全面庫存管理數學分析（簡體書）

書中談到的數學概念、公式、定理及思想等，基本上都是與供應鏈管理的日常實踐有著比較緊密的關係的。

供應鏈管理，平均值很重要，但就是有很多從事供應鏈管理的人連Excel的平均值公式都不知道怎麼寫；很多人張口閉口是安全庫存，豈不知背後的原理是正態分布、標準差；之所以 “心中沒數”，是因為你不理解幾個基本的數學不等式；學會幾個常用的假設檢驗，這可以幫助你看透表象；看問題不能想當然，馬氏距離比歐氏距離更科學；主成分分析法提醒我們，我們一直在用的供應商評價體系可能有很大的問題；函數、方程我們都很熟悉，但關鍵是體味微積分的基本思想；後，抽象思維、模型思維是高端供應鏈管理人才的素質。

程曉華（John Cheng），山東平度人，1993年哈爾濱理工大學機械系畢業（本科、雙專業），2003年北京大學MBA結業；做過兩年機械技術員，1995年開始接觸MRP，在大宇重工業、頓漢布什等重工製造業做生產計劃員、物料計劃主管、國產化采購等工作；2000年進入電子製造業，在IBM、偉創力等企業做高級物料經理、供應鏈管理總監、全球物料總監等職務至2011年，期間做過3年專職講師，設計並主講“製造業庫存控制技術與策略（ITO）”培訓課程至今；2007年出版專著《製造業庫存控制技巧》，隨後正式提出“全面庫存管理（TIM）”思想及框架體系；2011年加入埃森哲；2012年10月開始做獨立顧問，除了繼續講授ITO課程，主要時間都用在為製造業客戶提供TIM咨詢，包括 TIM流程體系審核、設計及持續改善等，長期輔導的客戶包括山東世紀陽光紙業、青島賽輪集團、歌爾、華勤通信、上汽乘用車、佩特來電器、北京控制工程研究所等。

著有《製造業庫存控制技巧》《決戰庫存》《製造業全面庫存管理》，其中《製造業庫存控制技巧》已經再版4次。本書《全面庫存管理數學分析》為作者從全新視角出發，正式出版的第4本專著。

供應鏈管理過程中的每一個決定，都離不開數學; 數學與供應鏈管理的有機結合是提升供應鏈核心競爭力的關鍵。

這既不是一本純粹的談供應鏈管理的書，也不是一本純粹的數學書，而是一本作者意在把自己20多年的供應鏈管理實踐與數學相結合的書。

我對中國製造業的崛起有著很深的情懷。

我一直堅信, 沒 有 中 國 制 造 業 的 真 正 崛 起, 中 國 經 濟 的 發 展 就 不 會 長 遠; 沒有供應鏈管理水平的大幅度提升, 中國製造業也不可能有什麼大的出 路;

而沒有一定的數學知識、 數學思維做基礎的供應鏈管理, 就只能是表面 功夫。

中國製造業的供應鏈管理必須要強基!

一、 我為什麼要寫這本書

國外的供應鏈管理專業有門基礎課叫 “ Supply Chain Analytics” , 翻譯過 來是 “ 供應鏈分析學” , 但談的基本上都是些數學的知識, 內容大概是函數、 方程、

概率與數理統計、 優化、 建模與仿真等。 網上也有美國麻省理工學院 ( MIT) 的部分供應鏈管理課程, 需要具 備 一 定 的 高 等 數 學、 英 語 及 供 應 鏈

管理理論基礎才 能 聽 得 懂, 這 對 於 目 前 國 內 大 多 數 供 應 鏈 管 理 從 業 人 員 來 說, 是有一定難度的。

自 2012 年 10 月開始做獨立顧問以來, 我已經審核、 輔導了幾十家製造 業客戶, 它們的年產值小的也有幾十億元, 大多數是幾百億元, 甚至有上 千億元的。 我發現一個很普遍的問題,

大多數供應鏈管理從業人員的數學、 英語水平都不高, 很多人缺乏起碼的數學思維與邏輯思維能力, 缺乏供應 鏈管理的基礎理論與扎實的基本功。

這也是我要寫這本書的原因———我希望把經過我個人理解和提煉的, 與 供應鏈管理的 “ 庫存與交付” 有關的數學定律、 定理、 公式及方法論等, 比 較系統地總結一下,

從而幫助大家從根本上加深對供應鏈管理的理解, 提升 業務能力。

供應鏈管理是製造業的核心, 而數學則為供應鏈管理夯實了理論與邏輯 基礎。但在國內，很少有人能夠將數學與供應鏈管理結合起來進行研究，因為研究者要麼是純粹的數學家, 要麼是純粹的供應鏈管理理論家, 要麼就是供應鏈管理經驗不足。 而我的學習和工作經歷則使自己兼具三方面的儲備: 供應鏈管理實踐經驗 供應鏈管理理論 數學知識。這也成就了本書寫作的 可能性。

第1 章　平均值很重要

1. 1　算術平均值

1. 2　中位值及異常值

1. 3　移動平均

本章小結

拓展閱讀

談common sense 不common

簡單, 簡單, 越簡單越好———學習沃頓商學院《運營管理概論》 課程有感

沒有規矩, 不成方圓

數學化歸思想舉例

用垂直平均法計算MAPE

第2 章　正態分布與需求管理

2. 1　標準差、方差、協方差與相關性

2. 2　變異系數就是客戶需求波動率

2. 3　正態分布、標準差與西格瑪

2. 4　正態分布、標準差與安全庫存

2. 5　二項分布、泊松分布與指數分布

本章小結

拓展閱讀

安全庫存到底“害” 了多少人

我的書從來就沒有教你怎麼去建立庫存模型

第3 章　心中有數

3. 1　並非都是正態分布———切比雪夫不等式

3. 2　簡單直接———馬爾科夫不等式

3. 3　偶然中的必然———大數定律

3. 4　概率其實是人類無知的產物

本章小結

拓展閱讀

模糊需求的層層傳遞是導致長鞭效應的根本原因

不管需求, 你還做什麼供應鏈管理———淺論供應鏈管理存在的價值

人們為什麼會一而再、再而三地犯常識性的錯誤

第4 章　假設檢驗與幾個估計

4. 1　大數定律VS 中心極限定理

4. 2　進一步理解中心極限定理

4. 3　點估計與區間估計

4. 4　假設檢驗

4. 5　F 檢驗與單因素方差分析

4. 6　極大似然估計

4. 7　貝葉斯估計(後驗概率估計)

4. 8　近似值與估計

本章小結

拓展閱讀

可視化不能從根本上解決供應鏈管理問題

很多公司的KPI 都是假的

第5 章　判別分析、聚類分析與主成分分析

5. 1　判別分析

5. 2　聚類分析

5. 3　主成分分析

本章小結

拓展閱讀

庫存與交付是一個問題

供應鏈管理存在的目的是什麼

判斷一家公司的好壞不能只看名氣

是提前備庫存還是等著挨宰

“是提前備庫存還是等著挨宰” 之我見

照搬照抄其實很重要

第6 章　方程、函數與微積分

6. 1　方程

6. 2　函數、回歸與需求分析

6. 3　微分、一元二次方程與PLC 分析

6. 4　時間序列分析與統計預測

本章小結

拓展閱讀

函數貫串供應鏈

理解微積分基本思想

用微積分法推導圓錐體的體積帶給我們的啟示

對待預測的幾種態度

第7 章　抽象、數學模型與供應鏈管理建模

7. 1　抽象

7. 2　模型與供應鏈管理

7. 3　模擬與供應鏈管理

7. 4　建模與供應鏈管理

7. 5　仿真與供應鏈管理

本章小結

拓展閱讀

從小餐館經理到百萬富翁

復數a bi =需求之PO FC

光有流程是不行的———兼談組織技能問題

參考文獻

直到現在，很多企業、很多人在解決供應鏈管理問題，尤其是庫存與交付問題時，還是寄希望於“預測數據的準確性”。在他們看來，只要搞定了預測，哪裡還有什麼出貨問題、庫存問題?

一開始，他們逼著自己的銷售部門、市場部門等去做預測，然後針對他們預測的準確性去考核、獎懲，後來他們慢慢地發現，這根本沒有用。接著，他們聽說計算機軟件可以做預測這件事，而且比人做得好多了，於是，他們又花大價錢去買預測軟件，越貴、越複雜越好，再到後來，“他們不斷地表現出對他們的統計預測工具不能準確預測未來需求的失望之情,他們的痛苦不斷加深, 因為他們期望以極少的人工干預產生預測的能力, 畢竟, 預測軟件的供應商們已經讓他們相信這是可能的。” 【Clients frequentlyexpress disappointment that their statistical forecasting tools do not predict futuredemand with a high degree of accuracy. Their distress is heightened because theywant the ability to develop forecasts with little human intervention. After all, suppliersof forecasting software have led them to believe that this is possible. (本書作者譯)】

關於統計預測, 我們需要知道的是:

① 模型與方法論方面: 統計學家們已經發展了無數種模型、方法，有主觀定性的方法，如德爾菲法、主觀概率法等，也有定量分析的方法，如時間序列、回歸分析等。

② 軟件方面: 有專門的預測軟件，如Forecast Pro 等，還有ERP 公司如SAP 在自己的套件裡面開發的預測模塊等, 它們無一例外地在使用統計學、數學的模型與方法, 當然, 還有Excel。

作為一個供應鏈管理者, 我個人認為, 我們不需要去掌握那些複雜的統計學模型、公式, 因為這些東西在商業軟件裡面已經都有了, 就像你使用Excel 裡面的函數一樣, 你只要知道它們是幹啥的, 它們能為你幹啥,你需要告訴它啥就足夠了, 至於它們背後的原理、邏輯、模型、公式等,你知道了那是好, 但不知道呢, 也不影響你使用。類似於開汽車, 你會開就行了, 至於汽車的驅動原理、管路設計等, 你不明白也罷, 並不影響你開好車。

更重要的原因是, 供應鏈管理不是數學, 數學分析可以幫助我們做決策, 但數學分析本身不能決策。統計預測也是如此, 對我們來說, 統計預測只能是個參考, 因為, 我們還有客戶預測(Customer Forecast, C/ FC)、銷售預測(Sales Forecast, S/ FC), 當然, 終其實是訂單(Purchase Order,PO) 或者客戶對我們庫存的實際消耗(Actual Consumption) 說的算。

但無論如何, 凡事, 預則立, 不預則廢, 算總比不算好, 統計預測該做還是要做的, 它起碼起到一個“合理性檢查”的作用———用統計預測對比銷售、客戶預測以挑戰其背後的商業假設。