两批物资进厂的供应周期内，保证生产正常进行所必须的储备数量，其制定的方法有供应间隔期法、经济订购批量法。
安全储备定额是指为了预防供应链因突发原因导致的断供而必须储备的库存数量，其制定方法一般根据上年统计数据中实际平均延误天数来决定安全储备定额数。
图2：储备定额常用的计算方法
综上所述，企业的物资储备定额，一般由经常性储备和安全性储备两部分构成，由于经常储备是变化的，因此储备定额有上限和下限之分：
最高储备定额=经常储备定额+安全储备定额
最低储备定额=安全储备定额
物资的储备定额的计算原理和方法很简单，关键是必须充分掌握在计算过程中物料存储、消耗、采购、仓储保管的详细数据。如数据参数不全或者原始数据不正确，会产生错误的数据，影响储备定额的实施，基于多年项目实施经验，英诺森发现重资产行业虽然实施了物资储备定额，但定额标准主要是以专业人员经验判断为主，容易因定额过高造成库存积压，或因定额不足造成紧急的缺件，典型问题如下：
01.多年积累的业务数据未发挥数据价值
各业务数据分散存储在各应用系统中未形成闭环，因数据链路断层，给数据的获取分析带来困难，例如设备的预防性维护计划、物资的需求、采购周期数据、存储与保管成本数据、消耗数据等分别在不同的应用系统中，无一套集成的系统。
02.物资编码规范性差造成数据难以分析
因过往物资数据质量难以管控，各业务中存在一物多码，一码多物等问题，难以真正从物资编码维度统计真实的需求、消耗等情况，导致需要花费大量时间和精力去清洗核对过往的历史业务数据。
03.落后的管理观念难以发挥储备定额的价值
目前物资管理人员依旧秉持传统的物资存储管理理念，未转变为绿色节约的弹性供应链管控思路，导致企业普遍存货多、库存周转率低的现状。
英诺森认为，对于集团型重资产企业来说，合理的物资储备，会提高企业的运作效率，提升生产的稳定性，反之会使企业资金严重占压，弱化竞争实力，所以切实做好重资产企业的储备定额管理，提升供应链的柔性，是不容忽视的问题。
针对上述业务特点和问题，英诺森认为重资产企业需要深度挖掘过往多年的企业物资数据资产，通过对历史异常或错误数据的清洗，运用适合的算法建立一套合理的物资储备定额模型，通过对定额需求的强力管控，可在满足设备日常维护检修、物资安全、及时供应的同时，更好地实现对库存成本的控制，实现降本增效的物资管理目标。具体如下：
1 ► 物资数据中台——统一物资数据存储与分析服务
英诺森认为，因过往各业务系统未打通导致的物资数据未闭环是阻碍储备定额数据分析的第一道屏障，英诺森通过开放成熟的数据交换技术（如API\ETL\HTTP\RPA等技术）对各应用系统数据抽取，配合对业务数据的数据治理，可以形成高质、安全的业务数据存储，通过对业务逻辑的梳理形成各业务数据服务，为后续的物资储备定额数据提供全面的数据源。
图3：英诺森智能数据中台
2 ►物资主数据自动清洗——加速对历史错误数据的识别和纠正
对过往错误业务数据的编码治理是进行合理储备定额分析的关键环节，英诺森主数据治理模型采用自然语言处理-命名实体识别（NLP-NER）相关的技术，积累了超千万条行业物资数据，形成了一套基于MRO物资领域的通用名词、专业名词、技术参数、品牌、厂家等属性的物资大脑，配合神经机器翻译(Neural Machine Translation, NMT)等以及知识图谱(Knowledge Graph, KG)技术实现对物资相似度识别和名称纠错，加速对过往物资数据的快速清洗和映射，保障数据源的真实可靠。
图4：英诺森物资主数据自动清洗
3 ►选择物资储备定额模型——根据品类特性选择合理的参数
传统物资储备定额模型大多以人工经验为导向，对物资的ABC分类不够严谨，导致各类型物资的储备定额数据或多或少产生了一些偏差，例如：对战略备件的定额设置上未充分考虑备件的贸易方式，只是简单的根据新设备备件1/4的数量进行储备；对检修备件未充分考虑设备的维护周期导致数量多储；对日常维护使用的消耗性物资未充分考虑到目前国内高效的物流体系，简单粗暴地根据前三年每3-6个月的平均消耗量确定库存定额等内容。英诺森根据对设备检修记录及物资消耗记录等数据分析，结合行业最佳的实践经验，预设了不同类别的物资储备定额模型参数，指导企业进行模拟验证。
图5：英诺森物资储备定额模型
4 ►智能物资储备定额计算工具——精准分析物资储备定额数据
英诺森基于企业历史业务数据，通过对模型参数的选择和物资需求及消耗等数据的抽取，结合物资的采购周期、货品ABC分类、组织结构、库存结构等历史数据的计算，运用人工智能技术预测物资储备数据形成合理的物资储备定额策略（集中储备、分散储备、订货批量），可以有效地避免过度采购，及时处置过剩库存，从而显著降低企业库存积压和存货成本。
图6：英诺森物资储备定额模型
5 ►物资储备定额需求管理——从源头落地物资需求提报管控
传统物资需求计划存在各种提报渠道，需求合并规则和汇总检查难度大，储备定额的需求提报往往被忽视或者由MRP自动计算，导致虽有储备定额数据，但未指导业务部门综合根据目前供给和需求去合理制订补货的量，从而普遍出现有库存和在途供给远超需求数据的情况，英诺森物资需求管理模块中的储备定额类需求管理通过运用智能的平衡利库，综合考虑需求、在途供给和全渠道的库存，结合供应预算、安全库存以及订货批量的计算等，可自动形成储备定额的补货建议，防止过度采购或者储备。
图7：英诺森智能物资需求管理
结语：
英诺森物资超市解决方案，通过全渠道一体化的需求履约与供应协同平台，助力重资产企业实现供应链降本增效的目标。物资超市解决方案聚焦物资需求管理，集资金流、信息流、物流于一体，通过打通采购端、仓储端、运营端、供应端，构建需求履约全流程、全角色、全场景的采购新生态。
苏公网安备 32059002002276号
