供应链管理 - 库存管理

如供应链的主要目标所示，SCM 的基本目标之一是确保公司内部和公司之间所有活动和职能的有效管理。

在某些情况下，可以通过提高库存效率来确保供应链效率，更准确地说，是通过保持库存减少的效率来确保。虽然库存被认为是对高效供应链管理的负债，但供应链管理人员承认库存的必要性。然而，不成文的规则是将库存保持在最低限度。

许多战略的目标是简化供应链以外的库存，并将库存投资保持在尽可能低的水平。供应链管理人员倾向于将库存保持在尽可能低的水平，因为库存投资。拥有库存相关的成本或投资可能很高。这些成本包括购买库存所需的现金支出、获得库存的成本（投资于库存而不是投资于其他事物的成本）以及与库存管理相关的成本。

库存的作用

在了解库存在供应链中的作用之前，我们需要了解制造商和客户之间的融洽关系。处理客户，应对他们的需求以及与制造商建立关系是供应链管理的关键部分。

在许多情况下，我们看到协作关系的概念被标记为供应链管理的本质。然而，对供应链关系（特别是那些包含产品流的供应链关系）的更深入分析表明，这些关系的核心是库存的移动和储存。

其中超过一半依赖于库存的购买、转移或管理。众所周知，库存在供应链中扮演着非常重要的角色，是一个显著特征。

库存在供应链中最基本的功能如下：

公司需要管理上游供应商的交易和下游客户的需求。在这种情况下，公司进入一种状态，它必须在满足客户需求（这大多很难精确或准确地预测）和保持足够的材料和商品供应之间取得平衡。这种平衡可以通过库存来获得。

供应链优化模型是将实际问题编码为数学模型的模型。构建此数学模型的主要目标是最大化或最小化目标函数。除此之外，还为这些问题添加了一些约束条件来定义可行区域。我们尝试生成一种高效的算法，该算法将检查所有可能的解决方案，并在最后返回最佳解决方案。各种供应链优化模型如下：

混合整数线性规划 (MILP) 是一种数学建模方法，用于在某些限制条件下获得系统的最佳结果。该模型广泛应用于许多优化领域，例如生产计划、运输、网络设计等。

MILP 包含一个线性目标函数以及由连续变量和整数变量构成的某些限制约束。该模型的主要目标是获得目标函数的最优解。这可能是最大值或最小值，但必须在不违反任何施加的约束条件的情况下实现。

可以说，MILP 是使用二元变量的线性规划的特例。与普通的线性规划模型相比，它们稍微难以求解。基本上，MILP 模型由商业和非商业求解器求解，例如：Fico Xpress 或 SCIP。

随机建模是一种数学方法，用于表示数据或预测存在一定程度的随机性或不可预测性的情况下的结果。

例如，在生产单位中，制造过程通常具有一些未知参数，例如投入材料的质量、机器的可靠性和员工的胜任力。这些参数会影响制造过程的结果，但不可能用绝对值来衡量它们。

在这些需要找到无法精确测量的未知参数的绝对值的情况下，我们使用随机建模方法。这种建模策略通过考虑这些因素的不可预测性，有助于以一定的误差率预测该过程的结果。

在使用现实的建模方法时，系统必须考虑不确定性。不确定性评估到一定程度，其中系统的特性不确定性是用概率性进行建模的。

我们使用不确定性建模来用概率分布来表征不确定参数。它像马尔可夫链一样很容易将依赖关系作为输入，或者可以使用排队论来建模等待起重要作用的系统。这些是建模不确定性的常用方法。

每当需要做出分散的或分层的决策时，现实生活中就会出现双层问题。在这种情况下，多方会一个接一个地做出决策，这会影响他们各自的利润。

到目前为止，解决双层问题的唯一方法是对实际规模使用启发式方法。然而，人们正在努力改进这些最优方法，以便为实际问题计算最优解。

打印页面