供应链建模复杂性的三个原因，通过案例详细介绍建模的四个原则

1.复杂性的三个原因

供应链管理是非常复杂的，感兴趣的读者可以参阅这篇文章《复杂性是供应链的敌人，你需要知道的6个造成复杂性的原因》。

供应链建模也是非常复杂的，主要由这三个原因造成的。

首先是模型中的可变性。每个模型要解决的问题是不一样的，涉及到的随机变量也各不相同。在每次设计模型时，我们需要考虑哪些变量和这个特定的模型是相关的，哪些又是不相关的。

可变性意味着不确定性。在建模的时候我们需要设定一个事件发生的概率，或是提供一种假设，因为我们需要给团队成员一个数字，用来描述模型的结果，作为决策的依据。

最初的模型是非常理想化的，其中包含着设计者的许多想法，但它可能会偏离现实，因为其中存在不确定性、概率和随机变量。

第二个原因是模型有线性的和非线性的。在这篇文章中介绍了线性的运输费用模型《跨境电商、外贸企业的国际运输预算怎么做？给你一个模型，三步轻松搞定》。非线性的模型请参阅这篇《一文读懂供应链网络模型：最短运输距离和重心法》。此外，服务水平和安全库存数量的关系也是非线性的，可参考这篇《一文读懂经典的固定订货周期模型》。

因此，我们在考虑供应链的影响时，要想到投入和产出之间的关系可能很复杂。

最后，第三个原因在于供应链管理是由多个问题组合而成的，有些是需求和供应的内部问题的组合，还有些是包含外部问题，例如供应和质量保障。真正的供应链是含有多个项目的，涉及到多个地点和多个参与者，这增加了供应链建模的复杂性。

2.建模的四个原则

1）模型的范围

首先，我们要考虑模型的范围，也就是模型的起点和终点。在考虑范围时，我们要尽可能缩小范围，用较小的模型来解决一个特定的问题。

2）模型的颗粒度

这是关于模型有多详细。我们要考虑使用较小的颗粒度，对问题进行较为粗略的分析，同时足以解决问题。较小的颗粒度表示更微观，但我们也不能过于深入每一个细节，这里面有一个度，只要模型能够说明问题即可。

3）解决什么问题？

这是建立模型的目的，它可以是优化某个过程，计算出最大或最小值，提供数据用于决策。我们希望用模型来代表现实，选择合适的参数，然后与业务部分进行合理性检查，如有必要，就需要对模型进行调整。

4）模型是决策的依据

模型的结果是一个依据，它有参考的价值，但我们不一定会选择模拟出的最优解。在现实中还有其他的制约因素，它们未必是在模型之中，但是我们不能忽视它们。

3.案例

有这样一个案例，张三是一家汽车零部件公司的销售，给全球的客户供应各类汽车配件。公司最近收到一个美国客户的投诉，原因是一款名为A123的产品外观上有锈迹，导致组装的成品无法正常使用。

根据张三的调查，可能存在质量隐患的产品数量是50万件，不良率大约是4%，也就是说有2万件不合格品，它们和剩余的合格品混在一起，需要把坏件挑选出来。这是汽车制造业中常见的现象，需要由供货方在自己的工厂和客户端安排人员进行检验。

由于这50万件产品都已经发到了客户在美国的仓库，需要在当地找第三方的挑选服务公司。张三收到一份挑选服务报价，第三方公司每周最多挑选10万件，总计需要5周的时间，这相当于是产出能力。

在费用方面，挑选的报价是每小时35美元，完成50万件大约需要1000个小时，人工成本总计约35000美元，这不是一笔小数目。如果是在张三的工厂挑选，人工成本要低很多。

由于50万件产品已被隔离了，在完成挑选之前是无法使用的，为了保障客户的订单交付，张三需要安排空运，直至海运货物能够接上。空运的运输时间是1周，而海运需要8周。

张三有2个方案，第1个方案是不使用国外第三方挑选服务，主要的考虑因素是高达35000美元的挑选费用。为了不让客户的生产计划受影响，他准备每周发空运，直至海运到货能够满足客户的需求。

由于这批货的货值不低，张三决定把50万件产品退运回中国，在自己工厂进行挑选，然后再把合格品发给客户，所以会产生退运费、国内挑选费和再次发给客户的运费。

第2个方案是使用国外第三方挑选服务，这样就不需要退运产品，后续的处理比较简单，但是挑选费用很高。

张三从客户那里要来了A123的需求信息，如下表。在第1周的数据里包含了逾期订单，所以比后面几周的用量都要大，这是合理的。

现在张三需要根据掌握的这些信息，设计出一个简单的模型，用来计算哪种方案的成本最低。当然，理论上的最优解仅是决策的依据。

1）方案1的总成本

在该方案中，张三的公司选择不使用第三方挑选，那意味着他们要持续发空运，才能补上供应的缺口。海运需要8周的运输时间，即使在第1周把海运产品发出，只能在第8周到货，那么就需要发70万件的空运货物，平均分布在第1至第7周。

即便如此，在最初的5周内，客户依然会出现缺货的情况。

总成本主要由空运费、退货物流费、国内工厂挑选费用和把挑出的合格品再次发货的海运费。

空运费用：假设每10万件产品的空运运费是5000美元，总共需要空运70万件，所以费用是35000美元。

物流退货费需要3000美元，把产品退回国内是很复杂的过程，而且时间也是不可控的，我们就姑且假设只需要3000美元。

50万件产品退运回中国后工厂需要挑选，国内人工成本比美国的低，假设需要5000美元。

最后一笔支出是挑出来的合格品再次发运给客户的海运费，大约是1000美元。

所有成本合计是35000+3000+5000+1000，等于44000美元。

2）方案2的总成本

在该方案中，张三的公司选择使用海外客户当地的第三方挑选服务，每周最多可以提供10万件挑出的合格品。由于第三方公司就在客户仓库里进行简单挑选，所以没有产生物流搬运的费用。

张三只需要安排2次各10万件产品的空运，即可解决供应的缺口，在第8周的时候海运货物也能抵达客户仓库。

总成本主要由空运费和国外挑选费用组成。

空运费用：假设每10万件产品的空运运费是5000美元，总共需要空运20万件，所以费用是10000美元。

国外挑选费用每小时35美元，挑选出50万件大约需要1000个小时，总共是35000美元。

所有成本合计是10000+35000，等于45000美元，略高于方案1的44000美元。

如果只看模型计算的结果，方案1似乎更有优势，因为它的总成本要比方案2低1000美元。但是实际情况是怎么样呢？选择方案1，张三公司的客户会有5周时间会出现缺货的情况，这会导致客户的不满。

时间拖得越长，不确定性就会越高，正所谓夜长梦多，我们要尽快关闭问题，不要让它持续发酵。

方案2的成本仅比方案1高出1000美元，也就是总金额的2.3%，对总成本的影响不大。我们是否应该多付一点费用，来换取客户的满意度？

张三经过了一番考虑，最终决定使用第2个方案，在客户所在地使用第三方挑选服务。由于处理得当，这次的质量投诉事故很快得以解决。

让我们回顾一下这个模型案例，它是线性的模型，涉及到了外部客户的供应和产品质量问题，是相对复杂的，需要进行多方面的协调和沟通。

从模型设计上来看，它用了一个较小的模型，包括了供应需求的匹配、计算各种的潜在成本等。模型的颗粒度也是比较小的，考虑到了具体的费用，比如人工挑选和空运。

模型仍是对问题进行了粗略的分析，没有过度深入细节，比如没有去算物流费用的组成部分。

建立模型的目的是了解解决质量投诉的最低成本。当然，模型的结果只是理论上的数值，在决策的时候，我们仅是用它作为参考，客户的满意度和潜在业务流失的风险难以量化，所以不在模型之中，但它们是我们必须要考虑的因素。